نوع مقاله : پژوهشی

نویسندگان

1 استاد، دانشکده‌ی مهندسی عمران دانشگاه تبریز، تبریز

2 کارشناسی ارشد سازه‌های هیدرولیکی دانشکده‌ی عمران دانشگاه تبریز، تبریز (نویسنده‌ی مسئول)

چکیده

در این مقاله جهت برآورد میزان فرسایش و رسوب در زیرحوضه­های حوضه­ی آجی­چای با توجه به نبود آمار کافی بار رسوب -که یـکی از مسائل اساسی حوضه­های کشور می­باشد- از مدل تجربی پسیاک اصلاح شده استفاده شده است. از آنجائی که میزان رسوب حاصل از این مدل متوسط سالانه می­باشد، لذا در مرحله­ی اول جهت محاسبه رسوب برای هر سال چگونگی تغییرات فاکتورهای نه­گانه مدل فوق نسبت به زمان مورد بررسی قرار داده شده است. فاکتورهای که ماهانه (مثل بارش و رواناب) و یا سالانه (مثل پوشش گیاهی و کاربری اراضی) دستخوش تغییر هستند، نقش مستقیمی در محاسبه رسوب برای هر سال دارند. در مرحله­­ی دوم برای ریزمقیاس کردن رسوب سالانه­ی حاصل از مدلسازی مرحله­ی اول و با توجه به اینکه نمی­توان رسوب سالانه را به نسبت مساوی برای تمام ماه­های سال توزیع کرد، با استفاده از روش آبشاری میزان رسوب سالانه به ماهانه ریزمقیاس گردید. نتایج حاصل نشان می­دهد بین بار رسوب برآورد شده با مدل پسیاک اصلاح شده و ریزمقیاس شده با مدل آبشاری، با نتایج مشاهداتی و ثبت شده همبستگی بالایی وجود دارد. از طرفی همانطوری که انتظار می­ر­فت از بین عوامل نه گانه مدل، دو عامل فرسایش رودخانه­ای و فرسایش سطحی به ترتیب 6/13 و 4/13 بیشترین امتیاز را دارند همچنین کاربری اراضی و پوشش گیاهی با امتیازهای 4/13 و 5/11 نقش خود را در تولید و یا مهار رسوب به خوبی نشان می دهند. میزان رسوبدهی سالانه در کل حوضه 92/1 تن در هکتار می­باشد که زیرحوضه 22 با توجه به شیب تند و پوشش گیاهی کاملا ضعیف با 88/3 تن در هکتار در سال بیشترین و زیرحوضه 1-14 با 0/1 تن در هکتار در سال کمترین مقدار تولید رسوب را در حوضه به خود اختصاص دادند.

کلیدواژه‌ها

عنوان مقاله [English]

Monthly Sediment Load Estimation of Aji Chay Basin Stations Using MPSIAC Model and Cascade Exponential Sub-Scales

نویسندگان [English]

  • Vahid Nourani 1
  • Saleh Mohsenzadeh 2

1 Ph.D., Professor, Faculty of Civil Engineering, University of Tabriz, Iran

2 MSc (Hydraulic Structures Engineering), Faculty of Civil Engineering, University of Tabriz, Iran,

چکیده [English]

Introduction
In this study, the MPSIAC model was used to consider the effects of the dominant factors in sediment production in order to estimate the rate of the erosion and sediment load in sub-basins of the Aji Chay River.  Since the sediment rate of this model is the annual average, the variations of the nine fold factors of this model was examined in order to calculate the sediment for each year. Then, the annual and monthly sediment rates were quantified using a cascading method.
Methodology
In order to estimate the sediment production and the relationship between the degree of the sediment yield and the amount of production, equation (1) which was based on determining the scores of the factors considered in the PSIAC model and obtaining their total scores in each hydrological unit was used
38.77e0.0353R =  Equation(1):        QS
 Qs=sediment yield (m3/km2/year)           R= sedimentation rate 
The PSIAC model specifies some variations for each factor, which is somewhat selective and requires an expert judgment. Johnson and Gombard (1982) have made the nine-fold factors for this method as numerical equations.
The estimated sediment rate using MPSIAC method is based on the annual average. Therefore, the variations of the factors of MPSIAC model were examined and compared to estimate the sediment for each year. Due to the fact that sediment is not the same throughout the year, it was not possible to equally consider annual sediment for all months of the year. Thus, for the purpose of the quantification of the monthly sediment, the cascading micro-scale was used through verifying the existing data and filling the deficiencies of the data. In the process of disintegration, the sediment, which was the annual sediment  in the initial intervals, was sequentially broken into smaller surfaces with specific coefficients and calibrated.        
Equation(2): SNij = Sij      
Equation(3): SijNky = Sk
 
Results and discussion
In this paper, the annual sediment rate was estimated using remote sensing, GIS techniques, and the application of the experimental model of MPSIAC in hydrological units and its zoning in the area. Then, by inserting the DEM into the GIS environment and by modifying the ups and downs, the flow direction, the network of waterways, and the primary and secondary sub-basins were produced. As a result, the production rate of the sediment and the scores of the each of the factors in the sub-basins were calculated using the equations presented in the MPSIAC model. The results showed that there was a high correlation between the estimated sediment load with the MPSIAC model and the observed and recorded results.
The results of the MPSIAC model for the estimated sediment rate were based on the annual average, so the existing data and nine-fold factors of MPSIAC model, which were time-consuming, were used for the monthly sedimentation. To measure the amount of the precipitation and runoff for different months of each statistical year and to study the amount and manner of changes in vegetation and land use in the studied area, the annual precipitation and annual erosion were calculated for each statistical year. Then, sub-scaling was done through the calculation of the sub-scale coefficients of annual to monthly sediment.
Conclusion
The estimated sediment rate using MPSIAC model and observational and measured data of the sediment in the hydrometric stations of the Aji Chay basin has high accuracy and acceptable correlation. In addition, by comparing and verifying the available and measured data in the hydrometric stations of the AjiChay basin at low scales with extractive data of this method, it turns out that the sediment values can be estimated at low scales by specifying the sub-scale coefficients and calculating the sediment for each year.

کلیدواژه‌ها [English]

  • Sedimentation
  • MPSIAC model
  • GIS
  • Cascade sub-scaling
  • Aji Chay River

مقدمه

مدل PSIAC برای هر عامل حدود تغییراتی را مشخص کرده است که تا حدودی انتخابی بوده و متناسب با عامل رسوبدهی نیاز به قضاوت کارشناسی دارد. در سال 1982 طی تحقیقی جانسون و گمبهارتعوامل نه­گانه این روش را به صورت معادلات عددی درآورده و مدل اصلاح شده MPSIAC را ارائه نمودند (رفاهی، 1382).

دی ونته[1] و همکاران (2005)، در مطالعه­ای بر روی یک منطقه به این نتیجه رسیدند که به علت کمبود ایستگاه رسوب سنجی در حوضه­های بزرگ، آمار و اطلاعات رسوب با استفاده از مدل MPSIAC قابل برآورد می­باشد و این مدل در مقایسه با روش‌های اندازه‌گیری شده از طریق آزمون آماری با درجه­­ی همبستگی  حدود 8/0 درصد بهترین روش شناخته شده است. صحرارو و همکاران (1389) در مطالعه­ی خود به این نتیجه رسیدند که اختلاف اندکی (7درصد) بین نتایج حاصله از مدل و آمار ایستگاه هیدرمتری ملاحظه می‌شود که این مسئله بیانگر این است که مدل MPSIAC از دقت قابل قبولی برخوردار بوده و بنابراین استفاده از این مدل در ارزیابی فرسایش و رسوب حوضه‌های فاقد آمار پیشنهاد می‌شود.

تاکنون مطالعات محدودی در ارتباط با مدل ریزمقیاس کردن آبشاری که بر اساس تئوری فرکتال بنا شده است، در راستای مدلسازی رسوب صورت گرفته است. سیووکومار[2] و همکاران (2002)، با بررسی رفتار دینامیکی بار رسوبات معلق به این نتیجه رسیدند که بار رسوبی دارای خصوصیات غیرخطی قطعی می­باشد. در مطالعه دیگر سیووکومار و همکاران (2004)، به بررسی رفتار دینامیکی انتقال بار رسوب در پنچ مقیاس زمانی پی­در­پی در مقیاس­های روزانه، 2 روز، 4روز، 8 روز و 16 روز برای رودخانه­ی می­سی­سی­پی پرداخت. سیووکومار (2006)، تحت مطالعه­ای برآورد بار رسوب معلق را با دقت بالا کار دشواری دانسته که اولاً) عدم دسترسی به تخلیه­ی آب با وضوح بالا و اندازه­گیری غلظت رسوبات معلق. ثانیاً) هرگونه خطا در اندازه­گیری این دو مؤلفه به طور قابل توجهی می­تواند دقت برآورد بار معلق رسوب را تحت  تأثیر قرار دهد ثالثاً) اندازه‌گیری مستقیم بسیار گران­قیمت می­باشد. بنابراین به دلیل دشواری تخمین رسوبات معلق رودخانه در مقیاس­های ریزتر، امکان وجود رفتار مقیاس­گذاری رسوب معلق رودخانه‌ها را مورد بررسی قرار داد. شانگ[3] و همکاران (2009)، در مطالعه­ی ­خود مدلسازی سری زمانی غیرخطی را جهت تحلیل داده­های رسوب معلق بررسی کردند و به این نتیجه رسیدند که ویژگی­های آشوب به وضوح در پدیده­ی انتقال رسوب دیده می­شود.

 

