علوم آب و خاک

سرریزهای کلیدپیانویی جزء جدیدترین سرریزهای غیرخطی هستند که ضریب آبگذری بیشتری نسبت به سرریزهای مشابه دارند. این سازه‌های هیدرولیکی دارای فونداسیون سبک و ساده‌ای هستند که روی سدها و کانال‌های زهکشی طراحی و نصب می‌شوند. به‌دلیل راندمان زیاد این سرریزها، بررسی آبشستگی پایین‌دست آنها و راهکار برای کاهش مقدار آن در سال‌های اخیر، موردتوجه مهندسان قرار گرفته است. در این پژوهش سعی شده از یک سرریز کلیدپیانویی ذوزنقه‌ای نوع C، سه دبی و سه عمق پایاب استفاده شود. همچنین از دو مانع با ارتفاع‌های 02/0 و 04/0 متر در انتهای کلیدهای خروجی سرریز استفاده شد. نتایج نشان داد که وجود مانع، باعث کاهش آبشستگی در پنجه سرریز می‌شود. مقدار کاهش آبشستگی در پنجه سرریز و با ارتفاع مانع بزرگ‌تر، بیشتر از سرریز با ارتفاع مانع کوچک‌تر و در هر دو بیشتر از سرریز بدون مانع است. وجود مانع باعث کاهش بیشینه عمق آبشستگی و دورتر شدن فاصله بیشینه عمق آبشستگی از پنجه سرریز می‌شود. در سرریز با ارتفاع مانع 02/0 و 04/0 متر نسبت به سرریز بدون مانع، مقدار بیشینه عمق آبشستگی حدود 4/16 و 9/26 درصد کمتر و فاصله بیشینه عمق آبشستگی در آن‌ها نسبت به سرریز بدون مانع، حدود 7/8 و 1/19 درصد بیشتر است. شاخص آبشستگی در سرریزهای دارای مانع کمتر از سرریزهای بدون مانع است که می‌تواند خطر واژگونی سرریز را کاهش دهد. کمترین مقدار شاخص آبشستگی در سرریز با ارتفاع مانع 04/0 متر دیده شد که تقریباً 2/41 درصد کمتر از سرریز بدون مانع است.

رطوبت خاک یکی از عوامل مهم و تعیین‌کننده برای رشد گیاه، میزان تبخیر و تعرق و همچنین مدیریت آبی در مزرعه است. به همین منظور سنجش آن از اهمیت ویژه‌ای برخوردار است. سطح زمین دارای تنوع زیادی در رطوبت خاک بوده و سنجش و اندازه‌گیری آن به شیوه‌های مختلف انجام می‌گیرد. به‌دلیل مشکلاتی که روش‌های تماسی اندازه‌گیری رطوبت خاک دارد، امروزه سنجش‌ازدور به دلیل اینکه که امکان تحلیل و پایش رطوبت خاک را در مقیاس‌های بزرگ و جهانی فراهم می‌کند، مورد توجه واقع شده ‌است. در این پژوهش از داده‌های ماهواره‌ای و رطوبت‌های اندازه‌گیری‌شده در مزارع انتخابی واقع در دشت هرمزآباد استفاده و این داده‌ها تحلیل و مقایسه شده‌اند. داده‌های ماهواره سنتینل-2 با سامانه گوگل ارث انجین تحلیل شده‌اند. نتایج این پژوهش نشان داد که اگر چه استفاده از شاخص‌های سه‌گانه به‌منظور کاربرد در مدل OPTRAM برای برآورد رطوبت دقت زیادی ندارند، ولی بااین‌وجود استفاده از شاخص گیاهی EVI نتایج بهتری نسبت به دو شاخص دیگر ارائه کرده‌است.

باتوجه به نیاز روزافزون به منابع آب و کاهش منابع آب سطحی، آگاهی از کیفیت منابع آب سطحی از نیازهای مهم در برنامه‌ریزی، توسعه و حفاظت از منابع آب به شمار می‌رود. این پژوهش با هدف مدل‌سازی شاخص کیفیت آب (ویژگی پرکاربرد تعیین کیفیت آب) به کمک مدل‌های یادگیری ماشین جنگل تصادفی و ماشین بردار پشتیبان در رودخانه زاینده‌رود انجام شده است. باتوجه به تعدد شاخص‌های کیفیت آب، در این پژوهش از شاخص NSFWQI استفاده شد. ابتدا این شاخص محاسبه و در ادامه، از داده‌های ورودی شامل ویژگی‌های کیفی آب 8 ایستگاه در یک دوره ۳۱ساله و شاخص کیفیت آب رودخانه‌ استفاده شد. در این پژوهش در مرحله آموزش 80 درصد داده‌ها و در مرحله ارزیابی 20 درصد باقی‌مانده استفاده شده و بر اساس نتایج معیارهای ارزیابی R²،  CRMو NRMSE مدل بهینه انتخاب شد. نتایج نشان داد در چهار ایستگاه الگوریتم ماشین بردار پشتیبان (-0/003122<0/982 ) و در چهار ایستگاه الگوریتم جنگل تصادفی (-0/001142<0/999) عملکرد بهتری نشان داد. همچنین نتایج نشان داد که برای صرفه‌جویی در زمان و هزینه، سری شماره 3 (شامل سه ویژگی هدایت الکتریکی، کل مواد جامد محلول و سختی کل) به‌منظور برآورد شاخص کیفیت آب بهترین ترکیب بوده است.