کلمات کلیدی: 

جنگل تجربی Santee; مدل های دیجیتال ارتفاع (DEM); منطقه زهکشی؛ شبکه زهکشی؛ دشت ساحلی کم شیب (LCP)

چکیده

مستندسازی بازیابی عملکردهای هیدرولوژیکی به دنبال آشفتگی‌های یک چشم‌انداز/حوضه آبخیز برای رسیدگی به مسائل مرتبط با تغییر کاربری زمین و احیای اکوسیستم مهم است. داده‌های LiDAR با وضوح بالا برای جنگل آزمایشی Santee خدمات جنگلی USDA در ساحلی کارولینای جنوبی، ایالات متحده آمریکا برای ترسیم ساختارهای مدیریت آب تاریخی باقی‌مانده در حوضه‌های حوضه‌ای که از جنگل‌های چوب سخت ته‌زمینی پشتیبانی می‌کنند، استفاده شد. عملکردهای هیدرولوژیکی در طول دوره استفاده کشاورزی در اوایل سال 1700 برای کشت برنج، با تغییراتی در ذخیره سازی، توقیف ها و مسیریابی رواناب تغییر یافت. از اواخر دهه 1800، زمین بدون دخالت مستقیم به جنگل ها تبدیل شد. ته‌نشین‌های حاصل، در حالی که از نظر ساختار رویشی و ترکیب معمولی هستند، هنوز مسیرها و عملکردهای هیدرولوژیکی به دلیل کاربری تاریخی زمین تغییر یافته است. علاوه بر این، یک برآورد دقیق از مساحت زهکشی حوضه (DA) که به جریان جریان کمک می‌کند، برای تخمین قابل اعتماد نرخ جریان اوج، عمق رواناب و ضریب، و همچنین تعادل آب و شیمیایی حیاتی است. دبی پیک، پارامتری است که به طور گسترده در طراحی کانال ها و سازه های زهکشی متقاطع استفاده می شود، به عنوان تابعی از DA و سایر پارامترها محاسبه می شود. با این حال، بر خلاف حوضه های آبخیز مرتفع، نقشه های توپوگرافی موجود و مدل های رقومی ارتفاع (DEMs) که برای تخمین DA استفاده می شوند، برای منظره دشت ساحلی (LCP) مسطح و با گرادیان کم کافی نیستند. در این مقاله به بررسی یک مطالعه موردی از 3 می پردازیم یک برآورد دقیق از مساحت زهکشی حوضه (DA) که به جریان جریان کمک می کند، برای تخمین قابل اعتماد نرخ جریان اوج، عمق رواناب و ضریب، و همچنین تعادل آب و شیمیایی حیاتی است. دبی پیک، پارامتری است که به طور گسترده در طراحی کانال ها و سازه های زهکشی متقاطع استفاده می شود، به عنوان تابعی از DA و سایر پارامترها محاسبه می شود. با این حال، بر خلاف حوضه های آبخیز مرتفع، نقشه های توپوگرافی موجود و مدل های رقومی ارتفاع (DEMs) که برای تخمین DA استفاده می شوند، برای منظره دشت ساحلی (LCP) مسطح و با گرادیان کم کافی نیستند. در این مقاله به بررسی یک مطالعه موردی از 3 می پردازیم یک برآورد دقیق از مساحت زهکشی حوضه (DA) که به جریان جریان کمک می کند، برای تخمین قابل اعتماد نرخ جریان اوج، عمق رواناب و ضریب، و همچنین تعادل آب و شیمیایی حیاتی است. دبی پیک، پارامتری است که به طور گسترده در طراحی کانال ها و سازه های زهکشی متقاطع استفاده می شود، به عنوان تابعی از DA و سایر پارامترها محاسبه می شود. با این حال، بر خلاف حوضه های آبخیز مرتفع، نقشه های توپوگرافی موجود و مدل های رقومی ارتفاع (DEMs) که برای تخمین DA استفاده می شوند، برای منظره دشت ساحلی (LCP) مسطح و با گرادیان کم کافی نیستند. در این مقاله به بررسی یک مطالعه موردی از 3 می پردازیم به عنوان تابعی از DA و سایر پارامترها محاسبه می شود. با این حال، بر خلاف حوضه های آبخیز مرتفع، نقشه های توپوگرافی موجود و مدل های رقومی ارتفاع (DEMs) که برای تخمین DA استفاده می شوند، برای منظره دشت ساحلی (LCP) مسطح و با گرادیان کم کافی نیستند. در این مقاله به بررسی یک مطالعه موردی از 3 می پردازیم به عنوان تابعی از DA و سایر پارامترها محاسبه می شود. با این حال، بر خلاف حوضه های آبخیز مرتفع، نقشه های توپوگرافی موجود و مدل های رقومی ارتفاع (DEMs) که برای تخمین DA استفاده می شوند، برای منظره دشت ساحلی (LCP) مسطح و با گرادیان کم کافی نیستند. در این مقاله به بررسی یک مطالعه موردی از 3 می پردازیمحوضه مرتبه سوم (معادل کد واحد هیدرولوژیکی 14 رقمی (HUC)) در سرچشمه شاخه شرقی رودخانه کوپر در حال تخلیه به بندر چارلستون، SC برای ارزیابی منطقه زهکشی و میانگین ضریب رواناب سالانه مربوطه بر اساس DEM های مختلف از جمله داده های LiDAR. این تجزیه و تحلیل ها نیاز به استفاده از DEM های مبتنی بر LiDAR را همراه با تأیید صحرایی برای بهبود مبنای ارزیابی هیدرولوژی، ویژگی های زهکشی حوضه، و مدل سازی در LCP نشان می دهد.

1. مقدمه

حوزه های آبخیز یک چارچوب سازماندهی برای ارزیابی عملکردهای هیدرولوژیکی و اکولوژیکی و تأثیرات مختلف چشم انداز هستند. تولید آب قابل اطمینان و پایدار از حوضه های آبخیز در دشت ساحلی جنوب شرقی در سال های اخیر به دلیل تغییر رشد جمعیت، کاربری زمین و تغییرات آب و هوایی بالقوه به یک منطقه نگران کننده تبدیل شده است. برای پرداختن به این نگرانی، نیاز به درک قابل اعتمادی از فرآیندهای هیدرولوژیکی و تعادل آب حوضه های آبخیز جنگلی کمتر مختل شده در زمین های دشت ساحلی با گرادیان کم (LCP) وجود دارد [1-7]. این تعادل آب مرجع می تواند برای تعیین کمیت مقدار و تغییر بالقوه به تعادل آب در LCP به دلیل تأثیرات اختلالات انسانی و طبیعی، که برای توسعه اقتصادی و شیوه های مدیریت زمین مهم است، استفاده شود. داده های منابع (به عنوان مثال، توپوگرافی، هیدروگرافی، کاربری زمین/پوشش زمین، خاک ها) توصیف حوضه ها مبنای این ارزیابی ها هستند و حل آن ممکن است بر نتایج و تفسیرها تأثیر بگذارد. رویکردهای پایش و مدل‌سازی اغلب برای درک فرآیندها و تعیین کمیت رواناب، تعادل آب و بارهای آلاینده استفاده می‌شوند.8 ]. با این حال، چالش‌هایی در تعیین کمیت دقیق تعادل آب و شیمیایی این سیستم‌های LCP در درجه اول به دلیل دشواری در برآورد دقیق منطقه زهکشی حوضه مورد استفاده در رواناب مبتنی بر عمق وجود دارد.

منطقه زهکشی را می توان با دقت معقولی برای حوضه های آبخیز مرتفع با گرادیان بالا با نقشه های چهارگوش توپوگرافی سازمان زمین شناسی ایالات متحده (USGS) (مقیاس 1 اینچ = 1 مایل با فواصل کانتور 20 فوت) یا مدل های ارتفاعی دیجیتال (DEMs) تخمین زد. بسیاری از تجزیه و تحلیل های انجام شده در این مطالعه با استفاده از نقشه های چهارگانه توپوگرافی USGS انجام شد. DEM یک مجموعه داده نقشه‌کشی/جغرافیایی دیجیتال از ارتفاعات در مختصات xyz است. ارتفاعات زمین برای موقعیت های زمین در فواصل افقی منظم نمونه برداری می شود. DEM ها از داده های هیپوگرافی (خطوط کانتور) و/یا روش های فتوگرامتری با استفاده از USGS 7.5 دقیقه، 15 دقیقه، 2 قوس ثانیه (30 در 60 دقیقه) و 1 درجه (1:250000 مقیاس) مشتق شده اند. نقشه های چهار گوش توپوگرافی. https://tahoe.usgs.gov/DEM.html. 30 متر DEM توسعه یافته از داده های هیپوگرافی (خطوط کانتور) و/یا روش های فتوگرامتری با استفاده از نقشه چهارگوش توپوگرافی 7.5 اینچی USGS به طور کلی انتخاب هیدرولوژیست ها برای ترسیم منطقه زهکشی حوضه است [9،10]. با این حال، نقشه های توپوگرافی دقیق تری ممکن است برای به دست آوردن تخمین دقیقی از منطقه زهکشی در LCP مورد نیاز باشد که در آن شیب زمین بسیار مسطح با چند کانتور است. به عنوان مثال، اخیرا [11 ] اختلافات زیادی را در داده های ارتفاعی بین ایالتی (I-95) به دست آمده توسط 10 متر DEM ایجاد شده از خطوط 10 متری که با رقومی سازی دستی نقشه های توپوگرافی USGS در مقیاس 1:24000 در مقایسه با DEM توسعه یافته از تشخیص و محدوده نور در سال 2010 ایجاد شده است، یافتند. داده های (LiDAR). 10 متر DEM قدیمی تر و جدیدترین LiDAR-DEM اختلاف میانگین 0.9 متر را در مکان های انتخابی تصادفی در I-95 ارائه کردند. آنها 10 متر DEM را برای منطقه مورد مطالعه (شهرستان کامدن، GA، یک شهرستان ساحلی جنوبی) با استفاده از الگوریتم توسعه یافته با مقادیر تمایز هر دو تبدیل کردند. منطقه مورد مطالعه، USDA Forest Service Santee Experimental Forest (SEF)، مورد استفاده در این مطالعه از ماهیت توپوگرافی مشابهی برخوردار است. به همین ترتیب، [ 12] گزارش داد که نقشه‌های توپوگرافی USGS در نمایش توپوگرافی مرزهای حوضه، شیب‌ها و نواحی کمک‌کننده شیب به اندازه کافی دقیق در نظر گرفته نمی‌شوند تا ابزارهای ارزیابی دقیق فرسایش خاک مبتنی بر فرآیند را به طور معناداری در مقیاس میدانی اعمال کنند. با این حال، نویسندگان همچنین به این نتیجه رسیدند که DEM‌های مبتنی بر خطوط کانتور 10 فوتی USGS از داده‌های در دسترس عموم می‌توانند به اندازه دقیق‌ترین مجموعه داده‌های به‌دست‌آمده از GPS دیفرانسیل سینماتیک بلادرنگ (RTK-DGPS) در تخمین میانگین سالانه رواناب خارج از محل باشند. (-18.3٪ خطا) و عملکرد رسوب با استفاده از مدل WEPP در حوضه آبخیز 30 هکتاری مرتفع. اخیراً، [ 13 ] اثرات عدم قطعیت در برآورد ارتفاعات از انواع مختلف DEM بر نرخ فرسایش گزارش شده است. به طور مشابه، در مطالعه دیگری توسط [ 14]، نویسندگان استدلال کردند که معمولاً تعیین کمیت از دست دادن خاک به دلیل فرسایش خندقی دشوار است زیرا ردپای خندق‌های منفرد آنقدر کوچک است که نمی‌توان توسط اکثر DEM‌های عمومی موجود، مانند مجموعه داده‌های ارتفاعی ملی USGS، ثبت شود. جیمز و همکاران [ 15 ] همچنین اشاره کرد که DEM های استاندارد به طور کلی فاقد وضوح مکانی و زمانی برای انجام تشخیص تغییر در مقیاس محلی خندق هستند. بسته به منابع داده، روش‌ها و روش‌های مورد استفاده برای تولید DEM‌های میدانی، تخمین‌های DEM حاوی خطاهایی هستند [ 16 ]. بنابراین داده های LiDAR به طور فزاینده ای برای استخراج اطلاعات در مورد ارتفاع مورد استفاده قرار می گیرند [ 17]. با این حال، تا کنون فقط تعداد بسیار کمی یا هیچ مطالعه ای در مورد اثرات خطاها در DEMs در تخمین مساحت زهکشی حوزه های آبخیز در مناظر ساحلی با گرادیان کم (LCP) انجام شده است.

