ارتباط بین ویژگی های هیدروژئومورفیک و بار رسوبی معلق زیر حوضه های کشف رود
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 323
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSAEH-8-1_007
تاریخ نمایه سازی: 11 مهر 1400
چکیده مقاله:
تولید رسوب یکی از مهم ترین مشکلات در مدیریت حوضه های آبخیز است. تجزیه و تحلیل منطقه ای بار رسوب رودخانه ها بخصوص در مناطق خشک و نیمه خشک و ارتباط آن با خصوصیات حوضه های آبخیز در برآورد میزان فرسایش و رسوب از اهمیت بسزایی برخوردار است. ویژگی های ژئومورفیک حوضه ها در هیدرولوژی، فرسایش خاک و تولید رسوب نقش مهمی دارد و می تواند شاخصی از وضعیت فرسایش و رسوب گذاری باشد. تخریب، انتقال، رسوب گذاری و کیفیت آب از مسائل بسیار مهم در مدیریت حوضه های آبخیز می باشند. هدف از پژوهش حاضر مدل سازی رابطه بین میزان بار رسوب معلق با ویژگی های ژئومورفیکی حوضه و استخراج خصوصیات ژئومورفیک و ارتباط آن با رسوب دهی در زیر حوضه ها است. به منظور تعیین ارتباط خصوصیات ژئومورفیک بار رسوب هر زیر حوضه از روش تحلیل رگرسیون چند متغیره گام به گام استفاده شد. نتیجه بررسی ارتباط بین خصوصیات ژئومورفیک با رسوب زیرحوضه ها نشان داد که مقدار رسوب تولیدی با شاخص بارندگی، شیب، ضرایب فشردگی، کشیدگی، گردی و فرم، ناهمواری و طول حوضه همبستگی مثبت داشته و در سطح ۰۰۱/۰ معنی دار بوده است. عوامل تاثیر گذار بر میزان رسوب حوضه ها از بین متغیر های موجود، از روش تحلیل مولفه های اصلی(PCA) و تحلیل خوشه ای استفاده گردید. نتایج نشان می دهد که سه عامل ضریب گردی، ضریب فشردگی و ضریب فرم حوضه به ترتیب ۷۱/۵۰، ۶۶/۲۰ و ۲۷/۱۱ درصد از واریانس تمامی متغیر های پژوهش را تبیین میکند. در مجموع سه عامل استخراج شده نهایی توانسته اند ۶۴/۸۲% از واریانس تمامی متغیرهای پژوهش را تبیین کنند.
کلیدواژه ها:
Hydrogeomorphic ، Sediment erosion ، Kashfarud basin ، Stepwise multivariate regression ، هیدروژئومورفیک ، فرسایش رسوب ، حوضه کشف رود ، رگرسیون چند متغیره گام به گام
نویسندگان
محمد علی زنگنه اسدی
Hakim Sabzevari University
مهناز ناعمی تبار
Hakim Sabzevari University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :