در این مطالعه، یک روش تحلیل تناسب سد مبتنی بر رابطه (RDSA) برای شناسایی مناسب‌ترین مکان‌ها برای سدها توسعه داده شده است. این روش بر روی گروهی از مهمترین پارامترها/شاخص ها (ترتیب جریان، شاخص ناهمواری زمین، شیب، شاخص همواری کف دره با وضوح چندگانه، فرورفتگی بسته، عمق دره و اختلاف شیب پایین) و ارتباط آنها با دیواره سد و مناسب بودن مخزن متمرکز بود. . ارزیابی کمی منجر به منحنی ارتفاع-منطقه-ظرفیت (EAC) می شود که تعیین ظرفیت سایت های انتخاب شده را اثبات می کند. این روش همچنین شامل برآورد فرسایش خاک (SE) با استفاده از مدل معادله جهانی تلفات خاک (RUSLE) و عملکرد رسوب در سایت‌های سد انتخاب شده است.3 . روش RDSA با سد موجود، گمال زم، در شمال حوضه آبریز سنقر تایید شد، جایی که RDSA سد گمال زم را در یک کلاس مناسب طبقه بندی کرد. برآوردهای SE نشان می دهد که به طور متوسط ​​75 تن در هکتار 1 y -1 از دست دادن خاک در منطقه مورد مطالعه رخ می دهد. نتایج نشان می دهد که تقریباً 298,073 و 318,000 تن رسوب سالانه متوسط ​​(SY) سد A و B را تغذیه می کند. عملکرد رسوب مبتنی بر SE نشان می دهد که عمر تقریبی Dam-A و Dam-B به ترتیب 87 و 90 سال است. این رویکرد پویا است و می تواند برای هر مکان دیگری در سطح جهانی برای انتخاب سایت سد و تخمین SE اعمال شود.

کلید واژه ها:

سیل ناگهانی ؛ مناسب بودن سد ; راسل ; فرسایش خاک ؛ تولید رسوب

1. مقدمه

سیل یک موضوع جهانی است و در حال تبدیل شدن به یکی از دغدغه های اصلی تحقیقات به طور جامع است. سیل زمین ها را با مواد معدنی و رسوبات حمل شده توسط آب غنی می کند. این رسوبات حاصلخیزی خاک را افزایش داده و خاک جدید را جایگزین خاک های قدیمی می کند [ 1 ]. سیل یک راه طبیعی عالی برای شارژ مجدد آب های زیرزمینی است [ 1 ، 2]. علیرغم چنین منافعی، زمانی که باعث خسارات انسانی و اقتصادی می شود، به عنوان «فاجعه» تلقی می شود. برای مدیریت بهتر سیل، محققان در سراسر جهان با روش هایی برای استفاده از آب سیل و کنترل از دست دادن دارایی ها سر و کار دارند. این مطالعات مدیریت ساختاری و غیرساختاری سیل را ارائه کردند. مدیریت سازه اقدامات فیزیکی از جمله ساخت سدها، برگ‌ها، دیواره‌های سیلابی و ساختمان‌های مرتفع، تمیز کردن بدنه‌های آبی و ویژگی‌های اثبات سیل را در نظر می‌گیرد [ 3 ، 4 ]]. دومین راه حل ممکن غیرسازه ای است که شامل برنامه ریزی برای بلایا، منطقه بندی دشت سیلابی و سیستم های هشدار اولیه است. این اقدامات نمی توانند به طور کامل از منابع سیل استفاده کنند، این توضیحی است که مدیریت یکپارچه منابع آب (IWRM) به اندازه کافی برجسته است که مورد توجه قرار گیرد [ 4 ].
سیلاب های ناگهانی منبع بالقوه آب شیرین هستند. با این حال، سیلاب های ناگهانی به دلیل در دسترس نبودن منابع مدیریتی به ندرت به عنوان منبع آب در نظر گرفته می شوند. سیلاب های ناگهانی از نظر گستردگی و ویژگی هایشان با سیلاب های رودخانه های سنتی متفاوت هستند [ 5 ، 6 ، 7 ، 8 ، 9 ، 10 ، 11 ]. این سیلاب ها مدت کوتاهی به طول می انجامند اما از نظر میزان تخریب شدید هستند. منابع حاصل از این سیل‌ها را نمی‌توان به اندازه منابع حاصل از سیلاب‌های رودخانه‌ها به خوبی ذخیره کرد.
در حالی که در چند دهه اخیر به دلیل افزایش جمعیت، مصرف آب در سراسر جهان به سرعت در حال افزایش است [ 12 ]. برای تامین منابع آب قابل اعتماد، مخازن آب جدید باید ساخته شود تا نیازهای رو به رشد آب را برآورده کند. سدها مهمترین منابع برای مدیریت کمبود آب در آینده و سرمایه گذاری قابل توجهی برای ارائه خدمات ضروری برای جوامع اجتماعی هستند [ 13 , 14 , 15]. به طور سنتی، تجزیه و تحلیل مناسب بودن سد با استفاده از تکنیک های تصمیم گیری انجام می شود. با این حال، با ادغام سنجش از دور (RS) و سیستم‌های اطلاعات جغرافیایی (GIS)، تکنیک‌های مختلف به‌عنوان مناسب‌ترین رویکردها برای انتخاب محل سد در حال تکامل هستند. توسعه اخیر در ماهواره RS قدرت بررسی ویژگی های زمین و پارامترهای هیدرولوژیکی را افزایش داده است. ادغام RS و GIS سازگاری پیوستن به داده های مکانی (ژئومورفولوژی، توپوگرافی و زمین شناسی) را با مدل های عددی و طرح های تصمیم گیری از جمله منطق فازی، منطق بولی، همپوشانی وزنی، فرآیند تحلیل سلسله مراتبی (AHP)، چند معیاره افزایش می دهد. ارزیابی و هوش مصنوعی [ 16 ، 17 ، 18]. انتخاب محل سد در منطقه زاب بزرگ عراق با استفاده از تکنیک های AHP و منطق فازی انجام شد. مطالعه معاصر دیگری در سوئد از تحلیل همپوشانی وزنی بر روی لایه‌های مختلف (بارندگی، تبخیر و تعرق، نقشه‌های موضوعی زمین‌شناسی و ژئومورفولوژیکی) برای انتخاب محل سد استفاده می‌کند [ 18 ]. همچنین مطالعات بیشتری برای تحلیل تناسب سد با استفاده از تحلیل چند معیاره [ 18 ] انجام شده است. سایل و همکاران [ 19 ] تکنیک RS و GIS را برای تخمین متغیر فیزیکی سدها (منحنی ارتفاع-منطقه-حجم) در صحرای غربی عراق ادغام می کند. پاندی و همکاران [ 20تجزیه و تحلیل پوشش فرآیند تحت دستورالعمل های ماموریت یکپارچه برای توسعه پایدار (IMSD) برای مناسب بودن سایت سد در کارسو، حزیرباغ، هند. در یک مطالعه Syst و همکاران. [ 21 ] معادله شماره منحنی خدمات حفاظت از خاک (SCS-CN) را با شاخص وزنی ترکیبی (CWI) و تکنیک‌های ارزیابی چند معیاره در حوضه‌های سائوفرانسیسکو و نیل برای شناسایی مکان‌های مناسب برای ساخت سد تجزیه و تحلیل کرد.
مسئله اولیه اکولوژیکی در حوزه های آبخیز، فرسایش خاک (SE) است که اساساً کفایت سد را تحت تأثیر قرار می دهد. SE با جنگل زدایی، چرای بی رویه و کشت نامناسب زمین تسریع شد. در میان عوامل مختلف، تقریباً 84 درصد SE توسط آب و باد ایجاد می شود [ 19 ]. با این حال، میانگین از دست دادن خاک تخمین زده شده به دلیل آب بیش از 2000 t-km- 2 y -1 است [ 22 ، 23 ].
در سراسر جهان، 0.5٪ تا 1٪ از رسوب هر ساله بر محدودیت ظرفیت مخازن تأثیر می گذارد. جنگل زدایی گسترده و مانورهای دست ساز ویرانگر در سراسر جهان پیش بینی می کند که تا سال 2050 اکثر سدها نیمی از ظرفیت خود را از دست خواهند داد [ 24 ]. در آسیا، رسوب گذاری تقریباً 40 درصد از کل ذخیره مخازن را پوشش داده است [ 25 ]. کشورهای در حال توسعه نیز در معرض خطر بالایی هستند زیرا رسوبگذاری بر پایداری بلندمدت سازه های ذخیره سازی تأثیر می گذارد. ایران از میانگین سالانه SE معادل 24 تن در هکتار -1 سال و 1 رنج می برد [ 25]. تقریباً 30 تا 32.8 مگا هکتار (میلیون هکتار) منطقه تحت تأثیر جنوب غربی از طریق آب در هند است. در پاکستان، 16Mha زمین تحت تاثیر از دست دادن خاک از طریق فرآیندهای مختلف، و تقریبا 70 درصد از دست دادن خاک 11.2Mha به عنوان فرسایش توسط آب طبقه بندی می شود. رسوب گذاری در سه مخزن اصلی پاکستان (تربلا، منگله و چشمه) ظرفیت ذخیره سازی آنها را در سال های آینده بیش از 40 درصد کاهش می دهد. مطالعات مختلف نشان می دهد که SE به شدت بر ظرفیت های ذخیره سازی سدها و مخازن موجود در پاکستان تأثیر گذاشته است [ 26 ، 27 ]. ظرفیت تولید سد ورسک در پاکستان به دلیل SE 70 درصد کاهش یافته است [ 26 ].
روندهای جهانی نشان می دهد که بیش از 20 میلیارد تن رسوب از رودخانه ها در اقیانوس انباشته شده است [ 28 ]. بنابراین، برآورد SE و بازده رسوب برای انتخاب سایت سد جدید و سدهای موجود برای محاسبه عمر و ظرفیت ذخیره سازی مهم است. روش های مرسوم برای ارزیابی ریسک SE گران و زمان بر است [ 16 ، 29 ]. تخمین SE با توسعه مدل معادله جهانی تلفات خاک (RUSLE) بهبود یافته است [ 30 ، 31 ، 32]. مدل دارای پارامترهای ورودی مختلف مربوط به توپوگرافی، آب و هوا و سیستم های کشت است. ادغام ابزارهای GIS و RS در توسعه مدل‌های محیطی و ویژگی‌های پیشرفته ذخیره‌سازی، مدیریت، تحلیل و نمایش داده‌ها مفید هستند. عوامل RUSLE با استفاده از تکنیک های مدرن GIS و RS [ 17 ] تولید می شوند. اجرای RUSLE برای تخمین SE بر اساس ادغام GIS و RS نیز در مطالعات مختلف مورد استفاده قرار گرفت [ 33 ].
سیل سیل آسا و رفتار نامنظم بارندگی در حوضه های آبریز غربی دره غازی خان افسانه ای را برای استراتژی های کاهش خطر بلایا ایجاد کرده است. شهرنشینی برنامه ریزی نشده و طبیعت خشک منطقه، دسترسی به منابع آب شیرین را بیشتر محدود کرد. شناسایی محل مناسب برای ساخت سد، نهایت نیاز برای مدیریت سیلاب های سیل آسا و تامین نیازهای آبی منطقه است. هدف این مطالعه ارائه مدیریت موثر جریان سیلاب‌های تپه‌ای، تبدیل انرژی فاجعه‌بار به منبع مفید با شناسایی مکان‌های مناسب برای سازه‌های ذخیره‌سازی است. برای انتخاب گروهی از شاخص‌ها که به شدت بر مناسب بودن سد تأثیر می‌گذارند، ادبیات مختلفی مورد بررسی قرار گرفت. شاخص های انتخاب شده از تحقیقات هیدرولوژیکی و مهندسی در حوزه فضایی پیروی می کنند. روش اتخاذ شده مبتنی بر رابطه شاخص های انتخاب شده با تناسب مخزن و دیوار سد است. با تمرکز بر مشکل اصلی منطقه، این مطالعه همچنین از تکنیک GIS و RS برای تعیین کمیت رسوب و محاسبه عمر سازه‌های پیشنهادی استفاده می‌کند.