ـ موقعیت جغرافیایی محدوده­ی مورد مطالعه

رودخانه­ی آجی­چای در ناحیه شمال­غربی ایران در استان آذربایجان­شرقی قرار گرفته و شهرهای تبریز، آذرشهر، سراب، بستان­آباد، هریس و اسکو نقاط مهم شهری این حوضه بشمار می­آیند. این حوضه درمحدوده '۳۰˚۴۵ تا '۴۵˚۴۷ طول شرقی و '۴۵˚۳۷ تا '۳۰˚۳۸ عرض شمالی واقع شده است (شکل1). حوضه­ی آبریز آجی­چای از شمال به حوضه­ی آبریز اهر چای، از جنوب به حوضه­ی آبریز شهر چای از شرق به حوضه­ی آبریز بالخواچای و از غرب به دریاچه­ی ارومیه محدود می‌شود. رودخانه­ی آجی­چای در دره­ای که مابین کوه‌های ارسباران، قوشه­داغ و سبلان از شمال و کوه‌های بزقوش­داغ و سهند از جنوب قرار گرفته است در جهت عمومی شرقی-غربی جریان می‌یابد. میانگین سالانه­ی دمای متوسط روزانه در حوضه­ی مطالعاتی از حدود ١٠ درجه در مناطق اطراف دریاچه­ی ارومیه تا کمتر از 5/2درجه در سال در ارتفاعات سـهند و سـبلان متغیر است. در ایستگاه­های حوضه­ی مورد مطالعه­­ی داده­های رسوب دارای نواقصی می­باشد که این داده­ها بعضاً هر ماه یک یا دو بار در شرایط خاص مثل موقع سیلاب و بارش شدید اندازه­گیری شده است و در بعضی ایستگاه­ها داده­های نسبتاً کاملی وجود دارد. دوره­ی آماری در ایستگاه­ها متفاوت می­باشد طوری که در بعضی ایستگاه­ها اخیراً ثبت آمار و اطلاعات رسوب و دبی شروع شده است.

 

شکل (1) موقعیت جغرافیایی حوضه آچی­چای

مواد و روش­ها

در این پژوهش ابتدا با تلفیق داده­ها و نقشه­ها در محیط GIS عوامل مؤثر در مدل MPSIAC محاسبه و رسوب متوسط سالانه برآورد گردید، سپس رسوب سالانه با در نظر گرفتن تغییرات عوامل مدل نسبت به زمان محاسبه و در نهایت با مدل آبشاری رسوب سالانه حاصل از مدل MPSIAC به رسوب ماهانه ریزمقیاس گردید.

 

ـ مدل MPSIAC

در مدل PSIAC تاثیر و نقش نه عامل مهم و موثر در فرسایش خاک و تولید رسوب در حوضه­ی آبخیز ارزیابی می­گردد. در این روش بسته به شدت و ضعف هر عامل عددی به آن نسبت داده می­شود، سرانجام با در نظر گرفتن مجموع اعداد به دست آمده برای عوامل مختلف میزان رسوب­دهی حوضه برآورد می­شود. هر یک از عوامل نه­گانه فرسایش خاک و تولید رسوب در اجزای واحد اراضی یا واحد هیدرولوژیکی یا هر واحد دیگر مورد بررسی و ارزیابی قرار می­گیرند.

پس از تعیین امتیاز عوامل در نظر گرفته شده در مدل PSIAC و به دست آوردن مجموع نمرات آنها در هر یک از واحدهای هیدرولوژیکی، برای برآورد تولید رسوب از رابطه بین درجه رسوبدهی و میزان تولید به صورت رابطه­ی (1) استفاده می­گردد (رفاهی، 1382).

رابطه­ی (1)            38.77e0.0353R=QS

:Qs میزان رسوبدهی سالانه بر حسب مترمکعب در کیلومترمربع :Rدرجه رسوبدهی

 رابطه­ی (2)          LogSDR = 1. 8768 – 0. 1491 Log 10 A

رابطه­ی (3)

 

SDR= نسبت تولید رسوب بر حسب درصد، A= مساحت حوضه برحسب مایل مربع، Sy= میزان رسوبدهی بر حسب تن در کیلومتر مربع در سال، Er= میزان فرسایش ناخالص بر حسب تن در کیلومترمربع در سال

مدل PSIAC برای هر عامل حدود تغییراتی را مشخص کرده است که تا حدودی انتخابی بوده و متناسب با عامل رسوبدهی نیاز به قضاوت کارشناسی دارد. جانسون و گمبهارت[4](1982)، عوامل نه گانه این روش را به صورت معادلات عددی درآورده (جدول 1).

جدول (1) عوامل موثر در فرسایش خاک و تولید رسوب در مدل PSIAC و MPSIAC(جانسون و گمبهارت، 1982)

ردیف

عامل

نمرات مشخص­کننده

معادله­ی پارامترها

1

زمین­شناسی سطحی

10 - 0

X1= Y1

2

خاک

10 - 0

X2=16/ 67K

3

آب وهوا

10 - 0

X3=0/ 2P1

4

رواناب

10 - 0

X4=0/ 006R+10QP

5

پستی و بلندی

20 - 0

X5=0/ 33S

6

پوشش زمین

10- تا 10+

X6=20-0/ 2Pb

7

کاربرای اراضی

10- تا 10+

X7=20-0/ 2Pc

8

وضعیت فعلی فرسایش

25 - 0

X8=0/ 25 S. S. F

9

فرسایش رود خانه­ای

25 - 0

X9=1/ 67 S. S.F. g

ـ ریزمقیاس کردن

میزان رسوب برآورد شده با استفاده از روش MPSIAC متوسط سالانه بوده و از طرفی با توجه به وسعت حوضه‌ها و عدم وجود کافی آمار رسوب بخصوص در مقیاس­های کوچک­تر، از اینرو در گام اول مقاله­ی حاضر برآورد رسوب برای هر سال با تکیه بر چگونگی تغییرات فاکتورهای مدل MPSIAC نسبت به زمان مورد بررسی قرار گرفت. از میان عوامل نه­گانه مدل MPSIAC عواملی از جمله بارش و رواناب تغییرات روزانه داشته، لیکن وضعیت پوشش گیاهی و کاربری اراضی سالانه و یا در مدت زمانی نسبتاً طولانی دستخوش تغییر می­باشند. ولی تغییرات عواملی همچون زمین­شناسی و یا خاک در طول مدت زمان خیلی طولانی صورت می­گیرد که برای مدلسازی این تحقیق قابل صرف­نظر بود. بنابراین برای عواملی که در طول زمان دستخوش تغییرات زیادی هستند، مقادیر این عوامل برای هر سال محاسبه شد و برای پوشش گیاهی و کاربری اراضی میانگین وضعیت این عوامل در حوضه برای طول دوره آماری در نظر گرفته شد. درنتیجه میزان رسوب هر زیرحوضه برای هر سال آماری جداگانه محاسبه گردید.

