HEC-GeoEFM یک الحاقی ArcMap است که برای پشتیبانی از تجزیه و تحلیل فضایی که معمولاً در هنگام استفاده از مدل عملکردهای اکوسیستم (HEC-EFM) استفاده می شود، توسعه یافته است. استفاده از HEC-GeoEFM برای ArcMap نیاز به مجوز کاربر دارد. همچنین برنامه های افزودنی Spatial Analyst و 3D Analyst برای ArcMap باید نصب و فعال شوند.

1.6 معادلات سنت ونانت

برای بسیاری از کاربردهای عملی، تغییر فضایی سرعت در سطح مقطع جریان را نمی توان نادیده گرفت، بنابراین می توان روند جریان را تغییر داد که فقط در جهت طولی جریان متغیر است. این فرض اصلی است که برای استخراج معادلات Saint-Vénant استفاده شده است، که جریان ناپایدار کانال باز یک بعدی را توصیف می کند.

آیا می خواهید GMS، SMS یا WMS را امتحان کنید، اما برای انجام مجوز کاملاً آماده نیستید؟ یا شاید شما مجوز دارید، اما نگهداری شما به پایان رسیده است و شما می خواهید قبل از به روزرسانی، ویژگی های جدید نسخه بتا را بررسی کنید؟ Aquaveo با استفاده از مجوز ارزیابی محصولات خود اجازه می دهد تا به شما اجازه دهد نرم افزار ما را امتحان کنید تا ببینید آیا این نیاز شما را برآورده می کند. مجوزهای ارزیابی کدهای مجوز موقت هستند که به شما امکان می دهند به مدت دو هفته از تمام قابلیت های نرم افزار ما استفاده کنید.

باران غیرمعمول شدید و مداوم در اواخر مارس و اوایل آوریل 2019 چندین کشور خاورمیانه را درگیر کرد. در همان زمان، کوهها شروع به از دست دادن پوشش برف خود به دلیل ذوب شدن کردند. اگرچه پایان زمان زمستان و شروع بهار از زمان های بسیار دور سیلاب های فصلی را در اینجا به وجود آورده است، اما این بهار در برخی مناطق عراق، ایران، سوریه و افغانستان شدید بوده است.

بارش شدید باران از 9 ژانویه 2020 منجر به جاری شدن سیل در سراسر استان های هرمزگان، کرمان و سیستان بلوچستان در جنوب ایران شد. سیل باعث ویرانی هزاران خانه، آواره شدن صدها نفر و حداقل سه کشته گردید. جفت تصویر کاذب با رنگ بالا در سه استان قبل (چپ) و بعد از باران باران (راست) باران را نشان می دهد. این تصاویر توسط Spectroradiometer Resolution Imaging Spectroradiometer (MODIS) در ماهواره Aqua ناسا (باندهای 7-2-1) در 8 ژانویه 2020 و 13 ژانویه 2020 به دست آمده است. براساس یک گزارش خبری، بیش از 100 میلی متر (4 اینچ) در سه روز در سیستان بلوچستان باران بارید. ای مقدار معمولاً در طول یک سال کامل در منطقه می بارد.

سیلاب و رانش زمین همراه با بارندگی بیشترین تعداد بلایای طبیعی را به خود اختصاص داده و بیش از هر نوع دیگر از بلایای طبیعی در سراسر جهان مردم را تحت تأثیر قرار می دهد. آژانس های آمریکایی و بین المللی و سازمان های غیردولتی به منظور درک تأثیرات انسانی و برنامه ریزی فعالیت های کاهش، به اطلاعات کمی دقیق در مورد وقوع سیل و رانش زمین به صورت جهانی نیاز دارند. پیشنهاد دهندگان اخیراً یک سیستم خطر جهانی (GHS) برای سیل و رانش زمین ایجاد کرده اند که از مشاهدات و مدل های ماهواره ای برای درک، نظارت و پیش بینی بهتر این نوع وقایع استفاده می کند. GHS از تجزیه و تحلیل بارش چندماهواره TRMM (TMPA) استفاده می کند که اطلاعات ده ماهواره را با هم ترکیب می کند، همه با تخمین باران از مأموریت اندازه گیری باران گرمسیری (TRMM) کالیبره می شوند.

