دانشگاه علوم کشاورزی و منابع طبیعی گرگان مجله پژوهش‌های حفاظت آب و خاک 2322-2069 32 1 2025 03 21 Adaptation of irrigated agriculture in Golestan province to water scarcity through optimizing cropping pattern سازگاری کشاورزی آبی استان گلستان به کم‌آبی از طریق الگوی کشت 1 29 7360 10.22069/jwsc.2025.22595.3741 FA افشین سلطانی نویسنده مسئول، استاد گروه زراعت، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران 0000-0002-6941-4047 عبدالرحمان میرزائی دانشجوی دکتری اگرواکولوژی، گروه زراعت، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران. صفورا جافرنوده دانش‌آموخته دکتری اکولوژی گیاهان زراعی، گروه زراعت، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران. ابراهیم زینلی دانشیار گروه زراعت، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران شهرزاد میرکریمی استاد مدعو گروه اقتصاد کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران Journal Article 2024 07 06 Background and objectives: More than half of the water withdrawal for agriculture in Iran is over-harvesting, which has caused huge damages to the country's environment. Therefore, there is an urgent need to implement water saving methods and to adapt to water scarcity. One of these methods is changing the cropping pattern, and it is necessary to examine its importance on a regional scale, such as a province. The purpose of this study was to estimate the applied irrigation water under farmers’ conditions in Golestan province and using the estimates to optimize the cropping pattern with the aim of minimizing water consumption/harvesting for agriculture. The current cropping pattern was optimized so that farmers’ profit remains the same and agricultural sustainability criteria were taken into account.<br />Materials and methods: The study area of the research was Golestan province and more than 30 agricultural plants of this province. The entire cultivated area of the province was divided into 10 agro-ecological zones and the growth, yield and irrigation water of agricultural plants were estimated using a crop model under farmers’ conditions in these zones with the help of a crop simulation model that was parameterized for the conditions of the farmers. Optimizing the cropping pattern was done with the aim of minimizing the amount of irrigation water applied under farmers' conditions in the entire province. It was also constrained that the farmers profits in the optimized pattern would not change and the area under cultivation of perennial plants and legumes, which play an important role in agricultural sustainability, would not decrease. With the exception of wheat and rice, the minimum area under cultivation of each plant was 40% of its current area and the maximum was 2.5 times the current area. For wheat, the minimum cultivated area was limited to 70% of its current area and the maximum was 2.5 times the current area, and for rice, the minimum cultivated area was limited to 20% of the current area and the maximum was limited to its current area.<br />Results: In the current cropping pattern, wheat (40%), rice (23%), cool-season oil crops (11%), warm-season oil crops (9%), cool-season fruit trees (5%) and barley (3%) and vegetables (3%) have the most important shares of the cultivated area inthe province. The most important changes in the cultivated area due to the optimization of the cropping pattern were an increase in wheat (23% increase compared to its current area), cool-season fruit trees (96%) and vegetables (138%) and a decrease in rice (77%), cool-season oil crops (60%), warm-season oil crops (22%), barley (60%) and grain maize (60%). In the current cropping pattern, the largest share of irrigation water in the province belonged to rice (64%), wheat (12%), warm-season oil crops (7%), cool-season fruit trees (5%) and vegetables (3%). Optimizing the cropping pattern caused the amount of irrigation water used in the province to decrease by 41% and reach from 1338 to 785 million m3 per year. The most important changes in the applied irrigation water were an increase in wheat (23% increase compared to its the current value), cool-season fruit trees (105%) and vegetables (143%) and a decrease in rice (77%), cool-season oil crops (60%), warm-season oil crops (19%) and grain maize (60%).<br /><br /><br />Conclusion: Optimizing cropping pattern alone could save almost two times the reduction in water use in agriculture section of the province intended by the Ministry of Energy. Considering that changing the cropping pattern is not a costly option and can be done with a series of policies and pricing, it is expected to be addressed more than before. سابقه و هدف: بیش از نیمی از برداشت آب برای کشاورزی در کشور اضافه برداشت می‌باشد که آسیب‌های جبران‌ناپذیری بر زمین، محیط‌زیست، منابع آب، پایداری کشاورزی و امنیت اجتماعی-اقتصادی کشور داشته و خواهد داشت. از این رو نیاز مبرمی به اجرای روش‌های صرفه جویی آب و سازگاری با کم‌آبی وجود دارد. یکی از این روش‌ها، اصلاح الگوی کشت است و ضروری است اهمیت آن در مقیاس منطقه‌ای مورد بررسی قرار گیرد. هدف از مطالعه حاضر، برآورد حجم آب آبیاری خالص در شرایط کشاورزان برای گیاهان متنوع در کل استان گلستان و سپس بهره‌گیری از آن برای بهینه‌سازی الگوی کشت با هدف حداقل‌سازی برداشت آب بود. در الگوی بهینه عدم کاهش بازده برنامه‌ای ناخالص کشاورزان و معیارهای پایداری کشاورزی لحاظ گردید. <br />مواد و روش‌ها: محدوده‌ی مطالعاتی در این پژوهش، استان گلستان بود و بیش از 30 گیاه کشاورزی این استان تحت پوشش مطالعه قرار گرفتتند. برای برآورد حجم آب آبیاری خالص در شرایط کشاورزان از سیستم SAWA استفاده شد. بدین منظور کل سطح زیر کشت استان به 10 پهنه اگرواکولوژیک تقسیم شده و رشد، عملکرد و حجم آب آبیاری خالص بیش از 30 گیاه در شرایط کشاورزان در این پهنه‌ها با کمک یک مدل شبیه‌سازی که برای شرایط کشاورزان واسنجی شده بود، برآورد گردید. بهینه سازی الگوی کشت با هدف حداقل سازی حجم آب کاربردی خالص در شرایط مزارع کشاورزان در کل استان صورت گرفت. برای بهینه‌سازی الگوی کشت، فرض شد که اضافه یا کاهش تولید محصولات مختلف مشکلی ایجاد نمی‌کند و با صادرات یا واردات داخلی (بین استانی) یا خارجی حل می‌شود. همچنین فرض شد بازده برنامه‌ای ناخالص کشاورزان در الگوی بهینه شده تغییر نکند و سطح زیر کشت گیاهان دایمی و بقولات که نقش مهمی در پایداری کشاورزی دارند کاهش نیابد. به استثنای گندم و برنج، حداقل سطح زیر کشت گیاهان 40 درصد فعلی و حداکثر آن 5/2 برابر فعلی لحاظ شد. برای گندم حداقل سطح زیر کشت 70 درصد فعلی و حداکثر آن 5/2 برابر فعلی و برای برنج حداقل سطح زیر کشت 20 درصد فعلی و حداکثر آن برابر با مقدار فعلی منظور شد.<br />یافته‌ها: در الگوی فعلی گندم (با 40%)، برنج (23%)، گیاهان روغنی سرمادوست (11%)، گیاهان روغنی گرمادوست (9%)، درختان سرمادوست (5%)، جو (3%) و سبزی-صیفی (3%) مهم‌ترین سهم‌ها از سطح زیرکشت فعلی استان را به خود اختصاص داده‌اند. مهم‌ترین تغییرات سطح زیرکشت در اثر بهینه‌سازی الگوی کشت عبارت بودند از افزایش در گندم (23% افزایش نسبت به فعلی)، درختان میوه سرمادوست (96%) و سبزی-صیفی (138%) و کاهش در برنج (77%)، گیاهان روغنی سرمادوست (60%)، گیاهان روغنی گرمادوست (22%)، جو (60%) و ذرت دانه‌ای (60%). در الگوی کشت کنونی بیشترین سهم از حجم آب آبیاری استان به ترتیب به برنج (64%)، گندم (12%)، گیاهان روغنی گرمادوست (7%)، درختان سرمادوست (5 %) و سبزی-صیفی (3 %) تعلق داشت. یافته کلیدی مطالعه حاضر این بود که بهینه‌سازی الگوی کشت در استان گلستان بدون این‌که درآمد کشاورزان کاهش یابد و با لحاظ معیارهای پایداری کشاورزی می‌تواند تا 41 درصد حجم آب کاربردی در شرایط کشاورزان و در نتیجه برداشت آب در استان را کاهش دهد (از 1338 به 785 میلیون مترمکعب در سال). مهم‌ترین تغییرات در حجم آب کاربردی خالص در کل استان عبارت بودند از افزایش در گندم (23% افزایش نسبت به فعلی)، درختان سرمادوست (105%) و سبزی-صیفی (143%) و کاهش در برنج (77%)، گیاهان روغنی سرمادوست (60%)، گیاهان روغنی گرمادوست (19%) و ذرت دانه‌ای (60%). <br />نتیجه گیری: بهینه‌سازی الگوی کشت به تنهایی می‌تواند تقریباً دو برابر کاهش مدنظر وزارت نیرو در مصرف آب، صرفه‌جویی ایجاد کند. با توجه به این‌که تغییر الگوی کشت گزینه هزینه‎بری نیست و با یک سری سیاست‌گذاری و قیمت‌گذاری نیز قابل انجام است، انتظار می‌رود بیش‌ از پیش به آن پرداخته شود. https://jwsc.gau.ac.ir/article_7360_4993757f70180cb1fda451a6fb9d428b.pdf

دانشگاه علوم کشاورزی و منابع طبیعی گرگان مجله پژوهش‌های حفاظت آب و خاک 2322-2069 32 1 2025 03 21 Comparison and integration of machine learning and object-based algorithms for screening underlying factors and preparing a landslide classification map مقایسه و تلفیق الگوریتم‌های یادگیری ماشین و شیء پایه برای غربالگری عوامل زمینه‌ساز و تهیه نقشه طبقه‌بندی زمین‌لغزش 31 55 7361 10.22069/jwsc.2025.22812.3759 FA مرضیه نیکجوی دانشجوی دکتری مدیریت حوزه‌های آبخیز، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران علی نجفی نژاد نویسنده مسئول، استاد گروه آبخیزداری، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران. حمیدرضا پورقاسمی استاد بخش علوم خاک، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران چوقی بایرام کمکی دانشیار گروه مدیریت مناطق