جانمایی پهنه های مستعد ذخیره سیلاب با تاکید بر ویژگی های فرمی زمین و روش های تصمیم-گیری چندمعیاره مکانی در حوضه ی آبخیز قمرود
محل انتشار: مجله هیدروژیومورفولوژی، دوره: 6، شماره: 18
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 281
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HYD-6-18_008
تاریخ نمایه سازی: 4 بهمن 1401
چکیده مقاله:
چکیدهانحراف و ذخیره سازی سیلاب روشی شناخته شده برای مقابله با مخاطرات و آسیب های سیل میباشد و از طرف دیگر سبب بهبود وضعیت کیفی و کمی آبهای زیرزمینی میشود و در واقع مهار سیلاب و تغذیه ی مصنوعی آبخوان ها از نتایج مهم آن به شمار میرود. هدف این پژوهش جانمایی پهنه های مناسب ذخیره ی سیلاب حوضه ی آبخیز قمرود با استفاده از تکنیک تصمیم گیری چندمعیاره میباشد. در این پژوهش از متغیرهای شیب، خاک، کاربری اراضی، عمق آب های زیرزمینی، لندفرم، قابلیت نفوذپذیری سطحی، زبری، شاخص تجمعی جریان، لیتولوژی، ارتفاع و تراکم زهکشی به عنوان عوامل موثر در جانمایی جهت انحراف و ذخیرهسازی سیلاب استفاده شده است. از مدل مجموع ادغامی مجموع - حاصلضرب (WASPAS) که یکی از جدیدترین مدل های تصمیم گیری چندمعیاره میباشد برای تحلیل هم پوشانی و رتبه بندی گزینه ها و تهیه ی نقشه ی نهایی استفاده گردید. نتایج حاصل از مدل واسپاس نشان میدهد به لحاظ پتانسیل ذخیره ی سیلاب، حوضه ی آبخیز مورد مطالعه به پنج کلاس خیلی زیاد با ۲۴ درصد، زیاد ۲/۲۸ درصد، متوسط ۹/۲۴ درصد، کم ۲/۱۵ درصد و خیلی کم ۷/۷ درصد تقسیم میشود. بدین ترتیب نه پهنه بسیار مناسب جهت انحراف و ذخیره سازی سیلاب در قسمت های مرکزی، جنوبی، شمالغربی و شرق حوضه شناسایی شد که این مناطق در بازدید میدانی نیز جهت اهداف مذکور مناسب تشخیص داده شدند.
کلیدواژه ها:
کلمات کلیدی: حوضه ی آبخیز قمرود ، مدل WASPAS ، مدل رقومی ارتفاع ، روش های تصمیم-گیری چندمعیاره مکانی (MCDM)
نویسندگان
عزت الله قنواتی
استاد گروه ژئومورفولوژی دانشگاه خوارزمی
علی احمدآبادی
استادیار ژئومورفولوژی دانشگاه خوارزمی، تهران، ایران
منصور صادقی
دانشجوی دکتری ژئومورفولوژی دانشگاه خوارزمی، تهران، ایران
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 :