تأثیر تغییر اندازه سلول DEM با وضوح بالا، بر متغیر های هیدروژئومورفوژیکی حوضه آبریز
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 791
فایل این مقاله در 9 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:
NCWMSWRM06_102
تاریخ نمایه سازی: 21 تیر 1393
چکیده مقاله:
مدل سازی های هیدرولوژیکی بدون داشتن شناخت و درک صحیح از خصوصیات هندسی و هیدرولوژیکی یک حوضه آبریز امری ناممکن است. پارامتری که به خوبی اثر خصوصیات هندسی حوضه آبریز را در مدل سازی نشان می دهد، اندیس توپوگرافی است که نشان دهنده نحوه توزیع سطح مشارکت کننده در رواناب حوضه است. با توجه به تعریف اندیس توپوگرافی یعنی به کار بردن مساحت تجمعی موثر جریان به ازای واحد سطح سلول، نیاز به دانستن خصوصیات هندسی حوضه می باشد. امروزه با استفاده از مدل ارتفاعی رقومی ( DEM )می توان به صورت خودکار پارامتر های هیدروژئومورفولوژیکی مانند شیب، جهت جریان، مساحت، اندیس توپوگرافی و آنتروپی را از اطلاعات ارتفاعی با سرعت و دقت بالایی استخراج نمود. منابع تولید DEM از تنوع زیادی برخوردارند و دقت های مختلفی را در بر می گیرند. در این مطالعه داده هایی با وضوح بالا، DEM یک متری LIDAR ، مورد ارزیابی قرار گرفته و تأثیرتغییر ابعاد شبکه سلولی در محاسبه پارامتر های هیدروژئومورفولوژیکی بررسی گردید. نتایج نشان داد که با تغییر اندازه سلول DEM مقدار پارامتر های یدروژئومورفولوژیکی حوضه نیز تغییر می کند که باعث افزایش مقدار متوسط اندیس توپوگرافی با افزایش اندازه سلول و کاهش وضوح DEM ، می شود. همچنین رابطه خودمتشابهی بین اندازه سلول با شیب حوضه مشاهده شد که می توان برای دیگر زیر حوضه های اینحوضه با شرایط ژئومورفولوژیکی یکسان مورد استفاده قرار گیرد. پارامترهای مذکور معمولاً به عنوان ورودی مدلهای هیدرولوژیکی مورد استفاده قرار میگیرند، لذا بررسی رفتار و تغییرات آن ها در مقیاسهای مختلف DEM می تواند در بالا بردن کارایی مدلسازی مفید باشد.
کلیدواژه ها:
نویسندگان
وحید نورانی
دانشیار، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران.
مریم خسروی سرخکلایی
دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، 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 :