بررسی تطبیقی مدل های ارتفاعی رقومی (DEM) با نام های USGS و LiDAR در دقت های مختلف،جهت برآورد پارامترهای هیدروژئومورفولوژیکی مورد استفاده در مدل های مربوط به مدیریت منابع آب های سطحی
Publish place: 5th Iranian Water Resources Management Conference
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 732
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
WRM05_072
تاریخ نمایه سازی: 25 تیر 1393
Abstract:
داده های با کیفیت یکی از مهمترین ملزومات، جهت مدیریت منابع آبف به شمار می روند. اخیراً جهت دسترسی به داده های صحیح در مناطقی که با کمبود داده های با کیفیت مواجه هستند ، جهت مدل سازی های صحیح هیدرولوژیکی و تولید نتایج واقعی از مدل های نیمه توزیعی مبتنی بر فیزیک حوضه آبریز استفاده می شود. در مدل های نیمه توزیعی ، پارامترهای هیدروژئومورفولوژیکی استخراج شده از DEM (مدل ارتفاعی رقومی) نقش اساسی در مدیریت منابع آب ایفا می کنند. در این مقاله به منظور بررسی اثر دقت DEM و نوع DEM در استخراج پارامترهای هیدروژئومورفولوژیکی از داده های USGS و LiDAR در دقت های 10، 30، 50، 70 و 90 متر برای حوضه Elder Creek واقع در ایالات متحده آمریکا استفاده شده است. نتایج به دست آمده نشان داد که حوضه های آبریزی که بر اساس داده ها LiDAR تحلیل می شوند نسبت به داده های USGS دارای عکس العمل سریعتری در برابر بار و مقادیر تراکم زهکشی و زمان تمرکز بالاتری هستند. همچنین مشاهده شد که با کاهش دقت DEM مقادیر مربوط به شیب متوسط حوضه آبریز و اندیس توپوگرافی به ترتیب دارای روند کاهشی و افزایشی می باشند. وجود این تغییرات می تواند هزینه های غیر ضروری را به طرح مدیریت منابع آب وارد کند و یا آن را در معرض خطر قرار دهد.
Keywords:
Authors
وحید نورانی
دانشیار دانشکده ی فنی مهندسی دانشگاه تبریز،گروه مهندسی آب
صفا مختاریان اصل
دانش آموخته ی کارشناسی ارشد رشته ی مهندسی عمران_آب،دانشکده ی فنی مهندسی دانشگاه تبریز،گروه مهندسی آب
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 :