این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه مدیریت حوزه آبخیز، جلد ۱۵، شماره ۲۹، صفحات ۰-۰
عنوان فارسی شبیه‌سازی فرآیند بارش- رواناب با به‌کارگیری پلات‌های صحرایی و شبکه عصبی مصنوعی
چکیده فارسی مقاله
مقدمه و هدف: شبیه‌سازی فرآیند بارش- رواناب امری مهم در مدیریت منابع طبیعی و همچنین منابع آب است؛ اما این فرآیند دارای پیچیدگی‌های خاص خود و عوامل مؤثر متعدد ازجمله عوامل بارش (مقدار و شدت بارش)، پوشش گیاهی (نوع پوشش و تراکم پوشش)، عوامل خاک (بافت خاک، رطوبت اولیه خاک و میزان نفوذپذیری خاک) و نحوه مدیریت اراضی است. تحقیق حاضر باهدف ارائه مدلی برای شبیه‌سازی فرآیند بارش- رواناب با استفاده از مدل‌سازی شبکه عصبی مصنوعی (ANN) و داده‌های رواناب پلات‌های صحرایی صورت گرفت.
مواد و روش‌ها: این تحقیق روی یک دامنه شیب‌دار در دانشگاه گیلان با خاک رسی-لومی به‌صورت تکراری از پلات‌های زوجی در تیمارهای مختلف پوشش گیاهی و مدیریت اراضی انجام شد. همچنین، با استفاده از یک باران‌سنج ذخیره‌ای، بعد از هر بارش مقدار بارندگی اندازه‌گیری شد. مقادیر رواناب نیز به‌واسطه پلات‌ها برآورد گشت و از تفاوت مقادیر بارش و رواناب‌ها، مقادیر هدررفت اولیه در سطح هر پلات به ازای هر واقعه بارش در شرایط متفاوت رطوبت پیشین خاک محاسبه گردید. سپس، به‌منظور مدل‌سازی داده‏های اخذشده به دو دسته داده‏های آموزشی و آزمودنی تفکیک شدند. پارامتر مقادیر رواناب به‌عنوان خروجی مدل و مقادیر بارش، درصد تاج پوشش مرتعی و درختی، رطوبت پیشین خاک، درصد لاش‌برگ به‌عنوان ورودی‌های بهینه مدل در نظر گرفته شدند.
یافته‌ها: مقادیر0/97, R2=0/004MSE= و 0/91, R2= 4/2=MSE  به ترتیب در مرحله آموزش و مرحله آزمودن مدل به دست آمد و درنهایت مدلی با کارایی بالا برای شبیه ‏سازی فرآیند بارش- رواناب ارائه شد. نتیجه فرآیند مدل‌سازی نشان داد که پوشش مرتعی دارای بالاترین کارایی در کنترل میزان رواناب است.
نتیجه‌گیری: از مدل مذکور می‌توان برای شبیه‏سازی اثر سناریوهای مختلف پوشش گیاهی در تولید رواناب و یا برآورد رواناب براساس بارش ایستگاه‏های هواشناسی استفاده نمود.
 
کلیدواژه‌های فارسی مقاله تیمارهای پوشش، پلات زوجی، هدر رفت اولیه، مدل‌سازی، ANN، داده‌های آموزشی و آزمایشی
عنوان انگلیسی Prediction of rainfall-runoff process using field plots and artificial neural network (ANN)
چکیده انگلیسی مقاله
Introduction and Objective: Predicting the rainfall-runoff process is an important issue in the management of natural resources as well as water resources. However, this process has its own complexities and many effective factors, including rainfall factors (rainfall intensity and value), vegetation (type and canopy), soil factors (soil texture, initial soil moisture, and soil permeability) and It is the way of land management. The current research aimed to provide a model for predicting the rainfall-runoff process using artificial neural network (ANN) modeling and field runoff data.
Material and Methods: The research was conducted on a hillslope located in the University of Guilan with clay-loam soil, in the form of replicated pairs of plots in different vegetation treatments and land management. Moreover, using a rain gauge set, the amount of rainfall was measured after each rainfall event. The amount of runoff was also estimated by the plots, and from the difference between the amounts of rainfall and runoff, the amounts of initial loss on the surface of each plot were calculated for each rainfall event in different previous soil moisture conditions. Then, in order to model the obtained data, they were divided into two categories of training and test data. The parameters of runoff values were considered as output of the model and rainfall values, the percentage of rangeland and tree cover, the previous soil moisture, and the percentage of litter were considered as the inputs of the model.
Results: The values of R2=0.97, MSE=0.004 and R2=0.91, MSE=4.2 were obtained in the training stage and the testing stage of the model, respectively, and finally a high-performance model for simulating the rainfall-runoff process was obtained. The result of modeling process showed that the rangeland cover has the highest efficiency on runoff control.
Conclusion: The mentioned model can be used to predict the effect of different vegetation scenarios on runoff generation or to estimate runoff based on the rainfall of meteorological stations.
کلیدواژه‌های انگلیسی مقاله Cover treatments, Couple plot, Initial loss, Prediction, ANN, Training and Testing data
نویسندگان مقاله محمدعلی هادیان امری | Mohammadali Hadian Amri
Department of Soil Conservation and Watershed Management, Mazandaran Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Sari, Iran
بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی مازندران، سازمان تحقیقات، آموزش و ترویج کشاورزی، ساری، ایران

وحید غلامی | Vahid Gholami
Department of Nature Engineering, Faculty of Natural Resources, University of Guilan, Rasht, Iran
گروه مهندسی طبیعت، دانشکده منابع طبیعی، دانشگاه گیلان، رشت، ایران

آتنا یوسفی | Atena Yousefi
University of Tehran, Iran
دانشگاه تهران

نشانی اینترنتی http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-475-2&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده حفاظت آب و خاک
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات