شبیه سازی عددی آبخوان دشت بیجار- دیواندره با استفاده از کد MODFLOW و بررسی تاثیرات خشکسالی بر تغییرات کمی آن
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 271
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEWE-8-1_005
تاریخ نمایه سازی: 28 دی 1400
Abstract:
بهدلیل افزایش جمعیت، سطح رفاه، توسعه صنایع و کشاورزی در کنار تغییرات اقلیمی، همواره انتظار رفتاری متغیر از منابع آب زیرزمینی در طول زمان از جهت کمی و کیفی می رود. بنابراین بررسی تغییرات کمی و کیفی آب زیرزمینی جهت مدیریت آن ضروری به نظر می رسد. بدین منظور در این پژوهش به بررسی تغییرات کمی آب زیرزمینی دشت بیجار- دیواندره با کد MODFLOW موجود در نرم افزار GMS پرداخته شد. شبیه سازی آبخوان برای یک دوره شش ساله و گام ماهانه از مهر سال ۱۳۸۹ تا خرداد سال ۱۳۹۵ انجام و شاخص خشک سالی SPI نیز برای دوره آماری ۱۳۶۶- ۱۳۹۴ محاسبه شد. نتایج شبیه سازی آب زیرزمینی نشانداد که در طول دوره شبیه سازی سالانه در حدود m ۵/۰ افت در آبخوان ایجادشده که شدت آن در ناحیه های مختلف متفاوت بود. لذا، با توجه به افت ایجادشده و با در نظر گرفتن مساحت و مقدار متوسط ضریب ذخیره آبخوان موردنظر، سالانه در حدود mm۳ ۱/۱ از حجم آبخوان کاسته شده است. نتایج به دست آمده نشانگر آن است که اگر همچنان روند مدیریت کنونی ادامه یابد، در طول چند سال آینده شاهد افت شدید آبخوان و خسارت جبران ناپذیری خواهیم بود. نتایج شاخص SPI نیز حاکی از وضعیت خشک سالی نزدیک نرمال بوده و این بدان معنی است که خشک سالی تاثیر بسیار کمتری در تراز آب زیرزمینی آبخوان موردنظر در سالهای مختلف داشته است. ازاین رو، جهت حفظ آبخوان موردنظر، بررسی سناریوهای مدیریتی نظیر تغذیه مصنوعی، کاهش برداشت ها، تغییر الگوی کشت در منطقه پیشنهاد می گردد.
Keywords:
Authors
هوشنگ قمرنیا
استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
سمیه عنایتی
دانش آموخته کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
عطا امینی
دانشیار، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کردستان، سنندج، 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 :