دانشگاه محقق اردبیلی مدل سازی و مدیریت آب و خاک 2783-2546 2 3 2022 09 23 Performance comparison of Artificial Intelligence models with IHACRES model in streamflow modeling of the Gamasiab River catchment مقایسۀ عملکرد مدل‌های هوش مصنوعی با مدل IHACRES در مدل‌سازی جریان حوضۀ آبریز رودخانۀ گاماسیاب 1 16 1573 10.22098/mmws.2022.9972.1076 FA صادق مومنه دانش آموخته کارشناسی ارشد مهندسی عمران/ گرایش مهندسی و مدیریت منابع آب، دانشکده فنی مهندسی، دانشگاه رازی، کرمانشاه، ایران. Journal Article 2021 12 09 Introduction Today due to climate change and fluctuations in the intensity and duration of rainfall in most parts of the world, new approaches to streamflow modeling have an extraordinary role in managing water resources and reducing the risks of floods. Since in some catchments, it is not feasible to measure all the observed quantities required for modeling the streamflow process, it is necessary to choose a simple model that can accurately predict rainfall-runoff using minimal information. Artificial intelligence (AI) models have high efficiency, especially when the accurate estimation of processes is more important than understanding the mechanisms and relationships that create them. Therefore, the AI models and semi-conceptual IHACRES models are used for streamflow modeling and compared with each other. In this study, streamflow modeling for the Gamasiab River, located in western Iran, is presented. Materials and Methods For rainfall-runoff modeling, artificial intelligence (AI) models include artificial neural network (ANN) models of type multi-layer perceptron (MLP), radial basis function neural network (RBF), and long short-term memory model (LSTM) are used. In addition, to better evaluate the AI models, a specialized semi-conceptual rainfall-runoff model called IHACRES is used. The data used in this study include daily data of flow discharge, precipitation, and average temperature for 31 years (September 23, 1986 - September 22, 2017), which is a time series of delayed data and as an input signal used to models. To evaluate the performance of the models, some criteria including Nash-Sutcliffe efficiency coefficient (NSE), root mean square error (RMSE), and correlation coefficient (R) were used. Results and Discussion The results show better performance of ANN, RBF, and LSTM models than the IHACRES model, especially at the peak flow rate, in modeling daily streamflow for the study area. The IHACRES model has performed well in calm and medium flows but has not performed well at flow peaks. In addition, the LSTM model performed better than the other models in estimating the flow rate during the verification period, while the ANN and RBF models performed better than the other models in the calibration phase. Overall, the results indicate that the best data-based model (i.e., LSTM model) has more than twice as good performance in streamflow modeling as the semi-conceptual IHACRES model based on RMSE criteria. In general, the results showed that artificial intelligence models are valuable tools for modeling streamflow fluctuations. Conclusion The AI models including, ANN, RBF, and LSTM models, especially in estimating flow peaks, were significantly better than the IHACRES model. The IHACRES model has performed well in calm river streamflow and low and medium discharge but has not performed well at flow peaks. In general, is recommended the LSTM model for modeling the daily streamflow of the study area due to better performance. AI models can model the streamflow more accurately and provide more efficient management of water resources in different regions. In general, the results showed that various AI models are a suitable tool in streamflow modeling, and it suggested that they be more utilized in future research. امروزه رویکردهای جدید مدل‌سازی جریان به‌دلیل تغییرات اقلیمی و نوسانات شدت و مدت بارش در اکثر مناطق جهان، برای مدیریت منابع آب و کاهش خطرات ناشی از بروز سیلاب نقش فوق‌العاده‌ای دارند. در این پژوهش، به مدل‌سازی جریان برای حوضۀ آبریز رودخانه گاماسیاب، واقع در غرب ایران، پرداخته ‌شده است. برای این منظور از مدل‌های هوش مصنوعی (AI) شامل، مدل‌های شبکۀ عصبی مصنوعی (ANN) از نوع پرسپترون چندلایه (MLP)، شبکۀ عصبی تابع پایه شعاعی (RBF) و مدل حافظه طولانی کوتاه-مدت (LSTM) استفاده‌ شده است. علاوه بر این برای ارزیابی بهتر مدل‌های AI از یک مدل تخصصی نیمه مفهومی بارش-رواناب نیز با عنوان IHACRES بهره گرفته شد. داده‌های مورد استفاده شامل، داده‌های دبی جریان، بارش و متوسط دمای روزانه برای یک دورة زمانی 31 سال (1 مهر 1365-31 شهریور 1396) که به‌صورت سری زمانی داده‌های با تأخیر و به‌عنوان سیگنال ورودی به مدل‌ها استفاده‌ شده است. جهت ارزیابی عملکرد مدل‌ها از معیار ضریب کارایی نش-ساتکلیف (NSE)، مجذور میانگین مربعات خطا (RMSE) و ضریب همبستگی (R) استفاده شد. نتایج به‌دست‌آمده براساس معیار NSE برای مدل‌هایLSTM ، RBF، ANN و IHACRES در دورة صحت‌سنجی به‌ترتیب برابر مقادیر 0/930، 0/907، 0/903 و 0/512 است. بنابراین، مدل LSTM عملکرد بهتری در دورة صحت‌سنجی نسبت به سایر مدل‌ها در تخمین دبی جریان ارائه کرد. در ضمن، نتایج به‌دست آمده هر چهار مدل به‌کار گرفته شده رضایت‌بخش است. نتایج حاکی از عملکرد بهتر مدل‌های ANN، RBF و LSTM به‌ویژه در نقاط اوج جریان نسبت به IHACRES در مدل‌سازی جریان برای منطقۀ مورد مطالعه است. در کل، نتایج نشان داد که مدل‌های AI، ابزار مفید برای مدل‌سازی نوسانات جریان هستند و توصیه می‌شود در مطالعات آتی، این ابزار بیش‌تر مورد استفاده قرار گیرد.

