سال 14، شماره 1 - ( بهار 1403 )
جلد 14 شماره 1 صفحات 59-42 |
برگشت به فهرست نسخه ها
گروه جغرافیای طبیعی ، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل ، s.asghari@uma.ac.ir
چکیده: (1100 مشاهده)
مشاهدات فرسایش خاک و بار رسوب برای رودخانه‌ها در بسیاری از نقاط جهان، به ویژه در کشورهای در حال توسعه بسیار کم است و همچنین تولید و انتقال رسوب معلق در سیستم رودخانه‌ای دارای فرآیند پیچیده‌ای است که تحت تأثیر عوامل زیادی می‌باشد. یکی از این عوامل، ویژگیهای فیزیوگرافی حوزههای آبخیز است که بخش مهمی از مطالعات فرسایش و رسوب بوده و اثر تعیین کنندهای در ویژگیهای هیدرولوژیکی دارند. لذا هدف از مطالعه حاضر بررسی عوامل کنترل کننده رسوب معلق رودخانه قره‌سو استان اردبیل با استفاده از تحلیل مولفه‌های اصلی (PCA) و رگرسیون چندمتغیره است. به منظور تعیین ارتباط بین متغیرهای مورد استفاده از جمله ارتفاع، مساحت، محیط، شیب، طول آبراهه اصلی، تراکم زهکشی، بارش بیشینه، زمان تمرکز، دبی، ضریب فرم حوضه، ضریب گردی، ضریب گشیدگی، شاخص شکل حوضه، نسبت لمنیسکیت، پوشش گیاهی و سازندهای فرسایش‌پذیر با رسوب هر حوضه، ابتدا از آزمون همبستگی پیرسون جهت ارزیابی میزان همبستگی بین متغیرهای مستقل و متغیر وابسته (رسوب) و سپس از تحلیل رگرسیون چند متغیره گام به گام استفاده شد. همچنین جهت شناسایی عوامل تأثیرگذار بر میزان تولید رسوب حوضه از بین متغیرهای موجود، از روش تحلیل مؤلفههای اصلی استفاده شد. نتیجه بررسی ارتباط بین متغیرهای حوضه با رسوب نشان داد که مقدار رسوب تولیدی با متغیر زمان تمرکز، همبستگی مثبت داشته و در سطح 5 درصد معنیدار بوده است. همچنین نتایج تحلیل مولفه‌های اصلی نشان داد که چهار عامل مساحت، طول آبراهه اصلی، زمان تمرکز و ضریب کشیدگی به ترتیب با 230/37 درصد، 735/24 درصد، 950/16 درصد و 849/9 درصد از واریانس تمامی متغیرهای پژوهش را تبیین می‌کنند که نشان می‌دهد 4 عامل مذکور بیش از 88 درصد تولید رسوب در حوضه قره‌سو را بر عهده دارند. نتایج حاضر ضمن معرفی عوامل تاثیرگذار بر میزان تولید رسوب در حوزه آبخیز قره‌سو، می‌تواند برای برآورد رسوب به مناطق فاقد آمار تعمیم داده شود.
نوع مطالعه: پژوهشي |
موضوع مقاله:
مدلسازی و تحلیل زمانی و مکانی رخداد انواع مختلف فرسایش محیطی
دریافت: 1402/3/21 | انتشار: 1403/1/20
دریافت: 1402/3/21 | انتشار: 1403/1/20
فهرست منابع
1. Asghari, S., Ghaleh, E. 2020. Investigation of the relationship between geomorphic characteristics and sediment yield (Case Study: Gharanghoo Basin in East Azarbaijan Province). Quantitative Geomorphological Research, 8(3), 146-164. (In Persian)
2. Esfandiari Darabad, F., Mostafazadeh, R., Nezafat takle, B., Pasban, A. 2022. Modeling of Suspended Sediment Yield in Ardabil Province watersheds using PCA and Multiple Regression Analysis. Irrigation and Water Engineering, 13(2), 143-162. (In Persian)
3. Faghfouri, Z., Arman, N., Faraji, M., & Khorsandi, Z. 2017. Identifying the effective factors on sediment yield using statistical method, case study: Seyed Abad Basin. Watershed Engineering and Management, 9(2), 190-204. (In Persian)
4. Fathabadi, A., Seyedian, S.M., Malekian, A. 2022. Comparison of Bayesian, k-Nearest Neighbor and Gaussian process regression methods for quantifying uncertainty of suspended sediment concentration prediction. Science of the Total Environment, 8(18), 25-41. [DOI:10.1016/j.scitotenv.2021.151760]
5. Fryirs, K. 2013. Connectivity in catchment sediment cascades: a fresh look at the sediment delivery problem. Earth Surface Processes and Landforms, 38(1), pp.30-46 [DOI:10.1002/esp.3242]
6. Gholami, L., Sadeghi, H., Khaledi Darvishan, A., Telvari, A. 2008. Storm-Wise sediment yield prediction using rainfall and runoff variables. Water and Soil, 22(2). (In Persian)
7. Heng, S., Suetsugi, T. 2014. Comparison of regionalization approaches in parameterizing sediment rating curve in ungauged catchments for subsequent instantaneous sediment yield prediction. Journal of Hydrology, 512, 240-253. [DOI:10.1016/j.jhydrol.2014.03.003]
8. Kakehmami, A., Ghorbani, A., Asghari Sarasekanrood, S., Ghale, E., Ghafari, S. 2020. Study of the relationship between land use and vegetation changes with the land surface temperature in Namin County. Journal of RS and GIS for Natural Resources, 11(2), 27-48. (In Persian)
9. Lamb, E., Toniolo, H. 2016. Initial Quantification of Suspended Sediment Loads for Three Alaska North Slope Rivers. Water, 419(8), 2-11. [DOI:10.3390/w8100419]
10. Shayan, S., Zare, GH.R., Yamani, M., Sharifi Kia, M., Sultanpour, M. 2013. Analysis of the trend of statistics changes in the discharge and sediment of the Mend watershed and its application in environmental planning, Journal of Applied Geomorphology. 1(2), 50-37.
11. Shi, Z.H., Huang, X.D., Ai, L., Fang, N.F., Wu, G.L. 2014. Quantitative analysis of factors controlling sediment yield in mountainous watersheds. Geomorphology, 226, 193-201. [DOI:10.1016/j.geomorph.2014.08.012]
12. Soni, S. 2017. Assessment of morphometric characteristics of Chakrar watershed in Madhya Pradesh India using geospatial technique. Applied Water Science. 7(5), 2089-2102. [DOI:10.1007/s13201-016-0395-2]
13. Tadaion, B., Abedi, M.R., Nilforoshan, P. 2016. The Effect of Group Emotional intelligence Training on Employability in Isfahan University of Technology, Quarterly Journal of Career & Organizational Counseling, 7(22), 9-32. (In Persian)
14. Zare Chahuki, M.A. 2010. Data analysis in natural resources research using SPSS software. first edition. Jahad University press. 309 P.
15. Zhu, Y.M., X.X. Lu and Y. Zhou. 2007. Suspended sediment flux modeling with artificial neural network: An example of the Longchuanjiang River in the Upper Yangtze Catchment. Geomorphology, 84: 111-125. [DOI:10.1016/j.geomorph.2006.07.010]
16. Ziegler A.D., Benner G., Tantasirin C. 2014. Turbidity-based sediment monitoring in northern Thailand: hysteresis, variability, and uncertainty. Journal of Hydrology, 519, 2020-2039. [DOI:10.1016/j.jhydrol.2014.09.010]
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |