محاسبه ضریب پخش طولی و مدل‌سازی انتشار آلودگی در رودخانه‌ها (مطالعه موردی: رودخانه Severn و Narew)

آب و خاک

مقاله 2، دوره 29، شماره 5، آذر 1394، صفحه 1070-1085   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v29i5.25007

نویسندگان

عباس پارسائی^* ؛ امیرحمزه حقی آبی

دانشگاه لرستان

چکیده

مدل‌سازی انتشار آلودگی در رودخانه یکی از مهم‌ترین مسائل بخش مهندسی محیط زیست است. معادله حاکم بر انتشار آلودگی در رودخانه‌ها، معادله انتقال و پخش است. در توسعه مدل‌های کامپیوتری جهت شبیه‌سازی انتشار آلودگی در آبراهه‌ها علاوه بر حل عددی معادله حرکت، نیاز به تخمین ضریب پخشیدگی نیز است. در این مقاله برای توسعه مدل کامپیوتری، معادله حرکت با استفاده از روش حجم محدود گسسته و برای تخمین ضریب پخش آلودگی نیز از روش روندیابی غلظت و فرمول‌های تجربی فراوانی بکار گرفته شده است. نتایج ارزیابی فرمول‌های تجربی نشان داد که این فرمول‌ها به خاطر اینکه پدیدآورندگان آن‌ها به خاطر ساده‌سازی که در مرحله مدل‌سازی صورت می‌گیرد دارای دقت مناسب نیستند. به جهت صحت سنجی عملکرد مدل عددی توسعه داده شده، انتشار آلودگی در دو رودخانه سورن و ناریو انگلستان مدل‌سازی شد. انتخاب این دو رودخانه به دلیل در دسترس بودن اطلاعات هندسی، هیدرولیکی و همچنین پروفیل غلظت اندازه‌گیری شده در ایستگاه‌های مختلف بوده است. نتایج نشان می‌دهد که مدل توسعه داده برای شبیه‌سازی انتشار آلودگی در رودخانه‌ سورن دارای دقتی برابر با (R2=0.86) و برای رودخانه ناریو (R2=0.91) می‌باشد و ارزیابی کلی نتایج مدل عددی دقت مناسب آن را تأیید می‌نماید.

کلیدواژه‌ها

روند یابی غلظت؛ ضریب پخشیدگی؛ مدل عددی انتقال آلودگی؛ معادله انتقال و پخش

مراجع

1- Riahi-Madvar, H., et al., An expert system for predicting longitudinal dispersion coefficient in natural streams by using ANFIS. Expert Systems with Applications, 2009. 36(4): p. 8589-8596.

2- Mahmoudian Shooshtari, M., principles of open channel flow. Vol. 2. 2003, Ahvaz: Shahid Chamran University. 486.

3- Baghbanpour*, S. and S. M. Kashefipour, Numerical Modeling of Suspended Sediment Transport in Rivers (Case Study: Karkheh River). JWSS - Isfahan University of Technology, 2012. 16(61): p. 45-58.

4- Mirbagheri, S., M. Abaspour, and K. Zamani, Mathematical modeling of water quality in river systems. 2009.

5- Mahdavi, A., S.M. Kashefipour, and M.H. Omid, Effect of sorption process on cadmium transport. Proceedings of the Institution of Civil Engineers - Water Management, 2013. 166(3): p. 152-162.

6- Benedini, M. and G. Tsakiris, Water quality modelling for rivers and streams. 2013: Springer Science & Business Media.

7- Szymkiewicz, R., Numerical Solution of the Advection Equation, in Numerical Modeling in Open Channel Hydraulics. 2010, Springer Netherlands. p. 219-261.

8- Parsaie, A. and A. Haghiabi, The Effect of Predicting Discharge Coefficient by Neural Network on Increasing the Numerical Modeling Accuracy of Flow Over Side Weir. Water Resources Management, 2015. 29(4): p. 973-985.

9- Parsaie, A., A. Haghiabi, and A. Moradinejad, CFD modeling of flow pattern in spillway’s approach channel. Sustainable Water Resources Management, 2015. 1(3): p. 245-251.

10- Parsaie, A., H. Yonesi, and S. Najafian, Predictive modeling of discharge in compound open channel by support vector machine technique. Modeling Earth Systems and Environment, 2015. 1(2): p. 1-6.

11- Parsaie, A. and A. Haghiabi, Computational Modeling of Pollution Transmission in Rivers. Applied Water Science, 2015: p. 1-10.

12- Kashefipour, S.M. and A. Roshanfekr, Numerical modelling of heavy metals transport processes in riverine basins. 2012: INTECH Open Access Publisher.