با توجه به شرایط جوی، میزان بارش‌ها و استفاده از آب در اراضی کشاورزی و غیره، در نتیجه میزان تولید رسوب در تمام فصل­های سال یکسان نبوده لذا نمی­توان رسوب سالانه را به نسبت مساوی برای تمام ماه‌های سال در نظر گرفت، از این­رو برای ریزمقیاس کردن رسوب سالانه به ماهانه با صحت­سنجی داده­های موجود و پر کردن نواقص داده­ها، مدل ریزمقیاس کردن آبشاری مورد استفاده قرار گرفت.

در فرآیند گسسته­سازی رسوب در زمان مطابق (شکل 2 و رابطه­های 4 و 5) بازه­ی اولیه مورد نظر که رسوب سالانه (1S) می­باشد به صورت متوالی و آبشاری با ضرایب مشخص (Ni) به سطح‌های کوچک­تر شکسته می­شود. به منظور کالیبره کردن و بالا بردن دقت ضرایب، ابتدا رسوب سالانه برای دو بازه­ی شش ماهه سپس برای چهار بازه­ی سه ماهه ریزمقیاس می­گردد طوری که مقدار ضرایب متعلق به هر بازه متأثر از میزان تولید رسوب در هر فصل می­باشد. به عنوان مثال میزان تولید رسوب در سه ماه اول سال نسبت به سایر فصل­ها بیشتر می­باشد در نتیجه مقادیر Ni برای این فصل­ها حداکثر خواهد بود. سپس با توجه به تاثیر مستقیم دبی (Q) و بارش (R) در تولید رسوب مقادیـر Ni نسبت بـه تغییرات دبی ماهانـه­ی کالیبره می­گردد.

رابطه­ی (4)  SNij =Sij      و          رابطه­ی (5)    SijNky = Sky

 

S

 

                                N1                                                            N2                

 

S N1=S1

SN2 = S2

 

N6                           N5                  N4                                      N3

S2 N6=S6

S2 N5=S5

S1 N4=S4

S1 N3=S3

   N7,N8,N9                      N10,N11,N12                N13,N14,N15                N16,N17, N18

 

 

                                                                         

 

 

S7

S8

S9

S10

S11

S12

S13

S14

S15

S16

S17

S18

 

تأثیر دادن دبی (Q) و بارش (I) ماهانه

Sshah

Smor

Stir

Skho

Sord

Sfarv

Sesf

Sbah

Sdey

Saza

Saba

Smeh

شکل (2) فرآیند ریزمقیاس کردن مقدار رسوب سالانه به ماهانه

بحث و نتایج

در این مقاله ابتدا برآورد میزان رسوب­ سالانه با استفاده از تکنیک­های سنجش از دور و GIS و اعمال مدل تجربی MPSIAC در واحدهای هیدرولوژیکی و پهنه­بندی آن در وسعت صورت گرفت. جهت انجام این مهم، ارزیابی محیطی هر یک از واحدها ضروری بود. از این­رو تهیه داده­های مورد نیاز مدل MPSIAC برحسب واحدهای کاری صورت گرفت تا اولاً، نقش هر یک از عوامل موثر در میزان رسوبزایی زیرحوضه­ها مشخص گردد ثانیاً، بحرانی­ترین زیرحوضه­ها از نظر فرسایش پذیری و تولید رسوب معین شود، ثالثاً بعد از برآورد رسوب سالانه در زیرحوضه­ها اقدام به ریز­مقیاس نمودن و صحت­سنجی با داده­های موجود، نواقص داده­های آماری آنها پر شود.

ـ برآورد رسوب سالانه با مدل MPSIAC

با واردکردن DEM به محیط GIS و با اصلاح پستی و بلندی و ناهمواری­های غیرمتعارف DEM، جهت جریان، تراکم جریان، شبکه­ی آبراهه­ها و زیر حوضه­ها تولید گردید. با توجه به موقعیت بعضی از ایستگاه­های هیدرومتری حوضه­ جهت استفاده و مقایسه داده­های دبی، رسوب و رواناب در این ایستگاه­ها، زیرحوضه­های منتهی به این ایستگاه­ها استخراج شد (شکل 3، الف وب). در نتیجه بااستفاده از تصاویر ماهواره­ای و هوایی، پوشش گیاهی،کاربری زمین و... استخراج و پس از تلفیق این نقشه­ها و سایر داده‌ها، هر یک از عوامل مؤثر در تولید میزان رسوب و فرسایش در واحدهای کاری مورد ارزیابی قرار گرفت و در نهایت با میانگین­گیری به صورت وزنی، امتیاز هر یک از عوامل در منطقه و زیرحوضه‌ها با استفاده از معادلات ارائه شده در مدل MPSIAC محاسبه شد. در ادامه برای هر واحد کاری درجه رسوبدهی حاصل، جمع امتیازات عوامل نه­گانه محاسبه و برای هر یک از واحدهای هیدرولوژیکی میزان تولید رسوب و شدت فرسایش­پذیری محاسبه شد (شکل 4 و جدول 2). نتایج حاصل نشان می­دهد بین بار رسوب برآورد شده با مدل MPSIAC و نتایج مشاهداتی و ثبت شده همبستگی بالایی وجود دارد (شکل 5).

 

(الف)

 

(ب)

شکل (3) الف)زیرحوضه­های اصلی و فرعی و ایستگاه­ها ب) شبکه­ی آبراهه­ی حوضه در محیطGIS

 

شکل (4) امتیاز عوامل نه­گانه­ی مدل در حوضه

 

شکل (5) رابطه­ی همبستگی و نموادر بین رسوب مشاهداتی و محاسباتی

جدول (2) میزان تولید رسوب و فرسایش واحدهای هیدرولوژیکی و کل حوضه

زیر

حوضه

مساحت

KM2

شدت رسوبدهی

مجموع امتیازاتR

فرسایش

ton/km2/Y

S.D.R

درصد

رسوب

Ton/Y

رسوب

ton/km2/Y

1

78/803

III

7/74

5/1687

16/0

217021

270

1-1

23/89

III

2/67

6/640

32/0

18354

205

2

23/196

III

4/69

2/822

27/0

43620

222

3

32/448

III

7/66

808

25/0

90561

202

1-3

33/128

III

8/68

6/726

30/0

27951

218

4

65/83

III

4/66

7/838

31/0

16730

260

5

89/53

III

6/74

8/925

29/0

14471

5/268

6

08/61

III

1/72

875

28/0

14943

245

7

51/114

III

70

7/840

27/0

5/25991

227

8

02/135

III

66

5/761

26/0

26692

198

9

5/114

III

2/68

2/819

26/0

24400

213

10

11/201

III

1/71

5/987

24/0

47663

237

11

42/139

III

6/72

1000

25/0

34855

250

12

38/547

III

3/71

3/1133

21/0

130325

238

13

98/238

IV

5/77

1250

24/0

71700

300

14

45/113

III

3/64

8/688

27/0

21064

186

1-14

9/169

III

8/61

680

25/0

28900

170

15

59/251

III

7/67

875

24/0

52836

210

16

18/546

IV

2/77

2/1795

21/0

205917

377

1-16

72/565

III

6/73

1231

21/0

146050

5/258

17

75/508

III

5/69

894

25/0

113700

5/223

18

23/154

IV

8/78

1/1196

26/0

48015

311

19

36/375

IV

4/85

4/1795

22/0

148348

395

20

9/230

IV

6/77

1250

24/0

69300

300

21

39/460

III

2/74

5/1204

22/0

121487

265

22

71/134

IV

94

5/2011

26/0

70448

523

23

97/184

IV

2/81

1360

25/0

62900

340

ادامه جدول (2)

زیر

حوضه

مساحت

KM2

شدت رسوبدهی

مجموع امتیازاتR

فرسایش

ton/km2/Y

S.D.R

درصد

رسوب

Ton/Y

رسوب

ton/km2/Y

 

1-23

16/199

IV

7/83

1514

24/0

73830

371

24

13/99

IV

1/82

3/1296

27/0

34680

350

25

13/179

IV

2/81

1356

25/0

60681

339

1-25

222

IV

6/81

3/1433

24/0

76418

344

26

87/451

IV

5/75

6/1263

22/0

125656

278

27

78/540

IV

8/77

5/1428

21/0

162300

300

1-27

38/136

IV

2/80

5/1261

26/0

44772

328

28

25/391

IV

6/78

1409

22/0

121365

310

29

52/308

IV

9/76

5/1269

23/0

90082

292

30

43/188

III

7/72

1420

25/0

66918

355

31

44/478

III

4/69

4/1071

21/0

107775

225

کل حوضه

6/10426

III

4/74

8/1942

14/0

2787075

272

                         

ـ ریزمقیاس نمایی بار رسوب

نتایج حاصل از مدل MPSIAC برای میزان رسوب برآورد شده، متوسط سالانه می­باشد لذا برای ماهانه کردن رسوب از داده­های موجود و عوامل نه­گانه مدل MPSIAC که زمانمند هستند، استفاده شد. با لحاظ میزان بارش و رواناب برای ماه­های مختلف هر سال آماری و بررسی میزان و نحوه­ی تغییرات پوشش گیاهی و کاربری زمین در منطقه­ی مورد مطالعه میزان رسوبدهی و فرسایش سالانه برای هر سال آماری محاسبه گردید (جدول3) سپس با استخراج ضرایب ریزمقیاس رسوب سالانه به ماهانه عمل ریزمقیاس کردن صورت گرفت محاسبه میزان رسوب تولید شده سالانه و ریزمقیاس کردن ماهانه برای تمامی ایستگاه‌های حوضه­ی مورد مطالعه انجام یافت که در اینجا فقط به گزارش نتایج ایستگاه بستان­آباد بسنده شد (جدول 4).

