ORIGINAL_ARTICLE
برنامهریزی تخصیص بهینه منابع آب در سطح حوضه آبریز با استفاده از تلفیق مدل شبیهسازی MODSIM و الگوریتم بهینهسازی فاخته (COA)
تخصیص منابع آب با اطمینانپذیری مطلوب و رعایت اولویتهای تخصیص به نیازهای آبی نیازمند مدیریت یکپارچه حوضه آبریز (Integrated River Basin Management) میباشد. با توجه به پیچیدگیهای این موضوع، استفاده از مدلهای برنامهریزی منابع آب در سالهای اخیر بسیار کارگشا بوده است. در این راستا در تحقیق حاضر، مسأله بهرهبرداری بهینه از منابع آب حوضه آبریز گرگانرود با استفاده از تلفیق مدل MODSIM بعنوان مدل شبیهساز و الگوریتم بهینهسازی فاخته (Cuckoo Optimization Algorithm) بعنوان الگوریتم بهینهساز و توسعه مدل COA-MODSIM مورد تحلیل و بررسی قرار گرفته است. تابع هدف مسأله در یک حالت حداکثر سازی حجم تأمین نیازها و در حالتی دیگر حداکثر سازی اعتمادپذیری تأمین و متغیرهای تصمیم مقادیر رهاسازی از مخازن موجود در حوضه گرگانرود (سدهای بوستان، گلستان و وشمگیر) میباشند. نتایج بدست آمده حاکی از عملکرد قابل قبول رویکرد شبیهسازی- بهینهسازی مورد استفاده در تحقیق برای حل مسأله برنامهریزی تخصیص بهینه منابع آب در سطح حوضه آبریز میباشد. بررسیها نشان میدهند که درشرایط رویکرد شبیهسازی- بهینهسازی نسبت به شبیهسازی وضع موجود، میزان تامین نیازهای آبی حوضه با لحاظ جریانهای آب برگشتی در حدود 36 % افزایش و جریان خروجی از حوضه در حدود 24% کاهش مییابد. این نتایج بیانگر اهمیت اتخاذ سیاستهای بهرهبرداری بهینه از مخازن سیستم به منظور افزایش میزان تأمین نیازهای آبی و کاهش اتلاف منابع آبی در سطح حوضه آبریز میباشد.
https://www.iwrr.ir/article_46032_cac33baeaaa01a54445afb012f6bc568.pdf
2017-12-22
1
16
برنامهریزی منابع آب
تخصیص بهینه
حوضه آبریز
Cuckoo Optimization Algorithm
MODSIM
احسان
محسنی زاده
mohsenizadeh@sbu.ac.ir
1
دانش آموخته کارشناسی ارشد، دانشگاه شهید بهشتی
AUTHOR
مجتبی
شوریان
m_shourian@sbu.ac.ir
2
استادیار، دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی
LEAD_AUTHOR
Ahamadi A, Zadehvakili N, Safavi HR, Ohab Yazdi SA (2015) Development of a dynamic planning model for surface and groundwater allocation, Case Study: Zayandehroud river basin. Journal of Iran-Water Resources Research, 11 (1):21-31 (In Persian)
1
Ghadami SM, Ghahraman B, Sharifi MB, Rajabi Mashhadi H (2009) Optimization of multireservoir water resources systems operation using genetic Algorithm. Journal of Iran-Water Resources Research, 5(2):1–15 (In Persian)
2
Hosseini-Moghari SM, Morovati R, Moghadas M, Araghinejad S (2015) Optimum operation of reservoir using two evolutionary algorithms: Imperialist Competitive Algorithm (ICA) and Cuckoo Optimization Algorithm (COA). Water Resources Management 29(10):3749-3769
3
Karimi M (2011) Comparing WEAP and MODSIM in priority-based allocation modelling of Water Resources at basin scale. Master of Science Thesis, Supervisor: Mousavi SJ. Amirkabir University of Technology, Tehran, Iran (In Persian)
4
Kheirandish A, Farzin S (2016) Water allocation modeling using WEAP in Kamal Saleh dam. 6th National Conference on Water Resources Management, University of Kurdistan, Sanandaj, Iran (In Persian)
5
Labadie J (2006) MODSIM: Decision support system for integrated river basin management. Diss. International Environmental Modeling and Software Society
6
Mahab-Ghods Consulting Engineers (2013) National water master Plan. Gorganroud basin, surface Water Resources Report. Tehran, Iran (In Persian)
7
Parsapour-Moghaddam P, Abed-Elmdoust A, and Kerachian R (2015) A Heuristic evolutionary game theoretic methodology for conjunctive use of surface and groundwater resources, Water Resources Management, 29(11):3905-3918
8
Rahimi A (2015) Water resources allocation conflict resolution using game theory approach, Case Study: Bukan dam. Master of Science Thesis, Supervisor: Shourian M. Shahid Beheshti University, Tehran, Iran (In Persian)
9
Shourian M, Mousavi SJ, Tahershamsi A (2008) Basin-wide water resources planning by integrating PSO algorithm and MODSIM. Water Resources Management, 22(10):1347-1366
10
ORIGINAL_ARTICLE
تحلیل روانشناسی محیطزیستی رفتار مشارکتگرایانه کشاورزان در حفاظت از آب
یکی از راهکارهای خروج از بحران آب "توأم ساختن راهکارهای فناورانه با راهبرهای اجتماعی ـ رفتاری" است تا به این واسطه، تغییرات زیربنایی در راستای حفاظت منابع آب در افراد جامعه ایجاد شود. بر این اساس، هدف این پژوهش، تحلیل روانشناسی محیطزیستی از رفتار مشارکتگرایانه کشاورزان در حفاظت از آب بود. این مطالعه از نوع پژوهشهای "کاربردی" و "توصیفی ـ همبستگی" است. ابزار پژوهش، پرسشنامهای بود که روایی آن با استفاده از نظرات پانلی از متخصصان ترویج و آموزش کشاورزی و کارشناسان آب و پایایی با استفاده از آزمون آلفای کرونباخ (90/0≥α≥75/0) مورد تأیید قرار گرفت. جامعهی آماری، شامل 23750 نفر از کشاورزان جنوب حوزه آبریز دریاچه ارومیه بود که 378 نفر از آنها با استفاده از جدول کرجسی و مورگان با روش نمونهگیری تصادفی طبقهای با انتساب متناسب انتخاب شدند. یافتههای تحلیل رگرسیونی نشان دادند که کشاورزان دارای ارزشهای فردگرایانه، رفتارهای مشارکتگرایانه کمتری نسبت به کشاورزان دارای ارزشهای جمعگرایانه در راستای حفاظت از منابع آب از خود نشان میدهند. فزون بر این، این دو متغیر توانستند، 5/32 درصد از تغییرات رفتار حفاظت آب مشارکتگرایانه را پیشبینی کنند. نتایج حاصل از آزمون t هم نمایانگر آن بود که میان دو گروه از کشاورزانی که در کلاسهای آموزشی مرتبط با موضوع آب شرکت کرده بودند و آنهایی که در چنین کلاسهای شرکت نکرده بودند، از لحاظ رفتار حفاظت از آب مشارکتگرایانه تفاوت معنیدار وجود دارد.
https://www.iwrr.ir/article_46075_af9b2ab6fa7885984adf4a07de6b2953.pdf
2017-12-22
17
27
"رفتار مشارکتگرایانه"
"حفاظت آب"
"روانشناسی محیطزیست"
"کشاورزان"
"جنوب حوزه آبریز دریاچه ارومیه"
ناصر
ولیزاده
naservalizadeh7@gmail.com
1
دانشآموخته کارشناسیارشد گروه ترویج و آموزش کشاورزی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران.
AUTHOR
مسعود
بیژنی
mbijani@modares.ac.ir
2
استادیار گروه ترویج و آموزش کشاورزی، داشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران.
LEAD_AUTHOR
عنایت
عباسی
enayatabbasi@gmail.com
3
استادیار گروه ترویج و آموزش کشاورزی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران.
AUTHOR
Abbasian A R, Chizari M, Bijani M (2017) Farmers’ views on the factors inhibiting the implementation of soil conservation practices (the case of Koohdasht Township, Iran). Journal of Agricultural Science and Technology (JAST) 19(4):797-807
1
Bamberg S, Möser G (2007) Twenty years after Hines, Hungerford, and Tomera: a new meta-analysis of psycho-social determinants of pro-environmental behavior. Journal of Environmental Psychology 27(1):14-25
2
Bijani M, Hayati D (2013) Application of environmental attitudes toward analyzing water conflict: the case of Doroodzan dam irrigation network. Iranian Agricultural Extension and Education Journal 9(1):83-102 (In Persian)
3
Bijani M, Hayati D (2015) Farmers’ perceptions toward agricultural water conflict: The case of Doroodzan dam irrigation network, Iran. Journal of Agricultural Science and Technology (JAST) 17(3):561-575
4
Bijani M, Ghazani E, Valizadeh N, Fallah Haghighi N (2017) Pro-environmental analysis of farmers' concerns and behaviors towards soil conservation in central district of Sari County, Iran. International Soil and Water Conservation Research 5(1):43-49
5
Corbett J B (2002) Motivations to participate in riparian improvement programs: applying the theory of planned behavior. Science Communication 23(3):243-263
6
Corral-Verdugo V, Bechtel R B, Fraijo-Sing B (2003) Environmental beliefs and water conservation: an empirical study. Journal of Environmental Psychology 23(3):247-257
7
Curtis A, Ross H, Marshall G R, Baldwin C, Cavaye J, Freeman C, Syme G J (2014) The great experiment with devolved NRM governance: lessons from community engagement in Australia and New Zealand since the 1980s. Australasian Journal of Environmental Management 21(2):175-199
8
Fielding K S, Russell S, Spinks A, Mankad A (2012) Determinants of household water conservation: the role of demographic, infrastructure, behavior, and psychosocial variables. Water Resources Research 48(10):1-12
9
Gregory G D, Leo M D (2003) Repeated behavior and environmental psychology: the role of personal involvement and habit formation in explaining water consumption1. Journal of Applied Social Psychology 33(6):1261-1296
10
Harland P, Staats H, Wilke H A (2007) Situational and personality factors as direct or personal norm mediated predictors of pro-environmental behavior: questions derived from norm-activation theory. Basic and Applied Social Psychology 29(4):323-334
11
High C, Nemes G (2007) Social learning in LEADER: Exogenous, endogenous and hybrid evaluation in rural development. Sociologia Ruralis 47(2):103-119
12
Howley P (2011) Landscape aesthetics: assessing the general publics' preferences towards rural landscapes. Ecological Economics, 72:161-169
13
Ives C D, Kendal D (2014) The role of social values in the management of ecological systems. Journal of Environmental Management, 144:67-72
14
Jihad-e Agriculture Administration of Miandoab Township (2015) Agricultural Statistics of Miandoab Township. Unpublished report (In Persian)
15
Kaiser F G, Hübner G, Bogner F X (2005) Contrasting the theory of planned behavior with the value‐belief‐norm model in explaining conservation behavior1. Journal of Applied Social Psychology 35(10):2150-2170
16
Katuwal H (2012) Demand for water quality: empirical evidence from a knowledge, attitude, behavior, and choice experiment survey about the Bagmati River in Kathmandu, Nepal. PhD Dissertation at University of New Mexico
17
Kim Y, Choi S M (2005) Antecedents of green purchase behavior: an examination of collectivism, environmental concern, and PCE. Advances in Consumer Research 32:592-599
18
Kollmuss A, Agyeman J (2002) Mind the gap: why do people act environmentally and what are the barriers to pro-environmental behavior? Environmental Education Research 8(3):239-260
19
Krejcie R V, Morgan D W (1970) Determining sample size for research activities. Educational and Psychological Measurement 30:607-610
20
Matsumoto D, Weissman M D, Preston K, Brown B R, Kupperbusch C (1997) Context-specific measurement of individualism-collectivism on the individual level the individualism-collectivism interpersonal assessment inventory. Journal of Cross-Cultural Psychology 28(6):743-767
21
Mojarad Ashena M (2014) Cost-benefit analysis of agricultural development and drying of Lake Urmia according to available estimates. Journal of Forest and Range 98:80-82 (In Persian)
22
Noguera-Méndez P, Molera L, Semitiel-García M (2016) The role of social learning in fostering farmers’ pro-environmental values and intentions. Journal of Rural Studies 46:81-92
23
Prager K, Nienaber B, Neumann B, Phillips A (2015) How should rural policy be evaluated if it aims to foster community involvement in environmental management? Journal of Rural Studies 37:120-131
24
Ramezanpour Ghavamabadi M, Sanaeipour S (2014) Legal probe of commitment to wise use of Urmia Lake in the light of Ramsar convention. Journal of Legal Studies 5(3):109-140 (In Persian)
25
Safavi H R, Rastghalam M (2017) Solution to the water crisis in the Zayandehrud river basin: joint supply and demand management. Iran-Water Resources Research 12(4):12-22
26
Sheban K (2014) Understanding environmental behaviors: a modification of value-belief-norm theory applied to farmer nutrient management decisions in the Maumee Watershed. M.Sc. Thesis. The Ohio State University
27
Steg L, Vlek C (2009) Encouraging pro-environmental behavior: An integrative review and research agenda. Journal of Environmental Psychology 29(3):309-317
28
Stern P C (2000) New environmental theories: toward a coherent theory of environmentally significant behavior. Journal of Social Issues 56(3):407-424
29
Triandis H C, Gelfand M J (1998) Converging measurement of horizontal and vertical individualism and collectivism. Journal of Personality and Social Psychology 74(1):118
30
Trumbo W, Garrett J, O'Keefe C (2001) Intention to conserve water: Environmental values, planned behavior, and information effects: a comparison of three communities sharing a watershed. Society and Natural Resources 14(10):889-899
31
Valizadeh N, Bijani M, Abbasi E (2016) Pro-environmental analysis of farmers' participatory behavior toward conservation of surface water resources in southern sector of Urmia Lake’s catchment area. Iranian Agricultural Extension and Education Journal 11 (2):183- 201 (In Persian)
32
Vucetich J A, Nelson M P (2010) Sustainability: virtuous or vulgar?. BioScience 60(7):539-544
33
Yazdanpanah M, Hayati D, Hochrainer-Stigler S, Zamani, GH (2014) Understanding farmers' intention and behavior regarding water conservation in the Middle-East and North Africa: a case study in Iran. Journal of Environmental Management 135:63-72
34
ORIGINAL_ARTICLE
کاربست مدل های همادی آمریکای شمالی در پیش بینی فصلی بارش گستره ی ایران
ارزیابی برونداد مدلهای گردش کلی جفتشده جو-اقیانوس در پیشبینی متغیرهای اقلیمی توجه جهانی با بهخود جلب کرده است. در کشور ایران نیز در صورت مشخص شدن مهارت مناسب سامانههای پیشبینی فصلی دینامیکی اقلیمی در یک دوره بلندمدت (بازپیشبینی) میتوان از پیشبینیهای فصلی بهنگام در کمک به تصمیمسازان در برنامهریزی با پیشدیدهای فصلی و ماهانه استفاده نمود. تعیین مهارت مدلهای دینامیکی باید برای فصول هدف و وابسته به پیشدید و شرایط آغازین مورد ارزیابی قرار گیرد. در این پژوهش، برونداد 8 سامانه پیشبینی فصلی از پروژه مدلهای همادی چندگانه آمریکای شمالی متشکل از 102 عضو همادی برای کشور ایران مورد ارزیابی قرار گرفته است. این تحلیل برای نیمه اول سال آبی که بیشترین سهم بارش در اکثر مناطق محدوده مورد مطالعه را بهخود اختصاص میدهد، انجام شده است. بدینمنظور همبستگی بیهنجاریهای بارش برونداد مدلهای همادی آمریکای شمالی با اطلاعات برآوردشده سنجش از دور بر اساس شبکه عصبی مصنوعی برای دادههای رکورد اقلیمی بارش (PERSIANN-CDR) برای سه فصل، در سه پیشدید با آغازگریهای مختلف مورد ارزیابی گرفت. همچنین، اریبی برونداد مدلهای آمریکای شمالی برای دوره 1983-2013 محاسبه شد. نتایج نشان میدهد که همبستگی میان بی-هنجاریهای بارش مدلهای آمریکای شمالی با دادههای بارش برآوردشده (مشاهداتی) در اکثر مناطق کشور ایران بالا است. مشخص شد در اکثر سلولهای واقع در کشور ایران، اریبی مدلهای ارزیابی شده بین 1 تا 1- میلیمتر در روز است. نتایج این پژوهش، ضرورت توسعه همادی مدلهای چندگانه برای تصحیح خطای سامانمند، مقیاسکاهی و تولید پیشبینیهای احتمالاتی را در پیشبینی بارش حوزههای آبریز درجه 2 کشور ایران نشان میدهد.
https://www.iwrr.ir/article_46528_93ac199e0881103e782ba6d0d2ab44cf.pdf
2017-12-22
28
38
سامانه های پیش بینی فصلی
مدل های همادی آمریکای شمالی
ارزیابی مدل های گردش کلی جفت شده جو اقیانوس
پیش بینی فصلی بارش
کشور ایران
حسین
نجفی
husain.najafi@ut.ac.ir
1
کاندیدای دکتری /مهندسی منابع آب، پردیس ابوریحان، دانشگاه تهران، پاکدشت، ایران
AUTHOR
علیرضا
مساح بوانی
armassah@yahoo.com
2
دانشیار /گروه آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران، پاکدشت، ایران
LEAD_AUTHOR
پرویز
ایران نژاد
piran@ut.ac.ir
3
دانشیار /گروه فیزیک فضا، مؤسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران
AUTHOR
اندرو
رابرتسون
awr@iri.columbia.edu
4
مدیر گروه اقلیم/ مؤسسه پژوهش های بین المللی برای اقلیم و جامعه، مؤسسه زمین، دانشگاه کلمبیا، پلسیدز، ایالات متحده آمریکا
AUTHOR
Ashoori H, Hsu KL, Sorooshian S, Braithwaite DK (2015) PERSIANN-CDR: Daily precipitation climate data record from multisatelite observations for hydrological and climate studies, Bulletin of American Meteorological Society 96(1):69-83, doi:10.1175/BAMS-D-13-00068.1
1
Barbero R, Abatzoglou J, Hegewisch K (2017) Evaluation of statistical downscaling of North American Multi-Model Ensemble forecasts over western USA. Weather Forecasting, 32:327–341, doi: 10.1175/WAF-D-16-0117.1
2
Dezfuli AK, Karamouz M, Araghinejad Sh (2010) On the relationship of regional meteorological drought with SOI and NAO over southwest Iran. Theoretical Applied Climatology, 100:57–66, doi 10.1007/s00704-009-0157-2
3
Dunstone N, Smith D, Scaife A, Hermanson L, Eade R, Robinson N, Andrews M, Knight J (2016) Skilful predictions of the winter North Atlantic Oscillation one year ahead. Nature Geoscience Letter, 9:809–814, doi:10.1038/ngeo282
4
Fallah Ghalhary GA, Mousavi Baygi SM, Habibi Nokhandan M (2009) Using statistical model for seasonal rainfall forecasting based on synoptic patterns of atmospheric upper levels. Water and Soil Science, 19(1):125-14
5
Gent PR, Yeager SG, Neale RB, Levis S, Bailey DA (2010) Improvements in a half degree atmosphere/land version of the CCSM. Climate Dynamic, 34:819–833
6
Muhammad Azhar Ehsan, Michael
7
K.Tippett, Mansour Almazroui,
8
Muhammad Ismail, Ahmed Yousef, Fred
9
Kucharski, Mohamed Omar, et al
10
Ehsan MA, Tippett MK, Almazroui M, Ismail M, Yousef A, Kucharski F, Omar M, Hussein M, Alkhalaf A (2017) Skill and predictability in multimodel ensemble forecasts for Northern Hemisphere regions with dominant winter precipitation. Climate Dynamic, 48:3309-3324, doi:10.1007/s00382-016-3267-4
11
Katiraie-Boroujerdy PS, Akbari Asanjan A Hsu KL, Sorooshian S (2017) Intercomparison of PERSIANN-CDR and TRMM-3B42V7 precipitation estimates at monthly and daily time scales. Atmospheric Research, 193:36-49, doi.org/10.1016/j.atmosres.2017.04.005
12
Katiraie-Boroujerdy PS, Ashouri H, Hsu K, Sorooshian S (2016) Trends of precipitation extreme indices over a subtropical semi-arid area using PERSIANN-CDR. Theoretical and Applied Climatology, 1-12, doi:10.1007/s00704-016-1884-9
13
Kim HM, Webster PJ, Curry JA (2012) Seasonal prediction skill of ECMWF System 4 and NCEP CFSv2 retrospective forecast for the Northern Hemisphere Winter. Climate Dynamics 39(12):2957, doi:10.1007/s00382-012-1364-6
14
Kirtman BP and Coauthors (2014) The North American Multimodel Ensemble phase-1 seasonal-to-interannual prediction; phase-2 toward developing intraseasonal prediction. Bulletin of Amererican Meteorological Society, 95:585–601, doi:10.1175/BAMS-D-12-00050.1
15
Ma F, Ye A, Deng X, Zhou Z, Liu X, Duan Q, Xu J, Miao C, Di Z, Gong W (2015) Evaluating the skill of NMME seasonal precipitation ensemble predictions for 17 hydroclimatic regions in continental China. International Journal of Climatology, 36(1):132-144, doi: 10.1002/joc.4333
16
MacLachlan C, Arribas A, Peterson K. A,Maidens A, Fereday D, Scaife AA, Gordon M, Vellinga M, Williams A, Comer RE, Camp J, Xavier P, Madec G (2014) Global seasonal forecast system version 5 (GloSea5): a high-resolution seasonal forecast system. Quarterly Journal of the Royal Meteorological Society 141, (689B):1072–1084, doi:10.1002/qj.2396
17
Min YM, Kryjov VN, Oh SM (2014) Assessment of APCC multimodel ensemble prediction in seasonal climate forecasting: Retrospective (1983–2003) and real-time forecasts (2008–2013). Journal of Geophysical Research: Atmospheres, 119(21):132-150
18
Modaresi F, Araghinejad Sh, Ebrahimi K (2015) K Assessment of model fusion strategy for increasing the accuracy of autumn rainfall forecasting. Journal of Agricultural Meteorology, 3(2):1-13
19
Molteni F, Stockdale T, Balmaseda M, Balsamo G, Buizza R, Ferranti L, Magnusson L, Mogensen K, Palmer T, Vitart F (2011) The new ECMWF seasonal forecast system (System 4). Technical Memorandum (656) in Scientific Advisory Committee (SAC) 40th Session 3-5 October
20
Najafi H, Massah Bavani AR, Wanders N, Wood E, Irannejad P, Robertson AW (2017) Developing Multi-model Ensemble for precipitation and temperature seasonal forecast: Implications for Karkheh river basin. 2017 European Geosciences Union (EGU) General Assembly, 23-28 April 2017, Vienne, Austria
21
Nasr Esfahani MA, Ahmadi Givi F, Mohebalhojeh AR (2008) North Atlantic oscilaition link to the South West Asian climate. In: Proc. ff 13th Geophysics Conference of Iran, 6–8 May 2008, Tehran, Iran, 342–345
22
Nikbakht Shahbazi AR, Zahraie B, Nasseri M (2012) Seasonal meteorological drought prediction using Support Vector Machine. Journal of Water and Wastewater, 23(2):73-85
23
Shukla Sh, Roberts J, Hoell A, Funk C, Robertson F, Kirtman BP (2016) Assessing North American multimodel ensemble (NMME) seasonal forecast skill to assist in the early warning of anomalous hydrometeorological events over East Africa. Climate Dynamics, 1-17.doi:10.1007/s00382-016-3296-z
24
Tabari H, Abghari H, Hosseinzadeh Talaee P (2014) Impact of the North Atlantic Oscillation on streamflow in Western Iran. Hydrological Processes, 28:4411–4418
25
Vernieres G, Rienecker M, Kovach R, Keppenne CHL (2012) The GEOS-iODAS: description and evaluation. Technical Report Series on Global Modeling and Data Assimilation, TM-2012-104606 30:1-61
26
Zhang S, Harrison J, Rosati MJ, Wittenberg A T (2007) System design and evaluation of coupled ensemble data assimilation for global oceanic climate studies. Monthly Weather Review, 135:3541–3564, doi:10.1175/MWR3466.1
27
ORIGINAL_ARTICLE
بررسی روش های تعیین حریم حفاظتی با استفاده از مدل تحلیلی WhAEM2000 در چاه های شرب آبخوان دامنه-داران
در اغلب مناطق کشور قسمت قابل ملاحظهای از آب شرب به وسیله چاهها و از منابع آب زیرزمینی تامین میشود. منابع مورد استفاده برای تامین آب شرب شهرها همواره در معرض تهدید آلایندههای مختلف میباشند. حفاظت کیفی این منابع، امروزه از دغدغههای فکری متولیان تامین و توزیع آب شرب محسوب میشود. بنابراین محاسبه دقیق حریم حفاظتی دارای اهمیت بسیار است، زیرا اعمال حریم کوچکتر خطر آلودگی آب چاه را بالا برده و حریم بزرگتر اتلاف سرمایه را به دنبال خواهد داشت. در این مطالعه به کمک مدل WhAEM2000 با روشهای مختلف به تعیین حریم حفاظتی چاههای شرب آبخوان دامنه-داران در استان اصفهان پرداخته شد. نتایج نشان داد روش المان تحلیلی محدودهای محافظه کارانهتر از روش شعاع ثابت محاسبه شده ارائه میدهد، به این ترتیب میتوان سه ناحیه حفاظتی فوری، اجباری و حمایتی چاههای این منطقه را با این روش و به ترتیب با سه زمان انتقال 2، 5 و 10 سال تعیین نمود. بر این اساس حریم حفاظت اجباری برای چاههای شرب این منطقه از 15 هکتار برای چاه شماره 2 دامنه تا 25 هکتار برای چاه شماره 1 و2 داران در جهت جریان آب زیرزمینی، متغیر بود.
https://www.iwrr.ir/article_46540_bfd1c917934b47f6552e47424b521ef9.pdf
2017-12-22
39
50
چاه شرب
حریم حفاظتی
روش تحلیلی
روش حجمی
حفاظت اجباری
جهانگیر
عابدی کوپایی
koupai@cc.iut.ac.ir
1
استاد/ گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان
LEAD_AUTHOR
نسترن
زمانی
nst_zamani@yahoo.com
2
دانش آموخته کارشناسی ارشد /مهندسی منابع آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان
AUTHOR
مصطفی
گودرزی
goodarzimustafa@gmail.com
3
استادیار /بخش فنی و مهندسی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان مرکزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، اراک، ایران
AUTHOR
سمیرا
اخوان
akhavan_samira@yahoo.com
4
استادیار /گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا همدان
AUTHOR
Abrishamchi A (2012) Wellhead protection guide for packaging drinking wells. Department of Water and Wastewater, Ministry of Energy Code-404-a (In Persian)
1
Akbarpur A, Etebari B, Borznuni S (2011) Groundwater modeling in order to determine wellhead protection area of drinking wells (case study: Birjand). In Proc. of 4th Iran Water Resources Management Conference, 3- May, Tehran (In Persian)
2
Aller L, Bennett T, lehr J H, Petty R J and Hackett G (1987) DRASTIC: a standardized system for evaluating groundwater pollution potential using hydrogeologic setting. United States Environmental Protection Agency, Region 5, Library (PL-12J)
3
Alizade A, Afshin S, Danesh S (2009) Determination and mapping of wellhead protection of Mashhad drinking wells. Geographical Research 92(1):109-127 (In Persian)
4
Badv K (2005) Fundamentals of capture zone calculation for qualitative protection of urban drinking water wells. Esteghlal 23(2):77-91(In Persian)
5
Badv K, Mollaie M (2005) Standards and methods of wellhead protection delineation- case study for number 33 drinking well of Uremia. First national civil engineering conference, 3-4 May, Tehran (In Persian)
6
Barry F, Ophori D, Hoffman J and Canace R (2009) Groundwater flow and capture zone analysis of the central Passaic river basin, New Jersey, Environ Geol, 56:1593- 1603
7
Bhatt K (1993) Uncertainty in wellhead protection area delineation due to uncertainty in aquifer parameter values. J. Hydrology 149:1- 8
8
Delkhahi B, Asadian F (2011) Review of effective factors on drinking wellhead protection area using numerical mathematical model (Case study: Yaftabad district, City of Tehran). Journal of Iran-Water Resources Research, 7(3):89-94 (In Persian)
9
Delkhahi B, Khodaei K, Asadian F (2013) A comparison of delineation methods for wellhead protection area case study: drinking wells of Hamedan city. Journal of Iran-Water Resources Research, 9(2):27-41 (In Persian)
10
Dong,Y, Xu H, Li G (2013) Wellhead protection area delineation using multiple methods: a case study in Beijing. Environ Earth Sci, 70:481- 488
11
Ferrante M, Mazzetti E, Fiori A, Burini M, Fioriti B, Mazzoni A, Schiro G, Vacca G, Brunone B, Meniconi S, Capponi C (2015) Delineation of wellhead protection areas in the Umbria region. 2. Validation of proposed procedur. Procedia Environ Sci, 25:96-103
12
Foster S, Gardufio H, Kemper K, Tuinhof A, Zanni M and Dumars C (2004) Groundwater quality protection defining strategy and setting priorities. The World Bank global partnership associate program, Note 8, Pp 4
13
Freeze R A and Cherry A J (1979) Groundwater. Prentice Hall Inc, New Jersey, 262- 265
14
Kraemer S R, Haitjema H M and Kelson V A (2007) Working with WhAEM2000 capture zone delineation for a city well field in a valley fill glacial Outwash aquifer supporting wellhead protection. Office of research and development, U. S. Environmental Protection Agency, Washington, DC 20460
15
Mays L W (2010) Water resources engineering. 2nd ed, John Wiley and Sons, Inc., United State
16
Sabet Raftar A (2013) Groundwater protection area instruction. Ministry of Energy, Management and Planning Organization, Department of Engineering and Technical Standards of Water and Wastewater, Code-621 (In Persian)
17
Sadeghi Z, Esmaili K, Kaboli A R (2015) Evaluation and comparison of methods for determining the protection zone of wells using a mathematical model (Case study of Golestan aquifer). Iranian Journal of Irrigation and Drainage 2(9):335-344 (In Persian)
18
Safavi H R, Rastghalam M (2017) Solution to the water crisis in the Zayandehrud River basin; joint supply and demand management. Journal of Iran-Water Resources Research, 12(4):12-22 (In Persian)
19
U. S. Environmental Protection Agency (1989) Wellhead Protection Programs: Tools for Local Governments. Office of Ground-Water Protection, Washington, D.C., EPA 440/6-89-002
20
Zamani N (2016) Groundwater protection using vulnerability map with fuzzy clustering method and determining wellhead protection area of Damaneh- Daran aquifer’s drinking wells. Water Recourses Engineering M. Sc. thesis, Isfahan University of Technology (In Persian)
21
ORIGINAL_ARTICLE
بررسی اثر زیستپالایی آببندانها بر نیتروژن و فسفر ورودی (مطالعه موردی)
آببندانها، تالابهای مصنوعی هستند که از خاکبرداری یک محدوده و ایجاد دیواره خاکی دور این محدوده پدید میآیند و سهم قابل توجهی در آبیاری اراضی کشاورزی استان مازندران دارند. در نظر گرفتن آببندان به عنوان نوعی از تالابهای مصنوعی، این سوال را بوجود میآورد که آیا همانند انواع تالابهای مصنوعی، قادر به پالایش زیستی آلایندههای ورودی هستند؟ در این مطالعه به مدت نه ماه از آذر 1391 تا مرداد 1392 و با فواصل ماهانه، از آب ورودی و خروجی سه آببندان لَلِمرز و نوبور با کاربری پرورش ماهی و سَرآببندان واقع در شمال شهرستان ساری، جمعاً تعداد 54 نمونه آب برداشته شد. دما و pH نمونهها در محل و غلظت پارامترهای نیترات، نیتریت، آمونیم و فسفر کل نمونهها در آزمایشگاه با استفاده از دستگاه جذب اتمی اندازهگیری و مقدار نیتروژن کل از جمع جبری دادهها محاسبه شد. نتایج نشان داد تنها تفاوت معنیداری (0.016=P) بین میانگین غلظت فسفر کل ورودی (ppm 0.083) و خروجی (0.016 ppm) سرآببندان وجود دارد و پرورش ماهی نیز اثر پالاینده یا آلایندهای به صورت معنیدار بر غلظت خروجی پارامترها (0.05 =α) نداشت.
https://www.iwrr.ir/article_46527_058bd94cab1dd8e12f4d19ad8a866142.pdf
2017-12-22
51
63
نیترات
پرورش ماهی
تالاب مصنوعی
راندمان
راهب
ماهفروزی
raheb.mah@gmail.com
1
دانشجوی دکتری/ آبیاری و زهکشی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
AUTHOR
علی
شاهنظری
aliponh@yahoo.com
2
دانشیار /گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری
LEAD_AUTHOR
Anonymous (2008) Abbandans identification list of Mazandaran province. Consulting Engineers Jame' Kar Sepahan. In order of agriculture organization of Mazandaran province, the Ministry of Agriculture (In Persian)
1
Arroyo P, Ansola G, de Luis E (2010) Effectiveness of a full-scale constructed wetland for the removal of metals from domestic wastewater. Water, Air, and Soil Pollution, 210(1–4):473–481
2
Asgharnia H, Sedighian F, Jafarzadeh F, Shahande g, Yousefi k, Amuii, A, Haji-Ahmadi M (2011) Survey of the treatment status of domestic sewage by Marzon-Abad abbandan of Babol. Journal of Babol University of Medical Sciences. 14th, Special Issue 1, Pages 76-71 (In Persian)
3
Babaii H (2013) Evaluation of cold-water effluent breeding farms and its impact on agricultural fields (Zanjan province). Iranian Fisheries Science Research Institute, Project Num. 4-73-12-89058
4
Bagheri A (2008) Abbandans' management and its role on storage and supply of required water for agricultural lands in north of Iran (In Persian)
5
Bakht-firouz A (2011) Study of the drainage systems effect on the emission of methane and carbon dioxide from the rice paddies. Master thesis, University of Agricultural Sciences and Natural Resources Sari, 50 pages (In Persian)
6
Braskerud BC (2002a) Factors affecting phosphorus retention in small constructed wetlands treating agricultural non-point source pollution. Ecological Engineering 19:41–61
7
Braskerud BC (2002b) Factors affecting nitrogen retention in small constructed wetlands treating agricultural non-point source pollution. Ecological Engineering 18:351–370
8
Dargahi B (2006) Abbandans: the best option for coping with drought in northern coastal provinces. 1st Conference on Coping with Water Scarcity, Tehran (In Persian)
9
Daryabari SM, Khoram-margavi F (2010) Abbandans construction and improvement impact on water resources (case study: Mazandaran province's Abbandans). The first national conference on water resources management of coastal lands. Sari University of Agricultural Sciences and Natural Resources, 17 and 18 December 1389 (In Persian)
10
David MB, Wall LG, Royer TV, Tank JL (2006) Denitrification and the Nitrogen Budget of a Reservoir in an Agricultural Landscape. Ecological Applications, 16(6):2177–2190
11
Dong B, Mao Z, Brown L, Chen XH, Peng LY, Wang JZ (2009) Irrigation ponds: possibility and potentials for the treatment of drainage water from paddy fields in Zhanghe Irrigation System. SCIENCE CHINA Technological Sciences, 52(11):3320-3327
12
Dunne EJ, Culleton N, O’Donovan G, Harrington R, Olsen AE (2005) An integrated constructed wetland to treat contaminants and nutrients from dairy farmyard dirty water. Ecological Engineering, 24:221–234
13
Ebrahimi M (Undated) Abbandans' status report of Mazandaran province. Mazandaran Water Utilization and Distribution Office, Deputy of Utilization (In Persian)
14
Fatolahi Dehkordi F (2003) Evaluation of Anzali natural wetland system performance on reducing and eliminating urban, industrial and agricultural pollutants. Faculty of Civil Engineering, Isfahan University of Technology, Environmental Engineering Master's Thesis (In Persian)
15
Fisher J, Acreman MC (2004) Wetland nutrient functioning: a review of the evidence. Hydrology and Earth System Sciences 8(4):673-685
16
Ham J, Yoon ChG, Kim HJ, Kim HCh (2010) Modeling the effects of constructed wetland on nonpoint source pollution control and reservoir water quality improvement. Journal of Environmental Sciences, 22(6):834–839
17
Hammer DA (1992b) Designing constructed wetlands systems to treat agricultural nonpoint source pollution. Ecological Engineering, 1:49–82
18
Healy MG, O’Flynn CJ (2011) The performance of constructed wetlands treating primary, secondary and dairy soiled water in Ireland (a review). Journal of Environmental Management, 92:2348-2354
19
Hsu CB, Hsieh HL, Yang L, Wu SH, Chang JS, Hsiao SC, Su HC, Yeh CH, Ho YS, Lin HJ (2011) Biodiversity of constructed wetlands for wastewater treatment. Ecological Engineering, 37(10):1533–1545
20
IRI 5th 5-year development program (2011) Office of the Vice President for Strategic Planning and Control, 834 pages (In Persain)
21
IRNDOE (2012) Human environmental laws, regulation criteria and standards. Hak Publication, 336p (In Persian)
22
Jafari Talukolai M (2012) Evaluation of underground drainage water quality of paddy fields and its reusability. Master thesis, University of Agricultural Sciences and Natural Resources Sari, Department of Water Engineering, 81 pages (In Persian)
23
Jaffarzadeh Haghighi N, Tavasoli M, Baroutkoub A (2005) Investigation of Karoon River water quality variations using Qual2E program. IR-WRR, 1(2):85-96 (In Persain)
24
Kadlec RH, Wallace, SD (2009) Treatment wetlands second edition. Taylor & Francis Group, LLC, CRC Press
25
Koskiaho j, Ekholm P, Raty M, Riihimaki J, Puustinen M (2003) Retaining agricultural nutrients in constructed wetlands experiences under boreal conditions. Ecological Engineering, 20:89-103
26
Larson AC, Gentry L E, David MB, Cooke RA, Kovacic DA (2000) The role of seepage in constructed wetlands receiving agricultural tile drainage. Ecological Engineering, 15:91–104
27
Li X, Chen M, Anderson BC (2009) Design and performance of a water quality treatment wetland in a public park in Shanghai, China. Ecological Engineering, 35(1):18–24
28
Mahforouzi R (2014) Study of abbandan's purification effect on outlet water quality. Master degree thesis. University of Agricultural Sciences and Natural Resources Sari, department of water engineering, 96 pages (In Persain)
29
Matlubi A (1994) Technical specifications of Sari's abbandans. Studies of Mazandaran Regional Water Company, department of water resources, Ministry of Energy (In Persain)
30
Mazandaran Regional Water Company (2014) Statistical summary of Mazandaran province's abbandans of Mazandaran Regional Water Company (In Persain)
31
Mitsch WJ, Gosselink JG (2000) Wetlands, Third Edition. John Wiley & Sons: New York
32
NIST (2013) NIST/SEMATECH e-Handbook of Statistical Methods, http://www.itl.nist.gov/ div898/ handbook, 8/17/2014. (http://www.itl.nist.gov/div898/handbook/prc/section4/prc473.htm)
33
O’Geen AT, Budd R, Gan J, Maynard JJ, Parikh SJ, Dahlgren R A (2010) Mitigating nonpoint source pollution in agriculture with constructed and restored wetlands. Advances in Agronomy, 108(1):1-76
34
Purmohammad Y, Shahnazari A, Emmadi AR, ZiaTabr Ahmadi MKh (2011) Effect of dredging of wetlands on variation of water allocation in Alborz dam watershed using WEAP model. Journal of Watershed Management Research, 2(4):44-56 (In Persain)
35
Terzakis S, Fountoulakis MS, Gergaki I, Albantakis D, Sabathianakis I, Karathanasis AD, Kalogerakis N, Manios T (2008) Constructed wetlands treating highway runoff in the central Mediterranean region. Chemosphere, 72(2):141–149
36
Safaiyan N, Shokri M (2002) Wetlands or abbandans of Mazandaran. Journal of Ecology, 31:70-47 (In Persian)
37
Standard Methods (1999) Standard methods for the examination of water and wastewater. American Public Health Association, American Water Works Association, Water Environment Federation Publication, 2671 pages
38
Standard No. 2347 (1983) Water sampling. Institute of Standards and Industrial Research of Iran (In Persian)
39
Thurston RV (1979) Aqueous ammonia equilibrium: tabulation of percent un-ionized ammonia. Environmental Research Laboratory-Duluth, Office of Research and Development, U.S. Environmental Protection Agency, 428 pages
40
US-EPA (2000) Design manual of constructed wetlands treatment of municipal wastewaters. Environmental protection agency of United States of America, Office of Research and Development Cincinnati, Ohio, 166 pages
41
US-EPA (2004) Guidelines for water reuse. Environmental protection agency of United States of America. EPA/625/R-04/108
42
ORIGINAL_ARTICLE
مدلسازی شوری اولیه منابع آب با استفاده از یک مدل نیمهتوزیعی هیدرولوژیکی
رودخانه حله واقع در جنوب کشور در سالهای اخیر با چالشهای متعددی در زمینه مدیریت آب و بطور خاص شوری مواجه بوده است. یکی از دلایل عمده شور شدن آب این رودخانه با حرکت از بالادست به پاییندست، شوری اولیه تحت تاثیر وجود سازندهای زمینشناختی شور و گنبدهای نمکی در سطح حوضه است. با این توجه در این تحقیق یک ابزار تحلیلی برای مدل-سازی شوری منابع آب در سطح حوضه آبریز رودخانه توسعه داده میشود و برای مدلسازی شوری اولیه در یکی از زیرحوضههای رودخانه حله بکار میرود. مدل مذکور از دو جزء بهم مرتبط بیلان آب و بیلان نمک تشکیل شده که برای بیلان آب از مدل شبیهسازی SWAT، که نسخه اصلی آن قادر به مدلسازی شوری منابع آب نیست، بهره برده و جزء بیلان نمک آن با استفاده از یک محیط برنامهنویسی خارجیتوسعه مییابد. سپس برای واسنجی مدل توسعه یافته، الگوریتم SUFI2 مورد استفاده قرار میگیرد. بر اساس نتایج واسنجی مدل بیلان آب- نمک بر اساس مشاهدات مربوط به سالهای 1995 تا 2000 از کمیتهای آبدهی و شوری (TDS) رودخانه در ایستگاه هیدرومتری شکستیان واقع بر رودخانه شور به صورت مقادیر R2 و NS به ترتیب برابر 76/0و 73/0 برای آبدهی و 63/0و 56/0 برای TDS و همچنین نتایج اعتبارسنجی مبتنی بر مشاهدات مربوط به دوره 2001 تا 2003 به صورت مقادیر R2 و NS به ترتیب برابر با 81/0 و 71/0 برای آبدهی و 81/0 و 65/0 برای TDS، عملکرد مناسب مدل بیلان آب- نمک در شبیهسازی توامان آبدهی و شوری رودخانه قابل مشاهده است.
https://www.iwrr.ir/article_46705_0ac898a4ba2a5d02aba1414aa809203e.pdf
2017-12-22
64
74
مدل هیدرولوژیکی نیمهتوزیعی
SWAT
شوری اولیه
SUFI2
مجید
رضایی
majidrezai1990@gmail.com
1
دانشجوی کارشناسی ارشد /دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران
AUTHOR
حسین
علیزاده
alizadeh@iust.ac.ir
2
استادیار /دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران
LEAD_AUTHOR
مجید
احتیاط
majidehtiat@gmail.com
3
استادیار /دانشکده فنی و مهندسی، دانشگاه اردکان
AUTHOR
Abbaspour KC, Johnson C, Van Genuchten MT (2004) Estimating uncertain flow and transport parameters using a sequential uncertainty fitting procedure. Vadose Zone Journal 3(4):1340-1352
1
Abbaspour KC, Rouholahnejad E, Vaghefi S, Srinivasan R, Yang H, Kløve B (2015) A continental-scale hydrology and water quality model for Europe: Calibration and uncertainty of a high-resolution large-scale SWAT model. Journal of Hydrology 524:733-752
2
Abbaspour KC, Yang J, Maximov I, Siber R, Bogner K, Mieleitner J, Zobrist J, Srinivasan R (2007) Modelling hydrology and water quality in the pre-alpine/alpine Thur watershed using SWAT. Journal of Hydrology 333(2):413-430
3
Abgir CE (2014) Updating national master water plan- Helleh river basin- synthesis report. Ministry of Energy
4
Arnold JG, Moriasi DN, Gassman PW, Abbaspour KC, White MJ, Srinivasan R, Santhi C, Harmel RD, van Griensven A, Van Liew MW, Kannan N, Jha MK (2012) SWAT: Model use, calibration, and validation. Transactions of the ASABE 55(4):1491-1508
5
Biggs AJ, Silburn DM, Power RE (2013) Catchment salt balances in the Queensland Murray–Darling Basin, Australia. Journal of Hydrology 500:104-113
6
Cai X, McKinney DC, Lasdon LS (2003) Integrated hydrologic-agronomic-economic model for river basin management. Journal of Water Resources Planning and Management, ASCE 129(1):4-17
7
Gikas GD, Yiannakopoulou T, Tsihrintzis VA (2009) Hydrodynamic and nutrient modeling in a Mediterranean coastal lagoon. Journal of Environmental Science and Health, Part A 44(13):1400-1423
8
Mittelstet AR, Storm DE, Stoecker AL (2015) Using SWAT to simulate crop yields and salinity levels in the North Fork River Basin, USA. International Journal of Agricultural and Biological Engineering 8(3):110
9
Piman T, Lennaerts T, Southalack P (2013) Assessment of hydrological changes in the lower Mekong Basin from Basin‐Wide development scenarios. Hydrological Processes 27(15):2115-2125
10
Rouholahnejad E, Abbaspour KC, Srinivasan R, Bacu V, Lehmann A (2014) Water resources of the Black Sea Basin at high spatial and temporal resolution. Water Resources Research 50(7):5866-5885
11
Saysel AK, Barlas Y (2001) A dynamic model of salinization on irrigated lands. Ecological Modelling 139(2):177-199
12
Somura H, Arnold J, Hoffman D, Takeda I, Mori Y, Di Luzio M (2009) Impact of climate change on the Hii River basin and salinity in Lake Shinji: a case study using the SWAT model and a regression curve. Hydrological Processes 23(13):1887-1900
13
Sowers J, Vengosh A, Weinthal E (2011) Climate change, water resources, and the politics of adaptation in the Middle East and North Africa. Climatic Change 104(3):599-627
14
Vengosh A (2003) Salinization and saline environments. Treatise on Geochemistry 9:333-365
15
ORIGINAL_ARTICLE
بررسی اثرات تغییراقلیم بر سیستمهای منابع آب و کشاورزی در چارچوب ارزیابی ریسک منطقهای ( مطالعه موردی:حوضه دریاچه زریبار)
پدیده تغییراقلیم و پیشبینی اثرات آن بر کره زمین بهمنظور کاهش آسیبپذیری و مقابله با آن از اهمیت بسزایی برخوردار است. از جمله موضوعات مهم در مطالعات تغییراقلیم عدمقطعیت عمیق این پدیده و تحلیل چشم انداز آتی متغیرها در این شرایط است. در این مطالعه تلاش گردید با استفاده از روش ارزیابی ریسک منطقهای (RRA) به بررسی جامع شرایط حوضههای آبریز در شرایط عدمقطعیت پرداخته شود. بدین منظور حوضه دریاچه زریبار به عنوان منطقه مورد مطالعه انتخاب گردید. در این راستا از مدل واسنجی شده SWAT برای شبیهسازی حوضه در شرایط تغییراقلیم استفاده گردید. برای تحلیل اثرات تغییراقلیم خروجیهای ریز مقیاس شده سناریوهای RCP2.6، RCP4.5 و RCP8.5 از 9 مدل GCM در دوره مبنا (2005-1976) و سه دوره پیشبینی (2040-2011، 2070-2041 و 2100-2071) جهت پیشبینی اثرات تغییراقلیم در حوضه به مدل وارد گردید. نتایج حاصل از بررسی خروجیها نشان میدهد که مقدار میانگین سالانه دما در دوره اول 3/0، در دوره دوم 6/0 و دوره سوم 1 درجه سلسیوس افزایش خواهد یافت. همچنین میانگین سالانه بارش در منطقه در سه دوره بهترتیب 5/38، 66 و 1/87 میلیمتر افزایش خواهد یافت. بررسی اثرات تغییراقلیم بر گیرندههای خطر در حوضه زریبار در چارچوب ارزیابی ریسک منطقهای نشان دهنده این است که عملکرد محصولات کشاورزی و تغذیه آبخوان در معرض بیشترین آسیب ناشی از این پدیده هستند. گندم دیم در میان محصولات کشت شده در منطقه بیشترین حساسیت را نسبت به تغییرات پیشبینی شده نشان داده است. این نتایج همگی لزوم بسترسازیهای مناسب در منطقه جهت سازگاری با اثرات تغییراقلیم را تاکید میکند.