13- Kashefipour, S.M., B. Lin, and R.A. Falconer, Dynamic modelling of bacterial concentrations in coastal waters: effects of solar radiation on decay. 2002.

14- Ataie-Ashtiani, B., D.A. Lockington, and R.E. Volker, Truncation errors in finite difference models for solute transport equation with first-order reaction. Journal of Contaminant Hydrology, 1999. 35(4): p. 409-428.

15- Ataie-Ashtiani, B. and S.A. Hosseini, Error analysis of finite difference methods for two-dimensional advection–dispersion–reaction equation. Advances in Water Resources, 2005. 28(8): p. 793-806.

16- Naseri Maleki, M. and S.M. Kashefipour, Application of Numerical Modeling for Solution of Flow Equations and Estimation of Water Quality Pollutants in Rivers (Case Study: Karkheh River). Civil and Environmental Engineering, 2012. 42.3(68): p. 51-60.

17- Givehchi, M., M. Faghfour Maghrebi, and J. Abrishami, Application of Depth-Averaged Velocity Profile for Estimation of Longitudinal Dispersion in Rivers. Ab va Fazilab Journal, 2009. 20(4): p. 91-96.

18- Riahi Modvar, H. and S.A. Ayyoubzadeh, Estimating Longitudinal Dispersion Coefficient of Pollutants Using Adaptive Neuro-Fuzzy Inference System. Ab va Fazilab Journal, 2008. 19(3): p. 34-46.

19- IZADINIA, E. and K.J. ABEDI, INVESTIGATION OF LONGITUDINAL DISPERSION COEFFICIENT IN RIVERS. 2011.

20- Banejad, H., et al., Numerical Simulation of the Flow and Contaminant Transport in Groundwater, Case Study: Nahavand Plain Aquifer. Water and Soil Science, 2013. 23(2): p. 43-57.

21- Shen, C., et al., Estimating longitudinal dispersion in rivers using Acoustic Doppler Current Profilers. Advances in Water Resources, 2010. 33(6): p. 615-623.

22- Seo, I.W. and T.S. Cheong, Predicting Longitudinal Dispersion Coefficient in Natural Streams. Journal of Hydraulic Engineering, 1998. 124(1): p. 25-32.

23- Atkinson, T. and P. Davis, Longitudinal dispersion in natural channels: l. Experimental results from the River Severn, UK. Hydrology and Earth System Sciences Discussions, 2000. 4(3): p. 345-353.

24- Davis, P. and T. Atkinson, Longitudinal dispersion in natural channels: 3. An aggregated dead zone model applied to the River Severn, UK. HYDROL EARTH SYST SC, 2000. 4(3): p. 373-381.

25- Davis, P., T. Atkinson, and T. Wigley, Longitudinal dispersion in natural channels: 2. The roles of shear flow dispersion and dead zones in the River Severn, UK. Hydrology and Earth System Sciences Discussions, 2000. 4(3): p. 355-371.

26- Zeng, Y. and W. Huai, Estimation of longitudinal dispersion coefficient in rivers. Journal of Hydro-environment Research, 2014. 8(1): p. 2-8.

27- Najafzadeh, M. and A.A. Sattar, Neuro-Fuzzy GMDH Approach to Predict Longitudinal Dispersion in Water Networks. Water Resources Management, 2015. 29(7): p. 2205-2219.

28- Sattar, A.M.A. and B. Gharabaghi, Gene expression models for prediction of longitudinal dispersion coefficient in streams. Journal of Hydrology, 2015. 524(0): p. 587-596.

29- Azamathulla, H. and A. Ghani, Genetic Programming for Predicting Longitudinal Dispersion Coefficients in Streams. Water Resources Management, 2011. 25(6): p. 1537-1544.

30- Azamathulla, H.M. and F.-C. Wu, Support vector machine approach for longitudinal dispersion coefficients in natural streams. Applied Soft Computing, 2011. 11(2): p. 2902-2905.

31- Noori, R., et al., How Reliable Are ANN, ANFIS, and SVM Techniques for Predicting Longitudinal Dispersion Coefficient in Natural Rivers? Journal of Hydraulic Engineering, 2015. 0(0): p. 04015039.

32- Noori, R., et al., Predicting the Longitudinal Dispersion Coefficient Using Support Vector Machine and Adaptive Neuro-Fuzzy Inference System Techniques. Environmental Engineering Science, 2009. 26(10): p. 1503-1510.

33- Noori, R., et al., A framework development for predicting the longitudinal dispersion coefficient in natural streams using an artificial neural network. Environmental Progress & Sustainable Energy, 2011. 30(3): p. 439-449.

34- Kashefipour, S.M. and R.A. Falconer, Longitudinal dispersion coefficients in natural channels. Water Research, 2002. 36(6): p. 1596-1608.