منشأيابي رسوبات معلق و برآورد عدم قطعيت آن (مطالعه موردي: حوضه زيدشت-فشندك طالقان)

Suspended sediment fingerprinting and uncertainty estimation (Case study: Zidasht-Fashandak sub-watershed in Taleghan)

به منظور اجراي عمليات حفاظتي و مديريت در حوزه آبخيز نياز است تا سهم منابع مختلف توليد رسوب تعيين شود. طي سال­هاي گذشته روش­هاي منشأيابي در تعيين سهم منابع مختلف رسوب بطور گسترده اي مورد استفاده قرار گرفته­اند. با توجه به تعداد كم نمونه­هاي برداشتي از مناطق منشأ و همچنين وجود جواب­هاي مختلف در نتيجه بيش­برازشي، سهم منابع به دست آمده، داراي عدم قطعيت­هايي است كه لازم است مورد بررسي قرار گيرد. بدين منظور در اين تحقيق با استفاده از روش­هاي مونت كارلو و گلو (GLUE) اقدام به تعيين عدم قطعيت جواب­هاي به دست آمده با استفاده از روش تركيبي چند متغيره در زيرحوضه زيدشت-فشندك طالقان گرديد. بدين ترتيب كه پس از برداشت نمونه­هاي رسوب و منابع، مقادير 54 عنصر ژئوشيميايي و 3 عنصر آلي تعيين گرديد. سپس با استفاده از آماره H كروسكال واليس و تحليل تشخيص چند متغيره، تركيب بهينه متشكل از 17 عنصر تعيين، و با استفاده از مدل تركيبي چند متغيره، سهم منابع تعيين شد. نتايج به دست آمده در منطقه نشان داد كه سهم منابع زيرسطحي نسبت به منابع سطحي ( فرسيش سطحي و شياري) بيشتر بوده و اختلاف بين حد بالا و پايين به دست آمده براي منابع مختلف، بالا بوده كه نشاندهنده عدم قطعيت بالاي اين روش است.

In order to manage and implement conservational activities in watershed successfully, it is necessary to determine the sediment sources. In recent years, sediment fingerpering techniques have been used for estimating sediment sources contribution. With respect to small source samples, having many answer as a result of over fitting, there are some uncertainties in estimated sources contribution. In this study, the uncertainty associated with the multivariate mixing model was estimated using Monte Carlo simulation and GLUE approach in Zidasht-Fashandak sub- watershed. The sediment and source samples were taken in the study area and then, 54 geochemistry and three organic characteristics were measured. 17 elements were also selected as optimum tracer composition using Kruskal–Wallis H-test and multivariate discriminate analysis. Meanwhile, sources contribution were estimated using multivariate mixing models. Results showed higher contribution of sub-surface sources than the surface resources. Also, the distance between lower and upper limits for all sources and resolutely uncertainty bands were high.