ORIGINAL_ARTICLE
بررسی ایزوترم و سنتیک جذب فسفر از محلولهای آبی با استفاده از نانولولههای کربنه تک دیواره
چکیده وجود مقادیر خیلی کم فسفر در فاضلابهای شهری و صنعتی تصفیهشده باعث ایجاد شکوفایی جلبکی میگردد، ازاینرو حذف آن برای جلوگیری از بروز پدیده شکوفایی جلبکی در منابع آبی ضروری است. لذا هدف از این مطالعه، بررسی مقدار جذب فسفر از محیطهای آبی با استفاده از نانولولههای کربنه تک جداره بهعنوان جاذب است. این مطالعه بهصورت تجربی در مقیاس آزمایشگاهی در یک سیستم بسته انجام پذیرفت. تعیین ویژگی جاذب سنتز شده با استفاده از میکروسکوپ الکترونی رویشی انجام شد. تأثیر متغیرهای مؤثر برجذب فسفر مثل مقدار جاذب، غلظت اولیه فسفر و pH بررسی شد. همچنین برای ارزیابی دادهها از مدلهای ایزوترمی و سنتیکی استفاده شد. نتایج نشان داد که با افزایش دوز جاذب کارآیی حذف افزایش مییابد. به صورتی که با افزایش دوز جاذب از 1/0 به 4/0 کارآیی حذف از 83/0 به 925/0 افزایش یافت همچنین برای بررسی سینتیک جذب سطحی دادهها، از دو مدل سینتیکی شبه مرتبه اول، شبه مرتبه دوم و مدل نفوذ درونذرهای استفاده شد. نتایج تجربی بهدستآمده با مدل سینتیکی شبه مرتبه دوم تطابق خوبی نشان دادند. ایزوترم حالت تعادل با مدلهای ایزوترم جذب لانگمویر، فرندلیش و تمکین مطابقت داده شد. نتایج نشان داد که دادههای بهدستآمده با مدل ایزوترم جذب در حال تعادل لانگمیور مطابقت خوبی دارد. با توجه به نتایج بهدستآمده نتیجهگیری میشود که نانولولههای کربنی تک دیواره شده کارآیی بالایی در جذب فسفر دارند و میتوانند بهعنوان یک جاذب مؤثر جهت جذب فسفر مورد استفاده قرار گیرد.
http://www.jewe.ir/article_13651_cb7dca40b9826ee3ddb91526ea19e537.pdf
2016-04-20
1
12
نانولوله های کربنی تک جداره
فسفر
سینتیک
جاذب
افشین
بهمنی
a_bahmani59@yahoo.com
1
گروه آموزش بهداشت، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی شهید صدوقی، یزد، ایران
AUTHOR
سیده پروین
موسوی
seyedeparvin.mosavi@yahoo.com
2
گروه مهندسی بهداشت محیط، پردیس بین المللی دانشگاه علوم پزشکی و خدمات بهداشتی شهید صدوقی، یزد، ایران
AUTHOR
کمال
صالحی
kamalsalehi1366@gmail.com
3
گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی کردستان، سنندج، ایران
LEAD_AUTHOR
Almeelbi T. and Bezbaruah A. (2010). Aqueous phosphate removal using nanoscale zero-valent iron. J. Nanoparticle Res.,14-1 (7), 14-2.
1
Albertsen M., Hansen L.B .S., Saunders A M., Nielsen P.H. and Nielsen K.L. (2012). A metagenome of a full-scale microbial community carrying out enhanced biological phosphorus removal. The ISME J., 6(6),1094-106.
2
Alver E. and Metin A.Ü. (2012) Anionic dye removal from aqueous solutions using modified zeolite: adsorption kinetics and isotherm studies. Chem. Eng. J., 200(20),59-67.
3
De Sousa A. F., Braga T. P., Gomes E. C. C., Valentini A. and Longhinotti E. (2012). Adsorption of phosphate using mesoporous spheres containing iron and aluminum oxide. Chem. Eng. J., 210(5), 143-9.
4
Gupta V. K., Kumar R., Nayak A., Saleh T. A. and Barakat M. (2013). Adsorptive removal of dyes from aqueous solution onto carbon nanotubes: a review. Adv. Colloid Interface Sci., 193(6), 24-34.
5
Gong J. L., Wang B., Zeng G. M., Yang C. P., Niu C. G. and Niu Q. Y. (2009). Removal of cationic dyes from aqueous solution using magnetic multi-wall carbon nanotube nanocomposite as adsorbent. J. Hazard. Mater., 164(2), 122-517.
6
Ghasemi M., Naushad M., Ghasemi N. and Khosravi-Fard Y. (2014). Adsorption of Pb (II) from aqueous solution using new adsorbents prepared from agricultural waste: Adsorption isotherm and kinetic studies. J. Indust. Eng. Chem., 20(4), 2193-2199.
7
Genz A., Kornmüller A. and Jekel M. (2004). Advanced phosphorus removal from membrane filtrates by adsorption on activated aluminium oxide and granulated ferric hydroxide. Wat. Res., 38(16), 3523-3530.
8
Konicki W., Pełech I., Mijowska E. and Jasińska I. (2014). Adsorption Kinetics of Acid Dye Acid Red 88 onto Magnetic Multi‐WalledCarbon Nanotubes‐Fe3C Nanocomposite. Clean Soil, Air, Water. 42(3), 284-294.
9
Lin S. H. and Juang R. S. (2002). Heavy metal removal from water by sorption using surfactant-modified montmorillonite. J. Hazard. Mater., 92(3), 315-326.
10
Lixia W., Zhihui L., Juan W. and Shu Z. (2015). Removal phosphorus in pollution water by composite aluminum electrode. AASRI International Conference on Industrial Electronics and Applications (IEA 2015).
11
Liu C. J., Liy Z., Luan Z. K., Chen Z. Y., Zhang Z. G. and Jia Z. P. (2007). Adsorption removal of phosphate from aqueous solution by active red mud. J. Environ. Sci., 19(10), 1166-1170.
12
Mohamed E., Selim A., Seliem M. and Abukhadra M. R. (2015) Modeling and optimizations of phosphate removal from aqueous solutions using synthetic zeoliteNa-A. J. Mater. Sci. Chem. Eng., 3(09),15.
