مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارسپژوهش های آبخیزداری2981-231335120220321Prediction of the Discharge Rate of the Kangavar Watershed, the Province of Kermanshah, Using Gene Expression Programing and the Decision Tree Regressionپیشبینی آورد با روشهای برنامهریزی بیان ژن و وایازی درخت تصمیم با دیدگاه تغییر اقلیم در آبخیز کنگاور استان کرمانشاه21512447110.22092/wmrj.2021.354279.1403FAمریم حافظ پرست مودتاستادیار گروه علوم و مهندسی آب، دانشگاه رازی0000-0002-9910-4533فروزان پایفشردهدانشجوی کارشناسی ارشد منابع آب، دانشگاه رازیJournal Article20210421A lack of sufficient water resources, climate change, and especially global warming, is causing apprehension in societies, particularly in watershed managers. Scientists and engineers are forecasting climatic data to prevent the waste of water resources and to optimize their use in watersheds. The Aran Station in the Kangavar Watershed was chosen to predict the trend of temperature, precipitation, and runoff using the CMIP5 climate model. Benefiting from 33 years of data (1983 to 2015), the Gene Expression Programming method (GEPM) and Decision Tree methods were developed to train, test, and predict the river discharge rate. Different climate models were implemented using the historical data of the study area. The Fgoals-g2 was chosen to predict temperature and precipitation data for the 2020-2052 periods. The RCP2.5 climate scenario was used as an optimistic scenario, and the output of the change factor downscaling method was used as an input for the GEP model and the ORANGE Software to find the best prediction of the discharge parameter in the future. The results indicated that the temperature of the next cycle will increase by 13 degrees and the maximum monthly temperature will reach 31.18 degrees centigrade. The maximum monthly precipitation will increase by 4 percent and reach 169.51mm. The longtime yearly mean precipitation will change from 423.39 mm to 427.15 mm. The correlation coefficient of the test data in the GEPM was 0.70. The maximum monthly discharge will decrease 1.84 percent, from 29.31 to 28.77 cubic meters per second (m<sup>3</sup>s<sup>-1</sup>). The mean discharge will decrease 5.71 percent, from 3.33 to 3.14 cubic meters per second. The correlation coefficient of the test data in the decision tree regression method, using the ORANGE software was 0.995. The mean discharge will increase by 10 percent and reach 3.69 m<sup>3</sup>s<sup>-1</sup>. The maximum yearly discharge will decrease by 6 percent, from 7.62 to 7.12 m<sup>3</sup>s<sup>-1</sup>.تغییر اقلیم، گرمتر شدن زمین، و مدیریت نامناسب اندوختههای آب از جمله دشواریهایی است که موجب نگرانی جامعهی بشری بهویژه در مدیریت آبخیزها شده است. محققان و مهندسان برای جلوگیری از هدررفت، و بهینهسازی اندوختههای آب در این حوزهها اقلیم را پیشبینی میکنند. در این پژوهش ایستگاه آران در آبخیز کنگاور برای ارزیابی تغییر بارش، دما، و آورد در آینده با در نظرگرفتن حالتهای ممکن اقلیمی گزارش پنجم (CMIP5) در نظر گرفته شده است. با دردست داشتن اطلاعات مشاهدهیی در 33 سال از 1983 تا 2015 از روشهای برنامهریزی بیان ژن و درخت تصمیم برای آموزش، آزمون، و پیشبینی دادهها بهره گرفته شد. از میان مدلهای گوناگون اقلیمی مدل Fgoals-g2 به دلیل مشابهت بیشتر ویژگیهای آماری دادههای تاریخی با دادههای بارش و دمای منطقه برای پیشبینی در دورهی 2052- 2020 برگزیده شد. از حالت ممکن Rcp2.6 حالت خوشبینانه، و روش ریزمقیاسگردانی عاملهای تغییر، و ورودیهای مدل GEP و نرمافزارORANGE برای پیشبینی ویژگی آورد در آینده بهره گرفته شد. بیشینهی دمای ماهانه به °C 31/18 میرسد. بیشینهی میانگین بارش ماهانه در دورهی آینده نسبت به دورهی پایه حدود 4 % افزایش خواهد یافت، و به 169/51 میلیمتر میرسد. مقدار میانگین سالانهی درازمدت بارش از 423/39 میلیمتر به 427/ 15 میلیمتر افزایش خواهد یافت. ضریب همبستگی برای دادههای آزمون در روش برنامهریزی بیان ژن 0/70 بود و مقدار میانگین آورد از m<sup>3</sup>/s 3/33 به m<sup>3</sup>/s 3/14 تغییر میکند، که نشان میدهد 71/5 % کاهش خواهد یافت. در روش وایازی درخت تصمیم ضریب همبستگی 0/995 بود و میانگین آورد 10/3 % افزایش خواهد یافت و به 3/69 متر مکعب بر ثانیه خواهد رسید.https://wmrj.areeo.ac.ir/article_124471_d0a819d52c2d3c4049bbd39ceae91da9.pdfمرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارسپژوهش های آبخیزداری2981-231335120220321Increasing carbon stock potential in degraded lands and reducing atmospheric CO2 through field inoculation of cyanobacteriaافزایش انباشت کربن در زمینهای تخریبشده و کاهش دیاکسیدکربن جو با تلقیح صحرایی سیانوباکترها162712488810.22092/wmrj.2021.355077.1423FAحسین خیرفاماستادیار گروه مرتع و آبخیزداری، دانشکدهی منابع طبیعی، دانشگاه ارومیه، ایران0000-0002-5956-4420Journal Article20210710Micro-organisms of biological soil crusts have a major role in carbon (C) cycling<em> </em>and atmospheric CO<sub>2</sub> removal. Currently, the ability of erodible soils to store atmospheric C is reduced. Thus, we assessed how inoculating soil cyanobacteria onto degraded soil affects C sequestration from the atmosphere. The existing cyanobacteria (<em>Nostoc sp</em>., <em>Oscillatoria sp. and Lyngbya sp</em>.) for the C sequestration were proliferated. They were inoculated on the 40 m<sup>2</sup> plots located in degraded land. After 83 (middle of the period) and 172 (end of the period) days, we measured the effect of this inoculation on soil organic C, calculated potential C sequestration, and potential CO<sub>2</sub> removal from the atmosphere. The results showed that in the control treatment, the sequestrated carbon in the middle and at the end of the experiment was 0.25 and 0.27 g.m<sup>-2</sup>.day<sup>-1</sup>, respectively. Inoculation of cyanobacteria led to a significant increase of 312% and 226% of C sequestration in the middle and end of the experiment, respectively. After 172 days, the rate of C sequestration and removal of CO<sub>2</sub> by inoculation of cyanobacteria was estimated to be 3.59 and 13.17 ton.ha<sup>-1</sup>.year<sup>-1</sup>, respectively, which was 1.10 and 4.03 ton.ha<sup>-1</sup>.year<sup>-1</sup> in control. The results showed that inoculation of cyanobacteria by hydro-seeding technique before the wet season (early autumn) and at least 1.5 g.m<sup>-2</sup> of biomass has the desired effect, and is also approved economically. Eventually, field-scale inoculation of cyanobacteria could be considered as a bio-based tool for sustainable development goals through carbon sequestration and rehabilitation of lands.ریززیندگانِ<em> </em>پوستهی زیستیِ خاک نقش عمدهیی در چرخهی کربن و حذف دیاکسیدکربن از جو دارند. این ظرفیت بهدلیل تخریب زمینها کاهش مییابد. در این پژوهش افزایش ظرفیت خاکهای تخریبشده با تلقیح سیانوباکترها در افزایش نگهداشت (ترسیب) کربن از جو بررسی شد. سیانوباکترهای بومی (<em>Nostoc sp</em><em>.</em><em>، </em><em>O</em><em>scillatoria sp</em><em>.</em><em> </em>و<em> </em><em>Lyngbya sp</em>) مناسب برای نگهداشت کربن تکثیر، و روی خاک کرتهای m<sup>2</sup> 40 در منطقهیی تخریبشده تلقیح شد. مقدار کربن آلی، کربن نگهداشته در خاک و معادل دیاکسیدکربن برداشته از جو در سه بازهی زمانی آغاز (زمان صفر)، میانه (پس از 83 روز) و پایان (پس از 172 روز) آزمایش اندازهگیری شد. یافتهها نشان داد که در تیمار شاهد کربن نگهداشته در میانه و انتهای آزمایش بهترتیب 0/25 و 0/27 g.m<sup>-2</sup>.day<sup>-1</sup> بود. تلقیح سیانوباکترها منجر به افزایش معنیدار نگهداشت کربن در میانه و پایان آزمایش بهترتیب 312 و 226% نسبت به تیمار شاهد شد. اندازهی نگهداشت کربن و حذف دیاکسیدکربن با تلقیح سیانوباکترها پس از 172 روز بهترتیب 3/59 و 13/17 ton.ha<sup>-1</sup>.year<sup>-1</sup> تخمین زده شد که در تیمار شاهد بهترتیب 1/10 و 4/03 ton.ha<sup>-1</sup>.year<sup>-1</sup> بود. یافتهها نشان داد که تلقیح سیانوباکترها بهشکل آب-تلقیحی قبل از شروع فصل مرطوب (آغاز پاییز) و بهمقدار کمینهی g.m<sup>-2</sup> 1/5 زیتوده ضمن اثرگزاری مطلوب، از نظر اقتصادی نیز تأیید میشود. تلقیح سیانوباکترها در مقیاس صحرایی ابزاری زیستی است که باید در برنامههای توسعهی پایدار برای نگهداشت کربن و احیای زمین به آن توجه شود.https://wmrj.areeo.ac.ir/article_124888_23d9c9a9c69645f61bbeb94abc0e960e.pdfمرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارسپژوهش های آبخیزداری2981-231335120220321Ecological Potential Evaluation for the Irrigated Agriculture Using the Current Models and the New Model of EMOLUP for the Firozabad Countyارزیابی توان زیستبومی کشاورزی آبی با روش های فعلی و مدل جدید EMOLUP در شهرستان فیروزآباد283912488610.22092/wmrj.2021.354720.1416FAالمیرا اسدی فرددانشآموختهی کارشناسی ارشد مهندسی منابع طبیعی- مدیریت مناطق بیابانی، بخش مهندسی منابع طبیعی و محیط زیست، دانشکدهی کشاورزی، دانشگاه شیرازمسعود مسعودیدانشیار بخش مهندسی منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز0000-0001-7059-456XJournal Article20210529The process of assessing the ecological potential of the land, or measuring the potential of the land, is an important step before implementation. The Firoozabad Township is located in the Province of Fars. Irrigated farming provides the major income for this township. The main purpose of this research was to evaluate the ecological potential for irrigated agriculture in the Firoozabad Township based on the corrective approach of the current models and to present a new EMOLUP model (Eco- Socioeconomic Model of Land Use Planning) using the GIS. To evaluate the popular models, namely: the including Makhdoom, maximum limitation, arithmetic mean, EMOLUP model using the geometric mean, simple weight arithmetic mean (based on indicator and criteria), weight arithmetic mean (based on indicator and criteria) with considering a limiting factor was used for an assessment. To increase the accuracy of irrigated agriculture utilization, the indexes of water resources degradation and the drought risk were also added. The results indicated that the EMOLUP model had the highest overall accuracy (95.82), kappa coefficient (0.915), in-class coefficient (10.20), and average accuracy (96.36) among all of the used models. The simple indicator arithmetic mean and the simple weighted indicator arithmetic mean models showed the lowest overall accuracy among all methods. By adding these two indicators, using the EMOLUP model, and evaluating accuracy indicators with ground reality, it may be concluded that the process of classifying ecological potential assessment with the above method is more logical than other common methods used in this country.ارزیابی توان زیستبومی سرزمین یا سنجش توان سرزمین قدمی پیش از بهرهبرداری است. فیروزآباد یکی از شهرستانهای استان فارس است که اقتصاد عمدهی آن برپایهی کشاورزی است. هدف اصلی این تحقیق ارزیابی توان زیستبومی برای کشاورزی آبی در شهرستان فیروزآباد برپایهی رویکرد اصلاحی مدلهای فعلی و دادن مدل جدید EMOLUP (مدل زیستبومی و اقتصادی- اجتماعی برنامهریزی بهرهگیری زمین) با جیآیاس است. برای انجام ارزیابی از روشهای رایج کشور از جمله روشهای مخدوم، بیشینهی محدودیت، میانگینحسابی، مدل EMOLUP با بهرهگیری از میانگین هندسی، میانگینحسابی وزنی ساده و میانگینحسابی وزنی (شاخصی و معیاری) توأم با در نظرگرفتن عاملهای محدودیتزا بهره گرفتهشد. برای افزایش دادن دقت ارزیابی کاربری کشاورزی آبی، شاخص تخریب اندوختههای آب و خطر خشکسالی نیز اضافه شد. نتیجههای اعتبارسنجی نشان داد که مدل EMOLUP در میان سایر مدلها بیشترین اندازهی دقت کلی (95/82) و ضریب کاپا (0/915) و ضریب درون طبقهیی (10/20) و درستی میانگین (96/36) را گرفت. روش میانگینحسابی شاخصی و روش میانگینحسابی شاخصی وزنی ساده کمترین دقت کلی میان همهی روشها را نشان داد. در کل، با اضافه کردن این دو شاخص و با مدل EMOLUP و ارزیابی شاخصهای دقت با واقعیت زمینی میتواننتیجهگیریکرد که فرآیند طبقهبندی ارزیابی توان زیستبومی با این روش منطقیتر از سایر روشهای رایج در کشور است.https://wmrj.areeo.ac.ir/article_124886_e955e6481a5857e56e392d157f0e3cdb.pdfمرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارسپژوهش های آبخیزداری2981-231335120220321Determination of Effective factors and Assessment of Landslide Susceptibility Using Random Forest and Artificial Neural Network in Doab Samsami Region, Chaharmahal va Bakhtiari Provinceتعیین عاملهای مؤثر و ارزیابی حساسیت به زمین لغزش با روش های جنگل تصادفی و شبکهی عصبی مصنوعی در منطقهی دوآب صمصامی استان چهارمحال و بختیاری406012488710.22092/wmrj.2021.354962.1421FAکورش شیرانیدانشیار پژوهشکدهی حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران0000-0002-7520-2104رضا نادری سامانیکارشناس مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان اصفهان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اصفهان، ایرانJournal Article20210726Nowadays, landslides are among the geological hazards that data mining methods based on machine learning have been developed to model and predict. This paper addresses the development of a landslide susceptibility assessment that uses machine learning techniques and GIS. Artificial Neural Network (ANN) and Random Forest (RF) were compared for the landslide spatial modeling. The landslide susceptibility zoning maps consider 15 layers including geologic, morphologic, hydrologic, man-made parameters (independent variables) for landslide susceptibility assessment, and Doab Samsami watershed in Chaharmahal Bakhtiari province was chosen for the application of models due to data availability and the 174 total landslide occurrences (dependent variables). The relationship between effective factors and landslide occurrences was quantified and weighted using frequency ratio. Data independence was tested using linear multivariate regression analysis, tolerance, and VIF indices. In order to implement and validate the model, the landslide locations were randomly divided into two subsets, namely, training (70% of the total) and testing (30%), respectively. Subsequently, RF and ANN models were developed and the landslide susceptibility zonation map was produced. Maps were evaluated and validated using frequency ratio & seed cell area index, success rate, area under of receiver Operating characteristic (AUC-ROC). Results illustrated that the two factors of slope length and topographic wetness index have multicollinearity or information overlap and were removed from the modeling process in later stages. Effective factor analysis in both models showed that lithology, land use, and aspect slope factors had a significant effect on landslides, respectively. Also, the results of classification and validation of models showed that the random forest (RF) model (AUC-ROC = 0.919) was more accurate and efficient than the artificial neural network (AUC-ROC = 0.845) for landslide occurrence prediction. The results of this study can be used by executive administrations for management and planning in development and executive plans, including rural-urban development, accurate estimation in erosion models in watersheds, soil conservation, and natural resources protection.زمینلغزش از جمله خطرهای زمینشناسی است که امروزه روشهای دادهکاوی مبتنی بر یادگیری ماشین برای مدلسازی و پیشبینی آن توسعه داده شدهاست. هدفهای این پژوهش اولویتبندی عاملهای مؤثر، پهنهبندی و پیشبینی حساسیت به رخداد زمینلغزش با مدلهای شبکهی عصبی مصنوعی و جنگل تصادفی، و معرفی مناسبترین آنها در منطقهی دوآب صمصامی استان چهارمحال و بختیاری است. برای پهنهبندی و مدلسازی از 15 عامل زمینشناسی، ریختشناسی، آبشناسی، انسانساخت (متغیرهای مستقل) و 174 رخداد زمینلغزش شناسایی و ثبتشده (متغیر وابسته) بهرهگیری شد. رخدادهای زمینلغزش به دو دستهی دادهی آموزشی (70%) و آزمایشی (30 %) برای مدلسازی و اعتبارسنجی بهشکل تصادفی تقسیم شد. ارتباط میان عاملهای مؤثر و رخدادهای لغزشی با نسبت فراوانی کمّی و وزندار شد. برای کاهش اثر همپوشانی اطلاعاتی عاملهای مؤثر، با تحلیل وایازی چندمتغیرهی خطی، استقلال دادهها آزموده شد. برای مدلسازی و پهنهبندی حساسیت زمین لغزش، مدلهای جنگل تصادفی و شبکهی عصبی مصنوعی برازش و توسعه داده شد. نقشههای پهنه بندی حساسیت بهدستآمده از برازش دو مدل با شاخصهای نسبت فراوانی-سطح سلول هسته، نرخ توفیق، و سطح زیر منحنی ویژگی عملکرد گیرنده (AUC-ROC) ارزیابی، اعتبارسنجی و مقایسه کرده شد. نتیجههای بررسی عاملهای مؤثر در هر دو مدل نشان داد که عاملهای سنگ شناسی، کاربری و وجه شیب تأثیر بسزایی در رخداد زمین لغزشها دارند و بخش زیادی (بیش از 82%) از زمینلغزشها در ردههای حساسیت خیلیزیاد و زیاد قرار میگیرند. نتیجه ارزیابی طبقهبندی و اعتبارسنجی مدلها نشان داد که دقت و کارآمدی مدل جنگل تصادفی (0/919AUC-ROC=) در پیشبینی رخداد زمین لغزشها بیشتر از شبکهی عصبی مصنوعی (0/845AUC-ROC=) است. نتیجههای این پژوهش ممکن است برای بهرهگیری دستگاههای اجرایی در مدیریت و برنامهریزی کردن طرحهای توسعهیی و اجرایی عمرانی، توسعهی شهری، و روستایی، برآورد دقیقتر در مدلهای فرسایش و رسوب در آبخیزها، حفاظت خاک و عرصههای منابع طبیعی کشور سودمند باشد.https://wmrj.areeo.ac.ir/article_124887_295eae7e64aa13ce3577d4fbdf8d03d5.pdfمرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارسپژوهش های آبخیزداری2981-231335120220321Analysis of Institution-Stakeholder Relations for the Nested Water Governance in Downstream of the Kor River Basinتحلیل رابطههای نهاد-سودمندان برای حکمرانی شبکهیی آب در پاییندست آبخیز رود کُر617212488510.22092/wmrj.2021.353840.1394FAمجید رحیمیدانشجوی دکترای آبخیزداری، دانشکده منابع طبیعی، دانشگاه تهران0000-0002-6796-4328مهدی قربانیدانشیار دانشکده منابع طبیعی، دانشگاه تهرانآرش ملکیاندانشیار دانشکده منابع طبیعی، دانشگاه تهرانامیر علم بیگیاستادیار دانشکده اقتصاد و توسعه کشاورزی، دانشگاه تهرانJournal Article20210309Water has always been one of the most important pillars of life in natural and human societies. The expansion of human societies in natural systems and the loss of balance between water production and supply by watersheds to meet theirs water needs have turned the language of communication in the water sector into a language of conflict. Although human communities are increasingly trying to exploit available water resources, the importance of water and the growing need for it needs attention to be paid to the joint use and respect for each stakeholder's rights, mutual understanding, and respect for the rights of others. On the other hand, extensive studies indicate the ability of local communities and organizations to make sustainable use of shared resources and show how local groups are able to prevent the destruction of these resources by relying on their capabilities. Therefore, in this study, in order to investigate the ability of local communities to change the water governance regime downstream of the Kor River Basin, the social network analysis method and its application in determining the water governance regime was used. Macro-level indicators of the social networks, including density index and network centralization index were used. The results of the analysis of the social network of the local community of Moezabad-e-Gourgir village showed that there is considerable social capital in the connection of trust and participation in this village. On the other hand, the results of network analysis at the organizational level also showed a low level of cooperation and coordination and a high centralization of power (centralized governance regime). By integrating the local community network into the organizational network, the centralization decreased by 31% and changed the water governance regime to a fragmented regime. But due to the lack of proper relations between organizations and the local community, the level of cooperation is still low. Therefore, in order to achieve a polycentric governance regime, it is very important to increase the relations between organizations and local communities based on cooperative and participatory relations. This can increase the adaptive capacity of the socio-ecological system of the Kor river basin to change.