بررسی اثر رفتار نواحی ماندابی در مدل‌های یک بعدی هیدرودینامیک و انتقال مواد محلول در رودخانه‌ها

آب و خاک

مقاله 2، دوره 36، شماره 6 - شماره پیاپی 86، بهمن و اسفند 1401، صفحه 661-675   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.2022.77613.1181

نویسندگان

امیرحسین منتظری¹؛ سجاد خدام باشی امامی¹؛ مهدی مظاهری^{* 2}

¹گروه مهندسی و مدیریت آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران

²گروه مهندسی و مدیریت آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایراندانشگاه تربیت مدرس

چکیده

بیان رودخانه به عنوان مسئلۀ یک بعدی باعث شده بسیاری از عوامل دخیل در انتقال آلاینده در رودخانه ساده شوند و یا در نظر گرفته نشوند. در رودخانه‌ها نواحی نگهداشت عاملی اثرگذار در کیفیت آب می‌باشند. عموماً محدودیت داده‌های مشاهداتی که یکی از عوامل محدود کننده استفاده از مدل‌های دوبعدی و سه‌بعدی است باعث استفاده گسترده‌تر از مدل‌های یک‌بعدی شده است. اکثر مدل‌های تجاری موجود بر اساس معادله انتقال– انتشار کلاسیک توسعه یافته‌اند و نواحی نگهداشت را در نظر نمی‌گیرند. به این منظور برای مدل‌سازی تأثیرات نواحی ماندابی از سرعت و ضریب پراکندگی مؤثر به عنوان روشی برای بهبود عملکرد معادلۀ انتقال- انتشار پیشنهاد شده است. سرعت و ضریب پراکندگی مؤثر، از طریق اصلاح سرعت متوسط جریان و ضریب پراکندگی طولی، با نسبت مساحت سطح مقطع ناحیۀ ماندابی به سطح مقطع عرضی رودخانه تعریف می‌شوند. با جای‌گذاری این پارامترها در حل معادلات سنت– ونانت و انتقال– انتشار در مدل‌های یک‌بعدی می‌توان نتایج را بهبود بخشید. در این مطالعه برای اثبات بهبود عملکرد مدل از MIKE11 به عنوان نماینده‌ای از مدل‌های یک بعدی اعمال و رودخانۀ اروند با آن مورد بررسی قرار گرفت. برای واسنجی و صحت‌سنجی مدل از داده‌های مشاهداتی غلظت در طول رودخانه استفاده شد. پارامتر‌های فاکتور پراکندگی و توان پراکندگی همراه با نسبت مساحت سطح مقطع ناحیۀ ماندابی به سطح مقطع عرضی رودخانه برای ایستگاه sehan در 123 کیلومتری از القرنه، با الگوریتم بهینه سازی کلونی مورچگان برآورد شد و برای ایستگاه‌های Faw و Dweeb با داده‌های غلظت مورد صحت‌سنجی قرار گرفت. در ایستگاه Sehan، Dweeb و Faw سه پارامتر خطای ضریب همبستگی، نش- ساتکلیف و جذر میانگین مربعات در مدل اصلاح شده کاهش یافته و به عنوان مثال پارامتر آماری خطای جذر میانگین مربعات به ترتیب به 78/1، 27/1 و 84/0 کاهش می‌یابد؛ بنابراین اصلاحات حاکی از بهبود نتایج پیش‌بینی طبق مدل مفهومی جدید است.

