ارزیابی آسیب پذیری سواحل شمالی خلیج فارس در برابر ریزش های نفتی
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 298
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEWE-8-1_001
تاریخ نمایه سازی: 28 دی 1400
Abstract:
وقوع ریزش های نفتی در دریاها و اقیانوس ها موجب بروز آسیب های کوتاه مدت و بلندمدت بسیاری به سواحل و بومسازگان دریایی می شوند. بنابراین به منظور کاهش خسارات، نقشه های جامع آسیب پذیری سواحل می توانند به عنوان ابزاری قدرتمند در اختیار تصمیم گیرندگان مدیریت سواحل و نیز تیم مقابله اضطراری با ریزش ها قرار بگیرند. در پژوهش حاضر، با تلفیق مدل ریاضی مسیریابی لکه نفتی و نرم افزار ArcGIS، سواحل شمالی خلیج فارس بر اساس مواجهه با آلودگی های نفتی مورد ارزیابی قرار گرفتند. بههمین منظور، ۲۰ سناریو ریزش فرضی با نوع نفت و زمان وقوع تصادفی در فصل های تابستان و زمستان طراحی شدند. سپس با استفاده از نرم افزار لاگرانژی GNOME مسیر حرکت لکه نفتی و زمان رسیدن آن به سواحل شبیه سازی شد و بر اساس آن ماتریس مواجهه هر ناحیه ساحلی با آلودگی تشکیل شد. در نهایت، سواحل شمالی خلیج به پنج سطح آسیب پذیری طبقه بندی شدند. نتایج نشان داد که در تابستان محدوده بندرهای عسلویه و بوشهر با احتمال تجمعی بهترتیب ۱۲۰ و ۹۴% و در زمستان بندر عسلویه با احتمال تجمعی ۱۱۹% در کل سناریوها در رده آسیب پذیری بسیار بالا قرار گرفتند. همچنین، بندرهای بوشهر و عسلویه بالاترین ضریب پتانسیل آسیب رسانی به منطقه را به خود اختصاص دادند. بر اساس نتایج این پژوهش، آسیب پذیری سواحل به طور قابل توجهی تحت تاثیر تغییرات فصلی شرایط اقلیمی منطقه و وضعیت جریان قرار دارد.
Keywords:
Authors
کامله آقاجانلو
استادیار، گروه مهندسی عمران، دانشکده فنی و مندسی، دانشگاه مراغه، مراغه، ایران
میرعلی محمدی
استاد، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه ارومیه، ارومیه، ایران
مهدی یادگارآزادی
دانش آموخته کارشناس ارشد، گروه مهندسی عمران، موسسه آموزش عالی علم و فن، ارومیه، ارومیه، ایران
فرزاد قاطعی
دانشجوی کارشناسی ارشد، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه مراغه، مراغه، 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 :