آنالیز حساسیت پارامترهای نگهداشت در مدل‌سازی ریاضی انتقال آلودگی در رودخانه‌های دارای نواحی نگهداشت

فرآیندهای نگهداشت از مهم‌ترین عوامل موثر بر انتقال آلاینده‌ها در رودخانه هستند. معمولاً شناخت و تعیین اهمیت نسبی این فرآیندها با واسنجی پارامتر تبادل با ناحیۀ نگهداشت (α) و نسبت مساحت مقطع عرضی ناحیۀ نگهداشت به رودخانه (as/a) در مدل‌ نگهداشت موقت (tsm) انجام می‌گیرد. به علت استفاده از داده‌های آزمایش ماده ردیاب برای انجام این پژوهش‌ها، نتایج آن‌ها نمی‌تواند یک تصویر جامع از رفتار مدل ایجاد کند. هدف اصلی این پژوهش ارائه نتایجی کاربردی در شرایط مختلف بوده تا محققین پیش از واسنجی یا مدل‌سازی در رودخانۀ مورد‌نظر خود، دانش کافی نسبت به اهمیت دقت در برآورد و تعیین پارامترها داشته باشند. در این پژوهش با استفاده روش‌هایی مبتنی بر مونت‌کارلو (monte carlo) تلاش شده است تا اثر شرایط مختلف انتقال آلاینده در رودخانه با تعریف یک چارچوب در قالب اعداد پکلت (peclet number) و دمکوهلر (damkohler number) و همچنین مدت‌زمان تزریق آلاینده بر حساسیت پارامترهای نگهداشت بررسی شود. نتایج حاکی از آن است که برای اعداد دمکوهلر کمتر از یک، مدل به α حساسیت زیادی از خود نشان می‌دهد. در مقابل برای محدودۀ [10-1] از اعداد دمکوهلر، در تزریق ناگهانی حساسیت مدل به هر دو پارامتر یکسان می‌باشد که با افزایش مدت‌زمان تزریق آلاینده، as/a بیشترین تاثیر را بر نتایج می‌گذارد. بر خلاف این دو عامل، عدد پکلت تاثیر محسوسی بر حساسیت مدل به هرکدام از پارامترها ندارد. با توجه به عدم‌قطعیت پایین نتایج مدل tsm برای اعداد دمکوهلر کمتر از یک، استفاده از مدل ade باعث کاهش دقت در مدل‌سازی نمی‌شود.

sensitivity analysis of transient storage parameters in mathematical modeling of pollution transport in rivers containing storage zone

hydrologists studying rivers must determine the relative importance of in-river processes to understand the fate of pollutants. storage processes are one of the most of this. currently, the most reliable method for determining the importance of storage processes in the solute transfer is to estimate the stream-storage exchange coefficient (α) and the cross-sectional area ratio (as/a) in the transient storage model (tsm) with tracer experiment data (wallis and manson, 2019). calibrating the parameters depends on the reciprocal coverage between parameter effects on btcs and the model’s sensitivity to each parameter (zaramella et al., 2016). previous studies have quantified the sensitivity of the tsm in inverse modeling (kelleher et al., 2013; wlostowski et al., 2013). due to tracer test data for these studies, their results cannot provide a comprehensive picture of the model behavior. in this study, using monte carlo-based methods, an attempt has been made to investigate the effect of different pollutant transfer circumstances in the river by defining a framework with peclet and damkohler numbers and pollutant injection time series on storage parameters sensitivity.