13
Mohammed S. A., Shanshool H. A. (2009). Phosphorus removal from water and waste water by chemical precipitation using alum and calcium chloride. Iraqi J. Chem. Petrol. Eng., 10(2), 35-42.
14
Mittal A., Jhare D. and Mittal J. (2013). Adsorption of hazardous dye eosin yellow from aqueous solution onto waste material de-oiled soya: isotherm, kinetics and bulk removal. J. Molecul. Liquids, 179(2), 133-40.
15
Madrakian T., Afkhami A. and Ahmadi M. (2012). Adsorption and kinetic studies of seven different organic dyes onto magnetite nanoparticles loaded tea waste and removal of them from wastewater samples. Spectrochimica Acta Part A :Molecular and Biomolecular Spectroscopy, 99(3), 9-102.
16
Ngah W. W., Fatinathan S. and Yosop N. (2011). Isotherm and kinetic studies on the adsorption of humic acid onto chitosan-H2SO4 beads. Desal., 272(1), 293-300.
17
Oliveira M., Machado A. and Nogueira R.(2012). Phosphorus removal from eutrophic waters with an aluminium hybrid nanocomposite. Water, Air, & Soil Pollut., 223(8), 4831-4840.
18
Rahchamani J., Mousavi H. Z. and Behzad M. (2011). Adsorption ofmethyl violet from aqueous solution by polyacrylamide as an adsorbent: Isotherm and kinetic studies. Desal. Wat. Treat., 267(2), 256-260.
19
Samarghandi M. R., Rahmani A. R., Nourisepehr M., Zarrabi M. and Borji S. (2013). Determination of thermodynamic and kinetic parameters during sorption of phosphorous by weakly anion exchanger. J. Wat. Wastewat., 24(3), 2-11 [In Persian].
20
Tang H., Zhou W. and Zhang L. (2012). Adsorption isotherms and kinetics studies of malachite green on chitin hydrogels. J. Hazard. Mater., 209(3), 218-225.
21
Tang Y., Hu T., Zeng Y., Zhou Q. and Peng Y. (2015). Effective adsorption of cationic dyes by lignin sulfonate polymer based on simple emulsion polymerization: isotherm and kinetic studies. RSC Adv., 5(5), 3757-66.
22
Tang Y. K., Tong Z. F., Wei G. T., Li Z. M. and Liang D. W. (2006). Removal of phosphate from aqueous solution with modified bentonite. Water, Air, & Soil Pollut., 6(2), 350-365.
23
Vučurović V. M., Razmovski R. N. and Tekić M. N. (2012). Methylene blue (cationic dye) adsorption onto sugar beet pulp: equilibrium isotherm and kinetic studies. J. Taiwan Instit. Chem. Eng., 43(1), 108-11.
24
Zheng X., Wu R. and Chen Y. (2011). Effects of ZnO nanoparticles on wastewater biological nitrogen and phosphorus removal. Environ. Sci. Technol., 45(7), 2826-2832.
25
Zhou Q., Wang X., Liu J. and Zhang L. (2012). Phosphorusremoval from wastewater using nano-particulates of hydrated ferric oxide doped activated carbon fiber prepared by Sol–Gel method. Chem. Eng. J., 200(5), 619-626.
26
ORIGINAL_ARTICLE
مطالعه تغییرات بارندگی و حجم آبهای زیرزمینی در دشت مریوان با استفاده از سیستمهای اطلاعات جغرافیایی
امروزه فنآوری سیستمهای اطلاعات جغرافیایی به واسطه پیشرفت زیادی که داشته است به محققین این امکان را میدهد تا تغییرات حاصل از عوامل طبیعی و انسانی را مورد بررسی قرار دهند. در این تحقیق روند تغییر در میزان بارندگی دشت مریوان واقع در استان کردستان و نیز تغییرات سطح آبهای زیر زمینی با استفاده از سامانة اطلاعات جغرافیایی مورد مطالعه قرار گرفت. نقشۀ بارندگی منطقه با استفاده از مختصات جغرافیایی تعداد 23 ایستگاه باران سنجی موجود در محدودۀ منطقۀ مورد تهیه شد. درونیابی نقشة موقعیت ایستگاههای باران سنجی به روش نزدیکترین نقطه و بکارگیری دادههای ماهیانۀ بارندگی 15 سالۀ ایستگاههای بارانسنجی (1390-1376) انجام شد. با استفاده از مختصات جغرافیایی تعداد 27 چاه مشاهدهای و نیز دادههای مربوط به متوسط سطح ایستابی نقشة پراکنش چاههای مشاهدهای و نقشة عمق آبهای زیرزمینی برای سالهای 1376 و 1390 بطور جداگانة تهیه گردیدند. میزان کاهش سطح آبهای زیرزمینی منطقة مورد مطالعه در سال 1390 در مقایسه با سال 1376 از تفاضل دو نقشة مورد اشاره تعیین گردید. نتایج بیانگر کاهش در حجم آبهای زیرزمینی در طول سالهای مورد مطالعه به میزان 2/5 میلیون مترمکعب علیرغم عدم تغییر قابل ملاحظه در میزان بارندگی منطقه میباشد. نتایج این تحقیق تغییرات بارندگی و حجم رواناب را بهصورت کمی در اختیار محققین و مسئواین بخش آب و محیط زیست قرار میدهد.
http://www.jewe.ir/article_13979_4a9fff752773682725846c876156b664.pdf
2016-04-20
13
24
دشت مریوان
بارندگی
آبهای زیرزمینی
GIS
علی
حسامی
alihesami@yahoo.com
1
عضو هیات علمی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کردستانُ سنندج، ایران
LEAD_AUTHOR
Azizi Gh. (2003). Association between recent draughts and groundwater resources in Ghazvin Plain.
1
Geog. Res. Quart., 35(46), 131-144[In Persian].
2
Abbassnezhad A. and Shahidasht A. R. (2013). Vulnerability scanning of sirjan plain due to the
3
uncontrolled exploitation of the region aquifers. Urb. Studies Res., 5(2), 85-96 [In Persian].
