شماره کتابشناسی ملی
شماره
۱۹۵۸۲پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
تعیین تغییرات حوضه آبریز با استفاده از روش ترکیبی مدل مفهومی ـ هوش مصنوعی
عنوان اصلي به زبان ديگر
Watershed change detection using hybrid conceptual model-artificial intelligence
نام نخستين پديدآور
/غلامرضا عندلیب
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی عمران
تاریخ نشرو بخش و غیره
، ۱۳۹۷
نام توليد کننده
، افشار
مشخصات ظاهری
نام خاص و کميت اثر
۱۳۵ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
نظم درجات
عمران- گرایش آب و سازه‌های هیدرولیکی
زمان اعطا مدرک
۱۳۹۷/۰۶/۱۹
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
تغییرات کاربری و پوشش گیاهی حوضه آبریز، بالطبع اثرات هیدرولوژیکی در مقیاس‌صهای مختلف به همراه دارد که به کمیت درآوردن این اثرات در حوضه آبریز به خصوص از طریق مدل‌صسازی بارش-رواناب از جمله موارد چالش برانگیز در علم هیدرولوژی می‌صباشد .تأثیر هیدرولوژیکی تغییرات کاربری و پوشش گیاهی حوضه آبریز، در مقیاس‌صهای مکانی و زمانی مختلف دیده می‌صشود که تأثیر مستقیم آن می‌صتواند در رواناب خروجی حوضه آبریز مشاهده گردد .اگر این تغییرات در مقیاس زمانی در سطح قابل توجهی روی دهد این امکان وجود دارد که تغییرات اساسی در میزان جریان آورد آب حوضه آبریز رخ دهد .با توجه به این مطلب که بررسی الگوی کاربری و پوشش حوضه آبریز در طول زمان ابزاری برای بررسی علل این فرآیندها و پاسخ‌صهای پیچیده‌صی طبیعت به آنها است و در جهت اجرای بهتر فعالیت‌صهای انسان و مدیریت تغییرات کاربری و پوشش حوضه آبریز در آینده، تحقیق پیش رو به بررسی روند تغییر کاربری و پوشش گیاهی حوضه آبریز و بررسی اثر این تغییرات بر رواناب سطحی خواهد پرداخت .اغلب مطالعات انجام شده در زمینه بررسی تأثیر هیدرولوژیکی تغییرات پوشش گیاهی حوضه آبریز بصورت حل مسئله مستقیم بوده، لیکن این امر علاوه بر محدودیت، زمان‌صبر نیز می‌صباشد .در این تحقیق با استفاده از روش معکوس، بررسی و تخمین تغییرات صورت گرفته در حوضه‌صهای آبریز Little River Watershed (LRW) در آمریکا و آجی چای در ایران و همچنین شدت تغییرات مورد بررسی قرار گرفت .برای این منظور، از قابلیت-های هوش مصنوعی و محاسبات نرم از جمله موجک و آنتروپی بهره گرفته شد بطوریکه در ابتدای کار با استفاده از سیستم اطلاعات جغرافیایی زیرحوضه‌صبندی و استخراج اطلاعات حوضه آبریز صورت گرفته، سپس با استفاده از دبی‌صهای خروجی مشاهداتی از زیرحوضه‌صها به واسنجی مدل بارش-رواناب حوضه آبریز در نرم افزارHMS - HECپرداخته شد .با اعمال تغییرات در مقدار پارامتر ضریب مخزن واسنجی شده برای زیر حوضه‌صها در مدل مفهومی کلارک، رواناب‌صهای خروجی متفاوتی از هر زیر حوضه حاصل گشت تا بتوان ارتباط بین مقادیر پارامتر ضریب مخزن زیرحوضه‌صها با رواناب خروجی از حوضه را توسط مدل‌صهای هوش مصنوعی شبکه عصبی و ماشین بردار پشتیبان برقرار کرد .برای جلوگیری از ورود اطلاعات نوفه به مدل‌صها و حداقل رساندن ابعاد اطلاعات و ساده-سازی مدل، قبل از مدل‌صسازی پیش پردازش ورودی‌صها توسط موجک-آنتروپی صورت گرفت .در نهایت مدل به دست آمده برای تعمیم به سال‌صهای آتی با رویداشت دینامیکی پوشش گیاهی و کاربری حوضه آبریز و تخمین آن مورد استفاده قرار گرفت .در گام آخر نیز برای صحت‌صسنجی، نتایج حاصله با میزان تغییرات تعیین شده توسط شاخص نرمال شده پوشش گیاهی حاصل از داده-های سنجش از دور مورد مقایسه واقع شد .برای نمونه در حوضه آبریز LRW افزایش وسعت مزارع و کاهش میزان جنگل با کاهش ضریب مخزن از سال ۱۹۹۰ تا ۲۰۱۳ هم بستگی بالایی نشان داد بطوریکه کاهش ۲۶ درصدی ضریب مخزن در یکی از زیرحوضه‌صهای پایین دست با کاهش ۵۳ درصدی مساحت جنگل و افزایش مساحت ۲۱ درصدی مزارع همراه بود .همینطور در حوضه آبریز آجی چای نیز از سال ۱۳۶۰ تا ۱۳۹۰ نیز کاهش ۱۹ درصدی ضریب مخزن با افزایش ۲۰ درصدی مرتع و تخریب ۲۶ درصدی جنگل مطابقت داشت
متن يادداشت
Land use/cover changes intrinsically lead to hydrological impacts at different scales which quantifying such impacts needs great effort through rainfall-runoff models in hydrology. The watershed's land use/cover changes at different spatial and temporal scales can affect directly on outlet runoff. If these changes occur on time scales at a significant area, it is possible that substantial changes are occured in the output flow rate of the watershed. Due to the fact that the pattern of land use/cover over time is a tool for studying the reasons of the process and complex response of nature; and in order to better implementation and management of human activities and land use/cover changes in the future, the present study examined the process of land use/cover changes and its effect on surface runoff. Most researches in the land use/cover changes field have been conducted in a direct manner, but direct methods not only have some special restrictions but also they are usually time-consuming process. In this study, land cover/use change location and severity was discussed via an inverse method in the Little River Watershed (USA) and the Aji-chay watershed (Iran). In this thesis, the artificial intelligence and soft computing capabilities such as wavelet-entropy were employed for this aim, as extraction of sub-watershed delineation and watershed information was done in geographic information system. Thereafter, a conceptual rainfall-runoff model (Clark method) was simulated via HEC-HMS. Different watershed outflow hydrographs were generated by variation of storage coefficient parameters of sub-watersheds in the conceptual Clark model. Then the relationship between storage coefficients (as the representative of land use/cover)-watershed outflow was also modeled by artificial intelligence models (artificial neural network and support vector machine). Whereas wavelet-entropy was utilized to avoid importing noise-full information and reducing huge volume of information to the model. Finally, the obtained model detecedt watershed land use/cover changes in the future years with dynamic watershed assumption. For the validation, the results were compared with recorded changes via normalized difference vegetation index extracted from landsat images. For instance, the comparison approved the ability of the proposed method for LULC change detection of the LRW in a way that deforestation and cropland increasing of the sub-watersheds from 1990 to 2013 were aligned with the SC reduction e.g., 26 decrease of SC for downstream sub-watershed versus 53 decrease and 21 increase of forest and crop lands, respectively. Also, in Aji-chay watershed, 19 decrease of SC correlated with 26 decrease and 20 increase of forest and pasture from 1360 to 1390
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Watershed change detection using hybrid conceptual model-artificial intelligence
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
عندلیب، غلامرضا
مستند نام اشخاص تاييد نشده
Andalib, Gholamreza
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