https://mmws.uma.ac.ir/article_1573_fb0bdb518336c44a403eb1e59553bb0d.pdf

دانشگاه محقق اردبیلی مدل سازی و مدیریت آب و خاک 2783-2546 2 3 2022 09 23 Application of geostatistical methods in determination of depth-area-duration rainfall curves (Lorestan province) کاربرد روش‌های زمین آمار در تعیین منحنی‌های عمق – مدت - مساحت بارندگی (استان لرستان) 17 26 1632 10.22098/mmws.2022.9843.1067 FA ایرج ویس کرمی هیئت علمی/ مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، خرم آباد، ایران کیانفر پیامنی هیئت علمی/ مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، خرم آباد، ایران مریم سادات جعفر زاده دانش آموخته دکترا/گروه آبخیزداری، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران Journal Article 2021 11 16 Introduction One of the main goals of spatial analysis of precipitation at area is to reach the standard project storm (SPS) for that area, through which can be reached the standard project flood (SPF). This analysis includes the characteristics of rainfall depth at a certain area and for a specific duration. Relation between depth and rainfall area which called depth-area-duration (DAD), is shown usually by set of curves that each shows different duration of rainfall. Using these curves, a reduction factor is determined for specific area and is applied to adjust the average point rainfall related to frequency of this project. The present study carried out under topic of investigation and map of depth- area- duration in Lorestan, in an area over 28559/5 Km2 in west part of country. Materials and Methods Weak coefficient of correlation is shown meaningfulness of the relation between rainfall and altitude in different time base. this is resulted from different reasons such as extension of area, lack of transmittal and number of suitable weather stations and different extension and tension of mountain than rain flaw. Considering above points cause those other methods of drawing precipitation maps include interpolation or geostatistical methods including, spline, IDW, kriging and Co-kriging were used. Results and Discussion Weak coefficient of correlation is shown meaningfulness of the relation between rainfall and altitude in different time base. this is resulted from different reasons such as extension of area, lack of transmittal and number of suitable weather stations and different extension and tension of mountain than rain flaw. Considering above points cause those other methods of drawing precipitation maps include interpolation or geostatistical methods including, spline, IDW, kriging and Co-kriging were used. Conclusion The results show that to preparing precipitation maps of selecting storms, simple co- kriging (SCK) is a suitable method to calculate the amount of rainfall of selecting storms in lorestan province. So the above way is used for preparing precipitation maps. Resulted from investigation of surface reduction factor of rain fall shows that in time duration 12 and 48 hrs with the increase of each 5000 surface reduction factor reduces for 0.1 in 24 hrs duration within 18000 Km2. This coefficient has a slow decreasing trend and then that is similar to 12 and 48 hrs rainfalls. Assessing the daily rainfall statistics of some of rain gauge stations in somewhere of the province by the Meteorological Organization and the Ministry of Energy, shows that sometimes there is a significant difference between the perception rates recorded by these organizations. Therefore, in order to eliminate the existing defects, it is suggested that the stations occupied by these organizations and their monitoring status be periodically evaluated by the experts of the relevant organizations and possible defects be prevented. یکی از عمده‌ترین اهداف تجزیه و تحلیل تغییرات مکانی بارش در یک مکان رسیدن به منحنی‌های رگبار پروژۀ استاندارد برای آن ناحیه و سپس سیل پروژۀ استاندارد است که این تجزیه و تحلیل شامل ویژگی‌های ارتفاع بارش در یک سطح معین و برای مدت‌زمان خاص است. روابط بین عمق و سطح بارش معمولاً توسط دسته‌ای از منحنی‌های عمق- مساحت- زمان تداوم (DAD) که هرکدام نشان‌دهندۀ تداوم زمانی مختلف بارش است نشان داده می‌شوند. با استفاده از این منحنی‌ها یک عامل کاهش برای سطح مشخصی تعیین و برای تعدیل متوسط بارش نقطه‌ای مرتبط با فراوانی طرح مورد نظر بهکار می‌رود. در بررسی‌های به‌عمل‌آمده در استان لرستان مشخص گردید میزان بارش در منطقه، تنها تابع ارتفاع نیست، بلکه از نظر مکانی نیز بارندگی پیچیدگی خاص خود را دارد که این مسئله نتیجۀ گستردگی و امتداد متفاوت ناهمواری‌های کوهستانی نسبت به جریان‌های باران‌زا است. این موضوع باعث می‌شود رگبارهای فراگیر با تداوم زمانی کمتر از 12 ساعت در بررسی سطح بارش مشاهده نشوند. بنابراین، در پژوهش حاضر رگبارها در سه‌پایه زمانی 12، 24 و 48 ساعته مورد بررسی و تجزیه و تحلیل قرار گرفتند. جهت تهیۀ نقشۀ هم‌باران رگبارهای انتخابی از روش‌های زمین‌آماری استفاده شد. در بررسی به‌عمل‌آمده روش‌های زمین آماری شامل اسپلاین، نسبت عکس فاصله، کریجینک و کوکریجینک استفاده شد. نتایج حاصله بیانگر آن بود که روش کوکریجینگ ساده روشی مناسب برای برآورد میزان بارش در رگبارهای انتخابی در سطح استان لرستان است. لذا، از روش فوق برای تهیۀ نقشه‌های هم‌باران استفاده‌ شد. نتایج حاصل از بررسی فاکتور کاهش سطحی بارندگی بیانگر آن است که در پایۀ زمانی 12و 48 ساعته با افزایش هر 5000 کیلومترمربع، 0/1 از فاکتور کاهش سطحی کاسته می‌گردد. در پایۀ زمانی 24 ساعته تا شعاع 18000 کیلومترمربع روند کاهش این ضریب کند بوده و از آن به بعد مشابه بارندگی‌های 12و 48 ساعته هست. بررسی مقادیر آمار بارندگی روزانه تعدادی از ایستگاه‌های باران‌سنجی که در بعضی مناطق استان توسط سازمان هواشناسی و وزارت نیرو نگهداری می‌شوند، نشان می‌دهد که بعضاً تفاوت چشمگیری بین مقادیر بارندگی ثبت شده توسط این دو سازمان وجود دارد. لذا، پیشنهاد می‌گردد وضعیت دیده‌بانی ایستگاه‌ها بصورت دوره‌ای، توسط کارشناسان مورد ارزیابی قرار گیرند.

https://mmws.uma.ac.ir/article_1632_0ee1a9ad693f13a3ad0afc31a2e971b9.pdf

دانشگاه محقق اردبیلی مدل سازی و مدیریت آب و خاک 2783-2546 2 3 2022 09 23 Land use changes around the wetland and diversity of waterfowl and shorebirds in Anzali, Almagol, Alagol, and Ajigol international wetlands (Iran) تغییرات کاربری اراضی محدوده تالاب و تنوع پرندگان آبزی و کنار آبزی در تالاب‌های بین‌المللی انزلی، آلماگل، آلاگل و آجی‌گل 27 39 1623 10.22098/mmws.2022.9871.1068 FA نرجس نظری دانشجوی دکترا/ گروه محیط زیست، دانشگاه آزاد اسلامی واحد اراک، اراک، ایران بهمن شمس اسفندآباد استادیار/ گروه محیط زیست، دانشگاه آزاد اسلامی واحد اراک، اراک، ایران جواد وروانی دانشیار/ گروه محیط زیست، دانشگاه آزاد اسلامی واحد اراک، اراک، ایران عباس احمدی استادیار/ گروه محیط زیست، دانشگاه آزاد اسلامی واحد اراک، اراک، ایران حمید ترنج زر استادیار/گروه محیط زیست، دانشگاه آزاد اسلامی واحد اراک، اراک، ایران Journal Article 2021 11 20 Introduction Anzali, Ajigol, Almagol and Alagol international wetlands are important global ecosystems. In this study, the trend of land use changes in these wetlands and its impacts on the distribution of waterfowl and shorebirds. One of the common methods in studying the ecosystem changes of wetlands is the diversity evaluation of waterfowl and shorebirds. Because of the ease of observing birds in nature, it is possible to find any possible changes in the wetlands by continuously studying the species diversity, population changes, and the habitat quality. Materials and Methods Satellite images and field information of wetlands and their land changes were prepared based on available data and field surveys. In order to prepare the vegetation map based on the wetland index, 6 bands of Landsat satellite TM sensor were used to calculate the NVIDA index. Also, using field survey and sampling of plants and wetland index, the predominance of plants in the region was determined. Then, land-use maps in different periods of 20 years (1998-2019) were prepared based on satellite image processing and image classification using the maximum likelihood method. The data obtained during 8 years census and field surveys, the Shannon-Wiener species diversity indices and inversely the Simpson index, Margalf and Manhink indices has been calculated and were used to determine the species richness and Pilo and Simson indices were used to determine the species evenness. Results and Discussion The results showed that the water area in Alagol, Ajigol and Almagol international wetlands has decreased by 1050.8 hectares (53.7%) and in Anzali wetland by 1541 hectares (18.9%). According to the results, in Alagol, Ajigol and Almagol international wetlands, the most changes are related to vegetation of medium density with 273% increase and in Anzali wetland, the most changes are related to increase in herbaceous plants with 270.3%. According to Margalf species richness index, the highest species richness was observed in Abchelikian. Also, the highest species diversity was observed in the genus Murghabian based on Shannon-Wiener index and the reverse of Simpson index. Also, the highest amount of species evennessbased on Pilo index and Simpson index was observed in the Baklanian genus. Conclusion The water extent of the wetlands has generally decreased and due to the increase of man-made land uses in the margins of the wetlands, adverse effects on the wetland ecosystem have been caused to vulnerability of wetlands to degradation. As a result of declining water levels in wetlands and the uncontrolled growth of non-native plants and the reduction of dissolved oxygen, the rate of habitat destruction of migratory aquatic animals and birds will increase. Due to the declining trend in biodiversity indicators in recent years as a result of declining water levels and land-use change, increasing the ecological protection of the wetland through management projects such as habitat protection, poaching control and pollution control, is recommended. تالاب‌های بین‌المللی انزلی، آجیگل، آلماگل و آلاگل از اکوسیستم‌های مهم جهانی بوده که در این پژوهش سعی بر آن شد تا روند تغییرات اراضی این تالاب‌ها و تأثیر آن در پراکنش پرندگان آبزی و کنار آبزی مورد بررسی قرار گیرد. ابتدا عکس‌های ماهواره‌ای و اطلاعات میدانی تالاب‌ها و تغییرات اراضی آن‌ها بر اساس بانک‌های اطلاعاتی و پیمایش‌های صحرایی تهیه شد. سپس نقشه‌های کاربری اراضی در دوره‌های مختلف 20 ساله (2019-1998) بر اساس پردازش تصاویر ماهواره‌ای و طبقه‌بندی تصاویر از روش حداکثر احتمال تهیه شد. از نتایج هشت سال سرشماری و پیمایش‌های صحرایی، به‌منظور محاسبه شاخص‌های تنوع گونه‌ای شانون-وینر و عکس شاخص سیمسون، از شاخص‌های مارگالف و منهینک به‌منظور مشخص نمودن غنای گونه‌ای و از شاخص‌های پیلو و سیمسون برای تعیین یکنواختی گونه‌ای استفاده شد. نتایج نشان داد مساحت آبی در منطقۀ تالاب‌های بین‌المللی آلاگل، آجی‌گل و آلماگل، در مجموع 1050/8 هکتار معادل 53/7 درصد کاهش و در تالاب انزلی 1541 هکتار معادل 18/9 درصد کاهش داشته است. طبق نتایج، در منطقۀ تالاب‌های بین‌المللی آلاگل، آجی‌گل و آلماگل بیش‌ترین تغییرات مربوط به پوشش گیاهی تراکم متوسط با 273 درصد افزایش است و در تالاب انزلی بیش‌ترین تغییرات مربوط به گیاهان علفی با 270/3 درصد افزایش است. بر اساس شاخص غنای گونه‌ای مارگالف بیشترین غنای گونه‌ای در تیره آبچلیکیان مشاهده شد. هم‌چنین بیش‌ترین تنوع گونه‌ای بر اساس شاخص شانون-وینر و عکس شاخص سیمسون در تیره مرغابیان و بیش‌ترین مقدار یکنواختی گونه‌ای بر اساس شاخص پیلو و شاخص سیمسون در تیره باکلانیان مشاهده گردید. یافته‌های پژوهش نشان‌دهنده کاهش چشمگیر اراضی بخش آبگیر تالاب‌های مورد مطالعه در طی 10 سال گذشته و تبدیل آن به زمین‌های بایر و انسان ساخت است که از جمله علل اصلی این تغییرات را باید در مسائلی مانند خشکسالی‌، احداث سد، برداشت بی‌رویه آب تالاب‌ها برای مصارف کشاورزی، پرورش ماهی و احداث کانال و جاده در منطقه و بین تالاب‌ها دانست.

