پهنه بندی سیلاب با استفاده از مدل HEC-RAS (مطالعه موردی: رودخانه الله حد فاصل ایستگاههای هیدرومتری ماشین و جوکنک)

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 561

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICAUCAE01_0994

تاریخ نمایه سازی: 10 تیر 1396

Abstract:

سیلاب دشتها و مناطق مجاور رودخانه ها که به دلیل شرایط خاص فضای مناسبی برای انجام فعالیتهای اقتصادی و اجتماعی محسوب میشوند، همواره در معرض خطرات ناشی از وقوع سیلابهای مختلف قرار دارند، از این رو در این مناطق تعیین میزان پیشروی سیلاب و ارتفاع آن نسبت به رقوم سطح زمین و نیز تعیین خصوصیات سیلاب در دوره بازگشتهای مختلف که تحت عنوان پهنه بندی سیلاب صورت میگیرد، حایز اهمیت فراوان خواهد بود. پهنه بندی سیلاب، پیش نیاز توسعه پایدار در محدوده رودخانه های سیلگیر محسوب میگردد چرا که تعیین کننده نوع کننده توسعه مناسب، ضوابط ساخت و ساز لازم و مبنای تعیین اثرات اکولوژیک و محیط زیست بوده و میزان ریسک سرمایه گذاری را مشخص میکند. قابلیت اتصال بعضی از مدلهای هیدرولیک رودخانه با سیستم اطلاعات جغرافیایی دستاوردها و راهکارهای وسیعی را فراروی مدیران و برنامه ریزان قرار داده است. در این تحقیق اقدام به تعیین مناطق سیلگیر رودخانه الله حد فاصل ایستگاه های هیدرومتری ماشین و جوکنک گردید. بدین منظور، از تلفیق مدل هیدرولیکی HEC-RAS و همچنین HEC-GeoRAS در محیط GIS استفاده شد و مراحل تکمیلی به منظور شبیه سازی هندسی رودخانه انجام گرفت. سپس اطلاعات به مدل HEC-RAS انتقال یافت و پس ا زتکمیل شرایط مربوط به هیدرولیک جریان، مدل اجرا گردید و در نهایت و با بررسیهای بعمل آمده پهنه سیلاب با دوره برگشتهای 2، 5، 10، 25، 50، 100 و 500 ساله در محیط نرم افزار GIS بدست آمد. نتایج حاصل از این مطالعه نشاندهنده آنست که در صورت عدم وجود اطلاعات کافی، بویژه مقاطع عرضی، پهنه سیلابگیر با دقت مناسبی بدست نخواهد آمد.

Authors

میثم مطیع

فارغ التحصیل کارشناسی ارشد، دانشگاه آزاد اسلامی واحد اهواز

امیرعباس کمانبدست

عضو هیات علمی دانشگاه آزاد اسلامی واحد اهواز

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 :