کاربرد فنون سنجش از دور و GIS در مدل SCS-CN (مطالعه موردی: حوضه بالارود، خوزستان)
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 597
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEWE-7-1_013
تاریخ نمایه سازی: 9 اردیبهشت 1400
Abstract:
یکی از مشکلات اساسی در زمینه پیشبینی سیلاب در اغلب حوزههای آبخیز در ایران، نبود دادههای هیدرولوژی و اقلیمی است. از جمله روشهای برآورد حداکثر دبی سیل در حوضههای فاقد آمار، روش SCS-CN است. در این پژوهش با استفاده از روش فوق، مقدار ارتفاع رواناب و حداکثر دبی سیلاب حوضه بالارود خوزستان برآورد شد. در ابتدا با استفاده از تصویر سنجنده OLI ماهواره لندست ۸ و انجام تصحیح هندسی، بارزسازی و الگوریتم نزدیکترین همسایگی در طبقهبندی شئگرا، نقشه کاربری اراضی تهیه شد. با استفاده از نقشههای کاربری اراضی مربوط به هر زیرحوضه، گروه هیدرولوژیکی خاک و شماره منحنی تعیین گردید. در نهایت با روش SCS-CN، مقدار رواناب و حداکثر سیلاب حوضه تعیین گردید. نتایج نشان داد حوضه بالارود شامل سه نوع گروه هیدرولوژیکی خاک A، B و C بهترتیب برابر ۶۴/۶۰، ۶۲/۱۱ و ۷۴/۲۷% مساحت بود. مقدار شماره منحنی CN معادل این حوضه برابر ۸۱/۶۲ حاصل شد. همچنین مقدار حداکثر ضریب نگهداشت (S) مربوط به زیرحوضههای دوکوهه، انارکی و منگره بهترتیب ۵/۷، ۸/۱۶ و cm ۱۷ و مقدار معادل آن در حوضه مورد مطالعه برابر cm ۱۵ بهدست آمد. در نهایت ارتفاع رواناب زیرحوضههای منگره، انارکی، دوکوهه و کل حوضه آبخیز بهترتیب ۰۵/۰، ۰۶/۰، ۷۳/۰ و cm ۱۲/۰ و حداکثر دبی سیل برای آنها نیز بهترتیب ۷۱، ۲/۶۷، ۴۳۵، m۳/s۱/۲۸۲ حاصل شد. نتایج پژوهش همچنین کارایی مفید سنجش از دور و تکنیکهای GIS را در روش SCS-CN نشان داد.
Keywords:
Authors
مهدی کرمی مقدم
استادیار، گروه کشاورزی، دانشگاه پیام نور، تهران، ایران
احسان مرادی مطلق
دانشجوی دکتری، گروه سنجش از دور و GIS, دانشکده علوم زمین, دانشگاه شهید بهشتی, تهران، ایران
تورج سبزواری
دانشیار، گروه مهندسی عمران، دانشگاه آزاد اسلامی، واحد استهبان، استهبان، ایران
رضا محمدپور
استادیار، گروه مهندسی عمران، دانشگاه آزاد اسلامی، واحد استهبان، استهبان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :