بررسی کارآیی ساختارهای مختلف مدل ترکیبی در روش انگشت‌نگاری رسوب برای تعیین سهم منابع مختلف رسوب ته‌نشین‌‌شده در مخزن سد خاکی لاور فین، استان هرمزگان

برای مهارکردن فرسایش و کاهش‌دادن رسوب خروجی هر آبخیز باید قسمت‌هایی از آنکه سهم‌شان در رسوب خروجی بیش‌تر است شناسایی گشته، و اقدام‌های حفاظتی بر ‌آن‌ها متمرکز شود. یکی از متداول ترین روش‌هایی که در سال‌های اخیر در تعیین سهم منابع مختلف به‌کار رفته روش انگشت‌نگاری است. تاکنون ساختارهای مختلفی از این روش داده شده که لازم است کارآیی آن ها نسبت به یک‌دیگر مقایسه، تا ضعف‌ها و قوت‌های آن ها شناسایی شود. برای کمّی‌کردن سهم منابع در تولید رسوب‌های ته نشین‌شده در مخزن سد لاور فین در استان هرمزگان، کارآیی هشت مدل ترکیبی کولینز، هیوز، موتا، اسلاتری، لندور، لندور اصلاح‌شده، مدل بیزی با تبدیل clr، مدل بیزی با توزیع دریکله بررسی و مقایسه گردیدند. پس از جمع آوری اطلاعات اولیه و تهیه ی نقشه‌های پایه در بازدید میدانی، 23 نمونه ی سطحی از سه زیرحوضه و نه نمونه از رسوب‌های ته نشین‌شده در مخزن سد جمع آوری، و برای هر نمونه 56 ردیاب اندازه گیری شد. ترکیب بهینه ی ردیاب با استفاده از روش های آماری شناسایی، و مدل‌های مختلف ترکیبی اجرا شدند. نتایج نشان دادند که چهار عنصر mn، la، nd وth  ترکیب بهینه ی ردیاب‌ها بود. نتایج مدل‌های ترکیبی نشان داد که در حالتی که اندازه‌ی ردیاب‌های نمونه‌های رسوب در دامنه ی اندازه‌ی متوسط ردیاب‌های منابع باشد عمل‌کرد تمام مدل‌ها شبیه است. در حالتی که اندازه‌ی ردیاب‌های نمونه‌های رسوب خارج از اندازه‌ی متوسط ردیاب‌های منابع باشد، بسته به نوع تابع، بهینه‌سازی عمل‌کرد مدل‌های مختلف متفاوت، و عمل‌کرد مدل‌ها با تابع هدف مشابه یکسان بود، به طوری که در این پژوهش مدل‌های کولینز با هیوز و بیزی با تبدیل clr، موتا با اسلتری و لندور با لندور اصلاح‌شده شبیه عمل کردند. به طور کلی، کارآیی مدل های ترکیبی مختلف در انگشت نگاری متفاوت است، و خروجی آن ها به نوع تابع هدف، که در بهینه سازی کمینه می شود، بستگی دارد.

Assessment of the Applicability of the Mixing ModelsUsed in the Sediment Fingerprinting of Different SourcesDeposited in the Lavar Fin Reservoir, the Province of Hormozgan

Identification of the erosionpron parts of a watershed is of at most importance if the soil conservation activities are to be implemented on it to mitigate sedimentation into the floodreceiving reservoir. Sediment fingerprinting is one of the most common methods used for quantifying source contributions of the suspended load. As the mixing models with different structures of sediment fingerprinting method are implemented, their advantagesand disadvantages should be identified. The applicability of eight mixing models,namely: Collins, Hughes, Motha, Slattery, Landwher, Modified Landwher, and Bayesian with the CLR transformation and the Dirichlet distribution were investigated in order to quantify source contributions of sediment deposited in the Lavar Reservoir, the Province of Hormozgan. Twentythree soil samples were collected from the contributing watersheds, 9 sediments samples were extracted from the reservoir, and concentration of 56 elements were measured in each of the samples. The optimum composite fingerprints were identified by statistical methods and the mixing models were executed. Based on the results, four geochemical properties,namely Mn, La, Nd and Th were selected as optimum fingerprints. The results obtained by all of the mixing models were similar when the values of tracer concentrations in the sediment samples fall inside of those ranges in the source samples. When the values of tracers in the sediment samples fall outside of those values in the source samples, the mixing models with the same objective functions presented similar results. The results of Collins̛, model were similar to those of Hughes, and the results of Bayesian models were similar to those of Hughes the with the CLR transformation;the results calculated by the Motha were similar to those presented by Slattery, and results of Landwher were similar to the modified Landwher. Generally, applicability of the various mixing models in fingerprinting are different, as their outputs are dependent on the target functions, which are minimized in optimization.