https://www.iwrr.ir/article_46844_667189dd9183fcd970cb3536820c6a84.pdf
2017-12-22
75
88
تغییراقلیم
ارزیابی ریسک منطقه ای
دریاچه زریبار
SWAT
زهرا
فرمانبر
z.farmanbar@modares.ac.ir
1
دانشجوی کارشناسی ارشد /مهندسی منابع آب، دانشکده کشاورزی دانشگاه تربیت مدرس، تهران، ایران
AUTHOR
مجید
دلاور
m.delavar@modares.ac.ir
2
ستادیار /گروه مهندسی منابع آب، دانشکده کشاورزی دانشگاه تربیت مدرس، تهران، ایران
LEAD_AUTHOR
سمیه
ایمانی امیرآباد
somaye.imani@gmail.com
3
دانش آموخته کارشناسی ارشد/ مهندسی منابع آب، دانشگاه تربیت مدرس، تهران، ایران
AUTHOR
Ashofteh P (2008) Uncertainty analysis of climate change impact on the Bayesian approach (case study: Aidoghmoush basin east Azerbaijan). M.Sc. Thesis, Department of Irrigation and Drainage, Tehran University (In Persian)
1
Baruffi F, Cisotto A, Cimolino A, Ferri M, Monego M, Norbiato D, Scarinci A (2012) Climate change impact assessment on Veneto and Friuli plain groundwater. Part I: an integrated modeling approach for hazard scenario construction. Science of the Total Environment 440:154-166
2
Borah D K, Bera M (2003) Water-scale hydrologic and non-point source pollution models: Review of applications. American Society of Agricultural Engineers 47(3):789-803
3
Feng S, Hu Q, Huang W, Ho CH, Li R, Tang Z (2014) Projected climate regime shift under future global warming from multi-model, multi-scenario CMIP5 simulations. Global and Planetary Change 112:41-52
4
Gedney N, Cox P M, Betts R A, Boucher O, Huntingford C, Stott PA (2006) Detection of a direct carbon dioxide effect in continental river runoff records. Nature 439(7078):835-838
5
Imani S, Delavar M, Niksokhan M H (2017) Simulation and assessment of management practices for reduction of nutrients discharge to the Zrebar lake using SWAT model. Iran-water resources research 13(1):69-78 (In Persian)
6
Iyalomhe F, Rizzi J, Pasini S, Torresan S, Critto A, Marcomini A (2015) Regional risk assessment for climate change impacts on coastal aquifers. Science of the Total Environment 537:100-114
7
Jackson R B, Carpenter S R, Dahm C N, McKnight D M, Naiman R J, Postel S L, Running S W (2001) Water in a changing world. Ecological Applications 11(4):1027-1045
8
Jeppesen E, Kronvang B, Meerhoff M, Søndergaard M, Hansen K M, Andersen H E, Olesen J E (2009) Climate change effects on runoff, catchment phosphorus loading and lake ecological state and potential adaptations. Journal of Environmental Quality 38(5):1930-1941
9
Jha M, Arnold J G, Gassma P W, Giorgi F, Gu R R (2006) Climate change sensitivity assessment on upper Mississippi river basin streamflows using SWAT. JAWRA Journal of the American Water Resources Association 42(4):997-1015
10
Koster R D, Dirmeyer P A, Guo Z, Bonan G, Chan E, Cox P, Yamada T (2004) Regions of strong coupling between soil moisture and precipitation. Science 305(5687):1138-1140
11
Labat D, Goddéris Y, Probst J L, Guyot J L (2004) Evidence for global runoff increase related to climate warming. Advances in Water Resources 27(6):631-642
12
Laux P, Jäckel G, Tingem R.M, Kunstmann H (2010) Impact of climate change on agricultural productivity under rainfed conditions in Cameroon—A method to improve attainable crop yields by planting date adaptations. Agricultural and Forest Meteorology 150(9):1258-1271
13
Pasini S, Torresan S, Rizzi J, Zabeo, A, Critto A, Marcomini A (2012) Climate change impact assessment in Veneto and Friuli Plain groundwater. Part II: A spatially resolved regional risk assessment. Science of the Total Environment 440:219-235
14
Piao S, Yin L, Wang X, Ciais P, Peng S, Shen Z, Seneviratne SI (2009) Summer soil moisture regulated by precipitation frequency in China. Environmental Research Letters 4(4):044012
15
Rezaei zaman M, Morid S, Delavar M (2016) Evaluating climate adaptation strategies on agricultural production in the Siminehrud catchment and inflow into Lake Urmia, Iran using SWAT within an OECD framework. Agricultural Systems 147:98–110
16
Schaake J C, Waggoner P E (1990) From climate to flow. Climate Change and US Water Resources 177-206
17
Sharmila S, Joseph S, Sahai A K, Abhilash S, Chattopadhyay R (2015) Future projection of Indian summer monsoon variability under climate change scenario: An assessment from CMIP5 climate models. Global and Planetary Change 124:62-78
18
Shrestha S, Bach TV, Pandey VP (2016) Climate change impacts on groundwater resources in Mekong Delta under representative concentration pathways (RCPs) scenarios. Environmental Science & Policy 61:1-13
19
Srinivasan M S, Gérard-Marchant P, TamieL V, Gburek W J, Steenhuis T S (2005) Watershed scale modeling of critical source areas of runoff generation and phosphorus transport. Journal of the American Water Resources Association (JAWRA) 41(2):361-375
20
Su B, Huang J, Gemmer M, Jian D, Tao H, Jiang T, Zhao C (2016) Statistical downscaling of CMIP5 multi-model ensemble for projected changes of climate in the Indus River Basin. Atmospheric Research 178:138-149
21
UNEP (2009) Ecosystem management programme. A new approach to sustainability. 2009 United Nations Environment Programme
22
Wu Y, Liu S, Gallant A L (2012) Predicting impacts of increased CO2 and climate change on the water cycle and water quality in the semiarid James River Basin of the Midwestern USA. Science of the Total Environment 430:150-160
23
Yin X, Olesen J E, Wang M, Öztürk I, Zhang H, & Chen F (2016) Impacts and adaptation of the cropping systems to climate change in the Northeast Farming Region of China. European Journal of Agronomy 78:60-72
24
Zhou G, Wei X, Wu Y, Liu S, Huang Y, Yan J, Liu X (2011) Quantifying the hydrological responses to climate change in an intact forested small watershed in Southern China. Global Change Biology 17(12):3736-3746
25
ORIGINAL_ARTICLE
ارزیابی آسیب پذیری آب زیرزمینی آبخوان دشت کردکندی- دوزدوزان با استفاده از مدل دراستیک واسنجی شده
با توجه به این که عمده کاربری اراضی در دشت کردکندی- دوزدوزان به کشاورزی اختصاص یافته است، احتمال آلودگی آبخوان به وسیله آبهای برگشتی آغشته به کودهای شیمیایی و همچنین فاضلاب شهری و روستایی بسیار بالا میباشد. بنابراین ارزیابی آسیبپذیری آبخوان برای مدیریت کاربری اراضی و جلوگیری از آلودگی آبهای زیرزمینی امری ضروری به نظر میرسد. هدف اصلی از این مطالعه، تهیه نقشه آسیبپذیری منطقه به روش دراستیک و سپس واسنجی مدل دراستیک با استفاده از دادههای نیترات به منظور بهبود این روش میباشد. بنابراین عوامل مؤثر بر آسیبپذیری آب زیرزمینی شامل عمق آب زیرزمینی، تغذیه خالص، جنس محیط آبخوان، محیط خاک، شیب توپوگرافی، مواد تشکیلدهنده ناحیه غیراشباع و هدایت هیدرولیکی با فرمت رستر در محیط نرم افزاری GIS تهیه شدند. جهت صحتسنجی و واسنجی مدل دراستیک از دو مجموعه داده نیترات استفاده شد. نتایج نشان داد که با تصحیح وزن لایهها، ضریب تبیین بین غلظت نیترات و آسیبپذیری مربوطه از 6783/0 به 7903/0 افزایش یافته است. براساس نقشه آسیبپذیری دراستیک واسنجی شده، میزان شاخص آسیبپذیری بین 56/66 تا 89/148 برآورد شد. افزایش همبستگی غلظت نیترات با نقشه آسیبپذیری دراستیک واسنجی شده در مقایسه با دراستیک اولیه، صحت فرایند واسنجی را تأیید کرد.
https://www.iwrr.ir/article_46841_a8bba6b3157c5a87bb91de084f063764.pdf
2017-12-22
89
99
آسیب پذیری آب زیرزمینی
دراستیک
دشت کردکندی- دوزدوزان
واسنجی
اصغر
اصغری مقدم
moghaddam@tabrizu.ac.ir
1
استاد /گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز، تبریز، ایران
LEAD_AUTHOR
شهلا
سلطانی
sh.soltani.d@gmail.com
2
کارشناسی ارشد /هیدروژئولوژی، دانشکده علوم طبیعی، دانشگاه تبریز، تبریز، ایران
AUTHOR
رحیم
برزگر
rm.barzegar@yahoo.com
3
دانشجوی دکتری /هیدروژئولوژی، دانشکده علوم طبیعی، دانشگاه تبریز، تبریز، ایران
AUTHOR
نعیمه
کاظمیان
naimeh_kazemian@yahoo.com
4
کارشناس /آزمایشگاه کنترل کیفی آب استان آذربایجانشرقی، تبریز، ایران
AUTHOR
Alizadeh Z (2008) Investigation of hydrogeology and hydrogeochemistry of aquifer in Bilverdi- Duzdozan plains. M.Sc. Thesis, Tabriz University, 206 p (In Persian)
1
Aller L, Bennett T, Lehr J H, Petty R J, Hackett G (1987) DRASTIC: A standardized system for evaluating ground water pollution potential using hydrogeologic settings. EPA 600/2-87-035. Ada, Oklahoma: U.S. Environmental Protection Agency
2
Almasri M N (2008) Assessment of intrinsic vulnerability to contamination for Gaza coastal aquifer, Palestine. Journal of Environmental Management 88:577-593
3
Asghari Moghaddam A, Fijani E, Nadiri A (2010) Groundwater vulnerability assessment using GIS-based DRASTIC model in the Bazargan and Poldasht plans. Journal of Environmental Studies 52:55-64 (In Persian)
4
Asghari Moghaddam A, Fijani E, Nadiri A (2015) Optimization of DRASTIC model by artificial intelligence for groundwater vulnerability assessment in Maragheh- Bonab plain. Journal of Geoscience 94:169-176 (In Persian)
5
Babiker I S, Mohamed M M A, Hiyama T, Kato K (2005) A GIS-based DRASTIC model for assessing aquifer vulnerability in Kakamigahara, Heights, Gifu Prefecture, central Japan. Science of the Total Environment 345:127–140
6
Barzegar R, Asghari Moghaddam A, Nadiri A, Fijani E (2015) Using different fuzzy logic methods to optimize DRASTIC model, case study: Tabriz plain aquifer. Journal of Geoscience 95:211-222 (In Persian)
7
Dixon B (2009) A case study using SVM, NN and logistic regression in a GIS to predict wells contaminated with Nitrate-N. Hydrogeology Journal 17:1507-1520
8
Gogu R C, Dassargues A (2000) Current trends and future challenges in groundwater vulnerability assessment using overlay and index methods. Environmental Geology 39:549-559
9
Hamza M H, Maâlej A, Ajmi M, Added A (2010) Validity of the vulnerability methods DRASTIC and SI applied by GIS technique to the study of diffuse agricultural pollution in two phreatic aquifers of a semi-arid region (Northeast of Tunisia). AQUAmundi (2010) - Am01009:057-064
10
Jafarighariehali A, Kazemi Gh A, Hafezimoghadas N, Mosaviasterabadi S S (2012) Application of GIS in the study of groundwater pollution in urban areas (case study: Mashhad city). Iran-Water Resources Research 8(2):80-86 (In Persian)
11
Javanmard F Z, Mahdavi M, Malek M R, Keirkhah Zarkesh M M (2013) Modeling of groundwater vulnerabilities Uncertainty using GIS & rough set. Iran-Water Resources Research 10(1):26-38 (In Persian)
12
Kihumba A, Vanclooster M, Longo J N (2017) Assessing groundwater vulnerability in the Kinshasa region, DR Congo, using a calibrated DRASTIC model. Journal of African Earth Sciences, 126:13-22
13
McLay C D A, Dragten R, Sparling G, Selvarajah N (2001) Predicting groundwater nitrate concentrations in a region of mixed agricultural land use: a comparison of three approaches. Environmental Pollutants 115:191-204
14
Nadiri A A, Gharekhani M, Khatibi R, Asghari Moghaddam A (2017a) Assessment of groundwater vulnerability using supervised committee to combine fuzzy logic models. Environmental Science and Pollution Research 1-16
15
Nadiri A A, Gharekhani M, Khatibi R, Sadeghfam S, Asghari Moghaddam, A (2017b) Groundwater vulnerability indices conditioned by Supervised Intelligence Committee Machine (SICM). Science of the Total Environment 574:691-706
16
Panagopoulos G, Antonakos A, Lambrakis N (2006) Optimization of DRASTIC model for groundwater vulnerability assessment, by the use of simple statistical methods and GIS. Hydrogeology Journal 14:894-911
17
Piscopo G (2001) Groundwater vulnerability map. Explanatory notes, Castlereagh Catchment, NSW, Department of Land and Water Conservation, Australia
18
Qian H, Li P, Howard K W, Yang C, Zhang X (2012) Assessment of groundwater vulnerability in the Yinchuan Plain, Northwest China using OREADIC. Environmental Monitoring and Assessment 184(6):3613-3628
19
Rezaei F, Safavi H R, Ahmadi A (2013) Groundwater vulnerability assessment using fuzzy logic: a case study in the Zayandehrood aquifers, Iran. Environmental Management 51(1):267-277
20
Rezaei F, Ahmadzadeh M R, Safavi H R (2017) SOM-DRASTIC: using self-organizing map for evaluating groundwater potential to pollution. Stochastic Environmental Research and Risk Assessment, 31(8):1941–1956
21
Secunda S, Collin M L, Melloul A J (1998) Groundwater vulnerability assessment using a composite model combining DRASTIC with extensive agricultural land use in Israel’s Sharon region. Journal of Environmental Management 54:39-57
22
Stigter T Y, Ribeiro L, Carvalho Dill A M M (2006) Evaluation of an intrinsic and a specific vulnerability assessment method in comparison with groundwater salinisation and nitrate contamination levels in two agricultural regions in the south of Portugal. Hydrogeology Journal 14:79-99
23
Vrba J, Zoporotec A (1994) Guidebook on mapping groundwater vulnerability. International Contributions to Hydrogeology.Verlag Heinz Heise GmbH and Co. KG
24
ORIGINAL_ARTICLE
ازریابی و رتبه دهی ریسک های مشارکت های عمومی _خصوصی پروژه های تامین آب با استفاده از روش های FMEA و Fuzyy Synthetic Evaluation :مطالعه موردی استان قم
غالبا بودجه عمومی برای برای ساخت زیربناها، ساختمان ها و تأسیسات اقتصادی و اجتماعی مورد نیاز کشور کفایت نمی کند. دولت با ارائه پروژه های عمومی _خصوصی از سرمایه بخش خصوصی برای پیشبرد و تکمیل زیر ساخت های مورد نیاز استفاده می کند. در این پژوهش ما به ارزیابی و رتبه دهی ریسک های مشارکت های عمومی _خصوصی پروژه های تامین آب ایران پرداخته ایم . در ابتدا با توجه با ادبیات موضوع و تحقیقات انجام شده در داخل و خارج از کشور ، 39 عامل ریسک معرفی شدند. سپس با استفاده از روش FMEA ، اعداد اولویت ریسک آنها بدست آمد.پس از نرمال سازی 22 عامل به عنوان ریسک های بحرانی در نظر گرفته و در چهار زیر گروه تجربی ، حقوقی ،مالی و تکنیکی/فنی طبقه بندی شدند. پس از بررسی و محاسبه سطح کلی ریسک در هر زیر گروه با استفاده از روش Fuzyy Synthetic Evaluation ، زیر گروه تجربی به عنوان بحرانی ترین زیر گروه و به ترتیب زیر گروه های مالی ، حقوقی و تکنیکی/ فنی در اولویت های بعدی قرار گرفتند . سطح ریسک کل مشارکت های عمومی _خصوصی پروژه های آب در استان قم 6.19 بدست آمد که نشانگر سطح بالا و زیاد ریسک این پروژه ها در استان است.
