مقایسه دو استراتژی متفاوت در مکان یابی مناطق مستعد جمع اوری باران به کمک سیستم پشتیبانی تصمیم DSS مبتنی بر GIS (مطالعه موردی:دشت بیرجند)
Publish place: 11th National Seminar on Irrigation and Evapotranspiration
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,451
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ABYARI11_139
تاریخ نمایه سازی: 22 مرداد 1391
Abstract:
کشور ایران به دلیل کم بودن ریزشهای جوی و نامناسب بودن پراکنش زمانی و مکانی آن در زمره کشورهای خشک و نیمه خشک جهان قرارداد دارد و در این مناطق الگوهای بارندگی از لحاظ مقدار و زمان پیش بینی نشده هستند. تحت چنین شرایطی و به منظور کاهش مشکلات ناشی از کم ابی تکنین های کارآمد مدیریت آب باید به کار برده شود. استفاده از منابع اب غیر معمول یکی از روشهای مدیریت یکپارچه ی منابع اب می باشد که امروزه بسیار مورد توجه است. سیستم های جمع آوری آب باران RWH از جمله منابع اب غیر معموال است که می تواند در طول دوره هایی که محدودیت دسترسی به اب وجود دارد تا حدی پاسخگوی نیازهای آبی باشد . این مقاله دو استراتژی مختلف را برای تعیین مکان های مستعد RWH در قالب دو سیستم پشتیبانی تصمیم DSS مبتنی بر GIS ارائه می کند که به تسمسم گیرندگان در انتخاب مکانهای مناسب جمع اوری آب باران در دشت بیرجند یاری می رساند. استراتژی اول خصوصیات مختلف حوزه را مستقیما در تصمیم گیری دخیل می یازد و استراتژی دوم بر اساس ظرفیت منطقه در تولید رواناب و نیر فاکتورهای اجتماعی-اقتصادی عمل می کند. نتایج بدست آمده از هر روش منطقه را از لحاظ استعداد جمع آوری باران در 4 گروه ضعیف ، متوسط ، خوب و بسیار خوب طبقه بندی می کند. در نهایت با توجه به نتایج حاصل و با مقایسه دو روش بهنظر می رسد که در مورد دشت بیرجند بکارگیری روش اول مناسب تر است.
Keywords:
Authors
شهرزاد صادقی
دانشجوی کارشناسی ارشد مدیریت منابع اب دانشگاه بیرجند
ابوالفضل اکبرپور
استادیار گروه مهندسی آب دانشگاه بیرجند
حامد فروغی فر
استادیار گروه مهندسی آب دانشگاه بیرجند
علی شهیدی
استادیار گروه مهندسی آب دانشگاه بیرجند
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 :