کلیدواژه‌ها

اروندرود؛ الگوریتم مورچگان؛ معادلۀ انتقال– انتشار؛ ناحیۀ نگهداشت

مراجع

1. Abarca, E., Carrera, J., Voss, C.I., & Sánchez-Vila, X. (2002). Effect of aquifer bottom morphology on seawater intrusion. 17^th Salt Water Intrusion Meeting (SWIM).
2. Abdullah, A.D., Gisen, J.I.A., Van Der Zaag, P., Savenije, H.H.G., Karim, U.F.A., Masih, I., & Popescu, I. (2016). Predicting the salt water intrusion in the Shatt al-Arab estuary using an analytical approach. Hydrology and Earth System Sciences. https://doi.org/10.5194/hess-20-4031-2016.
3. Abdullah, A.D., Masih, I., van der Zaag, P., Karim, U.F.A., Popescu, I., & Al Suhail, Q. (2015). Shatt al Arab River system under escalating pressure: a preliminary exploration of the issues and options for mitigation. International Journal of River Basin Management 13(2): 215–227.
4. Abdullah, A.D., Popescu, I., Dastgheib, A., van der Zaag, P., Masih, I., & Karim, U.F.A. (2017). Analysis of possible actions to manage the longitudinal changes of water salinity in a tidal river. Water Resources Management 31(7): 2157–2171.
5. Al-Aesawi, Q., Al-Nasrawi, A.K.M., Jones, B.G., & Yang, S.-Q. (2021). Geomatic freshwater discharge estimations and their effect on saltwater intrusion in alluvial systems: a case study in Shatt Al-Arab estuary. Environmental Earth Sciences 80(18): 1–15.
6. Al-Asadi, S.A.R. (2017). The future of freshwater in Shatt Al-Arab River (Southern Iraq). Journal Geography Geology 9(2): 24–38.
7. Al-Battat, M.Q. (2019). Empirical prediction model of salt intrusion along Shatt Al-Arab River, southern Iraq. Mesopotamian Journal of Marine Sciences 34(1): 1–12.
8. Al-Taei, S.A., Alfartusi, A.J., & Abdulhussein, I.A. (2019). Determination of hydrodynamic resistance coefficient (Manning’s coefficient) in Shatt Al Arab River, southern of Iraq-Basrah. Journal of Engineering and Sustainable Development 23(03).
9. Blum, C. (2005). Ant colony optimization: Introduction and recent trends. Physics of Life Reviews 2(4): 353–373.
10. Chapra, S.C. (2008). Surface water-quality modeling. Waveland press.
11. Cheme, E.K., Mazaheri, M., Karami Cheme, E., & Mazaheri, M. (2021). The effect of neglecting spatial variations of the parameters in pollutant transport modeling in rivers. Environmental Fluid Mechanics 21(3): 587–603.
12. Choi, S.Y., Seo, I.W., & Kim, Y.-O. (2020). Parameter uncertainty estimation of transient storage model using Bayesian inference with formal likelihood based on breakthrough curve segmentation. Environmental Modelling & Software 123: 104558.
13. (2016). ‘Mike 11 – User Guide’. Danish Hydraulic Institute, p. 512.
14. Dorigo, M., Birattari, M., & Stutzle, T. (2006). Ant colony optimization. IEEE Computational Intelligence Magazine 1(4): 28–39.
15. Dorigo, M., & Stützle, T. (2019). Ant colony optimization: overview and recent advances. Handbook of Metaheuristics 311–351.
16. Eslami, S., Hoekstra, P., Nguyen Trung, N., Ahmed Kantoush, S., Van Binh, D., Do Dung, D., Tran Quang, T., & van der Vegt, M. (2019). Tidal amplification and salt intrusion in the Mekong Delta driven by anthropogenic sediment starvation. Scientific Reports 9(1): 1–10.
17. Etemad-Shahidi, A., Parsa, J., & Hajiani, M. (2011). Salinity intrusion length: comparison of different approaches. Proceedings of the Institution of Civil Engineers-Maritime Engineering 164(1): 33–42.
18. Gong, W., Lin, Z., Zhang, H., & Lin, H. (2022). The response of salt intrusion to changes in river discharge, tidal range, and winds, based on wavelet analysis in the Modaomen estuary, China. Ocean & Coastal Management 219: 106060.
19. Gooseff, M.N., Wondzell, S.M., Haggerty, R., & Anderson, J. (2003). Comparing transient storage modeling and residence time distribution (RTD) analysis in geomorphically varied reaches in the Lookout Creek basin, Oregon, USA. Advances in Water Resources 26(9): 925–937. https://doi.org/10.1016/S0309-1708(03)00105-2.
20. Guo, Y. (2022). Hydrodynamics in Estuaries and Coast: Analysis and Modeling. In Water 14(9): 1478. MDPI.
21. Haddout, S., Priya, K.L., & Adarsh, S. (2020). A predictive model for salt intrusion in estuaries applied to the Muthupet estuary (India) and Bouregreg estuary (Morocco). ISH Journal of Hydraulic Engineering 26(4): 430–447.
22. Hussain, M.S., Abd-Elhamid, H.F., Javadi, A.A., & Sherif, M.M. (2019). Management of seawater intrusion in coastal aquifers: a review. Water 11(12): 2467.
23. Kanda, E.K., Kosgei, J.R., & Kipkorir, E.C. (2015). Simulation of organic carbon loading using MIKE 11 model: a case of River Nzoia, Kenya. Water Practice and Technology 10(2): 298–304.
24. Kelleher, C., Wagener, T., McGlynn, B., Ward, A.S., Gooseff, M.N., & Payn, R.A. (2013). Identifiability of transient storage model parameters along a mountain stream. Water Resources Research 49(9): 5290–5306.
25. Khodambashi Emami, S., & Mazaheri, M. (2022). 'Sensitivity analysis of transient storage parameters in mathematical modeling of pollution transport in rivers containing storage Zone', Irrigation Sciences and Engineering. (In Persian with English abstract). https://doi.org/10.22055/jise.2022.39365.2009.
