فهرست مطالب

  • پیاپی 33 (تابستان 1395)
  • تاریخ انتشار: 1395/03/30
  • تعداد عناوین: 8
|
  • الهام سلیمانی ساردو، محمدرضا یزدانی، علی اصغر ذوالفقاری، مهندس علی اکبر دماوندی صفحات 1-10
    تعیین مناطق تغذیه ای آب زیرزمینی اغلب نیاز به حجم بالایی از اطلاعات و معیار های فضایی دارد. هدف از این مطالعه تعیین مناطق با پتانسیل تغذیه آب زیرزمینی در شهرستان سمنان با رویکرد تلفیقی AHP-GIS می باشد. برای این منظور لایه های اطلاعاتی شیب، فاصله از شبکه آبراهه سطحی، رده خاک، اقلیم، پوشش سطحی، کاربری اراضی، سنگ شناسی و فاصله از گسل مورد استفاده قرار گرفت. لایه های موضوعی در محیط ArcGIS 9.3 آماده شد. روش AHP جهت وزن دهی معیارها و شاخص های مورد بررسی، استفاده گردید. فاکتورها با دقت جهت تهیه نقشه پتانسیل تغذیه آب زیرزمینی در منطقه مورد مطالعه، آنالیز و تلفیق شدند. نقشه های مربوط به لایه های موضوعی منتخب در محیط ArcGIS تحت تابع Raster Calculator تلفیق و همپوشانی گردید. ادغام نقشه های رتبه بندی شده با لحاظ وزن های به دست آمده در فرآیند AHP، محدوده مورد مطالعه را به پهنه هایی در غالب نامناسب، متوسط و مناسب تفکیک نموده است. نتایج نشان میدهد مکان های تغذیه ای انتخاب شده از لحاظ عملی و کاربردی نیز تناسب بالایی داشته، بنابراین استفاده از GIS و روش وزن دهی AHP جهت تعیین مناطق با پتانسیل تغذیه آب زیرزمینی عملکرد خوبی ارائه می دهد. همچنین لایه سنگ شناسی بعنوان موثرترین فاکتور شناخته شد.
    کلیدواژگان: مکانیابی، وزن دهی، سنگ شناسی، نرخ سازگاری
  • مهندس محمدرضا عبدالله پورآزاد، محمدتقی ستاری، رسول میرعباسی نجف آبادی صفحات 11-18
    برآورد صحیح آبدهی رودخانه ها یکی از موارد مهم در پیش بینی خشکسالی، سیلاب، طراحی سازه های آبی، بهره برداری از مخازن سدها و کنترل رسوب می باشد. از این رو متخصصان علوم مهندسی آب جهت برآورد دقیق جریان، از روش های هوشمند مانند شبکه های عصبی مصنوعی و روش های مختلف داده کاوی بهره گرفته اند. در این مطالعه، جهت پیش بینی جریان روزانه رودخانه اهرچای، از روش های شبکه عصبی مصنوعی المانی (ENN) و قوانین درختی M5 بهره گرفته شد. بدین منظور از داده های جریان روزانه ایستگاه هیدرومتری اورنگ واقع بر رودخانه اهرچای در استان آذربایجان شرقی برای مدل سازی استفاده شد. نتایج حاصل از پیش بینی جریان در یک روز بعد نشان داد که گرچه روش ENN در بهترین سناریو با ساختار شبکه نسبتا پیچیده 1-3-9 که بیان گر 9 گره در لایه ورودی، 3 گره در لایه پنهان و یک گره در لایه خروجی با 90/0R2=، (m3/s)028/0RMSE= و (m3/s)001/0MAE= از دقت بیش تری برخوردار است. اما روش قوانین M5 تنها با دو پارامتر جریان در روز جاری و یک روز قبل به عنوان ورودی، با 83/0 R2=، (m3/s)734/0RMSE= و (m3/s)317/0 MAE= علاوه بر سادگی، از دقت قابل قبولی نیز برخوردار بوده است. مقایسه عملکرد دو مدل نشان داد، گرچه شبکه عصبی المانی دارای دقت بالاتری نسبت به روش M5 می باشد، ولی روش M5 با توجه به ارائه قوانین کارآمد و ساده اگر-آنگاه و روابط خطی ساده برای پیش بینی جریان و نیز تعداد پارامتر ورودی موردنیاز کم تر، می تواند بعنوان یک روش جایگزین مناسب بکار گرفته شود.
    کلیدواژگان: داده کاوی، شبکه عصبی المانی، مدل درخت تصمیم، مدل سازی
  • پریسا فرضی، مریم آذرخشی، علی رسول زاده، مهدی بشیری صفحات 19-26
    بررسی تغییرات روان آب و فرسایش خاک در خاک های تحت کاربری های مختلف و مجاور هم، امری ضروری می باشد. این تحقیق با هدف بررسی اثر متقابل و مستقل شیب و شدت بارش بر تولید رواناب و رسوب در دو کاربری مرتع و زراعت در حوزه صنوبر واقع در شهرستان تربت حیدریه، انجام شد. بدین منظور، بر اساس نقشه توپوگرافی منطقه، سه طبقه شیب 10-0، 30-10 و بالای 30 درصد انتخاب شد، همچنین با بررسی بارش منطقه، سه شدت بارندگی با مقادیر 9/0، 1/1 و 4/1 میلی متر بر دقیقه که به ترتیب مربوط به دوره بازگشت های 10، 25 و 100 سال هستند، انتخاب شدند. سپس با تهیه نقشه واحد کاری، 18 نقطه به صورت تصادفی منظم در قسمت های مختلف حوزه در دو کاربری مرتع و زراعت مشخص شد. در مرحله بعد با استفاده از شبیه ساز باران، اقدام به ایجاد بارش به مدت 10 دقیقه در هر نقطه شد. نتایج حاصل از تحلیل اثرات اصلی متغیرهای تحقیق بر داده های حجم رواناب و رسوب تولیدی وجود تفاوت معنی دار را برای شیب و شدت های مختلف در حوزه صنوبر نشان داد. اما اثر متقابل شیب و شدت بارش در مورد هیچکدام از پارامترهای اندازه گیری شده در دو کاربری، تفاوت معنی داری را در سطح اطمینان پنج درصد نشان نداد. همچنین نتایج نشان داد حجم رواناب و رسوب تولیدی کاربری مرتع بیشتر از زراعت می باشد.
    کلیدواژگان: فرسایش خاک، شبیه ساز باران، اثر متقابل، حوزه صنوبر
  • زهرا حیدری، حسین اسدی، مسعود کاووسی صفحات 27-36
    در این تحقیق، به منظور اصلاح یک نمونه خاک شورسدیمی و کاهش فرسایش پذیری آن با استفاده از کمپوست آزولا و پلی اکریل آمید، آزمایشی به صورت فاکتوریل در قالب طرح کاملا تصادفی با سه تکرار اجرا شد. نمونه برداری خاک از مارن های شورسدیمی در اراضی کوهستانی اطراف سد منجیل انجام شد. کمپوست آزولا و پلی اکریل آمید هر دو در چهار سطح به ترتیب صفر، 5 ، 10 و 15 تن در هکتار و صفر، 25، 50 و 75 کیلوگرم در هکتار مصرف شد. نمونه های خاک پس از اعمال تیمارها، با استفاده از سینی پاشمان به ابعاد 35×30 سانتی متر به مدت 40 دقیقه تحت بارندگی با شدت 95 میلی متر بر ساعت قرار گرفت. شدت جریان رواناب، غلظت رسوب و شدت فرسایش پاشمانی اندازه گیری شد و میزان نسبت جذب سدیم و درصد سدیم تبادلی خاک پس از انجام آزمایش تعیین شد. نتایج نشان داد بهترین تیمار در کاهش نسبت جذب سدیم و درصد سدیم تبادلی، کاربرد حداقل ممکن از یکی از مواد اصلاحی (25 کیلوگرم در هکتار پلی اکریل آمید و یا 5 تن در هکتار کمپوست آزولا) است. از نظر کاهش غلظت رسوب و شدت فرسایش پاشمانی، مصرف 5 تن در هکتار کمپوست آزولا به تنهایی در مقایسه با سایر تیمار های ترکیبی، مناسب ترین تیمار بود. شدت رواناب تنها تحت تاثیر کمپوست آزولا قرار گرفته و مصرف 5 تن در هکتار آن باعث تولید کم ترین مقدار رواناب شد. کمپوست آزولا ترکیب آلی بوده و در صورت مصرف مزرعه ای علاوه بر این اثرات مثبت، در بهبود وضعیت پوشش گیاهی نیز موثر خواهد بود.
    کلیدواژگان: شدت رواناب، شبیه ساز باران، غلظت رسوب، نسبت جذب سدیم، مارن
  • فاطمه عینلو، علی سلاجقه، آرش ملکیان، محسن احدنژاد صفحات 37-46
    تمرکز جمعیت بشری در مناطق شهری با توسعه شهرها و تغییر چهره طبیعی زمین سبب افزایش سطوح نفوذناپذیر و تغییر چرخه هیدرولوژی شده است. به منظور بررسی اثر توسعه شهری بر حجم رواناب ورودی به شبکه جمع آوری رواناب شهر زنجان، روند توسعه شهری با استفاده از تصاویر TM ماهواره لندست در نرم افزارهای IDRISI Selva و ArcGIS 9.3 پردازش شد. و نقشه کاربری اراضی سال های 1334، 1379 و 1391 تهیه گردید. آنالیز رفتار هیدرولوژیکی و هیدرولیکی اثر توسعه شهری بر حجم رواناب، با استفاده از مدل بارش- رواناب SWMM انجام شد. با واسنجی مدل بر اساس وقایع بارش- رواناب مشاهداتی، نتایج واسنجی و صحت سنجی مدل، درستی شبیه سازی ها را تائید کرد. روند توسعه شهری نشان می دهد مساحت محدوده های شهری در سال 1391 نسبت به سال های 1379 و 1334 به ترتیب با 59/22 و 88/923 درصد و سال 1379 نسبت به سال 1334 با 06/543 درصد افزایش همراه هستند. نتایج مدل SWMM نشان می دهد توسعه شهری و تبدیل اراضی به سطوح نفوذناپذیر سبب افزایش حجم رواناب شده به طوری که میانگین حجم رواناب در سال 1391 نسبت به سال های 1379 و 1334 به ترتیب 45/64 و 58/698 درصد و در سال 1379 نسبت به سال 1334، 91/376 درصد افزایش یافته است.
    کلیدواژگان: تغییر کاربری، توسعه شهری، حجم رواناب، آبخیز شهری زنجان، مدل SWMM
  • فاطمه مقصود، محمدرضا یزدانی، محمد رحیمی، آرش ملکیان، علی ذوالفقاری صفحات 47-57
    خشکسالی آب زیرزمینی یکی از انواع خشکسالی است که در اثر تغذیه ناکافی مخازن سفره های آب زیرزمینی بوجود آمده و شاخص منبع آب زیرزمینی (GRI) به عنوان روشی برای بیان وضعیت سطح آب زیرزمینی محسوب می شود. تاکنون روش ها و مدل های مختلفی برای پیش بینی و مدل سازی این پدیده ارائه شده است اما از آنجا که انتخاب یک مدل مناسب کار مشکلی می باشد می توان به جای استفاده از یک مدل؛ ترکیبی از مدل های منفرد قابل قبول را مورد استفاده قرار داد تا بتوان به پیش بینی مناسبت تر و قابل اعتماد تری دست یافت. در این تحقیق پس از محاسبه مقادیر GRI طی دوره آماری(1363-1390) در جنوب استان قزوین و بررسی ارتباط آن با پارامترهای هواشناسی (بارندگی، دبی، تبخیروتعرق پتانسیل، دما (میانگین، ماکزیمم، مینیمم)) و سیگنال های اقلیمی ( MEI، SOI، AMM، AMO و PDO)، با استفاده از آزمون گاما در سه ساختار ترکیب ورودی، اقدام به مدل سازی با شبکه عصبی مصنوعی گردید. نتایج نشان داد که سیگنال اقلیمی SOI و پارامترهای دمایی دارای بیشترین همبستگی معنی دار با مقادیر GRI می باشند. استفاده از پارامترهای هواشناسی نیز سبب بهبود عملکرد شبکه عصبی گردید. همچنین مدل سری زمانیARIMA(1،1،3)(2،0،1) با توجه به معیارهای ارزیابی آکاییک و شوارتز به عنوان مدل منتخب تعیین گردید. در نهایت نیز مدل سازی با مدل ترکیبی ANN-ARIMA انجام گرفت که عملکرد بهتری نسبت به دو مدل شبکه عصبی و سری زمانی نشان داد. (R2=0.94، RMSE= 0.05)
    کلیدواژگان: شبکه عصبی مصنوعی، سری زمانی، آزمون گاما، GRI، SOI، قزوین
  • محمد خسروشاهی صفحات 59-72
    یکی از راهکارهای اساسی برای کنترل و کاهش اثرات مخرب سیل، شناسایی مناطق سیل خیز در حوضه های آبخیز است. تا کنون روش هایی برای شناسایی مناطق مولد سیلاب معرفی شده است اما در سالهای اخیر برای بررسی وضعیت سیل خیزی حوضه های آبخیز بیشتر از روش «تکرار حذف انفرادی زیرحوضه (SSSE[1])» استفاده شده است. در این روش سهم مشارکت زیرحوضه های سیل خیز و اولویت بندی آنها با استفاده از تحلیل هیدروگراف سیل خروجی کل حوضه صورت می گیرد زیرا فرض بر این است که دبی سیل حداکثر در خروجی حوضه اتفاق می افتد. در مقاله حاضر ، روندیابی هیدروگراف زیرحوضه ها در شبکه آبراهه های داخل و خروجی کل حوضه برای تعیین محل بالاترین دبی سیل تولید شده با استفاده از همین روش مد نظر قرار گرفته تا توجه کاربران روش (SSSE) را به این نکته جلب کند که بالاترین سیل تولید شده ممکن است نه در خروجی حوضه بلکه در داخل حوضه آبخیز روی دهد. از این رو برای شناسایی مناطق سیل خیز نباید همیشه از تحلیل هیدروگراف خروجی حوضه استفاده شود. بدین منظور حوزه آبخیز سمیش رود با وسعتی معادل1680کیلومتر مربع و گستره ارتفاعی 1200 تا 2500 متر، به 28 زیرحوضه تقسیم شد. برای محاسبه خصوصیات فیزیکی زیرحوضه ها از سیستم اطلاعات جغرافیایی (GIS) بهره گرفته شد. با استفاده از داده های ایستگاه های هواشناسی حوضه و مناطق همجوار هیتوگراف بارش های طراحی 6 و 12 ساعته با دوره بازگشت2، 20، 50 و 100 ساله بدست آمد. پس از اجرای مدل هیدرولوژی HMS، و روندیابی هیدروگراف دبی زیرحوضه ها تا خروجی حوضه نتایج شبیه سازی بارش – رواناب نشان داد که محل بالاترین دبی تولید شده در مناطق میانی حوضه (J-5) بوده و فقط نیمی از زیرحوضه های مناطق بالادستی در بالاترین سیلاب حوضه مشارکت داشته اند. اولویت بندی زیرحوضه ها نشان داد که زیرحوضه B بیشترین مشارکت را در تولید سیل محل تلاقی شماره 5 داشته و بعد از آن زیرحوضه های C و A و G1 و H1 قرار دارند. کمترین مشارکت از آن زیرحوضه M2 بوده است .
    [1](Successive Single Subwatershed Elimination (SSSE
    کلیدواژگان: سیلاب، سیل خیزی، زیرحوضه، اولویت بندی، تکرار حذف انفرادی زیرحوضه، آبخیز
  • سیده مائده شنانی هویزه، حیدر زارعی صفحات 73-84
    تهیه نقشه های کاربری اراضی یکی از مهمترین وظایف فن آوری سنجش از دور در مدیریت عرصه های مختلف محسوب می گردد. در تحقیق حاضر جهت تهیه نقشه کاربری اراضی حوزه آبخیز ابوالعباس از تصویر ماهواره ای لندست/TM سال 1388 استفاده شده است. سپس تصویر به کمک هر یک از الگوریتم های شبکه عصبی مصنوعی پرسپترون سه لایه، ماشین بردار پشتیبان شعاعی و الگوریتم حداکثر احتمال طبقه بندی شد. در نهایت میزان کارایی الگوریتم های مختلف طبقه بندی در تهیه نقشه کاربری اراضی منطقه ی مورد نظر، با استفاده از پارامترهای دقت کلی و ضریب کاپا مورد ارزیابی قرار گرفت. نتایج نشان داد که روش های ناپارامتریک مانند شبکه عصبی مصنوعی (دقت کلی 8/95 درصد، ضریب کاپای95/0) و ماشین بردار پشتیبان شعاعی (دقت کلی 8/95 درصد، ضریب کاپای94/0) با دقت کلی و ضریب کاپای تقریبا مشابه در بهترین حالت دارای صحت و دقت بالاتری در تهیه نقشه کاربری اراضی نسبت به روش پارامتریک حداکتر احتمال (دقت کلی7/93 درصد، ضریب کاپای91/0) می باشند. در کل مطالعه ی حاضر نشان داد که هر سه الگوریتم طبقه بندی شبکه عصبی مصنوعی، ماشین بردار پشتیبان و حداکثر احتمال قابلیت تهیه نقشه کاربری اراضی را با صحت بالا، دارا می باشند.
    کلیدواژگان: تصویر ماهواره ای، الگوریتم طبقه بندی، نقشه کاربری اراضی، ضریب کاپا، دقت کلی، حوزه آبخیز ابوالعباس
|
  • Elham Soleimani Sardoo, Dr Mohammad Reza Yazdani, Dr Ali Asghar Zolfaghari, Eng Ali Akbar Damavandi Pages 1-10
    A large amount of spatial information and criteria is required to determine zones with groundwater recharge potential. The objective of this research is an application of integrated AHP-GIS approach for determination of groundwater recharge potential. Therefore, thematic layers in the field of slope, distance from drainage, soil order, climate, land cover, land use, lithology and distance from fault have been used. The thematic layers have been prepared in ArcGIS9.3 environment. The AHP method has been used to weigh the criteria and indices being investigated. The factors have been carefully analyzed and integrated so that the groundwater recharge potential map of the study area is prepared. Maps of selected thematic layers have been integrated according to Raster Calculator function, in ArcGIS environment. By integrating rated maps with resulting weights in AHP procedure, the study area has been divided into inadequate, intermediate and adequate classifications. The results show that all the selected recharge sites are significantly appropriate from the scientific and applied point of view; thus using GIS and AHP weighting method present a desirable performance in determining zones with groundwater recharge potential. Also, the lithology theme has been determined as the most efficient factor.
    Keywords: Site selection, Weighting, Lithology, Consistency Ratio
  • Eng. Mohammad Reza Abdollah Pourazad, Dr. Mohammad Taghi Sattari, Dr. Rasoul Mirabbasi Pages 11-18
    The correct estimation of river discharge is an important issue in forecasting of drought and floods, designing of water structures, dam reservoir operation and sediment control. For this reason, water resources managers used intelligent techniques such as Artificial Neural Networks and data mining methods such as Decision Tree to reliably estimate the discharge in a river. In this study, the Elman Neural Networks (ENN) and M5 model trees were used to forecast daily discharge of Aharchay River. The daily discharge data of Aharchay River measured at the Orange hydrometric station was used for modeling. The results showed that for the forecasting discharge of one day ahead, the ENN method presents more accurate results in compression with M5 model. For forecasting discharge of one day ahead, the best scenario of ENN model with a relatively complicated structure of 9-3-1 that indicating 9 nodes in input layer, 3 nodes in hidden layer and 1 node in output layer, the calculated error measures were R2=0.90, RMSE=0.028 (m3/s) and MAE=0.001 (m3/s). The corresponding values for M5 model with only two input parameters including the discharge of current and last day, were R2=0.83, RMSE=0.734 (m3/s) and MAE=0.317 (m3/s). Comparing the performance of ENN and M5 models indicated that, however the ENN approach may present more accurate results than the M5 model tree, but the M5 model provides more understandable, applicable and simple linear relation in forecasting daily discharge. In addition, the number of required input parameter for M5 model is less than ENN model. Thus, the M5 model tree can be used as an alternative method in forecasting daily discharge.
    Keywords: Data Mining, Elman Neural Network, Decision Tree Model, Modelling
  • Parisa Farzi, Maryam Azarakhshi, Ali Rasoulzadeh, Mehdi Bashiri Pages 19-26
    Assessment of Changes in runoff and soil erosion in adjacent soils under different land use is essential. This study aimed to investigate the interaction effects of slope gradient and rainfall intensity on runoff and sediment production on rangeland and agricultural fields in the Senobar watershed using rainfall simulator. Therefore, based on the topographic map of the region, three-classes of slope 0-10, 10-30 and more than 30% were selected. Also, three rainfall intensity values 0.9, 1.1 and 1.4 mm min-1 to correspond return periods of 10, 25 and 100- years, respectively were chosen. Then, based on workable unit map, 18 points were identified in different areas in the rangeland and agriculture randomly. The results of the analysis of the main effects of the variables on runoff and sediment yield data showed significant differences for slope gradient and different intensities in Senobar watershed. The interaction effect between slope gradient and intensity of any of the parameters measured in the two land uses does not show significant difference in five percent confidence level. The results also show that the volume of runoff and sediment yield in rangeland was higher than in agriculture.
    Keywords: land use, rainfall simulator, rainfall density, Senobar watershed
  • Zahra Heydari, Hossein Asadi, Masoud Kavoosi Pages 27-36
    This study was conducted in order to amend a saline-sodic soil with Azolla compost and polyacrilamide (PAM) in a laboratory experiment. A factorial design of completely randomized test with three replications was used to compare the effects of the amendments. The soil sample was collected from saline-sodic marls of hilly lands around Manjil dam. Both azolla compost and PAM were used in four rates of 0, 5, 10 and 15 ton per hectare, and 0, 25, 50 and 75 kg per hectare, respectively. Soil samples were packed in a 30×35 cm drainable detachment tray, and subjected to a rainfall intensity of 95 mm h-1for 40 minutes. The runoff rate, sediment concentration and splash erosion rate were measured during the experiments, and sodium adsorption ratio and exchangeable sodium percentage of the soil were determined after the experiment. Results showed that the best treatment for reducing sodium adsorption ratio and exchangeable sodium percentage of the the minimum application of one of the amendments (25 kg ha-1 PAM, or 5 ton ha-1 Azolla compost). For decreasing sediment concentration and rainfall erosion rate, application of 5 ton ha-1 Azolla compost was the most appropriate treatment than the other combined treatments. Runoff rate was affected only by Azolla compost, and the application of 5 ton ha-1 Azolla compost resulted in the minimum runoff. In addition to these positive effects, Azola compost as an organic material may have effective functions in improvement of vegetation cover if it used in the field.
    Keywords: Marl, Rainfall simulator, Runoff rate, Sediment concentration, Sodium adsorption ratio
  • Fatemeh Einloo, Ali Salajegheh, Arash Malekian, Mohsen Ahadnejad Pages 37-46
    The concentration of human population in urban areas with urbanization and changing the face of the earth's natural has caused an increase in impervious surfaces and change in hydrological cycle. To evaluate the effect of urbanization on the runoff volume entering in urban drainage of Zanjan City, the trend of urbanization were processed by using Thematic Mapper images in IDRISI Selva and ArcGIS 9.3 software. Land use maps of the 1956, 2000 and 2012 were prepared. Analysis of hydrological and hydraulic behavior of urban development impact on the volume of runoff was carried out by using Stormwater Management Model (SWMM). Based on model calibration by observation of rainfall-runoff events, the results of calibration and verification have confirmed the accuracy of simulations. The trend of urbanization shows that urban area has been expanded in 2012 compared to 2000 and 1956, 22.59 and 923.88 percent and in 2000 compared to 1956, 543.06 percent, respectively. The results of SWMM model shows that urbanization and convert the land to impervious surfaces have caused an increase in the runoff volume, so that, runoff volume average has increased in 2012 compared to 2000 and 1956 64.45 and 698.58 percent and in 2000 compared to 1956, 376.91 percent, respectively.
    Keywords: Land use change, Urbanization, runoff volume, Zanjan City Watershed, SWMM Model
  • Fatemeh Maghsoud, Mohammad Reza Yazdani, Mohammad Rahimi, Arash Malekian, Ali Zolfaghari Pages 47-57
    Groundwater drought is one of the drought types that caused by lack of sufficient groundwater recharge. Groundwater Resources Index (GRI) is a method to express the state of this type of drought using ground water level data. Various methods and models have been presented in order to forecast and model, but selecting a reliable model is a difficult task. So, it would be better to use a combination of acceptable models instead of using just one model. In this study, the GRI values over 1984-2011 period were calculated in south of Qazvin province and its relationship with meteorological parameters such as precipitation, discharge, evapotranspiration, temperature (Mean, Max, Min) and large scale climate signals (MEI, SOI, AMM, AMO, PDO) was modeled by artificial neural network based on the Gamma test and in three structures. The results show that SOI and temperature have higher significant correlation with GRI values and also using the meteorological parameters as input parameters lead to improving the artificial neural network performance. Moreover, the ARIMA (1, 1, 3) (2, 0, 1) was selected for forecasting of GRI based on evaluation measures such as AIC and SBC. Finally, ANN-ARIMA modeling revealed better performance compared with the ANN and ARIMA(R2=0.94, RMSE= 0.05).
    Keywords: Artificial Neural Network, Time Series, Gamma Test, GRI, SOI, Qazvin
  • Mohammad Khosroshahi Pages 59-72
    One of the basic strategies for floods control, is identify and spatial prioritization of flood prone areas within a watersheds. However, several methods have been introduced to identify flood generation areas, but in recent years a new method called "Successive Single Sub-watershed Elimination (SSSE)", is used to identify sub basins that contributed to flood generation in a catchment. In this method, the flood potential areas are determined by hydrograph analysis in watershed outlet; while the maximum flood may not occur in watershed outlet. Thus, it is necessary to investigate the whole tributaries and sub- watersheds in order to determine the location of maximum flood formation. In this article employ the above approach to determine flood prone areas in Shamsabad basin using stream-flow routing technique. The Shamsabad basin with an area of 1680 km ² and an elevation range of 1,200 to 2,500 meters was divided into 28 sub-basins. Sub-basin physical characteristics were measured in geographical information system (GIS). Design storm return period for 2, 5, 20, 50 and 100 years in 2, 5 and 12 hour duration were calculated using meteorological data. Then hydrologic HMS model was run. The results showed that the highest flood rate has occurred in the central basin at junction-5. The only half of the upper parts of watershed contributed in this junction flood. It was concluded that identification and prioritization of the risk of flood prone areas should be based on the location of maximum flood within the catchment not rely on outlet hydrograph analysis. Prioritization of flood prone areas showed that, the B sub-watershed has the most contribution in J-5 flood formation and after that are C, A, G1 and H1 sub-watersheds.
    Keywords: flood prone areas, sub, watershed, spatial prioritization, basin, successive single sub, watershed elimination (SSSE), GIS
  • Seyedeh Maedeh Shanani Hoveyzeh, Heidar Zarei Pages 73-84
    One of the most important tasks of remote sensing technology is to producing land use maps. In this study, in order to produce land use map of abolabbas basin, landsat satellite image of TM scanner acquired on 01 June 2009 were employed. the image classified by using three-layer perceptron neural network, support vector machine with the radial basis kernel function and Maximum Likelihood algorithm. So, The performance of different classification algorithms in producing land use maps were investigated using overall accuracy and kappa coefficient. Results showed that Nonparametric algorithms such as artificial neural network (with 95.8% overall accuracy and 0.95 kappa coefficient) and support vector machine with the radial basis kernel function (with 95.8% overall accuracy and 0.94 Kappa coefficient) with the same performance were better than the third method which is Parametric maximum likelihood algorithm (with 93.7% overall accuracy and 0.91 Kappa coefficient). Overall, this study showed that three classification algorithms, neural network, support vector machine and maximum likelihood are capable to generate land use maps with high accuracy.
    Keywords: Satellite image, Classification algorithms, Land use map, Overall accuracy, Kappa coefficient, Abolabbas basin