فهرست مطالب

  • سال دهم شماره 2 (زمستان 1399)
  • تاریخ انتشار: 1399/12/21
  • تعداد عناوین: 9
|
  • حسن رضایی مقدم*، محسن حسینعلی زاده، واحدبردی شیخ، رویا جعفری صفحات 1-16

    رطوبت خاک بخش مهمی از بیلان آبی را تشکیل داده و تقریبا در همه فرآیندهای هیدرولوژیکی و تبادلات انرژی بین طهوا و خاک موثر است. بنابراین پیش بینی آن نقش اساسی در برنامه ریزی ها، طراحی ها و تصمیم گیری ها دارد. در این تحقیق، اندازه گیری رطوبت خاک (هفتگی) در نهشته های لسی هزارپیچ گرگان در محدوده ای به وسعت تقریبی 27 هکتار در سه محل (دو محل در گندم زار و یک محل در مرتع) در40 هفته متوالی در اعماق 20، 40، 60 و 80 سانتیمتر با استفاده از دستگاه TDR انجام شد. مقادیر رطوبت در تمامی اعماق و مکان های مورد بررسی دارای روند بوده و بهترین مدل به تمامی آنها با توجه به معیار آکاییک برازش داده شد. نتایج نشان داد مدل (1، 1) IMA در کاربری مرتع در عمق 60 سانتیمتری با ضریب همبستگی 94/0 و میانگین خطای مطلق 82/0، در محل شماره یک گندم زار در عمق 20 سانتیمتری با ضریب همبستگی 87/0 و میانگین خطای 37/0 و در محل شماره دو گندم زار در عمق 20 سانتیمتری با ضریب همبستگی 86/0 و میانگین خطای 54/0 به عنوان بهترین مدل پیش بینی انتخاب شد. مدل (1، 1) IMA در تمامی موقعیت ها بیشترین فراوانی را در اعماق مختلف به خود اختصاص داده است همچنین نتایج نشان داد با توجه به عملیات خاک ورزی در کاربری گندم و به تبع آن ایجاد سله در عمق 40 سانتی متر، مدل (1، 1) ARIMA به عنوان بهترین مدل پیش بینی رطوبت خاک انتخاب شد.

    کلیدواژگان: رطوبت خاک، TDR، سری زمانی، نهشته های لسی
  • سعید شیوخی سوغانلو، مهدی نادی* صفحات 17-30
    نمایه بارش استاندارد پرکاربردترین نمایه برای پایش وضعیت خشکسالی است. اما این نمایه تنها از تابع توزیع پیش فرض گاما برای برازش بر داده های بارش استفاده می کند و تغییرات فصلی بارش را در نظر نمی گیرد. هدف از این پژوهش، بررسی کارایی نمایه SPI در پایش خشکسالی مناطق خشک و نیمه خشک ایران و رفع ایرادات آن است. پس از آن نمایه SPI با حالت اصلاح شده آن (SPImod) در طی دوره ی (1956-2010) مقایسه شد. نتایج نشان داد تابع توزیع حدنهایی عمومی در بیش از 57 درصد موارد مناسب ترین تابع توزیع احتمال داده های بارش است و توزیع پیش فرض گاما تنها در 11 درصد موارد به عنوان توزیع مناسب انتخاب شد. مقایسه ضرایب کاپا نشان داد که با افزایش پنجره زمانی میزان توافق نمایه های SPImod و SPI افزایش می یابد. مقدار این شاخص برای مقیاس یک ماهه ایستگاه های تهران (31/0)، مشهد (33/0)، بوشهر (32/0) و خرم آباد (26/0) بدست آمد درحالی که در پنجره زمانی نه ماهه، شاخص کاپا در ایستگاه تهران به مقدار (49/0) و در ایستگاه های مشهد، بوشهر و خرم آباد به ترتیب با مقادیر (47/0)، (56/0) و (45/0) افزایش یافت. همچنین نتایج نشان داد فراوانی و جابه جایی طبقات خشکسالی در مقایسه این دو نمایه دستخوش تغییرات بسیار زیادی خواهد شد. به طوریکه جابه جایی طبقات نرمال، خشکسالی شدید و ترسالی شدید به ترتیب با مجموع فراوانی 259، 147 و 111 رخداد در پنجره زمانی سه ماهه و جابه جایی طبقات خشکسالی متوسط، نرمال و ترسالی متوسط به ترتیب با مجموع فراوانی 68، 54 و 28 رخداد در پنجره زمانی نه ماهه قابل توجه بود.
    کلیدواژگان: پایش خشکسالی، تابع توزیع احتمال، شاخص کاپا، نمایه پایش خشکسالی
  • سید سامان میرفلاح نصیری، ابراهیم امیری*، محبوبه شادابی بجند صفحات 31-42

    برآورد دقیق میزان رسوبات حمل شده در رودخانه ها بر اثر فرسایش عامل مهمی برای مدیریت پروژه های آب شناختی می باشد. شبکه عصبی مصنوعی به دلایل عمده از جمله برخورداری از توانایی تشخیص الگو، رابطه خوب بین ورودی و خروجی و نیاز به تعداد داده های ورودی کم تر در پیش بینی میزان رسوب معلق دارای اهمیت فراوانی است. بر این اساس پژوهش حاضر اقدام به مدلسازی برآورد میزان رسوب معلق رودخانه پسیخان با استفاده از شبکه عصبی مصنوعی درخت تصمیم M5 کرده است. میزان رسوب در رودخانه ها تابع پارامترهای زیادی از هندسه رودخانه، هیدرولیک جریان و خصوصیات رسوب است. به همین دلیل در این تحقیق سعی شده است ابتدا با بی بعد سازی پارامترهای موثر بر ظرفیت حمل رسوب، تعداد پارامترهای موثر کاهش یابد. نتایج نشان داد که درخت تصمیم ساخته شده اولیه یعنی درخت M5 نیاز به هرس ندارد و دارای کاربرد مناسب می باشد. برای بررسی میزان دقت مدل پیش بینی از سه پارامتر ضریب تعیین (R2)، متوسط خطای نسبی (ME) و میانگین مجذور مربعات خطا (RMSE) استفاده شد. مقادیر بدست آمده برای این سه پارامتر به ترتیب برابر با 851/0، 64/1037 و 32/941 به دست آمد که نشان دهنده مناسب بودن این سه پارامتر است. همچنین مقایسه میزان رسوب معلق بدست آمده از مدل درخت تصمیم با داده های اندازه گیری رودخانه پسیخان نشان داد که میزان ضریب تعیین برابر با 8953/0 به دست آمد که یک مقدار بسیار مناسب است. نتایج نشان داد که این مدل در پیش بینی میزان رسوب معلق در رودخانه پسیخان از کارایی موثری برخوردار است.

    کلیدواژگان: درخت تصمیم، رسوب معلق، رودخانه پسیخان، شبکه عصبی مصنوعی، مدلسازی
  • لاله پرویز*، بهاره سعید آبادی صفحات 43-54

    بررسی دقیق ساختار اصلی سری زمانی نقش مهمی در افزایش دقت پیش بینی مدل ARIMA دارد. هدف این تحقیق بررسی تاثیر جداسازی مدلسازی بخش خطی و غیر خطی سری زمانی در نتایج مدل ARIMA است. تفکیک مدلسازی سری های عملکرد محصول گندم و ذرت دانه ای (استان های کرمانشاه و اصفهان) در بخش خطی مربوط به مدل ARIMA بود و در بخش غیرخطی با رگرسیون بردار پشتیبان انجام گرفت (مدل هیبرید). نتایج مدلسازی می تواند تحت تاثیر نوع ترکیب مورد استفاده بخش غیر خطی در مدل هیبرید تغییر یابد، به عنوان نمونه در سری زمانی ذرت دانه ای در استان کرمانشاه مقدار RMSE در ترکیبی فقط با باقی مانده ها 52/1 و در ترکیبی با سری زمانی 03/15 برآورد شد. در سری زمانی گندم در استان اصفهان با مدل هیبرید میزان کاهش آماره های RMSE،MAE و UII به ترتیب برابر با 94/45، 29/52 و 46 درصد بود که بیانگر بهبود نتایج با مدل هیبرید و تفکیک مدلسازی بخش خطی و غیر خطی سری زمانی است. مقادیر GMER در هر چهار سری زمانی بزرگتر از یک بودند که حاکی از بیش برآورد مقادیر پیش بینی شده مدل هیبرید می باشد. مقایسه متوسط مقادیر آماره ها در دو استان حاکی از تاثیر نوع اقلیم در مبحث مدلسازی است چرا که متوسط مقادیر هر آماره در هر دو مدل (ARIMA و هیبرید) و در هر دو محصول در استان اصفهان نسبت به کرمانشاه کاهش داشت (میزان کاهش RMSE و UII به ترتیب 72/24 و 24/12 درصد). بنابراین تفکیک مدلسازی بخش خطی و غیر خطی می تواند دقت نتایج مدل ARIMA را افزایش دهد.

    کلیدواژگان: ARIMA، بخش غیر خطی، رگرسیون بردار پشتیبان، هیبرید
  • راضیه طاطار، خلیل قربانی*، مهدی مفتاح هلقی، میثم سالاری جزی صفحات 55-68

    شبکه های عصبی مصنوعی یکی از روش های داده کاوی است که توسط پژوهشگران زیادی در حوزه های مطالعاتی مختلفی همچون مدلسازی آماری بارش-رواناب استفاده می شود. جهت بهبود عملکرد این شبکه ها، شبکه های عصبی یادگیر عمیق توسعه یافته اند تا دقت مدلسازی را افزایش دهند. پژوهش حاضر به منظور ارزیابی شبکه های یادگیرعمیق در بهبود عملکرد شبکه های عصبی مصنوعی در حوضه آبریز گالیکش انجام شد تا بر اساس داده های بارش و دما با گام های تاخیر زمانی 1 تا 5 ماهه، دبی در مقیاس زمانی 1، 3، 6 و 12 ماهه پیش بینی شود. نتایج مدل سازی بر اساس 70 درصد داده ها (آموزش) و 30 درصد داده ها (آزمون) نشان داد که در تمامی دوره های زمانی، شبکه عصبی یادگیر عمیق باعث بهبود عملکرد شبکه عصبی مصنوعی شده است و بطور متوسط RMSE در داده های آموزش از 68/0 به 65/0 و درداده های آزمون از 84/0 به 73/0 کاهش یافته است و ضریب تعیین نیز بطور متوسط برای داده های آموزش از 57/0 به 62/0 و برای داده های آزمون از 51/0 به 67/0 افزایش یافته است. از دیگر نتایح این پژوهش نیز می توان به تاثیر دما بر افزایش دقت مدلسازی بارش- رواناب اشاره کرد.

