اثر ويژگي‌هاي فيزيكي حوزه آبخيز بر خصوصيات رسوب شناسي و ريخت‌سنجي رسوبات بستر در جهت پاياب : مطالعه موردي از حوزه‌ قلعه‌سر در استان مازندران

The effects of watershed physical properties on bed load morphometric and sedimentologic characteristics along downstream: a case study from Ghalesar watershed in Mazandaran Province

عوامل زمين شناسي و رسوب‌شناسي در تغييرات اندازه مواد بستر در جهت پايين دست رودخانه موثر هستند و مي توان در جهت شناخت فرآيندهاي هيدرولوژي حوزه آبخيز و همچنين در طراحي سازه‌هاي هيدروليكي و مديرت مخازن استفاده نمود. به همين منظور اين پژوهش در حوزه آبخيز قلعه سر با طول رودخانه اصلي 24 كيلومتر در حوزه آبخيز قلعه سر در استان مازندران انجام گرفت. در اين پژوهش، پس از شناسايي منطقه مورد نظر، رسوبات از 11 مقطع در طول آبراهه اصلي در جهت پايين دست رودخانه به روش تركيبي نمونه برداري شد. سپس خصوصيات ريخت سنجي رسوبات بستر با استفاده از روش الك و دستگاه گراولومتر و در نهايت با استفاده از نرم افزار GRADISTAT تعيين شد. همچنين خصوصيات فيزيكي حوزه آبخيز در محيط نرم افزار Arc/GIS 9.2 بدست آمد. در نهايت به منظور تعيين موثرترين ويژگي هاي فيزيكي حوزه بر خصوصيات ريخت سنجي رسوبات بستر، جهت تحليل داده ها از نرم افزار SPSS 16 استفاده شد. نتايج رگرسيوني دو متغيره نشان داد كه بهترين مدل بدست آمده بين فاكتور D50 با آبراهه رتبه 1 و در رگرسيون چند متغيره بين فاكتور D50 با فاصله از بالادست بوده است.

Litnology and sedimentology factors affect on downstream changes in bed load shape and can be useful to detect watershed hydrological processes as they are very important to design hydraulic structures and reservoir management. This research was conducted in Qalesar River in Mazandaran Province with main river length of 24 Kilometers. After recognition of the study area, 11 sections were selected toward downstream for bed load sampling. Laboratory analysis were done using gravel meter and sieving method to measure and calculate some bed load shape characteristics. Also physical properties of each sub-watershed were extracted using Arc/GIS 9.2 software. Finally, in order to determine most effective physical characteristics on bed load shape, data were analyzed using SPSS 16. Results of statistical analysis indicate the best model between D50 and length of 1 order channel in bivariate regression equations and between D50 and distance from upstream in multi-variate regression equations.