DEM های ایجاد شده با استفاده از ارتفاعات از نقشه های چهارگانه توپوگرافی USGS اغلب ممکن است با ساخت جاده ها و سازه های زهکشی متقابل تغییر کنند، بیشتر در LCP مسطح. در این زمین‌های مسطح، چنین بستر جاده‌ای ممکن است به عنوان مرز حوضه عمل کند که ممکن است در نقشه‌های توپوگرافی USGS قدیمی DEMs [ 18 ] منعکس نشده باشد. اگر میدان برای آن زیرساخت‌های جاده تأیید نشده و در DEM بازسازی نشده باشد، منطقه زهکشی تخمینی واقعی و همچنین شبکه زهکشی ممکن است با آنچه که با استفاده از DEM‌های موجود توسعه یافته است متفاوت باشد. این امر به وضوح ضرورت بررسی میدانی شبکه جاده‌ای و سایر سازه‌های کنترل جریان را علاوه بر داشتن DEM با وضوح بالا برای تحلیل و مدل‌سازی هیدرولوژیکی، به ویژه که شامل محاسبه مساحت زهکشی، در دشت‌های ساحلی است، نشان می‌دهد.

در این مقاله نشان می‌دهیم که چگونه شناخت ویژگی‌های کاربری تاریخی زمین، از جمله ساختارهای مدیریت آب، در نتیجه داده‌های مکانی با وضوح بالا، بر درک ما از فرآیندها و مسیرهای هیدرولوژیکی تأثیر می‌گذارد. ما نمونه‌هایی از مدل‌های هیدرولوژیکی ارائه می‌کنیم تا نشان دهیم که چگونه تفکیک داده‌های منابع (به عنوان مثال، خاک، پوشش گیاهی، کاربری زمین، توپوگرافی و هیدروگرافی) که به‌عنوان ورودی‌های مدل استفاده می‌شوند و طراحی مدل ممکن است بر تفسیرها تأثیر بگذارد. بیشتر مدل‌های مبتنی بر فرآیند نیاز به نوعی کالیبراسیون و/یا اعتبارسنجی قبل از کاربرد خود دارند [8,19-21]. که فرآیند کالیبراسیون معمولاً شامل اصلاح پارامترها یا ضرایب برای فرآیندهای خاص برای دستیابی به عملکرد مدل معقول با توجه به خروجی مورد علاقه است. فرض بر این است که توافق منطقی بین داده های شبیه سازی شده و اندازه گیری شده (به عنوان مثال، دبی جریان) نمایش دقیقی از فرآیندهای درون حوضه آبخیز است. با این حال، پیش‌بینی‌های به ظاهر دقیق جریان جریان در خروجی حوضه ممکن است با خطاهای تکمیلی ناشی از فرآیندهای داخلی که منجر به پیش‌بینی نادرست جریان‌های درون رودخانه، عمق سطح آب و رطوبت خاک در حوضه می‌شود، به دست آید.19 ].

دشت های سیلابی در دشت ساحلی جنوب شرقی ایالات متحده، منطقه اصلی کشاورزی در اوایل دوران استعمار (به عنوان مثال، اواخر قرن 1600 و اوایل 1700) بود. در کارولینای جنوبی از دشت های سیلابی آب شیرین برای کشت برنج استفاده می شد. توسعه زمین شامل ویژگی‌های مدیریت آب مانند مخازن، آبگیرها، کانال‌های انحراف و توزیع، مزارع دایک‌شده، و خندق‌های جانبی و کانال‌های جمع‌آوری بود [ 22 ]. این ویژگی‌های دست‌ساز در چشم‌انداز باقی می‌مانند، اما در داده‌های منابع کلاسیک مورد استفاده برای ارزیابی‌ها و مدل‌سازی هیدرولوژیکی آشکار نیستند [9،23]. بنابراین اطلاعات بررسی توپوگرافی USGS کنونی برای مشخص کردن این ویژگی‌های مهم زمین که بر مسیرها و عملکردهای هیدرولوژیکی تأثیر می‌گذارند و همچنین برای تعیین حوضه‌های آبخیز LCP، وضوح کافی ندارد.

اهداف این مقاله عبارت بودند از: 1) تجزیه و تحلیل داده های LiDAR و خلاصه مشاهدات میدانی شبکه کانال جریان و سایر ویژگی های مختلف زهکشی و مدیریت آب قدیمی در جنگل تجربی Santee، کارولینای جنوبی و 2) برای خلاصه کردن اثرات نقشه های توپوگرافی مختلف. و قطعنامه DEM در تخمین مساحت زهکشی در ضریب رواناب متوسط ​​سالانه برای یک حوضه آبخیز جنگلی (کریک ترکیه) در دشت ساحلی اقیانوس اطلس استفاده می شود. علاوه بر این، اثرات جاده‌ها و پلک‌های جاده بر منطقه زهکشی واقعی تخمینی با استفاده از DEM موجود نیز در این مقاله مورد بحث قرار گرفته‌اند.

2. مواد و روشها

2.1. توضیحات سایت

2.1.1. جنگل تجربی Santee

این کار در جنگل آزمایشی Santee (SEF) خدمات جنگلی ایالات متحده در کارولینای جنوبی انجام شد. SEF نماینده چشم‌انداز دشت ساحلی پایین (LCP) است که با نقش برجسته کم، چوب‌های مسطح مخلوط چوب سخت و کاج و دشت‌های سیلابی چوب سخت در پایین زمین مشخص می‌شود. SEF بخشی از Cypress Baroney بود که توسط شاه چارلز در سال 1697 منتقل شد. زمین متعاقباً در سال 1707 به سه مزرعه تقسیم شد که در آن زمان توسعه کشاورزی آغاز شد. دشت های سیلابی نهرهای مرتبه اول، دوم و سوم در اوایل قرن 17 به مزارع برنج تبدیل شدند. اطلاعات توپوگرافی، هیدروگرافی، خاک و رویشی موجود برای جنگل، منظره ای یکنواخت و کم ارتفاع را نشان می دهد ( شکل 1 ). اینها داده‌های مکانی معمولی هستند که برای مدل‌سازی هیدرولوژیکی استفاده می‌شوند [1،8،21].

داده های LiDAR برای SEF با استفاده از Airborne به دست آمد

شکل 1 . عکس هوایی و نقشه توپوگرافی USGS (1:24000)، از بخشی از نهر Huger، جنگل تجربی Santee.

تکنیک Laser Terrain Mapping در سال 2007 توسط [ 24 ]. داده های خام LiDAR با وضوح افقی 0.1 متر و دقت عمودی 0.07 – 0.15 متر جمع آوری شد. داده‌های بازگشتی زمین برهنه در ArcGIS برای صاف کردن DEM و نقشه‌برداری کانال‌های جریان بالقوه با استفاده از پسوند ArcHydro (جهت جریان، طول) پردازش شدند.

2.1.2. حوزه آبخیز نهر ترکیه

بیشتر حوزه آبخیز نهر ترکیه در جنگل ملی فرانسیس ماریون در دشت ساحلی کارولینای جنوبی قرار دارد ( شکل 2)) با بخش کوچکی در پایین دست شامل ایستگاه سنجش در جنگل تجربی Santee. خدمات جنگلی ایالات متحده در سال 1964 یک ایستگاه سنجش جریان در ترکیه کریک ایجاد کرد و تنها تا سال 1984 حوضه آبخیز را زیر نظر داشت. با این وجود، محققان اهمیت اندازه‌گیری جریان و سایر داده‌های آب و هواشناسی از یک حوضه آبخیز ساحلی جنگلی را به عنوان مرجع در یک محیط ساحلی به سرعت در حال تغییر تشخیص دادند. در نتیجه، در سال 2004، خدمات جنگلی ایالات متحده، با همکاری کالج چارلستون و USGS، یک ایستگاه اندازه گیری جریان و باران در زمان واقعی را مجدداً نصب کرد (https://waterdata.usgs.gov/sc/nwis/uv) ?site_no=02172035) تقریباً 800 متر بالادست ایستگاه سنجش تاریخی [ 25 ].

حوضه مورد مطالعه در نقشه های چهارگوش USGS Huger (NE)، Bethera (SE)، Shulerville (SW و SE) و Ocean Bay (NW و NE) با محدوده مختصات تقریبی 610,400 تا 628,600 شرق و 3,658,500,500 تا 3 قرار دارد. شمال [ 1 ].

شکل 2 . موقعیت حوضه آبخیز ترکیه کریک (مرز سبز) در مجاورت جنگل تجربی Santee (مرز قرمز) در ساحلی کارولینای جنوبی (SC)، همچنین ایستگاه های نظارتی در داخل و اطراف حوضه نشان داده شده است.

واقع در یک کد واحد هیدرولوژیکی 12 رقمی (HUC 030502010301) حوضه Catawba-Santee [ 26 ] در سرچشمه رودخانه East Cooper، یکی از شاخه‌های اصلی رودخانه کوپر که به سیستم بندرگاه چارلستون، ترکیه کریک (WS 78) می‌ریزد. نمونه ای از حوضه های آبخیز دیگر در دشت ساحلی اقیانوس اطلس جنوبی است که در آن توسعه شهری سریع در حال وقوع است. از نظر فنی، ترکیه کریک یک واحد هیدرولوژیکی سطح ششم است که فقط به عنوان یک زیرحوضه واجد شرایط است، اگرچه ما در این مقاله از آن به عنوان “حوضه آبخیز” یاد می کنیم. ارتفاع توپوگرافی حوضه از حدود 2.0 متر در ایستگاه اندازه گیری جریان تا 14 متر بالاتر از سطح متوسط ​​دریا متغیر است [ 1 ].

2.2. تکامل منطقه زهکشی

تخمین مساحت زهکشی حوضه آبخیز نهر ترکیه تغییر کرد زیرا نقشه های دقیق تر و DEM های مرتبط در این دوره 48 ساله (1964-2011) در دسترس بود ( جدول 1 ).). زمانی که حوضه آبخیز در سال 1964 تأسیس شد، مرز منطقه زهکشی با استفاده از نقشه توپوگرافی USGS موجود در آن زمان با مقیاس 1 اینچ = 2 مایل تقریبی شد. بعداً در اوایل سال 1969 نقشه USGS در مقیاس 1 اینچ = 1 مایل برای به دست آوردن یک محدوده جدید و حوزه آبخیز استفاده شد. اگرچه داده‌های جریان در حوزه آبخیز تا سال 1984 به طور مداوم جمع‌آوری می‌شد، هیچ تحلیل یا انتشاری با این داده‌های تاریخی انجام نشد، به جز گزارش‌های ایستگاه داخلی. پس از توقف اندازه گیری جریان در سال 1984، تا اواخر سال 2004 مجدداً برقرار نشد. بر این اساس، هیچ به روز رسانی در منطقه زهکشی حوضه وجود نداشت، اگرچه DEM های جدید در اواخر دهه 80 و 90 همچنان در دسترس بودند.

اولین جستجوی متون در مورد DEM های اخیر در اواخر سال 2004، زمانی که حوضه آبخیز کریک ترکیه دوباره ایجاد شد، منجر به انتشاری در سال 1999 برای توسعه کد واحد هیدرولوژیکی 14 رقمی (HUC) برای کارولینای جنوبی شد [ 26 ] که از مقیاس 1:24000 7.5 استفاده کرد. نقشه های توپوگرافی سری دقیقه ای به عنوان نقشه های منبع و نقشه های پایه از نمودارهای خط دیجیتال در مقیاس 1:100000. با این حال، داده ها

جدول 1 . مناطق زهکشی و محاسبه میانگین ضرایب رواناب سالانه (ROC) برای حوضه آبخیز نهر ترکیه بر اساس نقشه یا انواع DEM مورد استفاده در دوره 1964-2011.

در مقیاس 1:500000 منتشر شد. در نقشه کد واحد هیدرولوژیکی (HUC) سال 2005 برای کارولینای جنوبی [ 26 ]، منطقه نهر ترکیه به عنوان 6685 هکتار (16508 ac) تا محل تلاقی آن با نیکلسون کریک، که در پایین دست ایستگاه اندازه گیری فعلی قرار دارد، فهرست شد. نقشه های منبع برای ترسیم حوضه با استفاده از HUC ها، نقشه های توپوگرافی سری 7.5 دقیقه ای در مقیاس 1:24000 و گرافیک های شطرنجی دیجیتال در مقیاس 1:24000 هستند. همان نقشه توسط USGS برای ترسیم منطقه در ایستگاه اندازه گیری فعلی در بزرگراه 41N نزدیک Huger استفاده شد. به طور مشابه، DEM با وضوح 30 متر افقی و 1 متر وضوح عمودی نیز از وزارت منابع طبیعی SC در سال 2004 در دسترس بود. بعداً در سال 2006، USGS Enhanced 1:24000 واقعی 10 متر افقی و 1 متر عمودی DEM از USGS به دست آمد [ 28 ].]. ساختارهای زهکشی متقاطع در جاده های جنگلی در داخل و اطراف حوضه آبخیز ترکیه کریک نیز با استفاده از نقشه های چهارگانه توپوگرافی 3 بعدی دلورم در سال 2002 [ 29 ] با مقیاس 1:25000 و یک نقشه جنگل ملی فرانسیس ماریون در سال 1988 مورد بررسی قرار گرفت. 1:126720 که نهرها، پل‌ها و نام‌های جاده‌ای را نشان می‌دهد. تجهیزات میدانی شامل یک ناوبر شخصی گارمین GPS V (با دقت 6 تا 9 متر)، یک دوربین دیجیتال، یک نوار اندازه گیری 50 متری و یک قطب نما در دوره دسامبر 2006 تا آوریل 2007 بود. جزئیات نتایج بررسی میدانی سازه های زهکشی متقاطع (44 آبریز) توسط [ 28 ] ارائه شده است.

داده‌های LiDAR به‌دست‌آمده در سال 2007 برای جنگل تجربی Santee [ 30 ] همچنین شامل بخش کوچکی از بخش پایین دست حوزه آبخیز ترکیه کریک در مجاورت جنگل بود ( شکل 2 ). این در DEM های با وضوح بسیار بالا (در فاصله نقطه 2 متر یا بهتر، و با وضوح 1 متر و دقت عمودی 0.07 – 0.15 متر شبکه بندی شده بود) در دسترس بود. تخمین منطقه زهکشی با استفاده از DEM هایی که آن منطقه کوچکتر را با داده های LiDAR پوشش می دهد، به روز شد. در نهایت، تا آگوست 2011، داده‌های مشابه LiDAR با وضوح بالا (فقط پیش‌نویس) برای شهرستان برکلی، SC حاوی کل حوزه آبخیز نهر ترکیه از دپارتمان SC منابع طبیعی (SCDNR) [ 31 ] به‌دست آمد.

مشخصات داده های ارتفاعی LiDAR که به عنوان ابر نقطه (“LAS”) برای حوضه آبخیز ترکیه کریک به دست آمده است شامل فاصله اسمی نقطه ای 1.5 متر و ریشه عمودی خطای میانگین مربعات (RMSE) 18.4 سانتی متر است ( شکل 3 ). RMSE عمودی نشان می دهد که احتمال خطای متوسط ​​18.4 سانتی متر در ارتفاع در DEM ایجاد شده از داده های LiDAR وجود دارد. Quick Terrain Modeler® × 64 [ 32 ] برای تولید DEM رستر زمین برهنه و سطح آب با اندازه سلول 1.5 متر استفاده شد. اگرچه وضوح داده‌های LiDAR 0.3 متر بود، وضوح DEM 1.5 متر برای کاهش اندازه فایل و در نتیجه ارتقای تجزیه و تحلیل سریع‌تر ایجاد شد. سپس DEM تولید شده به عنوان یک تصویر ERDAS IMAGINE صادر شد [ 33] و به هواپیمای دولتی NAD-83-کارولینای جنوبی پیش بینی شد

شکل 3 . DEM مبتنی بر LiDAR با وضوح 1.5 × 1.5 متر افقی و 0.18 متر عمودی.

FIPS 3900 فوت، با استفاده از ESRI ® ArcGIS 9.3.1 [ 34 ].

2.3. بازسازی LiDAR-DEM برای کولورت ها

DEM بیشتر از قبل پردازش شده بود تا تولید جریان های ناپیوسته به دلیل وجود پل ها و پل ها به حداقل برسد. چالش‌های اضافی کار با حوزه‌های آبخیز کم امداد و شیب بسیار کم مانند ترکیه کریک به‌گونه‌ای است که مناطق وسیعی می‌توانند شیب نزدیک به صفر داشته باشند و این منطقه توسط شبکه‌ای از تخته‌های جنگلی و درختکاری مرتفع و فشرده پوشیده شده است. اینها به طور موثر به عنوان موانع رواناب یا سدهای مینیاتوری عمل می کنند. برای پرداختن به برخی از این چالش‌ها، یک بررسی جامع پلک از منطقه مورد مطالعه در سال‌های 2010 و 2011 با استفاده از ترکیبی از شناسه‌ها برای پیش‌بینی مکان‌های احتمالی کانال‌ها انجام شد.

اول، مجموعه داده های هیدروگرافی ملی (NHD؛ [ 35]) برای تعیین محل قطع بردارهای آب تایید شده با جاده ها استفاده شد. برنامه تصویربرداری ملی کشاورزی (NAIP) از تصویربرداری ارتوی خاص برای منطقه مورد مطالعه ما برای شناسایی مکان‌هایی که پوشش گیاهی سبز روشن‌تر و متراکم‌تر مشترک در مناطق ساحلی و تالاب‌ها (مناطقی که در آن آب برای مدت طولانی انباشته می‌شود) به جاده‌ها نزدیک می‌شوند، استفاده شد. در نهایت، داده‌های ارتفاعی برای شناسایی جایی که جاده‌ها در میان فرورفتگی‌هایی قرار دارند که آب می‌تواند جمع‌آوری شود، استفاده شد. این نقاط در این مکان ها رسم شد و داده ها به صورت فهرست مختصات و نقشه به میدان منتقل شدند. هر مکان رانده شد و جستجو شد. اگر یک پلک تایید می شد، مختصات GPS و جهت آن ذکر می شد. هر گونه پلک اضافی که در میدان شناسایی شد نیز ثبت شد. در حالت ایده آل، هر ویژگی شامل مکان، جهت، عرض، طول و عمق باشد. با این حال،

بازسازی DEM با استفاده از قابلیت Agree Streams پسوند ArcHydro برای ArcGIS انجام شد. این فرآیند مقادیر پیکسلی را که با شکل فایل چند خطی انتخابی منطبق است با یک جفت مقدار عمق تعریف شده برای عرض معین بر حسب پیکسل کاهش می دهد. شکل 4 نشان می دهد که در آن یک خط آبگذر در امتداد مسیر جنگل 167 در یک نقطه GPS ترسیم شده است که در آن کانال در یک منطقه فرورفتگی به عرض 120 متر، فقط 15 متر از محل NHD نهر Kutz در حوضه شناسایی شده است. کانال‌های پل‌ها قبلاً توسط آژانس جمع‌آوری و پردازش LiDAR درج شده بود.

در مجموع 138 پلچک با بررسی LiDAR DEM زمین برهنه پیدا شد و به دنبال آن بازدیدهای میدانی در جولای 2010 (18 پلچک دیگر) و آگوست 2011 (76 پلچک اضافی) انجام شد که در شکل 5 نشان داده شده است.

این یافته‌ها با یافته‌های [ 36 ] که نشان دادند نقشه‌های مشتق‌شده از LiDAR در مقیاس ریز می‌توانند موجودی زمین لغزش‌های مبتنی بر بررسی میدانی را با مورفولوژی ضعیف در مناطق تپه‌ای به طور قابل‌توجهی بهبود بخشند، مطابقت دارند. این نیز مشابه مشاهدات [14،15] است که فرض کردند توانایی داده‌های LiDAR برای نقشه‌برداری خندق‌ها و کانال‌ها در یک چشم‌انداز جنگلی باید نقشه‌های شبکه کانال و مدل‌های توپولوژیکی را بهبود بخشد.