https://www.iwrr.ir/article_46887_7fe7fe143b45daab5564124566eaef3b.pdf
2017-12-22
100
117
: مشارکت های عمومی _خصوصی
پروژه های تامین آب
ارزیابی ریسک
FMEA و Fuzyy Synthetic Evaluation
جلال
رضائی نور
j.rezaee@qom.ac.ir
1
دانشیار /گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه قم
LEAD_AUTHOR
محمد
موسوی صالح
m.mousavisaleh@stu.qom.ac.ir
2
دانشجوی کارشناسی ارشد/ گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه قم
AUTHOR
Ameyaw, E E, and Chan APC (2013) Identifying public–private partnership (PPP) Risks in managing water supply projects in Ghana. Journal of Facilities Management, 11(2):152–182
1
Boussabaine A (2013) Risk pricing strategies for public–private partnership projects (1st )ed. John Wiley & Sons, Ltd
2
Chang, DY (1996) Applications of the Extent Analysis Method on Fuzzy-AHP. European Journal of Operational Research, 95(1):649-655
3
Cheung E, Chan APC (2011) Risk factors of public–private partnership projects in China: Comparison between the water, power, and transportation sectors. Journal of Urban Planning and Development, 137(4):409–415
4
Dahiya S, Singh B, Gaur S, Garg VK, Kushwaha HS (2007) Analysis of groundwater quality using fuzzy synthetic evaluation. Journal of Hazardous Materials, 147(3):938–946
5
Ameyaw EE, Chan APC (2015) Evaluation and ranking of risk factors in public–private partnership Water supply projects in developing countries using fuzzy synthetic Evaluation approach. Expert Systems with Applications, 42(12):5102–5116
6
Feili HR, Akar N, Lotfizadeh H, Bairampour M, Nasiri S (2013) Risk analysis of geothermal power plants using Failure Modes and Effects Analysis (FMEA) technique. Energy Conversion and Management, 72(1):69–76
7
Geng R, Xu G (2011) Application of AHP FSE method in the network course quality evaluation. Procedia Engineering ,15(2):4136–4141
8
Golabchi M, Noorzai E (2015) Select the appropriate method of public-private partnership to finance highway projects in Iran with AHP approach. Journal of Transportation Engineering, 6(3):523-537 (In Persian)
9
Haarmeyer D, Mody A (1998) Tapping the private sector: Approaches to1136 managing risk in water and sanitation. The World Bank, Washington D.C, 4(2):7-23
10
Heibati F, Rahnamaye Foudposhti F, Nikomaram H, Ahmadi M (2008) The relationship between economic freedom with public-private partnerships and provide a model for Iran. Journal of Economic Modeling Research, 2(2):25-52 (In Persian)
11
Hossieni SY (2003) Nonparametric statistics. Allameh Tabatabai University Press, 182p (In Persian)
12
Huang MWH, Yang H, Wang X, Lau HCW (2008) A fuzzy synthetic evaluation embedded tabu search for risk programming of virtual enterprises. Int. J. Production Economics,116(1):104–114
13
Kashfi SHR, Raghimi A (2013) Benefting from private sector capacities in forms of BOO and BOT mechanisms. Journal of Water and Sustainable Development,1(1):1-7 (In Persian)
14
Kayaga S (2008) Public–private delivery of urban water services in Africa. Proceedings of civil engineers: Management, procurement and law, 161(4):147–155
15
Lam KC, Wang D, Lee PT, Tsang YT (2007) Modelling risk allocation Decision in construction contracts. International Journal of Project Management, 25(5):485–493
16
Li B, Akintoye A, Edwards PJ, Hardcastle C (2005) The allocation of risk in PPP.PFI construction projects in the UK. International Journal of Project Management, 23(1):25–35
17
Li C, Li G , Luo Y, Li Y, Huang J (2008) Environmental monitoring and fuzzy synthetic evaluation of municipal solid waste transfer stations in Beijing in 2001–2006. Journal of Environmental Sciences, 20(8):998–1005
18
Lipol LS, Haq J (2011) Risk Analysis Method: FMEA.FMECA in the organizations. International Journal of Basic & Applied Sciences, 11(5):74 – 82
19
Liu T, Wang Y, Wilkinson S (2016) Identifying critical factors affecting the effectiveness and efficiency of tendering processes in Public–Private Partnerships(PPPs): A comparative analysis of Australia and China. International Journal of Project Management, 34(4):701–716
20
Liua J, Lib Q, Wang Y (2013) Risk analysis in ultra deep scientific drilling project: a fuzzy synthetic evaluation approach. International Journal of Project Management, 31(3):449–458
21
Maki-Abadi SR, Bahina K, Akbari A (2013) Identify and assess critical risks in HSR projects through public-private partnerships in developing countries. Journal of Structural Engineering and Construction,1(1):11-21 (In Persian)
22
Mi C, Zhang X, Li S, Yang J, Zhu D, Yang Y (2011) Assessment of environment lodging stress for maize using fuzzy synthetic evaluation. Mathematical and Computer Modelling, 54(3-4):1053–1060
23
Najafi GH, Malekan Y (2013) Public Private Partnership Or PPP: strategy to finance new infrastructure projects.the Center for Education and Research rail, article 271:1-7 (In Persian)
24
Osei-Kyei R, Chan APC (2015) Review of studies on the Critical Success Factors for Public–Private Partnership (PPP) projects from 1990 to 2013. International Journal of Project Management,33(6):1335-1346
25
Priya MS, Jesintha P (2011) Public-Private Partnership in india. Journal of Management and Science, 1(1):82-94
26
Rak J, Tchorzewska-Cieslak B (2010) The Possible use of the FMEA method to enture health safety of municipal water. Journal of KONBiN 23 (14,15):1895-8281
27
Sadeghi Shahedani M, Shabazi ghiasi M, Bigdeli V (2011) Priority development of public- private partnerships in the transport sector of using MCDM. Journal of Economic Modeling Research, 5(1):13-21 (In Persian)
28
Sadiq R, Rodriguez MJ (2004) Fuzzy synthetic evaluation of disinfection byproducts: A risk-based indexing system. Environmental Management, 73(1):1–13
29
Samer EA, Badran Y (2013) Risk Decision Support System for Public Private Partnership projects in Egypt. International Journal of Engineering and Innovative Technology (IJEIT), 3( 2):479 -485
30
Tah JH, Car V (2000) A proposal for construction project risk assessment using fuzzy logic. Construction Management and Economics, 18(4):491–500
31
Tuhovcak L, Rucka J, Juhanak T (2006) Risk analysis of water dustibution systems,J. Pollert and B. Dedus (eds.), Security of Water Supply Systems: Source to Tap, Springer, 14(2):169–182
32
Vives A, Paris AM, Benavides J, Raymond PD, Quiroga D, Marcus J (2006) Financial structuring of infrastructure projects in public–private partnerships: An application to water projects. Inter-American Development Bank, Washington D.C.
33
Wang JH, Lu XG, Jiang M, Li XY, Tian JH (2009) Fuzzy synthetic evaluation of wetland soil quality degradation: a case study on the SanjiangPlain, Northeast China. Published by Elsevier Limited and Science Press, 19(6):756-764
34
Wibowo A, Mohamed S (2010) Risk critically and allocation in privatised water supply projects in Indonesia. International Journal of Project Management, 28(5):504–513
35
World Development Indicator, World Bank (2007) Washington, D.C.
36
World Development Indicator, World Bank (2008) Washington, D.C.
37
Xianbo Z, Hwang BG, Gao Y (2015) A Fuzzy synthetic evaluation approach for risk assessment: a case of Singapore’s Green projects. Journal of Cleaner Production, 115(2):203–213
38
Yelin X, John FY Yeung, Chan A PC, Chan WM, Wang SQ, Ke Y (2010) Developing a risk assessment model for PPP projects in China: A fuzzy synthetic evaluation approach. Automation in Construction, 19 (7):929–943
39
Yin H, Yuan-Fu L, Zhao1 DM (2015) Risk Factor Empirical Research of PPP Projects Based on Factor Analysis Method. American Journal of Industrial and Business Management, 5(6):383-387
40
Zeng SX, Wan TW, Tam CM, Liu D (2007) Identifying risk factors of BOT for 1292 water supply projects. Proceedings of institute of civil engineering (ICE), 161(2):73-81
41
ORIGINAL_ARTICLE
مدل شبکه های بیزین برای بررسی تأثیر بارش پیشین بر پیش بینی وقوع سیلاب واریزهای در ناحیه البرز ایران
تحلیل خطر سیلاب واریزهای، به علت پیچیدگی و عدم قطعیت عوامل مختلف مربوط به آن، یک موضوع چالش برانگیز است. در تحقیق حاضر، اثر بارش پیشین بر رخداد سیلاب واریزهای با استفاده از مدل بیزین در ناحیه البرز ایران ارزیابی شده است. در این مدل از متوسط ارتفاع، شیب حوضه، مساحت، بارش فعلی، بارش پیشین (به مدت 3 روز قبل از وقوع سیلاب واریزهای) و دبی جریان 1 روز قبل، استفاده شده است. 6 سناریو شامل مقدار بارش پیشین 3 روز قبل به صورت مجزا، بارش پیشین 2 روز قبل به صورت مجزا، بارش پیشین 1 روز قبل، مقدار تجمعی بارش پیشین 3 روز قبل، مقدار تجمعی بارش پیشین 2 روز قبل و حذف اثر بارش پیشین در نظر گرفته شد. نتایج نشان داد، دقت مدل در حالت بارش پیشین مجزا، 13 درصد نسبت به حالت بارش پیشین تجمعی بیشتر است و بالاترین دقت مدل به ازای سناریو بارش پیشین 3 روز قبل به صورت مجزا، معادل 91 درصد برآورد شد. همچنین، حذف اثر هر یک از بارش پیشین از ورودی مدل باعث افت عملکرد آن میشود. مدل پیشنهادی این تحقیق، قادر به ارائه نتایج قابل اعتماد برای سیستمهای هشدار خطر سیلاب واریزهای در حوضه های آبریز میباشد.
https://www.iwrr.ir/article_46886_8d0888d357342de2bb4f5f9e204f07e6.pdf
2017-12-22
118
131
بارش پیشین
سیلاب واریزهای
عدم قطعیت
مدل بیزین
میترا
تنهاپور
mitratanhapour@ut.ac.ir
1
دانشجوی کارشناسی ارشد /سازه های آبی، پردیس ابوریحان، دانشگاه تهران
AUTHOR
محمد ابراهیم
بنی حبیب
banihabib@ut.ac.ir
2
دانشیار /گروه مهندسی آبیاری زهکشی، دانشگاه تهران، پردیس ابوریحان
LEAD_AUTHOR
عباس
روزبهانی
roozbahany@ut.ac.ir
3
استادیار/گروه مهندسی آبیاری زهکشی، دانشگاه تهران، پردیس ابوریحان
AUTHOR
Aguilera P A, Fernández A, Fernández R, Rumí R, Salmerón A (2011) Bayesian networks in environmental modelling. Environmental Modelling and Software, 26(12):1376-1388
1
Alkhasawneh M S, Ngah U K, Tay L T, Mat-Isa N A, Al-Batah M S (2014) Modeling and testing landslide hazard using decision tree. Journal of Applied Mathematics, 2014:1-9
2
Asghari-Pari A (2002) Evaluation of the appropriate conditions occurrence debris flow in the country. M.Sc. Dissertation. Civil Engineering-hydraulic structures. University of Science and Technology, Iran, Tehran (In Persian)
3
Ayalew L, Yamagishi H (2005) The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan, Geomorphology 65:15–31
4
Banihabib M E (1999) Hydraulic roughness of flow with high concentrations of sediment, 2nd Conference Hydraulic Tehran, Iran 1-8 (In Persian)
5
Banihabib M E (2002) Sediment Transport of Mud Flow. 1st Iranian Hydraulic Conference, Iranian Hydraulic Association, Tehran, Iran 1-8 (In Persian)
6
Banihabib M E, Bahram E (2009) Experimental analyses of sedimentation in the slit dam Reservoir. In World Environmental and Water Resources Congress 2009, Kansas City, Missouri, United States, 1-12
7
Banihabib M E, Elahi M (2009) Empirical Equation for abrasion of stilling basin caused by impact of sediment. In World Environmental and Water Resources Congress 2009, Kansas City, Missouri, United States, 36-48
8
Banihabib M E, Forghani A (2017) An assessment framework for the mitigation effects of check dams on debris flow. CATENA, 152:277-284
9
Bromley J, Jackson N A, Clymer O J, Giacomello A M, Jensen FV (2005) The use of Hugin to develop Bayesian networks as an aid to integrated water resource planning. Environmental Modelling and Software, 20(2):231-242
10
Chang T C (2007) Risk degree of debris flow applying neural networks. Natural hazards, 42(1):209-224
11
Chang T C, Wang Z Y, Chien Y H (2010) Hazard assessment model for debris flow prediction. Environmental Earth Sciences, 60(8):1619-1630
12
Dou J, Yamagishi H, Pourghasemi H R, Yunus A P, Song X, Xu Y, Zhu Z (2015) An integrated artificial neural network model for the landslide susceptibility assessment of Osado Island, Japan. Natural Hazards, 78(3):1749-1776
13
Ebrahimy E, Rozbahany A, Kardan Moghadam, H (2015) Analysis of uncertainty effective parameters on forecasting the groundwater level with Bayesian network approach. Shahid Beheshti Conference, Tehran. 17-18 Oct, 1-10 (In Persian)
14
Gartner J E, Cannon S H, Santi P M, Dewolfe V G (2008) Empirical models to predict the volumes of debris flows generated by recently burned basins in the western US. Geomorphology, 96(3):339-354
15
Gu T, Pung H K, Zhang D Q, Pung H K, Zhang D Q (2004) A bayesian approach for dealing with uncertain contexts, 205-210
16
Hassan-Esfahani L, Banihabib M E (2016) The impact of slit and detention dams on debris flow control using GSTARS 3.0. Environmental Earth Sciences, 75(4):1-11
17
Hesar A S, Tabatabaee H, Jalali M (2012) Monthly rainfall forecasting using Bayesian belief networks. International Research Journal of Applied and Basic Sciences, 3(11):2226-2231
18
Hirano M, Harada T, Banihabib M E, Kawahara K (1997) Estimation of hazard area due to debris flow. In Debris-Flow Hazards Mitigation: Mechanics, Prediction, and Assessment proceedings of first international conference 1997, San Francisco, 697-706
19
Hirano M, Moriyama T, Kawahara K (1995) Prediction of the occurrence of debris flow and a runoff analysis by the use of neural networks. Journal of natural disaster science, 17(2):53-63
20
Hong H, Pradhan B, Xu C, Bui D T (2015) Spatial prediction of landslide hazard at the Yihuang area (China) using two-class kernel logistic regression, alternating decision tree and support vector machines. Catena, 133:266-281
21
Jomelli V, Pavlova I, Eckert N, Grancher D, Brunstein D (2015) A new hierarchical Bayesian approach to analyse environmental and climatic influences on debris flow occurrence. Geomorphology, 250:407-421
22
Liang W J, Zhuang D F, Jiang D, Pan J J, Ren H Y (2012) Assessment of debris flow hazards using a Bayesian Network. Geomorphology, 171:94-100
23
Lin J W, Chen C W, Peng C Y, (2012) Potential hazard analysis and risk assessment of debris flow by fuzzy modeling. Natural Hazards, 64(1):273-282
24
Lin M L, Jan S S (1995) A preliminary research of application of geographic information system in determining risk of debris flow. J Chinese Inst Civil Hydraulic Eng, 7(4):475-486
25
Mirzaei-Yeganeh S H, Taheri M (2008) Introduction on Bayesian Networks and an overview of the methods of learning in Bayesian networks. 2nd Joint Congress on Fuzzy and Intelligent Systems, 7-9 Oct, College of Mathematical Sciences, University of Technology Isfahan, 28-30 (In Persian)
26
Pearl J (1988) Probabilistic reasoning in intelligent systems: networks of plausible inference. California, Morgan Kaufmann, 57P
27
Peng S H (2016) Hazard ratings of debris flow evacuation sites in hillside communities of Ershui township, Changhua county, Taiwan. Water, 8(2):54
28
Senoo K, Godai H, Hara Y, Shiojima Y (1985) Rainfall indexes for debris flow warning evacuating program. Shin-Sabo, 38(2):16-21
29
Tan B, Duan A (1995) Study on prediction for rainstorm debris flow along mountain district rail ways. Journal of Natural Disasters, 4(2):43-52
30
Tang C, Zhu J, Chang M, Ding, J, Qi X (2012) An empirical–statistical model for predicting debris-flow runout zones in the Wenchuan earthquake area. Quaternary International, 250:63-73
31
Tsangaratos P, Ilia I (2016) Landslide susceptibility mapping using a modified decision tree classifier in the Xanthi Perfection, Greece. Landslides, 13(2):305-320
32
Uusitalo L (2007) Advantages and challenges of Bayesian networks in environmental modelling. Ecological modelling, 203(3):312-318
33
Wan S, Lei T C (2009) A knowledge-based decision support system to analyze the debris-flow problems at Chen-Yu-Lan River, Taiwan. Knowledge-Based Systems 22:580–588
34
Yu W, Xu W, Zhang G (2012) Using logistic regression and GIS to analyze the relationship between precipitation and debris flow in Sichuan, China. Procedia Environmental Sciences, 12:598-603
35
Zhang H, Liu X, Cai E, Huang G, Ding C (2013) Integration of dynamic rainfall data with environmental factors to forecast debris flow using an improved GMDH model. Computers and Geosciences, 56:23-31
36
Zhuang J, Cui P, Wang G, Chen X, Iqbal J, Guo X (2015) Rainfall thresholds for the occurrence of debris flows in the Jiangjia Gully, Yunnan Province, China. Engineering Geology, 195:335-346
37
ORIGINAL_ARTICLE
توسعه منحنی فرمان انعطافپذیر با رویکرد فازی در بهرهبرداری از مخزن
هدف از انجام این پژوهش، ایجاد خاصیت انعطافپذیری در مدل آبدهی (Yield Model) به منظور وارد کردن عدم قطعیت هیدرولوژیکی و در نتیجه بهبود عملکرد سیستم میباشد. بدین منظور با ایجاد سریهای زمانی مصنوعی و استفاده از مفهوم تابع عضویت فازی، یک باند منحنی فرمان در مدل آبدهی فازی حاصل شده است. برای ارزیابی منحنی فرمان توسعه یافته، سریهای زمانی دیگری تولید شدند و با شبیهسازی سیستم مخزن برای تأمین نیازهای پاییندست بر مبنای مدلهای آبدهی کلاسیک و فازی نتایج به دست آمده مقایسه گردیدهاند. برای ارزیابی نتایج مدلها از معیارهای ارزیابی کارایی سیستم استفاده شده است. نتایج استفاده از مدل ارائه شده برای سیستم تک مخزنی سد کرج در پنجاه شبیهسازی نشان میدهد که در مدل آبدهی کلاسیک و فازی اعتمادپذیری نیاز با اولویت نخست با یکدیگر برابر و به طور متوسط به میزان98 درصد است. بعلاوه برای نیاز با اولویت دوم، این معیار در مدل کلاسیک دارای متوسط 82 درصد بوده و در مدل فازی 55 درصد میگردد. برای نیاز با اولویت سوم، متوسط اعتمادپذیری مدل کلاسیک 48 درصد بوده و در مدل فازی 31 درصد میباشد. تغییرات برگشتپذیری نیز کمابیش مانند اعتمادپذیری است. آسیبپذیری برای نیاز با اولویت نخست، در مدل کلاسیک دارای متوسط 28 درصد و در مدل فازی 22 درصد. بعلاوه برای نیاز با اولویت دوم، مدل کلاسیک دارای متوسط 98 درصد و مدل فازی به میزان 45 درصد میباشد. برای نیاز با اولویت سوم، این معیار در مدل کلاسیک برای همه دورههای شبیهسازی برابر 100 درصد بوده ولی در مدل فازی 82 درصد میباشد.
