سازمان تحقیقات آموزش و ترویج کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارس پژوهش های آبخیزداری 2981-2313 39 1 2026 03 21 Assessment of the Teleconnection Effects on PM2.5 Concentration using Machine Learning Models in the Sistan and Baluchestan Province ارزیابی اثرات شاخص‌های پیوند از دور بر غلظت PM2.5 با استفاده از مدل‌های یادگیری ماشین در استان سیستان و بلوچستان 1 25 134937 10.22092/wmrj.2025.369570.1624 FA ابوالفضل داوری دانشجوی دکتری گروه مهندسی منابع‌طبیعی، دانشکدة کشاورزی و منابع‌طبیعی، دانشگاه هرمزگان، بندرعباس، ایران رسول مهدوی نجف آبادی دانشیار گروه مهندسی منابع‌طبیعی، دانشکدة کشاورزی و منابع‌طبیعی، دانشگاه هرمزگان، بندرعباس، ایران 0000-0002-5573-4736 مرضیه رضایی دانشیار گروه مهندسی منابع‌طبیعی، دانشکدة کشاورزی و منابع‌طبیعی، دانشگاه هرمزگان، بندرعباس، ایران ام البنین بذرافشان استاد گروه مهندسی منابع‌طبیعی، دانشکدة کشاورزی و منابع‌طبیعی، دانشگاه هرمزگان، بندرعباس، ایران علیرضا شهریاری دانشیار گروه فضای سبز، دانشکدة جغرافیا و برنامه ریزی محیطی، دانشگاه سیستان و بلوچستان، زاهدان، ایران Journal Article 2025 09 11 <strong>Introduction and Goal </strong><br />In recent years, air pollution, especially the increase in the concentration of PM2.5 particles matter, has been raised as one of the significant environmental challenges. Due to its specific geographical location, which is located in the path of the 120-day Sistan winds, along with the decrease in annual rainfall, Sistan and Baluchestan province provides favorable conditions for the formation and intensification of dust phenomena. In this regard, teleconnections play an important role in climate change and, consequently, in air quality. The main objective of this research is to evaluate the impact of teleconnection indices on PM2.5 concentrations in Sistan and Baluchestan Province using advanced machine learning models. Therefore, meteorological data and PM2.5 concentrations were collected from Zahedan and Khash stations over two decades and combined with teleconnection indices. Then, using correlation analysis and feature selection methods, five machine learning models were evaluated to identify the best model for long-term estimating PM2.5 particulate matter concentrations was identified. The results of this research both led to a better understanding of the complex relationships between climate variability and air quality, by provided a detailed analytical framework, provided a practical tool for policymakers in air pollution management.<br /><strong>Materials and Methods </strong><br />This study used a comprehensive multi-stage analytical framework, and meteorological data and PM2.5 particle concentration were collected from Zahedan and Khash stations during the period 2000 to 2021 and supplemented with teleconnection index data from the NOAA Climate Prediction Center. After careful data preprocessing, which included quality control (checking for impossible or anomalous PM2.5 measurements and correcting or removing suspicious measurements), data temporal synchronization (matching PM2.5 data and remote linkage indices based on history to ensure the synchronization of independent and dependent measurements), and missing data replacement (using the nearest valid measurement, temporal averaging, and statistical interpolations to preserve the original data distribution), a dual analytical approach was implemented. First, Pearson correlation analysis was used to measure linear relationships between teleconnection index and PM2.5 levels. Then the Boruta algorithm identified the most effective features at time lags of 0 to 6 months. Five advanced machine learning models including Bagged CART, LightGBM, Gradient Boosting, Random Forest, and XGBoost were evaluated, with 70% of the data used for model training and the rest for validation. Performance evaluation was performed using three criteria: root mean square error (RMSE), mean absolute percentage error (MAPE), and coefficient of determination (R²), and for interpretability of the models, four advanced techniques were used, including permutation feature importance (PFI), SHAP values ​​based on game theory, Sobol sensitivity analysis, and partial dependency diagrams (PDP). All analyses were performed in the R software environment (4.2.0).<br /><strong>Results and Discussion </strong><br />The results showed that the effect of teleconnection indices on PM2.5 particles concentrations at Zahedan and Khash stationswas significant. At Zahedan station, the highest positive correlation was related to the PDO index (0.158 with a 5-month lag) and the AMO index (0.212 with a 0-month lag). On the other hand, the highest negative correlation was related to the AMM index 0.336 with a 2-month lag) and the WHWP index effect (-0.420 with a 4-month lag). At Khash station, the highest positive correlation was related to the PDO index (0.159 with a 2-month lag) and the highest negative correlation was related to WHWP (-0.385 with a 4-month lag). Analysis of the importance of features using the Boruta method showed that the greatest predictive role of PM2.5 was related to the WHWP index with an average importance of 13.63 with a 6-month lag in Zahedan and with an average importance of 10.51 at 5-month lag in Khash. In the evaluation of the models, XGBoost was identified as the best model with exceptional accuracy (R²=0.989 in Zahedan and R²=0.993-0.994 in Khash) and minimal error (MAPE=2.36-3.07 in Zahedan and MAPE=1.5-1.8 in Khash). The results of sensitivity analyses showed that the greatest effect was related to the AMM index (with a significance score of 685 in Zahedan and 561 in Khash). On the other hand, with certain lag times, the behavior of the WHWP and AMO indices were nonlinear and complex. Overall, the results indicate significant effects of ocean-atmosphere oscillations (with correlation coefficients ranging from 0.15 to 0.42 and significance scores ranging from 5.6 to 13.6) on regional air quality. The performance of the XGBoost model in long-term PM2.5 forecasting in the study region was very accurate.<br /><strong>Conclusion and Suggestions </strong><br />The results of this study showed that the highest positive correlation with PM2.5 concentrations at Zahedan station was related to PDO and AMO indices, and the highest negative correlation was related to AMM and WHWP indices. The XGBoost model was identified as the best prediction model, which had high accuracy with the lowest error. Also, the results of SHAP and PDP analyses showed that the effects of the AMM and WHWP indices on PM2.5 concentrations were complex and nonlinear, and the time lag in these effects was very important. At Khash station, the AMM, AMO, PDO and WHWP indices also played an important role in predicting PM2.5 and indicated the significant effects of climate fluctuations on air quality. These findings indicate the importance of nonlinear relationships and critical thresholds in air quality modeling. Based on the results of this study, it is suggested that remote sensing indices be continuously monitored to predict periods of high particulate matter concentrations for the purpose of preventive decisions and actions. Also, it is suggested that, based on the differences observed between the two stations (Zahedan and Khash), more attention be paid to local and regional characteristics in air quality modeling. <strong>مقدمه و هدف</strong><br />در سال‌های گذشته، آلودگی هوا، به‌ویژه افزایش غلظت ذرات معلق PM2.5، به‌عنوان یکی از چالش‌های مهم زیست‌محیطی مطرح‌شده است. استان سیستان و بلوچستان به‌دلیل موقعیت جغرافیایی ویژه و قرارگیری در مسیر بادهای ۱۲۰ روزه سیستان، همراه با کاهش بارندگی‌های سالانه، شرایط مساعدی برای شکل‌گیری و تشدید پدیده گرد و غبار دارد. در این راستا، پدیده‌های پیوند از دور s) بر تغییرات اقلیمی و به تبع آن بر کیفیت هوا نقش مهمی دارند. هدف اصلی این پژوهش، ارزیابی اثرات شاخص‌های پیوند از دور بر تغییرات غلظت PM2.5 در استان سیستان و بلوچستان با استفاده از مدل‌های پیشرفته یادگیری ماشین بود. ازاین‌رو، داده‌های هواشناسی و غلظت PM2.5 در دو دهه از ایستگاه‌های زاهدان و خاش جمع‌آوری و با شاخص‌های پیوند از دور تلفیق شدند. سپس، با به‌کارگیری روش‌های تحلیل همبستگی و انتخاب ویژگی‌، پنج مدل یادگیری ماشین ارزیابی شدند و بهترین مدل برای برآورد غلظت ذرات معلق PM2.5 شناسایی شدند. نتایج این پژوهش، هم به درک بهتر روابط پیچیده میان نوسانات اقلیمی و کیفیت هوا منجر شد و هم با ارائه یک چارچوب تحلیلی دقیق، ابزار کاربردی برای سیاست‌گذاران در مدیریت آلودگی هوا فراهم آورد. <br /><strong>مواد و روش‌ها</strong><br />در این پژوهش از یک چارچوب تحلیلی چندمرحله‌ای جامع بهره‌گرفته شد و داده‌های هواشناسی و غلظت ذرات PM2.5 از ایستگاه‌های زاهدان و خاش در دوره ۲۰۰۰ تا ۲۰۲۱ جمع‌آوری شد و با داده‌های شاخص پیوند از دور مرکز پیش‌بینی اقلیم NOAA تکمیل شد. پس از پیش‌پردازش دقیق داده‌ها که شامل بررسی کیفیت داده‌ها (بررسی اندازه‌های غیرممکن یا ناهنجار PM2.5 و اصلاح یا حذف اندازه‌های مشکوک)، همزمان‌سازی زمانی داده‌ها (تطبیق داده‌های PM2.5 و شاخص‌های پیوند از دور بر اساس تاریخ برای اطمینان از همزمانی اندازه‌های مستقل و وابسته) و جایگزینی داده‌های مفقود (با استفاده از نزدیک‌ترین اندازة معتبر، میانگین‌گیری زمانی و درون‌یابی‌های آماری برای حفظ توزیع اصلی داده‌ها) بود، یک رویکرد تحلیلی دوگانه اجرا شد. ابتدا از تحلیل همبستگی پیرسون برای سنجش روابط خطی میان شاخص‌های پیوند از دور و سطوح PM2.5 استفاده شد. سپس، با کاربرد الگوریتم Boruta موثرترین ویژگی‌ها با تأخیرهای زمانی صفر تا ۶ ماهه شناسایی شد. پنج مدل پیشرفته یادگیری ماشین شامل Bagged CART، LightGBM، Gradient Boosting، Random Forest و XGBoost ارزیابی شدند که ۷۰% داده‌ها برای آموزش و 30% برای اعتبارسنجی مدل استفاده شد. ارزیابی عملکرد با سه معیار ریشه میانگین مربعات خطا (RMSE)، میانگین درصد خطای مطلق (MAPE) و ضریب تبیین (R²) انجام شد و برای تفسیرپذیری مدل‌ها، چهار روش پیشرفته شامل اهمیت ویژگی‌های جایگشتی (PFI)، اندازه‌های SHAP مبتنی بر تئوری بازی‌ها، تحلیل حساسیت Sobol و نمودارهای وابستگی جزئی (PDP) به‌کار گرفته شد. کلیه تحلیل‌ها در محیط نرم‌افزار R (نسخه ۴.۲.۰) انجام شد.<br /><strong>نتایج و بحث</strong><br />نتایج نشان داد که اثر شاخص‌های پیوند از دور بر غلظت ذرات PM2.5 در ایستگاه‌های زاهدان و خاش معنادار بود. در ایستگاه زاهدان، بیشترین همبستگی مثبت مربوط به شاخص PDO (0/158 با تأخیر 5 ماهه) و شاخص AMO (0/212 با تأخیر صفر ماهه) بود. از سوی دیگر، بیشترین همبستگی منفی مربوط به شاخص AMM (0/336- با تأخیر 2 ماهه) و شاخص WHWP (0/420- با تأخیر 4 ماهه) بود. در ایستگاه خاش، بیشترین همبستگی مثبت مربوط به شاخص PDO (0/159 با تأخیر 2 ماهه) و بیشترین همبستگی منفی مربوط به WHWP (0/385- با تأخیر 4 ماهه) بود.