برآورد عمق سیلاب در رودخانه قم رود با ترکیب ویژگی های هیدرولیکی رودخانه و ژئومورفیک حوضه آبریز
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 72
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی 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_JSAEH-11-2_003
تاریخ نمایه سازی: 10 مهر 1403
چکیده مقاله:
به منظور برنامه ریزی، مدیریت و بهره برداری از منابع آب و زمین، آگاهی نسبت به تغییرپذیری فضایی منابع همچنین درک رفتار پاسخ حوضه به منظور مدل سازی فرآیندهای فیزیکی نقش اساسی بسیار مهمی دارد. حوضه قمرود به دلیل قرارگیری در مناطق خشک و نیمه خشک و شرایط اقلیمی و ژئومورفولوژی خاص، مستعد سیلابهای ناگهانی میباشد. به دلیل کمبود دادههای هیدرومتری و توپوگرافی با دقت بالا در حوضه، استفاده از مدلهای هیدرولیکی منجر به نتایج دقیقی از ویژگیهای هیدرولیکی سیلاب نمیشود. در چنین شرایطی، روشهای که مبتنی بر ویژگیهای ژئومورفولوژیک حوضه باشد، میتواند کمک کننده باشد. روش مورد استفاده در این مقاله روش اشل متغیر سیل (VFS) میباشد که ویژگیهای هیدرولیکی رودخانه را با مشخصات ژئومورفیک حوضه به منظور برآورد عمق آب در رودخانه ناشی از سیلاب با دوره بازگشتهای مختلف را ترکیب میکند. میزان عمق آب برای دوره بازگشت مختلف دو، پنج، ده، بیست و پنج، پنجاه و صد سال مورد بررسی قرار گرفت در هر دوره بیشترین میزان عمق آب در قسمتهای نزدیک به خروجی و کمترین میزان عمق آب در قسمتهای بالادست رودخانه میباشد. بررسیها نشان میدهد که ارتباط مستقیمی بین میزان عمق آب و مساحت زیرحوضه وجود دارد. نتایج این تحقیق میتواند برای حوضه های فاقد آمار هیدرومتری و توپوگرافی با دقت بالا به منظور برآورد سرعت اوج و عمق سیلاب مورد استفاده قرار گیرد.
کلیدواژه ها:
flood hazards ، Variable flood stage method ، Qom-Roud basin ، hydraulic model ، geomorphy ، water depth. ، مخاطرات سیل ، مدل اشل متغیر سیل ، حوضه قم رود ، مدل هیدرولیک ، ژئومورفولوژی ، عمق آب
نویسندگان
سمانه ریاهی
kharazmi university
امیر صفاری
kharazmi university
سید موسی حسینی
Tehran university
علی احمدآبادی
kharazmi 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 :