کاربردgis درمحاسبه میانگین بارندگی سالانه و تعیین همبستگی آن باعامل ارتفاع میانگین درحوزه آبریزآجی چای
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 799
فایل این مقاله در 17 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:
ICCAU01_2908
تاریخ نمایه سازی: 29 تیر 1393
چکیده مقاله:
تهیه مدلهای مفهومی و عددی سیستم های هیدرولوژیک به منظور تحلیل و تعیین وضعیت فعلی و پیش بینی رفتارآنها بویژه درمواردی مانند حوزه ابریزدریاچه ارومیه به تشدید فاجعه خشک شدن این دریاچه ازمزایا و اهمیت بسزایی برخوردار است حوزه ابریز اجی چای اززیرحوزه های اصلی حوزه ابریز دریاچه ارومیه درشمال غرب ایران و بطور عمده دراستان اذربایجان شرقی قراردارد بطورکلی میانگین بلندمدت پارامترهای هواشناسی و اقلیمی ازجمله دما و بارندگی درنیمکره شمالی بادوعامل ارتفاع ازسطح دریا و عرض جغرافیایی متناسب است بطوریکه با افزایش ارتفاع و عرض جغرافیایی میزان میانگین درازمدت بارندگی افزایش مییابد دراین تحقیق ابتدا میانگین بارندگی سالانه با استفاده ازابزارهای GIS و به دوروش چندضلعی های تیسن و میان یابی وزنی ازنوع فاصله معکوس با توانهای مختلف محاسبه و مقایسه و تعیین شده وسپس امکان دستیابی به رابطه همبستگی بین این عامل و عامل ارتفاع میانگین حوزه ابریز اجی چای بررسی شده است روش میان یابی وزنی ازنوع فاصله معکوس علاوه بردقت بالاتر درمحاسبه میانگین بارندگی سالانه درنحوه توزیع بارندگی درداخل حوزه ابریز نیزدقت خوبی داشته وازآن میتوان درتهیه مدل مفهومی بارندگی توزیعی جهت استفاده مدلهای بارش رواناب و توزیعی مانند Gridded SCS و ModClarkاستفاده کرد نتایج دوروش نخست دربراورد میانگین بارندگی سالانه حوزه ابریزاجی چای بسیاربه هم نزدیک است همچنین میانگین بارندگی سالانه همبستگی خوبی باعامل ارتفاع میانگین حوزه ابریز اجی چای داشته ومیتوان ازرابطه متناظربا این همبستگی درتعین پارامترمذکور استفاده کرد و بعلاوه انتظارمیرود با افزودن مقادیر آب معادل برف به مقادیربارندگی همبستگی این روش بادوروش نخست افزایش یابد
کلیدواژه ها:
نویسندگان
علیرضا محب زاده فتاحی
کارشناس ارشدمهندسی عمران آب هیدرولیک مهندسین مشاوراتحادراه تهران
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 :