2. مواد و روشها

2.1. منطقه مطالعه

تقریباً 200 سیلاب تپه‌ای شمارش شده است که از رشته کوه سلیمان سرچشمه می‌گیرند و بر مناطق دره غازی خان (DG Khan، پاکستان)، دره اسماعیل خان و راجانپور تأثیر می‌گذارند. در میان این تورنت ها، 13 مورد به عنوان متعلق به یک دسته اصلی طبقه بندی می شوند که در شکل 1 نشان داده شده است. این تورنت ها معمولاً به عنوان کوچک، متوسط ​​و بزرگ طبقه بندی می شوند. این طبقه بندی بر اساس میانگین جریان های اوج سالانه (کوچک ≤ 5000؛ 5000 < متوسط ​​< 15000؛ عمده > 15000) cfs [ 34 ] است. تورنت های اصلی که بر DG Khan تأثیر می گذارند عبارتند از Kaura، Vehowa، Sanghar، Sori Lund و Vidor. ویژگی های تورنت ها از جمله؛ تغییر در جریان های اوج و رسوب بالا، مدیریت این سیلاب ها را سخت تر کرد [ 3 ].
این منطقه خشک است و کمبود آب نه تنها کشاورزی را محدود کرده است، بلکه فعالیت های اقتصادی-اجتماعی را نیز محدود کرده است. در طول فصل باران های موسمی، سیل ناگهانی رخ می دهد و رواناب تولید شده توسط این جریان های سیل آسا بسیار بیشتر از ظرفیت قابل مدیریت محلی کشاورزان است. جریان‌ها در طول فصل باران‌های موسمی استفاده نشده باقی می‌مانند و اغلب به سکونتگاه‌های شهری کم ارتفاع و محصولات پراکنده در دشت‌های پیمونت آسیب می‌رسانند [ 34 ].
سنگر عظیم ترین سیلاب در ناحیه DG Khan و دومین سیلاب بزرگ در کمربند DG Khan و Rajanpur با مساحت تقریبی 4900 کیلومتر مربع است . این منطقه به سه منطقه فیزیوگرافی شامل (1) رشته کوه (حوضه آبریز)، (2) دشت پاچاد/پیمونت (دشت بین منطقه فرماندهی کوهپایه و کانال)، و (iii) منطقه فرماندهی کانال (CCA) تقسیم می‌شود.
حوضه آبریز کوهستانی با شیب تند عمدتاً از لوم، لوم رسی و لوم رسی شنی تشکیل شده است. دشت کویری و زمین بایر بخش عمده ای از حوضه آبریز سنقر را در بر می گیرد. با این حال، پوشش های بوته ای کم تراکم نیز در برخی از نقاط حوضه وجود دارد.
جریان سیلابی که از حوضه آبریز سنقر به «منطقه پاچاد/پیمونت» سرازیر می شود. رودخانه ای که به طور محلی به نام رود کوهی نامیده می شود، در دسته غیر دائمی قرار می گیرد و در فصل باران های موسمی فعال باقی می ماند. طول کل جریان سیلابی تقریباً 158 کیلومتر است [ 3 ، 4 ، 34 ]. داده‌های دبی ( جدول 1 ) جمع‌آوری‌شده از اداره آبیاری پنجاب (2010-2019) نشان می‌دهد که غلظت رویداد در فصل باران‌های موسمی (ژوئن، جولای و آگوست) جمع‌آوری شده است.

2.2. مجموعه داده های جغرافیایی

داده های مورد استفاده برای انتخاب سایت از سازمان های مختلف آنلاین و همچنین از سازمان های دولتی جمع آوری شد ( جدول 2 ). برای تجزیه و تحلیل مناسب بودن سایت سد، مدل رقومی ارتفاع (DEM) مهمترین مجموعه داده است. در این مطالعه، محصول DEM با وضوح فضایی 5 متر برای تولید شاخص‌های فرعی از جمله همواری کف دره با وضوح چندگانه (MRVBF)، شاخص ناهمواری زمین (TRI)، فرورفتگی بسته (CD)، عمق دره (VD)، گرادیان استفاده شد. به پایین شیب (GD)، و ضریب شیب طول (LS). محصول DEM از اداره آبیاری پنجاب جمع آوری شد.

2.3. رابطه و تناسب اندیکاتور

تناسب مکانی سازه‌های ذخیره‌سازی مستقیماً با مورفومتری و زمین منطقه مرتبط است. شاخص‌هایی از جمله ترتیب جریان (SO)، شاخص همواری کف دره با وضوح چندگانه (MRVBF)، شاخص ناهمواری / ناهمواری زمین (TRI)، شیب، شاخص فرورفتگی بسته (CDI)، و لایه‌های موضوعی عمق دره (VD) برای تناسب مخزن استفاده می‌شوند. با این حال، TRI، شیب، و شیب اختلاف شیب (GD) برای تجزیه و تحلیل مناسب بودن دیوار سد استفاده شد. انتخاب شاخص ها صرفاً بر اساس معیارهای تعریف شده توسط منیر و همکاران است. [ 4 ] و استفنز [ 31 ]. معیارها مجموعه ای از قوانین تعریف شده در ادبیات هستند که باید برای تجزیه و تحلیل مناسب بودن سایت سد دنبال شوند. هر شاخص انتخاب شده معرف معیارهای خاصی است.

ترتیب جریان (معیار اول) با استفاده از طرح سفارش Strahler انجام شد. طبقه بندی نهرها به منظور شناسایی طول و موقعیت کانال اصلی در منطقه مورد مطالعه از اهمیت بالایی برخوردار بود. شاخص MRVBF توسط گالانت و داولینگ [ 35 ] ایجاد شد. این شاخص کف صاف دره ها را به عنوان مناطق کم ارتفاع طبقه بندی می کند. مقادیر بالاتر MRVBF نشان دهنده دره های مسطح در طول جریان است. با توجه به روابط تعریف شده، مناطق مسطح در امتداد جریان اصلی با استفاده از شاخص MRVBF (معیار دوم) شناسایی شدند. TRI (معیار سوم) ناهمگنی-تباطع در زمین را در طول مشخصی تعیین می کند [ 36 ]، به صورت محاسبه می شود.

TRI=ارتفاع ×شیبارتفاع+شیب
شیب (معیار چهارم) منطقه نیز بر تحلیل تناسب سایت تأثیر می گذارد. سایت انتخاب شده باید دارای مقادیر شیب اصلی ملایم/کم برای مخزن باشد و شیب متقاطع تند برای دیوار سد مناسب است [ 4 ].
به طور کلی، توپوگرافی منطقه دستور انتخاب نوع سد را می دهد. تنگه کامل (دره باریک با شیب مقطعی تند) به نفع یک سد بتنی است. با این حال، دشت های غلتان با دره های وسیع تر به نفع یک سد خاکی است. شاخص های VD (معیار پنجم) و CD (معیار ششم) برای مناسب بودن مخزن برای بررسی توانایی مخزن برای ذخیره آب استفاده می شود. نشانگر CD همچنین قاعده کانتور تعریف شده توسط [ 4 ، 31 ] را نشان می دهد. با این حال، شاخص GD کنترل های پایین شیب در زهکشی محلی را کمیت می کند [ 37 ]. روابط شاخص های انتخاب شده با تناسب سایت بر اساس بررسی ادبیات تعریف شد [ 4 ، 31 ، 38 ، 39 ،40 ، 41 ] مهندسی و همچنین تحقیقات هیدرولوژیکی و مشاوره کارشناسان میدانی.
تجزیه و تحلیل بافر بر روی جریان اصلی سفارش داده شده برای ایجاد یک واحد جعبه مستطیلی انجام می شود. طول واحد جعبه در امتداد جریان اصلی 250 متر است و عرض بافر 100 متر انتخاب شده است. با این حال، ممکن است برای مناطق مختلف بسته به توپوگرافی جریان اصلی متفاوت باشد. مقادیر متوسط ​​هر شاخص برای واحدهای n-box در امتداد جریان اصلی استخراج شده و بر اساس رابطه آنها همانطور که در شکل 2 نشان داده شده است به پنج کلاس طبقه بندی می شوند . ترکیب زرد با 0% ضعیف ترین رابطه با مناسب بودن و قرمز با تاثیر 100% رابطه قوی با مناسب بودن سایت می دهد. طبقه بندی بسیار کم (VL) تا خیلی زیاد (VH) وابسته به کاربر است و می توان آن را با مقادیر عددی از 1 تا 5 جایگزین کرد.

