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

Nourani, Vahid; Mohsenzadeh, Saleh

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

Document Type : پژوهشی

Authors

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,

Abstract

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
38.77e^0.0353R = Equation(1):        Q_S
Q_s=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): SN_ij = S_ij
Equation(3): S_ijN_ky= S_k

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.

Keywords

20.1001.1.23833254.1396.4.11.5.6

Full Text

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) 38.77e^0.0353R=Q_S

:Q_s 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، S_y= میزان رسوبدهی بر حسب تن در کیلومتر مربع در سال، E_r= 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+10Q_P
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 (N_i) 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 N_i برای این فصلها حداکثر خواهد بود. سپس با توجه به تاثیر مستقیم دبی (Q) و بارش (R) در تولید رسوب مقادیـر N_i نسبت بـه تغییرات دبی ماهانـهی کالیبره میگردد.

رابطهی (4) SN_ij=S_ij و رابطهی (5) S_ijN_ky = S_ky

N₁N₂

S N₁=S₁

SN₂ = S₂

N₆N₅N₄N₃

S₂ N₆=S₆

S₂ N₅=S₅

S₁ N₄=S₄

S₁ N₃=S₃

N₇,N₈,N₉N₁₀,N₁₁,N₁₂N₁₃,N₁₄,N₁₅N₁₆,N₁₇, N₁₈

S₇

S₈

S₉

S₁₀

S₁₁

S₁₂

S₁₃

S₁₄

S₁₅

S₁₆

S₁₇

S₁₈

تأثیر دادن دبی (Q) و بارش (I) ماهانه

S_shah

S_mor

S_tir

S_kho

S_ord

S_farv

S_esf

S_bah

S_dey

S_aza

S_aba

S_meh

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/seckm²)**	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/seckm²)**	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
سال آبی	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
سال آبی	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

References

- 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.

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

Full Text

References

Volume 4, Issue 11 - Serial Number 11
September 2017
Pages 83-103

Files

History

Share

How to cite

Statistics

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

Full Text

References

Volume 4, Issue 11 - Serial Number 11September 2017Pages 83-103

Files

History

Share

How to cite

Statistics

Volume 4, Issue 11 - Serial Number 11
September 2017
Pages 83-103