بررسی قابلیت کاربرد مدل تجربی MUSLE برای برآورد رسوب حاصل از رگبارهای منفرد و رسوب سالانه در حوضه آبخیز رودخانه شهرچای
Publish Year: 1380
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,821
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
FMSE01_040
تاریخ نمایه سازی: 3 مرداد 1386
Abstract:
فرسایش و تولید رسوب یکی از مهمترین مشکلات کشورهای جهان و از جمله ایران به شمار می آید. ملدهایی که برای تعیین تولید رسوب در سطح جهان ارائه شده اند. اغلب برای شرایط خاص مکانی و زمانی و با توجه به عواملموثر و داده های موجود و در دسترس تبیین یافته اند و لذا سایر شرایط می باید این مدلها ارزیابی و کاربست آنها مورد تائید قرار گرفت از جمله این مدلها MUSLE می باشد که در آن بجای عامل فرسایندگی باران در مدل USLE از رواناب حاصل از رگبارهای منفرد بهره جویی شده است. تحقیق حخاضر در حوضه ابخیزز رودخانه شهر چای واقع در استان آذربایجان غربی انجام یافته تا ضمن ارزیابی کاربست مدل اویه، نسبت به تصحیح ضرایب و مطابقت با شرایط منطقه اقدام گردد. اینکار با تعیین عوامل معادله جهانی فرسایش (KLSCP) انجام و سپس با برآورد رسوب هیدروگرافهای سیل انتخابی، تولید رسوب سالانه با شکل اولیه مدل براورد گردید. صحت ضرایب مدل اولیه با استفاده از ازمون t بررسی و معلوم شد که ضریب مذکور نیاز به تصحیح دارند. پس از سازگار مدل با منطقه از آن برای برآورد رسوب معلق رویدادی و رسوب سالیانه منقه بکار گرفته شد. همچنین برای مقایسه، نتایج از روشهای تجربی MPSIAC و EPM نیز استفاده گردید.
نتایج نشان داد که کاربست مدل MUSLE برای برآورد رسوب رویدادهای منفرد با ضرایب اصلاح شده در حوضه های مشابه قابل توصیه بوده ولی استفاده از معادله برورد رسوب سالیانه مدل MUSLE به علت داشتن اختلاف زیاد با مقادیر مشاهداتی قابل اعتماد نمی باشد.
Keywords:
Authors
ابراهیم خواجه ای
عضو هیئت علمی مرکز تحقیقات منابع طبیعی و امور دام آذربایجان غربی
ابراهیم بروشکه
عضو هیئت علمی مرکز تحقیقات منابع طبیعی و امور دام آذربایجان غربی
رضا سکوتی
عضو هیئت علمی مرکز تحقیقات منابع طبیعی و امور دام آذربایجان غربی
محمود عرب خدری
عضو هیئت علمی مرکز تحقیقات حفاظت خاک و آبخیزداری
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 :