پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,533 |
| تعداد مقالات | 70,506 |
| تعداد مشاهده مقاله | 124,127,867 |
| تعداد دریافت فایل اصل مقاله | 97,235,410 |
رابطۀ ویژگی‌های فیزیکی حوضه های آبخیز و دبی های حداقل با دوره های برگشت متفاوت (بررسی موردی: حوضة آبخیز کشف رود) | ||
| اکوهیدرولوژی | ||
| مقاله 11، دوره 3، شماره 2، تیر 1395، صفحه 267-277 اصل مقاله (820.82 K) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2016.59670 | ||
| نویسندگان | ||
| مریم آذرخشی* 1؛ سید جواد سعادت پور2؛ علیرضا اسلامی3 | ||
| 1استادیار دانشکدۀ کشاورزی و منابع طبیعی، دانشگاه تربت حیدریه | ||
| 2کارشناسی ارشد آبخیزداری، دانشکدۀ کشاورزی و منابع طبیعی، دانشگاه تربت حیدریه | ||
| 3استادیار پژوهشکدۀ حفاظت خاک و آبخیزداری کشور، تهران | ||
| چکیده | ||
| تحلیل منطقهای از مهم‌ترین روشهای برآورد دبی جریانهای حداقل در مناطق فاقد آمار است. بررسی ارتباط متغیرهای مؤثر بر خشکسالی هیدرولوژیکی به‌عنوان مهم‌ترین راهکار در مقابله و کاهش خسارت‌های ناشی از آن مطرح است. در این پژوهش از دادههای 25 سالۀ 20 ایستگاه آبسنجی واقع در حوضۀ آبخیز کشفرود برای تحلیل جریانهای حداقل استفاده شده است. حداقل جریان ایستگاهها با تداومهای 7 و 15 روزه محاسبه شد و با استفاده از تحلیل فراوانی توزیع آماری لوگ پیرسون تیپ 3 مناسبترین توزیع تشخیص داده شد. سپس، جریانهای حداقل با دورۀ بازگشتهای 2، 5، 10، 25، 50 و 100 ساله محاسبه شد. پس از محاسبۀ ویژگی‌های فیزیکی حوضههای مورد تحقیق با استفاده از تحلیل عاملی، در دو مرحله مؤثرترین پارامترها در تخمین جریانهای حداقل شناسایی شدند. سپس با استفاده از تحلیل خوشهای حوضههای موجود به دو منطقۀ همگن تقسیم و با استفاده از روش رگرسیون چند‌متغیرۀ خطی مدل‌های منطقهای استخراج شد. نتایج نشان داد عوامل اول و دوم بهترتیب 1/66 و 2/24 درصد واریانسها را بیان می‌کنند. مساحت، شیب متوسط و تراکم زهکشی حوضۀ آبخیز مهم‌ترین پارامترها در برآورد شاخص‌های جریان حداقل هستند و بهترتیب در 100، 79 و 79 درصد معادلات معنادار رگرسیونی در مناطق همگن A و B دخالت دارند. همچنین مدل‌های ارائه‌شده برای مناطق همگن در مقایسه با مدل‌های کل منطقه، با توجه ضریب تبیین بالا و خطای استاندارد کمتر دقت بیشتری دارند. | ||
| کلیدواژه‌ها | ||
| آنالیز منطقه ای؛ ارزش ویژه؛ تابع توزیع؛ خشکسالی هیدرولوژیکی؛ سری زمانی | ||
| عنوان مقاله [English] | ||
| Relations between physical characteristics of basins and low flow discharges with different return periods (Case study: Kashafroud basin) | ||
| نویسندگان [English] | ||
| Maryam Azarakhshi1؛ Seid Javad Saadatpour2؛ Ali Reza Eslami3 | ||
| 1Faculty ofAgriculture and Natural Resources, University of TorbatHeydarieh, Iran | ||
| 3Soil Conservation and Watershed Management Research Institute, Tehran, Iran | ||
| چکیده [English] | ||
| Regional analysis is one of the important methods for estimating the low flow in ungagged regions. Investigation of the relations between effective factors of hydrological drought is the most important strategy to contrast and reduction of drought losses. In this study to analyze of low flow, the daily discharge data from 20 gauging stations with 25 years period (1988-2012) in the Kashafroud basin have been used. Low flow series with durations of 7 and 15 days have been calculated and by using frequency analysis, Log Pearson type III distribution was recognized as the most appropriate distribution. Then, low flows with return periods of 2, 5, 10, 25, 50 and 100 years were calculated. After calculating the physical characteristics of basins effective parameters on low flow have been detected in two steps by factor analysis. Based on cluster analysis, studied basins divided to two homogenous regions and the low flow regional models were determined in each homogenous region by using the linear multivariate regression. Results showed the first and second factors indicated 66.1% and 24.2 % of variance. Basin area, mean of slope and drainage density are the most effective physiographical parameters to estimation of low flow discharge and respectively in 100%, 79% and 79% of significant regression models are known as effective parameters in estimation of low flow in both A and B homogenous regions. In addition,with regards to high coefficient of determination and low standard error of relationships, models for homogeneous regions compared with the whole area models are more accurate. | ||
