مدیریت منابع آب زیرزمینی آبخوان قم-کهک با استفاده از شبیه سازی و اعمال گزینه های مختلف مدیریتی
Publish place: The Journal of Water and Soil، Vol: 33، Issue: 2
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 111
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WASO-33-2_005
تاریخ نمایه سازی: 2 تیر 1402
Abstract:
اعمال گزینه های مدیریتی برای استفاده از منابع آب زیرزمینی به منظور جلوگیری از نابودی آبخوان و خسارت های ناشی از افت تراز آب ضروری است. در این مطالعه، با استفاده از مدل های GCM و GMS، متغیرهای اقلیمی و آبخوان قم-کهک در دوره مشاهداتی ۱۶ ساله (۲۰۱۷-۲۰۰۱) شبیه سازی و واسنجی شدند. ۱۰ گزینه مختلف مدیریتی، (۱) افزایش ۱۵ درصد برداشت بدون لحاظ تغییر اقلیم، (۲) افزایش ۱۵ درصد برداشت با لحاظ تغییر اقلیم (HadCM۳-A۲)، (۳) افزایش ۱۵ درصد برداشت با لحاظ تغییر اقلیم (Hybrid-A۲)، (۴) افزایش ۱۵ درصد برداشت با لحاظ تغییر اقلیم (HadCM۳-B۲)، (۵) افزایش ۱۵ درصد برداشت با لحاظ تغییر اقلیم (Hybrid-B۲)، (۶) کاهش ۱۵ درصد برداشت بدون لحاظ تغییر اقلیم، (۷) کاهش ۱۵ درصد برداشت با لحاظ تغییر اقلیم (HadCM۳-A۲)، (۸) کاهش ۱۵ درصد برداشت با لحاظ تغییر اقلیم (Hybrid-A۲)، (۹) کاهش ۱۵ درصد برداشت با لحاظ تغییر اقلیم (HadCM۳-B۲)، (۱۰) کاهش ۱۵ درصد برداشت با لحاظ تغییر اقلیم (Hybrid-B۲) تعریف و اثرات اعمال آنها بر تراز آب زیرزمینی تحلیل شدند. نتایج نشان دادند که گزینه های مدیریتی اول و ششم بهترین گزینه ها بودند. در گزینه اول با افزایش برداشت، تراز ۱۸/۲ متر و کم تر از بقیه گزینه ها کاهش یافت. در گزینه ششم با کاهش برداشت تراز ۱۴/۲ متر و بیش تر از سایر گزینه ها افزایش یافت. بیش ترین کاهش تراز و کم ترین افزایش تراز آبخوان در مدت ۱۶ سال به ترتیب مربوط به گزینه های سوم و هشتم به اندازه ۳۸/۲ متر و ۹۴/۱ متر بودند. گزینه مدیریتی سوم بیش ترین تاثیر را بر کاهش تراز و گزینه ششم بیش ترین تاثیر را بر افزایش تراز آبخوان داشت.
Keywords:
Authors
سپیده جلیلی
دانشجوی ارشد مهندسی عمران دانشکده فنی و مهندسی دانشگاه قم
پریساسادات آشفته
دانشیار گروه مهندسی عمران دانشگاه قم
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 :