میانگین مقادیر استخراج شده از هر شاخص بیشتر با استفاده از روش وزن دهی افزودنی ساده (SAW) برای تصمیم گیری نهایی سازه های ذخیره سازی تجزیه و تحلیل شد. این تکنیک عملکرد وزنی هر شاخص را برای واحد جعبه جداگانه حل می کند. SAW نیاز به یک فرآیند عادی سازی دارد که یا به عنوان ماتریس تصمیم یا بر روی مقادیر واقعی انجام می شود. در این مطالعه، تکنیک SAW اصلاح شد و بر روی مقادیر واقعی هر شاخص انجام شد. ضریب وزن در تکنیک SAW به دسته‌های بین وزنی (وزن‌های تخصیص یافته به شاخص‌های مختلف) و درون وزنی (وزن‌های اختصاص داده شده به واحدهای ارزش/جعبه شاخص‌های فردی) تقسیم می‌شود. این تکنیک از رابطه زیر پیروی می کند:

V=∑j=1n(دبلیومنnتیهr×دبلیومنnتیrآrr)rمنj
rمنj=ایکسمنjمترآایکسمنj
  • rمنj=مقادیر عادی شاخص ها
  • ایکسمنj=مقادیر واقعی لایه موضوعی
  • دبلیومنnتیهr=وزن بین شاخص های انتخاب شده
  • دبلیومنnتیrآrr=وزن های درونی برای هر واحد جعبه

را دبلیومنnتیrآrrبرای تمام واحدهای جعبه شاخص های انتخاب شده به صورت جداگانه با استفاده از تکنیک رتبه متقابل محاسبه می شوند. در این تکنیک، وزن ها از متقابل های نرمال شده رتبه ها به دست می آیند. این تکنیک شامل یک عدد ترتیبی برای هر رتبه رکورد/مقدار است که با بالاترین رتبه 1 شروع می شود [ 42 ].

دبلیومنnتیrآrr=1من∑j=1ن1j

جایی که دبلیومنnتیrآrrدرون وزنی با استفاده از رتبه متقابل است، من= مقدار فردی شاخص، j= عدد ترتیبی و ن= تعداد کل واحدهای جعبه علاوه بر این، دبلیومنnتیهrوزن ها بر اساس استراتژی وزن برابر تخصیص داده می شوند زیرا شاخص های انتخاب شده به طور مساوی بر انتخاب مکان مناسب تأثیر می گذارند.

خروجی نهایی SAW (V)برای هر واحد جعبه در ArcGIS 10.5 با استفاده از انحراف استاندارد (SD) طبقه بندی شده است تا وابستگی دستی کاربران را به حداقل برساند. استراتژی SD این تکنیک را به روشی گسترده تبدیل می‌کند که در آن مجموعه داده‌ها برای مرتب‌سازی و طبقه‌بندی از متخصصان آزاد هستند [ 43 ]. در طرح طبقه بندی SD، تعداد کلاس ها به گسترش و توزیع داده ها بستگی دارد. نماد شناسی کلاس ها به کاربر وابسته است. در این مطالعه، تعداد کلاس‌های تولید شده از طریق استراتژی SD بیشتر به صورت بسیار کم (VL) تا بسیار زیاد (VH) نمادین شد. ترکیب محل های مناسب مخزن و دیوار سد منجر به خروجی نهایی سازه های ذخیره سازی می شود.

2.4. آنالیز کمی

ظرفیت و ویژگی های ذخیره سازی برای اثربخشی سازه های انتخاب شده در سناریوهای سیل مورد نیاز است. منحنی‌های ارتفاع-مساحت-ظرفیت (EAC) با استفاده از (i) روش مساحت سطح ارتفاعی طراحی شده برای مخازن و (ب) مفهوم قانون ذوزنقه‌ای برای محاسبه ظرفیت در هر ناحیه کانتور [ 4 ، 44 ، 45 ] تولید می‌شوند. بیان ریاضی قاعده ذوزنقه ای در معادله زیر آورده شده است:

Vتی=(اچ2)×(آ1+2.آ2+2.آ3+2.آn-1+آn)
اچ=(ساعت2-ساعت1)n

جایی که

ساعت2، ساعت1، n=ارزش از را بزرگترین، کوچکترین و جمع عدد از کانتور.

2.5. تجزیه و تحلیل رسوب و عمر سد

تحلیل فرسایش رسوبی (SE) با استفاده از معادله RUSLE برای محاسبه عمر سازه های پیشنهادی در منطقه انجام می شود. این تکنیک یک رویکرد تجربی برای پیش‌بینی نرخ بلندمدت پتانسیل فرسایش است که به عنوان تابعی از پنج شاخص شامل (i) فرسایش‌پذیری بارندگی (R)، (ب) فرسایش‌پذیری خاک (K)، (iii) طول شیب و شیب (شیب) بیان می‌شود. L و S)، (iv) رویه‌های پشتیبانی (P)، و (v) ورودی‌های رویه‌های مدیریت (C) [ 46 ، 47 ، 48 ] را پوشش می‌دهد. حوضه آبریز سنقر بیشتر از یک کوه بایر با سیستم کشت کم یا بدون سیستم کشت تشکیل شده است. بنابراین، مقادیر متوسط ​​SE عمدتاً یا صرفاً به عوامل LS، R و K ​​بستگی دارد.

SE (تی-در هکتار-1y-1)=آر×ک×LS×سی×پ
پارامترهای چند منبعی معادله RUSLE با تفکیک فضایی مختلف جمع‌آوری و ایجاد شده از طریق اندازه‌گیری نمونه‌گیری مجدد دوخطی انجام می‌شود. این چرخه تخمین هر پیکسل را با میانگین گیری مقادیر چهار پیکسل در بر می گیرد. چرخه نمونه‌برداری مجدد اجازه می‌دهد تا شطرنجی بارش را برای هماهنگ کردن وضوح فضایی با سایر مجموعه‌های داده کوچک‌تر کند.

2.5.1. عامل فرسایش بارندگی (R).

شدت و وسعت هر رویداد بارندگی به صورت فاکتور R بیان می شود. داده‌های بارش ماهواره‌ای در مقیاس‌های زمانی روزانه محصول GPM (اندازه‌گیری‌های جهانی بارش) برای محاسبه ضریب R استفاده می‌شود. این محصول به دلیل دقت بالا به طور گسترده مورد استفاده قرار می گیرد. داده های اندازه گیری ایستگاه های نزدیک (DG Khan) برای اعتبارسنجی داده های ماهواره ای استفاده می شود. در این مطالعه، ضریب R با استفاده از طرح پیشنهادی [ 49 ] محاسبه شد.

آر=ک·∑ (پد)آ

جایی که ضریب کو توان آپارامترهای مدل هستند و پدبارش روزانه است. R با بارش روزانه برای تمام روزها محاسبه می شود پد>0در یک ماه خلاصه می شود. با این حال، ضریب کهم از نظر مکانی و هم زمانی متفاوت است [ 50 ]. مرجع. [ 51 ] آن توان را نشان داد آنزدیک به 2 است، در حالی که تعدادی از رویکردهای تجربی ارزش را اثبات می کنند آبین 1.5 و 2 [ 52 ].

2.5.2. عامل فرسایش پذیری خاک (K).

حساسیت خاک به فرسایش ناشی از بارندگی و رواناب تولید شده توسط عامل K توجیه می شود. این عامل از معادلات تجربی مختلف [ 53 ، 54 ] محاسبه می‌شود که ویژگی‌های خاک مانند درصد ماده آلی، بافت خاک، و نفوذپذیری را در بر می‌گیرد.

ک=27.66 ×متر1.14×10-8×(12-آ)+(0.00043×(ب-2))+(0.0033×(ج-3))

جایی که آ، ب، و جبه ترتیب درصد مواد آلی، کد ساختار خاک و کد نفوذپذیری خاک هستند.

با این حال، درصد مواد آلی (OM) با محتوای کربن آلی (OC) مرتبط است. محتوای OM با استفاده از رابطه تعریف شده توسط [ 55 ، 56 ] محاسبه می شود. درصد شن، سیلت، خاک رس و کربن آلی از شبکه خاک و پایگاه داده جهانی خاک هماهنگ (HWSD) جمع آوری می شود. عوامل بو جبا استفاده از طبقه بندی بافت خاک [ 57 ] محاسبه می شوند. طبقه بندی بر اساس بافت شن و ماسه، سیلت و خاک رس است که در جدول 3 نشان داده شده است.

عامل متردر معادله بالا درصد بافت خاک را به صورت زیر نشان می دهد:

متر=% از شن+% از سیل ×(100-% از خاک رس)
2.5.3. فاکتور LS توپوگرافی

فاکتور LS توضیح می دهد که توپوگرافی چگونه بر فرآیند SE تأثیر می گذارد. عوامل L و S به ترتیب تاثیر طول شیب و شیب شیب را توصیف می کنند. مدل SE مورد نیاز از طریق عوامل ترکیبی L و S (LS-factor) محاسبه می شود. شیب های بیشتر از 9 درصد بیشتر مستعد از دست دادن خاک هستند [ 58 ]. این روش الگوریتم Renard و همکاران، 1997 [ 59 ] را برای تخمین ضریب S بر اساس گرادیان شیب به کار گرفت.

اس=10.8 ×سمنnθ+0.03،  جایی که شیب شیب<0.09
اس=16.8 ×سمنnθ-0.5،  جایی که شیب شیب ≥0.09

جایی که θیک شیب بر حسب درجه است

ضریب L با استفاده از مدل پیشنهادی Desmet و Govers 1996 [ 60 ] محاسبه می شود. این مدل رویکرد فاستر و ویشمایر در سال 1974 [ 61 ] را به یک زمین دو بعدی گسترش داد [ 62 ].

آ=(آمن،j-منn+جی2)متر+1-آمن،j-منnمتر+1جیمتر+2×(سمنnαمن،j+جoسαمن،j)متر×22.13متر

جایی که آمن،j-منnاین منطقه به سلول شبکه ورودی کمک می کند (من،j)در متر مربع اندازه گیری شد . جیاندازه سلول بر حسب متر است. αمن،jجنبه سلول شبکه است (من،j). با این حال، مترمربوط به نسبت شیار به فرسایش بین آب ( β ) است.