https://www.iwrr.ir/article_47228_b8202bf472fa455c2da302de9468c287.pdf
2017-12-22
132
143
مدل آبدهی
منحنی فرمان
رویکرد فازی
بهینهسازی
سارا
حق بین
haghbin.s@gmail.com
1
کارشناسارشد /مهندسی عمران- آب، دانشکده مهندسی عمران آب و محیطزیست- دانشگاه شهید بهشتی
AUTHOR
سعید
علیمحمدی
saeed.alimohammadi@gmail.com
2
دانشیار /دانشکده مهندسی عمران، آب و محیطزیست- دانشگاه شهید بهشتی
LEAD_AUTHOR
Ahmadianfar I, Adib A, Taghian M (2016) Determination of optimization hedging rule using fuzzy set theory for multi-reservoir operation. International Journal Of of Optimization In in Civil Engineering 6(1):27-42
1
Alimohammadi S (1997) Stochastic models for operation of multiobjective reservoirs. In: iranian hydraulic conference, May, K. N. Toosi University of Technology, Tehran (in Persian)
2
Adib A, MohammadiMajd A (2009) Optimization of reservoir volume by yield model and simulation of it by dynamic programming and markov chain method. American-Eurasian Journal of Agricultural & Environmental Sciences 5(6):796-803
3
Dahe PD, Serivastava DK (2002) Multireservoir multiyeild model with allowable deficit in annual yield. Journal of Water Resources Planning and Management 128(6):406-4014
4
Dandy GC, Connarty MC, Loucks DP (1997) Compersion of methods for yield assessment of multiple reservoir systems. Journal of Water Resources Planning and Management 123(6):350–358
5
Hashimoto T, Loucks DP, Stedinger JR (1982) Robustness of water resources systems. Journal of Water Resources Research 18(1):21-26
6
Mousavi J, Karamouz M, Menhadj M, (2004) Fuzzy-state stochastic dynamic programing for reservoir operation. Journal of Water Resources Planning and Management 130(6):460-470
7
Loucks DP, Stedinger JR, Haith DA (1981) Water resource systems planning and analysis. Prentice-Hall Inc., Englewood Cliffs, NJ, 559 P
8
Loucks DP, vanBeek E (2005) Water resources systems planning and management and applications. UNESCO, Paris, France, 680 P
9
Loucks DP (1976a) Stochastic models for reservoir design,; in stochastic. approach Approach to Water Resources., H. W. Shen, Fort Collins, Colo, .440p
10
Loucks DP (1976b) Surface water quantity management,; in system. aApproach to Water Management, McGraw-Hill, New York, 445p
11
Revelle C (1969) The linear decision rule in reservoir management and design, development of the stochastic model. Journal of Water Resources Research, 5(4):767-777
12
Pattewar D, Sharma K, Dahe, P (2013) Yield estimation for a single purpose multi-reservoir system using LP based yield model. Journal of Water Resource and Protection, 5(7):28-34
13
Salas JD, Delleur JW, Yevjevich V, Lane WL (1980) Applied modeling of hydrologic time series. Littleton, Colorado, 484 p
14
Sinha AK, Rao BV, Laii U (1999) Yield model for screening multipurpose reservoir systems. Journal of ASCE (WRPM), 125(6):325-332
15
Srivastava DK, Awchi TA (2009) Storage-yield evaluation and operation of mula reservoir india. Journal of Water Resources Planning and Management, 135(6):414–425
16
Stedinger JR , Slue BF, and Pei D (1983) Multiple reservoir system screeninig model. Journal of Water Resoures Research, 19(6):1383-1393
17
ORIGINAL_ARTICLE
بهینه سازی چندهدفه عمق نصب زهکش بر مبنای تقسیم عادلانه منافع آثار کوتاه مدت در مقابل آثار بلند مدت زیست محیطی
احداث سیستم زهکشی بهمنظور اصلاح خاکهای شور و حفاظت از اراضی در مقابل شوری مجدد در خاکهای جنوب خوزستان ضروری است. شبکههای زهکشی موجب کنترل شوری و احیای اراضی میشوند. اما اثرات ناخواسته زیستمحیطی که به همراه دارند، در سالهای اخیر تبدیل به چالشی بزرگ در مناطق دارای شبکههای زهکشی شده است. اثرات زیست محیطی بهره برداری را می توان به دو بخش اثرات کوتاه مدت ناشی از آبشویی اولیه و اثرات دراز مدت تقسیم نمود. بر اساس پروفیل توزیع شوری در خاک، اهداف کوتاه مدت و دراز مدت زیست محیطی در تعارض با یکدیگر می باشند به گونه ای که کاهش نمک تخلیه شده به محیطزیست در اثر آبشویی اولیه باعث باقی ماندن نمک و افزایش نمک تخلیه شده به محیط زیست در دوران بهره برداری خواهد شد، در این تحقیق تقابل آثار کوتاهمدت و بلندمدت زیستمحیطی به منظور تعیین پارامترهای بهینه طراحی زهکش مورد توجه قرار گرفته است. به این منظور از مدل بهینه سازی چند هدفه بازپخت فلزات و همچنین از مدلهای تقسیم عادلانه منافع برای انتخاب نقطه بهینه نهایی از میان نقاط بهینه خروجی مدل بهینه سازی چند هدفه استفاده شده است. به منظور ارزیابی توانایی مدل ارائه شده، اطلاعات شرکت کشت و صنعت سلمان فارسی به عنوان مطالعه موردی استفاده شد. نتایج مدل بهینه سازی نشان می دهد عمق بهینه نصب از 1/1 تا 7/2 متر متغیر است، در حالی که محدوده تغییرات عمق بهینه نصب در صورت استفاده از مدلهای تقسیم عادلانه منافع به بازه 45/1 تا 2 متر کاهش می یابد
https://www.iwrr.ir/article_48027_20620a3d7465432b21aaa01026b72e14.pdf
2017-12-22
144
153
AMOSA
بهینه سازی چند هدفه بازپخت فلزات
کنترل شوری
تعارض منافع
روش نش
فائزه
حاجی رجبی
faeze_hajirajabi@yahoo.com
1
دانشآموخته کارشناسی ارشد/ گروه مهندسی علوم و مهندسی آب، دانشکده فنی مهندسی، دانشگاه بینالمللی امام خمینی (ره)، قزوین، ایران
AUTHOR
حامد
مازندرانی زاده
mazandaranizadeh@eng.ikiu.ac.ir
2
استادیار /گروه علوم و مهندسی آب، دانشکده فنی مهندسی، دانشگاه بینالمللی امام خمینی (ره)، قزوین، ایران
LEAD_AUTHOR
Adimi M (2006) A brief outlook on the current situation, challenges and approaches of drainage in Iran. 4th workshop on Drainage and Environmental Engineering (In Persian)
1
Bandyopadhyay S, Saha S, Maulik U and Deb K (2008) A simulated annealing-based multi-objective optimization algorithm: AMOSA. IEEE Transactions on Evolutionary Computation 12(3):269-283
2
Banihabib ME, Mohammad Rezapour Tabari M, Mohammad Rezapour Tabari M (2017) Development of integrated multi-objective strategy for reallocation of agricultural water. Journal of Iran-Water Resources Research 13(1):38-52 (In Persian)
3
Corwin DL, Rhoades JD and Simunek J (2007) Leaching requirement for soil salinity control: Steady-state versus transient models. Agricultural Water Management 90(3):165-180
4
Gaarde V S, Bernstein J, Rhoades L and Rawlins S L (1974) Irrigation management of salt control. Journal of Irrigation and Drainage Division 100:321-338
5
Hanson B R, Grattan S R and Fulton A (2006) Agricultural salinity and drainage. California University Davis, California, 164p
6
Harsanyi J and Selten R (1972) A generalized Nash solution for two-person bargaining games with incomplete information. Management Science 18(5):80-106
7
Kalai E and Smorodinsky M (1975) Other solutions to Nash's bargaining problem. Econometrica 43:513-518
8
Konukcu F, Gowing G W and Rose D A (2005) Dry drainage: A sustainable solution to water logging and salinity problems in irrigation areas. Agricultural Water Management 83(1):1-12
9
Mazandaranizadeh H (2016) Drainage system design by NSGA-II multi objective algorithm using economic and environmental approach. Journal of Iran-Water Resources Research 12(3):142-152 (In Persian)
10
Mokhtaran R, Naseri A, Kashkuli H A and Boroomandnasab S (2013) Effect of drainage depth and impermeable layer on the flow rate and drainage water salinity in the irrigated soils of south Khuzestan. Journal of Soil and Water Conservation 3(1):61-73 (In Persian)
11
Nash J (1953) Two-Person Cooperative Games. Econometrica 21(1):128-140
12
Nijland H J, Croon F W and Ritzema H P (2005) Subsurface drainage practices: Guidelines for the implementation, operation and maintenance of subsurface pipe drainage systems. Alterra, Wageningen, The Netherlands, 607p
13
Nazari B, Liaghat A, Parsinejad M and Naseri A (2008) Optimization of drainage depth based on the economical and environmental aspects. 5th workshop on Drainage and Environmental Engineering (In Persian)
14
Rajabzadeh F, Pazira E and Mahdian M H (2011) Studies on appropriate and an empirical model for salt leaching of Saline-Sodic soils of central part of Khuzestan province. Journal of Water and Soil Conservation 18(3):61-84 (In Persian)
15
Rouhparvar M, Mazandaranizadeh H and Nasirzadeh F (2014) Quantitative risk allocation in construction projects: a fuzzy-bargaining game approach. International Journal of Industrial Engineering & Production Research 25(2):83-94
16
Sotoodehnia A, Razi F and Daneshkar Arasteh P (2014) Using SEEP/W numerical model to simulate drain installation depth effects on drain water salinity improvement. Iranian Journal of lrrigation and Drainage 8(1):187-196 (In Persian)
17
ORIGINAL_ARTICLE
اثرات اضافه برداشت و خشکسالی های اخیر بر کیفیت و کمیت آبخوان دشت ساوه
هدف از این پژوهش بررسی خشکسالی و تغییرات کمی و کیفی آب زیرزمینی دشت ساوه است. از بین آمار بارش ماهانه ایستگاه های موجود دشت ساوه 7 ایستگاه انتخاب شدند. خشکسالی ها در این پژوهش در مقیاس های 3، 6، 9، 12 ماهه برای شاخص های CZI، ZSI،MCZI ،SPI به کمک نرم افزار DIP بررسی شد. مقدار افت سطح آب زیرزمینی در آبخوان دشت ساوه طی حدود 22 سال (92-1370) حدودا برابر 31/86 متر بوده است. آمار چاه ها طی 2 دوره 10 ساله (1380-1370 و 1390-1380) بررسی شد. با دو دوره آماری 5 ساله می توان نتیجه گرفت که در سال های 75-70 نمودار دارای رگرسیون بالایی است و روند افت در 5 سال اول خیلی کند اما در 5 سال دوم شیب تند شده است و در دهه 80 تا 90 با همان شیب یا کمی تندتر ادامه می یابد که به دلیل حفر چاه های غیرمجاز و برداشت بی رویه است. در بررسی کیفی آب زیرزمینی با استفاده از نرم افزار AqQa، دیاگرام پایپر نشان دهنده رخساره کلسیکی بوده و نمودار دیورف بیانگر افزایش ناگهانی میزان کل مواد جامد محلول و نزدیک به تیپ بی کربناته است که می تواند به دلیل تشکیلات سازند مربوطه و یا نشت از آبخوان نیمه محصور محتمل زیرین یا اختلاط با منبع دیگری باشد که مستلزم بررسی های بیشتری است.
https://www.iwrr.ir/article_44112_33380d05f0a7ad35684e619f007571de.pdf
2017-12-22
154
160
افت آب زیرزمینی
برداشت بی رویه
کیفیت آب زیرزمینی
خشکسالی
زهرا
پاک
zahrap_88@yahoo.com
1
دانش آموخته کارشناسی ارشد /آبیاری و زهکشی، دانشگاه اراک
LEAD_AUTHOR
سید اسد الله
محسنی موحد
movahed244@yahoo.com
2
استادیار/ گروه مهندسی آب، دانشگاه اراک
AUTHOR
Banivahab A (2004) Evaluation of drought, wet, predicts climate change Birjand area using a statistical simulation. Geographical Research, 45:141-157 (In Persian)
1
Hayes MJ, Decker WL (1998)Using satellite and real-time weather data to predict maize production. International Journal of Biometeorology, 42(1):10-15
2
Hayes M J, Svoboda M D, Wilhite D A, Vanyarkho O V (1999)Monitoring the 1996 drought using the standardized precipitation index. Bulletin of American Meteorological Society 80:429-438
3
Heydarian Z, Hafezi Moghadas N, Nedaee gilarlo S, Ebrahimi F (2011) Al ghadir dam effection on the quantity of groundwater resources plain of Saveh. Seventh Conference of Engineering Geology and Environment, ShahroodUniversity of Technology, 6 p (In Persian)
4
Karimi V A, HabibineJad Rashan M, Abkari A A (2011) To determinate meteorological drought indices in synoptic stations of Mazandaran. Quarterly Journal of Irrigation and Water Engineering, 5:15-25 (In Persian)
5
Kendall M G, Stuart A (1977) The advanced theory of statistics. Charles Griffin & Company: London, High Wycombe, 400-401
6
Khadem I M, Kaluarachchi J J (2006) Water quality modeling under hydrologic variability and parameter uncertainty using erosion-scaled export coefficients. Journal of Hydrology, 330:354-367
7
McKee T B, Doesken N J, Kleist J (1993) The relationship of drought frequency and duration to time scales. 8th conference on applied climatology, 17– 22 January, AnaheimCA
8
Mohammadi ghalenay M, Ebrahimi K, AraghinaJad Sh (2011)Qualitative and quantitative assessment of groundwater resources (Case study: aquifers of Saveh & Arak). Journal of Soil and Water, 21(2):93-108 (In Persian)
9
Singhal B B S, Gupta R P (1999) Applied hydrogeology of fractured rocks. Kluwer Academic Publisher, 400 p
10
Tabatabae M, Mohammadi A (2012) To determinate changes and effects water table on drawdown groundwater salinity (Case Study: plain Jiroft). Eleventh Seminar water and reduce evaporation, 1-6 (In Persian)
11
ORIGINAL_ARTICLE
بررسی غلظت نیترات و نیتریت در آب زیرزمینی مناطق شهری و کشاورزی در دشت اسدآباد
بررسی پارامترهای کیفی آبهای زیرزمینی در شناخت وضعیت کیفی آبخوان، منابع آلودهکننده و تعیین مناسبترین راهکارهای مدیریتی از اهمیت ویژهای برخوردار است. با توجه به نقش فاضلاب و فعالیتهای کشاورزی در آلودگی منابع آب زیرزمینی و از جمله ترکیبات نیترات و نیتریت از 22 نقطه از دشت اسدآباد در نواحی شهری، اراضی کشاورزی نزدیک به مناطق مسکونی و همچنین نواحی با تراکم فعالیتهای کشاورزی بالا، نمونهبرداری و آنالیز نمونهها طبق آخرین رهنمودها در کتاب استاندارد متد صورت گرفت. نتایج حاصل حاکی از آن است که میانگین غلظت نیترات و نیتریت در منطقه به ترتیب، 94/6±78/19 و 02/0±035/0 میلیگرم در لیتر می باشد که با در نظر گرفتن 33 و 097/0 میلیگرم در لیتر به ترتیب برای نیترات و نیتریت بهعنوان بیشترین مقدار غلظت، میتوان اعلام کرد که میزان آلایندگی کمتر از حد استاندارد بوده و این در حالی است که میزان نیترات در نواحی شهری و اطراف مناطق مسکونی به میزان 41/5±53/24 میلیگرم در لیتر میرسد که نشان از تأثیر فاضلاب شهری رها شده در این مناطق است. نقشه پهنهبندی تهیه شده از دو آنیون و تلفیق آنها و تشکیل یک لایه مشترک، به خوبی روند افزایش میزان غلظت دو آنیون را در منطقه در نواحی شهری و تراکم فعالیتهای کشاورزی مشخص کرد. از این رو با توجه به شرایط منطقه، لزوم اهتمام به موضوع افزایش آلودگی و اجرای طرحهای مدیریتی در راستای کنترل آلودگی در منابع آب زیرزمینی دشت، بیش از پیش احساس میشود.
