کاربرد نمودارهای مبتنی بر رستر در هیدرولوژی (مطالعه موردی: چشمه گاماسیاب)

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 39

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSW-33-5_003

تاریخ نمایه سازی: 8 آبان 1402

چکیده مقاله:

تکنیک­های تجسم برای مجموعه داده­های بزرگ، مسئله­ای است که در هیدرولوژی کمتر به آن پرداخته شده است. در حالی­که این تکنیک­ها در بررسی و تحلیل مقادیر زیاد اطلاعات چند بعدی، اهمیت زیادی دارند. یکی از این تکنیک­ها، نمودارهای مبتنی بر پیکسل (نمودارهای رستری) می­باشد. در این مطالعه، به بررسی دو نوع از نمودارهای رستری، شامل هیدروگراف رستری و هایتوگراف رستری برای چشمه کارستی گاماسیاب در نهاوند پرداخته می­شود. این نمودارها با استفاده از اطلاعات روزانه آبدهی و بارش چشمه گاماسیاب با یک دوره آماری ۴۹ ساله (۱۳۹۶-۱۳۴۸) ترسیم شدند. برای ترسیم این نمودارها، از نرم­افزار MATLAB استفاده شده است. با استفاده از هیدروگراف رستری، پدیده­های مختلفی از جمله ذوب برف، خشکسالی، و ... تشخیص داده شدند. در این تحقیق ۶ پدیده مختلف با استفاده از این نمودارها شناسایی شده است. نتایج نشان داد که دوره ذوب برف در چشمه گاماسیاب از سال ۱۳۴۸ تا ۱۳۹۶ کمتر شده، به طوری­که این دوره از حدود ۱۰۰ روز به ۳۰ روز کاهش یافته است. همچنین سال ۱۳۸۷ خشک­ترین سال در طول دوره آماری چشمه بوده است، یک خشکسالی هم در سال ۱۳۷۷ مشاهده شده است. با استفاده از هیدروگراف رستری مشخص شد که ماه مهر، خشک­ترین ماه می­باشد، مشخص کردن این ماه برای بررسی و جداسازی جریان پایه بسیار مناسب می­باشد. به­طورکلی می­توان گفت که این نمودارها ضمن داشتن اطلاعات بسیار زیاد، قابلیت بررسی و تفسیر سریع­تری را فراهم می­کنند.

کلیدواژه ها:

نویسندگان

اباذر سلگی

چمران اهواز

حیدر زارعی

دانشگاه شهید چمران، اهواز

صفر معروفی

چمران اهواز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Anonymous. ۲۰۰۵. A Guideline to Prepare Karstic and Consolidated Formation ...
  • McCulloch E.S. ۲۰۱۳. Harnessing the power of big data in ...
  • Michener W.K., and Jones M.B. ۲۰۱۲. Ecoinformatics: Supporting ecology as ...
  • Kim D.A. ,and Kriegel H.P. ۱۹۹۶. Visualization Techniques for Mining ...
  • Keim D.A. ۲۰۰۰. Designing Pixel-Oriented Visualization Techniques: Theory and Applications. ...
  • Koehler R. ۲۰۰۴. Raster-Based Streamflow Analysis Applied to the Upper ...
  • Mckay S.K. ۲۰۱۴. Informing Flow Management Decisions in the Middle ...
  • Koehler R., and Ball G. ۱۹۹۸. A Statistical Analysis of ...
  • Koehler R., Pool D., and Kirchner J. ۲۰۰۲. A Visualization ...
  • Strandhgan E. ۲۰۰۶. Cartographic Tecniques. Cartographic Perspectives, ۵۵ ...
  • نمایش کامل مراجع