جدول (3) میزان رسوب سالانه ایستگاه بستان­آباد

سال آبی

 

رواناب سالانه

(m3/yer)

دبی پیک

(m3/se)

دبی پیک ویژه

(m3/sec*km2)

بارش

(6ساعته)

(mm/h)

 

عمق رواناب

(mm)

R

نهایی

 

رسوب سالانه

(m3/km2)

میزان رسوب ویژه

(ton/km2/yer)

 

61-60

32/48

64

114/0

72/3

3/86

1/73

5/258

15/336

62-61

17/86

64

114/0

78/3

9/153

6/73

9/262

9/341

63-62

29/56

64

114/0

43/2

5/100

9/71

6/247

9/321

64-63

54/63

3/31

055/0

33/2

4/113

3/71

2/242

9/314

65-64

47

1/13

023/0

7/2

84

1/71

1/241

5/313

66-65

1/41

5/10

018/0

16/2

4/73

5/70

5/235

2/306

67-66

74

6/24

044/0

29/2

15/132

2/71

242

6/314

68-67

2/46

27

048/0

5/2

5/82

2/71

5/241

9/313

69-68

3/29

2/11

02/0

7/2

35/52

9/70

2/239

311

70-69

2/42

4/18

032/0

53/2

3/75

71

1/240

1/312

71-70

9/86

5/36

065/0

91/2

3/155

2/72

6/250

8/325

72-71

3/48

64

114/0

6/3

28/86

73

4/257

7/334

73-72

3/48

64

114/0

2/2

28/86

6/71

8/244

25/318

74-73

3/48

64

114/0

27/2

28/86

6/71

45/245

05/319

75-74

53

7/36

065/0

71/2

6/94

8/71

5/245

17/319

76-75

4/44

8/43

078/0

2/2

33/79

2/71

4/241

8/313

77-76

1/37

12

021/0

6/4

4/66

9/72

3/257

4/334

78-77

9/18

64

114/0

1/3

75/33

2/72

250

1/325

79-78

6/18

8/5

014/0

7/2

2/33

7/70

4/237

6/308

80-79

7/16

8/3

007/0

3/2

8/29

3/70

6/233

7/303

81-80

6/20

3/10

018/0

5/2

8/36

6/70

5/236

4/307

82-81

5/53

64

114/0

7/5

6/95

2/75

2/279

9/362

83-82

6/31

1/28

05/0

5

4/56

5/73

9/262

7/341

84-83

1/22

9/11

021/0

8/2

5/39

71

7/239

7/311

85-84

1/23

9/15

028/0

6/6

2/41

8/74

6/275

2/358

ادامه­ی جدول (3)

سال آبی

 

رواناب سالانه

(m3/yer)

دبی پیک

(m3/se)

دبی پیک ویژه

(m3/sec*km2)

بارش

(6ساعته)

(mm/h)

 

عمق رواناب

(mm)

R

نهایی

 

رسوب سالانه

(m3/km2)

میزان رسوب ویژه

(ton/km2/yer)

 

86-85

8/42

9/33

06/0

4/3

5/76

2/72

3/250

4/325

87-86

3/52

64

114/0

78/3

4/93

732

6/259

5/337

88-87

1/11

8/47

085/0

6/3

9/19

9/71

2/248

7/322

89-88

4/9

5/18

033/0

6/2

8/16

8/70

2/238

6/309

90-89

9/14

4/15

027/0

9/2

6/26

71

2/240

4/312

91-90

4/17

64

114/0

9/7

16/31

77

4/297

7/386

 

جدول (4) ضریب مدل آبشاری، سری زمانی دبی و رسوب ماهانه در ایستگاه بستان­آباد

سال آبی

مهر

آبان

آذر

دی

رسوب

دبی

ضریب

رسوب

دبی

ضریب

رسوب

دبی

ضریب

رسوب

دبی

ضریب

61-60

03/4

2/0

1/0

5/12

18/0

44/0

64/17

18/0

63/0

28/22

18/0

8/0

62-61

05/6

5/0

2/0

47/13

29/1

5/0

94/17

71/1

63/0

05/18

72/1

65/0

63-62

67/16

1/1

6/0

87/14

1

55/0

33/26

76/1

1

09/36

42/2

35/1

64-63

02/7

5/0

2/0

11/15

16/1

57/0

94/16

3/1

65/0

34/28

24/2

08/1

65-64

13/2

1/0

08/0

02/18

99/0

7/0

9/29

65/1

15/1

63/24

36/1

1

66-65

71/4

2/0

2/0

75/19

007/1

77/0

41/25

3/1

1

07/33

68/1

3/1

67-66

14/3

2/0

7/0

39/16

475/1

6/0

3/17

5/1

66/0

58/22

03/2

86/0

68-67

26/4

5/0

16/0

36/11

3/1

45/0

77/12

45/1

5/0

32/17

97/1

66/0

69-68

45/0

01/0

02/0

03/18

65/0

7/0

72/17

63/0

68/0

66/18

66/0

72/0

70-69

09/1

05/0

042/0

71/6

35/0

25/0

89/11

61/0

45/0

91/14

77/0

57/0

71-70

07/1

1/0

04/0

91/4

5/0

2/0

7

71/0

25/0

66/8

88/0

32/0

72-71

01/4

2/0

14/0

21/12

55/0

44/0

5/17

79/0

63/0

09/22

1

8/0

73-72

81/3

18/0

14/0

83/11

56/0

45/0

8/14

7/0

55/0

25/21

0/1

8/0

74-73

02/4

2/0

15/0

06/12

6/0

45/0

1/16

8/0

6/0

11/16

2/1

1

ادامه­ی جدول (4)