    کلیدواژگان: پیش بینی رواناب، شبکه عصبی مصنوعی، شبکه عصبی عمیق (یادگیری عمیق)، حوضه آبریز گالیکش
  • لیلا میرزایی الموتی، بیژن نظری*، عباس ستوده نیا، هادی رمضانی اعتدالی صفحات 69-82
    حفاظت از منابع آب و خاک در کشورهای مناطق خشک و نیمه خشک در گروه توجه جدی به مسئله ی شوری است. پژوهش حاضر در قالب طرح بلوک های کاملا تصادفی به منظور بررسی تجمع نمک در خاک در آبیاری قطره ای انجام شد. تیمارهای مورد آزمون شامل آبیاری با سیستم نوار پلاکدارسطحی، نوار پلاکدار نیمه زیرسطحی با عمق نصب 10 سانتیمتر از سطح خاک، نوار زیپدارسطحی، نوار زیپدار نیمه زیرسطحی با عمق نصب 10 سانتیمتری از سطح خاک و نوار زیپدارسطحی با مالچ بود. شوری آب آبیاری 2 دسی زیمنس بر متر همراه با کشت گیاه ذرت علوفه ای صورت گرفت. نتایج بیانگر بیشترین تجمع نمک در عمق 15 تا 20 سانتیمتری و در فاصله عرضی 10 تا 15 سانتیمتری از گسیلنده ها بود. همچنین بین واریانس-های شوری در فاصله صفر، 15 و 30 سانتیمتری از گسیلنده ها و در عمق صفرتا 20 سانتیمتری از سطح خاک در هر پنج تیمار در سطح 05/0 درصد اختلاف معنی دار وجود داشت ولی در بقیه اعماق که شامل 20 تا 40 و 40 تا 60 سانتیمتری بود اختلاف معنی داری وجود نداشت. طبق نتایج در سیستم آبیاری قطره ای نواری در بافت سیلت لوم، تجمع نمک عمدتا در فاصله صفر تا 15 سانتیمتری نوارها و عمق صفر تا 20 سانتیمتری از سطح خاک اتفاق می افتد و باید برای آبشویی آن اقدام نمود. در این تحقیق تیمار زیپدارسطحی با مالچ از نظر بالابودن عملکرد محصول و مصرف آب کمتر نسبت به سایر تیمارها برتری داشت و به طور میانگین نسبت به سایر تیمارها 39/10 درصد مقدار تجمع نمک را کاهش داد.
    کلیدواژگان: شوری، آبیاری نواری، ذرت علوفه ای، عملکرد محصول، مصرف آب
  • امین صادقی*، یعقوب دین پژوه صفحات 83-96
    در این پژوهش از آمار بارش و رواناب ایستگاه‏های منتخب حوضه مرزی ارس جهت تحلیل نوسانات بارش و رواناب و پیش‏نمایی آن برای افق 2050 استفاده شد. با اعمال آزمون پتیت نقطه شکست در سری زمانی بارش و رواناب مورد بررسی قرار گرفت. همچنین از آزمون مان- کندال مرسوم و اصلاح شده، روند بارش و رواناب محاسبه گردید. با روش سن شیب خط روند نیز محاسبه شد. با به کارگیری چهار مدل GCM تحت دو سناریوی انتشار RCP4.5 (انتشار پایین) و RCP8.5 (انتشار بالا) پیش‏نمایی برای دوره آتی انجام شد. از ابزار Eureqa Formulize (EF) برای شبیه‏سازی فرآیند بارش- رواناب استفاده گردید. نتایج نشان داد اکثر جهش‏های ناگهانی در نیمه دوم دهه 1990 رخ داده است. 83 درصد از جهش‏های فصلی مربوط به رواناب بوده است. همچنین 67 درصد از تغییرات ناگهانی در فصول زمستان و بهار روی داده است. بیشترین افزایش بارش سالانه (طبق سناریوی RCP4.5) در ایستگاه نیر به مقدار 9 درصد و بیشترین کاهش بارش سالانه (طبق سناریوی RCP8.5) در ایستگاه خوی به مقدار 11 درصد انتظار می‏رود. همچنین در مقیاس زمانی فصلی بیشترین کاهش بارش در تابستان خواهد بود. مدل EF با ارایه NRMSE کمتر از 5/0 درصد در همه ایستگاه‏ها عملکرد بسیار بالایی را از خود نشان داد. نتایج نشان داد، کمترین میزان شیب خط روند رواناب (فصلی) دوره پایه به مقدار 3/1- میلیون مترمکعب در تابستان و مربوط به ایستگاه بدلان بوده است. براساس نتایج این پژوهش، تغییر معنی‏داری در رواناب سالانه حوضه در دوره آتی روی نخواهد داد.
    کلیدواژگان: بارش، جهش ناگهانی، رواناب، شبیه‎‎‏سازی، مدل گردش عمومی جو
  • بتول پورسیف اللهی، امین کانونی*، محمدرضا نیک پور، جواد رمضانی مقدم صفحات 97-112

    گروه بندی حوضه های آبخیز با توجه به عوامل اقلیمی و خصوصیات فیزیوگرافی حوضه ها پیش نیاز تحلیل منطقه ای رواناب و استفاده از آن برای تخمین آبدهی حوضه های فاقد ایستگاه سنجش دبی است. در این تحقیق با استفاده از داده های دبی، متوسط بارش سالانه و خصوصیات فیزیوگرافی حوضه های آبخیز و با روش خوشه بندی سلسله مراتبی وارد و k-means ، حوضه های آبخیز واقع در استان اردبیل به مناطق همگن هیدرولوژیکی تفکیک شدند. به علت تعدد زیاد پارامترها ابتدا با تحلیل مولفه های اصلی، چهار مولفه اول با تبیین 6/83 درصد واریانس کل، به عنوان ورودی تحلیل خوشه ای انتخاب شدند. سپس تعداد بهینه خوشه ها به کمک روش سلسله مراتبی وارد و رسم نمودار درختی، تعیین و در نهایت با روش k-means خوشه بندی نهایی انجام شد. در ادامه با به کارگیری آزمون یکنواختی دالریمپل، زیرحوضه هایی که از لحاظ هیدرولوژیکی از یک فرآیند آبدهی پیروی می کردند، شناسایی شدند. نتایج آزمون یکنواختی نشان داد که با کنار گذاشتن ایستگاه های واقع در خارج از محدوده اطمینان هر خوشه، زیرحوضه های که از نظر آبدهی سالانه و سایر پارامترهای فیزیوگرافی و هواشناسی با یکدیگر شباهت داشتند در یک خوشه قرار می گیرند. بنابراین تعداد زیرحوضه های واقع در خوشه های 1، 2، 3 و 4 به ترتیب برابر 8، 4، 9 و 9 حوضه بوده است که می تواند در تحلیل منطقه ای به منظور برآورد رواناب و سیلاب در حوضه های آبخیز فاقد داده های دبی سنجی، مورد استفاده قرار گیرد.

    کلیدواژگان: آبدهی، تحلیل مولفه‏ های اصلی، خوشه ‏بندی، مناطق همگن
  • لیلا غلامی*، آرمین بالوایه، نبیه کریمی، فاطمه شکریان صفحات 107-123

    فرسایش پاشمانی به عنوان اولین مرحله از فرایند فرسایش آبی، توسط اثر قطرات باران بر سطح خاک ایجاد می شود. مقدار پاشمان خاک با تغییر در خصوصیات فیزیکی خاک می تواند تغییر کند. بنابراین حفاظت از خاک سطحی باعث می شود که اثر انرژی قطرات باران بر خاک سطحی کاهش یافته و در نتیجه مقادیر رسوب حاصل از فرآیند فرسایش پاشمانی نیز کاهش یابد. بنابراین پژوهش حاضر با ارزیابی عمل کرد پرلیت با سطح های 50،25 و 75 درصد در شدت بارندگی 80 میلی متر بر ساعت روی فرسایش پاشمانی در سه خاک با کاربری جنگلی، مرتعی و زراعی انجام پذیرفت. آزمایش ها در شرایط آزمایشگاهی و در مقیاس فنجان های پاشمان انجام شد و سپس مقادیر پاشمان در مقادیر مختلف پرلیت و کاربری های متفاوت اندازه گیری شد. نتایج نشان داد که کاربرد مقادیر مختلف پرلیت در کاربری های مختلف باعث کاهش پاشمان کل و پاشمان خالص نسبت به تیمار شاهد شد. نتایج هم چنین نشان داد که تاثیر جداگانه کاربری های مختلف و مقادیر مختلف پرلیت بر پاشمان کل و خالص در سطح اعتماد 99 درصد معنی دار بود و نیز تاثیر متقابل مقادیر مختلف پرلیت و کاربری های مختلف بر پاشمان کل در سطح اعتماد 99 درصد معنی-دار بود. هم چنین خاک کاربری های مرتع و زراعی، پرلیت با مقدار 25 درصد بیش ترین تاثیر را در مهار فرسایش پاشمانی نسبت به دو مقدار دیگر داشت. این مقدار منجر به کاهش پاشمان کل به مقدار 27/55 و 48/57 درصد، پاشمان خالص به مقدار 11/55 و 03/91 درصد، پاشمان بالادست به مقدار 78/62 و 85/36 درصد و پاشمان پایین دست به مقدار 23/55 و 72/66 درصد شد.

    کلیدواژگان: افزودنی خاک، پاشمان بالادست، پاشمان پایین دست، فرسایش آبی، کاربری اراضی
|
  • Hasan Rezaii Moghadam *, Mohsen Hosseinalizadeh, Vahedberdi Sheikh, Roya Jafari Pages 1-16

    Soil moisture content (SMC) as a small part of water balance, nearly considered in all hydrological process and soil and atmosphere tradeoff. Therefor its prediction is useful in planning, designing and decision making. For this, purposeweekly SMC in 40 weeks was measured by Time Domain Reflectometry in 3 different location of wheat and rangeland in Loess deposits (West of Gorgan with 27 ha area) at 20cm intervals down to the 80cm depth. SMC in all considered depths and locations had trend for study period and the best model was selected regards to Akaike information criterion (AIC). The best prediction model in rangeland belongs to 60cm depth (R= 0.96). For all considered depths except 40cm in one location in wheat, Integrated Moving Averages (1,1) was selected as the best model. For the other location in the same land cover, the best prediction model devoted to 20cm depth (R= 0.86). Integrated Moving Averages (1,1) for all study locations had the highest priority. Considering tillage practices in crop land and following plough pan in 40cm depth, Autoregressive Integrated moving Average (1,1) selected as the best model for prediction.

    Keywords: Soil Moisture Content, TDR, Time series, Loess Deposits
  • Saeid Shiukhy Soqanloo, Mehdi Nadi * Pages 17-30
    Standard precipitation index (SPI) is the most widely drought monitoring index. However, this index only uses the gamma distribution function for fitting precipitation data and does not consider seasonal variations. The purpose of this study was to evaluate the efficiency of SPI in drought monitoring of arid and semi-arid regions of Iran and fix the related problems with this Index. Then the SPI was compared with its modified state (SPImod) over (1956–2010). The results showed that the generalized extreme value distribution function in more than 57% of the cases was the most appropriate probability distribution function of rainfall data. But the default distribution (Gamma) was selected only in 11% of months. Comparison of Kappa index showed that with increasing time window, the agreement between SPImod and SPI indexes increases. The amounts of one-month Kappa for studied stations was Tehran (0.31), Mashhad (0.33), Bushehr (0.32) and Khorram-Abad (0.26), while for nine-month the Kappa increased. Such that in Tehran (0.49) and in Mashhad, Bushehr and Khorramabad, respectively, with values (0.47), (0.56) and (0.45). Also, the results showed that the frequency and displacement of drought classes would be very variable in comparison to these two indices. As the displacement of normal, severe drought and severe, with a total of 259, 147 and 111 events in the time window-three and displacement of moderate drought, normal and moderate wet year, with a total of 68, 54 And 28 events in time window-nine were noticeable.
    Keywords: drought monitoring, Probability distribution function, Kappa index, Drought monitoring index
  • S .Nasiri, Ebrahim Amiri *, M .Shadabi Pages 31-42

    Accurate estimation of sediment transport in rivers due to erosion is an important factor for the management of hydrological projects. Artificial neural networks are of great importance for many reasons, such as the ability to detect patterns, the good relationship between input and output, and the need for less input data to predict suspended sedimentation. Accordingly, the present study attempts to model the estimation of suspended sediment content in the Pasikhan River using the artificial neural network of the M5 decision tree. The amount of sediment in rivers is subject to many parameters of river geometry, hydraulic flow and sediment properties. For this reason, in this study, it has been tried to reduce the number of effective parameters by first dimensioning the effective parameters on sediment transport capacity. The results showed that the initial decision tree, the M5 tree, does not require pruning and is suitable for use. Three parameters of determination coefficient (R2), mean relative error (ME) and mean squared error (RMSE) were used to evaluate the accuracy of the prediction model. The obtained values for these three parameters were 0.851, 1037.64 and 941.32, respectively, indicating the suitability of these three parameters. Comparison of suspended sediment yield from decision tree model with Pasikhan River measurement data showed that the coefficient of determination was 0.8953 which is a very good value. The results showed that this model is effective in predicting suspended sediment content in the Pasikhan River.

    Keywords: Decision tree, Suspended sediment, Psikhan river, Artificial Neural Network, Modeling
  • Laleh Parviz *, Bahareh Saeedabdi Pages 43-54

    Accurate investigation related to the structure of time series plays an important role in increasing the accuracy of ARIMA forecasting. The aim of this research is to investigate the effect of modeling decomposition of linear and non linear parts of time series on ARIMA model results. The decomposition of wheat and maize yield time series (in Kermanshah and Esfahan provinces) in the linear part was related to ARIMA and in the non linear part was conducted with support vector regression (hybrid model). The kind of configuration of non linear part of hybrid model is more important for example in the maize time series of Kermanshah, the values of RMSE for configuration with residual was 1.52 and for time series configuration was 15.03. The decreasing of RMSE, MAE and UII for wheat time series of Esfahan with hybrid model was 45.94%, 52.29% and 46%, respectively which is indicative of hybrid model improvement. The value of GMER in all four time series was greater than one which indicates the overestimation of hybrid model. Comparison the average of each criteria with two models and crops in each province indicated the effect of climate on modeling process because the average of criteria in Esfahan province decreased rather to Kermanshah (RMSE decreasing= 24.72%, UII decreasing=12.24%). Therefore, decomposition of time series to linear and non linear parts of time series can increase the accuracy of ARIMA model results.

    Keywords: ARIMA, Nonlinear, support vector regression, Hybrid
  • Razieh Tatar, Khalil Ghorbani *, Mehdi Meftah Halghi, Meysam Salarijazi Pages 55-68

    Artificial neural networks (ANN) are one of the data mining methods applied by many researchers in different fields of studies such as rainfall runoff modeling. To improve the performance of these networks, deep learning neural networks were developed to increase modeling accuracy. This study evaluated deep learning networks to improve the performance of artificial neural networks in Galikesh watershed and to predict discharge for 1, 3, 6 and 12-month time scale based on 1 to 5 month time scale lags made in precipitation and temperature data. Based on 70% and 30% of the data used for training and test respectively the results demonstrated that in all time steps, the deep learning neural network improved the performance of artificial neural network and on average RMSE decreased in both training and test from 0.68 to 0.65 and 0.84 to 0.73 respectively. Moreover, R-square was increased on average from 0.57 to 0.62 and 0.51 to 0.67 respectively in training and test. We can also denote the effect of temperature on the increase of accuracy of rainfall-runoff modeling.

    Keywords: Runoff Prediction, Artificial Neural Network, Deep Neural Network (Deep Learning), Galikesh Watershed
  • Leila Mirzaeialamuti, Bijan Nazari *, Abbas Sotoodehnia, Hadi Ramezani Etedali Pages 69-82
    Conservation of soil and water resources in arid and semi-arid countries is a serious concern for salinity. The present study was carried out in a completely randomized block design to investigate soil salt accumulation in tape irrigation. Treatments included: “surface plaque tape”, “semi-subsurface plaque tape in 10 cm depth of soil”, “surface tape”, “semi-subsurface tape in 10 cm depth of soil” and “surface tape with mulch”. Salinity of irrigation water was 2 dS/m with Forage Maize cultivation. The results of salinity analysis indicate that salt distribution in 15-20 cm depth soil and in 10-15 cm space from dripper had highest value. Also in confidence level of 95 %, in all of treatment in 0, 15 and 30 cm space of dripper and 0-20 cm depth of soil level there were different in salt but in another depth (20-40 and 40-60 cm) there weren’t any different also, in use of drip tape irrigation system in soil texture silt-loam discrete kind of tape and location of installation, mainly salt distribution happen between 0-15 cm space of dripper and 0-20 cm depth of soil level and we have to do leaching. In this research, surface tape with mulch treatment had the highest yield and lowest water use between studied treatments. This treatment reduced the amount of salt accumulation by 10.39% on average compared to other treatments.
    Keywords: crop yield, drip irrigation, Forage Maize, Salinity, Water consumption
  • Amin Sadeqi *, Yagob Dinpashoh Pages 83-96
    In this study, rainfall and runoff data recorded of selected stations of Aras Boundary Basin were used to analyze rainfall and runoff fluctuations and they are projected for horizons, 2050. The Pettitt test was used to detect the breakpoint in rainfall and runoff time series. Trends in rainfall and runoff were also calculated using the original and modified Mann-Kendall test. To project the future, general circulation models (GCMs) under two greenhouse gas emission scenarios i.e. RCP4.5 (low emission) and RCP8.5 (high emissions) were used. The Eureqa Formulize tool was used to simulate the rainfall-runoff process. Results showed that most of the abrupt changes have occurred in the second half of the 1990s. 83% of seasonal time series breakpoints were related to runoff. Also, 67% of the abrupt changes have occurred in the winter and spring seasons. The highest increase in annual rainfall (according to RCP4.5 scenario) at Nir station is expected to be 9% and the highest decrease in annual rainfall (according to RCP8.5 scenario) at Khoy station is predicted at 11%. It is also worth mentioning that in the seasonal time scale will have the highest rainfall reduction in summer. The Eureqa Formulize performed very well at all stations with NRMSE of less than 0.5%. The results indicated that the lowest slope of the base period runoff trend line (in seasonal time scale) was -1.3 million m3 in summer at Badalan station. There will be no significant change in the annual flow in the future period.
    Keywords: GCM, Precipitation, Runoff, Simulation, Abrupt Change
  • Batoul Poorseifollahi, Amin Kanooni *, Mohammadreza Nikpour, Javad Ramezani Moghadam Pages 97-112