سیل طراحی جریان ورودی (IDF) شدیدترین سیل ورودی (اوج، حجم، شکل، مدت زمان، دوره) است که برای آن یک سد و امکانات مرتبط با آن طراحی شده است (CDA، 2007). در واقع IDF می تواند مستقیماً از جدول تعیین شود یا با ارزیابی شدیدترین سیل که بالاتر از آن هیچ گزینه بعدی وجود ندارد محاسبه گردد.

نقشه برداری از میزان سیلاب برای سیلاب های فعال برای مسئولان محلی و منطقه ای و سازمان های امداد رسانی در برابر حوادث که باید مشخص کنند که کجا تلاش خود را متمرکز کنند بسیار مهم است. ناسا، قابلیت نقشه بردای جوی نزدیک به زمان واقعی برای EOS (LANCE) را به رصدخانه سیل دارتموث و ابتکار نقشه برداری جهانی MODIS برای حالت زمان واقعی (NRT) ارائه می دهد.

نقشه برداری از میزان سیلاب برای سیلاب های فعال برای مسئولان محلی و منطقه ای و سازمان های امداد رسانی در برابر حوادث که باید مشخص کنند که کجا تلاش خود را متمرکز کنند بسیار مهم است. ناسا، قابلیت Atmosphere Near-Time نزدیک به زمان واقعی برای EOS (LANCE) را به رصدخانه سیل دارتموث و بخش نقشه برداری جهانی MODIS برای زمان واقعی (NRT) ارائه می دهد.

2.5 روندیابی مخزن

همانطور که در مورد مسیریابی رودخانه، رابطه اساسی معادله پیوستگی است (شکل 16.5):

1.5 مسیریابی یا روندیابی رودخانه

در چرخه طبیعی آب می توان سه عامل اصلی هیدرولوژیک را شناسایی کرد (شکل 1.5):

• عملکرد تولید، مورد استفاده برای جداسازی کل بارندگی و بارندگی موثر؛
• عملکرد انتقال، تبدیل بارندگی موثر در تخلیه رودخانه؛
• عملکرد مسیریابی، در مورد تبدیل جریان در امتداد رودخانه ها.

Giovanni یک محیط آنلاین (وب) برای نمایش و تجزیه و تحلیل پارامترهای ژئوفیزیکی است که در آن به راحتی می توان به منشا (اصل داده ها) دسترسی داشت. این راهنمای کاربر در مورد نحوه استفاده از جیووانی و اطلاعات مربوط به محصولات و خدمات داده های جیووانی کمک می کند.

5.4 منطقه بندی هیدروگراف واحد (هیدروگراف واحد مصنوعی)

هیدروگراف واحد حاصل از داده های ثبت شده در بارندگی است و هیدروگراف مربوط به سیل مربوطه فقط برای حوضه ای که داده ها برای آن موجود بود اعمال می شود. هیدروگراف واحد مصنوعی بر اساس داده های ثبت شده در ایستگاه های اندازه گیری محاسبه می شود و ممکن است برای ارزیابی موج سیل در حوضه های آبریز غیرقانونی با تعیین میزان بارندگی موثر بر حوضه استفاده شود.

3.4 هیدروگراف واحد ژئومورفولوژیک

1.3.4 اصول و روشهای تعیین

عملکرد انتقال حوضه آبریز مستقیماً تحت تأثیر مشخصات ژئومورفولوژی قرار دارد که در شکل 16.4 ارائه شده است. این تأثیر عمدتا به دلیل توپولوژی شبکه رودخانه است زیرا توسط طبقه بندی استرالر و نسبت هورتون و شوم توصیف شده است. این نسبت ها یا پارامترهای ژئومورفولوژیکی عبارتند از:

بارش سال زراعی جاری تا روزهای پایانی دی ماه حدود 21 درصد نسبت به دوره مشابه بلندمدت و  38 درصد نسبت به سال گذشته کاهش یافته است. به ترتیب بیشترین کاهش در استان‌های هرمزگان (84%)، سیستان و بلوچستان (84%) و کرمان (45%) و بیشترین افزایش در استان های قم (31%)، یزد (13%) و تهران (7%) رخ داده است.

در نقشه تراز میانی جو بی‌هنجاری مثبت ارتفاع ژئوپتانسیلی بر روی شرق اروپا و خاورمیانه قرار دارد، اما غرب اروپا و مدیترانه در گستره بی‌هنجاری منفی به نسبت ضعیفی قرار دارد.