<strong> </strong>تحلیل اهمیت ویژگی‌ها با روش Boruta نشان داد بیشترین نقش پیش‌بینی‌کننده PM2.5 مربوط به شاخص WHWP با میانگین اهمیت 13/63 با تأخیر 6 ماهه در زاهدان و با میانگین اهمیت 10/51 با تأخیر 5 ماهه در خاش بود. در ارزیابی مدل‌ها، XGBoost به‌عنوان برترین مدل با دقت استثنایی (0/989=R² در زاهدان و 0/994-0/993=R² در خاش) و حداقل خطا (3/07-2/36MAPE= در زاهدان و 1/8-1/5MAPE= در خاش) شناخته شد. نتایج تحلیل‌های حساسیت نشان داد بیشترین اثر مربوط به شاخص AMM (با امتیاز اهمیت 685 در زاهدان و 561 در خاش) بود. از سوی دیگر، با زمان‌های تأخیر خاص، رفتار شاخص‌های WHWP و AMO غیرخطی و پیچیده بود. به‌طور کلی نتایج بیانگر اثرات قابل توجه نوسانات اقیانوسی-جوی (با ضریب‌های همبستگی میان 0/15 تا 0/42 و امتیازهای اهمیت متغیر میان 5/6 تا 13/6) بر کیفیت هوای منطقه بود. دقت عملکرد مدل XGBoost در پیش‌بینی بلندمدت PM2.5 در منطقه مطالعه‌شده بسیار زیاد بود.<br /><strong>نتیجه‌گیری و پیشنهادها</strong><br />نتایج این پژوهش نشان داد که بیشترین همبستگی مثبت با غلظت PM2.5 در ایستگاه زاهدان مربوط به شاخص‌های PDO و AMO بود و بیشترین همبستگی منفی مربوط به شاخص‌های AMM و WHWP بود. مدل XGBoost به‌عنوان بهترین مدل پیش‌بینی با بیشترین دقت و کمترین خطا شناخته شد. همچنین، نتایج تحلیل‌های SHAP و PDP نشان داد که اثرات شاخص‌های AMM و WHWP بر غلظت PM2.5 پیچیده و غیرخطی است و تأخیر زمانی نیز بسیار مهم است. در ایستگاه خاش نیز مهمترین نقش در پیش‌بینی PM2.5 مربوط به شاخص‌های AMM، AMO، PDO و WHWP بود که بیانگر اثرات قابل ‌توجه نوسانات اقلیمی بر کیفیت هوا است. این یافته‌ها بیانگر اهمیت روابط غیرخطی و آستانه‌های بحرانی در مدل‌سازی کیفیت هوا بود. بر پایة نتایج این پژوهش، به‌منظور تصمیم‌ها و اقدامات پیشگیرانه پیشنهاد می‌شود شاخص‌های پیوند از دور در پیش‌بینی دوره‌های با غلظت زیاد ذرات معلق، پیوسته پایش شوند. همچنین، پیشنهاد می‌شود بر اساس تفاوت‌های مشاهده‌شده میان دو ایستگاه (زاهدان و خاش)، به ویژگی‌های محلی و منطقه‌ای در مدل‌سازی کیفیت هوا بیشتر توجه شود. https://wmrj.areeo.ac.ir/article_134937_46b755ce6fe1599b85538f7a89db59df.pdf

سازمان تحقیقات آموزش و ترویج کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارس پژوهش های آبخیزداری 2981-2313 39 1 2026 03 21 Assessment of the Effects of Inoculating Different Concentrations of Cyanobacteria on Organic Matter and Nitrogen Content in the Dried Seasonal Wetlands Bedsof seasonal wetlands ارزیابی اثرات تلقیح غلظت‌های مختلف سیانوباکتری بر محتوای ماده آلی و نیتروژن بسترهای خشک‌شده تالاب‌های فصلی 26 44 134461 10.22092/wmrj.2025.370375.1629 FA صائمه صادقی گجوتی دانش‌آموختة کارشناسی ارشد گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران حسین خیرفام دانشیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران سعید نجفی استادیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران Journal Article 2025 08 12 <strong>Introduction and Goal</strong><br />Healthy ecosystems are vital for sustainable development, serving as the foundation for food security and biodiversity while providing essential resources and services for survival and well-being. Weaknesses in implementating sustainable development plans lead to increased exploitation of resources and instability of ecosystems, particularly in water and soil management. Furthermore, unsustainable practices have led to the formation of new and fragile landscapes. Permanent or seasonal dryness of wetlands, due to unsustainable water consumption, is one of the negative consequences of improper exploitation of water resources, turning their beds into sources of dust. Despite extensive efforts to stabilize and enhance the sustainability of beds, the durability and effectiveness of conventional solutions for controlling wind erosion in these beds have faced challenges due to the periodic flooding of wetlands. Recently, the approach of inoculating cyanobacteria aimed at stabilizing erosion-sensitive beds has gained attention; however, its effectiveness under dry-flooding conditions of wetlands has not been examined. Furthermore, direct measurement of wind erosion resulting from bed stabilization efforts, as well as the use of indicators determining soil erosion sensitivity, such as organic matter content and total nitrogen from the components of soil biological richness, is also common. Therefore, this study was conducted to evaluate the effects of inoculating different concentrations of native cyanobacteria on the organic matter content and nitrogen in the soil under conditions of complete dryness and dry-flooding.<br /><strong>Materials and Methods</strong><br />For this research, the international Kobi Baba Ali Wetland, in West Azerbaijan Province in northwestern Iran was selected. This 500-hectare wetland is known as the Ramsar Convention. The mentioned wetland is subject to seasonal cycles of dryness and flooding due to decreased rainfall and unsustainable water use upstream. Volume soil samples from the dried bed of the wetland were collected and transferred for preparation into small erosion trays. Simultaneously, native cyanobacteria for soil conservation of the dried-up wetland bed were extracted, identified, purified, and propagated. From the obtained Cyanobacterial (<em>Nostoc sp.</em> and <em>Oscillatoria sp.</em>) four concentrations of 0, 1.5, 3, and 6 g m^-2 were prepared. Then, the prepared cyanobacteria were water-inoculated on prepared trays based on the defined treatments in four replicates. The penetration depth of the inoculation solution was at least one cm. Then, the treated trays were placed under two conditions: completely dry (representing a permanently dried wetland) for 134 days, and dry-dewatering (representing a seasonal wetland experiencing cycles of dryness in the warm seasons and flooding during the rainy seasons) with a total of 60 days of dryness, 60 days of flooding, and 14 days of dryness (a total of 134 days). A total of 32 experiments were conducted (16 experiments under complete dryness conditions and 16 experiments under dry-flooding conditions). The study was conducted in the from of a completely randomized experimental design from July to November 2022. After the completion of the experiments, the measurements of organic matter and total nitrogen in the soil were determined using the Walkley-Black and Kjeldahl methods, respectively. Finally, statistical analysis of the results was conducted using one-way and two-way analysis of variance and independent t-tests.<br /><strong>Results and Discussion</strong><br />The findings showed that the effects of cyanobacteria inoculation treatments (concentrations of 0, 1.5, 3, and 6 g m^-2) on nitrogen content at depths of 0 to 1 cm were significant (at the 1% probability level) under both complete dryness and dry-flooding conditions. The effects of the inoculation treatments on nitrogen content under dry-flooding conditions at depths of 0 to 5 cm were also significant (at the 1% probability level). The effect of inoculation treatments on soil organic matter content was significant (at the 5% probability level) at both depths of 0 to 1 and 0 to 5 cm and under both complete drought and drought-waterlogging conditions<em>.</em> Nitrogen content increased by 26% and 39% under complete dryness conditions with the inoculation of medium (3 g m^-2) and high (6 g m^-2) concentrations of cyanobacteria, and by 28% and 44% under dry-flooding conditions, respectively. Organic matter also increased by 65% and 72% under complete dryness conditions with the inoculation of 3 and 6 g m^-2, and by 49%, 54%, and 63% with the inoculation of 1.5, 3, and 6 g m^-2 under dry-flooding conditions, respectively<em>.</em> The interaction effects of moisture conditions (dry vs. dry-dewatering) and cyanobacterial inoculation on soil nitrogen and organic matter content were not insignificant (at the 5% probability level). The performance of inoculating low concentrations of cyanobacteria (1.5 g m⁻²) in improving the examined components was not acceptable.<br /><strong>Conclusion and Suggestions </strong><br />The results of this study indicated that the effects of the annual natural flooding of the wetland on improving soil organic matter and nitrogen content, and in other words, on the expansion of the soil biological crust in dry beds, were not positive. Therefore, the implementation of other measures, such as the inoculation of cyanobacteria, is essential for improving organic matter and nitrogen as components of soil sustainability. The findings showed that when cyanobacteria were inoculated into the soil under dry-flooding conditions, they both survived and grew, similar to complete dryness conditions, increasing the measurements of organic matter and nitrogen. While the inoculation of cyanobacteria is effective in improving soil sustainability components against erosive factors, there are also concerns about their negative effects on wetlands as an invasive species, especially on a large scale, which requires further investigation. The inoculation of cyanobacterial, especially at a concentration of at least of 3 g m^-2 is a rapid and environmentally friendly method for stabilizing the substrates of dried wetlands, particularly for wetlands with alternating flooding and dryness conditions. It is recommended that complementary studies be conducted on a desert scale with conditions of alternating dryness and natural dry-flooding, along with field measurements of wind erosion. <strong>مقدمه و هدف</strong><br />بوم‌سازگان‌های سالم برای توسعه پایدار بسیار مهم هستند و به‌عنوان پایه و اساس امنیت غذایی و تنوع زیستی بوده و  منابع و خدمات ضروری برای بقاء و رفاه را فراهم می‌آورند. ضعف در اجرای طرح توسعه پایدار باعث افزایش بهره‌برداری از منابع و ناپایداری بوم‌سازگان‌ها، به‌ویژه در مدیریت آب و خاک می‌شود. افزون بر این، شیوه‌های ناپایدار منجر به شکل‌گیری مناظر جدید و شکننده شده است. خشکی دائمی یا دوره‌ای (فصلی) تالاب‌ها به‌دلیل مصرف ناپایدار آب، از جمله پیامدهای منفی بهره‌برداری غیراصولی از منابع آب است که بستر آن‌ها را به منابع تولید گرد و غبار تبدیل می‌کند. به‌رغم تلاش‌های گسترده برای تثبیت و افزایش پایداری بسترها، ماندگاری و عملکرد راهکاری مرسوم برای مهار فرسایش بادی در این بسترها به‌دلیل آبگیری دوره‌ای تالاب‌ها، با چالش مواجه‌شده است. اخیراً، رویکرد تلقیح سیانوباکترها با هدف تثبیت بسترهای حساس به فرسایش مورد توجه قرار گرفته اما کارایی آن تحت شرایط خشکی- آبگیری تالاب‌ها بررسی‌نشده است. افزون‌براین، اندازه‌گیری مستقیم فرسایش بادی ناشی از اقدامات تثبیت بسترها، استفاده از شاخص‌های تعیین‌کننده حساسیت به فرسایش خاک از قبیل محتوای ماده آلی و نیتروژن کل از مؤلفه‌های غنای پوسته زیستی خاک نیز، مرسوم است. ازاین‌رو، این پژوهش با هدف ارزیابی اثرات تلقیح غلظت‌های مختلف سیانوباکترهای بومی بر محتوای ماده آلی و نیتروژن خاک تحت شرایط خشکی کامل و خشکی-آبگیری اجرا شد. <br /><strong>مواد و روش‌ها</strong><br />برای انجام این پژوهش، تالاب بین‌المللی قوبی باباعلی در استان آذربایجان‌غربی در شمال‌غرب ایران، انتخاب شد. این تالاب 500 هکتاری که به کنوانسیون رامسر معروف است. تالاب نامبرده به‌دلیل کاهش بارندگی و استفاده ناپایدار از آب در بالادست، به‌طور فصلی تحت تناوب خشکی و آبگیری است. نمونه‌های حجمی از خاک بستر خشک‌شده تالاب تهیه شد و برای آماده‌سازی درون سینی‌های کوچک فرسایشی انتقال یافتند. هم‌زمان، سیانوباکترهای بومی و مؤثر در حفاظت خاک بستر خشک‌شده تالاب، استخراج، شناسایی، خالص‌سازی و ازدیاد شدند. از سیانوباکترهای به‌دست آمده (<em>Nostoc sp.</em> و <em>Oscillatoria sp.</em>) چهار غلظت صفر، 1/5، 3 و 6 گرم بر مترمربع تهیه شد. سپس، سیانوباکترهای تهیه‌شده بر اساس تیمارهای تعریف‌شده در چهار تکرار روی سینی‌های آماده‌شده آب-تلقیحی شدند. ژرفای نفوذ مایه تلقیح حداقل یک سانتی‌متر بود. سپس، سینی‌های تیمارشده در دو شرایط خشکی کامل (نشان‌دهنده تالاب خشک‌شده دائمی) به‌مدّت 134 روز و خشکی-آبگیری (نشان‌دهنده تالاب فصلی با تجربه تناوب خشکی در فصول گرم سال و آبگیری در فصول بارشی سال) به‌طور 60 روز خشکی، 60 روز غرقابی و 14 روز خشکی (مجموعاً 134 روز) قرار گرفتند. در مجموع 32 آزمایش (16 آزمایش در شرایط خشکی کامل و 16 آزمایش در شرایط خشکی-آبگیری) انجام شد. این پژوهش در قالب طرح آزمایشی کامل تصادفی و از تیر تا آبان ماه سال 1401 انجام شد. پس از پایان آزمایش، اندازه‌های ماده آلی و نیتروژن کل خاک به‌ترتیب با استفاده از روش‌های والکلی-بلک و کجلدال اندازه‌گیری شد. در پایان، تحلیل آماری نتایج با استفاده از تجزیه پراکنش یک و دوطرفه و آزمون تی مستقل انجام شد.<br /><strong> نتایج و بحث</strong><br />یافته­ها نشان داد که اثرات تیمارهای تلقیح سیانوباکترها (غلظت صفر، 1/5، 3 و 6 گرم بر مترمربع) روی محتوای نیتروژن در هر دو شرایط خشکی کامل و خشکی-آبگیری در ژرفای صفر تا یک سانتی‌متر، معنی‌دار (در سطح احتمال یک درصد) بود. اثرات تیمارهای تلقیح روی محتوای نیتروژن تحت شرایط خشکی-آبگیری در ژرفای صفر تا پنج سانتی‌متر نیز معنی‌دار (در سطح احتمال یک درصد) بود. تأثیرپذیری محتوای ماده آلی خاک از تیمارهای تلقیح در هر دو ژرفای صفر تا یک و صفر تا پنج سانتی‌متر و تحت هر دو شرایط خشکی کامل و خشکی-آبگیری معنی‌دار (در سطح احتمال پنج درصد) بود. محتوای نیتروژن با تلقیح غلظت‌های متوسط سیانوباکتر (3 گرم بر مترمربع) و زیاد (6 گرم بر مترمربع) تحت شرایط خشکی به‌ترتیب 26 و 39% و تحت شرایط خشکی-آبگیری به‌ترتیب 28 و 44% افزایش یافت. ماده آلی نیز با تلقیح 3 و 6 گرم بر مترمربع تحت شرایط خشکی کامل به‌ترتیب 65 و 72% و با تلقیح 1/5، 3 و 6 گرم بر مترمربع تحت شرایط خشکی-آبگیری به‌ترتیب 49، 54 و 63% افزایش یافت. اثرات متقابل شرایط رطوبتی (خشکی کامل و خشکی-آبگیری) و تلقیح سیانوباکترها بر محتوای نیتروژن و ماده آلی خاک معنی‌دار نبود (در سطح احتمال پنج درصد). عملکرد تلقیح غلظت کم سیانوباکترها (1/5 گرم بر مترمربع) در بهبود مؤلفه‌های بررسی‌شده قابل قبول نبود.<br /><strong>نتیجه‌گیری و پیشنهادها</strong><br />نتایج این پژوهش نشان داد اثرات آبگیری طبیعی سالانه تالاب بر بهبود محتوای ماده آلی و نیتروژن خاک و به‌بیان دیگر بر گسترش پوسته زیستی خاک در بسترهای خشک، مثبت نبود. ازاین‌رو، اجرای اقدامات دیگری مانند تلقیح سیانوباکترها برای بهبود مواد آلی و نیتروژن به‌عنوان مؤلفه‌های پایداری خاک ضروری است. یافته‌ها نشان داد که هنگامی که سیانوباکتری‌ها در شرایط خشکی-آبگیری به خاک تلقیح شدند، هم زنده ماندند و هم رشد کردند و همانند شرایط خشکی کامل، اندازه‌های ماده آلی و نیتروژن را افزایش دادند. در حالی‌که، تلقیح سیانوباکترها برای بهبود مؤلفه‌های پایداری خاک در برابر عامل‌های فرساینده اثرگذار است، نگرانی‌هایی هم برای اثرات منفی آنها بر تالاب‌ها به‌عنوان یک گونه مهاجم، به‌ویژه در مقیاس‌های بزرگ، وجود دارد که مستلزم بررسی بیشتر است. تلقیح سیانوباکتری‌ها، به‌ویژه با غلظت حداقل 3 گرم بر مترمربع، روشی سریع و سازگار با محیط زیست برای تثبیت بستر تالاب‌های خشک، به‌ویژه برای تالاب‌هایی با شرایط آبگیری و خشکی متناوب، است. پیشنهاد می‌شود پژوهش‌های تکمیلی در مقیاس صحرایی با شرایط تناوب خشکی و خشکی-آبگیری طبیعی همراه با اندازه‌گیری میدانی فرسایش بادی انجام شود. https://wmrj.areeo.ac.ir/article_134461_363fd6c4ac2e71d585730c36c2a7d32c.pdf

سازمان تحقیقات آموزش و ترویج کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارس پژوهش های آبخیزداری 2981-2313 39 1 2026 03 21 Estimating Groundwater Nitrate Contamination Probability Using Extreme Gradient Boosting برآورد احتمال رخداد آلودگی نیترات آب زیرزمینی با استفاده از الگوریتم تقویت شیب شدید 45 63 134463 10.22092/wmrj.2025.370560.1631 FA مهدی هاشمی استادیار بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی اصفهان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اصفهان، ایران علی دسترنج استادیار بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مشهد، ایران Journal Article 2025 08 30 <strong>Introduction and Goal </strong><br />Groundwater, as a vital source of fresh water, plays a fundamental role in supplying drinking, agricultural, and industrial needs in many arid and semi-arid regions of the world. However, increased human and industrial activities have led to the exacerbation of pollution in these valuable resources. In this regard, nitrate pollution, due to its high solubility and mobility in water, is recognized as one of the most serious threats to human health and aquatic ecosystems. The consumption of nitrate-contaminated water can lead to various diseases, including methemoglobinemia (blue baby syndrome) in infants and even some cancers in adults. Furthermore, the entry of nitrates into surface waters can result in eutrophication and the degradation of aquatic ecosystems. Given the importance of the issue and the necessity of protecting groundwater resources, this research was conducted with the aim of developing an integrated and comprehensive framework for estimating the probability of groundwater contamination, especially with a focus on nitrate contaminant, in the Lenjanat Plain region located in Isfahan Province, Iran. Using this framework and employing advanced modeling and spatial analysis approaches, areas prone to contamination were identified, which will help in providing effective management solutions to reduce the risks associated with groundwater contamination. The results of this research can serve as a basis for future planning in the sustainable management of water resources and the protection of community health.<br /><strong>Materials and Methods</strong><br />In this study, data related to the nitrate concentration in groundwater sources were carefully examined. Therefore, crucial information was collected from 102 wells in the Lenjanat Plain of Isfahan Province. Each of these wells represented the nitrate status in the groundwater aquifers of the studied region. To analyze this large volume of data and extract hidden patterns, the Extreme Gradient Boosting model was used. This model was chosen due to its high capability in identifying complex and non-linear relationships between variables, as well as its acceptable prediction precision. In addition to nitrate concentration data, ten key environmental and anthropogenic factors potentially influencing nitrate contamination in groundwater were identified and incorporated into the analytical model. These factors included slope, elevation, drainage density, topographic wetness index, soil order, and distance from streams, lithology, and land-use. By integrating these eight factors into the Extreme Gradient Boosting model, it was possible to identify the most significant factors affecting nitrate contamination and also to spatially predict the probability of nitrate contamination in groundwater.<br /><strong>Results and Discussion</strong><br />The results of this study clearly demonstrated the effectiveness and efficiency of the Extreme Gradient Boosting in predicting nitrate contamination in groundwater. The overall accuracy of this model was 0.86 which allowed the contamination status of the studied area to be well distinguished. In addition, other performance evaluation criteria of the model also indicated its high accuracy in correctly identifying contaminated and uncontaminated areas; with the area under the ROC curve was equal to 0.85. Moreover, the model recall was found to be 0.80, indicating that 80% of all the real contaminated areas were correctly identified using this model. Finally, the F1-score statistic, which is a combined measure of precision and recall, with a value of 0.83, indicates a good balance between these two measures and the overall reliable performance of the model. The sensitivity analysis of the model revealed that the effect of certain input variables on the spatial estimation of nitrate contamination in groundwater was significant. Among the ten environmental and anthropogenic factors examined, precipitation (21%) and elevation changes (18%) were identified as the most influential and important variables in determining the spatial pattern of nitrate contamination. These findings highlight the importance of natural and geomorphological characteristics of the region in controlling the dispersion and accumulation of nitrates in groundwater and can serve as a useful guide for future studies and the development of targeted management strategies.<br /><strong>Conclusion and Suggestions</strong><br />One of the important achievements of this study was the production of hazard maps that clearly identified areas with high risk of nitrate contamination in the central part of the studied plain. It is recommended that water resource managers and urban and rural planners use these maps as a valuable tool for taking preventive measures in sensitive areas. Notably, the role of human activities in increasing the risk of nitrate contamination was strongly confirmed by the significant overlap of high-risk areas with agricultural land-use. Based on these findings, it is suggested that nitrogen fertilizers be used optimally for the protection of groundwater resources and the sustainable management of agricultural activities. <strong>مقدمه و هدف</strong><br />آب‌های زیرزمینی به‌عنوان یک منبع حیاتی آب شیرین، نقش اساسی در تأمین نیازهای شرب، کشاورزی و صنعتی در بسیاری از مناطق خشک و نیمه‌خشک جهان دارند. با این حال، تشدید فعالیت‌های انسانی و صنعتی، منجر به افزایش آلودگی این منابع ارزشمند شده است. در این راستا، آلودگی ناشی از نیترات، به‌دلیل حلالیت و تحرک زیاد در آب، به‌عنوان یکی از مهم‌ترین تهدیدها برای سلامت انسان و بوم‌سازگان‌های آبی شناخته‌شده است. مصرف آب آلوده به نیترات می‌تواند منجر به بروز بیماری‌های گوناگونی از جمله متهموگلوبینمی (سندرم نوزاد آبی) در نوزادان و حتی برخی از سرطان‌ها در بزرگسالان شود. افزون بر این، ورود نیترات به آب‌های سطحی می‌تواند به پدیده اوتروفیکاسیون و ازبین‌رفتن زیست‌بوم‌های آبی منجر شود. با توجه به اهمیت موضوع و ضرورت حفاظت از منابع آب زیرزمینی، این پژوهش با هدف توسعه یک چارچوب یکپارچه و جامع برای برآورد احتمال رخداد آلودگی آب‌های زیرزمینی، به‌ویژه با تمرکز بر آلاینده نیترات، در منطقه دشت لنجانات در استان اصفهان ایران انجام شد. با استفاده از این چارچوب و بهره‌گیری از رویکردهای نوین مدل‌سازی و تحلیل فضایی، مناطق مستعد به آلودگی شناسایی شد که به ارائه راهکارهای مدیریتی مؤثر برای کاهش خطرات ناشی از آلودگی آب‌های زیرزمینی کمک خواهد کرد. از نتایج این پژوهش می‌توان به‌عنوان الگویی برای برنامه‌ریزی‌های آتی در زمینه مدیریت پایدار منابع آب و حفاظت از سلامت جامعه استفاده کرد. <br /><strong>مواد و روش‌ها</strong><br />در این پژوهش، داده‌های مربوط به غلظت نیترات منابع آب زیرزمینی به‌طور دقیق بررسی شد. ازاین‌رو، اطلاعات حیاتی از ۱۰۲ حلقه چاه در دشت لنجانات استان اصفهان جمع‌آوری شد. هر یک از این چاه‌ها نماینده‌ای از وضعیت نیترات در سفره‌های آب زیرزمینی منطقه مطالعه‌شده بود. برای تحلیل این حجم از داده‌ها و استخراج الگوهای پنهان در آن‌ها، از مدل تقویت شیب شدید استفاده شد. این مدل به‌دلیل توانایی زیاد در شناسایی روابط پیچیده و غیرخطی میان متغیرها و نیز عملکرد و دقت قابل قبول در پیش‌بینی، انتخاب شد. افزون بر داده‌های غلظت نیترات، ده عامل مهم محیطی و انسانی که به‌طور بالقوه بر آلودگی نیترات در آب‌های زیرزمینی اثرگذار بودند، شناسایی و در مدل تحلیلی استفاده شدند. این عامل‌ها شامل شیب زمین، بلندی، تراکم زهکشی، شاخص رطوبت پستی‌بلندی، رده خاک، فاصله از آبراهه، نوع سنگ‌شناسی منطقه و کاربری زمین بودند. با گنجاندن این هشت عامل در مدل تقویت شیب شدید، امکان شناسایی مهم‌ترین عامل‌های مؤثر بر آلودگی نیترات و همچنین برآورد مکانی اندازة احتمال آلودگی نیترات در آب‌های زیرزمینی فراهم شد.<br /><strong>نتایج و بحث</strong><br />نتایج این پژوهش به‌خوبی بیانگر اثربخشی و کارایی تقویت شیب شدید در برآورد آلودگی نیترات در آب‌های زیرزمینی بود. دقت کلی این مدل 0/86 به‌دست آمد که با بهره‌گیری از آن وضعیت آلودگی منطقه مطالعه‌شده به‌خوبی تفکیک شد. افزون بر این، دیگر معیارهای ارزیابی عملکرد مدل نیز بیانگر دقت زیاد آن در شناسایی صحیح مناطق آلوده و غیرآلوده بود؛ به‌طوری که اندازة سطح زیر منحنی ROC برابر با 0/85 بود. همچنین، اندازة بازیابی مدل 0/80 به‌دست آمد که بیانگر آن بود 80% از کل مناطق آلوده واقعی با استفاده از این مدل به‌درستی شناسایی‌شده است. سرانجام، آماره F1-score که یک معیار ترکیبی از دقت و بازیابی بود، 0/83 به‌دست آمد که بیانگر تعادل خوب میان این دو معیار و عملکرد کلی قابل اعتماد مدل بود. تحلیل حساسیت مدل نشان داد که اثر برخی از متغیرهای ورودی بر روند برآورد مکانی آلودگی نیترات آب زیرزمینی، زیاد بود. در میان ده عامل محیطی و انسانی بررسی‌شده، متغیرهای بارش (21%) و تغییرات بلندی (18%) به‌عنوان اثرگذارترین و مهم‌ترین متغیرها در تعیین الگوی مکانی آلودگی نیترات شناخته شدند. این یافته‌ها بیانگر اهمیت ویژگی‌های طبیعی و زمین‌ریخت‌شناختی منطقه در مهار انتشار و تجمع نیترات در آب‌های زیرزمینی بود که می‌توان از آنها به‌عنوان الگوی مفیدی برای پژوهش‌های آتی و تدوین راهبردهای مدیریتی بهره‌ برد.<br /><strong>نتیجه‌گیری و پیشنهادها</strong><br />یکی از دستاوردهای مهم این پژوهش، تولید نقشه‌های خطر بود که در آن به‌خوبی مناطق با خطر زیاد آلودگی نیترات در بخش مرکزی دشت مطالعه‌شده، شناسایی شد. پیشنهاد می‌شود مدیران منابع آب و برنامه‌ریزان شهری و روستایی از این نقشه‌ها به‌عنوان ابزاری ارزشمند برای انجام اقدامات پیشگیرانه در مناطق حساس، بهره ببرند. شایان ذکر است، نقش فعالیت‌های انسانی در افزایش خطر آلودگی نیترات با همپوشانی معنادار مناطق پرخطر با کاربری زمین‌های کشاورزی، قاطعانه تأیید شد. بر اساس این یافته پیشنهاد می‌شود برای حفاظت از منابع آب زیرزمینی و مدیریت پایدار فعالیت‌های کشاورزی از کودهای نیتروژنی به‌شکل بهینه استفاده شود. https://wmrj.areeo.ac.ir/article_134463_1ba9962c88a5e555421f0432a5a773d5.pdf

سازمان تحقیقات آموزش و ترویج کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارس پژوهش های آبخیزداری 2981-2313 39 1 2026 03 21 Analysis of the Impacts of Wind Erosion on the Chemical and Microbial Properties of Soil in the Dryland Ecosystem of Iranshahr, Sistan and Baluchestan Province تحلیل پیامدهای فرسایش بادی بر ویژگی‌های شیمیایی و میکروبی خاک بوم‌سازگان خشک در ایرانشهر استان سیستان و بلوچستان 64 83 134462 10.22092/wmrj.2025.370497.1630 FA مرتضی صابری دانشیار گروه مرتع و آبخیزداری، دانشکده آب و خاک، دانشگاه زابل، زابل، ایران محمدرضا دهمرده قلعه نو دانشیار گروه مرتع و آبخیزداری، دانشکده آب و خاک، دانشگاه زابل، زابل، ایران رسول خطیبی استادیار گروه مرتع و آبخیزداری، دانشکده آب و خاک، دانشگاه زابل. زابل، ایران Journal Article 2025 08 23 <strong>Introduction and Goal</strong><br />Soil degradation is closely related to the increased wind erosion, which is a major environmental challenge worldwide, especially in arid and semi-arid regions. Because, in these areas, soils have low cohesion and their structure is unstable and vegetation cover is sparse. In addition to the widespread effects of wind erosion on climate, air quality, and human health on a global scale, fine organic particles present on the soil surface are displaced and destroyed by this phenomenon. This process leads to a significantly reduces nutrient reserves, reduces fertility, and destroys the physical and biological structure of the soil. Considering the arid climatic conditions of the Iranshahr region in Sistan and Baluchestan Province and the effective role of strong winds in increasing wind erosion, investigating the consequences of this phenomenon on changes in soil properties is of particular importance. Therefore, this study aimed to investigate the consequences of wind erosion on the physical, chemical, and microbial properties of the soil of arid ecosystems in Iranshahr.<br /><strong>Materials and Methods </strong><br />In the present study, based on field visits, field observations, and erosion maps of the region, the intensity of soil erosion as the main treatment was categorized into four levels: no erosion, low, moderate, and severe erosion. To investigate the effects of these treatments on soil property variations, sampling was conducted in the Rahmatabad watershed of Iranshahr using a completely randomized design in June 2023. At each erosion level, four homogeneous sites with approximately similar physiographic conditions were selected, and five soil samples were collected from each site at a depth of 0–30 cm. The samples were combined using a composite method. Some of the samples were transported to the laboratory immediately after harvest in sealed containers to measure biological properties, while maintaining the initial humidity, and stored in a refrigerator. The other part was prepared for determination of physical and chemical properties after drying in the open air and passing through a 2 mm sieve. Physical properties including soil texture, bulk density, and porosity; chemical properties included organic carbon, total nitrogen, available phosphorus and potassium, pH, and electrical conductivity; and microbial properties included catalase enzyme activity, basal and induced microbial respiration, microbial biomass carbon and nitrogen, and microbial contribution were evaluated. Data were analyzed using one-way analysis of variance (ANOVA) in SPSS version 26, and mean comparisons were performed using Duncan’s multiple range test at a 95% confidence level. Additionally, correlations among the studied properties were evaluated using R software.<br /><strong>Results and Discussion</strong><br />The research findings showed that the effect of wind erosion intensity on the physical, chemical, and microbial properties of the soil was significant. Data analysis revealed that as erosion intensity increased, organic carbon and total nitrogen decreased significantly. Soil organic carbon decreased from 0.59% in non-eroded areas to 0.16% and total nitrogen decreased from 0.063 to 0.016% in severely eroded areas. Also, the sensitivity of available potassium and phosphorus to erosion was very high, with potassium decreasing from 161.3 to 79 mg/kg and available phosphorus decreasing from 8.32 mg/kg to 3.45 mg/kg, which was probably due to the movement of fine, nutrient-rich particles by the wind. Soil electrical conductivity of the soil increased with increasing erosion intensity from 0.54 dS/m in areas without erosion to 0.93 dS/m in severely eroded areas. Soil bulk density also increased from 1.36 to 1.58 g/cm³ and the porosity decreased from 46.6% to 33.2%, indicating greater soil compaction and degradation of soil aggregate structure. The decrease in catalase enzyme activity, basal and stimulated microbial respiration, biomass nitrogen, and microbial population was significant (p< 0.01) with increasing erosion intensity. These findings indicated limited food resources and reduced metabolic activity of microorganisms. However, change in biomass carbon to nitrogen ratio and soil microbial contribution were not significant (p < 0.05). This finding indicated the relative stability of some microbial processes even under severe erosion conditions. The results of this study showed that wind erosion reduced both the quality and quantity of soil nutrients and organic matter, and had a severe impact on soil structure and microbial activity. Therefore, these indices can be used as appropriate criteria for evaluating the effects of wind erosion in arid ecosystems, especially in Iranshahr. Correlation analysis showed that the effect of soil erosion on microbial characteristics was very negative. The correlation of catalase enzyme activity (−0.96), microbial respiration (−0.96), microbial carbon biomass (−0.95) and nitrogen (−0.98), and microorganism population (−0.98) with erosion intensity was very high and negative. Biological indicators functioned in a dependent manner, such that the relationship between the biomass carbon to nitrogen ratio and the microbial contribution was highly positive (0.92). These findings confirmed the reduction in the performance of the soil microbial network under the influence of erosion.