یک لایه جریان مرجع حاوی مکان های پلک و اندازه آنها (در طول بخش های جریان)

شکل 4 . قبل و بعد از ساخت کانال‌ها در مکان‌های پلک با استفاده از جریان‌های ArcHydro موافق هستند.

شکل 5 . محل سکونت پلک های شناسایی شده در LiDAR-DEM.

برای بازسازی DEM استفاده شد. از عمق آبچکان برای احیای DEM در مکان‌های پلک‌ها از طریق تابع Reconditioning ArcHydro DEM استفاده شد. بنابراین، ارتفاع در مکان‌های پلک دقیق می‌شود (کمتر از ارتفاعات به‌دست‌آمده از DEM مبتنی بر داده‌های LiDAR، زیرا داده‌های LiDAR نمی‌توانند دهانه‌های پلک را تعیین کنند زیرا در زیر جاده‌ها مدفون هستند).

DEM جدید به‌دست‌آمده پس از تهویه‌سازی مجدد برای تمام ارتفاعات پلک برای ایجاد مرز و حوضه‌های زیرآب جدید ترکیه کریک با ArcSWAT استفاده شد [20،37]. فرآیندهای تعیین خودکار حوضه های آبخیز برنامه هایی مانند ArcSWAT [ 37 ] یا مدل BASINS [ 38 ] از الگوریتم قطعی 8 همسایه (D8) برای جهت جریان [ 39 ] استفاده می کنند.] بر اساس مفهوم تندترین شیب. برخی از ضعف های مستند الگوریتم D8 شامل تمایل به ایجاد مسیرهای جریان موازی در مناطق مسطح، حساسیت بالا به خطاهای ذاتی DEM و جهت جریان نادرست در شیب های محدب است [40-42]. الگوریتم‌های دیگری مانند جهت جریان چندگانه (MFD)، قطعی-بی‌نهایت (D∞)، شبکه‌های همسایه تصادفی-هشت (Rho8) و شبکه‌های مدل ارتفاعی دیجیتال (DEMON) برای رسیدگی به چالش‌های فوق توسعه یافته‌اند [ 43 ]. این مطالعه به تأثیر الگوریتم مورد استفاده برای تعیین خودکار منطقه زهکشی حوضه از DEM نمی پردازد، اما اثرات وضوح DEM را با استفاده از ArcSWAT که الگوریتم D8 را پیاده سازی می کند، برجسته می کند [ 39 ].

2.4. تجزیه و تحلیل هیدرولوژیکی با تغییر مرز و مساحت حوضه

داده‌های جریان تاریخی به‌دست‌آمده با استفاده از داده‌های مرحله اندازه‌گیری شده و رابطه مرحله-تخلیه ایجاد شده در دوره اولیه [ 44 ] در پایگاه داده خدمات جنگل [ 25 ] بایگانی شدند.]. با این حال، هیچ مطالعه ای با استفاده از این داده های جریان از این حوضه برای این دوره انجام یا منتشر نشد. داده های جریان روزانه برای به دست آوردن حجم آب تخلیه شده در هر سال با ضرب در منطقه زهکشی با روش DEM داده شده و ضرایب تبدیل پردازش شد. میانگین حجم خروجی سالانه 16.5 میلیون متر مکعب محاسبه شده برای دوره 13 ساله سپس بر مساحت زهکشی محاسبه شده حوضه که با هر یک از روش های DEM از اواسط دهه 1960 به دست آمده تقسیم شد تا جریان خروجی بر اساس عمق بدست آید. میانگین بارندگی سالانه 50 ساله (1951-2000) 1370 میلی متر به دست آمده از داده های جمع آوری شده در ایستگاه هواشناسی مجاور در ستاد جنگل تجربی Santee (SEF) برای محاسبه میانگین ضریب رواناب سالانه (ROC) استفاده شد. ROC نسبت میانگین سالانه خروجی مبتنی بر عمق (mm) و میانگین بارندگی سالانه (mm) است. ROC برای ارزیابی عدم قطعیت آن محاسبه شد، برای آن موضوع عدم قطعیت میانگین کلی بیلان سالانه آب حوضه، به دلیل عدم قطعیت در منطقه زهکشی به دست آمده از هر نوع DEM. ROC محاسبه شده با استفاده از منطقه زهکشی به دست آمده از DEM بر اساس داده های اخیر Li-DAR با وضوح بالا به عنوان مرجعی برای مقایسه با ROC های به دست آمده با استفاده از نتایج تاریخی در نظر گرفته شد.

3. نتایج و بحث

3.1. جنگل تجربی Santee

3.1.1. تشخیص ویژگی های کاربری اراضی تاریخی

داده های LiDAR در تشریح ویژگی های مدیریت آب زهکشی و کشاورزی مرتبط با کشت برنج در دشت سیلابی مؤثر بود ( شکل 6 ). اندازه این ویژگی ها از دایک ها و سدها (ارتفاع 0.2 – 1.6 متر) تا خندق ها (0.2 – 0.3 متر عمق) متغیر است. توجه به برجستگی این ویژگی ها در حوضه آبخیز و درک این موضوع که وقوع آنها در حوضه ای است که در مجموع برجستگی کمتر از 4 متر دارد، مهم است. در بافت این چشم انداز، این دایک ها و خندق ها از ویژگی های اصلی توپوگرافی هستند. تنها انعکاس این ویژگی‌های مدیریت آب کشاورزی تاریخی در نقشه توپوگرافی USGS فعلی (مقیاس 1:24000) سازه‌های اصلی آبگیری هستند ( شکل 1 (ب) را ببینید)، اما تنها تعدادی از آن ساختارهای موجود نشان داده شده‌اند.

در یک برنامه مشابه، [ 15 ] از داده‌های LiDAR برای نقشه‌برداری خندق‌ها و جریان‌های سرچشمه در زیر سایه‌بان جنگلی در کارولینای جنوبی استفاده کرد و دریافت که داده‌های LiDAR تشخیص قوی خندق‌ها و کانال‌ها را فراهم می‌کند، به جز مواردی که باریک یا موازی و با فاصله نزدیک هستند. آنها گزارش دادند که توانایی داده های LiDAR برای نقشه برداری از خندق ها و کانال ها در یک چشم انداز جنگلی باید نقشه های شبکه کانال و مدل های توپولوژیکی را بهبود بخشد.

3.1.2. اثرات ویژگی های تاریخی مدیریت آب بر هیدرولوژی حوزه آبخیز

ممکن است ویژگی های تاریخی مدیریت آب بوده است

شکل 6 . تصویری از توپوگرافی سطح به دست آمده از داده های LiDAR برای بخشی از نهر Huger، جنگل تجربی Santee. محل دایک ها و خندق ها ذکر شده است.

از طرق مختلف بر هیدرولوژی حوضه جاری تأثیر می گذارد. خندق های انحرافی بر فرآیندهای رواناب در ارتفاعات از جمله مسیرهای جریان زمینی تأثیر می گذارد. این خندق ها برای انتقال آب از مخازن به مزارع واقع در دشت سیلابی ساخته شده اند. از این رو آنها عمود بر شیب اجرا می شوند. خندق ها، همراه با بانک فساد مرتبط، برای قطع رواناب سطحی و هدایت رواناب در نقاطی که سازه های کنترل آب وجود داشت، خدمت می کنند ( شکل 7 ).

وجود این ویژگی ها یک تناقض عمده با مفروضات رواناب شیب تپه از داده های منابع سنتی (نقشه توپوگرافی) است. اثرات جمع‌آوری و کانال‌سازی مجدد توسط رودخانه‌های زهکشی به دشت سیلابی مشهود است. اثر خالص این خندق ها قطع کردن مسیر جریان شیب تپه، رواناب استخر و هدایت مجدد آن از طریق کانال های کوچک است. همچنین این احتمال وجود دارد که رواناب زیرسطحی نیز تحت تأثیر قرار گیرد. این همچنین ممکن است در نهایت زمان و زمان سفر را تا اوج سیل در خروجی حوضه تغییر دهد.

خندق ها و سواحل قدیمی مزرعه نیز بر روان آب در دشت سیلابی تأثیر می گذارد. اینها ویژگی های توپوگرافی اصلی هستند که بر حمل و نقل و مسیریابی، به ویژه در مراحل سیل تأثیر می گذارند. در طول دوره‌های غیرسیل، اگر گودال‌های قدیمی از نظر هیدرولیکی به جریان متصل نباشند، ممکن است به عنوان مناطق ذخیره‌سازی عمل کنند که نفوذ مثبت و جریان جریان را منفی می‌کنند.

3.1.3. تشخیص شبکه جریان

داده‌های LiDAR با وضوح بالا نیز در تعیین مکان جریان مفید بودند. نقشه های توپوگرافی USGS یک جریان نسبتاً مستقیم یا مستقیم را منتقل می کند. در مقابل، جریان تولید شده با داده های LiDAR یک کانال پرپیچ و خم را نشان می دهد ( شکل 8 ).

در نتیجه، تفاوت در تنظیمات کانال جریان مانند طول و سینوسیتی بین دو منبع داده مشخص می شود. برای رسیدن جریان نشان داده شده در

شکل 7 . تصویر LIDAR که خندق انحراف جریان را به موازات کانال فعلی نشان می دهد. خندق و برم مربوطه رواناب سطحی را قطع می کند.

شکل 8 ، طول مجموع کانال از نقشه USGS 1853 متر و از داده های LiDAR 2962 متر است ( جدول 2 ).

سینووسیتی، نسبت فاصله کانال (thalweg) و فاصله پایین دره، مستقیم یا پرپیچ و خم بودن کانال را توصیف می کند. مقادیر سینوسیتی از 1.0 برای کانال های مستقیم تا 4.0 برای جریان های پر پیچ و خم بسیار پیچیده است [ 45 ]. مقادیر سینوسیتی محاسبه‌شده نیز برای این دسترسی‌ها هنگام محاسبه با داده‌های جریان USGS و LiDAR متفاوت بود ( جدول 2 ). هنگام استفاده از نقشه USGS، هم طول و هم سینوسیته برای R6 تا R8 تشخیص داده نشد.

هنگامی که از نقشه توپوگرافی USGS محاسبه می شود، هیچ یک از مسیرهای آبراهه با نسبت سینوسی 1.5 یا بیشتر در نظر گرفته نمی شود. در مقابل، دو تا از جریان‌ها (R2 و R3) بر اساس مقادیر سینوسیتی > 1.5 محاسبه‌شده از داده‌های LiDAR ( جدول 2 ) در واقع پیچ و تاب دارند. افزایش 61 درصدی در طول کانال و تشخیص سینوسیته در برخی از آبگیرها، پیامدهای مهمی را هنگام در نظر گرفتن دبی اوج، زمان تا اوج، مسیریابی، فرآیندهای درون جریانی و صادرات آلاینده از این حوزه‌ها دارد.

