مطالعه آزمایشگاهی تاثیر پوشش گیاهی انعطاف¬پذیر دشت سیلابی بر ضریب انتشار طولی در کانال¬های مئاندر
محورهای موضوعی : برگرفته از پایان نامهزهرا حیدری حنایی 1 , رضا محمدپور 2
1 - دانشجوی دکتری آب و سازه¬های هیدرولیکی دانشگاه آزاد اسلامی واحد استهبان، ایران
2 - استادیار گروه آب واحد استهبان، دانشگاه آزاد اسلامی واحد استهبان، ایران
کلید واژه: ضریب انتشار, کانال مرکب, دشت سیلابی, کانال مئاندر, آلودگی,
چکیده مقاله :
|
مقدمه: آلودگی رودخانه می تواند موجب از بین بردن کامل گونههای زیستی و همچنین تهدیدهای جدی برای شهرها و جوامع انسانی باشد، بنابراین آگاهی از نحوه پخش آلودگی در رودخانهها بسیار حائز اهمیت است. با توجه به اینکه اکثر تحقیقات انجام شده پیرامون ضریب انتشار آلودگی مربوط به گیاهان صلب بوده لذا نوآوری این تحقیق بررسی تاثیر پوشش گیاهی انعطاف¬پذیر در دشت سیلابی بر ضریب انتشار طولی در مقاطع مئاندر مرکب است روش: آزمایشها در یک کانال قوسی شکل به طول 60 متر، عرض 2/1 متر و ارتفاع 5/0 متر انجام شد. پوشش گیاهی در قسمت دشت سیلابی به عرض 0.6 متر و با تراکم 0.785 با استفاده از گیاهان انعطافپذیر انجام شد. یافته ها: نتایج نشان می دهد که پوشش گیاهی انعطاف پذیر در قسمت دشت سیلابی موجب کاهش پخشیدگی در دشت سیلابی و افزایش آن تا حدود 8 برابر در کانال اصلی کانال می گردد. در عمق نسبی کم، ضریب متوسط انتشار طولی در کانالهای با پوشش گیاهی 32.6 % بیشتر از کانالهای بدون پوشش گیاهی است. این در حالی است که با افزایش عمق نسبی و در عمق نسبی حدود 0.2 ضریب انتشار طولی در دشت سیلابی و کانال اصلی برابر خواهد بود . با افزایش مجدد عمق نسبی میزان ضریب انتشار در کانالهای بدون پوشش گیاهی بیشتر از کانالهای با پوشش گیاهی می گردد. این در حالی است که در کانالهای مرکب بدون پوشش گیاهی ضریب انتشار طولی در دشت سیلابی و کانال اصلی با افزایش عمق نسبی به ترتیب روند افزایشی و کاهشی دارد. |
نتیجه گیری: یافتهها نشان دادند که حضور پوشش گیاهی انعطافپذیر در دشت سیلابی، موجب کاهش چشمگیر پراکندگی در ناحیه دشت سیلابی شده، اما همزمان باعث افزایش پراکندگی در کانال اصلی گردید که این امر نشاندهنده تغییر عمده در مکانیزم انتقال جرمی است. در نهایت، ساختار پوشش گیاهی (از جمله انعطافپذیری و چیدمان) عاملی تعیینکننده در مدیریت انتقال آلایندهها در سیستمهای رودخانهای است و باید در مدلسازیهای هیدرودینامیکی لحاظ گردد.
Introduction: Pollution in rivers can eradicate biological species and pose significant threats to urban areas and human communities, making it crucial to understand how pollution spreads in these waterways. Most research on pollution dispersion coefficients has focused on solid vegetation; this study innovatively explores the effect of flexible vegetation in floodplains on longitudinal dispersion in compound meandering sections.
Methods: Experiments were conducted in a 60-meter-long, 1.2-meter-wide, and 0.5-meter-high curved flume, with a 0.6-meter-wide vegetative cover at a density of 0.785 using flexible plants.
Findings: Results indicate that flexible vegetation in the floodplain reduces dispersion there but increases it in the main channel. Flow depth significantly influences the dispersion coefficient at low relative depths, the average dispersion coefficient in vegetated channels is 32.6% higher than in un-vegetated ones. However, as relative depth increases to about 0.2, the dispersion coefficients in both channels equalize. With further increases in relative depth, the dispersion coefficient in un-vegetated channels surpasses that in vegetated ones, unlike in compound channels without vegetation, where dispersion coefficients in the floodplain decrease and in the main channel increase with depth.
1-Süme, V., Daneshfaraz, R., Kerim, A., Abbaszadeh, H., & Abraham, J. (2024). Investigation of clean energy production in drinking water networks. Water Resources Management, 38(6), 2189-2208.
2- Hamidifar, H. and M. H. Omid (2020). "Effects of Vegetation Arrangement and Floodplain-main Channel Interaction on the Longitudinal Dispersion Coefficient in Compound Channels %J Iranian Journal of Soil and Water Research." 51(2): 479-488.
3-Izadinia, E., Saadatpour, A., Heidarpour, M. (2016). 'Estimating Longitudinal Dispersion Coefficient of Pollutants in Open Channel Flows Using Artificial Neural Networks', Water and Soil Science, 26(1-2), pp. 225-238.