https://mmws.uma.ac.ir/article_1623_01d090a40206d2e9cc8859748d0bb698.pdf

دانشگاه محقق اردبیلی مدل سازی و مدیریت آب و خاک 2783-2546 2 3 2022 09 23 Evaluation and validation of salinity monitoring indices in the Qazvin plain ارزیابی و صحت‌سنجی شاخص‌های پایش شوری در دشت قزوین 40 51 1636 10.22098/mmws.2022.10142.1077 FA محدثه السادات فخار دانشجوی کارشناسی ارشد/گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین‌المللی امام خمینی (ره)، قزوین، ایران بیژن نظری دانشیار/گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین‌المللی امام خمینی (ره)، قزوین، ایران Journal Article 2022 01 14 Introduction Soil salinity is the predominant soil degradation process in arid and semi-arid regions. There are several methods for monitoring salinity, which are mainly measured as points, which will be difficult to generalize to the whole region. In recent years, remote sensing-based methods for measuring salinity have been widely considered. Soil salinity has led to the limitation of agricultural land use patterns. This is a serious environmental hazard that affects the growth of many crops. Materials and Methods After selecting the study area on satellite images and ground visits, a cluster-cinematic sampling network was designed and implemented for surface soil sampling. In this study, pH, EC, SAR and TDS were measured. In this study, in order to use the remote sensing technique to study the temporal and spatial changes of vegetation density in the region, ground data and ETM+ images of Landsat 7 satellite and MODIS images have been used. Pre-processing operations including geometric, radiometric and co-ordination corrections were performed on each of the satellite images. In the next step, the desired vegetation indices, after calculation, are applied to the satellite images and thus the vegetation density pattern map is obtained based on each of these indices. Then 8 different salinity and vegetation indices were studied during the years 2005 to 2021. Results and Discussion The The results of this study showed that LANDSAT-7-ETM + sensor has been able to produce better results due to better spatial resolution than MODIS sensor. Also, among the salinity indices studied, SI3 index in both ETM + and MODIS sensors with RMSE (1.01 and 1.1) and correlation coefficient R (0.98 and 0.86) was able to have the best performance in Have an area. In the study between EC and SAR, both sensors had a high correlation between red and infrared bands. Conclusion In a general summary, by examining the information of the synoptic station of the plain, parameters such as temperature and amount of precipitation in the studied period show that by increasing the average temperature and decreasing the amount of precipitation in the region, the surface temperature increases during the year. Recent causes of drought and significant effects of climate change on the prevailing environmental conditions, which in turn will increase the breadth of salinity in the verse. شور شدن خاک فرآیند غالب تخریب خاک در مناطق خشک و نیمه‌خشک است. روش‌های مختلفی به‌منظور پایش شوری وجود دارد که در اکثر این روشها مقدار شوری عمدتاً به‌صورت نقطه‌ای اندازه‌گیری می‌شود؛ بنابراین، تعمیم آن برای یک منطقه با وسعت زیاد دشوار خواهد بود. سال‌های اخیر روش‌های مبتنی بر سنجش‌ از دور به‌منظور تهیۀ نقشه شوری در محدوده وسیع مورد توجه قرارگرفته است. سنجش ‌از دور با قابلیت پوشش وسیع و متناوب بهعنوان ابزاری دقیق در پایش زمین و تغییرات محیطی است. در این پژوهش با استفاده از قابلیت داده‌های سنجنده MODIS و LANDSAT-ETM+ به بررسی 8 شاخص مختلف شوری و گیاهی طی سال‌های 1384 تا 1400 در دشت قزوین و بهخصوص منطقه شورهزار پرداخته شد. نتایج حاصل از این پژوهش نشان داد سنجنده LANDSAT-7-ETM+ به دلیل قدرت تفکیک مکانی بهتر نسبت به سنجنده MODIS توانسته است نتایج بهتری را ایجاد کند. همچنین از بین شاخص‌های شوری بررسی‌شده شاخص SI3 در هر دو سنجندهETM+ و MODIS با مقدار RMSE (1/01 و 1/1) و میزان ضریب همبستگی R (0/98 و 0/86) توانسته است نتایج بهتری همراه با دقت بیشتری را در منطقه مورد مطالعه ایجاد نماید. همچنین در بررسی بین میزان EC و SAR هر دو سنجنده همبستگی بالایی بین باندهای قرمز و مادون‌قرمز داشته است. در یک جمع‌بندی کلی با بررسی اطلاعات ایستگاه سینوپتیک منطقه پارامتر‌هایی همچون دما و مقدار بارش در بازه زمانی مورد مطالعه نشان از این دارد که با افزایش میانگین دما و کاهش مقدار بارش در منطقه سبب افزایش دمای سطح زمین در طی سال‌های اخیر شده که این عامل می تواند هشداری برای بروز خشک‌سالی باشد و علاوه بر اثرات اقلیمی، برداشت بی‌رویه منابع آب سطحی و زیرزمینی نیز به تشدید خشکی و نهایتاً تشدید شوری در منطقه منجر خواهد شد.