متر=ββ+1

و

β=سمنnθ0.0896[0.56+3×سمنnθ0.8]
θیک شیب بر حسب درجه است. ارزش متربین 0 تا 1 است [ 62 ].
2.5.4. پوشش (C) و عامل کنترل (P).
تاثیر پوشش زمین بر فرسایش خاک با استفاده از فاکتور C برآورد شده است. داده‌های ماهواره‌ای Landsat-8-Operational Land Imager and Thermal Infrared Sensor (OLI/TIRS) برای طبقه‌بندی LULC (پوشش زمین کاربری زمین) مبتنی بر پیکسل استفاده شد. تصاویر لندست بدون ابر موجود برای 3 مارس 2020 به دست آمد. حوضه آبریز سنقر در دو تصویر لندست از مسیرهای 152، 151 و ردیف 39 پوشانده شده است. این تصاویر شامل 9 باند طیفی با وضوح فضایی 30 متر است. باند 2 تا 7 (مادون قرمز قابل مشاهده تا موج کوتاه) روی هم چیده شده و موزاییک شده تا یک تصویر ماهواره ای ترکیبی چند باندی از منطقه مورد مطالعه ایجاد شود. نمونه آموزشی از تصویر موزاییک شده با تجزیه و تحلیل رفتار طیفی یکسان پیکسل ها جمع آوری و خوشه بندی شد. پیکسل های نمونه با رفتار طیفی یکسان به کلاس LULC خاص برچسب گذاری شدند. تصویر ترکیبی چند باند با نمونه‌های آموزشی مختلف خوشه‌ای در Erdas Imagine 2014 با استفاده از الگوریتم ML (حداکثر احتمال) برای طبقه‌بندی LULC پردازش شد. الگوریتم ML فرض می کند که آمار برای هر کلاس در هر باند به طور معمول توزیع شده است و احتمال تعلق یک پیکسل معین به یک کلاس انتخابی را محاسبه می کند. هر پیکسل به کلاس LULC که بیشترین احتمال را دارد اختصاص داده می شود. مقادیر فاکتور C در برابر هر کلاس LULC از [ الگوریتم ML فرض می کند که آمار برای هر کلاس در هر باند به طور معمول توزیع شده است و احتمال تعلق یک پیکسل معین به یک کلاس انتخابی را محاسبه می کند. هر پیکسل به کلاس LULC که بیشترین احتمال را دارد اختصاص داده می شود. مقادیر فاکتور C در برابر هر کلاس LULC از [ الگوریتم ML فرض می کند که آمار برای هر کلاس در هر باند به طور معمول توزیع شده است و احتمال تعلق یک پیکسل معین به یک کلاس انتخابی را محاسبه می کند. هر پیکسل به کلاس LULC که بیشترین احتمال را دارد اختصاص داده می شود. مقادیر فاکتور C در برابر هر کلاس LULC از [63 ، 64 ] و سپس با رستر طبقه بندی شده ملحق شدند. جدول 4 مقادیر ضریب C اختصاص داده شده را برای هر کلاس LULC نشان می دهد.
تمرینات/تمرینات برای به حداقل رساندن فرسایش توسط فاکتور P توصیف شده است. حوضه آبریز سنقر یک حوضه آبریز تپه ای است و هرگز روشی برای مدیریت فرسایش نبوده است. متعاقباً ضریب P برای کل حوضه 1 در نظر گرفته می شود.

2.6. بازده رسوب (SY) و نسبت تحویل رسوب (SDR)

SY ناخالص SE است که به یک مکان خاص تحویل داده می شود. SDR میزان ذخیره SE در یک منطقه را تخمین می زند. SDR نسبت SY به SE یک حوضه است. SDR با استفاده از رابطه تجربی توسعه یافته توسط Sharda و Ojasvi 2016 (معادله (16)) [ 64 ] محاسبه شد. این رابطه توسط Swaarnkar و همکاران، 2018 (معادله (17)) [ 48 ] اصلاح شد.

SDR=1.817 ×آ-0.132
SDR=1.42×آ-0.132

و

SY=SDR×آ

جایی که آمساحت حوضه/حوضه/حوضه آبریز است.

حوضه آبریز سنقر با توجه به تراکم زهکشی منطقه به 133 زیرحوضه کوچکتر تقسیم شد. SY در سطح زیرحوضه محاسبه شد. تقسیم به زیرحوضه کوچکتر به تخمین SY در یک مکان متفاوت با استفاده از SDR و SE زیرحوضه جداگانه امکان می دهد. این فرآیند برای محاسبه SY در سایت های سد پیشنهادی دنبال شد.
منطقه مورد مطالعه یک حوضه آبریز اندازه گیری نشده و بدون اندازه گیری رسوب است. روش با حوضه مجاور Vidor تأیید شد. در سال 2016 پروژه ای بر روی رودخانه ویدور برای اندازه گیری رسوب توسط اداره آبیاری پنجاب پاکستان آغاز شد. با تعداد محدود رکوردها، نتایج SY با رکوردهای SY مشاهده شده مقایسه شد.

3. نتایج

3.1. مناسب بودن سد

شاخص های انتخاب شده، توزیع اریب را برای 269 واحد جعبه در امتداد جریان اصلی نشان می دهد. ماهیت دارای انحراف مثبت شاخص ها، تکرار مقادیر بالا در حوضه آبریز را محدود می کند. میانگین و انحراف معیار همه شاخص ها فرکانس بالای مقادیر کم تا متوسط ​​را نشان می دهد. ماهیت کج بودن شاخص ها به دلیل پشته های زیاد و ناهمگونی در منطقه مشاهده شد. آمار تمام شاخص ها در جدول 5 نشان داده شده است.
بر اساس روابط تعریف‌شده شاخص‌ها و به دنبال آن وزن‌های درونی و درونی گنجانده شده در تکنیک SAW، دو سایت به عنوان مناسب‌ترین برای مدیریت آب سیلاب‌های ناگهانی شناسایی شدند. مکان ها از پنج ترکیب مناسب مخزن و دیوار سد انتخاب شدند که در شکل 3 نشان داده شده است.
طبق طرح طبقه‌بندی استرالر، سیلاب تپه سنقر از پنج راسته نهر تشکیل شده است که کانال اصلی پنجم است. سد-A در بالادست سد-B در جریان پنجم قرار دارد (معیار اول). دو سایت پیشنهادی تقریباً 22 کیلومتر از هم فاصله دارند. سایت پیشنهادی برای سد-ب به عنوان سد اصلی با ظرفیت بسیار بالاتر نسبت به سد-آ در نظر گرفته می شود. مناطق مخزن سایت های انتخاب شده حاوی مقادیر بالا تا بسیار بالایی از شاخص MRVBF (معیار دوم) هستند. با این حال، نتایج TRI نشان دهنده مقادیر کم در منطقه مخزن و مقادیر بالا برای دیواره سد (معیار سوم) است. رفتار TRI نشان می دهد که مخزن از توپوگرافی همگن تشکیل شده است که در شکل 4 نشان داده شده است.
مناطق مخزن هر دو سایت دارای ارزش بسیار کم (<5٪) در امتداد مخزن و مقادیر زیاد تا بسیار زیاد (100٪ < شیب < 120٪) برای دیوار سد به ترتیب (معیار چهارم) است. مکان هایی با حوضه های آبریز بزرگ برای جمع آوری حداکثر آب سیلاب انتخاب شدند. در بین 269 واحد جعبه در جریان سفارش اصلی 25 و منطقه 60 به ترتیب در کلاس های بسیار بالا و بالا برای مناسب بودن مخزن طبقه بندی می شوند. با این حال، 18 و 60 واحد جعبه به ترتیب در کلاس بسیار بالا و بالا برای مناسب بودن دیوار سد طبقه بندی می شوند. خلاصه توپوگرافی سایت های پیشنهادی در جدول 6 نشان داده شده است .
CD، VD، و کانتور در امتداد کانال اصلی برای شناسایی بهترین تنگه در منطقه (معیار پنجم و ششم) تجزیه و تحلیل شد. تنگه به ​​عنوان یک دره باریک با شیب های متقاطع تند که بین تپه ها یا کوه ها قرار دارد طبقه بندی می شود. سایت های انتخاب شده نشان دهنده یک دهانه باریک با یک مخزن بزرگ است که توانایی جمع آوری حداکثر آب با حداقل ساخت دیواره سد را دارد. این به سایت های انتخاب شده امکان می دهد حداکثر آب را با دهانه باریک جمع کنند. توپوگرافی کوهستانی منطقه وجود طبیعی تنگه های کامل را در امتداد نهر منتخب اصلی ثابت می کند. مشخصات مقطع دیواره سد در شکل 5 نشان داده شده است .

3.2. منحنی EAC

تجزیه و تحلیل کانتور محل های مناسب برای تشکیل منحنی EAC انجام شد. مساحت سطح و ظرفیت در ارتفاع کانتور فردی محاسبه شد. محل انتخاب شده برای سد-A شامل حداکثر 39 کانتور با فاصله 3 متر (39 × 3 = 117 متر) با ارتفاع کانتور پایه 513 متر است.
سد-A در حداکثر ارتفاع طراحی شده 117 متری، قابلیت ذخیره 363.92 میلی متر مکعب سیلاب با مساحت 828 هکتار را دارد. به طور مشابه، Dam-B دارای ارتفاع کانتور پایه 291 متر است. در حداکثر ارتفاع طراحی شده 99 متر، Dam-B شامل 33 کانتور با ظرفیت ذخیره سازی 838.42 میلی متر مکعب است که در شکل 6 نشان داده شده است. مساحت مخزن سد-B در حداکثر ارتفاع بسیار بزرگتر از سد-A است. با این حال، سد-A دارای پتانسیل بالاتری از حداکثر ارتفاع نسبت به سد-B است.

3.3. فرسایش خاک (SE)

ابتدا عوامل مختلف RUSLE و سپس تخمین SE ارائه می شوند. نتایج، مقادیر متوسط ​​بر اساس رکورد شش ساله گذشته (2014-2019) است که در شکل 7 نشان داده شده است.

3.3.1. R-Factor

اثر ضریب R برای تخمین SE در طول دوره انتخاب شده به طور میانگین محاسبه می شود. مناطق با ارتفاع بیشتر، به ویژه حوضه های کوهستانی، بارندگی بالایی دارند. منطقه مورد مطالعه بخشی از رشته کوه با توپوگرافی متنوع از بالادست تا پایین دست است. ضریب R نشان می دهد که میزان بارندگی در اطراف خط الراس در مرکز حوضه با ارتفاع بیش از 2000 متر بیشتر است. مقدار ضریب R به ترتیب از 1073.75 تا 2418.49 از کم تا زیاد متغیر است. مقادیر کم بارندگی نشان دهنده فرسایش کم در قسمت شرقی حوضه است. ضریب R به تدریج در مناطق پایین دست نسبتاً کم ارتفاع کاهش می یابد. ضریب R برای شدت های مختلف طوفان به طور قابل توجهی متفاوت است.
3.3.2. LS-Factor
با توجه به کوهستانی بودن حوضه، ضریب LS تأثیر بالایی بر نتایج SE نشان می دهد. نتایج نشان‌دهنده مقادیر بالاتر سلول‌ها در پشته و نواحی مجاور است (13 ≤ LS ≤ 20.5). مقادیر بالاتر برای مناطق پشته می تواند به دلیل شیب تند (S-factor) باشد. با این حال، مقادیر نسبتاً بالاتری از فاکتور LS برای سلول‌های نزدیک به کانال اصلی (رتبه پنجم) نیز مشاهده شد. این عمدتاً به دلیل مقادیر زیاد انباشت / منطقه کمک کننده جریان (عامل L) است. مقادیر کم فاکتور LS (<2) در الگوی تکه‌ای برای بقیه حوضه مشاهده شد. تغییرات برای سایر بخش های حوضه بین 2 تا 12 مشاهده شد.
3.3.3. فاکتور K
نقشه خاک وجود لوم رسی در قسمت شرقی و تکه هایی از لوم رسی شنی در حوضه را نشان می دهد. بقیه حوضه آبریز عمدتاً با لوم پوشیده شده است. به طور معمول، خاک لومی در مقایسه با سایر طبقات مستعدتر در برابر فرسایش در نظر گرفته می شود. محاسبه ضریب K همچنین شامل درصد محتوای OM در خاک است. OM حاصلخیزی و پایداری خاک را افزایش می دهد. نتایج OM یک تکه از مقادیر بالاتر (2 ≤ OM٪ ≤ 3.57) را در شمال حوضه نشان می دهد، با این حال، مقادیر کمی از OM (<1) در تکه ها وجود دارد. بقیه حوضه شامل یک محدوده متغیر مکانی از OM بین 1 و 2 است. درصد سیلت، ماسه، رس و محتوای OM در محدوده ضریب K از 0.016 تا 0.034 است. منطقه بیشتر از خاک لوم است،
3.3.4. فاکتور C
مقادیر فاکتور C پیشنهادی LULC ذکر شده در جدول 4 نشان می دهد که 1 برای زمین های بایر و 0.97 برای دشت بیابانی به ترتیب 1826.7 کیلومتر مربع و 1209.2 کیلومتر مربع را پوشش می دهد . مقادیر بالاتر فاکتور C باعث افزایش آسیب پذیری در برابر فرسایش خاک می شود. اما سرعت فرسایش خاک با پوشش گیاهی کاهش می یابد. پوشش گیاهی با افزایش درصد OM خواص فیزیکی و شیمیایی را بهبود می بخشد و مانعی برای خاک فرسایش یافته ایجاد می کند. پوشش علفی (C-factor = 0.7) و بوته زار (C-factor = 0.6) به ترتیب 673.4 کیلومتر مربع و 985.8 کیلومتر مربع از حوضه آبریز سنقر را پوشش می دهد.