آب یکی از مهمترین رکنهای وجود زندگی در جامعههای طبیعی و انسانی است. گسترش جامعههای انسانی در نظامهای طبیعی و از میانرفتن تعادل تولید و عرضهی آب در آبخیزها برای پاسخدادن به تقاضای نیاز آبی آنها باعث تبدیلشدن زبان مفاهمه در بخش آب به زبان مخاصمه شده است. اگرچه اهمیت آب و نیاز روزافزون به آن موجب تلاش جامعه برای بهرهبرداری از اندوختههای دسترس آب میشود، درک متقابل و احترام به حقوق دیگر سودمندان ایجاب میکند که سودبران این اندوختهها به بهرهبرداری مشترک و رعایت حقوق یکدیگر نیز توجه داشته باشند. پژوهشهای گستردهیی توانایی جامعهها و تشکلهای محلی را برای بهرهبرداری پایدار از اندوختههای مشترک نشان داده است، و نشان داده است که چگونه گروههای محلی میتوانند با اتکا به تواناییهای خود از تخریب این اندوختهها جلوگیری کنند. در این پژوهش برای بررسی توانایی جامعههای محلی در ایجاد تغییر در وضعیت حکمرانی آب در پاییندست آبخیز رود کر، از روش تحلیل شبکهی اجتماعی و کاربرد آن بهره گرفتهشد. شاخصهای تراز کلان شبکهی اجتماعی، شاخص تراکم و شاخص تمرکز شبکه بهکاربرده شد. نتیجههای تحلیل شبکهی اجتماعی جامعهی محلی روستای معزآباد گورگیر نشان داد که سرمایهی اجتماعی فراوانی در پیوند اعتماد و مشارکت در این روستا است. از طرفی نتیجههای تحلیل شبکه در تراز سازمانی نیز اندازهی کم همکاری و همآهنگی، و تمرکز زیاد قدرت (وضعیت حکمرانی متمرکز) نشان داد. با یکی کردن شبکهی جامعهی محلی و شبکهی سازمانی، تمرکز به اندازهی 31 % کاهش یافت، و باعث تغییر وضعیت حکمرانی به وضعیت چندپاره شد، اما بهدلیل نبود رابطههای مناسب در میان سازمانها و جامعهی محلی، اندازهی همکاری هنوز کم بود. بنابراین برای رسیدن به وضعیت حکمرانی چندمرکزی، افزایش رابطههای میان سازمانها و جامعههای محلی بر پایهی رابطههای همکارانه و مشارکتی بسیار مهم است. این کار ممکن است باعث افزایش ظرفیت سازگاری نظام اجتماعی-زیستبومی آبخیز رود کر در برابر تغییر شود.https://wmrj.areeo.ac.ir/article_124885_1a4a0cb4b0e2d3c4ea2380b7af43ddad.pdfمرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارسپژوهش های آبخیزداری2981-231335120220321Spatial Modeling of Groundwater Resources Potential in Telvar Watershed using Support Vector Machine and Random Forest Modelsشبیهسازی مکانی ظرفیت اندوختههای آب زیرزمینی آبخیز تلوار با مدلهای ماشین بردار پشتیبان و جنگل تصادفی738712488010.22092/wmrj.2021.354418.1407FAادریس سیفی سلسلهدانشجوی کارشناسی ارشد ژئومورفولوژی، گروه جغرافیا، دانشگاه پیام نور، ایرانمحمدصدیق قربانیاستادیار ژئومورفولوژی، گروه جغرافیا، دانشگاه پیام نور، ایراننگین َعالیاستادیار ژئومورفولوژی، گروه جغرافیا، دانشگاه پیام نور، ایرانJournal Article20210509In this research, it is tried to identify the potential status of groundwater resources in different parts of the Telvar watershed using two machine learning models including support vector machine and random forest models. Initially, information about the wells in the region was received from the Regional Water Company of Kurdistan. The wells in the area were randomly divided into two groups of training (including 70% of data) and validation (including 30% of data). Elevation, slope, slope direction, lithology, pedology, surface curvature, land use, topographic moisture index and distance from the river were selected as predictor variables and their map was prepared in the GIS environment. The data of the training group along with the maps related to the predictor variables were entered into the support vector machine model and the random forest model. Based on the data of the training group, the parameters of the model were calibrated and adjusted and the potential of groundwater resources was predicted. The prediction accuracy of the models was determined using the statistical method of performance characteristic curve in two stages of training and validation. The results showed that accuracy of the random forest model (98.4%) was more than the support vector machine model (98.1%).در این پژوهش ظرفیت اندوختههای آب زیرزمینی بخشهای گوناگون آبخیز تلوار با دو مدل یادگیری ماشینی بردار پشتیبان و جنگل تصادفی شناسایی شد. اطلاعات چاههای منطقه از شرکت آب منطقهیی کردستان گرفته شد. چاههای موجود در منطقه بهشیوهی تصادفی به دو گروه آموزش (70% از دادهها) و اعتبارسنجی (30% از دادهها) تقسیم شد. عاملهای ارتفاع، شیب زمین، جهت شیب، سنگشناسی، خاکشناسی، انحنای سطح، کاربری زمین، شاخص رطوبت پستیوبلندی و فاصله از رود متغیرهای پیشبینیکننده انتخاب، و نقشهی آنها در سامانهی اطلاعات جغرافیایی تهیه شد. دادههای گروه آموزش به همراه نقشههای متغیرهای پیشبینیکننده به مدل ماشین بردار پشتیبان و مدل جنگل تصادفی وارد کردهشد. متغیرهای مدل برپایهی دادههای گروه آموزش تنظیم شد، و برپایهی آن توان اندوختههای آب زیرزمینی پیشبینی شد. دقت پیشبینی مدلها با روش آماری منحنی مشخصهی عملکرد در دو مرحلهی آموزش و اعتبارسنجی تعیین شد. نتیجهها نشان داد که دقت مدل جنگل تصادفی (98/4%) بیشتر از ماشین بردار پشتیبان (98/1%) است.https://wmrj.areeo.ac.ir/article_124880_f94b971416ad17ac8ab75e31f8b60006.pdfمرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارسپژوهش های آبخیزداری2981-231335120220321Determining the Maximum Flood Discharge Using the Response Surface Methodology in Darrehrood Sub-Basins, Ardebil Provinceتعیین بیشینهی آبدهی سیلاب با روش سطح پاسخ در زیرحوزههای درهرود استان اردبیل8810412488910.22092/wmrj.2021.354467.1409FAیاسر حسینیدانشیار دانشکده کشاورزی و منابع طبیعی مغان، دانشگاه محقق اردبیلیJournal Article20210510It is impossible to manage water resources in basins without the accurate determination of the peak flood discharge. Therefore, this study was carried out to determine the peak flood discharge for the return period of 10, 25, 50, and 100 years using RSM model in Darrehrood sub-basins with 12900 km<sup>2</sup> area in Ardebil Province. Flow data of 16 hydrometric stations were collected in a statistical period of 15 years (2001-2005) and statistical deficiencies in the joint period were eliminated by using regression methods between hydrometric stations. Floods were calculated with different return periods. Also, physiographic characteristics of sub-basins that affect flood rate including area, slope, shape factor, height average, concentration time, and curve number were achieved using ArcGIS10.2 and WMS7.1 (watershed modeling system). The Goodness of Fit (R<sup>2</sup>) in the return periods of 10, 25, 50, and 100 years was estimated to be 96, 97, 95, and 94%, respectively. This indicates the model's high accuracy to predict the peak discharge in the sub-basins using the basin physiographic parameters. Model performance indexes of the model evaluation for return period of 10, 25, 50 and 100 years were calculated respectively including root mean square error (RMSE) of 20.99, 7.16, 29.05, 39.55, relative percentage error (ε) of 52.7, 37.7, 45.1, 49.13, mean absolute error (MAE) of 0.52, 0.45, 0.48, 0.55, coefficient of residual mass (CRM) of 0.28, 0.16, 0.56, 0.82, and model efficiency (EF) of 0.74, 0.85, 0.71, 0.75. Cross-validation diagrams showed that RSM model was very suitable for the whole return periods. Paired t-test showed that the difference between predicted and actual values in different return periods was not significant (P< 0.01). The results of this study showed that the RSM has good accuracy for estimating floods in sub-basins of Ardebil Province.مدیریت اندوختههای آب در حوزهها بی تعیینکردن دقیق آبدهی سیلاب امکانپذیر نیست. این پژوهش با هدف تعیینکردن بیشینهی سیلاب با دورهی بازگشتهای 10، 25، 50 و 100 ساله با شبیهساز سطح پاسخ در زیرحوزههای درهرود (km<sup>2</sup>12900) در استان اردبیل انجام شد. دادههای آبدهی 16 ایستگاه آبسنجی در دورهی 15 ساله (1394-1380) جمعآوری، و کمبودهای آماری در دورهی مشترک با روشهای وایازی میان ایستگاههای آبسنجی برطرف شد، و سیلاب با دورهی بازگشتهای گوناگون بررسی شد. ویژگیهای گیتاشناسی موثر بر سیلاب (مساحت، شیب، ضریب شکل و ارتفاع متوسط، زمان تمرکز و شمارهی منحنی زیرحوزهها) با نرمافزارهای آرکجیآیاس 10.2 و WMS7.1 استخراج شد. اندازهی ضریب تبیین در دورهی بازگشتهای 10، 25، 50 و 100 سال بهترتیب 0/96، 0/97، 0/95 و 0/94 برآورد شد، که نشاندهندهی دقت زیاد شبیهساز در پیشبینی اندازهی سیلاب با ویژگیهای گیتاشناسی حوزه است. شاخصهای ارزیابی شبیهساز