برآورد دبی سیلاب در حوضه های آبریز بر مبنای ویژگی های فیزیوگرافیک، مطالعه موردی: حوضه های آبریز زهره و خیرآباد
آرشیو
چکیده
یکی از موضوع های اصلی در مقابله با آثارتخریبی سیلاب ها، میزان حجم سیلابی است که در حوضه های آبریز بروز می کند. به طور معمول، این ارزش از طریق اندازه گیری دبی در ایستگاههای هیدرومتری صورت می گیرد. در شرایطی که بنا به دلایل مختلف، آمار دبی در اختیار نباشد، محققان با استفاده از روش های مختلف، سعی می کنند مقدار آن را برآورد نمایند. از جمله این روش ها استفاده از مشخصات فیزیوگرافیک حوضه های آبریز است که به علت ثبات و اندازه گیری دقیق و سریع، مورد توجه محققان قرار دارد. شناخت روابط موجود بین حجم سیلاب و ویژگی های فیزیوگرافیک، ارائه مدلی برای برآورد سیلاب را امکان پذیر می سازد. تعیین مهم ترین پارامترهای تأثیرگذار در مدل نهایی موضوع این تحقیق را تشکیل می دهد. این مطالعه در حوضه های آبریز «زهره» و «خیرآباد» در جنوب کشور - با اندازه گیری 12 داده فیزیوگرافیک در ۱۵ زیر حوضه - صورت گرفته است. نتیجه این تحقیق نشان می دهد که با بهره گیری از روش «رگرسیون» چند متغیره، طول حوضه، ضریب تراکم یا کشیدگی و طول آبراهه اصلی متغیرهایی هستند که از طریق آنها می توان حجم سیلاب حوضه های آبریز را با دقت بسیاربالا اندازه گیری کرد.The Estimate of Flood Volume in Drainage Basins Based on Morphometric Data Case Study: Zohreh & Khyrabad Basins in Iran
Flood is the most important disaster in Iran that has negative effects on the environment. In order to forecast this phenomenon, researches have used different methods such as statistical analysis, rainfall, runoff model, etc. In this paper, to forecast the flood in Zohreh and Khyrabad basins, morphology data were used. To this end, 12 physiography variables such as area, slope gradient, relief and other factors are studied for 15 sub-basins of case study area. Then, all these factors with maximum flood discharge, as dependent factor, are combined in multiple regression model using backward method. The produced model is calibrated for sub-basins using a correction coefficient.
The result of this work indicates that length of basins, gravelius coefficient and the main drainage length factors are the main factors that can be used in the final produced model. The final model is evaluated based on regression coefficient, which shows a very high correlation between estimated and measured flood data.