https://www.iwrr.ir/article_44111_e72ca37edb63698e18b5af687ae56bde.pdf
2017-12-22
161
167
کیفیت آب زیرزمینی
فاضلاب
نیترات
نیتریت
عیسی
سلگی
e.solgi@yahoo.com
1
استادیار/ گروه محیطزیست، دانشکده منابعطبیعی و محیطزیست، دانشگاه ملایر، همدان، ایران
LEAD_AUTHOR
بلال
اروجی
balaloroji@yahoo.com
2
دانشجوی دکتری /محیطزیست، گروه محیطزیست، دانشکده منابعطبیعی و محیطزیست، دانشگاه ملایر، همدان، ایران
AUTHOR
Akhavan S, Abedi-Koupai J, Mousavi SF, Afyuni M, Eslamian SS, Abbaspour KC (2010) Application of SWAT model to investigate nitrate leaching in Hamadan–Bahar Watershed, Iran. Agriculture, Ecosystems & Environment. 139(4):675-88
1
Amarloei A, Nazeri M, Sayeh Miri K, Nourmoradi H, khodarahmi F (2014) Investigation on the Concentration of Nitrate and Nitrite in Ilam ground waters. Journal of Ilam University of Medical Sciences, 22(4):34-41
2
American Public Health Association (1995) Standard methods for the examination of water & wastewater. 19th ed. Washington, DC: American Public Health Association
3
Astan S, Lorestani B, Rnjbar Zaraby A (2011) Evaluation and measurement of nitrate in drinking water and groundwater - case study Kabudarahang city of Hamedan. Proceedings of the 1st Regional Water Resources Development Conference; 19; Abarkuh, Iran (In Persian)
4
Cheraghi M, Astani S (2012) Evaluation and measurement of nitrate concentration in drinking water and groundwater (case study in Nahavand, city of Hamadan province. Proceedings of the 2nd Conference on Environmental Planning and Management; Tehran, Iran (In Persian)
5
Gheisari MM, Hodaji M, Najafi P, Abdolahi A (2006) Nitrate pollution of groundwater in the area of South East in Isfahan Province in Iran. Journal of Environment Studies, 42:43-50
6
Hamedan Regional Water Co. (2012) Groundwater report of Asadabad Aquifer, Hamedan, p.74 (In Persian)
7
Imani Jaihonabadi AR, Lotfollahi M, Nezami MT, Tavasoli A (2009) Study of finding the source nitrate contamination in groundwater in the region (City) Shahriar. Second Conference of Professional environmental engineering, Tehran, Iran (In Persian)
8
Jahed Khaniki GH, Dehghani MH, Mahvi AH, Rafati L, Tavanafar F (2008) Concentrations of nitrate and nitrite in groundwater resources of Hamadan province, Iran. Research Journal of Chemistry and Environment. 12(4):56-58
9
Jalali M (2011) Nitrate pollution of groundwater in Toyserkan, western Iran. Environmental Earth Sciences. 62(5):907–13
10
Khazaei A, Habib Nejad Roshan M (2001) The presence of nitrogen compounds in groundwater of Zahedan aquifers, an arid region in Southeastern Iran. Journal of Deserst, 6(2):141-50 (In Persian)
11
Latif M, Mousavi S, Afyuni M, Velayati S (2005) Investigating and finding the source of nitrate contamination of groundwater in Mashhad plain. Journal of Agricultural Sciences and Natural Resource, 12(2):21-32 (In Persian)
12
Majumder RK, Hasnat MA, Hossain S, Ikeuec K, Machida M (2008) An exploration of nitrate concentrations in groundwater aquifers of central-west region of Bangladesh. Journal of Hazardous Materials, 159:536–543
13
Miranzadeh MB, Mostafaii GR, Jalali Kashani A (2006) Study of the nitrate concentration of water wells and distribution network in Kashan during 2004-2005. Feyz, 10(2):39-45 (In Persian)
14
Moghaddasi MS, Alavimoghadam MR, Maknoon R, Moghaddasi AR (2007) Study to nitrate contamination of groundwater in various Iranian cities. 1st Conference on Environment Engineering, Tehran University, Faculty of Environment (In Persian)
15
Nas B, Berktay A (2006) Groundwater contamination by nitrates in the city of Konya, (Turkey): A GIS perspective. Journal of Environmental Management, 79:30–37
16
Ostovari Y, Beigi Harchegani H, Davoodian AR (2011) Spatial variation of nitrate in the Lordegan aquifer. Water and Irrigation Management, 2(1):55-67
17
Pawar NJ, Shaikh IJ (1995) Nitrate pollution of groundwater from shallow basaltic aquifers, Deccan Trap Hydrologic Province, India. Environmental Geology, 25:197-204
18
Raghimi M, Ramezani M, Sayed K (2009) Source of nitrate contamination in groundwater in Gorgan in 1384. Journal of Gorgan University of Medical Sciences, 10(4):34-39 (In Persian)
19
Standard and Industrial Researches Organization (2012) Drinking Water Quality Standards, Iran [Online]. 1998; Available from: URL: www.isiri.com
20
Sunitha V (2013) Nitrates in groundwater: health hazards and remedial measures. Indian Journal of Advances in Chemical Science, 1(3):164-170
21
Trivedi HB, Vediya SD (2012) Assessment of nitrate contamination of the groundwater samples in Bhiloda Taluka of Sabarkantha district, Gujarat. International Journal of Pharmacy & Life Sciences, 3(11)
22
Wick K, Heumesser C, Schmid E (2010) Nitrate contamination of groundwater in Austria: Determinants and indicators. DP-49, Department für Wirtschafts- und Sozialwissenschaften. 19th 28 p
23
World Health Organization (2010) Guidelines for dri-nking-water quality. Journal of Hydrology, 45:936-47
24
ORIGINAL_ARTICLE
برآورد سری زمانی آبدهی ایستا جهت برنامهریزی منابع آب در سطح حوضه آبریز (مطالعه موردی: حوضه آبریز کرخه)
وقوع خشکسالیهای اخیر در کنار توسعه ناپایدار و کنترل نشده به ویژه افت شدید آبخوانها باعث شده تا ورودی به سدها کاهش چشمگیر داشته و بسیاری از سدهای ساخته شده در کشور ایران عملکرد برنامهریزی شده در زمان مطالعات را نداشته باشند. یکی از سدهای بسیار مهم که دچار افت شدید ورودی شده، سد کرخه می باشد. حوضه آبریز کرخه یکی از مهمترین حوضههای آبریز ایران است که سدهای متعددی در حال مطالعه و در دست ساخت در آن وجود دارند. از اینرو، برنامهریزی صحیح و دقیق با توجه به برداشتهای صورت گرفته طی سالهای اخیر و افت سطح آب زیرزمینی، ضروری بوده که مدنظر این مطالعات می باشد. برای تعیین سیمای توسعه منابع آب حوضه آبریز کرخه، این حوضه در محیط MODSIM تحت سناریوهای مختلف شبیهسازی شده و نتایج حاصل از آن مورد تجزیه و تحلیل قرار گرفت. در حالتیکه ورودی مدل رواناب طبیعی باشد، نیازهای کلیه سدها به جز تعداد محدودی در سطح بالایی تأمین میشود. در شرایطی که ورودی مدل رواناب واقعی باشد در هیچ یک از سدهای مورد بررسی، نیازها تأمین نمیشود. در این حالت در راستای کاهش نیاز کشاورزی، کشت دوم در کلیه سدها حذف و افزایش نسبی در تأمین نیاز کشاورزی مشاهده گردید.
https://www.iwrr.ir/article_45110_9ad24ed579789c331980c50eac2cc071.pdf
2017-12-22
168
173
حوضه آبریز کرخه
طبیعیسازی جریان
شبکه عصبی مصنوعی
K- نزدیکترین همسایگی
MODSIM
فرزانه
شاهرضا
farzaneh.shahreza1362@gmail.com
1
دانش آموخته کارشناسی ارشد/ دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران
AUTHOR
علی
مریدی
moridi1978@gmail.com
2
استادیار/ دانشکده مهندسی عمران، آب و محیط زیست، پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی، تهران
LEAD_AUTHOR
سید سعید
موسوی ندوشنی
mousavi1954@gmail.com
3
استادیار/ دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران
AUTHOR
Li Z, Liu W Z, Zhang X C, Zheng FL (2009) Impacts of land use change and climate variability on hydrology in an agricultural catchment on the Loess Plateau of China. Journal of Hydrology, 377:35-42
1
Mehdi Nasab M, Negaresh H, Tavousi T (2015) Modeling of rainfall-runoff Kashkan River Catchment based on statistical models. Journal of Geography Environmental Planning, 26(2):67-84
2
Tavakol H, Zahraie B (2010) Separating the effects of human activities on the various components of the hydrologic cycle. The 1st Iranian National Conference on Applied Research in Water Resources, 11-13 May, Kermanshah, Iran
3
Li W, Poupart P, Beek P V (2011) Exploiting structure in weighted model counting approaches to probabilistic inference. Journal of Artificial Intelligence Research, 40:729-765
4
Fan Y, Chen Y, Li W, Wang H, Li X (2011) Impact of temperature and precipitation on runoff in the Tarim River during the past 50 years. Journal of Arid Land, 3(3):220-230
5
Zhang L, Podlasly C, Feger K H, Wang Y, Schwarzel K (2015) Different land management measures and climate change impacts on the runoff–a simple empirical method derived in a Mesoscale Catchment on the Loess Plateau. Journal of Arid Environments, 120:42-50
6
ORIGINAL_ARTICLE
ارزیابی کارایی روشهای مرسوم و رایانه ای در بازسازی سری زمانی دبی ماهانه ایستگاه های هیدرومتری
عدم وجود آمار و اطلاعات کامل، نمیتواند مجوزی برای عدم مطالعه شرایط هیدرولوژیکی یک منطقه و پیشبینیهای درازمدت برای انجام یک پروژه آبی باشد. بنابراین پژوهشگران مختلف روشهایی از قبیل آنالیز نسبتها، فرگمنت و توماس فیرینگ را برای بازسازی دادههای ناقص دبی در ایستگاههای هیدرومتری به کار بردهاند. لذا در این پژوهش دقت روشهای مذکور با روشهای رایانهای از قبیل شبکه عصبی مصنوعی، هیبرید عصبی - موجکی و ماشین بردار پشتیبان مورد مقایسه و بررسی قرار گرفته است. نتایج نشان داد که روشهای رایانهای نسبت به سه روش دیگر از دقت بالاتری برخوردار هستند. مقایسه نتایج روشهای رایانهای نشان داد شبکه عصبی مصنوعی (98/0R^2=، 18/6 RMSE= و 476/0 SE= )، ماشین بردار پشتیبان (902/0R^2=، 074/6 RMSE= و486/0 SE=) و هیبرید عصبی- موجکی (889/0 R^2=، 96/6 RMSE= و54/0 SE=) به ترتیب در رتبههای اول تا سوم قرار دارند. اگرچه سه روش شبکه عصبی مصنوعی، ماشین بردار پشتیبان و هیبرید عصبی – موجکی تفاوت معنا داری در مقایسه با یکدیگر ندارند اما روش ماشین بردار پشتیبان با سهولت بیشتر و در زمان کمتری قادر به بازسازی بوده و از این جهت نسبت به سایر روشها ارجحیت دارد.
https://www.iwrr.ir/article_45174_2d9ffdf0d826447d2c3209c326e38722.pdf
2017-12-22
174
178
: بازسازی
داده گمشده
دبی ماهانه
ماشین بردار پشتیبان
هیبرید عصبی موجکی
حامد
نوذری
hamnozari@yahoo.com
1
استادیار /گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان
LEAD_AUTHOR
فاطمه
توکلی
fatemetavakoli27@yahoo.com
2
دانشجوی کارشناسی ارشد /مهندسی منابع آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان
AUTHOR
Abdollah Pour Azad M, Sattari M T (2015) Forecasting daily river flow of ahar chay river using artificial neural networks (ANN) and comparison with adaptive neuro fuzzy inference system (ANFIS). Journal of Water and Soil Conservation 22(1):287-298 (In Persian)
1
Ahmadi F, Radmanesh F, Mirabbasi Najaf Abadi R (2015) Comparison between genetic programming and support vector machine methods for daily River flow forecasting. Journal of Water and Soil 28(6):1162-1171 (In Persian)
2
Coulibaly P, Evora N D (2007) Comparison of neural network methods for infilling missing daily weather records .Journal of Hydrology 341:27–41
3
Ghafari GH, Vafakhah M (2013) Simulation of rainfall-runoff process using artificial neural network and adaptive neuro fuzzy interface system. Journal of Watershed Management Research 4(8):120-136 (In Persian)
4
Jalilian H , Rostamizad GH , Arekhi S (2012) Applicability of various reconstruction methods of hydrometric data (case study: sefidroud basin). Journal of Range and Watershed Management 65(3):329-340 (In Persian)
5
Matinzadeh M M , Fattahi R, Shahyan Nejad M, Abdollahi KH (2011) Reconstruction of annual maximum 24-h rainfall data using fuzzy regression in ch&b province. Journal of Iran Water Research 5(8):186-179 (In Persian)
6
Montaseri M, Heydari J (2016) A comparison among the performance of the stochastic models in generating the monthly streamflow and rainfall data. Iran-Water Resources Research 11(3):69-84 (In Persian)
7
Naghadi R, Shayan Nejad M, Sadati Nejad S J (2010) Comparison of different methods for estimating of monthly discharge missing data in grand karoon river basin. Journal of Watershed Management Research 1(1):59-73 (In Persian)
8
Nozari H, Kadkhodahoseini M (2014) Neural network and test performance ratios and differences in data reconstruction of the stations. In: 5th National Conference on Water Resources Management
9
Pourreza Bilondi M, Khashei Siuki A, Sadeghi Tabas S (2015) Daily rainfall-runoff modeling with least square support vector machine(ls-svm). Journal of Water and Soil Conservation 21(6):293-304 (In Persian)
10
Roushangar K, Zarghmi M, Tarlani Azar M (2015) Forecasting daily urban water consumption using conjunctive evolutionary algorithm and wavelet transform analysis. Journal of Water and Wastewater 26(4):110-120 (In Persian)
11
Sadati Nejad S J, Naghadi R, Shayan Nejad M (2011) Application of fuzzy linear regression for predicting annual discharge missing data in hydrometric station compared with other conventional method. Journal of Water and Soil Conservation 17(4):67-86 (In Persian)
12
Sattari M T, Joudi A R, Nahrein F (2014) Monthly rainfall prediction using artificial neural networks and M5 model tree (case study: station of ahar). Physical Geography Research Quarterly 46(2):247-260 (In Persian)
13
Silva AT, Portela M M (2012) Disaggregation modeling of monthly stream flows using a new approach of the method of fragments. Hydrological Sciences Journal 57(5):942-955
14
Tfwala S, Min Wang Y, Chieh Lin Y (2013) Prediction of missing flow records using multilayer perceptron and coactive neurofuzzy inference system. Scientific World Journal 2013:1-7
15
ORIGINAL_ARTICLE
پیش بینی بارش ماهانه با مدل درختی M5 و مقایسه آن با روشهای کلاسیک آماری )مطالعه موردی : ایستگاه سینوپتیک ارومیه(
در این تحقیق جهت تخمین دادههای بارش ماهانه ایستگاه ارومیه که از سال 2006 تا 2007 مفقود فرض شده است از روشهای آماری کلاسیک و مدل درختی M5 با استفاده از نرمافزارWeka و به کارگیری ایستگاههای مهاباد، خوی، سلماس، تکاب و ماکو استفاده شده است. در بین ایستگاههای مورد مطالعه، ایستگاه مهاباد با (r=0.90) بیشترین همبستگی را با ایستگاه ارومیه داشت. 26 سناریو از آمار ده ساله ایستگاههای مجاور در تخمین بارش ماهانه ایستگاه شاهد (ارومیه) به نرمافزار Weka معرفی شده است که از بین سناریوها، سناریویی که شامل سه ایستگاه مهاباد، ماکو و تکاب با MAE=7.19, r=0.9, RMSE=9.64 به دلیل کم بودن پارامترهای ورودی به مدل به عنوان ساده-ترین و دقیقترین سناریو به مدل تعریف گردید. از بین روشهای کلاسیک ، روش بهترین تخمینگر منفرد (SIB) بهترین روش با بیشترین ضریب همبستگی و کمترین خطا r=0.90,RMSE=10.51,MAE=7.07انتخاب شده است. مدل درختی M5 در برآورد دادهها با r=0.91,RMSE=9.94,MAE=7.29 بهترین عملکرد را داشته است و به دلیل ارائه روابط خطی ساده و قابل فهم به عنوان روشی جایگزین و کاربردی در محاسبه دادههای بارش ماهانه مورد توجه قرار میگیرد.