3.1.4. تغییرات در توابع هیدرولوژیکی

ساختارهای مدیریت آب که برای کشت برنج در دشت سیلابی که 300 سال پیش آغاز شد ابداع شد، بر هیدرولوژی آب های سطحی معاصر و هیدرولیک کانال جریان تاثیر می گذارد. در نتیجه، عملکردهای هیدرولوژیکی و هیدرولیکی حوضه به طور بالقوه از شرایطی که فرض می شد در این حوضه های آبخیز جنگلی وجود دارد، تغییر کرده است ( جدول 3 ).

تغییرات با تغییرات رواناب شیب تپه از جمله مسیرهای آن، ساختارهای درون دشت سیلابی در حال تغییر ذخیره‌گاه فرورفتگی، و افزایش طول کانال و مسیریابی جریان است که منجر به طولانی‌تر شدن جریان می‌شود.

جدول 2 . طول جریان و سینوسیته برای بخش های مشخص شده در شکل 8 .

شکل 8 . پوشش نقشه توپوگرافی USGS (سبز) و کانال جریان مشتق شده LiDAR (آبی).

جدول 3 . اثرات سیستم های مدیریت آب کشاورزی تاریخی بر عملکردهای هیدرولوژیکی در دشت های سیلابی جنگل تجربی Santee.

زمان رسیدن به اوج و کاهش اوج رواناب در حالی که سازه‌های مدیریت آب فعال، ذخیره‌سازی فرورفتگی سطحی را افزایش می‌دهند و عملکردهای هیدرولوژیکی تالاب را افزایش می‌دهند (به عنوان مثال، ارتفاعات سطح آب و رطوبت خاک)، مشخص نیست که چگونه این ساختارهای باقی‌مانده بر ذخیره‌سازی افسردگی تأثیر می‌گذارند زیرا ساختارهای کنترلی کاربردی نیستند.

3.1.5. مفاهیم برای مدل سازی

هنگام مدل‌سازی هیدرولوژی در حوضه آبخیز SEF، چشم‌انداز با داده‌های منابع به آسانی در دسترس نشان داده می‌شود (به عنوان مثال، شکل 1 ). در طول کالیبراسیون مدل، پارامترها و ضرایب ممکن است برای دستیابی به شبیه سازی معقول، در مقایسه با دبی جریان اندازه گیری شده، اصلاح شوند. به عنوان مثال، یک پارامتر متداول برای تنظیم نرخ‌های اوج جریان در طول کالیبراسیون، ذخیره‌سازی افسردگی است، پارامتری که اندازه‌گیری مستقیم آن بسیار دشوار است [ 23 ]. بدیهی است که تنظیمات ذخیره سازی افسردگی می تواند اثرات مسیریابی کانال و جریان واقعی ( شکل 8 ) و رواناب شیب تپه ( شکل 7 ) را بپوشاند یا جبران کند.). به عنوان مثال، ذخیره سازی فرورفته یک پارامتر کلیدی در مدل DRAINMOD است که نرخ رواناب سطحی را پس از اشباع خاک و پر شدن ذخیره سطحی کنترل می کند [46-48]. اثر تغییر رفتار مدل برای دستیابی به خروجی دقیق‌تر است، اما اگر این کالیبراسیون فرآیندهای هیدرولوژیکی واقعی را منعکس نکند، نتایج نهایی فرآیندهای شبیه‌سازی شده دقیق در حوضه را منعکس نمی‌کند. اخیراً [ 23] یک مدل ظرفیت ذخیره سازی افسردگی مبتنی بر GIS (DSC) با استفاده از داده های USGS DEM برای یکی از حوضه های آبخیز SEF (WS-77) توسعه داد و 1 سانتی متر ذخیره افسردگی موثر را تخمین زد. هنگامی که آن ضریب ذخیره برای شبیه‌سازی تخلیه جریان برای حوضه با استفاده از DRAINMOD و نسخه در مقیاس حوضه آن، DRAINWAT [23،49] استفاده شد، نرخ‌های اوج جریان شبیه‌سازی‌شده بالاتر برای هر دو مدل برای دوره شبیه‌سازی 2003-2007 به دست آمد. این اثر احتمالاً به دلیل دست کم‌گرفتن پارامتر ذخیره‌سازی سطحی برای این حوضه است، که می‌تواند ناشی از عدم شناخت ساختارهای مدیریت آب تاریخی باشد که در DEM‌های فعلی منعکس نشده‌اند.

3.2. حوزه آبخیز نهر ترکیه

3.2.1. تکامل مناطق زهکشی

منطقه زهکشی حوضه در سال 1964 با استفاده از نقشه توپوگرافی USGS با مقیاس 1 اینچ = 2 مایل در شکل 9 نشان داده شده است . بر این اساس منطقه زهکشی اولیه در آن زمان 3240 هکتار (8000 ac) گزارش شد [ 44 ]. برخی از مرزها از جاده موجود پیروی می کردند. این منطقه زهکشی منجر به میانگین ROC سالانه 0.38 شد ( جدول 1 ). چنین مقداری به طور کلی برای شرایط مرتفع کوهستانی [ 50 ] مشاهده می شود و برای حوزه های آبخیز عمدتاً جنگلی با گرادیان کم در منطقه مرطوب ساحلی بالا در نظر گرفته می شود [5،50].

دومین منطقه زهکشی تخمین زده شده حوضه آبخیز نهر ترکیه در اوایل دهه 1970 بر اساس نقشه توپوگرافی USGS در مقیاس 1 اینچ = 1 مایل بود ( شکل 1 0 ، جدول 1 ).

مساحت حوضه با استفاده از این نقشه 4575 هکتار (11300 هکتار) برآورد شد [ 51 ] که حدود 41 درصد بیشتر از برآورد اولیه 3240 هکتار بود. در نتیجه، میانگین ROC سالانه محاسبه شده برای این DEM فقط 0.27 بود ( جدول 1 )، که در محدوده مقادیر به دست آمده برای حوضه های آبخیز جنگلی ساحلی مشابه است [ 52 ].

بعداً هنگامی که ایستگاه سنجش حوضه در اواخر سال 2004 برای انجام مطالعات هیدرولوژیکی چند مشارکتی در این حوزه و حوضه های مرتبه 1 و 2 مجاور احیا شد ، نیاز به تخمین مساحت زهکشی قابل اطمینان تری احساس شد. بر این اساس، DEM های جدید با وضوح 30 متر افقی و 1 متر عمودی موجود در سال 2004 از SCDNR برای ترسیم حوضه با استفاده از ابزار نرم افزار ArcView GIS استفاده شد ( شکل 1 1 ).

مرز حوضه جدید نشان داده شده در شکل 1 1 منطقه زهکشی را تقریباً در 4920 هکتار (12150 هکتار) ایجاد کرد ( جدول 1 ). این افزایش 7.5% نسبت به برآورد و 52% افزایش نسبت به برآورد اولیه (1964) بود. بنابراین منطقه زهکشی همچنان افزایش می یابد. بر این اساس، میانگین ROC سالانه محاسبه‌شده تا 0.25 کاهش یافت ( جدول 1 )، که همچنین در محدوده داده‌های منتشر شده برای این نوع حوضه‌های جنگلی ساحلی است [50،52،53]. Amatya و Radecki-Pawlik [ 25 ] از این داده ها برای مقایسه دینامیک جریان این حوضه با دو حوضه مرتبه 1 و 2 مجاور استفاده کردند. هیچ تایید میدانی انجام نشد.

شکل 9 . مرز حوضه با استفاده از نقشه توپوگرافی USGS 1 اینچ = 2 مایلی.

شکل 10. مرز حوضه با استفاده از نقشه توپوگرافی USGS 1 اینچ = 1 مایلی.

شکل 1 1. مرز حوضه با استفاده از 30 متر افقی و 1 متر عمودی DEM (SCDNR، 2004).

بعداً در سال 2005 USGS با استفاده از HUC 14 رقمی SC با 1:24000- تخمینی 5880 هکتار (14520 هکتار) را به عنوان منطقه زهکشی در خروجی ایستگاه اندازه گیری فعلی بدست آورد ( جدول 1 ، شکل 12 ، رنگ سبز). مقیاس نقشه های توپوگرافی سری 7.5 دقیقه ای به عنوان نقشه های منبع و نمودارهای خط دیجیتال در مقیاس 1:100000 به عنوان نقشه های پایه [ 27 ]. این هنوز 19.5 درصد افزایش نسبت به نتیجه قبلی DEM مبتنی بر SCDNR2004 بود. هیچ بررسی میدانی برای مرزهای جاده‌ها و همچنین سازه‌های زهکشی متقاطع مانند پلچک‌ها برای این تخمین انجام نشد، اگرچه اینها ممکن است تأثیرات چشمگیری بر DEM‌های بازسازی‌شده و منطقه زهکشی مشتق شده داشته باشند. بر این اساس، میانگین ROC سالانه 0.21 برای این منطقه یافت شد ( جدول 1) که همچنین در محدوده داده های منتشر شده برای حوزه های آبخیز جنگلی ساحلی است [50،52،53].

در سال 2006، DEM های جدید به دست آمده از USGS Enhanced 1:24000 واقعی 10 متر افقی 1 متر عمودی DEM برای به روز رسانی مرز حوضه در دسترس قرار گرفت. در این مورد رابط SWAT در ArcView [ 37 ] برای ترسیم حوضه همانطور که در شکل 1 3 نشان داده شده است استفاده شد . این خط کشی همچنین مسیرهای زهکشی ناشی از جاده های جنگلی و 44 آبگیر بررسی شده در طول دوره 2006-2007 را در نظر گرفت [ 28 ]. ترسیم ArcView SWAT بالاترین سطح زهکشی 7260 هکتار را به همراه داشت ( جدول 1 ). این 124 درصد بیشتر از برآورد اولیه 3240 هکتار و 47.6 درصد بیشتر از برآورد با استفاده از 30 متر × 30 متر DEM بود. این احتمالاً به دلیل خطاهایی در DEM افزایش یافته 10 متری است که اخیراً توسط [ 11 ] گزارش شده است.

این منطقه زهکشی جدید منجر به کمترین میانگین مقدار ROC سالانه 0.17 شد ( جدول 1 ). مطالعات در حال انجام بر روی حوضه آبخیز ترکیه کریک در آن زمان از این منطقه زهکشی برای محاسبه جریان خروجی جدید مبتنی بر عمق در تخمین بیلان آب میدانی [ 2 ]، ارزیابی دینامیک رویداد طوفان بارش باران [ 5 ]، و همچنین اعتبار مدل SWAT [1] استفاده کرد. ، 28].

