زهرا گوهری

مطالعه سیستم های رودخانه ای در ارتباط با جنبه های مختلف محیط طبیعی شامل هیدرولوژی، هیدرولیک، فرآیندهای فرسایش و رسوب گذاری و همچنین شکل کانال های رودخانه ای است. برای درک صحیح از شرایط طبیعی رودخانه، استفاده از مدل های مفهومی و پردازش تئوری، یک ضرورت محسوب می شود. در این تحقیق مدل هیدرولیکی HEC-RAS از طریق الحاقیه HEC-Geo-Ras جهت بررسی خصوصیات هندسی و هیدرولیکی رودخانه خرتوت واقع در استان خراسان شمالی مورد استفاده قرار گرفت. پس از اجرای مدل، تجزیه و تحلیل نتایج خروجی از مدل برای دبی با دوره بازگشت 25 ساله، برای 25 بازه که 10 بازه آن محل تلاقی گسل ها و 15 بازه محل اتصال شاخه های فرعی به رودخانه اصلی بوده، انجام شده است. بهترین معادله از روابط رگرسیونی که دارای کمترین خطای استاندارد و ضریب تشخیص بالاتر بود، انتخاب گردید. از طرفی جهت بررسی تأثیر فعالیت های تکتونیکی بر مشخصات هندسی و هیدرولیکی رودخانه، از تحلیل مورفومتری و شاخص نسبت پهنای کف دره به ارتفاع آن (Vf) استفاده شده که این شاخص فعالیت های تکتونیکی را در 4 طبقه، فعالیت کم، متوسط، زیاد و خیلی زیاد نشان می دهد. در برخی مقاطع وجود گسل ها سبب افزایش عمق، عرض، شیب و شعاع هیدرولیکی و در بعضی مقاطع سبب کاهش این پارامترها شده است. نتایج نشان می د هد که فعالیت تکتونیکی در طول بازه سبب فروافتادگی یا برخاستگی کف بستر رودخانه می شود که تأثیر بسزایی در تغییر وضعیت ژئومتری رودخانه دارد.

شناسایی پهنه های ماسه ای، ابزار مهمی برای برنامه ریزی در راستای توسعه پایدار به شمار می رود. با توجه به شرایط اقلیمی شهرستان سرخس، پارامترهایی مانند خشک سالی، طوفان های گرد و غبار از یک طرف، توسعه اراضی کشاورزی و تبدیل مراتع به دیم زارهای کم بازده از سوی دیگر سبب پیش روی و توسعه این پهنه ها گردیده است. با توجه به هدف پژوهش، عوامل موثر و پویا مانند پوشش گیاهی، خشک سالی و تعداد روزهای گرد و غبار، به عنوان متغیرهای دینامیک و سایر پارامترهای طبیعی منطقه مانند زمین شناسی، شیب، جهت، پستی و بلندی و خاک به عنوان متغیرهای استاتیک ورودی به مدل انتخاب گردیدند. در مدل سازی از الگوریتم های جنگل تصادفی (RF) و شبکه عصبی پرسپترون (MLP) استفاده شد. برای ساخت مدل ها 8 لایه اطلاعاتی به عنوان متغیر پیش گو و متغیر وجود یا عدم وجود پهنه های ماسه ای بعنوان متغیر هدف تعیین گردید. ارزیابی الگوریتم های مدل سازی با استفاده از منحنی ROC انجام گردید. نتایج نشان داد که الگوریتم RF با سطح زیر منحنی بطور میانگین بیش از 90 درصد عملکرد بهتری نسبت به MLP با سطح زیر منحنی میانگین 75 درصد، داشته است. در رتبه بندی متغیرهای بکار رفته در مدل، متغیر پوشش گیاهی در همه دوره ها در رتبه اول قرار گرفت و پس از آن متغیر SPI در سال های 2000 و 2015 و متغیر DSI در سال های 2005 و 2010 در درجه دوم اهمیت قرار داشتند. در متغیرهای استاتیک استفاده شده در مدل، متغیرهای شیب و جهت از اهمیت کمتری نسبت به سایر متغیرها در همه دوره ها برخوردار و در رتبه پایین تری قرار گرفت.