کریمی, شیرین, جباریان امیری, بهمن, ملکیان, آرش. (1397). مدلسازی اثر خصوصیات فیزیکی حوزه آبخیز بر روی کیفیت آب های سطحی و تحلیل عدم قطعیت با استفاده از شبیه ساز ی مونت کارلو. تحقیقات منابع آب ایران, 14(3), 257-262.
شیرین کریمی; بهمن جباریان امیری; آرش ملکیان. "مدلسازی اثر خصوصیات فیزیکی حوزه آبخیز بر روی کیفیت آب های سطحی و تحلیل عدم قطعیت با استفاده از شبیه ساز ی مونت کارلو". تحقیقات منابع آب ایران, 14, 3, 1397, 257-262.
کریمی, شیرین, جباریان امیری, بهمن, ملکیان, آرش. (1397). 'مدلسازی اثر خصوصیات فیزیکی حوزه آبخیز بر روی کیفیت آب های سطحی و تحلیل عدم قطعیت با استفاده از شبیه ساز ی مونت کارلو', تحقیقات منابع آب ایران, 14(3), pp. 257-262.
کریمی, شیرین, جباریان امیری, بهمن, ملکیان, آرش. مدلسازی اثر خصوصیات فیزیکی حوزه آبخیز بر روی کیفیت آب های سطحی و تحلیل عدم قطعیت با استفاده از شبیه ساز ی مونت کارلو. تحقیقات منابع آب ایران, 1397; 14(3): 257-262.
مدلسازی اثر خصوصیات فیزیکی حوزه آبخیز بر روی کیفیت آب های سطحی و تحلیل عدم قطعیت با استفاده از شبیه ساز ی مونت کارلو
1گروه محیط زیست، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
2گروه محیط زیست، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران ،کرج، ایران
3گروه احیا، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران
چکیده
مدلسازی ارتباط بین ویژگی های فیزیکی و شاخص های کیفیت آب، نقش مهمی در مدیریت یکپارچه حوزه آبخیز بازی می‌کند. علاوه بر آن در فرآیند مدلسازی همواره نا اطمینانی به‌طور ذاتی و اجتناب‌ناپذیری وجود دارد که به سبب وجود عدم قطعیت و خطا در داده‌های ورودی مدل، پارامترها و ساختار مدل است؛ بنابراین به کمیت درآوردن میزان عدم قطعیت در خروجی مدل ها برای رسیدن به پیشبینی های مطمئن در مدلسازی امری اجتناب‌ناپذیر است. در این تحقیق از داده‌های کیفیت آب، کاربری/پوشش سرزمین، نقشه ی قابلیت سرزمین و زمینشناسی مربوط به ایستگاه های هیدرومتری واقع در حوزه غربی دریای خزر استفاده شد. مدلسازی با استفاده از رگرسیون خطی با رهیافت گام‌به‌گام انجام شد و تحلیل عدم قطعیت مدل ها نیز با شبیه سازی مونت‌کارلو بررسی شد. نتایج تحلیل همبستگی و رگرسیون نشان داد تمامی این شاخص‌ها دارای همبستگی قوی مثبت با انواع کاربری های انسانی مانند کشاورزی و توسعه ی شهری هستند. این نشان می دهد که یک افزایش در زمین های کشاورزی یا کاهش در مناطق جنگلی درنهایت منجر به افت کیفیت آب خواهد شد. نتایج شبیه‌سازی مونت‌کارلو نشان داد که اگرچه ضریب تبیین برخی از مدل‌ها نسبتاً بالا است ولی احتمال تولید خروجی های منفی توسط مدل نیز بالاست. با توجه به این واقعیت که فقط مقادیر مثبت را می‌توان به متغیرهای کیفیت آب نسبت داد. علاوه بر این، ارزیابی بصری منحنی های تابع توزیع تجمعی نشان داد که مدل های Ca2+، Mg2+ و EC عدم قطعیت بالاتری از لحاظ پیشبینی در مقایسه با مدل Na+ دارند.
1N, Department of Environmental Science, Faculty of Natural Resources, University of Tehran, Karaj, Iran
2Department of Environmental Science, Faculty of Natural Resources, University of Tehran, Karaj, Iran
3Department of Watershed Science and Management, Faculty of Natural Resources, University of Tehran, Karaj, Iraد
چکیده [English]
Modeling of the relationship between physical characteristics of a catchment and water quality parameters plays a significant role in unified watershed management. In addition, in the process of modeling there is always an inevitable level of uncertainty caused by error in the input data, parameters and the structure of the model. Therefore, quantifying the uncertainty in the output of the model in order to reach certain forecasts in modeling is essential. In this research, water quality data, land use/cover, land suitability map and geological map of hydrometric stations located in the western part of the Caspian Sea were used. The modeling was done using Multiple Linear Regression Stepwise Method, while the model uncertainty analysis was examined using Monte Carlo simulation. Based on the results of the correlation and regression analyses, it could be concluded that all these parameters have a strong positive correlation with a variety of human activities such as agriculture and urban development. This indicated that an increase in agricultural land or a decline in forest areas will ultimately lead to a decline in water quality. The results of the Monte Carlo simulation shows that although some models have high R-squared values, the possibility of generation of negative outputs (Pr
کلیدواژه‌ها [English]
Modeling, Uncertainty analysis, Linear Regression, Monte Carlo Simulation
ابتدای صفحه