بعداً در سال 2010 با استفاده از مجموعه داده های جزئی LiDAR برای

شکل 12. مرز حوضه با استفاده از SC14-digitHUC (سبز) روی مرز SCDNR2005 (قرمز).

بخش کوچک زیرین حوضه آبخیز ترکیه کریک، که در داخل جنگل تجربی Santee قرار دارد، یک منطقه زهکشی جدید 6510 هکتار محاسبه شد که 10.3٪ کمتر از مساحت محاسبه شده ArcView/SWAT 7260 هکتار و 10.7٪ بیشتر از SC 14 بود. مساحت تولیدی HUC رقمی 5980 هکتار. میانگین ROC سالانه بر اساس این مساحت 6510 هکتاری 0.19 بود ( جدول 1 ) و در مقایسه با حوضه های آبخیز ساحلی مشابه کمتر است.

در نهایت، در سال 2011، به روزترین رزولوشن بالا 1.5 متر × 1.5 متر و 0.18 متر وضوح عمودی DEM بر اساس داده های کامل LiDAR برای حوضه برای تعریف مجدد مرز و منطقه مربوطه با استفاده از مدل ArcSWAT همانطور که در رنگ آبی در شکل 1 نشان داده شده است، استفاده شد. 4 . مساحت محاسبه شده با این روش به عنوان مرجع 5240 هکتار با میانگین ROC محاسبه شده مربوطه 0.24 بود ( جدول 1 )، که بسیار نزدیک به سایر حوزه های آبخیز جنگلی مشابه در دشت ساحلی بود [50،52،53]. مساحت تنها 5240 هکتار تخمین زده شده با استفاده از DEM مبتنی بر Li-DAR حدود 6.5 درصد بیشتر از مساحت 4920 هکتاری تخمین زده شده قبلی با روش SCDNR2004 است، که نشان می دهد وضوح DEM 30 × 30 متر افقی و 1 متر عمودی DEM به خوبی در داخل بوده است. خطاهای تعادل آب [ 18]. مساحت زهکشی تعریف شده USGS به وسعت 5880 هکتار بر اساس HUC 14 رقمی 12.2 درصد بیشتر از این DEM مبتنی بر LiDAR به عنوان مرجع بود.

جالب توجه است، اگر مناطقی که توسط پلچک‌های جاده تخلیه شده‌اند (براساس بازسازی DEM و تأیید صحرایی) خارج از مرز حوضه در نظر گرفته نمی‌شوند (یا به‌گونه‌ای گنجانده می‌شوند که گویی هیچ پلچکی وجود ندارد)، DEM مبتنی بر LiDAR (رنگ قهوه‌ای) نیز ارائه می‌دهد. دقیقاً همان منطقه زهکشی (5880 هکتار) که با استفاده از داده های HUC 14 رقمی 2011-USGS به دست آمد. این نشان می دهد که برای مناطق بدون آبچکان DEM بر اساس HUC 14 رقمی ممکن است به اندازه DEM مبتنی بر LiDAR برای این حوضه های LCP دقیق باشد. با این حال، تجزیه و تحلیل بیشتر حوضه های آبخیز LCP برای تایید قطعی این مشاهدات مورد نیاز است.

داده های شکل 1 5 عدم قطعیت در ضرایب متوسط ​​رواناب سالانه را در نتیجه تغییر در مناطق زهکشی تخمینی مربوطه حوزه آبخیز نهر ترکیه برای انواع مختلف DEM مورد استفاده از سال 1960 نشان می دهد. واضح است که بالاترین ROC 0.38 برای کمترین منطقه برآورد شده با استفاده از اولین نقشه توپوگرافی اولیه USGS در مقیاس 1 اینچ = 2 مایل در سال 1960 به دست آمد. کمترین ROC 0.17 برای بزرگترین منطقه تخمینی 7260 هکتار با استفاده از ترسیم ArcSWAT با مقیاس 1:24000 واقعی 10 متر افقی و 1 متر DEM با وضوح عمودی به دست آمد. ما معتقدیم که هر دوی این DEM خطاهای بزرگتری را در تخمین میانگین ROCهای سالانه در نتیجه خطاها در مناطق زهکشی ایجاد کردند.

مساحت زهکشی 4920 هکتاری محاسبه شده با استفاده از 30 متر DEM از SCDNR در سال 2004 نزدیکترین منطقه بود، با تنها حدود 6 درصد کمتر برآورد شده، به مساحت 5240 هکتار که توسط داده های LiDAR در سال 2011 به دست آمد. با این حال، سال تاریخی 1969

شکل 13. مرز حوضه با استفاده از USGS 2005 در مقیاس 1:24000 10 متر × 10 متر و DEM عمودی 1 متر افزایش یافته است.

شکل 14. مرز حوضه با استفاده از 1.5 متر افقی و 0.18 متر وضوح عمودی DEM از داده های LiDAR 2011 (رنگ آبی با و رنگ قهوه ای بدون در نظر گرفتن چلچک ها).

1 اینچ = 1 مایل منطقه مبتنی بر نقشه توپوگرافی به مساحت 4575 هکتار 12.6٪ کمتر از برآورد مبتنی بر LiDAR بود. این نتایج با نتایج دفتر توسعه هیدرولوژیک NOAA [ 54 ] که کاهش خطاها در تخمین مساحت حوضه را به بیش از نصف گزارش کرده ، مطابقت دارد.

شکل 15. برآورد مناطق زهکشی حوضه آبخیز نهر ترکیه با استفاده از انواع مختلف DEM و ضرایب متوسط ​​رواناب سالانه مربوطه.

استفاده از 30 متر DEM در مقایسه با 400 متر DEM برای حوضه های آبخیز با شیب ملایم تا متوسط ​​با مساحت کمتر از 78 کیلومتر مربع در ایالت های اوکلاهاما و کانزاس.

اثرات عدم قطعیت در مناطق زهکشی به‌دست‌آمده توسط انواع مختلف DEM می‌تواند در بسیاری از مطالعات هیدرولوژیکی از جمله تعادل آب و مواد مغذی، مدل‌سازی توزیع‌شده فضایی (SWAT، MIKESHE، HSPF، DRAINWAT، WEPP، و غیره) و طراحی‌های مهندسی برای سازه‌های منابع آب منتشر شود. روش منطقی (معادله (1))، فرمول تخلیه سیل منطقه ای USGS (معادله (2)) [ 55 ]، برآورد دبی اوج (معادله (3)) [ 56 ]، ضرایب صادرات آلاینده، تخمین نرخ جریان با استفاده از رویکردهای تجربی برای حوضه های اندازه گیری نشده (معادله (4)) [ 57 ]، طراحی بهترین شیوه های مدیریت، و تخمین بارگذاری مواد مغذی (معادله (5)) [58،59] به طور کلی در توسعه حداکثر بار روزانه (TMDL) استفاده می شود.

(1)

(2)

(3)

(4)

(5)

که در آن قله Q اوج دبی، C ضریب رواناب، I شدت بارندگی، A منطقه مزرعه یا زهکشی، Q 10 پیک دبی با دوره بازگشت 10 سال است، Q p جریان روزانه طولانی مدت بیش از p٪ است. از زمان، [a، b، c، d، و e] ضرایب منطقه ای، X 1 و X 2 توصیف کننده حوضه هستند، L io یک بارگذاری ماده مغذی در لبه مزرعه است، و L ec میانگین ضریب صادرات برای یک با توجه به عملکرد مدیریت زمین (خاک، محصول / پوشش گیاهی، و مدیریت آب).

در حالی که اهمیت DEM مبتنی بر LiDAR با وضوح بالا برای ترسیم مناطق زهکشی دقیق نشان داده شد، ممکن است کاربردهای دیگری نیز داشته باشد همانطور که توسط [ 30 ] برای جنگل تجربی Santee نشان داده شده است. نویسندگان گزارش کردند که بهبود در عملکردها و مسیرهای هیدرولوژیکی مورد استفاده در مدل‌ها و ارزیابی‌های هیدرولوژیکی را می‌توان با استفاده از این DEM‌های با وضوح بالا که قادر به شناسایی بقایای ساختارهای مدیریت آب قدیمی از کاشت برنج در دهه 1700 در دشت ساحلی پایین SC هستند، به دست آورد. که در غیر این صورت با استفاده از DEM های معمولی و پیشرفته شناسایی نشدند. به طور مشابه، [ 23 ] از رویکرد مبتنی بر DEM شامل داده‌های LiDAR برای تعیین کمیت پارامتر ذخیره‌سازی سطحی که به طور گسترده در مدل‌های هیدرولوژیکی برای پیش‌بینی نرخ‌های اوج جریان استفاده می‌شود، استفاده کرد. لنگ و مک کارتی [17 ] توانایی داده‌های شدت LiDAR را برای نقشه‌برداری طغیان جنگل در تالاب‌های جنگلی در ساحل شرقی مریلند نشان داد. Eeckhaut و همکاران. [ 36 ] به این نتیجه رسید که داده های LiDAR کارشناسان را قادر می سازد تا ده زمین لغزش جدید را بیابند و مرزهای 11 مورد از 77 زمین لغزش نقشه برداری شده در طول بررسی میدانی را تصحیح کنند. کار ما در اینجا از داده‌های اخیر LiDAR با چگالی بالا با تأیید صحرایی برای شناسایی تعداد بیشتری از آبریزها در شبکه شاخه‌ای جریان نسبت به استفاده از مجموعه داده NHD استفاده کرد. یافته های ما با یافته های اخیر [ 60]، که گزارش داد که مجموعه داده های جریان مشتق شده از تفسیر نیمه خودکار و خودکار DEM های مشتق شده LiDAR به طور قابل توجهی دقیق تر از مجموعه داده های NHD با وضوح بالا و Plus هستند. این نویسندگان دریافتند که مجموعه داده‌های مشتق‌شده LiDAR به طور قابل‌توجهی درصد مساحت و تعداد کل تالاب‌هایی را که مرتبط در نظر گرفته می‌شد، افزایش دادند.