4- Boxall, J. B., & Guymer, I. (2003). Analysis and prediction of transverse mixing coefficients in natural channels. Journal of Hydraulic Engineering,129(2), 129-139.
5- Fischer, H. B., List, J. E., Koh, C. R., Imberger, J., & Brooks, N. H. (1979). Mixing in inland and coastal waters. Elsevier. Academic press.
6- Shahsavari, H., Khodashenas, S. R., & Esmaili, K. (2020). Investigating the effect of rigid non-submerged artificial vegetation on flow characteristics in Compound Meander Channel. Journal of Hydraulics, 15(2), 131-147.
7-Yang, L., Fang, H. Z., Yang, Z. H., & Huai, W. X. (2023). Longitudinal dispersive coefficient in channels with aquatic vegetation: A review. Journal of Hydrodynamics, 35(3), 379-395.
8- Abbaszadeh, H., Daneshfaraz, R., & Norouzi, R. (2023). Experimental investigation of hydraulic jump parameters in sill application mode with various synthesis. Journal of Hydraulic Structures, 9(1), 18-42.
9- Rutherford, J. C. (1994). River mixing. John Wiley & Son Ltd
10- Mohammadpour, R., Ghani, A. A. & Azamathulla, H. M. 2013. Numerical modeling of 3-D flow on porous broad crested weirs. Applied Mathematical Modelling, 37, 9324-9337.
11- Maryami, E., Mohammadpour, R., Beirami, M. K. & Haghighi, A. T. 2021. Prediction of hydraulic jump characteristics in a closed conduit using numerical and analytical methods. Flow Measurement and Instrumentation, 82, 102071.
12- Mohammadpour, R., Zainalfikry, M. K., Zakaria, N. A., Ghani, A. A. & Weng Chan, N. 2019. Manning's roughness coefficient for ecological subsurface channel with modules. International Journal of River Basin Management, 18, 349-361.
13- Wang, M., Avital, E., Korakianitis, T., Williams, J., & Ai, K. (2021). A numerical study on the influence of curvature ratio and vegetation density on a partially vegetated U-bend channel flow. Advances in Water Resources, 148, 103843.
14- Asif, M., Ghani, U., Pasha, G. A., Ullah, M. K. & Ali, S. 2024. 3D numerical investigation of flow behavior in an open channel with uniform and layered vegetation patches under varying submergence conditions. Ain Shams Engineering Journal, 15, 102288.
15- Omid, M. H. and A. Keshavarzi (2015). "Effect of Floodplain Submerged and Non-submerged Vegetation on the Transverse Mixing Coefficient of Pollutants %J Journal of Hydraulics." 10(1): 13-23.
16- Hamidifar, H., Omid, M. H., & Keshavarzi, A. (2013). Laboratory investigation of the longitudinal diffusion coefficient of pollutants in rivers with complex cross sections. The Third Conference on Environmental Planning and Management. Tehran university. Tehran, Iran.
17-Hamidifar, H., Omid, M. H., & Keshavarzi, A. (2015). Longitudinal dispersion in waterways with vegetated floodplain. Ecological Engineering, 84, 398-407.
18-zebardast, s., S. H. Tabatabaei, F. Abbasi, M. Heidarpour and C. Gualtieri (2017). "Maximum Length of Solute Diffusion in a Parabolic Channel under Permeable and Impermeable Bed Conditions %J Water and Soil." 31(2): 399-410.
19-Zebardast, S., S.-H. Tabatabaei, F. Abbasi, M. Heidarpour and C. Gualtieri (2015). "Study of the Effect of Discharge and Bed Roughness on the Maximum Solute Diffusion Length in a Parabolic Channel %J Iranian Journal of Soil and Water Research." 46(3): 395-404.
20- Farzadkhoo, m. (2017). "» Research Note « Estimation of Longitudinal Dispersion Coefficient in Compound Channels with Two Rows of Rigid Vegetation (tree) over Floodplain %J Journal of Hydraulics." 12(1): 85-91.
21- Farzadkhoo M, Keshavarzi A, Hamidifar H, Javan M. (2018) A comparative study of longitudinal dispersion models in rigid vegetated compound meandering channels. Journal of Environmental Management.217:78-89.
22- Abbaszadeh, H., Daneshfaraz, R., Sume, V., & Abraham, J. (2024). Experimental investigation and application of soft computing models for predicting flow energy loss in arc-shaped constrictions. AQUA—Water Infrastructure, Ecosystems and Society, 73(3), 637-661.
23- Mohammadpour, R., Shaharuddin, S., Chang, C., Zakaria, N., Ghani, A. & Chan, N. 2015. Prediction of water quality index in constructed wetlands using support vector machine. Environmental Science and Pollution Research, 22, 6208-6219.
24- Noori, R., A. Karbassi and H. Mehdizadeh (2011). "Predicting the Longitudinal Dispersion Coefficient in Natural Streams Using Developed Artificial Neural Network Model %J Journal of Water and Wastewater; Ab va Fazilab (in persian)." 21(4): 104-109.
25- Abbaszadeh, H., Norouzi, R., Sume, V., Kuriqi, A., Daneshfaraz, R., & Abraham, J. (2023). Sill role effect on the flow characteristics (experimental and regression model analytical). Fluids, 8(8), 235.