<br /><strong>Conclusion and Suggestions  </strong><br />The results of the study in Iranshahr indicated that the best physical, chemical, and microbial soil conditions were observed in the treatment without erosion. The lowest specific gravity, highest porosity, highest water retention capacity, and highest soil microbial activity were related to the aforementioned treatment. As erosion intensity increased from low to high, soil quality steadily decreased; so that under conditions of high erosion, the greatest destruction of soil structure, reduction of available carbon, nitrogen, potassium, and phosphorus, and increase in electrical conductivity were observed. These findings indicated that optimal stability of the structure and function of dryland ecosystems is possible under conditions where minimal or no erosion occurs. Therefore, based on the results of this study, it is recommended to protect vegetation cover, reduce overgrazing, reduce plowing, and increase organic matter to prevent soil from entering advanced stages of erosion. <strong>مقدمه و هدف</strong><br />نابودی خاک ارتباط نزدیکی با افزایش فرسایش بادی دارد. فرسایش بادی یکی از چالش‌های زیست‌محیطی در سطح جهان و به‌ویژه در مناطق خشک و نیمه‌خشک آن است. زیرا، در این مناطق خاک‌ها چسبندگی کمی دارند و ساختار آنها ناپایدار است و پوشش­گیاهی به‌شکل پراکنده دیده می‌شود. افزون بر اثرات گستردة فرسایش بادی بر اقلیم، کیفیت هوا و سلامت انسان در مقیاس جهانی، ذرات ریز آلی موجود در سطح خاک به‌وسیلة این پدیده جابه‌جاشده و از بین می‌رود. این فرایند موجب کاهش قابل‌توجه ذخایر مواد مغذی، کاهش حاصلخیزی و نابودی ساختار فیزیکی و زیستی خاک می‌شود. با توجه به شرایط اقلیمی خشک منطقه ایرانشهر در استان سیستان و بلوچستان و نقش مؤثر بادهای شدید در افزایش فرسایش بادی، بررسی پیامدهای این پدیده بر تغییرات ویژگی‌های خاک اهمیت ویژه‌ای دارد. ازاین‌رو، این پژوهش با هدف بررسی پیامدهای فرسایش بادی بر ویژگی‌های فیزیکی، شیمیایی و میکروبی خاک بوم‌سازگان خشک در ایرانشهر انجام شد.<br /><strong>مواد و روش‌ها</strong><br />در این پژوهش، بر اساس بازدیدهای میدانی، مشاهده‌های صحرایی و نقشه‌های فرسایش منطقه، شدت فرسایش خاک به‌عنوان تیمار اصلی در چهار سطح بدون فرسایش، فرسایش کم، متوسط و شدید دسته‌بندی شد. برای بررسی اثر این تیمارها بر تغییرات ویژگی‌های خاک، نمونه‌برداری در آبخیز رحمت‌آباد ایرانشهر بر اساس طرح کاملاً تصادفی در خرداد ماه ۱۴۰۲ انجام شد. در هر سطح فرسایش، چهار منطقه همگن با شرایط گیتاشناسی تقریباً مشابه انتخاب شد و از هر منطقه پنج نمونه خاک از ژرفای صفر تا ۳۰ سانتی‌متر برداشت شد. نمونه‌ها با روش مرکب ترکیب شدند. بخشی از نمونه‌ها بلافاصله پس از برداشت، برای اندازه‌گیری ویژگی‌های زیستی در ظروف دربسته و با حفظ رطوبت اولیه به آزمایشگاه انتقال یافت و در یخچال نگهداری شدند. بخش دیگر پس از خشک شدن در هوای آزاد و عبور از الک ۲ میلی‌متری برای تعیین ویژگی‌های فیزیکی و شیمیایی آماده شد. ویژگی‌های فیزیکی شامل بافت خاک، جرم مخصوص ظاهری و تخلخل، ویژگی‌های شیمیایی شامل کربن آلی، نیتروژن کل، فسفر و پتاسیم قابل دسترس، اسیدیته و هدایت الکتریکی و ویژگی‌های میکروبی شامل فعالیت آنزیم کاتالاز، تنفس پایه و برانگیخته میکروبی، کربن و نیتروژن زیست‌توده میکروبی و سهم میکروبی ارزیابی شد. داده‌ها با استفاده از تجزیه پراکنش یک‌طرفه (ANOVA) در نرم‌افزارSPSS  نسخه ۲۶ تحلیل شدند و میانگین‌ها نیز با استفاده از آزمون دانکن در سطح احتمال ۹۵% مقایسه شدند. همچنین، همبستگی میان ویژگی‌های مطالعه‌شده با نرم‌افزار R بررسی شد.<br /><strong>نتایج و بحث</strong><br />یافته ­های پژوهش نشان داد اثر شدت فرسایش بادی بر ویژگی‌های فیزیکی، شیمیایی و میکروبی خاک معنی‌دار بود. تحلیل داده‌ها نشان داد که با افزایش شدت فرسایش، کربن آلی و نیتروژن کل به‌طور قابل توجهی کاهش یافتند. کربن آلی خاک از ۵۹/%۰ در مناطق بدون فرسایش به ۱۶/%۰ و نیتروژن کل از 0/063 به ۰۱۶/%۰ در مناطق با فرسایش شدید، کاهش یافت. همچنین، حساسیت پتاسیم و فسفر قابل دسترس به فرسایش خیلی زیاد بود، به‌طوری که پتاسیم از 161/3 به 79 میلی‌گرم بر کیلوگرم و فسفر قابل دسترس از 8/32 به 3/45 میلی‌گرم بر کیلوگرم کاهش یافتند که احتمالاً ناشی از جابه‌جایی ذرات ریز غنی از مواد مغذی به‌وسیلة باد بود. هدایت الکتریکی خاک با افزایش شدت فرسایش از 0/54 دسی‌زیمنس بر متر در مناطق بدون فرسایش به 0/93 دسی‌زیمنس بر متر در مناطق با فرسایش شدید افزایش یافت. جرم مخصوص ظاهری خاک نیز از 1/36 به 1/58 گرم بر سانتی‌متر مکعب افزایش و تخلخل از 46/6  به 33/2 % کاهش یافت، که نشان‌دهنده تراکم بیشتر خاک و نابودی ساختار خاکدانه‌ها بود. کاهش فعالیت آنزیم کاتالاز، تنفس میکروبی پایه و برانگیخته، نیتروژن زیست‌توده و جمعیت میکروارگانیسم‌ها با افزایش شدت فرسایش معنی‌دار (p<0.01) بود. این یافته‌ها بیانگر محدودیت منابع غذایی و کاهش فعالیت متابولیکی میکروارگانیسم‌ها بود. با این حال، تغییرات نسبت کربن به نیتروژن زیست‌توده و سهم میکروبی خاک معنی‌دار (p<0.05) نبود. این یافته بیانگر پایداری نسبی برخی فرایندهای میکروبی حتی در شرایط فرسایش شدید بود. نتایج این پژوهش نشان داد فرسایش بادی هم کیفیت و کمیت عناصر غذایی و ماده آلی خاک را کاهش داد و هم روی ساختار و فعالیت میکروبی خاک به‌شدت تأثیرگذار بود. ازاین‌رو، می‌توان از این شاخص‌ها به‌عنوان معیارهای مناسب ارزیابی اثرات فرسایش بادی در بوم‌سازگان‌های خشک، به‌ویژه در ایرانشهر، استفاده کرد. تحلیل همبستگی نشان داد که اثر فرسایش خاک اثر بر ویژگی‌های میکروبی بسیار منفی بود. همبستگی فعالیت آنزیم کاتالاز (0/96-)، تنفس میکروبی (0/96-)، زیست‌توده کربن (0/95-) و نیتروژن (0/98-) و جمعیت میکروارگانیسم‌ها (0/98-) با شدت فرسایش بسیار زیاد و منفی بود. شاخص‌های زیستی به‌‌طور وابسته عمل کردند به‌طوری که رابطة نسبت کربن به نیتروژن زیست‌توده با سهم میکروبی بسیار مثبت (0/92) بود. این یافته‌ها تأییدکنندة کاهش عملکرد شبکه میکروبی خاک تحت تأثیر فرسایش بود.<br /><strong>نتیجه‌گیری و پیشنهادها</strong><br />نتایج پژوهش در ایرانشهر نشان داد که بهترین شرایط فیزیکی، شیمیایی و میکروبی خاک مربوط به تیمار بدون فرسایش بود. کمترین جرم مخصوص ظاهری، بیشترین تخلخل، بیشترین ظرفیت نگهداری آب و بیشترین فعالیت میکروبی خاک مربوط به تیمار نامبرده بود. با افزایش شدت فرسایش از کم تا شدید، کیفیت خاک به‌طور پیوسته کاهش یافت؛ به‌طوری که در شرایط فرسایش شدید، بیشترین نابودی ساختار خاک، کاهش کربن، نیتروژن، پتاسیم و فسفر قابل دسترس و افزایش هدایت الکتریکی مشاهده شد. این یافته‌ها بیانگر آن بود که پایداری بهینه ساختار و عملکرد بوم‌سازگان‌های خشک در شرایطی که کمترین فرسایش رخ دهد یا وجود نداشته باشد، امکان‌پذیر است. ازاین‌رو، بر اساس نتایج این پژوهش برای جلوگیری از ورود خاک به مراحل پیشرفته فرسایش، حفاظت از پوشش گیاهی، کاهش چرای بیش از حد، کاهش شخم‌زنی و افزایش ماده آلی پیشنهاد می‌شود.  https://wmrj.areeo.ac.ir/article_134462_0e0fa982fc8b8e59e34777b7c7566ab2.pdf

سازمان تحقیقات آموزش و ترویج کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارس پژوهش های آبخیزداری 2981-2313 39 1 2026 03 21 Monitoring Flood-induced Surface Waters Using Different Remote Sensing-based Polarizations and Spectral Water Indices in the Karkheh Watershed پایش آب‌های سطحی سیلاب با استفاده از قطبش‌های مختلف و شاخص‌های طیفی آب مبتنی بر سنجش از دور در آبخیز کرخه 84 107 134941 10.22092/wmrj.2025.370814.1635 FA زینب حزباوی دانشیار گروه مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی، پژوهشکده مدیریت آب، دانشگاه محقق اردبیلی، اردبیل، ایران مرضیه قشمشمی دانش‌آموخته کارشناسی ارشد بیابان‌زدایی، گروه مرتع و آبخیزداری، دانشکده کویرشناسی سمنان، سمنان، ایران Journal Article 2025 09 24 <strong>Introduction and Goal </strong><br />According to global statistics, floods affect more than 40 % of the world's population and cause significant loss of life and property. In Iran, more than 80 % of cities are at risk of flooding. Therefore, investing in preventive measures and advanced technologies to combat floods is more necessary than ever. Preparedness and risk reduction before disasters could significantly reduce the cost of post-disaster recovery. Accurate mapping and long-term monitoring of floods play a key role in planning and prevention. One of the efficient tools for monitoring and mapping floods in optimal disaster management is the use of satellite imagery. Although Sentinel-1 synthetic aperture radar (SAR) images are useful for identifying flood areas in cloudy conditions, this method also has limitations. The sensitivity of radar data to dense vegetation and vertical structures may lead to under- or over-estimation of flooded areas. Besides, the Normalized Differential Water Index (NDWI), Modified Normalized Differential Water Index (MNDWI), and Automatic Water Extraction Index (AWEI) obtained from optical data in cloudy or plant shadows may have errors and cause incomplete or incorrect identification of flood areas. Therefore, the results obtained from both methods should be interpreted carefully, and combining radar and optical data can reduce these limitations, but does not completely eliminate them. Therefore, in this study, radar and optical data were analyzed and compared using remote sensing indices related to the water spectrum, and flooded areas were identified in the Karkheh watershed in Khuzestan Province.<br /><strong>Materials and Methods</strong><br />In the Karkheh watershed, widespread and unpredictable flood occur in the months of March and April 2019, which resulted in significant damage. Accordingly, an area of ​​3838.3 km² was selected. In this study, three different methods were used to identify and analyze surface water caused by flooding: (1) to detect changes, data from three time periods were used, including pre-agriculture season (September 28 to October 25, 2018), post-agriculture season (February 28 to March 25, 2019), and during the flood (March 28 to April 25, 2019). (2) SAR images obtained from the Sentinel-1 satellite with VV and VH polarizations were processed using the Refined Lee filter and the Otsu threshold algorithm to identify flooded areas. (3) To more accurately extract surface water from optical images, spectral water indices including NDWI, MNDWI, and AWEI obtained from the Sentinel-2 satellite were used. It is worth noting that AWEI was available in two versions: shadowless for open areas and shaded to reduce the effect of shadow in urban and mountainous areas, and the shadowless version was used in this study. Finally, by combining the results from radar and optical methods and analyzing multi-temporal variations, comprehensive maps of flood spread were produced and validated.