4. خلاصه و نتیجه گیری

نیاز فوق العاده ای برای نمایش دقیق فرآیندهای محیطی در چشم انداز وجود دارد. مسائل مربوط به تغییرات اقلیمی، اثرات کاربری زمین، شهرنشینی و غیره نیاز به درک کامل فرآیندهای تنظیم شده توسط هیدرولوژی دارد، زیرا آستانه های متعاقب آن معمولاً کوچک هستند. در حالی که مدل‌ها ابزار اصلی برای انجام ارزیابی‌ها هستند، بازنمایی از مدل‌های مبتنی بر فیزیکی توزیع‌شده مکانی تنها به اندازه نمایش ریاضی فرآیندها و دقت و وضوح داده‌های پشتیبان مؤثر هستند. ما نشان داده‌ایم که ویژگی‌های کاربری تاریخی زمین ممکن است بر فرآیندهای هیدرولوژیکی و حمل‌ونقل حوضه معاصر تأثیر بگذارد، تا نشان دهیم که فرآیند مدل‌سازی (به عنوان مثال، کالیبراسیون) ممکن است ویژگی‌های ذاتی در چشم‌انداز را جبران کند. پذیرش داده های با وضوح بالاتر، هر زمان که در دسترس باشد، درک ما از فرآیندهای چرخه هیدرولوژیکی و آلاینده و در نتیجه کاربردهای مدل را به چالش می کشد و در نهایت بهبود می بخشد [10،12-15،17،60]. با بهبود سرعت پردازش رایانه، فناوری حسگر و مدل‌های پیشرفته، داده‌های با وضوح بالا در مقیاس سریع‌تری تجزیه و تحلیل می‌شوند و نتایج بهتر و کارآمدتری ارائه می‌دهند. در مناطقی که منابع آب حیاتی هستند و داده های موجود نسبتا ضعیف هستند (به عنوان مثال، دشت ساحلی)، به دست آوردن داده های توپوگرافی با وضوح بالا تا حد زیادی توانایی ما را برای ارزیابی عملکردهای هیدرولوژیکی از جمله تعادل آب، مواد مغذی و کربن افزایش می دهد. داده های با وضوح بالا در مقیاس سریع تری تجزیه و تحلیل می شوند و نتایج بهتر و کارآمدتری ارائه می دهند. در مناطقی که منابع آب حیاتی هستند و داده های موجود نسبتا ضعیف هستند (به عنوان مثال، دشت ساحلی)، به دست آوردن داده های توپوگرافی با وضوح بالا تا حد زیادی توانایی ما را برای ارزیابی عملکردهای هیدرولوژیکی از جمله تعادل آب، مواد مغذی و کربن افزایش می دهد. داده های با وضوح بالا در مقیاس سریع تری تجزیه و تحلیل می شوند و نتایج بهتر و کارآمدتری ارائه می دهند. در مناطقی که منابع آب حیاتی هستند و داده های موجود نسبتا ضعیف هستند (به عنوان مثال، دشت ساحلی)، به دست آوردن داده های توپوگرافی با وضوح بالا تا حد زیادی توانایی ما را برای ارزیابی عملکردهای هیدرولوژیکی از جمله تعادل آب، مواد مغذی و کربن افزایش می دهد.

DEM های مبتنی بر داده های توپوگرافی با وضوح بالا مانند LiDAR با تأیید میدانی برای سازه های زهکشی متقاطع و بسترهای جاده حوضه آبخیز مورد مطالعه باید برای تخمین مناطق مرزی/زهکشی قابل اعتمادتر که اغلب در مطالعات هیدرولوژیکی در مناظر دشت ساحلی صاف و با گرادیان کم استفاده می شوند، استفاده شوند. منطقه مشخص شده با استفاده از HUC 14 رقمی ممکن است به همان دقتی باشد که توسط DEM مبتنی بر LiDAR برای این حوضه های LCP به دست آمده است، تا زمانی که هیچ جاده یا آبریزی در چشم انداز وجود نداشته باشد. منطقه زهکشی تخمین زده شده با استفاده از DEM کلاسیک 30 متر افقی و 1 متر وضوح عمودی بسیار دقیق تر از USGS افزایش یافته 1:24000 واقعی 10 متر افقی DEM عمودی 1 متر در مقایسه با DEM مبتنی بر LiDAR در این مطالعه بود.