3.4. فرسایش خاک (SE)

نتایج عوامل مختلف با استفاده از معادله RUSLE ترکیب می‌شوند که منجر به تخمین SE بر حسب تن در هکتار در سال می‌شود (t-ha- 1 y -1 ). ماهیت اریب مجموعه داده های ورودی از جمله LS، OM، و شیب، خروجی SE را در یک توزیع دارای انحراف مثبت هدایت می کند. رستر تولید شده دارای میانگین 75 تن در هکتار -1 y -1 با انحراف استاندارد بالای 108.27 است. حداقل و حداکثر مقادیر SE به ترتیب 0 و 799 t-ha- 1 y -1 است.
SE دارای تنوع فضایی در مقادیر کم (SE <50) t-ha- 1 y -1 به دلیل تنوع زمین است. دامنه کم حداکثر حوضه آبریز سنقر را پوشش می دهد. مقادیر بالاتر (SE> 373) t-ha- 1 y -1 SE در بخش مرکزی حوضه مشاهده می شود. مقادیر بالای خوشه ای SE در مرکز حوضه آبریز سنقر به دلیل غلظت بالای فاکتورهای R، LS، و K و ناهمگنی مرتبط در ارتفاعات است. مقادیر SE (211 <SE <373) t-ha- 1 y – 1 در سلول های مجاور مقادیر SE بالاتر روند دارند. با این حال، محدوده مقدار (50 <SE <211) t-ha- 1 y -1همانطور که در شکل 8 نشان داده شده است بقیه حوضه آبریز را پوشش می دهد . SE تولید شده در بین 8 محدوده تعریف شده ثابت می شود، اکثریت منطقه در محدوده (SE <50) t-ha- 1 y -1 قرار دارد همانطور که در شکل 8 نشان داده شده است.
میانگین مقدار SE در زیرحوضه مجزا رابطه مثبت قوی با عامل LS نشان می دهد. مقادیر SE نیز یک رابطه مثبت با فاکتور R را نشان می دهد. با این حال، رابطه در مقایسه با عامل LS ضعیف است. ترکیب خاک نیز به تخمین SE مربوط می شود. مقادیر متوسط ​​SE با افزایش درصد غلظت ماسه افزایش می یابد و با افزایش درصد غلظت سیلت همانطور که در شکل 9 نشان داده شده است کاهش می یابد . این دو ترکیب خاک نقش بسزایی در محاسبه ضریب K دارند.

3.5. عملکرد رسوب و عمر سد

خاک فرسایش یافته از یک حوضه آبریز به دلیل بارندگی را SY می گویند. برآورد SY در مکان های سد صرفاً به رابطه تجربی SDR بستگی دارد. برای هر دو مکان سد، دو معادله SDR عدم قطعیت را نشان می‌دهند. رابطه SDR توسعه یافته توسط Swarnkar و همکاران. [ 64 ] تخمین بهتری از SY می دهد. SDR نتایج SY را برای حوضه آبریز بزرگتر در منطقه بیش از حد برآورد می کند. با این حال، مشاهده شد که این رابطه در سطح زیرحوضه به خوبی رفتار می کند. بر اساس سوابق بارندگی، متوسط ​​رسوب سالانه 298073 تن و 318000 تن به ترتیب دام-A و Dam-B را تغذیه می کند.
طبق طبقه بندی ICOLD [ 65 ]، یک سد کوچک دارای ارتفاع ( 2.5 متر<اچ<15 متر)و حجم آب ذخیره شده در یک مخزن (اچ2×V<200 مم3). با این حال، محدودیت ارتفاع برای طبقه بندی سدها در پاکستان و سدهای ارتفاعی رعایت نشده است (اچ>40 متر)به صورت سدهای کوچک [ 66 ] ساخته شده اند. بر اساس شیوه های معمول در پاکستان، عمر سدهای منتخب به ترتیب در ارتفاع 63 متر و 48 متر برای سد-A و سد-B محاسبه شد. نتیجه، عمر تقریبی 87 و 90 سال برای Dam-A و Dam-B را به ترتیب ثابت می کند، همانطور که در شکل 10 نشان داده شده است.

4. بحث

رشته کوه سلیمان با گستردگی از شمال شرق تا جنوب شرق پاکستان مستعد سیل است. وقوع مکرر سیل‌های ناگهانی با شدت کم تا متوسط ​​در فصل باران‌های موسمی، این حوضه‌های آبریز را در مقایسه با سایر مناطق پاکستان آسیب‌پذیرتر می‌کند. الگوهای نامنظم فصلی بارندگی بیشتر کشت معمول محصولات مختلف را به دلیل ماهیت کم آب منطقه محدود می کند. سطح کشت تاریخی سیلاب‌های تپه‌ای نیز نشان می‌دهد که تنها درصد کمی از جریان‌های سیلاب در هنگام سیلاب‌های زیاد برای کشاورزی استفاده می‌شود و جریان‌های سیل باقی مانده به کانال‌ها و منطقه فرمان کانال آسیب می‌رسانند.
اجرای IMPs (شیوه‌های مدیریت یکپارچه) و BMPs (بهترین شیوه‌های مدیریت) با استفاده از تکنیک‌های مدرن تحقیقات هیدرولوژیکی ثابت کرده‌اند که روشی مناسب برای مدیریت این مناطق از طریق مناسب بودن سایت سد و برآورد تلفات خاک است.
مطالعه حاضر روش جدیدی را برای انتخاب سایت سد با استفاده از مجموعه داده‌های مورفومتریک مختلف از جمله SO، MrVBF، TRI، Slope، CD، VD و GD اتخاذ می‌کند. این روش یک بعد قوی در انتخاب سایت سد را اثبات می کند. پارامترها/شاخص های انتخاب شده منعکس کننده حداکثر مجموعه قوانین ممکن تعریف شده در ادبیات [ 3 ، 4 ، 18 ، 67 ، 68 هستند.] برای تجزیه و تحلیل مناسب بودن سایت سد. شاخص/شاخص به عنوان یک رویکرد کیفی، روش شناسی را منحصر به فرد می کند و وابستگی کاربر را برای تولید لایه موضوعی فردی کاهش می دهد. اعتبارسنجی روش با یک سد موجود (سد گمال زم) در شمال رشته کوه سلیمان انجام شد. روش اتخاذ شده سد گمال زم را در یک کلاس بسیار مناسب شناسایی کرد. روش طراحی و سایت های انتخاب شده به منشی و منشی اضافی PID (اداره آبیاری پنجاب)، پاکستان ارائه شده و رضایت بخش است. با توجه به [ 62 ]، هر دو سد در رده سدهای کوچک طبقه بندی می شوند. چندین مطالعه [ 3 ، 4 ، 67 ، 68] مکان های مناسب برای سد کوچک، سد چک و مخزن نفوذ برای برداشت آب در پاکستان و هند را شناسایی کرد. به عنوان مثال، جمالی و همکاران. 2014 [ 68 ] راه حلی را برای مناسب بودن سایت برای DAM در شمال پاکستان با استفاده از تکنیک های مدرن GIS و RS با تجزیه و تحلیل چند معیاره فضایی (SMCA) ارائه کرد. سینگ و همکاران 2008 [ 67] شناسایی چهارده سایت مناسب برای سدهای چک با استفاده از لایه های موضوعی مختلف از جمله؛ LULC، گروه خاک هیدرولوژیکی، شیب، و DEM. شناسایی مکان های مناسب از دستورالعمل های ارائه شده توسط ماموریت یکپارچه برای توسعه پایدار (IMSD) پیروی می کند. آخرین تحقیقات در عراق انجام شده است. این تحقیق از تمامی متغیرهای ممکن از جمله تشکیل زمین شناسی، نوع خاک، خط گسل، خط زمین ساختی، ارتفاع، شیب، داده های بارندگی، دبی آب، کاربری/پوشش زمین، شبکه راه و مواد مورد استفاده برای انتخاب محل سد استفاده کرد [ 69 ]]. در مقابل، تلاش های بسیار کمی انجام شده بود که از شاخص های خاصی برای تجزیه و تحلیل مناسب بودن سایت سد استفاده می کرد. با این حال، روش طراحی شده شاخص‌های خاصی را گروه‌بندی کرد که معیارهای متعددی را برای تجزیه و تحلیل مناسب بودن سایت سد نشان می‌دهند. مجموعه ای از شاخص ها به خوبی بر روی توپوگرافی متنوع مناطق تنظیم می شود. شاخص های انتخاب شده حداکثر مجموعه قوانین را در ادبیات ذکر شده در بالا پوشش می دهند. ارتباط بین شاخص های مختلف با مخزن و مناسب بودن دیواره سد، روش شناسی را قوی تر می کند. شاخص های انتخاب شده تعمیم یافته اند و از این رو می توانند در هر حوزه دیگری اجرا شوند.
کارایی ساختار طراحی شده با میانگین سالانه تخمین SE تجزیه و تحلیل می شود. برآورد SE ضروری بود زیرا رشته کوه کوه سلیمان به دلیل توپوگرافی متنوع و ماهیت بایر پوشش زمین مستعد فرسایش خاک است. معادله RUSLE شامل بارندگی R، K-خاک فرسایش پذیری، شیب طول LS، مدیریت پوشش زمین C و عوامل تمرین پشتیبانی P برای تخمین میانگین سالانه تلفات خاک سیلاب سنقر است. رفتار نامنظم بارندگی عمدتاً با افزایش ناگهانی ناشی از انفجار ابر و رعد و برق، ماهیت اپیزودیک جریان‌هایی را که در فصل باران‌های موسمی (ژوئیه، آگوست و سپتامبر) فعال باقی می‌مانند، طبقه‌بندی می‌کند، همانطور که در جدول 2 نشان داده شده است.. تنوع بالای توپوگرافی و طبیعت شنی احتمال از دست دادن خاک در منطقه مورد مطالعه را افزایش می دهد. نتایج SE با استفاده از معادله RUSLE میانگین از دست دادن خاک را 75 تن در هکتار -1 y -1 نشان می‌دهد . برآوردهای SY با استفاده از نتایج SDR و SE نشان می دهد که تقریباً 298073 تن و 318000 تن رسوب متوسط ​​سالانه به ترتیب سد-A و سد-B را تغذیه می کند. نتایج SY 87 سال و 90 سال عمر سد-A و سد-B را به ترتیب در ارتفاع 150 فوت و 200 فوت ثابت می کند. اعتبار سنجی روش با سوابق محدود ویدور دقت کافی نتایج را نشان می دهد. میانگین رکورد رسوب QOBSERVE و QRUSLE در تورنت ویدور برای فصل باران های موسمی 2016 به ترتیب 7925 تن در روز 1- و 7455 تن در روز 1- بود.
با تمرکز بر سناریوهای جهانی تغییر اقلیم، اگر فراوانی رویدادها در سال به طور چشمگیری افزایش یابد، هدررفت سالانه خاک حوضه آبریز سنقر را افزایش می دهد. افزایش SE عمر سد مرتبط را کاهش می دهد. سایت های انتخاب شده پتانسیل بالا بردن ارتفاع سد را به ترتیب تا 385 فوت و 325 فوت برای Dam-A و Dam-B دارند. سد B با ظرفیت بسیار بالاتر 839 میلیون متر مکعب به عنوان سد اصلی برای کنترل قله های سیلابی به شمار می رود. با این حال، Dam-A می تواند به صورت سری برای افزایش عمر Dam-B مفید باشد. این استراتژی منعطف است و می تواند برای طرح های سازگاری با تغییرات آب و هوایی اجرا شود. ادبیات غنی شده کاربرد و کارایی معادله RUSLE را اثبات می کند. آخرین تحقیق توسط [ 23] برای برآورد تلفات خاک با استفاده از مدل RUSLE در حوضه آبریز رودخانه چیترال در شمال پاکستان. مطالعه دیگری بر روی حوضه آبریز سد راول در شمال استان پنجاب، پاکستان، توسط [ 70 ] انجام شد و تکنیک‌های GIS و RS را برای تخمین‌های SE مناسب یافت (R2 = 0.76). کوسیمی و همکاران 2015 [ 71 ] با استفاده از معادله RUSLE، تأثیر فعالیت‌های کاربری کنترل‌نشده زمین بر SE در رودخانه پرا، غنا را مطالعه کرد. جوکبالا و همکاران 2018 [ 72 ] همچنین قابلیت اطمینان و اثربخشی معادله RUSLE را با ادغام GIS در Wadi El-Ham الجزایر ارزیابی کرد و نتایج رضایت بخشی یافت.
پاکستان چندین سال است که با کمبود آب مواجه است که در درجه اول به دلیل افزایش جمعیت و سوء مدیریت منابع آبی قابل دسترس است. سناریوی جنگ آب با کشورهای همسایه ماهیت شدید کمبود آب را برجسته می کند. میانگین پتانسیل سالانه 23 میلیارد متر مکعب در منابع آبی تپه ای DG Khan در کشور وجود دارد که هنوز از پتانسیل تولیدی آن استفاده نشده است [ 73 ]. برای غلبه بر کمبود آب کشور، راهبردهای سازگاری با تغییرات اقلیمی تا حد زیادی مناسب‌ترین شیوه‌هایی است که در سراسر جهان اجرا شده است. مدیریت ساختاری سیل ناگهانی با ساخت سد نیز نیاز آبی محصول (CWR) را در دشت‌های پیمونت منطقه برآورده می‌کند.