26. Kwon, S., Noh, H., Seo, I.W., Jung, S.H., & Baek, D. (2021). Identification framework of contaminant spill in rivers using machine learning with breakthrough curve analysis. International Journal of Environmental Research and Public Health 18(3): 1023.
27. Lafta, A.A. (2022). Numerical assessment of Karun river influence on salinity intrusion in the Shatt Al-Arab river estuary, northwest of Arabian Gulf. Applied Water Science 12(6): 1–11.
28. Mai, N.T.P., Kantoush, S., Sumi, T., Thang, T.D., & Binh, D.V. (2019). The influences of tidal regime and morphology change on salinity intrusion in Hau river. E-Proceedings of the 38^th IAHR World Congress.
29. Martin, J.L., McCutcheon, S.C., & Schottman, R.W. (2018). Hydrodynamics and transport for water quality modeling. CRC press.
30. Mohamed, A.-R.M., & Abood, A.N. (2017). Compositional change in fish assemblage structure in the Shatt Al-Arab River, Iraq. Asian Journal of Applied Sciences 5(5).
31. Montazeri, A., Mazaheri, M., & Morid, S. (2022). 'Mathematical model of salinity intrusion in the Arvand Tidal river and its effect on salinity of lands around the River', Journal of Environmental Studies 48(2): 221-248. (In Persian with English abstract). https://doi.org/10.22059/jes.2022.334989.1008258.
32. Montazeri, A., Mazaheri, M., Morid, S., & Mosaddeghi, M.R. (2023). Effects of upstream activities of Tigris-Euphrates River Basin on water and soil resources of Shatt al-Arab Border River. Science of The Total Environment858: 159751.
33. Nhung, T.T., Le Vo, P., Van Nghi, V., & Bang, H.Q. (2019). Salt intrusion adaptation measures for sustainable agricultural development under climate change effects: A case of Ca Mau Peninsula, Vietnam. Climate Risk Management 23: 88–100.
34. Pereira, H., Sousa, M.C., Vieira, L.R., Morgado, F., & Dias, J.M. (2022). Modelling salt intrusion and estuarine plumes under cimate change scenarios in two transitional ecosystems from the NW Atlantic coast. Journal of Marine Science and Engineering 10(2): 262.
35. Rana, S.M.M., Boccelli, D.L., Scott, D.T., & Hester, E.T. (2019). Parameter uncertainty with flow variation of the one-dimensional solute transport model for small streams using Markov chain Monte Carlo. Journal of Hydrology. https://doi.org/10.1016/j.jhydrol.2019.06.003.
36. Runkel, R.L. (1998). One-dimensional transport with inflow and storage (OTIS): A solute transport model for streams and rivers (Vol. 98, Issue 4018). US Department of the Interior, US Geological Survey.
37. Saadat, A.M., Mazaheri, M., & MV Samani, J. (2022). Backward solution (in-time) of the pollution transport equation in river using group preserving scheme. Ferdowsi Civil Engineering. https://doi.org/10.22067/jfcei.2022.77645.1165.
38. Savenije, H.H.G. (2005). Salinity and tides in alluvial estuaries. Gulf Professional Publishing.
39. Seo, I.W., & Cheong, T.S. (2001). Moment-based calculation of parameters for the storage zone model for river dispersion. Journal of Hydraulic Engineering 127(6): 453–465.
40. Singh, S.K. (2003). Treatment of Stagnant zones in riverine advection-dispersion. Journal of Hydraulic Engineering 129(6). https://doi.org/10.1061/(asce)0733-9429(2003)129:6(470).
41. Singh, S.K. (2008). Comparing three models for treatment of Stagnant zones in riverine transport. Journal of Irrigation and Drainage Engineering 134(6). https://doi.org/10.1061/(asce)0733-9437(2008)134:6(853).
42. Tables, A.T. (2014). NP203 admiralty tide tables (ATT), vol 3 Indian Ocean and South China Sea (including Tidal Stream Tables). Hydrographer to the Navy, Admiralty Hydrography Department Place.
43. Tong, Y., & Deng, Z. (2015). Moment-based method for identification of pollution source in rivers. Journal of Environmental Engineering 141(10): 4015026.
44. UNEP, H. (2001). The Mesopotamian Marshlands: demise of an ecosystem. Division of Early Warning and Assessment, United Nations Environment Program (UNEP) Nairobi, Kenya, 46.
45. Ward, A.S., Kelleher, C.A., Mason, S.J.K., Wagener, T., McIntyre, N., McGlynn, B., Runkel, R. L., & Payn, R. A. (2017). A software tool to assess uncertainty in transient-storage model parameters using Monte Carlo simulations. Freshwater Science. https://doi.org/10.1086/690444.
46. Winn, K.O., Saynor, M.J., Eliot, M.J., & Elio, I. (2006). Saltwater intrusion and morphological change at the mouth of the East Alligator River, Northern Territory. Journal of Coastal Research 22(1): 137–149.
47. Yu, Q., Wang, Y., Gao, S., & Flemming, B. (2012). Modeling the formation of a sand bar within a large funnel-shaped, tide-dominated estuary: Qiantangjiang Estuary, China. Marine Geology 299: 63–76.
48. Zaghiyan, M.R., & Ketabchi, H. (2022). Investigating the relationship between the river flow and dissolved solids concentration. Proceedings of the Institution of Civil Engineers-Water Management 175(2): 89–97.
49. Zaramella, M., Marion, A., Lewandowski, J., & Nützmann, G. (2016). Assessment of transient storage exchange and advection–dispersion mechanisms from concentration signatures along breakthrough curves. Journal of Hydrology 538: 794–801.