تعیین عوامل موثر در مکانیابی مناطق مستعد جمع آوری رواناب و استحصال آب باران حوضه آبریز سیاه خور کرمانشاه
محل انتشار: مجله هیدروژیومورفولوژی، دوره: 8، شماره: 28
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 208
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_HYD-8-28_001
تاریخ نمایه سازی: 19 دی 1401
چکیده مقاله:
استحصال آب باران روشی برای توسعه و بهره برداری از منابع آب در مناطق خشک و نیمه خشک با هدف افزایش کمیت و کیفیت منابع آب موجود است. هدف از این پژوهش تعیین عوامل موثر در مکانیابی مناطق مستعد جمع آوری رواناب و استحصال آب باران (RWH) در حوضه ی آبریز سیاهخور کرمانشاه با استفاده از روش تصمیم گیری چندمعیاره (MCDA) و تحلیل شبکه ای ANP است. نتایج حاصل از روش تحلیل سلسله مراتبی و پهنهبندی بارش حوضه نشان میدهد که در ۸۱/۳۷ درصد از مساحت کل حوضه، معیار هیدرولوژی نسبت به معیارهای فیزیکی و توپوگرافی به ترتیب ۴/۶ و ۵/۸ و معیار فیزیکی ۲/۳ برابر بر معیار توپوگرافی دارای ارجحیت است. نتایج حاصل از بررسی نقشه ی پتانسیل استحصال آب باران نشان میدهد که کلاس های ضعیف با ۹۶/۲، نسبتا ضعیف ۴۹/۳۵، متوسط ۰۶/۲۶، نسبتا خوب ۲/۲۹ و خوب با ۲۹/۶ درصد از سطح حوضه را شامل میشوند و کلاس های متوسط و نسبتا خوب و خوب جمعا با ۵۵/۶۱ درصد بیشترین درصد سطح حوضه را به خود اختصاص داده اند. بررسی ها نشان میدهد که شیب های میانی جهت احداث سیستم های استحصال آب باران مناسب میباشند. بطوریکه مشاهدات میدانی و نتایج حاصله از بررسی منحنی ROC، نشان میدهد، اکثر ۱۱۵ تکه جمع آوری آب باران در محل هایی قرار دارند که از لحاظ توپوگرافی و هیدرولوژی مناسب و بیش از ۸۹درصد مکان های جمع آوری آب باران در کلاس های متوسط و نسبتا خوب و خوب واقع شده که این موضوع بیانگر ارزیابی بسیار خوب مدل بوده و نشان میدهد که تلفیق تکنیک تصمیم گیری چندمعیاره (MCDA) و تحلیل شبکه ای ANP و GIS میتواند برای برنامه ریزی جمع آوری آب باران در مقیاس حوضه و زیرحوضه ابزار مفیدی باشد.
کلیدواژه ها:
نویسندگان
فریبا دارابی
دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ایران
علیرضا ایلدرمی
دانشیار دانشگاه ملایر
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 :