4
Baizaei A. (2004). Assessing the impacts of the recent draughts on the groundwater resources of the
5
Naishabour Plain. M.Sc. Dissertation, Department of Natural Geography, Faculty of Geography,
6
University of Tehran [In Persian].
7
Lee J. Y., Yi M. J., Moon S. H., Cho M., Won J. H., Ahn K. H. and Lee J. M. (2007). Causes of the
8
changes in groundwater level at Daegu, Korea: the effect of subway excavations. Bull Eng. Geol.
9
Environ. 4(66), 251 -258.
10
Pisinaras V., Petalas C., Tsihrintzis V. A. and Zagana E. (2007). A groundwater flow model for water resources management in the Ismarida plain, North Greece” Environmental Modeling and Assessment Journal. 12(75), 75-89.
11
Razaghmanesh M., Salemi T. and Saraj T. (2008). Assessing quality and quantity of the Tabriz Plain
12
groundwater. National Conference on Irrigation and Drainage, Shahid Chamran University [In
13
Shakiba A. R., Mirbagheri B. and Khairi A. (2012). Drought and its impact on groundwater resources
14
in the East Kermanshah using SPI. Geog., 8(25), 104-124 [In Persian].
15
Zahmatkesh Gh. A., Alavipanah K. and Zehtabian G. R. (2001). Fluctuations in the shallow aquifers
16
at the outskirts of Playa (Case study: Semnan). J. Desert, 6(2), 15-30 [In Persian].
17
Zhang W., Yan Y., Zheng J., Li L. and Dong Xand Cai H. (2009). Temporal and spatial variability of
18
annual extreme water level in the Pearl River Delta region, China. Journal of the Global and
19
Planetary Change. 69(2), 35 -47.
20
ORIGINAL_ARTICLE
تغییرات مکانی کیفیت منابع آب زیرزمینی دشت بیرجند از نظر مصارف کشاورزی
بیش از 85 درصد از برداشت منابع آب موجود زیرزمینی دشت بیرجند در بخش کشاورزی به مصرف میرسد. با توجه به اهمیت کیفیت آب در آبیاری، نمونهبرداری از چهلوهفت چاه پیزومتری دشت بیرجند، باهدف تعیین کیفیت منابع آب زیرزمینی از نظر مصارف کشاورزی صورت گرفت. مقادیر pH و EC در محل نمونهبرداری اندازهگیری شد و آنالیز آنیونها و کاتیونهای غالب در آزمایشگاه انجام گرفت. پس از آماده شدن نتایج آنالیز کیفی نمونهها، ابتدا با استفاده از روشهای مختلف زمینآماری مقادیر Cl، HCO3، SAR، pH و EC برآورد گردید و خطای برآورد هر روش محاسبه شد. سپس بر اساس طبقهبندی فائو و با استفاده از بهترین روش زمینآماری، نقشه تغییرات مکانی Cl، HCO3، SAR، pH و EC تهیه گردید. نتایج حاصله نشان داد که روش کریجینگ در درونیابی مقادیر پارامترهای مذکور، برآورد بهتری نسبت به روش وزن دهی عکس فاصله (IDW) و توابع اسپیلاین (RBF) دارد. براساس طبقهبندی فائو، آب زیرزمینی آبخوان دشت بیرجند برای مصارف کشاورزی به لحاظ SAR، کلر و بیکربنات دارای محدودیت زیاد، به لحاظ شوری دارای محدودیت کم و به لحاظ اسیدیته بدون محدودیت است.
http://www.jewe.ir/article_15588_ad8880e905dabd9bc18885158315de84.pdf
2016-04-20
25
36
زمینآمار
کیفیت آب
کریجینگ
فائو
دشت بیرجند
خالد
اوسطی
k.osati@uok.ac.ir
1
استادیارگروه مهندسی مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران
LEAD_AUTHOR
محمد جواد
نحوی نیا
mnahvinia@ut.ac.ir
2
دانش آموخته دکتری مهندسی آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه تهران، تهران، ایران
AUTHOR
Ahmadi S. H. and Sedghamiz A. (2008). Application and evaluation of kriging and co-kriging
1
methods on groundwater depth mapping. Environ. Monit. Assess., 138, 357– 368.
2
Arslan H. (2012). Spatial and temporal mapping of groundwater salinity using ordinary kriging and
3
indicator kriging: The case of Bafra Plain, Turkey. Agricul. Wat. Manag., 113, 57– 63.
4
Brus D. J. and Heuvelink Gerard B. M. (2007). Optimization of sample patterns for universal kriging
5
of environmental variables, Geoderma, 138, 86- 95.
6
Bucene L. C. and Zimback C. R. L. (2003). Comparison of methods of interpolation and spatial
7
analysis of pH data in Botucatu, SP. IRRIGA, 8(1), 21- 28.
8
Elias Azar Kh. (2003). Reclamation of saline and sodic soils (soil & water management). Jahad
9
Daneshgahi, Urmia University, 300 pp. [in Persian].
10
Figueira R., Sousa A. J., Pacheco A. M. G. and Catarino F. (1999). Saline variability at ground level
11
after kriging data from Ramalina spp. Biomonitors. Sci. Total Environ., 232, 3-11.
12
Food and Agriculture Organization (FAO) (1985). Wastewater quality guidelines for agricultural use.
13
Available online at: http://www.fao.org/docrep/t0551e/t0551e04.htm, accessed 2016- 03- 22.
14
Ghadermazi J., Sayyad G., Mohammadi J., Moezzi A., Ahmadi F. and Schulin R. (2011). Spatial
15
prediction of nitrate concentration in drinking water using pH as auxiliary co-kriging variable.
16
Procedia Environ. Sci., 3, 130– 135.
17
Gong G., Mattevada S. and O’Bryant S. E. (2014). Comparison of the accuracy of kriging and IDW interpolations in estimating groundwater arsenic concentrations in Texas. Environ. Res., 130,
18
59– 69.
19
Guerra L. C., Garcia A., Garcia y., Hook J. E., Harrison K. A., Thomas D. L., Stooksbury D. E. and
20
Hoogenboom G. (2007). Irrigation water use estimates based on crop simulation models and
21
Kriging. Agricul. Wat. Manag., 89(3), 199 – 207.
22
Hu K., Huang Y., Li H., Li B., Chen D. and Edlin W. R. (2005). Spatial variability of shallow
23
groundwater level, electrical conductivity and nitrate concentration, and risk assessment of
24
nitrate contamination in North China Plain. Environ. Int., 31, 896 – 903.
25
Jager N. (1990). Hydrology and Groundwater simulation, Lewis Publisher, New York, USA.
26
Osati Kh., Koeniger P., Salajegheh A., Mahdavi M., Chapi K. and Malekian A. (2014).
27
Spatiotemporal patterns of stable isotopes and hydrochemistry in springs and river flow of the
28
upper Karkheh River Basin, Iran. Isotopes Environ. Health Studies, 50(2), 169- 183.
29
Osati Kh., Salajegheh A. and Arekhi S. (2013). Spatial variation of nitrate concentrations in
30
groundwater by Geostatistics (Case Study: Kurdan Plain). Iranian J. Natur. Resour., 65(4), 461-
31
472 [in Persian].
32
South Khorasan Regional Water Authority (2007). Identifying water resources and planning for
33
optimal use of water resources in South Khorasan province (an integrated project), South
34
Khorasan Regional Water Authority, accessible from the local library [in Persian].
35
ORIGINAL_ARTICLE
شبیه سازی الگوی توزیع رطوبت خاک در سیستم آبیاری قطرهای سطحی به روش آنالیز ابعادی
شبیهسازی الگوی توزیع رطوبت در ناحیه توسعه ریشه و تعیین دقیق آن در طراحی میتواند بهعنوان یکی از عوامل مدیریت بهرهبرداری و کارایی عملکرد در سامانههای آبیاری قطرهای سطحی محسوب گردد. در این تحقیق، آزمایشها در یک مدل فیزیکی ساختهشده از جنس پلکسیگلاس شفاف با ابعادm 0/5×1/22×3و روی سه نوع بافت خاک (متوسط، سنگین و سبک) انجام شدند. دبی خروجی قطرهچکانها بازمان آبیاری 6 ساعت و با مقادیر2/4 ,4 و 6 لیتر بر ساعت اعمال گردید. سپس به کمک قضیه π باکینگهام و استفاده از آنالیز ابعادی روابطی بهمنظور تخمین رطوبت خاک در سامانههای آبیاری قطرهای سطحی ارائه شد. روابط تابعی از رطوبت اولیه خاک، فاصله شعاعی نقاط موردنظر، حجم آب کاربردی در زمان آبیاری، هدایت هیدرولیکی خاک و دبی قطرهچکان بود. نتایج مقایسه بین مقادیر اندازهگیریشده و شبیهسازیشده نشان دادند که رابطههای ارائهشده با دقت بالایی رطوبت پروفیل خاک را پیشبینی میکنند. همچنین متوسط مقادیر شاخص میانگین ریشه دوم خطا (RMSE) برای خاک رسی و برای دبیهای مورداستفاده به ترتیب مقادیر 0/039، 0/08و 0/036 برآورد گردید. این مقادیر برای خاک لومی به ترتیب مقادیر 0/15، 0/044 و 0/091 و برای خاک شنی به ترتیب مقادیر 0/018، 0/019 و 0/02 میباشند. با بهکارگیری این روابط در سیستم آبیاری قطرهای سطحی، میتوان توزیع رطوبت را شبیهسازی کرده و متناسب با آن مدیریت بهینه اعمال نمود.
http://www.jewe.ir/article_15590_3799af22a3a36db3a5af63b3832bee42.pdf
2016-04-20
37
50
آبیاری
آبیاری قطره ای
پیاز رطوبتی
جبهه رطوبتی
مدیریت
بختیار
کریمی
bakhtiar.karimi@gmail.com
1
استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران
LEAD_AUTHOR
چنور
عبدی
chonor.abdi@yahoo.com
2
دانش آموخته کارشناسی ارشد آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران
AUTHOR
Besharat S., Saddradini A. and Shahmorad S. (2009). Assessment of soil water uptake by plant based on field studies and solving the governing equations. PhD thesis in Irrigation and Drainage, Faculty of Agriculture, University of Tabriz, pp: 137 [in Persian].
1
Cook F. J., Thorburn P. J., Fitch P., Charlesworth P. B. and Bristow K. L. (2006). Modelling trickle irrigation: comparison of analytical and numerical models for estimation of wetting front position with time. Environ Model Softw, 21:1353–1359.
2
Cote C. M., Bristow K. L., Charlesworth P. B., Cook F. J. and Thorburn P. J. (2003). Analysis of soil wetting and solute transport in subsurface trickle irrigation, Irrig. Sci. 22: 143-156.
3
Kandelous M. M. and Simunek J. (2010 a). Comparison of numerical, analytical and empirical models to estimate wetting pattern for surface and subsurface drip irrigation, Irrig. Sci. 28: 435-444.
4
Kandelous M. M. and Simunek J. (2010 b). Numerical simulations of water movement in a subsurface drip irrigation systemunder field and laboratory conditions using HYDRUS-2D, Agri. Water mang. 97: 1070-1076.
5
Lamm F. R., Ayars J. E. and Nakayama F. S. (2007). Micro irrigation for crop production (design, operation and management). Elsevier book. 618 pp.
6
Lazarovitch N., Warrick A. W., Furman A. and Simunek J. (2007). Subsurface water distribution from drip irrigation described by moment analyses,Vadose Zone J, 6:116–123.
7
Li J., Zhang J. and Rao M. (2004). Wetting Pattern and Nitrogen Distribution as Affected by Fertilization Strategies from a Surface Point Source, Agri. Water Mang, 67: 89-104.
8
Meshkat M., Warner R. C. and Workman S. R. (1999). Modeling of Evaporation Reduction in Drip Irrigation, J. Irrig. Drain. Eng, 125 (6), 315- 323.
9
Mirzaei F., Liaghat A. M., Sohrabi T. M. and Omid M. (2005). Simulation of the wetting front from a linear source in tape irrigation systems, Journal of Agricultural Enginering Researchs, 6(23),53-66.