منابع

  1. DM Amatya و MK Jha، “ارزیابی مدل سوات برای یک حوضه آبخیز جنگلی با گرادیان کم در ساحل کارولینای جنوبی”، تراکنش های ASABE، جلد. 54، شماره 6، 1390، صص 2151-2163.  [زمان(های استناد): 2]
  2. DM Amatya، TJ Callahan، C. Trettin و A. Radecki- Pawlik، “پایش هیدرولوژیکی و کیفیت آب در حوزه آبخیز نهر ترکیه، جنگل ملی فرانسیس ماریون، SC، نشست بین المللی سالانه ASABE، رنو، 2009، صفحات 21-24.  [زمان(های استناد): 1]
  3. D. Bosch، J. Sheridan و F. Davis، “ویژگی های بارندگی و همبستگی فضایی برای دشت ساحلی جورجیا،” Transactions of the ASAE، جلد. 42، شماره 6، 1999، صص 1637-1644.
  4. سی‌جی گرت، وی. 26، شماره 21، 2012، صص 3195-3206. doi:10.1002/hyp.8257
  5. IB La Torre Torres، DM Amatya، G. Sun و TJ Callahan، “روابط فصلی باران و رواناب در یک حوضه آبخیز جنگلی پست در جنوب شرقی ایالات متحده آمریکا”، فرآیندهای هیدرولوژیکی، جلد. 25، شماره 13، 2011، صفحات 2032- 2045. doi:10.1002/hyp.7955  [زمان(های استناد): 1]
  6. TM Williams، DM Amatya، DR Hitchcock و AE Edwards، «جریان جریان و مواد مغذی از یک حوضه آبخیز کارست با فروافتادگی پایین دست: Chapel Branch Creek»، در حال چاپ، ASCE Journal of Hydrologic Engineering، ارسال شده قبل از چاپ در 26 ژانویه 2013.
  7. تی جی کالاهان، وی. 26، شماره 19، 2012، صص 2845-2855. doi:10.1002/hyp.8356
  8. DM Amatya، MK Jha، AE Edwards، TM Williams، و DR Hitchcock، “SWAT-based Streamflow and Embayment Modeling of a Karst Theded Chapel Branch Watershed, SC,” Transaction of the ASABE, Vol. 54، شماره 4، 1390، صص 11311-1323  [زمان(های استناد): 1]
  9. Z. Dai، CC Trettin ، C. Li، H. Li، G. Sun و DM Amatya، “اثر مقیاس ارزیابی بر تغییرات مکانی و زمانی در شارهای CH4، CO2 و N2O در یک تالاب جنگلی ،” آب , Air, & Soil Pollution, Vol. 223، شماره 1، 1391، صص 253-265. doi:10.1007/s11270-011-0855-0
  10. PC Beeson، AM Sadeghi، MW Lang، MD Tomer و CST Daughtry، “براوردهای تحویل رسوب در مدل های کیفیت آب تغییر یافته توسط وضوح و منبع داده های توپوگرافی”، مجله کیفیت محیطی، 2013. doi:10.2134/jeq2012.014
  11. SS Panda، K. Burry و C. Tamblyn، “تغییر تالاب و شناسایی علت در دشت ساحلی جورجیا،” کنفرانس بین المللی ASABE، دالاس، 2012.   [Citation Time(s):2]
  12. CS Renschler و DC Flanagan، “تصمیم گیری خاص سایت بر اساس بررسی RTK GPS و شش منبع داده جایگزین ارتفاع: پیش بینی های فرسایش خاک”، تراکنش های ASAE، جلد. 51، شماره 2، 2008، صص 413-424.   [زمان(ها):1]
  13. AA Aziz، BL Steward، A. Kaleita و M. Karkee، “ارزیابی اثرات عدم قطعیت DEM بر برآورد نرخ فرسایش در یک مزرعه کشاورزی”، تراکنش های ASABE، جلد. 55، شماره 3، 1391، صص 785-798.   [زمان(های استناد): 1]
  14. RL Perroy، B. Bookhagen، GP Asner و OA Chadwick، “مقایسه برآوردهای فرسایش خندقی با استفاده از LiDAR هوابرد و زمینی در جزیره سانتا کروز، کالیفرنیا،” ژئومورفولوژی، جلد. 118، شماره 3-4، 1389، صص 288-300. doi:10.1016/j.geomorph.2010.01.009   [Citation Time(s):1]
  15. LA James، DG Watson و WF Hansen، «استفاده از داده‌های LiDAR برای نقشه‌برداری آب‌کندها و جریان‌های سرچشمه در زیر سایه‌بان جنگل: کارولینای جنوبی، ایالات متحده،» Catena، جلد. 71، شماره 1، 1386، صص 132-144. doi:10.1016/j.catena.2006.10.010   [Citation Time(s):2]
  16. SP Wechsler، «عدم قطعیت‌های مرتبط با مدل‌های ارتفاعی دیجیتال برای کاربردهای هیدرولوژیکی: مروری»، بحث‌های هیدرولوژی و علوم سیستم زمین، جلد. 11، شماره 4، 1386، صص 1481-1500. doi:10.5194/hess-11-1481-2007   [زمان(های) نقل قول: 1]
  17. MW Lang و GW McCarty، “شدت LiDAR برای تشخیص بهتر سیل در زیر تاج جنگل،” Wetlands، جلد. 29، شماره 4، 1388، صص 1166-1178. doi:10.1672/08-197.1   [زمان(ها):2 استناد]
  18. SV Harder، DM Amatya، TJ Callahan، CC Trettin و J. Hakkila، “هیدرولوژی و بودجه آب برای حوضه آبخیز دشت ساحلی جنگلی اقیانوس اطلس، کارولینای جنوبی،” مجله JAWRA انجمن منابع آب آمریکا، جلد. 43، شماره 3، 1386، صص 563-575. doi:10.1111/j.1752-1688.2007.00035.x   [زمان(ها):2 استناد]
  19. B. Ambroise, JL Perrin and D. Reutenauer, “Multi-Criterion Validation of a Semi-Distributed Conceptual Cycle آب در حوضه Fecht (Vosges Massif, France)” Research Resources Water, Vol. 31، شماره 6، 1374، صص 1467-1481. doi:10.1029/94WR03293   [زمان(های) استناد:1]
  20. JG Arnold, R. Srinivasan, RS Muttiah and J. Williams, “Large Area Hydrologic Modeling and Assessment Part I: Model Development,” JAWRA Journal of the American Water Resources Association, Vol. 34، شماره 1، 1386، صص 73-89. doi:10.1111/j.1752-1688.1998.tb05961.x
  21. Z. Dai، C. Li، C. Trettin، G. Sun، D. Amatya و H. Li، “ارزیابی دو معیاری مدل MIKE SHE برای یک حوزه آبخیز جنگلی در دشت ساحلی کارولینای جنوبی”، هیدرولوژی و سیستم زمین علوم، جلد. 14، شماره 6، 1389، صص 1033-1046. doi:10.5194/hess-14-1033-2010
  22. SB Hilliard، «فرهنگ برنج Antebellum Tidewater در کارولینای جنوبی و جورجیا»، در: JR Gibson, Ed., European Settlement and Developmentin North America, University of Toronto Press, Toronto, 1978, pp. 91-115.   [زمان(های استناد): 1]
  23. JKO Amoah، DM Amatya و S. Nnaji، “کمی سازی ذخیره سازی فرورفتگی سطح حوضه: تعیین و کاربرد در یک مدل هیدرولوژیکی”، HYDROLOGICAL PROCESSESHydrol. فرآیند، کتابخانه آنلاین وایلی، 2012. wileyonlinelibrary.com   [زمان(ها):3]
  24. PhotoScience، “نقشه برداری زمین لیزری هوایی برای جنگل تجربی Santee، SC. Photo Science Geospatial Solutions,” Lexington, 2007.   [Citation Time(s):1]
  25. DM Amatya و A. Radecki-Pawlik، “دینامیک جریان سه حوزه آبخیز جنگلی تجربی در ساحل کارولینای جنوبی (ایالات متحده آمریکا)،” ACTA Scientiarum Polonorum, Formatio Circumiectus, Vol. 6، شماره 2، 1386، صص 3-17.   [زمان(های استناد): 3]
  26. DE Bower, C. Lowry, MA Lowery and NM Hurley, “USGS Water Resources Investigations Report WRIR 99-4015,” 1999. https://sc.water.usgs.gov/publications/abstracts/wrir99-4015.html   [استناد زمان(ها): 3]
  27. JP Eidson، CM Lacy، L. Nance، WF Hansen، MA Lowery و NM Hurley، Jr.، “توسعه سیستم شماره گذاری کد واحد هیدرولوژیکی 10 و 12 رقمی برای کارولینای جنوبی، 2005،” 2005.   [زمان نقل قول( s): 1]
  28. EB Haley، “اندازه گیری های میدانی و مدل سازی هیدرولوژیکی حوضه آبخیز نهر ترکیه، کارولینای جنوبی (SC)،” پایان نامه کارشناسی ارشد، دانشکده تحصیلات تکمیلی کالج چارلستون، چارلستون، 2007.   [Citation Time(s):3]
  29. دلورم، “نرم افزار نقشه توپوگرافیک”، 2002. www.delorme.com   [Citation Time(s):1]
  30. CC Trettin، DM Amatya، C. Kaufman، N. Levine و RT Morgan، “تشخیص تغییر در عملکردها و مسیرهای هیدرولوژیکی ناشی از استفاده تاریخی کشاورزی – مفاهیمی برای ارزیابی ها و مدل سازی هیدرولوژیکی”، سومین کنفرانس بین سازمانی در مورد تحقیقات در حوزه های آبخیز، پارک، 8-11 سپتامبر 2008، 5 ص.   [زمان(های استناد): 2]
  31. J. Scurry، “داده‌های خام LiDAR برای شهرستان برکلی، SC، SCDNR،” 2011.   [زمان(ها):1]
  32. A. Imagery, “Quick Terrain Modeler (QTM)،” نسخه 7.1.5، 2012.   [Citation Time(s):1]
  33. D. Civco، “ERDAS IMAGINE Remote-sensing, Image- Processing and GIS Software,” Photogrammetric Engineering and Remote Sensing، جلد. 60، شماره 1، 1373، صص 35-39.   [زمان(های استناد): 1]
  34. ESRI، “ESRI ArcGIS،” نسخه 9.3.1.، Redlands، 2009.   [Citation Time(s):1]
  35. JD Simley و WJ Carswell, Jr., “The National Map—Hydrography,” US Geological Survey Fact Sheet, Vol. 3054، شماره 1، 2009، 4 ص.   [زمان(های استناد): 1]
  36. M. Eeckhaut، J. Poesen، G. Verstraeten، V. Vanacker، J. Nyssen، J. Moyersons، و همکاران، “استفاده از تصاویر مشتق شده از LIDAR برای نقشه برداری زمین لغزش های قدیمی در زیر جنگل،” فرآیندهای سطح زمین و شکل های زمین، جلد . 32، شماره 5، 1385، صص 754-769. doi:10.1002/esp.1417   [Citation Time(s):2]
  37. MD Di Luzio, R. Srinivasan, JG Arnold and SL Neitsch, “Arcview Interface for SWAT2000: User’s Guide- (2002)” 12 دسامبر 2012. https://www.brc.tamus.edu/swat/downloads/doc/ swatav2000.pdf   [زمان(های استناد):2]
  38. RS Kinerson، JL Kittle و PB Duda، “BASINS: Better Assessment Science Integrating Point and Nonpoint Sources,” In: Decision Support Systems for Risk-Based Management of Contaminated Sites, A. Marcomini, GW Suter II and A. Critto, Eds. ، اسپرینگر، 1388، صص 1-24.   [زمان(های استناد): 1]
  39. JF O’Callaghan و DM Mark، “استخراج شبکه های زهکشی از داده های ارتفاعی دیجیتال”، Computer Vision، Graphics, and Image Processing، جلد. 28، شماره 3، 1984، صص 323-344. doi:10.1016/S0734-189X(84)80011-0   [زمان(های) استناد:2]
  40. R. Jones، “الگوریتم‌هایی برای استفاده از DEM برای نقشه‌برداری مناطق حوضه از نمونه‌های رسوب جریان،” Computers & Geosciences، جلد. 28، شماره 9، 2002، صص 1051-1060. doi:10.1016/S0098-3004(02)00022-5
  41. AR Paz، W. Collischonn، A. Risso و CAB Mendes، “Errors in River Lengths مشتق شده از Raster Digital Elevation Models” Computers & Geosciences, Vol. 34، شماره 11، 2008، صص 1584-1596. doi:10.1016/j.cageo.2007.10.009
  42. JP Wilson، CS Lam و Y. Deng، “مقایسه عملکرد الگوریتم های مسیریابی جریان مورد استفاده در تجزیه و تحلیل هیدرولوژیکی مبتنی بر GIS”، فرآیندهای هیدرولوژیکی، جلد. 21، شماره 8، 1386، صص 1026-1044. doi:10.1002/hyp.6277
  43. KM Crombez، “مقایسه الگوریتم های مسیریابی جریان برای مدل های ارتفاعی دیجیتال”، تجزیه و تحلیل زمین دیجیتال (Geo428)، مقاله پروژه برای دانشگاه ایالتی میشیگان، 2008، صفحات 1-9.   [زمان(های استناد): 1]
  44. CE Young، «روابط بارش-رواناب در حوزه‌های آبخیز جنگلی کوچک در دشت ساحلی. ضمیمه طرح مطالعه شماره 2، گزارش فنی خدمات جنگلداری USDA FS-SE-1602، 1965.   [Citation Time(s):2]
  45. ND Gordon, TA McMahon, BL Finlayson, CJ Gippel and RJ Nathan, “Stream Hydrology: An Introduction for Ecologists,” Wiley, Hoboken, 2004.   [Citation Time(s):1]
  46. P. Haan و R. Skaggs، “اثر عدم قطعیت پارامتر بر پیش بینی های DRAINMOD: I. Hydrology and Yield,” Transactions of the ASAE, Vol. 46، شماره 4، 1382، صص 1061- 1067.
  47. K. Konyha و R. Skaggs، “A Coupled, Field Hydrology: Open Channel Flow Model: Theory,” Transactions of the ASAE, Vol. 35، شماره 5، 1992، صص 1431-1440.
  48. R. Skaggs، “یک مدل مدیریت آب برای خاک های جدول آب کم عمق”، گزارش فنی شماره 134، دانشگاه ایالتی کارولینای شمالی، موسسه تحقیقات منابع آب دانشگاه کارولینای شمالی، رالی، 1978.
  49. J. Amoah، “روش جدید برای تخمین ذخیره افسردگی در مقیاس آبخیز”، دکترا. پایان نامه، گروه مهندسی عمران و محیط زیست، دانشگاه فلوریدا A&M، تالاهاسی، 2008، 202 ص.
  50. G. Sun، SG McNulty، DM Amatya، RW Skaggs، LW Swift، JP Shepard، و همکاران، “مقایسه هیدرولوژی حوزه آبخیز تالاب های جنگلی ساحلی و ارتفاعات کوهستانی در جنوب ایالات متحده”، مجله هیدرولوژی، جلد. 263، شماره 1-4، 1381، صص 92-104. doi:10.1016/S0022-1694(02)00064-1   [زمان(های) استناد:1]
  51. S. Laseter، “برنامه های فرترن مرحله-جریان برای پردازش داده های تخلیه برای حوضه های آبخیز جنگل تجربی Santee”، خدمات جنگلی USDA، آزمایشگاه هیدرولوژیک کوویتا، اتو، 2008.   [زمان(ها):1]
  52. D. Amatya، M. Miwa، C. Harrison، C. Trettin و G. Sun، “هیدرولوژی و کیفیت آب دو حوضه آبخیز جنگلی مرتبه اول در ساحل کارولینای جنوبی”، در: نشست بین المللی سالانه ASABE، پورتلند، 9-12 ژوئیه 2006، 22 ص.   [زمان(های استناد): 1]
  53. GM Chescheir, ME Lebo, DM Amatya, J. Hughes, JW Gilliam and RW Skaggs, “Hydrology and Water Quality of Forested Lands in Eastern North Carolina” Tech Bullet 320, North Carolina State University, Raleigh, 2008, 79 p.
  54. OHD، “تعیین حوضه با مجموعه داده زمین 400 متری”، 2011. https://www.nws.noaa.gov/oh/hrl/gis/delineation.html   [Citation Time(s):1]
  55. WB Guimaraes و LR Bohman، “تکنیک هایی برای تخمین بزرگی و فرکانس سیل در کارولینای جنوبی”، گزارش تحقیقات منابع آب USGS، 1992، صفحات 91-4157.   [زمان(های استناد): 1]
  56. JM Sheridan، “برآورد اوج جریان برای حوضه های آبخیز دشت ساحلی،” معاملات از ASAE، جلد. 45، شماره 5، 1381، صص 1319-1326.   [زمان(های استناد): 1]
  57. HS Ssegane، DM Amatya، EW Tollner، Z. Dai و JE Nettles، “تخمین جریان روزانه حوضه های آبخیز دشت ساحلی جنوب شرقی با ترکیب بزرگی و توالی تخمینی (پذیرفته شده آزمایشی)،” مجله انجمن منابع آب آمریکا، در حال چاپ، 2013 ، صص 1-17.   [زمان(های استناد): 1]
  58. DM Amatya، GM Chescheir، GP Fernandez، RW Skaggs، F. Birgand and J. Gilliam، “مدل های پارامتری توده ای برای پیش بینی انتقال نیتروژن در حوزه های آبخیز دشت ساحلی پایین”، گزارش شماره 347، موسسه تحقیقات منابع آب کارولینای شمالی، رالی، 2003 .
  59. M. Beaulac و K. Reckhow، “بررسی روابط صادرات زمین و مواد مغذی”، مجله بولتن منابع آب آمریکا، جلد. 18، شماره 6، 1982، صص 1013-1024.
  60. [ 61 ] M. Lang، O. McDonough، G. McCarty، R. Oesterling و B. Wilen، “تشخیص پیشرفته اتصال تالاب-جریان با استفاده از LiDAR،” Wetlands، جلد. 32، شماره 3، 1391، صص 461-473. [زمان(های استناد): 1]

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید