پديد آورندگان :
اسفندياري درآباد، فريبا داﻧﺸﮕﺎه ﻣﺤﻘﻖ اردﺑﯿﻠﯽ - داﻧﺸﮑﺪه ﻋﻠﻮم اﺟﺘﻤﺎﻋﯽ - ﮔﺮوه ﺟﻐﺮاﻓﯿﺎي ﻃﺒﯿﻌﯽ، اردﺑﯿﻞ، اﯾﺮان , مصطفي زاده، رئوف داﻧﺸﮕﺎه ﻣﺤﻘﻖ اردﺑﯿﻠﯽ - ﭘﮋوﻫﺸﮑﺪه ﻣﺪﯾﺮﯾﺖ آب داﻧﺸﮑﺪه ﮐﺸﺎورزي و ﻣﻨﺎﺑﻊ ﻃﺒﯿﻌﯽ - ﮔﺮوه ﻣﻨﺎﺑﻊ ﻃﺒﯿﻌﯽ، اردﺑﯿﻞ، اﯾﺮان , نظافت تكله، بهروز داﻧﺸﮕﺎه ﻣﺤﻘﻖ اردﺑﯿﻠﯽ - داﻧﺸﮑﺪه ﻋﻠﻮم اﺟﺘﻤﺎﻋﯽ، اردﺑﯿﻞ، اﯾﺮان , پاسبان، امير حسام داﻧﺸﮕﺎه ﻣﺤﻘﻖ اردﺑﯿﻠﯽ - داﻧﺸﮑﺪه ﻋﻠﻮم اﺟﺘﻤﺎﻋﯽ، اردﺑﯿﻞ، اﯾﺮان
كليدواژه :
ﺗﻌﻤﯿﻢ ﻣﻨﻄﻘﻪاي , ﻏﻠﻈﺖ رﺳﻮب ﻣﻌﻠﻖ , ﺗﻮﻟﯿﺪ رﺳﻮب و ﻣﺪلﺳﺎزي , ﻣﻨﺤﻨﯽ ﺳﻨﺠﻪ رﺳﻮب
چكيده فارسي :
هدف از مطالعه حاضر مدلسازي رسوبات معلق در حوزههاي آبخيز استان اردبيل با استفاده از تحليل مؤلفه اصلي و رگرسيون چندگانه است. براي اين منظور از اطلاعات 29 ايستگاه رسوبسنجي براي ايجاد مدلهاي برآورد رسوبات معلق استفاده شد. سپس مدلهاي توسعهيافته با اطلاعات شش ايستگاه رسوبسنجي ديگر اعتبارسنجي شد. تعداد 15 ويژگي مختلف فيزيوگرافي، اقليمي، ژئومورفيك و زمينشناسي، بهعنوان متغيرهاي ورودي در مدلسازي برآورد رسوبات معلق استفاده شد. از روش تجزيه و تحليل مؤلفههاي اصلي، براي انتخاب مهمترين متغيرها، از روش رگرسيون چندگانه براي مدلسازي و از معيارهاي درصد خطا و ضريب تبيين تعديل شده براي ارزيابي مدلها استفاده شد. نتايج نشان داد كه چهار مؤلفه اول با مقدار 86/39 درصد از كل واريانس بهعنوان مؤلفههاي اصلي براي انجام رگرسيون انتخاب شدند. در مؤلفه اول متغيرهاي شامل طول آبراهه اصلي، بارش بيشينه، حداكثر ارتفاع، مساحت مؤثر بوده اند. طبق نتايج روشهاي رگرسيوني كه در روش توام عاملهاي حداكثر ارتفاع و بارش بيشينه متغيرهاي مؤثر هستند. در روش گام به گام و روش پيشرو عامل محيط عامل مؤثر بر توليد رسوب است. در روش حذف پس رو عاملهاي حداقل ارتفاع (0/073)، حداكثر ارتفاع (0/001>)، مساحت (0/002)، محيط )0/053(، ﻣﺠﻤﻮع ﻃﻮل آﺑﺮاﻫﻪ اﺻﻠﯽ )0/010(، ﺑﺎرش ﺑﯿﺸﯿﻨﻪ )0/001<(، ﺑﺎرش ﻣﺘﻮﺳﻂ )0/008(، ﺳﺎزﻧﺪﻫﺎي ﻓﺮﺳﺎﯾﺶﭘﺬﯾﺮ )0/082(، ﺑﺮ اﺳﺎس ﻣﻌﻨﯽداري ﺑﻪﻋﻨﻮان ﻋﺎﻣﻞﻫﺎي ﺑﺮﺗﺮ ﺑﺮاي ﻣﻌﺎدﻟﻪ ﻧﻬﺎﯾﯽ اﻧﺘﺨﺎب ﺷﺪﻧﺪ. ﻣﺘﻐﯿﺮﻫﺎي ﺗﺮاﮐﻢ زﻫﮑﺸﯽ و درﺻﺪ ﭘﻮﺷﺶﮔﯿﺎﻫﯽ از ﻣﺪلﺳﺎزي ﺣﺬف ﺷﺪﻧﺪ. ﻧﺘﺎﯾﺞ ﺣﺎﺿﺮ ﺿﻤﻦ ﻣﻌﺮﻓﯽ ﻋﻮاﻣﻞ ﺗﺎﺛﯿﺮﮔﺬار ﺑﺮ ﻣﯿﺰان ﺗﻮﻟﯿﺪ رﺳﻮب در ﺣﻮزهﻫﺎي آﺑﺨﯿﺰ اﺳﺘﺎن اردﺑﯿﻞ، ﻣﯽﺗﻮاﻧﺪ ﺑﺮاي ﺑﺮآورد رﺳﻮب ﺑﻪ ﻣﻨﺎﻃﻖ ﻓﺎﻗﺪ آﻣﺎر ﺗﻌﻤﯿﻢ داده ﺷﻮد.
چكيده لاتين :
The main aim of the present study was Modelling the SSY in Ardabil
Province watersheds using Principal Component Analysis (PCA) and
Multiple Regression (MRA). The available suspended sediment data of 29
watersheds were used to develop the SSY estimation models through
validation by six watersheds. The 15 different physiographic, climatic,
geomorphic, geological variables were used in the modeling after applying
PCA. Finaly, the MRA models were evaluated based on the percentage of
error, and Adj-R2 as statistical measures. The results of PCA showed that
the first four principal component had explained about 86.39% of the total
variance, which were selected as the main components for MRA input
variables. The most influencial variables includes main river length,
maximum precipitation, maximum elevation, and area. According to the
results the Best Model with maximum height and maximum precipitation
variables, Forward and Stepwise methods with perimeter variable, the
Backward method with minimum elevation and maximum elevation, area,
perimeter, total mainstream length, maximum precipitation, mean
precipitation, annual precipitation, and sensitive geological formations
were selected. According to the Backward model, Minimum elevation
(0.073), maximum elevation (0.001), area (0.002), perimeter (0.053), total
river length (0.01), maximum precipitation (0.001), mean precipitation
(0.008), and erosive geologic formations (0.082) were the final significant
parameters in estimation of SSY. The drainage density and vegetation
cover were excluded from the modelling process and the selected variables
had a great impact on SSY over the study area, and the results can be
generalized to the ungauged watersheds to SSY estimation.