|
|
مدلسازی سیلاب در حوضههای آبریز با استفاده از تحلیل آماری و ویژگی های مورفومتری مطالعه موردی: حوضههای آبریز استان کردستان
|
|
|
|
|
نویسنده
|
منبری فاطمه ,ملکی امجد ,نیری هادی
|
منبع
|
هيدروژئومورفولوژي - 1401 - دوره : 10 - شماره : 33 - صفحه:87 -105
|
چکیده
|
تجزیه و تحلیل مورفومتری حوضه های زهکشی و شبکه رودخانه، نقش مهمی در شناخت رفتار هیدروژئولوژیکی حوضه زهکشیایفا میکند و در حوضه های فاقد آمار میتواند ابزاری مفید برای پیشبینی سیلاب باشد. از این رو تحقیق حاضر با هدفمدلسازی سیلاب و ارتباط آن با متغیرهای مورفومتری با استفاده از رگرسیون چندمتغیره انجام گرفت. روش پژوهش مبتنی بر استخراج پارامترهای مورفومتریک و تحلیل های آماری شامل بررسی ضریب همبستگی و تحلیل رگرسیون خطی می باشد. در همین راستا ابتدا حوضه های مورد مطالعه با استفاده از نرم افزار 5.10 gis arc تعیین و حدود هر یک مشخص شده است. سپس ویژگی های مورفومتری آنها استخراج شده است. دبی سیلاب نیز در دوره های بازگشت 2 تا 500 ساله با استفاده از نرم افزار ایزی فیت بازسازی شده است. برای مدلسازی ابتدا رابطه خطی بین هر یک از متغیرهای مورفومتری به عنوان متغیر مستقل با دبی سیلاب به عنوان متغیر وابسته مورد بررسی قرار گرفته و بعد از اطمینان از وجود رابطه ی خطی بین متغیرها و دبی سیلاب همبستگی بین هر یک از متغیرها و دبی سیلاب محاسبه شد. متغیرهایی که بیشترین همبستگی را دارند مشخص گردید که این متغیرها عبارت بودند از مساحت حوضه، طول حوضه و طول جریان سطحی. با استفاده از رگرسیون چند متغیره اقدام به مدلسازی برای متغیرهای مستقل و دبی سیلاب گردید. نتایج نشان میدهد که هر چه دوره بازگشت سیلاب افزایش مییابد ارتباط بین متغیرهای مستقل و دبی سیلاب افزایش می یابد به طوری که همبستگی مساحت با دوره ی برگشت 25 ساله 0/609 و با دوره ی بازگشت 200 ساله 0/677 می باشد. همچنین مدل های ارائه شده با استفاده از تحلیل رگرسیون چندمتغیره در دوره های بازگشت بالاتر از 25 تا 500 سال دارای اعتبار بیشتری برای پیشبینی سیلاب میباشد. به طوری که ضریب تبیین دوره ی 5 ساله برابر با 0/325 و دوره 500 ساله برابر با 0/521 می باشد.
|
کلیدواژه
|
دبی سیلاب، دوره ی بازگشت، رگرسیون چند متغیره، متغیرهای مورفومتریک، استان کردستان، غرب ایران
|
آدرس
|
دانشگاه رازی, دانشکده ادبیات و علوم انسانی, گروه جغرافیای طبیعی, ایران, دانشگاه رازی, دانشکده ادبیات و علوم انسانی, گروه جغرافیای طبیعی, ایران, دانشگاه کردستان, دانشکده منابع طبیعی, گروه ژئومورفولوژی, ایران
|
پست الکترونیکی
|
nayyerihadi@yahoo.com
|
|
|
|
|
|
|
|
|
flood modeling in watersheds using statistical analysis and morphometric characteristics (a case study of watersheds in kurdistan province)
|
|
|
Authors
|
menbari fatemeh ,maleki amjad ,hadi nayyeri
|
Abstract
|
morphometric analysis of a drainage basins and river network plays an vital role in understanding the hydrogeological behavior of the drainage basin . therefore, the current research was conducted with the aim of modeling flood and its relationship with morphometric variables using multivariate regression. the research method is based on the destruction of morphometric parameters and statistical analysis, including correlation coefficient and linear regression analysis. in this regard, first, the studied basins have been selected using arc gis 10.5 software, and the limits of each one has been determined. then, their morphometric characteristics have been extracted. the flood discharge has also been reconstructed in return periods of 2 to 500 years using easy fit software. for modeling, first, the linear relationship between each morphometric variable as an independent variable with flood discharge as a dependent variable was investigated. after ensuring the linear relationship between variables and flood discharge, correlation between each variable and flood discharge was calculated. the variables with the highest correlation were watershed area, basin length, and surface flow length. using multivariate regression, modeling was used for independent variables and flood discharge. the results show that as the return period increases, the relationship between independent variables and flood discharge increases, so that the correlation of the area with the return period of 25 years is 0.609 and with the return period of 200 years is 0.677.also, the proposed models have more validity for flood prediction using multivariate regression analysis in return periods above 25 to 500 years.
|
|
|
|
|
|
|
|
|
|
|
|
|