https://www.iwrr.ir/article_45176_32cc2a45be1bfe5e452fd75e2f8d2fbe.pdf
2017-12-22
179
183
روش های آماری کلاسیک
مدل درختی M5
نرم افزار Weka
ضریب همبستگی
شبنم
وکیلی
vakili_c@yahoo.com
1
مدرس /دانشگاه آزاد تبریز
LEAD_AUTHOR
Berry M, Linoff G (1997) Data mining techniques:for marketing, sales, and customer support. New York John Wiley and Sons
1
Solomatine DP and Xue Y (2004) Pr M5 model trees and neural networks: application to flood forecasting in the upper reach of the Huai river in China. Journal of Hydrologic Engineering, 9(6), Doi.org/10. 1061/(ASCE)1084-0699(2004)9:6(491)
2
Ditthakit P, Chinnarasri C (2012) Estimation of pan coefficient using M5 model tree. American Journal of Environmental Sciences 8(2):95-103
3
Emamifar S, Rahimikhoob A, Noroozi A A (2013) Daily mean air temperature estimation from MODIS land surface temperature products based on M5 model tree. International Journal of Climatology Int. J. Climatol. 33:3174–3181
4
Etemad-shahidi A, Mahjoobi J (2009) Comparis on between M5 model tree and neural networks for prediction of significant wave height in lake Superior. Ocean Engineering 36:1175–1181
5
Quinlan JR (1992) Learning with continuous classes. Proceedings of Australian Joint Conference on Artificial Intelligence. World Scientific Press: Singapore, 343–348
6
Rahimikhoob A, Asadi M, Mashal M (2013) A comparison between conventional and M5 model tree methods for converting pan evaporation to reference evapotranspiration for semi-arid region. Water Resour Manage 27:4815–4826
7
Sattari M , Nahrein F, Azimi V (2013) Forecasting of daily evapotranspiration using artificial neural network model and the model tree M5 case study: Bonab station. Iranian Journal of lrrigation and Drainage 1(7):104-113 (In Persian)
8
ORIGINAL_ARTICLE
مقایسه تاثیر سیاست های احیا تحت تاثیر تغییر اقلیم به کمک پویایی سیستمها؛ مطالعه موردی زیست بوم دریاچه ارومیه
یافتن راهکارهای پایدار و مقرون بهصرفه در مدیریت منابع آب یکی از مهمترین چالشهای پیشروی جوامع بهشمار میرود. دریاچه ارومیه به عنوان یکی از بزرگترین دریاچههای فوقشور از موقعیت استراتژیکی برخوردار است و از مهمترین عوامل تاثیرگذار در منطقه میباشد. درحالیکه وضعیت دریاچه ارومیه فاجعهبار است، یافتن راهکارهای مدیریتی احیای آن به وضعیت اکولوژیکی پایدار، حیاتی میباشد. در مقاله حاضر از دیدگاه پویایی سیستمها بهمنظور بررسی تاثیر سیاستهای احیای مختلف بر دریاچه ارومیه استفاده شد. تاثیر سیاستهایی مانند افزایش بهرهوری کشاورزی، کاهش سطح زیرکشت آبی، تغییر الگوی کشت و انتقال آب از رودخانههای ارس و زاب بر دریاچه بررسی گردید. نتایج بررسی نشان داد که هیچ یک از طرحها به صورت منفرد، در احیای دریاچه ارومیه موثر نیستند. سیاست افزایش بهرهوری آبیاری، تغییر الگوی کشت و کاهش سطح زیرکشت بیشترین تاثیر را در افزایش تراز دریاچه دارد و در صورت اعمال دقیق در حدود 8 سال سبب احیای دریاچه ارومیه خواهند شد.
https://www.iwrr.ir/article_46319_eb5698dcaee342c75829a03362e48420.pdf
2017-12-22
184
189
پویایی سیستمها
تغییر اقلیم
دریاچه ارومیه
شبیهسازی
مدیریت محیط زیست
الهام
ابراهیمی سرین دیزج
elhamebrahimi_s@yahoo.com
1
دانش آموخته کارشناسی ارشد /مهندسی محیط زیست، دانشکده عمران، دانشگاه تبریز
LEAD_AUTHOR
مهدی
ضرغامی
zarghaami@gmail.com
2
استاد /دانشکده مهندسی عمران، دانشگاه تبریز
AUTHOR
AghaKouchak A, Norouzi H, Madani K, Mirchi A, Azarderakhsh M, Nazemi A, Nasrollahi N, Farahmand A, Mehran A, Hasanzadeh E (2015) Aral sea syndrome desiccates Lake Urmia: Call for action. Journal of Great Lake Research, 41:307-311
1
Alipour S (2006) Hydrogeochemistry of seasonal variation of Urmia Salt Lake, Iran. Saline Systems, 2:9
2
CIWP Conservation of Iranian Wetlands Project (2012) Drought risk management plan for lake Urmia basin, Working Group on Sustainable Management of Water Resources and Agriculture, Tarbiat Modares University (In Persian)
3
Ebrahimi Sarindizaj E (2016) Assessing sustainability of ecological restoration plans under climate change by using system dynamics; application on Urmia Lake, Iran. Master's thesis Civil Engineering Faculty of Tabriz University, Tabriz, Iran (In Persian(
4
Garrett DR, Hoy RD (1978) A study of monthly lake to pan coefficients using a numerical lake model. In: Proc. Hydrology Symposium, 5-6 September. Institution of Engineers, Canberra, A.C.T., 145-149
5
Hassanzadeh E, Zarghami M, Hassanzadeh Y (2012) Determining the main factors in declining the Urmia Lake level by using system dynamics modeling. Water Resources Management, 26:129-145
6
Iran Ministry of Energy, Water and Waste Water Macro Planning Bureau (2012) http://waterplan.moe.gov.ir /TopNav/About-Us?lang=en-US (In Persian)
7
Kohler MA (1954) Lake and pan evaporation, water loss investigations: Lake Hefner studies, U.S. Geol Surv Prof Pap, 269:127-148
8
Nimmo WHR (1964) Measurement of evaporation by pans and tanks, Aust Meteorol Mag, 46:17-53
9
Quants (2014) Analysis of the Urmia Lake water balance: Part I - the amount of evaporation. http://www.quants.ir/ (In Persian)
10
Samadzadeh Fahim R, Zarghami M, Nourani V, Hoseinlar MR (2015) The simulation of the effects of new dikes to reduce the evaporation area: case study of Urmia Lake. Water sciences and engineering conference, shahid Beheshti conference center, Tehran, Iran (In Persian)
11
Zarghami M, AmirRahmani M (2015) Toward effective water diplomacy by using system dynamics: case study. The 33rd International Conference of the system dynamics Society Cambridge, Massachusetts, USA
12
ORIGINAL_ARTICLE
پیش بینی پهنه سیلاب های با دوره بازگشت مختلف با استفاده از مدل هیدرولیکی دو بعدی LISFLOOD-FP
مدل های هیدرولیکی ابزارهای اولیه ای هستند که برای برنامه ریزی و توسعه روشهای سازهای و غیرسازهای مدیریت و کاهش سیل استفاده میشوند. هدف چنین ابزارهایی شبیهسازی خسارت طغیان سیل در یک منطقه معین بسته به چندین سناریو سیل با شدت، مدت و دوره بازگشت مختلف است. مدلهای هیدرولیکی مبتنی بر رستر اخیراً در مدلسازی تعیین پهنه سیلابی و هیدرولیک سیل مورد توجه قرار گرفتهاند. دراین مقاله مدل هیدرولیکی دوبعدی LISFLOOD-FP، به منظور پیشبینی پهنه سیلابهای با دوره بازگشت مختلف در بازهای بطول 7 کیلومتر از رودخانه چهل چای در استان گلستان بکار گرفته شد. مدل بر اساس یک واقعه سیل با استفاده از پارامترهای ضریب زبری کانال و دشتسیلابی درمقابل پهنه سیل مشاهدهای بدست آمده از تصویر ماهوارهای واسنجی شد. پارامترهای ضریب زبری بواسطه فرآیند واسنجی برآورد شدند بطوریکه شاخص تطابق(F) بین پهنه مشاهدهای و پیشبینی شده حداکثر شود. اعتبار سنجی مدل با استفاده از یک واقعه سیل مجزا انجام شد. شاخص تطابق(F) در مرحله واسنجی 71 درصد و در مرحله اعتبارسنجی 78 درصد بدست آمد. در نهایت مدل واسنجی شده برای پیشبینی سیلهای با دوره بازگشت مختلف استفاده شد.
https://www.iwrr.ir/article_46843_9c500c1dc20003e3f4bfb1049e396e09.pdf
2017-12-22
190
195
مدل هیدرولیکی دو بعدی
LISFLOOD-FP
پیشبینی پهنه سیل
محمد
اوژن
ozhanmohammad@gmail.com
1
دانشجوی دکتری /مهندسی آبخیزداری دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
LEAD_AUTHOR
عبدالرضا
بهره مند
abdolreza.bahremand@yahoo.com
2
دانشیار/ دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
AUTHOR
واحدبردی
شیخ
v.sheikh@yahoo.com
3
دانشیار /دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
AUTHOR
چوقی بایرام
کمکی
bkomaki@gmail.com
4
استادیار /دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
AUTHOR
Almeida G A, Bates P, Freer J E, Souvignet M (2012) Improving the stability of a simple formulation of the shallow water equations for 2‐D flood modeling. Water Resources Research 48(5):1-14
1
Amarnath G, Umer Y M, Alahacoon N, Inada, Y (2015) Modelling the flood-risk extent using LISFLOOD-FP in a complex watershed (case study: Mundeni Aru River Basin, Sri Lanka). In: Proc. IAHS, 370:131-138
2
Bates P, De Roo A P J (2000) A simple raster-based model for flood inundation simulation. Journal of hydrology 236(1):54-77
3
Bates P D, Horritt M S, Fewtrell T J (2010) A simple inertial formulation of the shallow water equations for efficient two-dimensional flood inundation modelling. Journal of Hydrology 387(1):33-45
4
De Roo A P, Gouweleeuw B, Thielen J, Bartholmes J, Bongioannini‐Cerlini P, Todini E, Pappenberger F (2003) Development of a European flood forecasting system. International Journal of River Basin Management 1(1):49-59
5
Di Baldassarre G, Schumann G, Bates P, Freer J E, Beven K J (2010) Flood-plain mapping: a critical discussion of deterministic and probabilistic approaches. Hydrological Sciences Journal 55(3):364-376
6
Horritt M S, Bates P (2001) Effects of spatial resolution on a raster based model of flood flow. Journal of Hydrology 253(1):239-249
7
Horritt M S, Bates P (2001) Predicting floodplain inundation: raster‐based modelling versus the finite‐element approach. Hydrological processes 15(5):825-842
8
Horritt M S, Bates P (2002) Evaluation of 1D and 2D numerical models for predicting river flood inundation. Journal of hydrology 268(1):87-99
9
Hunter N M, Bates P, Horritt M S, De Roo A P J, Werner M G (2005) Utility of different data types for calibrating flood inundation models within a GLUE framework. Hydrology and Earth System Sciences Discussions 9(4):412-430
10
Kalyanapu A J, Burian S J, McPherson T N (2010) Effect of land use-based surface roughness on hydrologic model output. Journal of Spatial Hydrology 9(2):51-71
11
Thielen J, Bartholmes J, Ramos M H, Roo A D (2009) The European flood alert system–Part 1: concept and development. Hydrology and Earth System Sciences 13(2):125-140
12
Wood M, Hostache R, Neal J, Wagener T, Giustarini L, Chini M, Bates P (2016) Calibration of channel depth and friction parameters in the LISFLOOD-FP hydraulic model using medium-resolution SAR data and identifiability techniques. Hydrology and Earth System Sciences 20(12):4983
13
ORIGINAL_ARTICLE
تعیین منشأ شوری آب در چشمه گرو و تاقدیس آسماری با استفاده از پارامترهای هیدرو شیمیایی
امروزه شور شدن آبها یکی از تهدیدهای بسیار جدی در آلودگی آبهای زیرزمینی در بسیاری از کشورها ازجمله ایران به شمار میآید. چشمه گرو در شرق استان خوزستان یکی از چشمههای شور موجود در پهنه زاگرس است. با توجه به بررسیهای صحرایی، منابع احتمالی شوری در منطقه انحلال سازند تبخیری گچساران و شورابههای میادین نفتی مشخصشده است. جهت تفکیک خصوصیات هیدرو شیمیایی و منشأهای مختلف شوری آب در چشمه گرو و آبخوان کارستی آسماری در بهمن و شهریورماه 94-93، 20 نمونه بهمنظور تعیین عناصر اصلی و 17 نمونه برای تعیین Br از منابع آب سطحی و زیرزمینی جمعآوری گردید و مورد آنالیز شیمیایی قرار گرفت. درنهایت از دیاگرامهای ترکیبی بیکربنات در برابر کلسیم، منیزیم، سدیم، سولفات، نسبت Br/Cl و TDI در برابر کلر بهعنوان بهترین معیارهای تفکیک منشأهای مختلف شوری در منطقه استفاده گردید. بر اساس این نتایج، علت اصلی شوری چشمه گرو و تاقدیس آسماری در فصل مرطوب ورود حجم بالای آب رودخانه تمبی و در فصل خشک اختلاط با شورابههای نفتی شناخته شد.
https://www.iwrr.ir/article_47139_e861e0638f4d2e8a412daa63dadc7aec.pdf
2017-12-22
196
202
چشمه گرو
منشأ شوری
سازند گچساران
شورابه نفتی
نسبت یونی
منوچهر
چیت سازان
chitsazan_m@scu.ac.ir
1
استاد/ آبشناسی دانشکده علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران
LEAD_AUTHOR
سحر
شاچری
ostad4263@yahoo.com
2
کارشناسی ارشد/ آبشناسی دانشگاه شهید چمران اهواز، اهواز، ایران
AUTHOR
سید یحیی
میرزایی
yahya2010@yahoo.com
3
استادیار /آبشناسی دانشکده علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران
AUTHOR
سید طارق
عبودی
tareq_abodi@yahoo.com
4
دانشجوی دکتری /آبشناسی دانشگاه شهید چمران اهواز، اهواز، ایران
AUTHOR
Ayers J, Goodbred S, George G, Fry D, Benneyworth L, Hornberger G, Roy K, Rezaul Karim M, Akter F (2016) Sources of salinity and arsenic in groundwater in southwest Bangladesh. Geochemical Trensactions 17:1-22
1
Etemad Shahidi AF, Saburi AA, Parsa J (2011) Control of salinity intrusion in Arvand estuary under different hydrological conditions. Iran-Water Resources Research, 7(2):50-60 (In Persian)
2
Freeman J (2007) The use of bromine and chloride mass rations to differentiate salt dissolution and formation brines in shallow groundwater of the Western Canadian Sedimentary Basin. Hydrogeology Journal, 15:1377-1385
3
Leonard AR, Ward PE (1962) Use of Na/Cl rations to distinguish oil-field from salt-spring brines in Western Oklahoma. Geological Survey Professional Paper 450-B:126-127
4
Mast VA (1982) The use of ionic mixing curves in differentiating oil-field brine in a fresh-water aquifer. Ground Water Monitoring and Remediation 5(3):65-69
5
Nzibavuga Nyarubakula Muzuka A, Martz L, Charles Komakech H, Elisante E, Kisaka M, Ntuza C (2017) Origin and mechanisms of high salinity in Hombolo Dam a;nd groundwater in Dodoma municipality Tanzania, revealed. Applied Water Science, 7(6):2883–2905
6
Rezaei M (2009) Application of Statistical methods, saturation indices, and the composite diagrams in the groundwater quality assessment in the Kerman plain aquifer. Iran-Water Resources Research, 5(3):28-38 (In Persian)
7
Whittemore, DO (1984) Geochemical identification of salinity sources. In: Proc. of Salinity in Watercourses and Reservoirs, 13-15 July, Utah, USA, 505-514
8
Whittemore, DO (1993) Ground-water geochemistry in the mineral intrusion area of Groundwater Management District No. 5 south-central Kansas. Kansas Geological Survey Open-File Report, 93-2:107
9
Whittemore DO, Pollock LM (1979) Determination of salinity sources in water resources of Kansas by minor alkali metal and halide chemistry. Kansas Water Resources Research Institute, Manhattan, NY, 28 p
10
Zarei M, Raeisi EJ, Merkel B, Kummer NA (2012) Identifying sources of salinization using hydrochemical and isotopic techniques. Environmental earth science, 70:587-604 (In Persian)
11