Search

سابقه و هدف: پشته‌های رسوبی میانی از جمله ساختارهای طبیعی در آبراهه‌ها و رودخانه‌ها هستند که در اثر کاهش تنش برشی و رسوبگذاری در مرکز رودخانه ایجاد شده و موجب دوشاخه شدن آبراهه‌ها و افزایش فرسایش جانبی در دو ساحل راست و چپ رودخانه خواهد شد. هم‌چنین، افت انرژی ناشی از وجود پشته‌ها، از دیگر عواملی است که موجب تشدید رسوبگذاری در رودخانه می‌شود. این پشته‌ها، به‌عنوان زیستگاه آبزیان در رودخانه‌، از اهمیت بسزایی برخوردارند و شناخت دقیق سازوکار جریان پیرامون آن‌ها، از موارد مهم در فرایندهای بهره‌برداری و احیای رودخانه‌هاست. در این پژوهش، الگوی جریان پیرامون پشته‌های رسوبی به‌صورت آزمایشگاهی مورد بررسی و ارزیابی قرار گرفته است.مواد و روش‌ها: در این پژوهش، سه پشته‌‌ به شکل‌های لوزی، بیضی و گوه‌ای که از نمونه‌های متداول پشته‌ها در رودخانه‌های آبرفتی طبیعی هستند، در یک کانال آزمایشگاهی به طول 9 و عرض و ارتفاع 4/0 متر، با شیب کف 0007/0 در آزمایشگاه تحقیقات آب و رسوب دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ساخته و استفاده شد. سرعت در سه راستای عرضی، طولی و قائم با استفاده از دستگاه سرعت‌سنج الکترومغناطیس با فرکانس 30 هرتز، در 39 نقطه برداشت شد. دبی به کمک دستگاه دبی‌سنج فرکانسی در تمام آزمایشات، 5/4 لیتر بر ثانیه تنظیم شد و رژیم جریان در تمامی آزمایشات، زیربحرانی و آشفته بود.یافته‌ها: یافته‌ها نشان داد شکل پشته‌ها در سازوکار جریان و میزان افت انرژی، تاثیرات متفاوتی دارد. بررسی و مقایسه‌ی نمودارها نشان‌دهنده‌ی شرایط تقریبا مشابه برای پشته‌های بیضی و گوه‌ای اما قدری متفاوت برای پشته‌ی لوزی است. با وجود اختلاف ساختار تغییرات مؤلفه‌ی عرضی سرعت در مواجهه با پشته‌های بیضی، گوه‌ای و لوزی، در تمامی موارد، دامنه تغییرات بین ۴/۰ تا ۶/۱ برابر مقدار میانگین است. مطابق نتایج به دست آمده، حضور پشته‌ی بیضی منجر به نوسانات قابل توجه مؤلفه‌ی طولی سرعت در هر سه محور (بین حدود ۵/۰ تا ۶/۱ برابر مقدار میانگین در محورهای چپ و راست و بین ۲/۰ تا ۴/۱ برابر مقدار میانگین در محور وسط) می‌شود؛ اما برای پشته‌های گوه‌ای و لوزی، این نوسانات در تمامی محورها چندان چشمگیر نیست (بین ۸/۰ تا ۲/۱ برابر مقدار میانگین در محورهای چپ و راست و بین ۸/۰ تا ۴/۱ برابر مقدار میانگین برای محور وسط). اما تغییرات این مؤلفه در مواجهه با پشته‌های گوه‌ای و بیضی بیشتر و در هر سه محور قابل توجه (بین ۵/۰ تا ۳/۲ برابر مقدار میانگین) می‌باشد. تغییرات مؤلفه قائم سرعت در محور وسط نشان‌دهنده‌ی بیشترین کاهش قبل از مواجهه با پشته‌ی بیضی و شرایطی مشابه برای همین محور در مواجهه با پشته‌ی گوه‌ای است با این تفاوت که آغاز این کاهش منطبق بر نقطه برخورد پشته گوه‌ای است. تاثیر مستقیم مواجهه با پشته‌های رسوبی را علاوه بر مقادیر مؤلفه‌های سرعت، باید بر مقادیر انرژی جریان به عنوان معرف تجمیعی قدرت فرسایندگی جریان نیز جستجو نمود. بررسی جزئی‌تر نمودارها نشان می‌دهد که در محورهای چپ و راست، مواجه شدن با پشته‌ی بیضی منجر به افزایش انرژی نسبی جریان به اندازه ۴/۱ برابر میانگین شده و پس از عبور از پشته، بار انرژی به کمتر از مقدار میانگین کاهش یافته است. اما در محور وسط، وجود پشته، انرژی نسبی جریان را به ۶/۰ مقدار میانگین کاهش داده و پس از عبور از پشته، این مؤلفه روند افزایشی داشته است.نتیجه‌گیری: مواجهه با پشته‌ی بیضی منجر به بیشترین تغییرات در مقادیر نسبی مؤلفه‌های سه‌گانه‌ی سرعت، در مقایسه با دو پشته‌ی ‌لوزی و گوه‌ای شد. هم‌چنین، تغییرات بار انرژی کل ناشی از حضور دو پشته‌ی لوزی و گوه‌ای ناچیز بوده ولی مشابه با تغییرات سرعت در هر سه مؤلفه‌ی عرضی، طولی و قائم، پشته‌ی بیضی منجر به تغییرات قابل توجه در مقادیر نسبی بار کل انرژی در طول کانال شد.

سابقه و هدفسیل پدیده‌ای است که در طی آن جریان آب، مقطع اصلی رودخانه را پر نموده و وارد دشت‌های سیلابی می‌شود. در بعضی از رودخانه‌های طبیعی و نیز کانال‌های مصنوعی در شهرها ممکن است بیش از یک دشت سیلاب در طرفین مقطع اصلی وجود داشته باشد که به این مقاطع، کانال مرکب چند‌سیلابدشتی گفته می‌شود. در این مقاطع با وقوع سیلاب و پر شدن مقطع اصلی، ابتدا دشت سیلاب اول فعال شده و سپس با سرریز شدن این دشت سیلابی، دشت سیلاب دوم بلافاصله وارد عمل می‌شود. یکی از جنبه‌های هیدرولیکی این مقاطع، رابطه دبی-اشل است که به ازاء هر عمق جریان دلخواه، دبی مشخصی را برآورد نموده و ابزار مهمی در طراحی و ساماندهی رودخانه‌ها در زمان سیلاب است. در این مقاله، روش‌های یک‌بعدی تجزیه تبادلی و دوبعدی شیونو و نایت که قبلاً برای محاسبه دبی جریان در مقاطع مرکب پیشنهاد شده‌اند، برای مقاطع مرکب چندسیلابدشتی توسعه داده شدند.مواد و روش‌هادر مدل یک‌بعدی، ابتدا با استفاده از قانون دوم نیوتن و دخالت تنش‌های برشی ظاهری در مرز تماس مقطع اصلی و دشت سیلابی اول و نیز دشت سیلابی اول با دوم، یک دستگاه معادله خطی برای برآورد همزمان سرعت‌های متوسط جریان در بخش‌های مختلف این مقاطع استخراج شد. از معادله هاتوف و همکاران برای دخالت تنش‌های برشی ظاهری در مرزهای تماس استفاده شد. ضرایب انتقال مومنتوم در این روش با استفاده از داده‌های آزمایشگاهی سینگ (2021) در یک مقطع مرکب مستطیلی و به کمک الگوریتم بهینه‌سازی گرادیان کاهشی تعمیم‌یافته، واسنجی شدند. برای استخراج مدل شبه دوبعدی شیونو و نایت، ابتدا با انتگرال‌گیری در عمق از معادلات ناویر-استوکس، یک معادله دیفرانسیلی بر حسب تنش برشی بدست آمد و سپس با اعمال فرض‌های ساده برای تنش‌های رینولدزی و نیز جریان‌های ثانویه، معادله ساده‌تری بر حسب سرعت متوسط در عمق ارائه شد. این معادله به کمک روش تفاضل‌های محدود حل شد.یافته‌هانتایج مدل یک‌بعدی تبادل دبی نشان داد که این روش با میانگین و حداکثر خطای حدود 6/2 و 7/5 درصد، کارایی مناسبی در تخمین دبی کل جریان دارد. این در حالی است که روش تجزیه قائم مقطع مرکب که هم‌اکنون کاربرد گسترده‌ای در نرم‌افزارهای مهندسی آب دارد، با میانگین خطای 1/9 درصد و حداکثر خطای 4/17 درصد، نتایج قابل اعتمادی ارائه نمی‌کند. نتایج حل عددی مدل شبه دوبعدی شیونو و نایت نشان داد که مطابقت خوبی بین پروفیل‌های توزیع عرضی سرعت مشاهداتی و محاسباتی برقرار است. همچنین مشخص شد که اثر لزجت گردابه‌ای و نیز جریان‌های ثانویه در این کانال قابل توجه بوده و باید درنظر گرفته شوند. میانگین و حداکثر خطای این مدل در تخمین دبی کل جریان به‌ترتیب 4/2 و 1/4 درصد بدست آمد.نتیجه‌گیرینتایج هر دو مدل یک و دوبعدی پیشنهادی این تحقیق نشان داد که این مدل‌ها قابلیت مناسبی برای تخمین دبی کل و نیز دبی‌های جزئی در مقاطع مرکب چندسیلابدشتی دارند. بررسی‌ها نشان داد که مرز تماس مقطع اصلی با دشت سیلابی اول از نظر شدت تلاطم و نیز قدرت جریان‌های ثانویه قویتر از مرز تماس دشت سیلابی اول و دوم می‌باشد.

