
تعداد نشریات | 21 |
تعداد شمارهها | 301 |
تعداد مقالات | 3,173 |
تعداد مشاهده مقاله | 3,211,885 |
تعداد دریافت فایل اصل مقاله | 2,380,328 |
حساسیت سنجی در مدلسازی انتقال آلاینده های محلول در آب زیرزمینی | ||
آبخوان و قنات | ||
مقاله 4، دوره 3، شماره 2 - شماره پیاپی 5، اسفند 1401، صفحه 123-134 اصل مقاله (887.65 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22077/jaaq.2019.2223.1013 | ||
نویسندگان | ||
ناهید سادات جعفری* 1؛ سعید علیمحمدی2 | ||
1دانشگاه شهید بهشتی تهران-دانشکده آب | ||
2دانشیار دانشکده آب داشگاه شهید بهشتی | ||
چکیده | ||
آبهای زیرزمینی یکی از منابع مهم و اصلی برای تامین نیازهایی از جمله آبآشامیدنی و کشاورزی است.با افزایش فشارهای بشر و اقلیم بر روی منابع آب زیرزمینی، پیش بینیهای دقیق از جریان و کیفیت آبهای زیر زمینی برای مدیریت پایدار امری ضروری است.مدلسازی کیفی آبهای زیرزمینی ابزاری مفید برای شناسایی چگونگی انتقال آلایندهها در محیط متخلخل آبخوان است.این مدلها شامل پارامترهای متعددی هستند که اغلب براساس مطالعات پیشین یا قضاوت کارشناسی برآورد میشوند، یا در بهترین شرایط براساس اندازه گیریهای محدود میدانی برآورد میگردند.در نتیجه دادههای ورودی به مدلهای شبیهسازی دقیق نیستند و همراه با خطاهایی هستند پس لازم است در ابتدا پارامترهای موثر وحساس نسبت به خروجیهای مدل مشخص شوند. در این مقاله ابتدا یک مسئله با برنامه MODFLOW-2010 و MT3DMS شبیهسازی شده و غلظت آلاینده مورد نظر را در چاه بهربرداری با توجه به پارامترهای داده شده در بازه زمانی دوسال بدست آورده شده است.تحلیل حساسیت برای خروجیهای زمان و غلظت ماکسیمم در طی این دوسال انجام شده است و با توجه به خصوصیات آماری خروجیها پارامترهای موثر بر روی غلظت و زمان ماکسیمم برآورد شده است.نتایج نشان می دهند که پارامترهای موثر بر غلظت آلاینده محلول در چاه بهره برداری به ترتیب 1)ضریب کاهشی 2)ضریب توزیع 3)پخشیدگی طولی 4)هدایت هیدرولیکی 5)ضریب پخشیدگی عرضی 6) تخلخل می باشند و همچنین پارامترهای موثر بر زمان مربوطه به غلظت ماکسیمم در چاه بهره برداری به ترتیب 1)هدایت هیدرولیکی 2)ضریب توزیع 3)تخلخل 4)ضریب توزیع عرضی 5)ضریب کاهشی 6)پخشیدگی طولی می باشند. | ||
کلیدواژهها | ||
آب زیرزمینی؛ آلاینده محلول؛ تحلیل حساسیت؛ MOFLOW؛ MT3DMS | ||
مراجع | ||
Bakker M., Post V., Hughes J., Langevin C., Franc´es A., White J., (2013). “Enhanced FloPy scripts for constructing and running MODFLOW-based models”, In: Proceedings of the 2013 MODFLOWand More Conference.
Doherty J., Hunt R.J., (2009), “Two statistics for evaluating parameter identifiability and error reduction”, J Hydrol 366(1):119–127.
H. Delottier, A. Pryet, A. Dupuy (2016), “Why Should Practitioners be Concerned about Predictive Uncertainty of Groundwater Management Models?”, Water Resources Management.
Hadis Mohajerani, Majid Kholghi, Markus Casper, Abolfazl Mosaedi, Raziyeh Farmani-Amir Sadoddin, (2017), “Application of Bayesian Decision Networks for Groundwater Resources Management Under the Conditions of High Uncertainty and Data Scarcity”, Water Resources Management
Hill M.C., Kavetski D., Clark M., Ye M., Arabi M., Lu D., Foglia L., Mehl S., (2015), “Practical use of computationally frugal model analysis methods”, Groundwater
Jon C. Helton, (1993), “Uncertainty and sensitivity analysis techniques for use in performance assessment for radioactive waste disposal”, Reliability Engineering & System Safety.
Mays, L. W., and Y. K. Tung, (1992), “Hydrosystems Engineering and Management”, McGraw-Hill, New York.
Michele Remonti, Piero Mori, (2016), “The Stochastic Approach in Groundwater Modeling for the Optimization of Hydraulic Barriers”, Remediation Journal.
Pryet A., Atteia O., Delottier H., Cousquer Y., (2015), “Flexible Environmental Modeling with Python and Open-GIS”, In: EGU General Assembly Conference Abstracts, vol 17, p 9733.
Rojas, R., Feyen, L., Dassargues, A., (2008), “Conceptual model uncertainty in groundwater modeling: combining generalized likelihood uncertainty estimation and Bayesian model averaging”, Water Resour. Res. 44 (12), W12418.
Zheng C., Wang P., (1999), “MT3DMS, A modular three-dimensional multispecies transport model for simulation of advection, dispersion and chemical reactions of contaminants in groundwater systems”, (Release DoD_3.50. A), Documentation and User’s Guide.
Zhu K., Cui Z., Jiang B., Yang G., Chen Z., Meng Q., Yao Y., (2013), “A DEM-based residual kriging model for estimating groundwater levels within a large-scale domain: a study for the Fuyang River Basin”, Clean Techn Environ Policy 15:687–698. | ||
آمار تعداد مشاهده مقاله: 5,441 تعداد دریافت فایل اصل مقاله: 851 |