سال آبی

مهر

آبان

آذر

دی

رسوب

دبی

ضریب

رسوب

دبی

ضریب

رسوب

دبی

ضریب

رسوب

دبی

ضریب

75-74

53/4

3/0

17/0

26/11

73/0

42/0

5/13

87/0

5/0

96/20

36/1

87/0

76-75

55/4

24/0

17/0

59/14

78/0

55/0

7/15

84/0

6/0

35/16

88/0

63/0

77-76

0

0

0

85/6

27/0

25/0

16/20

8/0

72/0

16/37

47/1

33/1

78-77

87/17

4/0

6/0

6/23

53/0

87/0

99/28

64/0

1/1

88/26

59/0

1

79-78

5/0

01/0

02/0

04/9

21/0

35/0

47/17

4/0

7/0

07/34

78/0

32/1

80-79

36/1

028/0

05/0

02/27

57/0

07/1

19/32

68/0

3/1

56/36

77/0

45/1

81-80

0

0

0

86/0

022/0

03/0

11

28/0

45/0

81/24

63/0

1

82-81

0

0

0

12/1

065/0

04/0

06/13

73/0

45/0

64/13

76/0

45/0

83-82

1/0

003/0

004/0

38/7

23/0

25/0

25/10

31/0

36/0

1/15

47/0

53/0

84-83

7/0

019/0

03/0

92/5

162/0

22/0

71/13

37/0

53/0

6/29

8/0

15/1

85-84

6/1

038/0

054/0

68/13

336/0

45/0

05/17

42/0

57/0

4/22

55/0

75/0

86-85

35/0

018/0

013/0

97/7

401/0

3/0

22/11

56/0

41/0

83/6

34/0

25/0

87-86

36/2

047/0

08/0

9/12

261/0

46/0

02/24

48/0

85/0

92/31

64/0

13/1

88-87

8/16

224/0

65/0

5/23

31/0

88/0

64/18

24/0

7/0

55/23

31/0

88/0

89-88

88/1

022/0

07/0

57/19

22/0

75/0

67/21

24/0

85/0

06/23

26/0

9/0

90-89

46/0

009/0

018/0

15/5

093/0

2/0

49/10

19/0

4/0

27/17

31/0

66/0

91-90

58/0

013/0

018/0

6/14

327/0

45/0

39/31

7/0

1

4/17

38/0

55/0

نتایج حاصل نشان می­دهد که دو عامل پوشش گیاهی و کاربری اراضی بیشترین نقش را در مهار و تولید رسوب دارند و به تبع این دو عامل، عوامل فرسایش سطحی و فرسایش رودخانه­ای نیز تغییر می­کند. در زیرحوضه­ی شماره­ی 22 حوضه­ی مورد مطالعه با توجه به اینکه پوشش گیاهی ضعیف و کاربری اراضی مناسب نیست، بیشترین مقدار رسوب را در میان سایر زیرحوضه­ها تولید نموده است. همچنین در زیرحوضه­های 19­، 1، 23 و 24 نیز با توجه به وضعیت نامناسب پوشش گیاهی بیشترین مقدار رسوب تولید شده است و در مقابل، در بالادست­های حوضه­ علیرغم شیب زیاد با عنایت به پوشش گیاهی مناسب رسوب کمتری تولید می­شود. محاسبه مقدار رسوب تولید شده با مدل MPSIAC با استفاده از داده­های موجود برای رسوب سالانه در ایستگاه­های هیدرومتری کالیبره و گپ داده­های موجود پر گردید همچنین ضرایب برای ریزمقیاس کردن رسوب با استفاده از مدل آبشاری در بازه­های شش ماهه­ی اول و دوم سال، چهار ماهه­ی اول، دوم و سوم و نهایتاً برای دوازده ماه محاسبه و سپس رسوب سالانه به ماهانه تحت این ضرایب برآورد گردید و در آخر با استفاده از اندک داده­های موجود ماهانه در ایستگاه­های هیدرومتری، داده­های محاسباتی صحت­سنجی شده است که نتایج نشان می­دهد همبستگی بالایی میان داده­های محاسباتی و مشاهداتی وجود دارد.

نتیجه­گیری

با توجه به اهمیت رسوب در مهندسی آب و مدیریت حفاظت حوضه­های آبریز، برآورد دقیق مقدار بار رسوب بخصوص در حوضه­های فاقد آمار مشاهداتی و اندازه گیری شده بسیار حائز اهمیت می­باشد. از طرفی با توجه به عدم وجود امکانات نوین در ایستگاه­های هیدرومتری جهت اندازه­گیری رسوب در زمان­های مشخص، نیاز به مطالعات و ابزاری است که بتوان از داده‌هاى با گام زمانى بزرگ، داده‌ها با گام زمانى کوچک­تر تولید نمود.