In rivers and especially in river bends, the variation of stream-wise flow velocity in width and depth directions is non-uniform and is affected by many factors including secondary flows, bed and bank roughness, and flow hydraulic characteristics. For calculation of two-dimensional flow velocity distributions in straight rivers many approaches have been presented by researchers, while in meandering rivers, due to the complex mechanism of flow pattern, the solution of velocity field is carried out by computational fluid dynamics software packages. In this research, the Chiu's probabilistic theory was used for solution of the flow velocity field in a river bend on the Gorganrood located in Goletsan province. Considering the lack of measured point velocity data in river bends, 6 field measurement series were collected in one of bends located about 200 m upstream of Aghghala hydrometric station. Among these measurements, 4 series are selected for the model calibration and 2 remaining series for the model validation. The results showed that the Chiu's method has an acceptable accuracy in simulation of flow velocity fields for river bend. The statistical measures for the obtained point velocities indicated that the mean errors of this method are 4.9 and 3.5% in the calibration and validation phases, respectively. The mean errors for the calculation of total flow discharges are 5.9 and 6.0% respectively.

Reservoirs are very important for storing rainwater and floods, and water shortage management. In nearly all reservoirs, storage capacity is steadily lost due to trapping and accumulation of sediment. Sediment deposition in water reservoirs has major implications for storage capacity, reservoir lifetime and water quality. The present study aimed to evaluate the temporal dynamics of water stored and sedimentation rate in a reservoir using remote sensing data. For this purpose, the study was carried out in O. H. Ivie reservoir located in the America country. The techniques used to carry out this study have been pre-processing of Landsat 8 images, modeling and identifying water pixels using MNDWI index, evaluating reservoir capacity, and compression of results with recent bathymetric survey data to assessment sedimentation rate. According to the results, the average errors of computing the volume of water stored in the reservoir was about 9%. Based on this, the storage capacity of O. H. Ivie reservoir has decreased from 695 million cubic meters at the beginning of operation (1991) to 472 million cubic meters in 2019. The results showed that the lost storage capacity of the reservoir due to sedimentation is about 32% of the original volume and the annual sedimentation rate is 1.4%. Also, by evaluating the obtained results, the average height of sediment deposited in the reservoir between 2004 and 2019 was estimated to be about 9 meters. This research confirmed that remote sensing can estimate storage capacity and sedimentation rate in the reservoir with minimal cost and time. [ABSTRACT FROM AUTHOR]

Objective: Among the hydrological flood routing methods, Muskingum model has always been considered due to simplicity and few required data. Until now, the application of the method in multibranched rivers has been limited because of the lack of flood data. In Muskingum method, two parameters (x and K) are calibrated throughout the river. Methods: In this study, the Muskingum method was employed to route floods in a multi-branched river. To this end, the multi-branched river system including the main waterway, tributary, and the end of the river after the confluence was divided into several intervals and for each interval, the calculation procedure of the Muskingum model were performed separately. In this case, the multiple-reach Muskingum parameters would be obtained. Results: The implementation of the multiple-reach Muskingum model in the branched system of Tajen River, located in Mazandaran province, showed that the triple reach model had the best accuracy. The sum of squared the errors for the single, double and triple Muskingum models were approximately 422, 262, and 222 (m3 /s)2 respectively, indicating an acceptable accuracy of the flood routing results in the multiple-reach Muskingum model. The observed peak flow discharge of the outflow hydrograph from the Tajen river was about 61.7 m3 /s and in single, double and triple Muskingum models were about 55.7, 58.3 and 58.9 m3 /s, respectively. Conclusion:The results demonstrsted that the error of proposed model in prediction of peak flow discharge of the outflow hydrograph in three cases of single, double and triple Muskingum are 9.7, 5.5 and 4.5%, respectively. Also the actual flood volume of outflow hydrograph was about 2.53 mcm while this volume in single, double and triple Muskingum was obtained as 2.50, 2.55 and 2.54 mcm respectively. [ABSTRACT FROM AUTHOR]

Introduction and Objective: The correct estimation of flood flow in rivers is an important issue and plays a significant role in the optimal use of water resources, operation of dam reservoirs, and the design and planning of water projects. Material and Methods: In this research, a simple and conceptual method based on Manning's formula in real flow conditions is used to estimate the flood flow discharge. In this method, firstly, for the combined effect of friction slope and Manning's roughness coefficient, the alpha parameter (α) was defined and calculated for 12 hydrometric stations located in three main rivers of Golestan province (including Gorganrood, Atrak, and Qarasoo). Results: The results showed that the value of this parameter decreases continuously with the increase of the flow depth and finally asymptotically reaches a constant value. This behavior shows that the value of α is nearly constant for the upper flow depths which indicate the occurrence of floods, and hence using this constant value and the Manning formula, the river flood discharge can be estimated. In the next step, we tried to provide a regression model between the Alpha parameter and the flow depth. The regression modeling results showed that for most of the hydrometric stations, the coefficients of determination (R2 ) of the presented equations are smaller than 0.3 which demonstrates its low efficiency. For this reason, machine learning models were used and the parameter was modeled by the Artificial Neural Networks (ANN), Decision Tree (M5tree), and Support Vector Regression (SVR) models. Conclusion: The modeling results showed that the decision tree model with a mean absolute error of 0.35, determination coefficient of 0.88, and root mean square error of 0.86 has the best accuracy in the test phase. After determining the parameter α, the amount of flood discharge was predicted. The best performance among the models was the decision tree in predicting the flow rate in rivers. After comparing the observed values, the decision tree model has an average absolute error of 1.32, a determination coefficient of 0.89, and an average square root error of 63. 3. It has the best accuracy in the test phase. [ABSTRACT FROM AUTHOR]

Local scour at the bridge piers is one of the most important factors threatening the stability of the bridges constructed on the rivers. This issue is mainly due to wake and horse shoe vortices. One of the key factors which intensify the local scour depth in bridge pier and usually is not considered is the accumulation of wooden debris in front of the pier. Many bridges have been unstable or collapsed due to this problem. By accumulation of wooden debris in front of bridge piers, the effective flow area around the piers is decreased and hence the flow velocity will be increased which led to increasing of the scour depth to several times of the normal conditions. There are limited relationships or approaches for estimating the scour depth in the case of debris accumulation at the bridge piers. In this study using experimental data of two laboratory flumes and based on the well-known equation of CSU, dimensionless equations have been presented for prediction of the scour depth in the presence of rectangular and triangular wooden debris. The optimum values of the coefficients and exponents of these new equations have been determined using optimization techniques. The modified CSU equation has suitable and acceptable results in both calibration and validation phases. The maximum percentage of error for the proposed equation is 10.1 and 8.4 in calibration and validation phases, respectively. Also, the mean error of this equation is 2.2 and 2.8 percent, respectively. [ABSTRACT FROM AUTHOR]