5. نتیجه گیری ها

این مطالعه پتانسیل موجود سیلاب های تپه ای در پاکستان را برجسته می کند. نتایج استفاده از آبیاری پره ای را برای بهبود شدت کشت در منطقه ترویج می کند. به گفته احمد و همکاران، 2016 [ 73 ]، نسبت هزینه سود حاصل از آبیاری موجی برای دشت های پیمونت DG Khan بیشتر از آب کانال و زیرزمینی است. بنابراین، این مطالعه استفاده کارآمد از سیلاب‌های تپه‌ای را برای آبیاری موجی از طریق ساخت سد کوچکی که می‌تواند آب سیل ناگهانی را به روشی سازگار با محیط زیست مدیریت کند، نتیجه‌گیری می‌کند. مطالعات بیشتر باید شامل محاسبه CWR باشد که به مدل‌سازی، مرزبندی و مدیریت مناطق فرماندهی فرهنگی در پایین دست سایت‌های منتخب سد کمک می‌کند.
روش اتخاذ شده، کاربرد IMPs را در مناطق مستعد سیل و فرسایش برای مدیریت بهتر مخاطرات طبیعی تأیید می کند. نتایج تولید شده اثربخشی و قابلیت اطمینان روش RDSA برای تجزیه و تحلیل مناسب بودن سایت سد و RUSLE برای برآوردهای سالانه SE را اثبات می کند. این مطالعه به شواهد زیر پایان می دهد:
  • تکنیک RDSA در مجموع 269 واحد جعبه را در کلاس های بسیار بالا تا بسیار پایین برای مناسب بودن مخزن و دیواره سد طبقه بندی کرد.
  • تجزیه و تحلیل کیفی با استفاده از تکنیک RDSA منجر به ایجاد دو سایت سد مناسب (Dam-A و Dam-B) برای مدیریت آب سیلاب ناگهانی می شود.
  • تجزیه و تحلیل کمی حداکثر ظرفیت ممکن را به ترتیب 364 میلیون متر مکعب و 838 میلیون متر مکعب از سد-A و سد-B نشان می دهد.
  • برآورد تلفات خاک با استفاده از روش RUSLE منجر به میانگین SE سالانه 75 تن در هکتار 1 y -1 می شود.
  • در سطح زیرحوضه LS، R، درصد غلظت ماسه و سیلت با SE ارتباط معنی‌داری نشان می‌دهد.
  • میانگین رسوب سالانه مبتنی بر SDR و SE به ترتیب 298073 تن و 318000 تن سد A و Dam-B را تغذیه می کند.
  • نتایج SY عمر تقریبی 87 و 90 سال را برای Dam-A و Dam-B به ترتیب در ارتفاع 150 فوت و 200 فوت ثابت می کند.
تغییر رفتار آب و هوا در طی چند دهه باعث مکرر سناریوهای سیل ناگهانی در پاکستان می شود. سایت های پیشنهادی پتانسیل افزایش ظرفیت ذخیره سازی سدها را برای غلبه بر سناریوهای تغییرات آب و هوایی پیش بینی شده درازمدت دارند. ارتفاع دیواره سد سایت های پیشنهادی را می توان به ترتیب به حداکثر 384 فوت و 325 فوت برای Dam-A و Dam-B افزایش داد.