2. مدل سازی

CLSM با استفاده از سه متغیر حالت، تغییرات ذخیره آب زیرسطحی ناشی از فعل و انفعالات زمین و جو (بارش و ET) را شبیه سازی می کند: مازاد سطح و مازاد منطقه ریشه، که نشان دهنده رطوبت بیش از حد خاک نسبت به حالت تعادل در لایه سطحی (0-2 سانتی متر است) زیر سطح و منطقه ریشه (0-100 سانتی متر) به ترتیب و کسری حوضه آبریز که نشان دهنده مقدار آب مورد نیاز برای رساندن پروفیل به اشباع است (Koster و همکاران، 2000). CLSM همچنین تغییرات برف فصلی را در سه لایه برفی شبیه سازی می کند. CLSM تغییرات سطح آب را مدل نمی کند. در عوض، ذخیره آب زیرزمینی با کم کردن آب ذخیره شده در منطقه ریشه از آن ذخیره شده در پروفیل (که می تواند از کسری حوضه آبریز و سایر پارامترهای مدل محاسبه شود)، که ظرفیت آن توسط پارامتر عمق بستر CLSM تعیین می شود، حاصل می گردد. عمق بستر به دنیال مطالعات Houborg و همکاران (2012) به طور یکنواخت 2 متر افزایش یافت. که نشان داد با استفاده از عمق سنگ بستر اصلی، TWS شبیه سازی شده CLSM اغلب در جنوب غربی ایالات متحده به یک حد پایین تر نزدیک می شود، به طوری که قادر به نشان دادن شرایط شدید خشکسالی نیست. به غیر از این، مدل برای این مطالعه اصلاح یا کالیبره نشده است. از آنجایی که CLSM از عمق سطح آب واقعی یا ضخامت های آبخوان به عنوان پارامترهای ورودی استفاده نمی کند، ذخیره آب زیرزمینی شبیه سازی شده آن (نه مانند مدل پویا) منعکس کننده پارامترهای مدل (از جمله عمق بستر) است. بنابراین، فقط ناهنجاری های ذخیره آب زیرزمینی، نه مقدار کل ذخیره آب زیرزمینی یا عمق سطح آب، با اندازه گیری های محلی قابل مقایسه است.

کمبود اطلاعات ذخیره آب زیرزمینی در مقیاس جهانی مانع از توانایی ما برای نظارت موثر بر منابع آب زیرزمینی می شود. در این مطالعه، ما یک محصول پیشرفته ذخیره آب زمینی (TWS) مشتق شده از مشاهدات ماهواره ای بازیابی جاذبه و آزمایش آب و هوا (GRACE) را در مدل Catchment land یا (CLSM) ناسا در مقیاس جهانی، هماهنگ سازی می کنیم. تولید سری های زمانی ذخیره آب زیرزمینی برای نظارت بر خشکسالی و سایر کاربردها مفید هستند. ارزیابی با استفاده از داده های محلی از نزدیک به 4000 چاه نشان می دهد که هماهنگ سازی داده های GRACE شبیه سازی آب های زیرزمینی را بهبود می بخشد، با خطاهای تخمین 36 و 10 درصد کاهش می یابد و همبستگی به ترتیب 16 و 22 درصد در مقیاس منطقه ای و نقطه ای بهبود می یابد. بزرگترین پیشرفت در مناطق با تنوع بزرگ در بارندگی سالیانه مشاهده می شود، جایی که آبهای زیرزمینی شبیه سازی شده به تغییرات جبری جو بسیار واکنش نشان می دهند. تأثیرات مثبت هماهنگ سازی GRACE با استفاده از داده های کم جریان مشاهده شده بیشتر نشان داده می شود. عملکرد هماهنگ سازی داده های CLSM و GRACE نیز در بین دسته های مختلف نفوذپذیری مورد بررسی قرار می گیرد. این ارزیابی نشان می دهد که هنگامی که صحبت از شبیه سازی تغییرات واقعی آب زیرزمینی در مناطق با برداشت شدید آب زیرزمینی است، هماهنگ سازی داده های GRACE نمی تواند فقدان یک طرح برداشت آب زیرزمینی را در CLSM جبران کند. آبهای زیرزمینی شبیه سازی شده CLSM با ناهنجاری های بارش 12 ماهه در مناطق کم و عرض جغرافیایی ارتباط زیادی دارد. یک شاخص خشکسالی آب زیرزمینی بر اساس تجزیه و تحلیل داده های GRACE به طور کلی با سایر شاخص های خشکسالی در مقیاس منطقه ای همخوان است، اختلافات عمدتا در شدت خشکسالی برآورد شده آنها است.