| کلیدواژه‌ها [English] | ||
| Regional analysis, Eiganvalue, Distribution function, Hydrological drought, time series | ||
| مراجع | ||
|
[1]Akbari M, Soleimani K, Mahdavi M. & Habibnejad Roshan M. (2010). Investigation and analysis of low flow frequency with different duration in arid and semi-arid regions, Engineering of water resources, 3: 75-84. [2]. Sarhaddi A, Soltani S. & Moddares R. (2008). Regional low flow frequency distribution in Jiroft area by L- moments. Journal of Iranian water research. 3: 45-54 [3]. HabibnejadRoshan M, Ebrahimi M, Solaimani K, Vafakhah M. (2010). Low Flow Analysis in Arid and Semi-Arid Areas of Northeastern of Khorasan Razavi Province. Journal of watershed management research. 1: 44-58. [4]. Tajri A, Babanejad M, Kardel F, Soleimani K. (2015). Inspection of factors that influence the hydrological drought (Case study: Lorestan watershed province). Geographical planning of space quarterly journal. 16: 151-164. [5]. Aliasgari Kashani A, Zakerinia M, Heydarizadeh M. & Sharifan H. (2014). Assessing the hydrologic homogeneous regions and regional distribution functions with linear moments method in Golestan Province. Journal of Water and Soil Conservation. 21 (1): 1-21. [6]. Chogan M, Honarbakhsh A, Zare Bidaki R. & Pajohesh M. (2013). Ferequency analysis of low flood for perediction of hysrologic drought, first conference of engineering and management of agriculture, environment, and sustainable natural resources, Hamedan, Iran. [7]Bayzidi M. & Saghafian B. (2011). Regional analysis of stream flow drought in southwestern of Iran.Watershed Management Science & Engineering. 5 (14): 37-52. [8]Salavati B, Sadeghi S.H.R. & Telvari A.R. (2010). Runoff generation modeling for Kurdistan province watersheds by using physiographic and climatic variables. Journal of water and soil. 24 (1): 84-96 [9]. Charron C. & Ouarda T.B.M.J. (2015). Regional low-flow frequency analysis with a recession parameter from a non-linear reservoir model. Journal of Hydrology. 524: 468–475. [10]. Grandry M, Gailliez S, Sohier C. & Verstraete A. (2013). A method for low-flow estimation at ungagged sites: a case study in Wallonia (Belgium). Hydrology and Earth System Sciences. 17: 1319-1330. [11]. Leander R, Buishand T.A, Hurk B.J.J.M.V. & Wit M.J.M. (2008). Estimated changes in flood quantiles of the river Meuse from Resampling of regional climate model output. Journal of Hydrology. 351 (3-4): 331–343. [12]. Pearson C.P. (1993). Application of L-Moments to maximum river flows. The New Zealand statistician. 28: 2-10. [13]. Shi P, Chen X, Qu S, Zhang Z. & Ma J. (2010). Regional Frequency Analysis of Low Flow Based on L Moments: Case Study in Karst Area, Southwest China. Journal of Hydrolologic Engineering. 15 (5): 370-377. [14]. Alizadeh A. (2011). Principal of applied hydrology.32nd ed. Mashhad: Astan Ghods Razavi. [15] Samiee M. & Telvari A. (2008). Investigation of hydrologic drought severity and duration at Tehran province watersheds. Pajouhesh & Sazandegi. 79: 21-27. [16] Kim S.U. & Lee K.S. (2010). Regional low flow frequency analysis using Bayesian regression and prediction at ungauged catchment in Korea. KSCE Journal of Civil Engineering. 14: 87-98. [17]. Nosrati K, Laaha G, Sharifnia S.A. & Rahimi M. (2015). Regional low flow analysis in Sefidrood Drainage Basin, Iran using principal component regression. Hydrology Research. 46 (1): 121-135. [18]. Ouarda T.B.M.J. & shu C. (2009). Regional low-flow frequency analysis using single and ensemble artificial neural networks. Water Resources Research.45 (11): 1-16. [19]. Yue S. & Wang C.Y. (2004). Scaling of Canadian low flows. Stochastic Environmental Research and Risk Management.18: 291-305. [20]. Eslami A.R. (2011). Telvari A.R. Effect of homogeneity of the basins on precision flood estimation methods. Journal of Watershed Engineering and Management. 3 (1): 22-32. [21]. Saghafian B, Mohammadi S. & Ghermezchshme B. (2009). Estimation of low flows in un-gauged location using multivariate regression model. Journal of Watershed Engineering and Management. 1 (1): 32-45.
| ||
|
آمار تعداد مشاهده مقاله: 1,204 تعداد دریافت فایل اصل مقاله: 803 |
||