تعیین عوامل موثر در مکانیابی مناطق مستعد جمع آوری رواناب و استحصال آب باران حوضه آبریز سیاه خور کرمانشاه

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 148

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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.

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 :
  • Akbarpour, A., Sadeghi, S., Foroughi Far, H., & Shahidi, A. ...
  • Ammar, M. R., Mohamed, O., & Coen, R. (۲۰۱۵). A ...
  • Azizur, R.M., Rusteberg, B., Uddin M. S., Lutz, A., & ...
  • Cobbinah, P.B., Okyere, D.K., Gaisie, E. (۲۰۱۹). Population growth and ...
  • Dokhani, S. (۲۰۱۶). Using multivariate regression model & GIS to ...
  • Farahpour, M. (۲۰۰۲). A planning support system for rangeland allocation ...
  • Ghafouri, S. (۲۰۰۸). Development and Management of Water Resources in ...
  • Guizani, M. (۲۰۱۶). Storm Water Harvesting in Saudi­ Arabia:­ a ...
  • Hejazi, A., & Marzbani, M. (۲۰۱۵). Estimation of Maximum Runoff ...
  • Hernández-Guzmán. R., & Ruiz-Luna, A. (۲۰۱۳). SARA – An enhanced ...
  • Keshavarz, A., Khashei seok, A., Najafi, M.H. (۲۰۱۳). Locate the ...
  • Madan K. Jha., Chowdary, V.M., Kulkarni, Y., & Mal, B.C. ...
  • Naderi, M., Ildoromi, A., Nouri, H., Aghabeigi Amin, S., & ...
  • Nouri, Z., & Zareh Chahouki, M. A. (۱۹۷۹). Optimal Use ...
  • Pilak, N., ­& ­Porporato, ­A. ­(۲۰۱۶). ­Sizing ­a rainwater harvesting ...
  • Rahmati, A. (۲۰۱۳). Survey of Quantitative Status and Location of ...
  • Sepehri, M., Malekinezhad, H., Ilderomi, A.R., Talebi, A., & Hosseini, ...
  • Shereif, H., Mahmoud, X. (۲۰۱۵). Monitoring prospective sites for rainwater ...
  • Singh, L.K., Jha, M.K., & Chowdary, V. (۲۰۱۷). Multi-criteria analysis ...
  • Xu, w. (­۲۰۱۸). Improving the multi- objective performance of Rain ...
  • نمایش کامل مراجع