    Grouping of catchments based on their climatic factors and physiographic characteristics is a prerequisite for regional analysis of runoff and its use for estimating discharge of catchments without discharge measurement station. In this study, catchments located in Ardabil province were separated into homogeneous hydrological zones using discharge, mean annual precipitation and physiographic characteristics of catchments and hierarchical clustering method. Due to the large number of parameters, by using principal component analysis, the first four components with 83.6% of total variance were selected as inputs for cluster analysis. Then, the optimal number of clusters was determined by using hierarchical method and drawing the tree diagram, and finally the final clustering was done by K-means method. Subsequently, the sub-catchments that followed a hydrological process were identified using the Dalrymple uniformity test. The results of the uniformity test showed that by excluding stations outside the confidence limits of each cluster, catchments that were similar in terms of annual discharge and other physiographic and meteorological parameters were clustered. Therefore, the number of sub catchments located in clusters 1, 2, 3 and 4 were 8, 4, 9 and 9 catchments, respectively, which can be used in regional analysis to estimate runoff and floods in catchments without discharge measurement data.

    Keywords: Clustering, discharge, Homogeneous Region, principal component analysis
  • Leila Gholami *, Armin Balvayeh, Nabiyeh Karimi, Fatemeh Shokrian Pages 107-123

    Splash erosion as the first stage of the water erosion process, caused by the raindrops effect on soil surface. The amount of soil splash can change with change in characteristics of soil physical. The conservation from the surface soil cause the effect of raindrop energy reduces on the surface soil and thus the amount of sediment from the splash erosion process decrease. Therefore, present study was conducted to performance evaluation of perlite at levels of 25, 50 and 75%in rainfall intensity of 80mmh-1 on splash erosion in three soil types with landuse of forestry, rangeland and agricultural. Experiments were carried in laboratory conditions and scale of splash cups and then splash erosion measured in different perlite amounts and various landuses. The results showed that application of different perlite amounts in the various landuses reduced the total and net splash compared control treatment. The results also showed that the separate effect of various landuses and different perlite on total and net splash was significant at level of 99%and also the interaction effect different perlite amounts and various landuses on total splash was significant at 99%. Also, the landuses soil of rangeland and agriculture, the perlite with amount of 25%had the more effect on control of splash erosion toward two another amounts. This amount caused the reducing the total splash with rate of 55.27 and 57.48%, net splash with rate of 55.11 and 91.03%up slope splash with rate of 62.78 and 36.85%and down slope splash with rate of 55.23 and 66.72%.

    Keywords: Landuse, Down slope splash, soil conditioner, Up slop splash, Water erosion