3. نتایج و بحث

آ. تأثیر GRACE-DA بر تنوع آبهای زیرزمینی

نسبت انحراف استاندارد، ترجمه تغییرات در دامنه های میانگین GWS که توسط GRACE-DA و OL شبیه سازی شده است، تأثیرات جمع آوری داده ها بر تنوع آب زیرزمینی را نشان می دهد، همانطور که در شکل 2 نشان داده شده است. بیشترین تغییرات به دلیل دامنه TWS کمتری است که توسط GRACE مشاهده شده است، نتیجه تفکیک مکانی درشت که تنوع زیاد را در مقیاس دقیق تر صاف می کند. کاهش دامنه ها بیشتر در شرق، جنوب و مناطقی از غرب میانه قابل مشاهده است. دامنه های افزایش یافته در مناطقی از غرب ایالات متحده، تگزاس و دشت های بزرگ مشاهده می شود.

در SMS 13.1 beta، آیا می دانید می توانید دستورات را در منوی شبیه سازی کلیک راست سفارشی کنید؟ سفارشی کردن دستورات کلیک راست می تواند به پاک کردن فهرست کمک کند. برای مدل هایی مانند ADIRC یا SRH-2D، می توان منوی کلیک راست را تنظیم کرد تا دستوراتی را که بیشتر از همه استفاده می کنید، نشان دهد. به عنوان مثال، اگر گردش کار شما خواستار ذخیره پروژه، صادر کردن پرونده های شبیه سازی و اجرای هر بار شبیه سازی است، ممکن است بخواهید دستورات جداگانه ای برای هر یک از آنها نداشته باشید، در عوض فقط یک دستور را نشان دهید که همه آنها را نشان می دهد.

ما تأثیر بازیابی جاذبه و تجزیه و تحلیل داده های ماهواره های آزمایش آب و هوا (GRACE-DA) در مقداردهی اولیه پیش بینی هیدرولوژیکی فصلی ایالات متحده، با تمرکز بر ذخیره آب زیرزمینی را ارزیابی می کنیم. تخمین های ذخیره آب زمینی مبتنی بر GRACE یعنی TWS برای دوره 2003-2016 به یک مدل سطح زمین متصل می شوند. شبیه سازی سه ماهه پیش بینی شده (به عنوان مثال، پیش بینی وقایع گذشته) با استفاده از حالت های مرجع (بدون جذب داده) و GRACE-DA آغاز می شود. تفاوت بین دو شرایط اولیه هیدرولوژیکی (IHC) برای دو روش پیش بینی در 305 چاه که اندازه گیری های عمق به سطح آب در دسترس است، ارزیابی می شود. نتایج نشان می دهد که استفاده از IHC مبتنی بر GRACE-DA عملکرد پیش بینی آبهای زیرزمینی فصلی را از نظر RMSE و همبستگی بهبود می بخشد. در حالی که بیشتر مناطق بهبود را نشان می دهند، تخریب در دشت های مرتفع معمول است، جایی که برداشت برای روش های آبیاری بیشتر از تنوع آب و هوا بر تغییرات آب زیرزمینی تأثیر می گذارد، که این امر نیاز به شبیه سازی چنین فعالیت هایی را نشان می دهد. این یافته ها به تلاش های اخیر در جهت بهبود سیستم نظارت و پیش بینی خشکسالی ایالات متحده کمک می کند.

1.4 هیدروگراف واحد

1.1.4 اصول و تعاریف

هیدروگراف واحد (UH) یک حوضه آبریز به عنوان هیدروگراف حاصل از بارندگی موثر 1 میلی متر به طور مساوی در حوضه در طول زمان D تعریف می شود. مشخصات اصلی زیر هیدروگراف واحد در نظر گرفته شده است (شکل 1.4):