تدوین مدل پیشبینی بارش جهت بهرهبرداری از منابع آب حوزه آبریز اهرچای: ریزمقیاسکردن آماری
Publish place: 3rd National Congress on Civil Engineering
Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,664
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCE03_549
تاریخ نمایه سازی: 27 شهریور 1385
Abstract:
از جمله مشکلات ملموس در اغلب حوزه های آبریز ایران، وقوع پدیده های متعدد کم آبی است که خصوصا در سال های اخیر شدت آنها افزایش یافته است. مدیریت سیستم های تامین آب در مواقع کم آبی با مشکلات بسیاری مواجه است که از آن جمله می توان به وجود نیازهای پیش بینی نشده، جریان های رودخانه ای نامطمئن، طبیعت چند منظوره سیستم های آبرسانی و نیز عدم برنامه ریزی به موقع برای مواجهه با این شرایط اشاره نمود. بدین منظور وجود یک الگوی مناسب در بهره برداری از سیستم های منابع آب خصوصا مخازن سدها در مواقع کم آبی ضروری می باشد. در استفاده از این الگوها، پیش بینی بارش که تعیین کننده وضعیت آتی منابع آب است، از اهمیت بالایی برخوردار می باشد. مدلهای مختلفی برای پیش بینی بارش مورد استفاده قرار می گیرند که از متداولترین آنها مدل های مبتنی بر سیگنالهای بزرگ مقیاس اقلیمی می باشد. خروجی های این مدل ها به دلیل بزرگ مقیاس بودن نمی توانند ه طور مستقیم، برای پیش بینی بارش مناطق کوچک استفاده شوند. برای این منظور مدلهای مختلف ریزمقیاس کردن توسعه یافته اند. در مقاله حاضر برای تدوین الگوی بهره برداری از سد ستارخان در حوزه آبریز اهرچای، میزان بارش سال های آتی و با توجه به سیگنال های اقلیمی پیش بینی شده است. برای ریزمقیاس کردن نتایج از مدل آماری SDSM استفاده می گردد. با استفاده از نتایج پیش بینی های بارش منطقه می توان وقوع دوره های کم آبی و پرآبی را تعیین نموده بهره برداری از منابع را متناسب با شدت پدیده کم آبی تغییر داد.
Keywords:
Authors
محمد کارآموز
استاد دانشکده عمران، پردیس فنی دانشگاه تهران
ساناز ایمن
دانشجوی کارشناسی ارشد عمران- مهندسی آب دانشکده عمران پردیس فنی دانشگ
سارا نظیف
دانشجوی دکتری عمران- مهندسی آب دانشکده عمران پردیس فنی دانشگاه تهران
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 :