شبیه سازی کیفی نیترات دشت بیرجند با استفاده از مدل عددی
Publish place: چهارمین کنفرانس بین المللی پژوهشهای کاربردی در علوم کشاورزی
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 738
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
AFPICONF04_203
Index date: 9 July 2017
شبیه سازی کیفی نیترات دشت بیرجند با استفاده از مدل عددی abstract
شهرستان بیرجند مرکز استان خراسان جنوبی در اقلیمی خشک قرار گرفته است. تامین آب شرب بهداشتی و سالم شهروندان، همواره یکی از دغدغههای مهم مسیولان این شهر میباشد. با استفاده از مدلهای عددی میتوان بادقت قابل قبولی خصوصیات کمی و کیفی آب زیرزمینی را شبیهسازی نمود. در این مطالعه از میان آلودگیهای مختلف آب زیرزمینی، نیترات به دلیل قابلیت انحلال زیاد در آب، جذب کم و نیز پایداری ترکیب آن در آب، موردمطالعه قرار گرفته است. برای انجام این تحقیق از مدل عددی MT3D که در نرمافزار مدلسازی آبهای زیرزمینی (GMS (قرار دارد، استفاده شد. به منظور ارزیابی واسنجی، از امکانات نرمافزار GMS مانند میانگین خطا (ME ،(میانگین مطلق خطا (MAE (و ریشه میانگین مربعات خطا (RMSE (استفاده شد. که مقادیر این پارامترهای آماری به ترتیب و 226/0 ،36/2و 628/2 میلیگرم در لیتر برای نیترات در مدل کیفی بود. نتایج مدل در بازه زمانی یک ساله واسنجی شده است. داده اندازهگیری شده نیترات موجود بوده و نشان داده که غلظت نیترات در بازه زمانی مورد نظر از حد مجاز کمتر بوده است. اما اگر برداشت از آبخوان با همین روند افزایش پیدا کند در سالهای آینده دچار مشکل خواهد شد. همچنین حرکت تدریجی منحنی حداکثر نیترات آبخوان از مناطق شرقی به سمت مرکز منطقه مورد مطالعه را مشاهده میشود.
شبیه سازی کیفی نیترات دشت بیرجند با استفاده از مدل عددی Keywords:
شبیه سازی کیفی نیترات دشت بیرجند با استفاده از مدل عددی authors
افسانه فرپور
دانشجوی کارشناسی ارشد گروه علوم و مهندسی آب دانشکده کشاورزی دانشگاه بیرجند
یوسف رمضانی
استادیار گروه علوم و مهندسی آب دانشکده کشاورزی دانشگاه بیرجند
ابوالفضل اکبرپور
دانشیار گروه عمران دانشکده مهندسی دانشگاه بیرجند
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 :