https://mmws.uma.ac.ir/article_1636_a7b4922f9be2c5a091775fe51267d066.pdf

دانشگاه محقق اردبیلی مدل سازی و مدیریت آب و خاک 2783-2546 2 3 2022 09 23 Comparison of particle size distribution of sediments in mountain and river sand and gravel mining in Urmia City مقایسۀ توزیع اندازة ذرات رسوبات معادن شن و ماسۀ کوهی و رودخانه‌ای شهرستان ارومیه 52 65 1631 10.22098/mmws.2022.10187.1078 FA پیام مرادی چونقرالو دانش‌آموختة کارشناسی ارشد/گروه مهندسی آبخیزداری، دانشکدة منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران حبیب نظرنژاد دانشیار/ گروه مهندسی آبخیزداری، دانشکدة مرتع و آبخیزداری، دانشگاه علوم و کشاورزی و منابع طبیعی گرگان، گرگان، ایران فرخ اسدزاده دانشیار/گروه علوم خاک، دانشکدة کشاورزی، دانشگاه ارومیه، ارومیه، ایران Journal Article 2022 01 20 Introduction Sand mines are one of the most important active mines. One of the key properties of sediments is their particle size distribution, which affects many physical and chemical properties such as hydraulic and electrical properties and characteristics related to the transportability by erosive agents. Determining the size of sediment particles in different environments can be used in reclaiming sediments from washing river and mountain sand mines for physical and chemical remediation of soil. By determining the size of sediment particles in different environments, it is possible to measure the reuse of sediments from washing river and mountain sand mines for physical and chemical remediation of soil. Materials and Methods The main aim of this study was to compare the capability of some mathematical models in describing particle size distribution of sediments of 26 sand mines in Urmia. For this purpose, sampling was performed from mine sedimentation ponds. By examining each of the mines, in the field surveyes of sediment ponds, sediment sampling was done. In sampling of each mine, three samples were taken from three different points of stilling pond (entrance, middle and end of the pond) in depth (approximate depth of 20 cm) and composed of sediment accumulation profiles with approximately one kilogram weight. The particle size distribution was determined by hydrometric method. In order to describe the sediments, 4 mathematical models of sediment size distribution including Weibull, Fredlund, Van genuchten and Jacky models were used. Different aspects of models performance were evaluated by some efficiency criteria. Results and Discussion The samples taken from mountain and river mines were in the sandy loam and loamy texture class, respectively, so they have fine to medium grain texture. The results showed the difference between the amount of particles forming river and mountain sediments and there is small difference between river and mountain sediments in terms of the amount of component particles. In mountain sediments, the amount of clay, silt and sand is much more than river sediments and the amount of sand in river sediments is more than mountain sediments. Based on the results, most of the sediments are sand, silt and very fine sand and clay, respectively. Six efficiency coefficients were used to evaluate the accuracy of sediment particle grading models. The results showed that Fredlund model had better performance in describing sediment size distribution than other models. Conclusion Analysis of daily, monthly, seasonal and annual trends of precipitation and minimum and maximum temperatures in the period Fredlund model has the lowest error compared to other models and increasing the number of model parameters is not a reason to increase the accuracy of the model.It is suggested that the physical and chemical properties of sediments of mountain and river sand mines be studied separately so that according to different origins and different processes involved in their formation, the feasibility of using these sediments for soil optimization can be investigated. معادن شن و ماسه از مهم‌ترین معادن فعال کشور بوده و نقش مهمی در پیش‌برد پروژه‌های عمرانی دارد. توزیع اندازۀ ذرات رسوبات، یکی از خصوصیاتی است که بر سایر ویژگی‌های فیزیکی و شیمیایی آن تأثیر دارد. هدف از این پژوهش، بررسی دانه‌بندی رسوبات برداشت‌شده از 26 معدن شن و ماسة شهرستان ارومیه است که 19 معدن از نوع معادن شن و ماسة کوهی و هفت معدن نیز جزو معادن رودخانه‌ای است. برای این منظور از حوضچه‌های رسوب معادن، نمونه‌برداری و توزیع اندازة ذرات آن‌ها به روش هیدرومتری انجام شد. با بررسی هر یک از معادن، در بازدید میدانی از حوضچه‌های رسوب، نمونه‌گیری رسوب از آن‌ها صورت گرفت. برای نمونه‌برداری از هر معدن، از سه نقطة مختلف حوضچۀ آرامش (ورودی، میانه و انتهای حوضچه) تعداد سه نمونه به‌صورت عمقی (عمق تقریبی یک الی 20 سانتی‌متر) و مرکب از پروفیل تجمع رسوبات با وزن تقریبی یک کیلوگرم برداشت شد. به‌منظور توصیف رسوبات از چهار مدل ریاضی توزیع اندازۀ رسوبات شامل مدل ویبول، فردلاند، ون‌گنوختن و جکی استفاده شد. برای ارزیابی دقت مدل‌های دانه‌بندی ذرات رسوب، از شش ضریب کارایی استفاده شد. نتایج نشان‌دهنده تفاوت میزان ذرات تشکیل‌دهندة رسوبات رودخانه‌ای و کوهی است و اختلاف بسیار کمی بین رسوبات رودخانه‌ای و کوهی از نظر مقدار ذرات تشکیل‌دهنده وجود دارد. در رسوبات کوهی، میزان رس، سیلت و شن خیلی ریز بیش‌تر از رسوبات رودخانه‌ای بوده و مقدار شن در رسوبات رودخانه‌ای بیش‌تر از رسوبات کوهی است. نتایج دانه‌بندی رسوبات نشان داد مدل فردلاند نسبت به سایر مدل‌ها، کارایی بهتری در توصیف توزیع اندازة رسوبات داشت. بر اساس نتایج به‌دست‌آمده از نمونه‌های آنالیز شده در مثلث بافت خاک، نمونه‌های برداشت‌شده از معادن کوهی و رودخانه‌ای به‌ترتیب در کلاس بافتی لومی شنی و شنی لومی بودند، لذا دارای بافت ریز تا متوسط دانه هستند. بر اساس نتایج دانه‌بندی رسوبات، بیش‌تر درصد رسوبات را به‌ترتیب شن، سیلت و شن بسیار ریز و رس تشکیل می‌دهد.

https://mmws.uma.ac.ir/article_1631_0f7b505ceea0efd3b6dc241e2c6d6caf.pdf

دانشگاه محقق اردبیلی مدل سازی و مدیریت آب و خاک 2783-2546 2 3 2022 09 23 Estimation of soil texture fractions under limited distribution of field observation using remotely sensed data (a case study: Marjan Watershed Rangelands) برآورد اجزاء بافت خاک در شرایط محدودیت پراکنش داده های زمینی به کمک داده‌های ماهواره ای (مطالعۀ موردی: مراتع حوضه آبخیز مرجن) 66 78 1635 10.22098/mmws.2022.10277.1081 FA ندا کاوه دانشجوی دکتری/گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران عطا الله ابراهیمی دانشیار/گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران اسماعیل اسدی دانشیار/ گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران Journal Article 2022 02 03 Introduction Understanding the spatial variability of soil texture as one of the most important characteristics of soil is essential for soil and water resources management, productivity and sustainable development. However, in many cases, we face the limitation of field data due to the costs of soil analysis. The aim of this study was to estimate the soil surface texture (percentages of clay, silt and sand proportions) in lack of proper distribution of field data using satellite-based indices and regression modeling. Materials and Methods This study was conducted in Marjan rangelands of Boroujen. Soil samples (80 replicates) were collected from each subplot 2m×2m, and at depth 0–20 cm. Garmin GPS was used to record the coordinates of the sampling locations. Then, Soil samples from three subplots (as one plot 30m×30m) were mixed together and a sample of 500g was transferred to the laboratory. First, the soil samples were first air-dried then passed through a 2mm. Then, the particle size distributions of soil samples were analyzed following the hydrometer method. In order to predict sand proportions spatially from raw spectral bands and bands compositions of Landsat 8 satellite data including particle size index (GSI), Clay Index (CI), Band 4 to Band 7 ratio, Band 6 to Band 7 ratio and Brightness Index (BI) and physiographic variables including DEM and slope were used as auxiliary variables. To map soil texture compositions, we fitted a linear regression model between field observations and GSI index. Soil sand, silt and clay content were extracted from the predicted soil texture map. Results and Discussion Pearson correlation analysis showed that there are a significant relationship (p ≤ 0.05) between GSI and soil texture fractions and CI had a significant relationship with silt and sand. Between the physiographic variables, DEM had a significant correlation with clay, silt and sand, and slope with clay and sand. Therefore, these variables were selected as suitable auxiliary variables for spatial prediction of soil texture fractions using multiple regression. The central and southern parts of the study area, have a higher amount of clay and silt. Most parts of the region have clay and silt between 40-40%. Whereas, low silt and clay content are mostly observed in the north and northeast of the region. Based on sand map, north, northeast and east of the study area had the highest amount of sand (>40%) and the lowest amount of sand was observed in the central and southern parts of the region (sand percentage between 20-25%). The auxiliary variables had good accuracy in spatial prediction of soil texture compositions, especially in limited/inadequate distribution of sampled field data. Conclusion The results showed that remote sensing data and topographic properties combined with field data using multiple modeling can be used to better prediction the spatial distribution of soil texture compositions in large scale, when we are faced with data limitations. The generated maps can be used as basic information for environmental management and modeling. آگاهی از تغییرپذیری مکانی بافت خاک بهعنوان یکی از مهمترین مشخصههای خاک برای مدیریت منابع آب و خاک، در راستای بهرهوری تولید و توسعه پایدار ضروری است. لیکن در بسیاری از مواقع با محدودیت دادههای زمینی بهدلیل هزینههای زیاد آزمایش‌ها مواجه هستیم. هدف از این مطالعه برآورد بافت سطحی خاک ( درصد ذرات رس، سیلت و شن) در شرایط عدم پراکنش مناسب دادههای زمینی از طریق دادههای ماهوارهای به روش مدل‌سازی رگرسیونی بود. در این راستا نمونه برداری از عمق 20-0 سانتیمتری خاک به‌روش تصادفی-سیستماتیک و بهتعداد 80 نمونه خاک برداشت شد. سپس با آنالیز آزمایشگاهی به روش هیدرومتری، درصد رس، سیلت و شن خاک تعیین شد. بهمنظور پیشبینی توزیع مکانی ذرات رس، سیلت و شن خاک از باندها و ترکیبات باندی طیفی دادههای ماهوارهای لندست 8 مانند شاخص اندازه ذره (Grain size index)، شاخص رس (Clay Index)، نسبت باند 4 به 7، نسبت باند 6 به 7 و شاخص روشنایی (Brightness index ) و ویژگی‌های فیزیوگرافی از قبیل درصد شیب (Slope) و مدل رقومی ارتفاع (Digital elevation model) بهعنوان متغیرهای کمکی استفاده شد. 70 درصد دادههای میدانی برای پیشبینی و 30 درصد دادهها برای اعتبارسنجی استفاده شد. نتایج نشان دادند از بین شاخصهای سنجش از دوری مورد استفاده، شاخص GSIبا هر سه ترکیب خاک و CI با میزان سیلت و شن خاک ارتباط معناداری (05/0 ≤p) داشتند. از بین متغیرهای فیزیوگرافی، DEM با میزان سیلت و شن خاک و slope با رس و شن خاک همبستگی معناداری (05/0≤ p) داشتند و برای مدلسازی اجزاء بافت خاک انتخاب شدند. از اینرو، شاخصهای سنجشاز دوری مانند GSI و CI را میتوان متغیرهای کمکی مناسب برای پیشبینی مکانی اجزای بافت خاک در ترکیب با متغیرهای فیزیوگرافی، به ویژه در مواقعی که پراکنش نامناسب و یا محدودیت دادههای برداشت شده زمینی وجود دارد، معرفی کرد. بنابراین، نقشه های پیشبینی شده اجزاء بافت خاک میتوانند به عنوان اطلاعات و دانش پایه برای مدیریت بهتر و مدلسازیهای محیطی مورد استفاده قرار گیرند.

https://mmws.uma.ac.ir/article_1635_6ca69822b1a16cada7d51a9672e32385.pdf

دانشگاه محقق اردبیلی مدل سازی و مدیریت آب و خاک 2783-2546 2 3 2022 09 23 Contribution of two Sioul and Ghadah tributaries in reducing the water quality of the Meimeh River: determination of critical points and remedial solutions سهم اثر دو سرشاخه سیول و قدح در کاهش کیفیت آب رودخانۀ میمه؛ تعیین نقاط بحران خیز و ارائه راهکارها 79 93 1634 10.22098/mmws.2022.10286.1082 FA حاجی کریمی استاد/ گروه مرتع و آبخیزداری، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران قباد رستمی زاد استادیار/بخش تحقیقات حفاظت خاک و آبخیزداری مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان زنجان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، ایران سجاد مقدسی فر دانش آموخته کارشناسی ارشد/گروه آبخیزداری، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران احمدرضا کریمی دانشجوی کارشناسی ارشد/ گروه آبهای زیرزمینی، دانشکده علوم زمین، دانشگاه خوارزمی، تهران، ایران Journal Article 2022 02 03 Introduction Meymeh River which is located in the southern region of the Ilam Province, Iran, originates from good quality karst aquifer of the Kabir Koh anticline but its water quality decreases during the flow path of the river. The main geological formation at the flow path of the river is Gachsaran formation which partly composed of gypsum and sometimes salty (Halite) rocks. The aim of this study is to determine the contribution of Sioul and Ghadah tributaries in the salinity levels of the Meymeh river water and determining the critical points and also providing remedial solutions for this problem. Materials and Methods In order to determine the locations of quality changes along the Meymeh River, several field visits were arranged and finally 35 sampling stations were determined along the river flow path. Monthly sampling and field measurements were schedualed in the selected stations for measuring the discharge, EC and Temperature for the 2016-2017hyrologic year. After transferring the water samples to the laboratory, their chemical properties including major cations and anions were measured in the central laboratory of Ilam University. Results and Discussion Meymeh River has several tributaries and its discharge increases gradually. One of its main tributaries is the Sarkadeh River wich collect mainly the water of sulfur spring and Sioul River. The results showed that the Meymeh River quality gradually decreased along its path after originating from the karst formations and entering the Gachsaran formation, (EC at the source and the final station was measured as 500 and 12500 µs/cm, respectively). The results of mass balance showed that 28% Sulfur Springs, 21% Sioul river and 25% gradual changes by Gachsaran formation are effective in the salinity of the Meymeh River. In other words, about 50% of the Meymeh River’s salinity is due to the impact of the Sarkadeh River. Conclusion In order to modify the water quality of the Meymeh River, it is necessary to reduce the impact of tributaries which has the highest undesirable effects on the Meymeh River watre quality. Since the Sarkadeh River has the highest impact on the quality of the Meymeh River, the main action was to enhance the water quality of this branch. For this purpose, by constructing channels along the salinity zones of Sioul river, as well as creation of a water transmission pipe line for transfering the water of sulfur springs to the downstream of the Meymeh dam, can reduced more than 50% of the river water salinity and enhance the EC of the Meymeh River from 12500 (current situation) to 5700 µs/cm (doing above activities). کیفیت آب سطحی در تعیین شرایط زیست محیطی، سلامت عمومی و توسعه اجتماعی و اقتصادی نقش حیاتی دارد. این مطالعه با هدف تعیین سهماثر دوسرشاخه سیول و قدح در کاهش کیفیت آب رودخانۀ میمه و تعیین نقاط بحرانخیز و ارائه راهکارهای رفع آن انجام شده است. برای این منظور با بررسیهای میدانی ایستگاههای نمونهبرداری (35 ایستگاه) در طول مسیر رودخانه تعیین و به مدت یک سال (1395-1396) به‌صورت ماهانه در ایستگاه‌های منتخب اقدام به اندازهگیری دبی، EC، دما و نمونهبرداری از آب رودخانه شد. در ادامه بعد از انتقال نمونهها به آزمایشگاه خصوصیات فیزیکی – شیمیایی آن‌ها نیز اندازهگیری شد. نتایج نشان داد که رودخانه در طول مسیر خود پس از جدا شدن از سازندهای کارستی، به دلیل وارد شدن به سازندهای تبخیری به ویژه سازند گچساران، کیفیت آن دچار کاهش تدریجی میشود (هدایت الکتریکی در سرچشمه و ایستگاه پایانی به ترتیب معادل 500 و 12500 میکروزیمنس بر سانتیمتر اندازهگیری شد). همچنین نتایج محاسبات بیلان حجمی نشان داد چشمه گوگردی قدح 28 درصد، رودخانه سیول 21 درصد و تغییر تدریجی توسط سازند گچساران 25 درصد در شوری رودخانۀ میمه موثر هستند. به عبارتی حدود 50 درصد شوری رودخانۀ میمه ناشی از تأثیر رودخانه سرکده (تلاقی سرشاخههای سیول و چشمه گوگردی قدح) میباشد. با احداث کانالهایی در مسیر زونهای شوری رودخانه سیول و همچنین ایجاد یک خط انتقال که بصورت ثقلی آب چشمه گوگردی را به پایین دست سد منتقل نماید، میتوان تا 50 درصد از شوری رودخانه کاست و هدایت الکتریکی رودخانۀ میمه را از 12500 به 5700 میکروزیمنس بر سانتیمتر کاهش داد.

https://mmws.uma.ac.ir/article_1634_144a4d596183cb9b3c7aa181127864a9.pdf

دانشگاه محقق اردبیلی مدل سازی و مدیریت آب و خاک 2783-2546 2 3 2022 09 23 Sensitivity analysis of Hydrus software to input data in simulating water movement and root uptake of grass as a reference plant تحلیل حساسیت نرم‌افزار Hydrus نسبت به داده‌های ورودی در شبیه‌سازی حرکت آب و جذب ریشۀ گیاه مرجع چمن 94 107 1704 10.22098/mmws.2022.10847.1090 FA مجید رئوف دانشیار/گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، پژوهشکده مدیریت آب، دانشگاه محقق اردبیلی، اردبیل، ایران زینب اکبری باصری فارغ التحصیل کارشناسی ارشد/ گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران علی رسول زاده استاد/گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، پژوهشکده مدیریت آب، دانشگاه محقق اردبیلی، اردبیل، ایران جوانشیر عزیزی مبصر دانشیار/ گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، پژوهشکده مدیریت آب، دانشگاه محقق اردبیلی، اردبیل، ایران 0000-0001-7801-2720 Journal Article 2022 05 28 Introduction Understanding the movement of water in the soil and the process of root water uptake is critical. Numerical simulation is an effective solution for optimizing water management in the field. Accurate prediction of water movement in the soil and root water uptake, to create optimal moisture conditions in the root zone, is important for better plant performance. Investigating the phenomenon of water absorption by roots in hydrological and plant models requires a quantitative description of water absorption by plant roots. Accuracy of model simulation in predicting soil water transfer and root absorption, as temporal and spatial variables, is the most important criterion in agricultural issues. Materials and Methods The water movement in the soil and root water uptake were simultaneously simulated using HYDRUS-3D software. For this purpose, the grass plant was cultivated in three lysimeters with the same soil texture. The grass plant was irrigated every three days at 10 am. The soil water content of the depths of 5, 15, 25, 40, 60, and 80 cm was measured every day at 10 am and 6 pm. The volume of water drained from the lysimeters was measured every day. The measurements were done over a period of 81-day. Soil’s physical properties were measured in the laboratory. Results and Discussion The results showed that in all simulations, the minimum and maximum relative errors were obtained at 0.79 and 35.1%, respectively. The cumulative measured volume of drainage water in the whole period is 162.75 liters and the cumulative volume of simulated drainage water in the whole period is 133.79 liters. The relative error between these two values is equal to 5.28%. Rainfall amounts have a significant effect on estimating the volume of simulated drainage water and its difference from the measured volume of drainage water. With the increase of initial moisture and soil hydraulic conductivity, the relative error between the measured and estimated drainage water data increases, and with the increase of saturated moisture and residual moisture in the soil, the relative error decreases. The values of root water uptake (Minimum 0.5 and maximum 3.5 liters in one irrigation interval), showed that in the third stage of growth, root absorption has the maximum value and by comparing the actual and potential root absorption, which have a low difference, no stress has been applied to the plant. Conclusion The change in the input parameters causes a change in the estimated volume of drained water at the beginning of the period. When the initial moisture and residual soil moisture are considered as 0.3 and 0.15325, respectively, the relative error between the measured and estimated drainage water data is the lowest. The root water uptake values were also estimated using the model. According to the values of actual and potential root water uptake, in the whole period, which has very small differences, no stress has been applied to the grass plant and sufficient water has been provided to the plant. پیش‌بینی دقیق حرکت آب در خاک و جذب ریشه در راستای ایجاد شرایط رطوبتی بهینۀ منطقۀ ریشه برای عملکرد بهتر گیاه اهمیت بسیار زیادی دارد. در این پژوهش، حرکت آب در خاک و جذب ریشه به‌صورت هم‌زمان با استفاده از نرم‌افزار HYDRUS-3D شبیه‌سازی شد. برای این منظور، گیاه چمن در سه لایسی‌متر با بافت خاک یکسان کشت شد. آبیاری هر سه روز یک بار در ساعت ۱۰ صبح انجام شد. رطوبت اعماق ۵، ۱۵، ۲۵، ۴۰، ۶۰ و ۸۰ سانتی‌متر، هر روز ساعت ۱۰ صبح و عصر اندازه‌گیری شد. حجم آب زهکشی خارج شده از لایسی‌مترها در روزهایی که آب از لایسی‌متر زهکش می‌شد، اندازه‌گیری شد. اندازه‌گیری‌ها در یک دورة ۸۱ روزه انجام شد. ویژگی‌های فیزیکی خاک در آزمایشگاه نیز اندازه‌گیری شدند. در این پژوهش، از نرم‌افزار HYDRUS-3D جهت شبیه‌سازی آب زهکش شده از لایسی‌متر، مقادیر جذب ریشۀ روزانه، رطوبت اعماق مختلف خاک، برآورد منحنی مشخصۀ آب خاک و منحنی هدایت هیدرولیکی استفاده شد. نتایج نشان داد که مقادیر بارندگی در برآورد حجم آب زهکشی شبیه‌سازی شده و اختلاف آن با حجم آب زهکشی اندازه‌گیری شده تأثیر به‌سزایی دارد. در تمامی شبیه‌سازی‌ها، حداقل و حداکثر خطای نسبی به‌ترتیب 0/79 تا 35/1 درصد به‌دست آمد. با افزایش رطوبت اولیه و هدایت هیدرولیکی خاک خطای نسبی بین دادۀ زهکشی اندازه‌گیری شده و برآورد شده افزایش و با افزایش رطوبت اشباع و رطوبت باقیمانده در خاک کاهش می‌یابد. حجم تجمعی آب زهکشی اندازه‌گیری و برآورد شده در کل دوره به اندازه 28/5 درصد باهم اختلاف دارند. مقادیر جذب ریشه (حداقل 5/0 و حداکثر 5/3 لیتر در یک دور آبیاری) نشان داد که در مرحله سوم رشد جذب ریشه حداکثر مقدار را دارد و با مقایسه جذب ریشة واقعی و پتانسیل که اختلاف ناچیزی دارند هیچ تنشی به گیاه وارد نشده است. از مقایسۀ منحنی مشخصه اندازه‌گیری شده و شبیه‌سازی شده می‌توان نتیجه گرفتکه مدل دقت بالایی در تخمین منحنی مشخصه آب خاک دارد.

https://mmws.uma.ac.ir/article_1704_1035b23de89b36acf1c883dacd7e8e8f.pdf