برای دورهی بازگشتهای 10، 25، 50 و 100 سال شامل ریشهی میانگین مربعهای خطا بهترتیب 20/99، 7/16، 29/05، 39/55، درصد خطای نسبی (ε) 52/7، 39/7، 45/1، 49/13، میانگین خطای مطلق 0/52، 0/45، 0/48، 0/55، ضریب باقیماندهی جرم 0/28، 0/16، 0/56، 0/82 و کارآیی شبیهساز 0/74، 0/85، 0/71 و 0/75 برآورد شد. نمودارهای پراکندگی نشان داد که پراکندگی نقطههای دور محور یکبهیک برای همهی دورهی بازگشتها و آبدهیها بسیار مناسب بود. بر پایهی آزمون تی تفاوت میان اندازههای پیشبینیشده و واقعی در دورهی بازگشتهای گوناگون در تراز اطمینان 1% معنیدار نشد. نتیجههای این پژوهش نشانداد که دقت روش سطح پاسخ برای برآوردکردن سیلاب در زیرحوزههای استان اردبیل مناسب است، اما دقت شبیهساز با افزایش دورهی بازگشت کمی کاهش مییابد.https://wmrj.areeo.ac.ir/article_124889_a45c382122e0f9bc3b8b11e2b964dc26.pdfمرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارسپژوهش های آبخیزداری2981-231335120220321The Effect of Land Use Change Scenarios on Runoff Using WETSPA Model with Parameter Allocation Approach in Karkhane Watershed, Hamedan Provinceتأثیر حالت های ممکن تغییر کاربری زمین بر روانآب با مدل وِتسپا با رویکرد تخصیص سنجه در آبخیز کارخانه، استان همدان10511812551810.22092/wmrj.2021.355416.1428FAمریم دشتی مرویلیدانشجوی دکترای گروه آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گلستان، ایرانعبدالرضا بهره منددانشیار گروه آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گلستان، ایرانمحسن حسینعلی زادهدانشیار گروه آبخیزداری و مدیریت منطقههای بیابانی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گلستان، ایرانمیثم سالاری جزیدانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گلستان، ایرانJournal Article20210826The most important human impact on the hydrological cycle of watershed is land use change. Improper management of land use increases the volume of runoff and the frequency of floods. The main purpose of this study is to investigate the effect of land use change on discharge outflow in Karkhane Watershed using the Parameter Allocation Approach. Then, utilizing the philosophy of a modelling framework proposed by Bahremand (2016), we show how calibration of most model parameters can be avoided by allocating or presetting these parameters utilizing knowledge gained from sensitivity analyses, field observations and a priori specifications as a part of a parameter allocation procedure. Evaluation of the WetSpa model performance using the Allocation Parameter Approach to simulate the daily hydrograph based on the Nash-Sutcliffe and Kling-Gupta showed that the values of these criteria are 60.18 percent and 76 percent respectively. Based on this efficiency criterion, the model in the parameter allocation approach has a good performance and shows consistency in the validation period. The results showed that land use change affects the runoff of the Karkhane watershed so that in the pessimistic scenario 2, the peak discharge has increased by 15.74% and in the optimistic scenario 3; the peak discharge has decreased by 11.33.تغییر کاربری زمین یکی از مهمترین تأثیرهای انسان در چرخهی آبشناسی حوزهها است. مدیریت نااصولی حوزههای آبخیز باعث افزایش حجم روانآب و رویدادن سیلاب میشود. هدف این پژوهش بررسی اثر تغییر کاربری زمین بر روانآب آبخیز کارخانه با رویکرد تخصیص سنجه است. با تخصیص سنجه میتوان سرعت واسنجی مدل را افزایش داد. این سنجهها با دانش بهدست آمده از تجزیهتحلیل حساسیت سنجهها، شرایط منطقه، فرآیندهای آبشناسی و تجربههای کاربر مدل تخصیص داده میشود.<em> </em>نتیجههای بهدستآمده از ارزیابی مدل وتسپا با رویکرد تخصیص سنجه برای شبیهسازی جریان با معیار ارزیابی نش-ساتکلیف 60/18 % و معیار کلینگ-گوپتای 76 % بود. با این معیارها، کارآیی مدل در رویکرد تخصیص سنجه مناسب بود، و در اعتبار سنجی نتیجههای منطقی و باثباتی نشان داد. تأثیر تغییر کاربری زمین بر روانآب آبخیز کارخانه مشهود است، بهطوری که آبدهی اوج در حالت بدبینانهی دو 15/74% افزایش، و در حالت خوشبینانهی سه 11/33% کاهش داشت.https://wmrj.areeo.ac.ir/article_125518_6819a4c6c80f2d6ef29fbd668f96ede2.pdf