<br /><strong>Results and Discussion</strong><br />The results of this study showed that the performance of the VH polarization with a value of 254 km² was slightly better in detecting flood areas than the VV polarization with a value of 252 km². With a combined method using both polarizations and only selecting areas with low backscatter in both polarizations, 239 km² of flooded regions were identified. The Combination of polarizations improved the accuracy and reliability of flood mapping and was superior to optical data because the radar was insensitive to cloud cover and lighting conditions. The results of temporal analysis of permanent and temporary water in the combined method (VV+VH) in three periods revealed that water coverage was high (about 1560 km²) pre-agricultural activities, decreased to 847 km² in late winter. Then increased to approximately 974 km² during the flood event. Despite lower water compared to the pre-agriculture period, a widespread flood occurred due to intense, sudden rainfall and the limited land and infrastructure capacity. The largest area covered by water was identified using MNDWI with an area 227 km². While the AWEI, with a value of 126 km², with a more conservative approach, only areas with a very high probability of surface water were identified. By combining all three spectral indices, an area of ​​62 km² was identified as flood-prone areas. The variations between the indices are due to the differences in spectral bands and sensitivity to water. Analysis of the results of the NDWI, MNDWI and AWEI showed that the changes in permanent and temporary water extent during the flood were significant, increasing from 98 km²to 324 km². The Otsu thresholding method was effectively applied to standardize and classify water areas across indices.<br /><strong>Conclusion and Suggestions</strong><br />Based on the results of this study, it concluded that combining radar and optical data led to the identification of 58 km² of flood areas, and there was a 39% overlap between the results of the two satellites. Using this combination significantly increased the accuracy and reliability of identifying flood-affected areas. Since changes in water extent do not only indicate the occurrence or severity of floods, it indicates that hydrological and management factors play a more important role in flood occurrence. Therefore, it is suggested that combined data, along with environmental factor analysis, be used to develop early warning systems and crisis management planning. In addition, using this method allows for periodic zoning of floods, which is recommended for use in developing preventive measures, optimal flood management, and agricultural planning. <strong>مقدمه و هدف</strong><br />بر اساس آمار جهانی، سیلاب بر بیش از ۴۰% از جمعیت جهان اثرگذار است و سبب خسارت جانی و مالی قابل توجهی می‌شود. در ایران، بیش از ۸۰% از شهرها در معرض خطر سیلاب هستند. ازاین‌رو، سرمایه‌گذاری برای انجام اقدامات پیشگیرانه و فناوری‌های پیشرفته برای مبارزه با سیلاب بیش از هر زمان دیگری ضروری است. آمادگی داشتن و کاهش خطر پیش از رویداد بلایا سبب کاهش معنادار هزینه بازیابی پس از آن می‌شود. نقشه‌برداری دقیق و پایش بلند‌مدت سیلاب نقش مهمی در برنامه‌ریزی و پیشگیری دارد. یکی از ابزارهای کارآمد برای پایش و نقشه‌برداری سیلاب در مدیریت بهینه بلایا، استفاده از تصویرهای ماهواره‌ای است. اگرچه تصویرهای راداری با دیافراگم مصنوعی (SAR) سنتینل-1 در شرایط ابری برای شناسایی مناطق سیلابی مفید هستند، اما این روش نیز محدودیت‌هایی دارد. حساسیت داده‌های راداری به پوشش گیاهی متراکم و سازه‌های عمودی ممکن است باعث برآورد کم یا زیاد مناطق آب‌گرفته شود. هم‌چنین، شاخص آب تفاضلی بهنجار‌شده (NDWI)، شاخص آب تفاضلی بهنجار‌شده اصلاح‌شده (MNDWI) و شاخص استخراج خودکار آب (AWEI) به‌دست آمده از داده‌های نوری در شرایط ابری یا سایه گیاهان ممکن است خطا داشته باشند و باعث شناسایی ناقص یا اشتباه مناطق سیلابی شوند. ازاین‌رو، نتایج به‌دست آمده از هر دو روش باید با دقت تفسیر شوند و با ترکیب داده‌های راداری و نوری می‌توان این محدودیت‌ها را کاهش داد، ولی آن‌ها را به‌طور کامل از بین نمی‌برد. ازاین‌رو، در این پژوهش داده‌های رادار و نوری با استفاده از شاخص‌های سنجش از دور مرتبط با طیف آب، تحلیل و مقایسه شدند و مناطق سیلابی در آبخیز کرخه در استان خوزستان شناسایی شد.<br /><strong>مواد و روش‌ها</strong><br />در آبخیز کرخه در ماه‌های فروردین و اردیبهشت 1398 سیلاب گسترده و غیرقابل پیش‌بینی رخ می‌‌دهد که منجر به خسارت قابل توجهی می‌شود. بر این اساس، منطقه‌ای به مساحت 3/3838 کیلومترمربع انتخاب شد. در این پژوهش، از سه روش مختلف برای شناسایی و تحلیل آب‌های سطحی ناشی از سیلاب استفاده شد: (1) در راستای آشکارسازی تغییرات، از داده‌های سه بازه زمانی شامل پیش از فصل کشاورزی (6 مهر تا 3 آبان 1397)، پس از فصل کشاورزی (9 اسفند 1397 تا 5 فروردین 1398) و هنگام سیلاب (8 فروردین تا 5 اردیبهشت 1398) استفاده شد. (2) تصویرهای SAR به‌دست آمده از ماهواره سنتینل-1 با قطبش‌های VV و VH با استفاده از فیلتر Refined Lee و الگوریتم آستانه Otsu به‌منظور شناسایی پهنه‌های سیلابی، پردازش شدند. (3) برای استخراج دقیق‌تر آب‌های سطحی از تصویرهای نوری، شاخص‌های طیفی آب شامل NDWI، MNDWI و AWEI به‌دست آمده از ماهواره سنتینل-2 استفاده شد. شایان ذکر است که AWEI در دو نسخه بدون سایه برای مناطق باز و با سایه برای کاهش اثر سایه در نواحی شهری و کوهستانی وجود داشت که در این پژوهش از نسخه بدون سایه استفاده شد. در پایان، با تلفیق نتایج به‌دست آمده از روش‌های راداری و نوری و تحلیل تغییرات چندزمانه، نقشه‌های جامعی از گسترش سیلاب تولید و اعتبارسنجی شد.<br /><strong>نتایج و بحث</strong><br />نتایج این پژوهش نشان داد عملکرد قطبش VH با اندازة 254 کیلومترمربع در تشخیص مناطق سیلابی کمی بهتر از قطبش VV با اندازة 252 کیلومترمربع بود. با یک روش ترکیبی و استفاده از هر دو قطبش و فقط با انتخاب مناطقی با پراکندگی بازگشتی کم در هر دو قطبش، 239 کیلومترمربع از مناطق سیلابی، شناسایی شد. ترکیب قطبش‌ها دقت و قابلیت اطمینان نقشه‌برداری سیلاب را بهبود بخشید و به‌دلیل حساس نبودن رادار به پوشش ابر و شرایط روشنایی، نسبت به داده‌های نوری، برتری داشت. نتایج تجزیه و تحلیل زمانی آب‌های دائمی و موقت در روش ترکیبی (VV+VH) در سه دوره نشان داد که پوشش آب پیش از فعالیت‌های کشاورزی زیاد (1560 کیلومترمربع) بود، در اواخر زمستان به اندازة 847 کیلومترمربع کاهش یافت. سپس، در طول رویداد سیلاب به تقریباً 974 کیلومترمربع افزایش یافت. با وجود آب کمتر در مقایسه با دوره پیش از فعالیت‌های کشاورزی، سیلاب گسترده‌ای به‌دلیل بارندگی شدید، ناگهانی و ظرفیت محدود زمین و زیرساخت‌ها رخ داد. با استفاده از MNDWI با اندازة 227 کیلومترمربع بیشترین مساحت پوشیده از آب، شناسایی شد. در حالی‌که با استفاده از AWEI، با اندازة  126 کیلومترمربع با رویکردی محافظه‌کارانه‌تر، فقط مناطق با احتمال بسیارزیاد وجود آب‌های سطحی، شناسایی شد. با ترکیب هر سه شاخص طیفی، مساحتی معادل ۶۲ کیلومترمربع به‌عنوان مناطق مستعد سیلاب، شناسایی شد. تغییرات میان شاخص‌ها به‌دلیل تفاوت در باندهای طیفی و حساسیت به وجود آب است. نتایج تحلیل NDWI، MNDWI و AWEI، نشان داد تغییرات گستردگی آب دائمی و موقت در طول سیلاب قابل توجه بود به‌طوری که از 98 کیلومترمربع به 324 کیلومترمربع افزایش یافت. روش آستانه‌گذاری Otsu به‌طور مؤثر برای استانداردسازی و طبقه‌بندی مناطق آبی در میان شاخص‌ها به‌کار گرفته شد.<br /><strong>نتیجه‌گیری و پیشنهادها</strong><br />بر اساس نتایج این پژوهش می‌توان نتیجه گرفت که تلفیق داده‌های راداری و نوری منجر به شناسایی ۵۸ کیلومترمربع از مناطق سیلابی شد و میان نتایج دو ماهواره 39% هم‌پوشانی بود. استفاده از این تلفیق، سبب افزایش چشم‌گیر دقت و قابلیت اطمینان شناسایی مناطق سیلابی شد. از آنجایی‌که تغییرات در گسترة آب فقط نشان‌دهنده رویداد یا شدت سیلاب نیست و بیانگر آن است که عامل‌های آب‌شناختی و مدیریتی نقش مهمتری در رویداد سیلاب دارند. ازاین‌رو، پیشنهاد می‌شود به‌منظور توسعه سامانه‌های هشدار اولیه و برنامه‌ریزی مدیریت بحران، از داده‌های ترکیبی ‌همراه با تجزیه و تحلیل عامل‌های محیطی، استفاده شود. افزون بر این، با بهره‌گیری از این روش امکان پهنه‌بندی دوره‌ای از سیلاب فراهم‌شده است که پیشنهاد می‌شود در توسعه اقدام های پیشگیرانه، مدیریت بهینه سیلاب و برنامه‌ریزی کشاورزی از آن استفاده شود. https://wmrj.areeo.ac.ir/article_134941_f32d492e428b1cfa824e3d7f8e77f62d.pdf

سازمان تحقیقات آموزش و ترویج کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارس پژوهش های آبخیزداری 2981-2313 39 1 2026 03 21 Application of the Quintuple Helix Approach in Sustainable Management of the Efin Watershed in the South Khorasan کاربست رویکرد پنج‎‌حلقه‌ای در مدیریت پایدار آبخیز افین خراسان جنوبی 108 125 134939 10.22092/wmrj.2025.370686.1633 FA رضا چمنی استادیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه بیرجند، 0009-0000-9913-8939 معصومه هواسی دانشجوی دکتری گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایران رضا یاقوتی دانشجوی کارشناسی ارشد گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایران 0009-0002-7252-3532 سیدحمیدرضا صادقی استاد گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایران Journal Article 2025 09 13 <strong>Introduction and Goal </strong><br />The political structure of watersheds changes based on decisions made by managers and planners. Consequently, various organizations play a crucial and undeniable role in developing sustainable watershed management. However, the roles of different sectors in watershed management and the quality of their sustainable resource practices have not been studied. Therefore, this study aimed to assess the role of the quintuple helix approach, which includes the government, the Islamic Consultative Assembly, councils and village councils, the private sector, the universities, and military law enforcement forces, in the sustainable management of the Efin Watershed.<br /><strong>Materials and Methods </strong><br />In this research, first, detailed executive studies of seven Efin sub-watersheds were obtained from the General Office of Natural Resources and Watershed Management of South Khorasan Province. Then, various reports were reviewed and the existing problems and obstacles for each sub-watershed were extracted. In this regard, through field visits and discussions with local communities, the problems were verified, and other problems that were not present in the studies or had emerged later were also identified, and the list of problems was finalized. Then, the final problem tree was formed and placed in the fishbone structure. Finally, based on the quintuple helix approach, the duties of five government organizations and the Islamic Consultative Assembly, councils and village councils, the private sector, the university, and the military and law enforcement forces in the sustainable management of the Efin Watershed were examined. <br /><strong>Results and Discussion</strong><br />The results of the study indicated 31 main problems in seven Efin’s sub-watersheds. These problems<em> </em>were placed within the localized fishbone structure across eight sections: monitoring and evaluation, natural hazards, economic, social, health and welfare, lack of awareness of local communities, natural problems and obstacles, and policymaking and planning. Then, using the analysis of organizational documents and descriptions of the organizations' services, the identified problems were linked to different organizations. The results showed that the highest number of problems were related to the three clusters of "economic", "policy and planning", and "health-welfare" with each sector has intervened in resolving them based on its specific function. The results of determining the role of different organizations revealed that the government, as the primary authority for policymaking and resource allocation, plays a crucial role in decentralizing facilities, allocating budgets, and supporting other sectors. On the other hand, local councils and village councils play a more significant role in facilitating public participation, addressing social issues, and coordinating with executive agencies. In addition, the private sector also had an impact on the economic prosperity of the Efin Watershed by investing in the agricultural products sector and their marketing. The university also influential by engaging in the development of environmentally friendly technologies, training specialized personnel, and providing scientific innovations in sustainable watershed management. Among these, one of the practical approaches was to provide solutions for optimizing barberry cultivation, processing by-products, and developing its value chain. However, the role of the university went beyond this sector and include scientific and technological support for other management fields.<br /><strong>Conclusion and Suggestions</strong><br />The Efin Watershed, as one of the largest barberry production centers in South Khorasan, has a privileged position in the production of agricultural and horticultural products. On the other hand, the existence of multiple faults in this watershed has caused local communities to suffer significant financial and human losses during earthquakes. Accordingly, synergy between government institutions and the private sector can not only strengthen the agricultural economy of the region but also contribute to the sustainability of human societies. However, the role of other actors in this process is also very important. In this regard, universities by producing new knowledge and technologies, councils and village councils by improving the level of local participation, and military forces by providing security and technical support, each play a specific role in advancing sustainable watershed management. Based on the results of this research, it is suggested that by utilizing the capacity of the private sector in barberry processing and the production of secondary food and pharmaceutical products, the raw sale of this valuable product can be prevented, by creating added value, the income of local communities can be increased and sustained. Also, given the strong dependence of water resources on rainfall, it is suggested that plans be implemented to manage existing water resource management and increase their economic productivity to prevent migration and depopulation of the region. <strong>مقدمه و هدف</strong><br />ساختار سیاسی آبخیزها با اجرای تصمیم‌های مدیران و برنامه‌ریزان، دستخوش تغییر می‌شود. بر این اساس سازمان‌های مختلف نقش اساسی و غیرقابل‎انکاری در شکل‎گیری مدیریت پایدار آبخیزها دارند. حال آن‎که نقش بخش‎های مختلف در مدیریت آبخیزها و کیفیت مدیریت پایدار منابع آن، بررسی‌نشده است. ازاین‌رو، این پژوهش با هدف ارزیابی نقش رویکرد پنج‌حلقه‌ای شامل دولت و مجلس شورای اسلامی، شوراها و دهیاری‌ها، بخش خصوصی، دانشگاه و نیروهای نظامی- انتظامی در مدیریت پایدار آبخیز افین، انجام شد.<br /><strong>مواد و روش‌ها</strong><br />در این پژوهش، ابتدا مطالعات تفضیلی-اجرایی هفت زیرآبخیز افین از اداره کل منابع‌طبیعی و آبخیزداری استان خراسان جنوبی، دریافت شد. سپس، گزارش‌های مختلف انجام‌شده بررسی و مشکلات و موانع موجود برای هر زیرآبخیز استخراج شد. در این راستا، با بازدیدهای میدانی و صحبت با جوامع محلی، مشکلات راستی‌آزمایی شد و مشکلات دیگر که در مطالعات وجود نداشت یا بعداً به‌وجود آمده بود نیز مشخص و فهرست مشکلات نهایی شد. سپس، درخت مشکلات نهایی تشکیل و در ساختار استخوان ماهی جانمایی شد. در پایان بر اساس رویکرد پنج‌حلقه‌ای، وظایف پنج سازمان دولت و مجلس شورای اسلامی، شوراها و دهیاری‌ها، بخش خصوصی، دانشگاه و مجموعه نیروهای نظامی-انتظامی در مدیریت پایدار آبخیز افین، بررسی شد. <br /><strong>نتایج و بحث</strong><br />نتایج این پژوهش بیانگر 31 مشکل اصلی در هفت زیرآبخیز افین بود. این مشکلات در هشت بخش پایش و ارزیابی، مخاطره‌های طبیعی، اقتصادی، اجتماعی، بهداشتی رفاهی، آگاهی نداشتن جوامع محلی، مشکلات و موانع طبیعی و سیاست‌گذاری و برنامه‌ریزی در ساختار بومی‌شده استخوان ماهی، جانمایی شد. سپس، با استفاده از تجزیه‌ و تحلیل اسناد سازمانی و شرح خدمات سازمان‌ها، مشکلات تعیین‎شده به سازمان‌های مختلف ربط‌داده شد. نتایج نشان داد بیشترین تعداد مشکلات مربوط به سه خوشه "اقتصادی"، "سیاست‌گذاری و برنامه‌ریزی" و بهداشتی–رفاهی بود و هر یک از بخش‎‌ها بر اساس کارکرد خاص خود در رفع آن‌ها مداخله داشت. نتایج تعیین نقش سازمان‌های مختلف نشان داد که دولت به‌عنوان مرجع اصلی سیاست‌گذاری و تخصیص منابع، نقش مهمی در تمرکززدایی امکانات، اختصاص بودجه و پشتیبانی از دیگر بخش‌ها را دارد. از سوی دیگر، شوراها و دهیاری‌ها در سطح محلی بیشتر در تسهیل مشارکت مردمی، پیگیری مسائل اجتماعی و هماهنگی با دستگاه‌های اجرایی نقش اثرگذارتری داشتند. افزون بر این، بخش خصوصی نیز با سرمایه‌گذاری در بخش فرآورده‌های زراعی و بازاریابی آن بر شکوفایی اقتصادی آبخیز افین، اثرگذار بود. دانشگاه نیز با ورود به عرصه تولید فن‎آوری‎‌های محیط‎زیست‎پسند، تربیت نیروهای متخصص و ارائه نوآوری‌های علمی در مدیریت پایدار آبخیز، اثرگذار بود. در این میان، یکی از الگوهای کاربردی، ارائه راهکارهای بهینه‌سازی بهره‌برداری از زرشک، فرآوری محصولات جانبی و گسترش زنجیره ارزش آن بود. اما، نقش دانشگاه فراتر از این بخش بود و شامل پشتیبانی علمی و فناوری از دیگر زمینه‌های مدیریتی نیز بود.<br /><strong>نتیجه‌گیری و پیشنهادها</strong><br />آبخیز افین به‌عنوان یکی از بزرگ‌ترین مراکز تولید زرشک در خراسان جنوبی، در تولید محصولات زراعی و باغی جایگاه ممتازی دارد. از سوی دیگر، وجود گسل‌های پرشمار در این آبخیز سبب‌شده تا در زمان زلزله، جوامع محلی متحمل خسارت‌های زیاد مالی و جانی شوند. بر این اساس، با هم‌افزایی میان نهادهای دولتی و بخش خصوصی می‌توان افزون بر تقویت اقتصاد زراعی منطقه، به پایداری جوامع انسانی نیز یاری رساند. با این حال، نقش دیگر بخش‌ها نیز در این فرآیند بسیار حائز اهمیت است. در این راستا، دانشگاه‌ها با تولید دانش و فناوری‌های نوین، شوراها و دهیاری‌ها با بهبود سطح مشارکت محلی و نیروهای نظامی–انتظامی با تأمین امنیت و پشتیبانی فنی هر یک نقش مشخصی در پیشبرد مدیریت پایدار آبخیز دارند. بر اساس نتایج این پژوهش، پیشنهاد می‌شود با بهره‌گیری از ظرفیت بخش خصوصی در فرآوری زرشک و تولید محصولات فرعی غذایی-دارویی، از خام فروشی این محصول با ارزش جلوگیری شود و با ایجاد ارزش‌افزوده، به افزایش و پایداری درآمد جوامع محلی کمک شود. همچنین، با توجه به وابستگی شدید منابع آبی به بارندگی، پیشنهاد می‌شود طرح‌های مدیریت منابع آب موجود و افزایش بهره‌وری اقتصادی آن برای جلوگیری از مهاجرت و خالی شدن منطقه از سکنه، اجرا شود. https://wmrj.areeo.ac.ir/article_134939_edffebe1528881845e22f0450f860485.pdf

سازمان تحقیقات آموزش و ترویج کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارس پژوهش های آبخیزداری 2981-2313 39 1 2026 03 21 Classification of Agricultural Land using a Combined Application of Advanced Remote Sensing Techniques, GIS Modeling, and Field Accuracy Assessments in the Watersheds of the Fars Province طبقه بندی کاربری‌های کشاورزی با کاربرد تلفیقی فنون پیشرفته سنجش از دور، مدل سازی جی‌آی‌اس و صحت سنجی‌های میدانی در آبخیزهای استان فارس 126 146 134938 10.22092/wmrj.2025.369849.1626 FA مجتبی پاک پرور دانشیار بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، شیراز، ایران سید مسعود سلیمان پور دانشیار بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، شیراز، ایران محمد مهدی قاسمی استادیار بخش تحقیقات آبیاری تحت فشار، مؤسسه تحقیقات فنی مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران محمد هادی جرعه نوش مربی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، شیراز، ایران سارا کوشافر کارشناس ارشد سازمان جهاد کشاورزی، شیراز، ایران حسین صحراییان کارشناس ارشد سازمان جهاد کشاورزی، شیراز، ایران Journal Article 2025 07 19 <strong>Introduction and Goal</strong><br />Given the vastness, variability, and dynamism of agricultural sector information in the country, and especially in Fars Province, updating and refining information related to agricultural activities is of particular importance. Agricultural land use in watersheds are among the most important forms of uses, playing a crucial role in both positive and negative aspects (destruction or protection) of the watershed. Numerous studies have been conducted on the classification of agricultural land using satellite images. Remote sensing is an efficient method for identifying crops to estimate potential harvest and managing agricultural fields. A wide range of image types has been used for variety applications in classification. Some image processing methods are more suitable than others for distinguishing land use and land cover categories, especially when images are classified with high-resolution. Additionally, a review of previous research has shown that, under certain conditions, the accuracy of object-based classification is greater than pixel-based classification in separating selected land use and land cover categories. In this study, to evaluate these two methods over an area as vast as Fars Province, GIS-based and remote sensing models were developed that can be used both for current watershed farm management and for updating information in the coming years. The accuracy of the mentioned methods was determined, and the possibility of integrating various stages into a user-friendly model was provided.<br /><strong>Materials and Methods</strong><br />In this study, all areas under agricultural and horticultural cultivation in the watersheds of Fars Province were examined. Since the dates of maximum greening are different in different climates, in order to study the climatic composition of each county, the climate map of the province was merged with the boundaries of the counties. The climate map in this study was prepared based on the Demarton method and using data from climatological and synoptic stations of Fars Province. To investigate the crop patterns, statistics on the area under cultivation of crops that were planted simultaneously with wheat were also collected for most of the counties where wheat was grown. In this study, based on the goal of distinguishing agricultural land use and measuring the average size of agricultural plots (around 1 hectare in Fars Province), Landsat 8 and Sentinel 2 images, with a ground resolution of 30 and 10 m, respectively, were sufficient. This was because each hectare of land contains 9 and 100 pixels, respectively. In a comprehensive field activity, the map of rainfed agriculture and rainfed orchards was drawn by delineating boundaries on the ground. Then four stages of headquarters and field verification were conducted with the highest spatial accuracy. Using relevant software, first, geometric and then atmospheric corrections were performed on the Sentinel and Landsat images, converting their DN values to reflectance. Next, various vegetation indices were generated and evaluated to select the best one for delineating green cover, which served as the basis for field data collection, including polygons within agricultural land use. Then, supervised classification methods including single-date, multi-temporal, object-based, and pixel-based, were utilized to distinguish irrigated croplands and classify them. Rainfed croplands and orchards were separated through repeated field surveys Irrigated orchards were extracted from cadastral data of agricultural lands and refined using updated images. Based on theKappa coefficient and overall accuracy, the results of each category of agricultural land use were compared with the ground truth.<br /><strong>Results and Discussion </strong><br />The results of atmospheric corrections on the image indicate a significant improvement in image metrics and visual clarity. In two land uses with fully green cover and fallow land uses, the values of all vegetation indices increased after atmospheric correction, while in the barren land and water catchment areas, the values decreased, bringing them closer to the expected range found in reliable sources. The highest accuracy of the green area map obtained from various vegetation indices was related to EVI and mSAVI, while mNDVI and GBNDVI were in the next ranks. The results of object-oriented classification showed the clear superiority of this method in separating agricultural lands from rangeland and barren lands. Furthermore, this method also allowed for the separation of two types of rangeland, weak and strong. The highest accuracy in map production was related to the vegetation indices EVI and mSAVI. The highest Kappa coefficient and overall accuracy were related to the support vector machine classification. The results of object-oriented classification showed the superiority of this method in separating agricultural lands from rangeland and barren lands. Additionally, the method provided the possibility of distinguishing two types of rangeland, weak and strong.<br /><strong>Conclusion and Suggestions  </strong><br />Among the various vegetation indices examined for distinguishing the green cover in agricultural lands, the results of using indices such as EVI and mSAVI, which tilized the green band in their equations, were more suitable. From the perspective of pixel-based algorithms, the best algorithm was SVM, followed by the Decision Tree, which ranked second. Until now, the spatial distribution and actual extent of rainfed agricultural and orchard land uses had not been determined by any traditional method or remote sensing due to its complexity. In this study for the first time, and at least in the Fars Province , it was carried out with satisfactory accuracy based on a combination of remote sensing and field surveys. The scale of these layers, based on Sentinel base images with a resolution of 10 m, is sufficient and suitable for use in watershed studies up to a detailed-executive scales Based on the findings of this study, it is recommended that the produced layers be used as a model for examining land use changes and illegal land grabbing of natural resources. Additionally, to achieve this goal, it is suggested that the digital boundary of national lands be integrated with the agricultural land use layers, and the boundaries of encroachment be extracted from them. <strong>مقدمه و هدف</strong><br />با توجه به گستردگی و تغییرپذیری و پویایی اطلاعات بخش کشاورزی در کشور و به­ویژه در استان فارس، به‌روز کردن و تدقیق اطلاعات فعالیت­های مرتبط با آن، اهمیت ویژه‌ای دارد.<strong> </strong>کاربری‌های کشاورزی در آبخیزها از مهمترین بهره‌برداری‌ها است که نقش تعیین­کننده‌ای در هر دو دیدگاه مثبت و منفی (نابودی یا حفاظت) آبخیز دارد. تاکنون پژوهش‌های پرشماری در زمینه طبقه‌بندی کاربری‌های کشاورزی با کاربرد تصویر‌های ماهواره­ای انجام‌شده است. سنجش از دور، یک روش کارآمد در شناسایی محصولات برای برآورد برداشت بالقوه و مدیریت مزارع کشاورزی است. تاکنون، طیف گسترده‌ای از انواع تصویرها برای تنوع گوناگونی از کاربردها برای طبقه‌بندی به ­کار گرفته‌شده است. برخی از روش‌های پردازش تصویر در جداسازی دسته‌های کاربری زمین و پوشش زمین مناسب‌تر از دیگر روش‌ها است، به‌ویژه زمانی که تصویرها با وضوح بیشتر طبقه‌بندی می‌شوند. همچنین، بررسی پژوهش‌های پیشین نشان‌داده است که در شرایطی، دقت طبقه‌بندی شیء­گرا در مقایسه با پیکسل­‌مبنا، در جداسازی دسته‌های انتخاب‌شده کاربری زمین و پوشش زمین، بیشتر است. در این پژوهش، برای ارزیابی این دو روش در پهنه‌ای به گستردگی استان فارس، مدل‌های مبتنی بر GIS و سنجش از دور که هم در مدیریت مزارع آبخیزها در زمان حال و هم برای به­روز رسانی اطلاعات در سال‌های آتی قابل استفاده باشد، تهیه شد. در این پژوهش دقت روش‌های نامبرده تعیین شد و امکان تجمیع کردن مراحل مختلف در یک مدل کاربر دوست فراهم شد.<br /><strong>مواد و روش‌ها</strong><br />در این پژوهش تمام مناطق تحت کشت زراعت و باغ در پهنه آبخیزهای استان فارس بررسی شد. از آنجایی که تاریخ‌های بیشینه سبزینگی در اقلیم‌های مختلف متفاوت است، به­منظور بررسی ترکیب اقلیمی هر شهرستان، نقشه اقلیم استان با مرز شهرستان­ ها ادغام شد. در این پژوهش، نقشه اقلیم بر اساس روش دمارتن و با استفاده از داده ­های ایستگاه­ های اقلیم­شناسی و هم­دید استان فارس تهیه شد. به ­منظور بررسی الگوی کشت اکثر شهرستان‌هایی که در آنها گندم کاشت می­شد، آمار سطح زیر کشت محصولاتی که همزمان با گندم کاشت می ­شدند نیز جمع ­آوری شد. در این پژوهش، بر پایة هدف جداسازی کاربری‌های کشاورزی و اندازه میانگین قطعه‌های کشاورزی (حدود ۱ هکتار در استان فارس)، تصویرهای لندست ۸ و سنتینل ۲، به­ ترتیب با وضوح زمینی ۳۰ و ۱۰ متر کافی بود. زیرا، هر هکتار زمین، به‌ترتیب در برگیرندة ۹ و ۱۰۰ پیکسل بود. در یک فعالیت میدانی یکپارچه و گسترده، نقشه کاربری‌های زراعت دیم و باغ دیم با برداشت محدوده ­ها بر سر زمین رسم شد. سپس، با بیشترین دقت مکانی چهار مرحله تدقیق ستادی و میدانی انجام شد. با استفاده از نرم ­افزارهای مرتبط، ابتدا تصحیحات هندسی و در گام بعدی تصحیحات جوی تصویرهای سنتینل و لندست انجام شد و دی‌ان آن ها به بازتاب سطح زمین تبدیل شد. سپس، شاخص‌های گیاهی متنوعی ساخته و آزمون شد تا بهترین آن ها برای تعیین سطح سبز انتخاب شود و مبنای برداشت اطلاعات میدانی که شامل چندضلعی‌هایی در داخل کاربری‌های کشاورزی بود، باشد. آن گاه روش‌های طبقه ­بندی نظارت ­شده شامل: تک زمانه، چند زمانه، شیء­گرا و پیکسل ­مبنا، برای جداسازی کاربری‌های زراعی آبی و تفکیک آن ها به‌کار گرفته شد. سپس، کاربری‌های زراعی و باغ دیم با چندین بار برداشت‌های میدانی، جداسازی شدند. کاربری‌های باغی آبی از اطلاعات کاداستر از کاربری‌های کشاورزی استخراج شد و با استفاده از تصویرهای به‌روز شده تدقیق شد. بر اساس ضریب کاپا و صحت کلی نتایج هر دسته از کاربری‌های کشاورزی با واقعیت زمینی مقایسه شدند.<br /><strong>نتایج و بحث</strong><br />نتایج تصحیحات جوی روی تصویرها بیانگر بهبود قابل توجه سنجه‌های تصویری و شفافیت دیداری آن ها بود. در دو کاربری پوشش کاملاً سبز مزارع و کاربری‌های آیش، اندازه‌های تمام شاخص‌های گیاهی پس از تصحیحات جوی باندها افزایش یافت و در دو کاربری بایر و پهنه محدوده‌های آبگیر کاهش یافت و به دامنه ارقام قابل انتظار در منابع معتبر، نزدیک‌تر بود. بیشترین اندازة صحت نقشه سطح سبز به‌دست آمده از شاخص‌های مختلف گیاهی مربوط به EVI و mSAVI بود و mNDVI و GBNDVI در رتبه بعدی بودند. نتایج طبقه ­بندی شیءگرا بیانگر برتری قطعی این روش در جداسازی کاربری‌های کشاورزی از مرتع و زمین بایر بود. افزون بر این، امکان جداسازی دو نوع مرتع ضعیف از قوی نیز در این روش فراهم شد. بیشترین صحت در تهیه نقشه­ های طبقه ­بندی مربوط به شاخص ­های گیاهی EVI و mSAVI بود. بیشترین ضریب کاپا و صحت کلی مربوط به طبقه­ بندی ماشین ­بردار پشتیبان بود. نتایج طبقه ­بندی شیءگرا بیانگر برتری این روش در جداسازی کاربری‌های کشاورزی از مرتع و زمین بایر بود. افزون بر این، امکان جداسازی دو نوع مرتع ضعیف از قوی نیز در این روش فراهم شد.<br /><strong>نتیجه‌گیری و پیشنهادها</strong><br />از میان انواع شاخص‌های گوناگون گیاهی بررسی‌شده برای تفکیک سطح سبز کاربری‌های زراعی، نتایج استفاده از شاخص‌هایی مانند EVI وmSAVI  که از باند سبز در معادله‌های آن ها استفاده شد، مناسب‌تر بود. از دیدگاه روش‌های پیکسل­ مبنا، بهترین روش SVM بود و پس از آن درخت تصمیم در رتبه بعدی بود. تاکنون، پراکنش مکانی و سطح واقعی کاربری‌های دیم زراعی و باغی به ­دلیل دشواری، با هیچ روش سنتی و یا سنجش از دور تعیین‌نشده بود، که در این پژوهش برای نخستین بار و حداقل در استان فارس با دقت مطلوب و مبتنی بر تلفیق سنجش از دور و بازید میدانی، انجام شد. مقیاس این لایه­ ها بر اساس تصویرهای پایه سنتینل با وضوح 10 متر، برای کاربرد در پژوهش‌های آبخیزداری تا مقیاس تفضیلی- اجرایی، کافی و مناسب است. بر اساس یافته‌های این پژوهش پیشنهاد می‌شود از لایه­ های تولیدشده به‌عنوان الگویی برای بررسی تغییرات کاربری زمین‌ها و تصرف غیرقانونی زمین‌های منابع­ طبیعی استفاده شود. همچنین برای دستیابی به این هدف پیشنهاد می‌شود مرز رقومی زمین‌های ملی روی لایه‌های کاربری‌های کشاورزی ­نهادشده و مرزهای متصرفی از آن­ ها استخراج شود.  https://wmrj.areeo.ac.ir/article_134938_789189929fea02eea75fc43e38b1529f.pdf