در این مطالعه میزان رسوب برآورد شده با استفاده از مدل MPSIAC با داده­های مشاهداتی و اندازه­گیری شده رسوب در ایستگاه­های هیدرومتری حوضه­ی آجی­چای مقایسه و مورد ارزیابی قرار گرفت و این نتیجه حاصل گردید که در حوضه­های با وسعت بالا به علت کمبود ایستگاه رسوب سنجی آمار و اطلاعات رسوب حاصل از مدل فوق که بیشترین عوامل موثر را در فرسایش و تولید رسوب لحاظ می­کند، از دقت بالایی برخوردار بوده است و همبستگی قابل قبولی را با نتایج مشاهداتی و ثبت شده در ایستگاه­های هیدرومتری نشان داد. با توجه به عدم سهولت در مدیریت زمانی و مکانی ایستگاه­های هیدرومتری در حوضه­ها، بخصوص حوضه­های با وسعت بسیار بالا مقادیر حاصل از این مدل در طرح­های جامع قابل استفاده است. با مقایسه و صحت­سنجی داده­های موجود و اندازه­گیری شده در ایستگاه­های هیدرومتری حوضه­ی آجی­چای در مقیاس­های پایین با داده­های استخراجی از این روش مشخص می­گردد که با تعیین ضرایب ریزمقیاس و محاسبه رسوب برای هر سال می­توان مقادیر رسوب در مقیاس­های پایین­تر را برآورد نمود. در راستای کاهش تولید رسوب و اندازه­گیری دقیق پیشنهاد می­گردد ابتدا به عدم تخریب وضعیت زمین اعم از تغییر کاربری­های غیرمجاز و غیرکارشناسی و یا قطع پوشش گیاهی و سایر موارد که منجر به تولید رسوب می­گردد، مبادرت نمود سپس جهت آگاهی از میزان تولید رسوب در ایستگاه­های هیدرومتری علاوه بر اندازه­گیری دستی که امکان انجام دادنش در هر لحظه وجود ندارد، با استفاده از سایر روش­های در صورت امکان مورد بررسی و تحلیل قرار گیرد و نتایج با این مدل ترکیبی MPSIAC و آبشاری مورد بحث و ارزیابی قرار گیرد.




[1]- De vente joris

[2]- Sivakumar bellie

[3]- Shang pengjian

[4]- Johnson & Gebhardt

- رفاهی، حسینقلی (1382)، فرسایش آبی و کنترل آن، انتشارات دانشگاه تهران.
- سازمان جنگل­ها و مراتع کشور، دفتر مطالعات و هماهنگی (1372)، مطالعات توجیهی منابع طبیعی تجدیدشونده­ی حوضه­ی آبخیز تلخه­رود، گزارش شماره­ی 13.
- صحرارو، ناهید؛ خدابخش، سعید؛ آتش­زر، منوچهرو بهروز رفیعی (1389)، برآورد فرسایش خاک و تولید رسوب حوضه­ی آبریز دینور با استفاده از روش GISوMPSIAC، کنفرانس پژوهش­های کاربردی منابع آب ایران.
-Borzo, A., Momayezi, M., Nikandish, A. (2008), Evaluation of EPM, MPASIAC and PESIAC model for sediment and erosion estimation Fars province, Iranian Journal of Agriculture knowledge. 67: PP. 321-359.
-Clark, K.B. (2001), An estimate of sediment yield for two small sub-catchment in a geographic information system, Ph.D. Thesis, University of New Mexico.
-Devente, J., Poesen, J. (2005), Predicting soil erosion and sediment yield at the basin scale, Scale issues and semi-quantitative models, Earth-Science Reviews, 71: PP. 95-125.
-Jalili, K., Hadid, M, (2005), Quality and quantity evaluation of soil erosion and sedimentation by MPSIAC model using GIS, 3th conference of sedimentation and erosion.
-Johnson, C.W., Gebhardt,  K.A. (1982), Predicting sediment yields from saga brush rangeland, Proceedings of the workshop on estimating erosion and sediment yield on rangeland, Tucson,  Arizona, March 1981. US department of agriculture, Agricultural Reviews and manuals, Western series, 26: PP. 145-156.
-Nourani, V., Andalib, G.R., (2015), Daily and monthly suspended sediment load predictions using wavelet based artificial intelligence approaches, Journal of Mountain Science. 12: PP. 85-100.
-Rajaee, T., Nourani, V., Zounemat Kermani, M., Kisi, O., (2011), River suspended sediment load prediction: Application of ANN and wavelet conjunction model, Journal of Hydrologic Engineering, 16: PP. 613-627.
-Sivakumar, B., Jayawardena A.W., (2002), An investigation of the presence of low-dimensional chaotic behavior in the sediment transport phenomenon, Hydrological Sciences Journal, 47: PP. 405-416.
-Sivakumar, B., (2002), A phase-space reconstruction approach to prediction of suspended sediment concentration in rivers, Journal of Hydrology, 258: PP. 149-162.
-Sivakumar, B., (2006), Suspended sediment load estimation and the problem of inadequate data sampling: a fractal view, Earth Surface Processes and Landforms, 31: PP. 414-427.
-Shang, P., Na, X., Kamae, S., (2009), Chaotic analysis of time series in the sediment transport phenomenon, Chaos, Solutions and Fractals, 41: PP. 368-379.