منابع

  1. گاردینر، ES; Hodges، JD; Fristoe، TC Flood Plain Topography بر موفقیت استقرار Oaks با بذر مستقیم تأثیر می گذارد. در Gen. Tech. نماینده SRS–71 ; وزارت کشاورزی ایالات متحده، خدمات جنگل، ایستگاه تحقیقاتی جنوبی: آشویل، NC، ایالات متحده، 2004; صص 581-585. [ Google Scholar ]
  2. گیوتی، ای. ریگا، سی. کالوگروپولوس، ک. Chalkias، C. یک مدل رواناب سیل ناگهانی مبتنی بر GIS با استفاده از DEM با وضوح بالا و داده‌های هواشناسی. Earsel Eproc. 2013 ، 1 ، 33-43. [ Google Scholar ] [ CrossRef ]
  3. منیر، کارشناسی; احمد، اس.آر. حافظ، اس. مدل‌سازی خطر یکپارچه برای شبیه‌سازی پاسخ جریان سیل‌آمیز به رویدادهای سیل ناگهانی. Isprs Int. J. Geo-Inf. 2019 ، 9 ، 1. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  4. منیر، کارشناسی; اقبال، جی. شیوه های مدیریت آب سیل فلش در شهر دره غازی خان (پاکستان): سنجش از دور و آینده نگر GIS. نات. خطرات 2016 ، 81 ، 1303-1321. [ Google Scholar ] [ CrossRef ]
  5. نوربیاتو، دی. بورگا، م. دگلی اسپوستی، س. گاوم، ای. Anquetin، S. هشدار سیل بر اساس آستانه بارندگی و شرایط رطوبت خاک: ارزیابی برای حوضه های اندازه گیری شده و اندازه گیری نشده. جی هیدرول. 2008 ، 362 ، 274-290. [ Google Scholar ] [ CrossRef ]
  6. گاوم، ای. باین، وی. برناردارا، پ. نیوینگر، او. باربوک، ام. بیتمن، ا. بلاشکوویچووا، ال. بلوشل، جی. بورگا، م. دومیترسکو، آ. و همکاران مجموعه ای از داده ها در مورد سیل های ناگهانی اروپا. جی هیدرول. 2009 ، 367 ، 70-78. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  7. لیست، ام. گریفول، ام. Monbaliu، J. پراکندگی ستون رودخانه در پاسخ به رویدادهای سیل ناگهانی. درخواست برای قفسه کاتالان. ادامه Shelf Res. 2014 ، 87 ، 96-108. [ Google Scholar ] [ CrossRef ]
  8. بورگا، م. بوسکولو، پی. زانون، ف. سنگاتی، M. تجزیه و تحلیل آب و هواشناسی سیل 29 اوت 2003 در شرق آلپ ایتالیا. J. Hydrometeorol. 2007 ، 8 ، 1049-1067. [ Google Scholar ] [ CrossRef ]
  9. لی، ایکس. هوانگ، اس. سان، تی. Xin, J. طراحی و اجرای سیستم نظارت و ارزیابی سیل. در مجموعه مقالات سمپوزیوم بین المللی 2011 در مورد تلفیق تصویر و داده (ISIDF)، Tengchong، چین، 9-11 اوت 2011; صص 1-3. [ Google Scholar ]
  10. منیر، بی. عمران، ح. حنیف، م. شیوه‌های ارزیابی خطر فضایی در مناطق فقیر از داده: رویکردی مشارکتی به سمت مدیریت بلایای طبیعی. بین المللی J. Sci. برنامه پایه Res. IJSBAR 2015 ، 22 ، 69-80. در دسترس آنلاین: https://gssrr.org/index.php?journal=JournalOfBasicAndApplied&page=article&op=view&path%5B%5D=3799&path%5B%5D=2255 (در 8 ژوئیه 2020 قابل دسترسی است).
  11. پتروویچ، A. چالش های مدیریت خطر سیل سیل آسا در صربستان. جی. جئوگر. Inst. Jovan CVIJIC SASA 2015 ، 65 ، 131-143. [ Google Scholar ] [ CrossRef ]
  12. Veldkamp، TIE; وادا، ی. Aerts، JCJH; دول، پی. گاسلینگ، SN; لیو، جی. ماساکی، ی. اوکی، تی. استبرگ، اس. پوخرل، ی. و همکاران نقاط داغ کمبود آب به دلیل مداخلات انسانی در قرن بیستم و بیست و یکم به پایین دست سفر می کنند. نات. اشتراک. 2017 ، 8 ، 15697. [ Google Scholar ] [ CrossRef ]
  13. لی، ز. لی، دبلیو. جنرال الکتریک، W. تجزیه و تحلیل وزن عوامل موثر بر پیامدهای خطر شکست سد. نات. سیستم خطرات زمین. علمی 2018 ، 18 ، 3355-3362. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  14. وو، ام. Ge، W. لی، ز. وو، زی. ژانگ، اچ. لی، جی. Pan, Y. تجزیه و تحلیل جفت مجموعه بهبود یافته و کاربرد آن در ارزیابی اثرات زیست محیطی شکست سد. Water 2019 , 11 , 821. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. Ge، W. لی، ز. لیانگ، RY؛ لی، دبلیو. Cai، Y. روش برای ایجاد معیارهای خطر برای سدها در کشورهای در حال توسعه، مطالعه موردی چین. منبع آب مدیریت 2017 ، 31 ، 4063-4074. [ Google Scholar ] [ CrossRef ]
  16. جوزاقی، ع. علیزاده، ب. حاتمی، م. سیل، I. خرمی، م. خدایی، ن. قاسمی طوسی، ا.. مطالعه تطبیقی ​​تکنیک‌های AHP و TOPSIS برای انتخاب محل سد با استفاده از GIS: مطالعه موردی استان سیستان و بلوچستان، ایران. Geosciences 2018 , 8 , 494. [ Google Scholar ] [ CrossRef ][ Green Version ]
  17. کومار، ام جی؛ آگاروال، AK; بالی، R. تعیین مکان های بالقوه برای سازه های برداشت آب با استفاده از سنجش از دور و GIS. J. شرکت هندی Remote Sens. 2008 , 36 , 323-334. [ Google Scholar ] [ CrossRef ]
  18. الروزوق، ر. شانبله، ع. یلماز، AG; ادریس، AE; موکرجی، اس. خلیل، م. نقشه برداری و تجزیه و تحلیل مناسب بودن سایت سد جیبریل، MBA با استفاده از رویکرد یکپارچه GIS و یادگیری ماشین. Water 2019 ، 11 ، 1880. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  19. Sayl، KN; محمد، NS برآورد متغیرهای فیزیکی سیستم برداشت آب باران با استفاده از رویکرد سنجش از دور یکپارچه مبتنی بر GIS. منبع آب مدیریت 2016 ، 30 ، 3299-3313. [ Google Scholar ] [ CrossRef ]
  20. پاندی، ا. Chowdary، VM; Mal, BC; Dabral، PP سنجش از دور و GIS برای شناسایی مکان‌های مناسب برای سازه‌های حفاظت از خاک و آب. تخریب زمین توسعه دهنده 2011 ، 22 ، 359-372. [ Google Scholar ] [ CrossRef ]
  21. سیست، ای. Attribution, CC; Weerasinghe، H. مدل ارزیابی برداشت و ذخیره‌سازی آب با استفاده از GIS و سنجش از دور. هیدرول. سیستم زمین علمی بحث و گفتگو. 2011 ، 8 ، 3353-3381. [ Google Scholar ]
  22. شیت، PK مطالعات فرسایش آبکی از هند و مناطق اطراف . Springer Nature: برلین/هایدلبرگ، آلمان، 2019. [ Google Scholar ]
  23. واعظی، AR ارزیابی فرسایش پذیری ذرات خاک و رسوب گیری با استفاده از سدهای چک در حوضه های آبریز نیمه خشک کوچک. Catena 2017 ، 157 ، 227–240. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  24. چوئنچوم، پ. خو، ام. Tang, W. برآورد فرسایش خاک و بازده رسوب در رودخانه Lancang-Mekong با استفاده از معادله اصلاح شده جهانی از دست دادن خاک و تکنیک‌های GIS. آب 2020 ، 12 ، 135. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  25. Walling، DE تأثیر انسان بر بارهای رسوب رودخانه های آسیایی. مشکلات رسوب و مدیریت رسوب در حوضه رودخانه های آسیا. انتشارات IAHS 2011 ، 349 ، 37-51. [ Google Scholar ]
  26. اشرف، الف. مدل‌سازی ریسک فرسایش خاک در مناطق پر و متوسط ​​بارندگی منطقه پوثوار، پاکستان. Proc. پاک آکادمی علمی پاک آکادمی علمی B Life Environ. علمی 2017 ، 54 ، 67-77. [ Google Scholar ]
  27. Walling, DE اندازه گیری میزان رسوب از حوضه های رودخانه. در روشهای تحقیق فرسایش خاک ; Routledge: لندن، بریتانیا، 2017; صص 39-82. [ Google Scholar ]
  28. Gelagay، HS; Minale، AS برآورد تلفات خاک با استفاده از تکنیک‌های GIS و سنجش از دور: موردی از حوضه آبخیز کوگا، شمال غربی اتیوپی. بین المللی حفظ آب خاک Res. 2016 ، 4 ، 126-136. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  29. آتوما، اچ. سوریاباگاوان، ک. Balakrishnan، M. ارزیابی فرسایش خاک با استفاده از مدل RUSLE و GIS در حوضه آبخیز Huluka، اتیوپی مرکزی. حفظ کنید. منبع آب مدیریت 2020 ، 6 ، 12. [ Google Scholar ]
  30. Ullah, S. ارزیابی زمین فضایی شدت فرسایش خاک و عملکرد رسوب: مطالعه موردی منطقه پوتوهار، پاکستان. محیط زیست علوم زمین 2018 ، 77 ، 705. [ Google Scholar ] [ CrossRef ]
  31. Stephens, T. Manual on Small Earth Dams: A Guide to Siting, Design and Construction (شماره 64) ; سازمان غذا و کشاورزی سازمان ملل متحد (FAO): رم، ایتالیا، 2010. [ Google Scholar ]
  32. Rangsiwanichpong، P. کازاما، س. Gunawardhana، L. ارزیابی عملکرد رسوب در تایلند با استفاده از معادله جهانی از دست دادن خاک و تکنیک های سیستم اطلاعات جغرافیایی تجدید نظر شده. River Res. Appl. 2018 ، 34 ، 1113-1122. [ Google Scholar ] [ CrossRef ]
  33. مقصوم، ع. اسلم، بی. حسن، یو. کاظمی، ز. سودانگی، م. توفیل، RF; فاروق، دی. ارزیابی زمین فضایی شدت فرسایش خاک و رسوب با استفاده از مدل بازبینی شده جهانی از دست دادن خاک (RUSLE). ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 356. [ Google Scholar ] [ CrossRef ]
  34. جاوید، من؛ ندیم، م. جاوید، اف. گزارش مشاور کمک فنی پاکستان: کارهای اضافی برای آماده سازی طرح مدیریت تورنت تپه (تأمین شده توسط TASF) طراحی/گزارش امکان سنجی اصلاح شده. 2007. در دسترس آنلاین: https://www.adb.org/sites/default/files/project-document/65489/39590-pak-tacr.pdf (در 1 ژوئیه 2020 قابل دسترسی است).
  35. گالانت، جی سی. داولینگ، TI یک شاخص چند تفکیک پذیری همواری کف دره برای نقشه برداری مناطق رسوبی. منبع آب Res. 2003 ، 39 ، 1347-1359. [ Google Scholar ] [ CrossRef ]
  36. رایلی، اس جی. دی گلوریا، SD; الیوت، R. ناهمواری زمین که ناهمگونی توپوگرافی را کمی می کند. Intermt. J. Sci. 1999 ، 5 ، 23-27. [ Google Scholar ]
  37. کنراد، او. بچتل، بی. دیتریش، اچ. فیشر، EK; گرلیتز، ال. وهبرگ، جی. ویچمن، وی. Böhner, J. System for Automated Geoscientific Analyses (SAGA) v. 2.1. 4. Geosci. مدل Dev. بحث و گفتگو. 2015 ، 8 ، 1991-2007. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  38. Khanna, PN Indian Practical Engineer’s Engineer’s Handbook , ed. 8; PN Khanna for Engineer’s Publishers: دهلی نو، هند، 1993. [ Google Scholar ]
  39. گاواد، وی وی. پاتیل، تجزیه و تحلیل مناسب بودن سایت DRR برای برداشت آب باران سطحی مادها تسیل، سولاپور، ماهاراشترا: یک رویکرد ژئوانفورماتیک. دوازدهمین کاربر ESRI هند. 2011، صفحات 1-7. در دسترس آنلاین: https://esriindia.com/Events/UC2011_files/WR_UCP0018.pdf (در 10 اکتبر 2019 قابل دسترسی است).
  40. آدیکاری، RGCE; رای، اس. Shrestha, A. Resource Manual on Flash Flood Risk Management , 3rd ed.; پرلیس، ا.، ویرایش. مرکز بین المللی توسعه یکپارچه کوهستان: خاتماندو، نپال، 2012; در دسترس آنلاین: https://agris.fao.org/agris (در 25 اوت 2020 قابل دسترسی است).
  41. فائو روش های ساده برای آبزی پروری 2014. در دسترس آنلاین: ftp://ftp.fao.org/FI/CDrom/FAO_Training/FAO_Training/General/x6705e/Index.htm (در 18 فوریه 2020 قابل دسترسی است).
  42. اکنبرگ، ال. هانسون، ک. دانیلسون، ام. Cars, G. Equity نمایندگی مشورت: رویکردهای تحقیق، ابزارها و الگوریتم‌ها برای فرآیندهای مشارکتی . ناشران کتاب باز: کمبریج، بریتانیا، 2017. [ Google Scholar ] [ CrossRef ][ Green Version ]
  43. فیشر، MM; Getis, A. Handbook of Applied Spatial Analysis. در کتابچه راهنمای تحلیل کاربردی فضایی ; Springer: برلین/هایدلبرگ، آلمان، 2010. [ Google Scholar ] [ CrossRef ]
  44. Deutsch, K. رابطه ارتفاع به منطقه دریاچه Behnke. مجله مدلسازی ریاضی در مقطع کارشناسی: یک + دو . 2012. در دسترس آنلاین: https://scholarcommons.usf.edu/ujmm/vol4/iss2/5/ (دسترسی در 6 دسامبر 2019).
  45. یحیی، ع. پیمایش: مساحت و احجام. بازیابی شده در 9 ژانویه 2014. 2002. موجود به صورت آنلاین: https://azlanppd.tripod.com/ (دسترسی در 2 اوت 2020).
  46. رنارد، KG; فاستر، GR; ویزیس، GA; پورتر، JP RUSLE: معادله جهانی از دست دادن خاک تجدید نظر شده. J. حفظ آب خاک. 1991 ، 46 ، 30-33. [ Google Scholar ]
  47. رسوب کینل، PI از دامنه‌ها و معادله جهانی از دست دادن خاک: برخی تصورات و تصورات غلط. هیدرول. روند. بین المللی J. 2008 , 22 , 3168-3175. [ Google Scholar ] [ CrossRef ]
  48. سوارنکار، اس. مالینی، ا. تریپاتی، س. Sinha، R. ارزیابی عدم قطعیت ها در برآورد فرسایش خاک و رسوب در حوضه های اندازه گیری نشده: برنامه ای برای حوضه رودخانه گارا، هند. هیدرول. سیستم زمین علمی 2018 ، 22 ، 2471. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  49. پتکوفشک، جی. Mikoš, M. برآورد ضریب R از داده های بارندگی روزانه در آب و هوای زیر مدیترانه ای جنوب غربی اسلوونی/Estimation du facteur R à partir de données journalières de pluie dans le climat sub-méditerranéen du sud-Ouest de la Slovénie. هیدرول. علمی J. 2004 , 49 , 5. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  50. ریچاردسون، CW; فاستر، GR; رایت، DA برآورد شاخص فرسایش از میزان بارندگی روزانه. ترانس. صبح. Soc. کشاورزی مهندس 1983 ، 26 ، 153-160. [ Google Scholar ] [ CrossRef ]
  51. قهوه ای، LC; فرسایش طوفان فاستر، GR با استفاده از توزیع های شدت ایده آل. ترانس. صبح. Soc. کشاورزی مهندس 1987 ، 30 ، 293-307. [ Google Scholar ] [ CrossRef ]
  52. باگارلو، وی. D’Asaro، F. برآورد شاخص فرسایش طوفانی منفرد. ترانس. صبح. Soc. کشاورزی مهندس 1994 ، 37 ، 785-791. [ Google Scholar ] [ CrossRef ]
  53. ویشمایر، WH; اسمیت، DD پیش بینی تلفات فرسایش باران: راهنمای برنامه ریزی حفاظت (شماره 537) ; اداره کشاورزی، علوم و آموزش و پرورش USDA: Hyattsville، MD، ایالات متحده آمریکا، 1978. [ Google Scholar ]
  54. Van der Knijff, JM; جونز، RJA; Montanarella، L. ارزیابی خطر فرسایش خاک در اروپا، EUR 19044 EN ; دفتر انتشارات رسمی جوامع اروپایی: لوکزامبورگ، 2000; پ. 34. [ Google Scholar ]
  55. نلسون، DW; Sommers، LE کربن کل، کربن آلی و مواد آلی. روش ها خاک مقعد. قسمت 3 شیمی. Methods 1996 ، 5 ، 961-1010. [ Google Scholar ]
  56. ساکستون، KE; Rawls، WJ تخمین ویژگی های آب خاک بر اساس بافت و مواد آلی برای محلول های هیدرولوژیکی. علم خاک Soc. صبح. J. 2006 , 70 , 1569-1578. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  57. De Boer, F. HiHydroSoil: A High Resolution Soil Map of Hydraulic Properties Version 1.2 ; گزارش فنی؛ FutureWater: Wageningen، هلند، 2016. [ Google Scholar ]
  58. مک کول، DK; قهوه ای، LC; فاستر، GR; Mutchler، CK; مایر، LD اصلاح شده ضریب شیب شیب برای معادله جهانی از دست دادن خاک. ترانس. ASAE 1987 ، 30 ، 1387-1396. [ Google Scholar ] [ CrossRef ]
  59. رنارد، KG; فاستر، GR; ویزیس، GA; مک کول، DK; Yoder، DC پیش بینی فرسایش خاک توسط آب: راهنمای برنامه ریزی حفاظت با معادله جهانی از دست دادن خاک (RUSLE) . راهنمای کشاورزی 703; دفتر چاپ دولت ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، 1997.
  60. دسمت، PJJ; Govers, G. یک روش GIS برای محاسبه خودکار ضریب USLE LS بر روی واحدهای منظر پیچیده توپوگرافی. J. حفظ آب خاک. 1996 ، 51 ، 427-433. [ Google Scholar ]
  61. فاستر، GR; Wischmeier, W. ارزیابی شیب های نامنظم برای پیش بینی از دست دادن خاک. ترانس. ASAE Gen. Ed. صبح. Soc. کشاورزی مهندس 1974 ، 17 ، 305-309. [ Google Scholar ] [ CrossRef ]
  62. پاناگوس، پی. بورلی، پی. Meusburger، K. طول شیب اروپایی و فاکتور شیب (LS-Factor) برای مدل‌سازی فرسایش خاک توسط آب. علوم زمین 2015 ، 5 ، 117-126. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  63. فائو روش شناسی برای ارزیابی تخریب خاک، گزارش در مورد مشاوره کارشناسان FAO/UNEP، رم، 25-27 ژانویه 1978 . فائو: رم، ایتالیا، 1978. [ Google Scholar ]
  64. Sharda، VN; Ojasvi، PR بودجه اصلاح شده برای فرسایش خاک برای هند: نقش رسوب مخزن و اقدامات حفاظت از استفاده از زمین. زمین گشت و گذار. Proc. زمین. 2016 ، 41 ، 2007–2023. [ Google Scholar ] [ CrossRef ]
  65. بولز، دی اس؛ جولیانی، فلوریدا؛ هارتفورد، DN; جانسن، JPFM؛ مک گرات، اس. پوپارت، م. Zielinski، بولتن PA ICOLD در مورد مدیریت ایمنی سد. IPENZ Proc. فنی Groups 2007 , 33 , 2. [ Google Scholar ]
  66. اداره آبیاری پنجاب Manual of Irrigation Practice (mip) , 2nd ed.; دولت پاکستان: پنجاب، پاکستان، 2017. [ Google Scholar ]
  67. سینگ، جی پی؛ دارشدیپ، س. لیتوریا، PK انتخاب مکان‌های مناسب برای سازه‌های برداشت آب در حوزه آبخیز سوانخند، پنجاب با استفاده از سنجش از دور و رویکرد سیستم اطلاعات جغرافیایی – مطالعه موردی. شرکت هندی Remote Sens. 2008 , 37 , 21-35. [ Google Scholar ] [ CrossRef ]
  68. جمالی، IA; مورتبرگ، U. اولوفسون، بی. Shafique, M. یک رویکرد تحلیل چند معیاره فضایی برای مکان‌یابی مکان‌های مناسب برای ساخت سدهای زیرسطحی در شمال پاکستان. منبع آب مدیریت 2014 ، 28 ، 5157-5174. [ Google Scholar ] [ CrossRef ]
  69. نوری، ع.م. پرادان، بی. ارزیابی تناسب سایت سد QM Ajaj در رودخانه زاب بزرگ در شمال عراق با استفاده از داده های سنجش از دور و GIS. جی هیدرول. 2019 ، 574 ، 964–979. [ Google Scholar ] [ CrossRef ]
  70. صمد، ن. حمید، م. محمد، ج. سلیم، م. حمید، س. بابر، U. فرید، ارزیابی بازده رسوب MS و شناسایی مکان‌های سد بررسی حوضه آبریز سد راول. عرب جی. ژئوشی. 2016 ، 9 ، 466. [ Google Scholar ] [ CrossRef ]
  71. کوسیمی، ج.م. Yiran, GA; Attua، EM مدل‌سازی فرسایش خاک و رسوب در حوضه رودخانه پرا غنا با استفاده از معادله جهانی از دست دادن خاک (RUSLE). غنا J. Geogr. 2015 ، 7 ، 38-57. [ Google Scholar ]
  72. جوکبالا، او. مزور، م. حسبیا، م. Benselama, O. برآورد فرسایش آبی در مناطق نیمه خشک با استفاده از معادله RUSLE در محیط GIS. محیط زیست علوم زمین 2018 ، 77 ، 345. [ Google Scholar ] [ CrossRef ]
  73. احمد، م. ارشد، م. چیما، م. احمد، ر. مقایسه منابع آب موجود برای آبیاری در منطقه فرماندهی سیل تپه میثوان دره غازی خان پاکستان. پاک جی. آگریک. علمی 2016 ، 53 ، 1. [ Google Scholar ]
Ijgi 10 00027 g001 550
شکل 1. موقعیت جغرافیایی منطقه مورد مطالعه.
Ijgi 10 00027 g002 550
شکل 2. شاخص هایی با رابطه مناسب، مخزن ( سمت چپ )، و دیوار سد ( راست ).
Ijgi 10 00027 g003 550
شکل 3. موقعیت جغرافیایی سایت سدهای پیشنهادی با ترتیب آبراهه ها.
Ijgi 10 00027 g004 550
شکل 4. مقادیر شاخص برای سایت های انتخاب شده.
Ijgi 10 00027 g005 550
شکل 5. نمایه مقطعی سد-A ( سمت چپ ) و سد-B ( راست ).
Ijgi 10 00027 g006 550
شکل 6. منحنی EAC برای Dam-A ( سمت چپ ) و Dam-B ( راست ).
Ijgi 10 00027 g007 550
شکل 7. تجزیه و تحلیل فرسایش خاک (SE) ( a ); نوع خاک، ( b )؛ درصد OM، ( c )؛ ضریب R، ( d )؛ عامل K ( ه )؛ LS-factor و ( f )؛ SE.
Ijgi 10 00027 g008 550
شکل 8. فراوانی کلاس های SE.
Ijgi 10 00027 g009 550
شکل 9. تجزیه و تحلیل رابطه پارامترهای RUSLE در سطح زیرحوضه.
Ijgi 10 00027 g010 550
شکل 10. رابطه عمر سد در مقابل ارتفاع سد. dam-A ( سمت چپ ) و dam-B ( راست ).

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید