مکان یابی برداشت مصالح رودخانه ای با استفاده از مدل HEC-RAS (مطالعه موردی: رودخانه قورچای استان گلستان)
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 316
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:
JR_WATER-9-1_006
تاریخ نمایه سازی: 15 تیر 1398
Abstract:
همه ساله رودخانه ها در اثر جریان های سیلابی فرسایش یافته و موجب تخریب پل ها و زمین های کشاورزی و در برخی موارد منازل مسکونی می شوند. برای کنترل و مدیریت رودخانه ها لازم است رفتار هیدرولیکی آن ها مورد بررسی قرار گیرد تا در مواقع بحرانی تصمیم مناسب اتخاذ شود. یکی از مهم ترین عوامل به هم خوردن تعادل هیدرولیکی رودخانه برداشت بی رویه رسوبات از بستر رودخانه می باشد. این تحقیق به منظور بررسی میزان برداشت رسوبات در رودخانه ی قورچای در بازه 6 کیلومتری رودخانه در محل کارگاه های برداشت شن و ماسه صورت پذیرفت. بدین منظور بازدیدهای میدانی در محدوده مورد نظر انجام شد و اطلاعاتی مانند دبی، رسوب و نقشه1:1000 تهیه شد. پس از ورود اطلاعات به نرم افزار HEC-RAS هیدرولیک و رسوب مدل در بازه زمانی 2015-2005 اجرا گردید. در این رودخانه بهترین پیشبینی برای انتقال رسوب توسط رابطه یانگ انجام شد. بررسی تغییرات شیب بستر در مقاطع مختلف نشان داد نوسانات شیب در طول 6 کیلومتر مورد مطالعه در سال 2015 نسبت به 2005 کاهش یافته است. همچنین متوسط سرعت نیز در سال 2015 نیز کاهش نشان میدهد. نتایج حاصل از شبیه سازی نشان داد میزان فرسایش و رسوبگذاری در 5 کیلومتر اول تقریبا در حالت تعادل میباشد و مصالح در این منطقه قابل برداشت نیست. بهترین منطقه برای برداشت مصالح 720 متر انتهایی رودخانه است که به دلیل شیب و شکل مقطع سرعت جریان کاهش پیدا میکند و رسوبگذاری با عمق متوسط 90 سانتیمتر صورت میگیرد. محاسبات نشان داد میزان رسوب قابل برداشت در این رودخانه تقریبا 4/0 میلیون تن در سال است.
Keywords:
Authors
ابوذر مرادی
کارشناسی ارشد دانشگاه گنبد کاووس
مرتضی سیدیان
گروه مهندسی آب، دانشگاه گنبد کاووس
مهدی کاهه
دکتری سازه های آبی، کارشناس ارشد وزارت نیرو
علی حشمت پور
استادیار دانشگاه گنبد کاووس
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 :