10
Philip J. R. (1991). Effects of root and subirrigation depth on evaporation and percolation losses, Soil Sci. Soc. Am. J, 55: 1520- 1523.
11
Thorburn P. J., Cook F. J. and Bristow K. L. (2003). Soil- dependant wetting from trickle emitters: Implications for system design and management, Irrig. Sci, 22: 121-127.
12
ORIGINAL_ARTICLE
پیشبینی تبخیر-تعرق مرجع با استفاده از شبکههای عصبی مصنوعی RBF ،MLP SVM
تخمین تبخیر-تعرق گیاه مرجع یکی از مهمترین مؤلفهها در بهینهسازی مصرف آب کشاورزی و مدیریت منابع آب است. پیشبینی تبخیر-تعرق مرجع روزانه و هفتگی میتواند در پیشبینی نیاز آبی گیاهان و برنامهریزی کوتاهمدت آبیاری مورداستفاده قرار گیرد. هدف از این تحقیق، ارزیابی عملکرد سه نوع شبکه عصبی مصنوعی MLP(پرسپترون چندلایه)، RBF (شبکه تابع پایهای شعاعی)، SVM (ماشین بردار پشتیبان) در پیشبینی تبخیر-تعرق مرجع روزانه و هفتگی در ایستگاه همدیدی تبریز است. برای این منظور از دادههای هواشناسی با دوره آماری 39 ساله (2009-1971) استفاده شد. برای آموزش شبکههای عصبی 80 درصد سریهای زمانی ایجادشده بهتصادف انتخاب و 20 درصد دادهها برای صحتسنجی مدلهای پیشنهادی به کار رفتند. برای ایجاد سری زمانی تبخیر-تعرق مرجع روزانه و هفتگی در دوره موردنظر با استفاده از معادله استاندارد پنمن-مانتیث فائو 56 محاسبه گردید. ترکیبهای متفاوتی از دادههای ورودی (تأخیرهای مختلف) مورد ارزیابی قرار گرفت. نتایج مربوط به پیشبینی روزانه شبکههای عصبی نشان داد شبکه عصبی مصنوعی SVM-RBF kernel با تأخیر زمانی M5 دارای RMSE و R2 به ترتیب برابر با 0/51میلیمتر در روز و 0/92 بهترین عملکرد را داشت. همچنین نتایج مربوط به پیشبینی هفتروزه نشان داد که شبکه عصبی MLP با تأخیر زمانی M8 دارای RMSE و R2 به ترتیب برابر با 3/88 میلیمتر در هفته و 0/95 دارای بیشترین دقت بودند.
http://www.jewe.ir/article_15591_c74f14b278818934dc35dfc4c7d30488.pdf
2016-04-20
51
63
سریهای زمانی
شبکههای عصبی مصنوعی
تبریز
روش پنمن-مانتیث
نیاز آبی گیاهان
سهیلا
پناهی
soheilapanahi@znu.ac.ir
1
دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
LEAD_AUTHOR
مسعود
کرباسی
m.karbasi@znu.ac.ir
2
استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
AUTHOR
جعفر
نیکبخت
nikbakht.jaefar@znu.ac.ir
3
دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
AUTHOR
Allen R. G., Pereira L. S., Raes D. and Smith M. (1998). Crop evapotranspiration guideline for computing crop water requirements, FAO, Irrigation and Drainage Paper, No. 56, Rome.
1
Bachour R., Maslova I., Ticlavilca A., Walker W. and McKee M. (2015). Wavelet-multivariate relevance vector machine hybrid model for forecasting daily evapotranspiration. Stochastic Environ. Res. Risk Assess., 29(2), 1-15.
2
Behmanesh J., Azad Talatapeh N., Montaseri M. and Besharat S. (2014). Evaluation of linear and bilinear time series models in predicting of reference crop evapotranspiration at Urmia synoptic station. J. Wat. Res. Agricul., 28(1), 85-96 [In Persian].
3
Chen S., Cowan C. and Grant P. M. (1991). Orthogonal least squares learning algorithm for radial basis function networks, UIEEE Trans. Neural Networks, 2(2), 302-309.
4
Dibike Y., Velickov S., Solomatine D. and Abbott M. (2001). Model induction with support vector machines: introduction and applications. J. Comput. Civ. Eng., 15(3), 208-216.
5
Dodangeh S., Abedi Koupai J. and Gohari S. A (2012). application of time series modeling to investigate future climatic parameters trend for water resources management purposes. J. Wat. Soil Sci., 59(16), 59-74 [In Persian].
6
Ellis G. W., Yao C., Zhao R. and Penumadu D. (1995). Stress-strain modeling of sands using artificial neural networks. J. Geotec. Eng., ASCE, 121(5), 429-435.
7
Eslamian S. S., Gohari S. A., Biabankai M. and Malekian R. (2008). estimation of monthly pan evaporation using artificial neural networks and support vector machines. J. Appl. Sci., 19(8), 3497-3502.
8
Fooladmand H. R. (2010). Monthly prediction of reference crop evapotranspiration in Fars Province. J. Wat. Soil Sci., 20(1), 158-169 [In Persian]. Ghahreman N. and Gharekhani A. (2011). Evaluation of stochastic time series models in prediction of pan evaporation. J. Wat. Res. Agricul., 25(1), 75-81. [In Persian].
9
Guo J., Zhou J., Qin H., Zou Q. and Li Q. (2011). Monthly stream flow forecasting based on improved support vector machine model, Expert Sys. Appl., 38 (10), 13073-13081.
10
Hayking S. (1999) Neural networks: A comprehensive foundation, 2nd Ed. Prentice-Hall, N. J.
11
Kalteh A. M. (2013). Monthly river flow forecasting using artificial neural network and support vector regression models coupled with wavelet transform, Comp. Geosci., 54(4), 1-8.
12
Kisi O. (2010). Wavelet regression model for short-term stream flow forecasting. J. Hydrol., 389(3), 344-353.
13
Kisi O. and Cimen M. (2011). A wavelet-support vector machine conjunction model for monthly streamflow forecasting. J. Hydrol., 399(1-2), 132-140.
14
Kisi O. (2008). The potential of different ANN techniques in evapotranspiration modeling. Hydrol.Proc., 22(14), 2449-2460.
15
Landeras G., Ortiz-Barredo A. and Javier Lopez J. (2009). Forecasting weekly evapotranspiration with ARIMA and artificial neural network models. J. Irrig. Drain. Eng., 135(3), 323-334.
16
LuoY., Chang X., Peng Sh., Khan Sh., Wang W., Zheng Q. and Cai X. (2014). Short-term forecasting of daily reference evapotranspiration using the Hargreaves–Samani model and temperature forecasts, Agricultural Water Management, 13(6) 42-51.
17
Najafi B. and Tarazkar M. H. (2006). Forecasting of Iranian pistachio export rate: Application of artificial neural network, Iranian Journal of Trade Studies, 39(2), 191-214 [In Persian].
18
Raghavendra S. and Paresh D. (2014). Support vector machine applications in the field of hydrology: A review. Appl. Soft Comp., 19(1), 372-386.
19
Tabari H., Marofi S. and Sabziparvar A. A. (2010). Estimation of daily pan evaporation using artificial neural network and multivariate non-linear regression. Irrig. Sci., 28(5), 399–406.
20
Trajkovic S., Todorovic B. and Standkovic M. (2003). Forecasting of reference evapotranspiration by artificial neural network. J. Irrig. Drain. Eng. ASCE, 129(6), 454-457.
21
Yoon H., Jun S. C., Hyun Y., Bae G. O. and Lee K. K. (2011). A comparative study of artificial neural networks and support vector machines for predicting groundwater levels in a coastal aquifer. J. Hydrol., 396(1-2), 128-138.
22
Zare-Abyaneh H., Bayat M., Marofi S., Amiri R. (2009). Evaluation of artificial neural network and adaptive neuro fuzzy inference system in decreasing of reference evapotranspiration parameters. J. Wat. Soil, 24(2), 297-305 [In Persian].
23
ORIGINAL_ARTICLE
برآورد میزان سرریزی موج از روی موجشکنهای شکلپذیر
موجشکنها بهعنوان سازههایی که نقش مهمی در حفاظت از تأسیسات ساحلی دارند جهت ایجاد آرامش در بندرگاه، حفاظت از سواحل در مقابل امواج و کاهش انرژی ناشی از امواج، مورداستفاده قرار میگیرند. در این مطالعه اقدام به ارائه رابطهای جهت تخمین میزان سرریزی امواج از روی موجشکن که یکی از مهمترین پارامترهای حاکم در طراحی موجشکنها است پرداخته شد. پدیده سرریزی زمانی رخ میدهد که حداکثر تراز بالاروی موج از تراز تاج سازه بالاتر رود. جهت دستیابی به این هدف، با توجه به پارامترهای هیدرولیکی و سازهای مرتبط با سرریزی موج، رابطهای جهت محاسبه سرریزی موج از روی موجشکنهای شکلپذیر پیشنهاد گردید. در این تحقیق اثر عمق آب پای سازه و قطر سنگدانهها بهعنوان پارامترهای تأثیرگذار در نظر گرفته شد. بدین منظور با استفاده از پارامترهای مرتبط با سرریزی موج و بهکارگیری نظریه باکینگهام بیبعد سازی انجام گردید. سپس نتایج حاصل از فرمول جدید با روابط ارائهشده در مطالعات قبلی مورد مقایسه قرار گرفت. نتایج حاکی از دقت بالای رابطه تدوینشده در تخمین میزان سرریزی امواج بوده و نشان میدهد که رابطۀ پیشنهادی در مقایسه با سایر تحقیقات قبلی از همبستگی خوبی با نتایج آزمایشگاهی برخوردار است.
http://www.jewe.ir/article_15600_2dfffe54c3acfb1d3ea41f02462f09db.pdf
2016-04-20
64
83
بندرگاه
سرریزی موج
شکل پذیر
موج
موجشکن
محمود
محمد رضاپور طبری
mrtabari57@gmail.com
1
استادیار، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه شهرکرد، شهرکرد، ایران
LEAD_AUTHOR
محمد نوید
مقیم
moghim@cc.iut.ac.ir
2
استادیار، گروه مهندسی عمران، دانشکده فتی، دانشگاه صنعتی اصفهان، اصفهان، ایران
AUTHOR
راضیه
فروزان بروجنی
forouzan10@yahoo.com
3
دانشجوی کارشناسی ارشد عمران، دانشکده فنی، دانشگاه شهرکرد، شهرکرد، ایران
AUTHOR
De Rouck J. (2005). CLASH - D46: Final Report, Ghent University, Belgium.
1
Goda Y. (1985). Random seas and design of maritime structure, University of Tokyo Press, Japan.
2
Hughes S. A. (2004). Wave momentum flux parameter: a descriptor for near shore waves. Coastal Eng., 51(11-12), 1067-1084.
3
Lykke Andersen T. (2006). Hydraulic response of rubble mound breakwaters scale effects berm breakwaters, M.Sc. Dissertation, Department of Civil Engineering, Aalborg University.
4
Moghim M. N. and Alizadeh F. (2014). Hydraulic stability of reshaping berm breakwaters using the wave momentum flux parameter, Coastal Eng., 83, 56-64.
5
Moghim M. N., Forouzan Boroujeni R. and Mohammad Rezapour Tabari M. (2015). Wave overtopping on reshaping berm breakwaters based on wave momentum flux. Appl. Ocean Res., 53, 23-30.
6
Moghim M. N. and Mohammad Rezapour Tabari M. (2012). Stability prediction of reshaped berm breakwater using SANN. The 10th International Conference on Coasts, Ports and Marine Structures (ICOPMAS). Tehran. Iran [in Persian].
7
Moghim M.N., Shafieefar M., Tørum A. and Chegini V. (2011). A new formula for the sea state and structural parameters influencing the stability of homogeneous reshaping berm breakwaters, Coastal Eng., 58(8), 706-721.
8
Mohammad Rezapour Tabari M., Moghim M. N. and Forouzan Boroujeni R. (2014). Simulation of wave overtopping of reshaping berm breakwaters using the experimental results and ANFIS model, 8th National Congress of Civil Engineering, Babol, IRAN (in Persian).
9
Sigurdarson S. and Van Der Meer J. W. (2013). Wave overtopping at berm breakwaters in line with eurotop, Coasts, Marine Structures and Breakwaters, Edinburgh, Scotland.
10
TAW (2002). Wave run-up and wave overtopping at dikes, Technical Advisory Committee on Flood Defense, Delft. Technical Report.
11
ORIGINAL_ARTICLE
ارزیابی پتانسیل رسوبگذاری و خورندگی آب شرب (مطالعه موردی: شبکه آب شرب شهر شیراز)
این تحقیق بهمنظور بررسی وضعیت خوردگی و رسوبگذاری آب آشامیدنی در منابع تأمین و شبکهی توزیع آب شرب شهر شیراز صورت گرفت. منطقهی موردمطالعه به 17 منطقه تقسیمبندی شد. نمونهبرداری از آبها در طول فصلهای زمستان 1389 و بهار و تابستان 1390، به تعداد 144 نمونه (بطریهای 300 سیسی) انجام و پارامترهای شیمیایی آنها اندازهگیری شد. سپس مقادیر شاخصهای لانژلیه، رایزنر، لارسون و تهاجمی برای کلیهی نمونهها تعیین گردید. در این مطالعه، 41 قطعه لولهی آب از منازل در نقاط مختلف شهر جمعآوری و نرخ رسوبگذاری در هر نمونه محاسبه شد. همچنین جنس رسوبهای 33 عدد از لولههای آب خانگی و 8 عدد از لولههای آب شبکه با روش انکسار اشعه ایکس آنالیز شد. نتایج نشان داد که متوسط مقدار شاخصهای لانژلیه، رایزنر، لارسون و تهاجمی به ترتیب برابر با 0/07 (رسوبگذاری ضعیف)، 7/1 (عدم رسوبگذاری)، 1/2(خورنده) و 14(غیر خورنده) بود. میانگین نرخ رسوبگذاری در لولههای آب شرب منازل شهر شیراز، 0/26میلیمتر در سال محاسبه شد. ترکیبات عمده در نمونهها شامل کربنات کلسیم، سولفات کلسیم، کربنات منیزیم، سولفات منیزیم، هماتیت، ماگمیت، مگنتیت، ژئوتیت، اکسید روی، ژیپس، ویویانیت، دولومیت، هیدروکسیاپاتیت و تریولیت بودند. همچنین، عناصر عمده در این نمونهها، منیزیم، سیلیسیم، فسفر، سولفور، روی، مس و سرب است. بر اساس نتایج این تحقیق، مناطق واقع در شرق، جنوب شرقی و جنوب شیراز به دلیل میزان بالای سختی و سولفات دارای مشکلات بیشتری ازلحاظ رسوبگذاری میباشند.
http://www.jewe.ir/article_15601_443066419838d41fb299a26142fa9329.pdf
2016-04-20
84
101
آب شرب
شاخصهای خوردگی
نرخ رسوبگذاری
جنس رسوب
نیما
توان پور
nima.tavanpour@gmail.com
1
دانشجوی دکترا، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران
LEAD_AUTHOR
نوید
توان پور
ntavanpour@gmail.com
2
دانشجوی کارشناسی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه آزاد اسلامی، واحد شیراز، شیراز، ایران
AUTHOR
سیده آسیه
موسوی راد
asiyeh.mousavi.rad@gmail.com
3
دانش آموخته کارشناسی ارشد، گروه مهندسی منابع آب، دانشکده کشاورزی، دانشگاه زابل، زابل، ایران
AUTHOR
Al-Rawajfeh A. E. and Al-Shamialeh E. M. (2007). Assessment of tap water resources quality and its potential of scale formation and corrosiveness. Conference on desalination strategies in south Mediterranean countries, Tafila province, South Jordan.
1
Alsaqqar A. S., Khudair B. H. and Ali S. K. (2014). Evaluating water stability indices from water treatment plants in Baghdad city. J. Wat. Resour. Prot., 6, 1344-1351.
2
Avaz-pur M. and Gholami M. (2008). The study of corrosion potential and scale-formation of drinking water resources of Ilam Town, Eleventh National Conference of Environmental Health, Zahedan, 10-15. [in Persian]
3
Benjamin M. M., Sontheimer H and Leroy P. (1996). Corrosion of iron and steel. In: Internal corrosion of water distribution systems. 2nd edition. AWWA Research Foundation and DVGW Technologiezentrum Wasser, Denver, CO, 29-70.
4
Dobersek D., Goricanec D. and Krope J. (2005). Economic analysis of energy savings by using rotary heat regenerator in ventilating systems. IASME Trans. (4), 1640-1647.
5
Greenberg A. E., Clesceri L. S and Eaton A. D. (2005). Standard methods for the examination of water and wastewater, 20th Ed., APHA, Washington, DC. 541 pp.
6
Lane R.W. (1993). Control of scale and corrosion in building water systems. McGraw-Hill Book Co., New York, 279 pp.
7
Lower S. (2009). Electrochemical corrosion.Chem1 virtual textbook. Simon fraser University, Vancouver Canada. Available from: http://www.chem1.com/acad/webtext/elchem/ec7.html, Accessed May 2011.
8
Nikpour B. (2006). A qualitative study of drinking water of Behshahr city based on Corrosion and Scale-formation Indices, M.sc Dissertation, Faculty of Technical-Engineering, Azad University of Bandar Abbas. [in Persian]
9
Peng C., Korshin, G. V and Valentine R. L. (2010). Characterization of elemental and structural composition of corrosion scales and deposits formed in drinking water distribution systems. Wat. Res., 44, 4570-4580.
10
Pourzamani H R. (2005). Assessment of water quality in aspect of corrosiveness in Ashtarjan industrial town of Isfahan, Eighth National Conference of Environmental Health, Tehran University, Tehran. [in Persian]
11
Prisyazhniuk A. V. (2007). Prognosticating scale-forming properties of water. Appl. Thermal Eng., 27(8), 1637-1641.
12
Reiber S., Poulsom S., Edwards M. and Patel S. (1997). A general framework for corrosion control based on utility experience. AWWA. Publication No. 90712A: 6-11.
13
Rossum J. R. (1980). Fundamentals of metallic corrosion in fresh water., Los Angeles, CA, 1-12
14
Rossum, J. R., and Merrill, D. T. (1983) An evaluation of the calcium carbonate saturation index. J. AWWA. 75(2): 95-100
15
Singley, J. E., Beaudet B. A and Markey P. H. (1984). Corrosion manual for internal corrosion of water distribution systems, Environmental science and Engineering Inc., 1-67.
16
Sarin P. (2002). Iron release from corrosion scales in old iron/steel/drinking water distribution pipes.
17
Ph.D. thesis. The graduate college of the University of Illinois at Urbana-Champaign, 158 pp.
18
Seyyed-Razi M. (1997). Control of corrosion in industries, Iranian Corrosion Forum Publication, 400pp. [in Persian]
19
Tootoonchi A., Naseri N. and Sarkhoshiyan R. (2003). Shiraz water supply and wastewater collection and disposal, Iranab Consulting Engineering Corporation, 1-37 [In Persian].
20
Von Huben H. (1995). Water treatment principles & practices of water supply operations, 2nd Ed., AWWA, 36-72.
21
ORIGINAL_ARTICLE
بررسی پایداری منابع آب در بخش کشاورزی شهرستان دهگلان
پایداری و مدیریت منابع آب در سازماندهی مناسب مدیریت تقاضا و تنظیم الگوی مصرف بهصورت پایدار حائز اهمیت است و از راهکارهای تعدیل اتلاف منابع آبی است. در این مطالعه با استفاده از مدل برنامهریزی کسری چندهدفه برمبنای میزان آب مصرفی، الگوی بهینه کشت در راستای ارتقای مصرف منابع آب در بخش کشاورزی شهرستان دهگلان تهیه شد. به این منظور دادههای 110 پرسشنامه تکمیلشده بهوسیله بهرهبرداران در سطح دشت دهگلان و اطلاعات و دادههای سازمان جهاد کشاورزی مورداستفاده قرار گرفتند. الگوی بهینه کشت در سه سناریوی مختلف شامل افزایش قیمت محصولات استراتژیک، وجود محصولات استراتژیک و استفاده از کل زمین موجود، برای سه مزرعه نمونه بهصورت: کمتر از 10 هکتار، بین 10 تا 20 هکتار و بیشتر از 20 هکتار محاسبه شد. نتایج نشان داد گندم دیم، سیبزمینی، خیار و یونجه محصولات اصلی در الگوی کشت برای هر سه گروه مزارع میباشند. سیاست افزایش قیمت محصولات استراتژیک روی درآمد کشاورزان تأثیر مثبت داشته و استفاده از آن همراه باسیاست استفاده از کل زمین موجود تأثیر بیشتری در پایداری منابع آب دارد.
http://www.jewe.ir/article_15603_58c1a8dc1a8cd03d519b2e6aaee27d88.pdf
2016-04-20
102
110
الگوی کشت
برنامهریزی کسری
دشت دهگلان
مدیریت منابع آب
حامد
قادرزاده
hamedar2002@uok.ac.ir
1
استادیار، گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران
LEAD_AUTHOR
سمیه
کاظمی
s.kazemi51@gmail.com
2
دانشجوی کارشناسی ارشد، گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران
AUTHOR
محمود
حاجی رحیمی
mhajirahimi@uok.ac.ir
3
استادیار، گروه اقتصادکشاورزی، دانشکده کشاورزیِ، دانشگاه کردستان، سنندج، ایران
AUTHOR
Anonymous (2012). Statistical Yearbook of Kurdistan Province Governorship, Statistical publications, Available online at: http://www.ostan-kd.ir/Default.aspx?TabID=68, Accessed 15, December 2015.
1
Bakhshudeh M. and Baghestani M. (2008). The study on the optimal cropping pattern in iran using
2
nonlinear- fractional programming. J. Finan. Develop., 2(4), 121- 134, [in Persian].
3
Borimnejad V. and Yazdani S. (2004). Sustainability analysis in water resources management in
4
agricultural sector using fractional programming (case study: Kerman Province). J. Pajohesh and
5
Sazandegi, 63, 2-16 [in Persian].
6
Centeral Bank of the Islamic Republic of Iran. (2013). Statistic, available online at:
7
http//.www.tsd.cbi.ir/ Display En/ content. Aspx/ Accessed 18. Jun 2015.
8
Falahi A., Khalilian S. and Ahmadian M. (2013). Optimizing cropping pattern with emphasis
9
on water resource restrictions (a case of Seidan –Farough Plain, Marvdasht Township). J. Agricul.
10
Econom. Res., 5(2), 91-115, [in Persian].
11
Ghorbanian E., Zibaie M. and Ghorbani M. (2013). Determine the optimal cropping pattern due to
12
limited groundwater resources in Kavar Plain. J. Agricul. Econom. Develop., 27(1), 1-7, [in
13
Kohansal M. and Firoz Zare A. (2008). Determining optimal cultivation model corresponding with
14
sustainable agriculture application of multiple objective linear fuzzy fractional programming
15
(case study: North Khorasan Province). J. Agricul. Econom. Develop., 16(62), 1-33, [in Persian].
16
Morovatneshan M., Shahidi A. and Khashei Siuki A. (2007). Optimization cultivation model with
17
virtual water approach to sustainable water resources, 5th national conference on water resources
18
management. Shahid Beheshti University, Tehran, Iran, [in Persian].
19
Meteorology Organization of Kurdistan. (2013). Statistics and information specialist, available online
20
at: http://www.kurdistanmet.ir/pages/amarMahaneUser.aspx/ accessed 10, Jun 2015.
21
Negm A. L., El-eshmawiy K. H., Yassen Abd Elfatah H. and El-Sharif L. (2006). The optimal
22
egyptain indicative cropping pattern using nonlinear-fractional programming. J. Appl. Sci. Res.,
23
Qureshi M. E., Qureshi S. E., Bajracharya K., and Kirby M. (2007). Integrated biophysical and
24
economic modeling framework to assess impact of alternative groundwater management option.
25
Springer Science, 71, 47-60.
26