بیابانی، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران. Journal Article 2024 09 22 Abstract<br />Background and objectives: Landslides, among the most destructive natural hazards following earthquakes, cause irreversible damage to both the environment and infrastructure. Due to the unique geological and climatic conditions, Iran experiences numerous landslides annually, necessitating the needs for careful studies and preventive measures. This study presents an integrated approach that leverages the capabilities of machine learning algorithms to identify effective features for landslide detection. Furthermore, it compares object-based algorithms to generate a landslide classification map utilizing Gaofen-1 satellite images. Eventually, the study includes partial dependence plot illustrating the relationship between landslides and various independent conditional factors.<br />Materials and methods: To identify landslides in the Mohammadabad watershed of Golestan, two Gaofen-1 satellite images from March 2023 and June 2024 were employed. Due to seasonal variations between the images, all processing was conducted separately. In the first phase, 218 landslides were identified through field visits, with 70% of these used for model training and the remaining 30% reserved for evaluating the results. The classification of satellite images and the extraction of landslide and non-landslide classes were performed using basic object-oriented classification approach involving two stages: segmentation and classification. Following image segmentation with a multi-scale segmentation algorithm, feature selection was conducted using three algorithms: neural networks, decision trees, and random forests. Factors influencing landslide identification were extracted from each segment based on the satellite images, and collinearity among features was assessed. Subsequently, these features were employed in the classification and identification of landslides using four object-based algorithms: support vector machine, nearest neighbor, decision tree, and random forest. The performance of these algorithms was compared using overall accuracy indices, Kappa coefficient, Sorensen coefficient, true positive rate, and false positive rate. Ultimately, the most effective algorithm for landslide detection using satellite imagery was determined.<br />Findings: The results of the feature selection analysis indicated that out of the three methods examined in this study, the random forest algorithm identified the most effective features for landslide detection using satellite images. The classification of landslides utilizing four object-oriented algorithms, support vector machine, decision tree, random forest, and nearest neighbor, revealed that the support vector machine algorithm achieved the highest accuracy of 92% and a Kappa coefficient of 0.85. This performance showed its superior capability in identifying landslides within the studied area compared to the other algorithms.<br />Conclusion: This study showed that the integrating of machine learning algorithms with object-based methods provides a reliable and cost-effective approach for the rapid identification of landslides using satellite images. Identifying landslides is an important step in studying this natural hazard, as the findings can offer valuable insights to managers and practitioners to enhance planning and management strategies to mitigate landslide-induced damages. For future study, utilizing high-resolution images is recommended to enable more detailed landslide identification. چکیده <br />سابقه و هدف: زمین‌لغزش‌ به‌عنوان یکی از مخرب‌ترین مخاطرات طبیعی پس از زلزله، خسارات جبران‌ناپذیری به محیط‌زیست و زیرساخت‌ها وارد می‌کند. ایران به‌دلیل شرایط زمین‌شناختی و اقلیمی خاص خود، هرساله شاهد وقوع زمین‌لغزش‌های متعددی است که نیازمند مطالعات دقیق و اقدامات پیشگیرانه است. در مطالعه حاضر یک روش تلفیقی با استفاده از قابلیت و توانایی الگوریتم‌های یادگیری ماشین برای انتخاب ویژگی‌های مؤثر در شناسایی زمین‌لغزش و مقایسه الگوریتم‌های شیء پایه جهت تهیه نقشه طبقه‌بندی زمین‌لغزش با استفاده از تصاویر ماهواره‌ای گائوفن-1 توسعه داده شد. درنهایت نمودار وابستگی جزئی زمین‌لغزش‌ها با هر یک از متغیرهای مستقل استخراج‌شده ترسم گردید.<br />مواد و روش‌ها: به‌منظور شناسایی زمین‌لغزش‌های حوزه آبخیز محمدآباد گلستان از دو تصویر ماهواره گائوفن-1 مربوط به اسفند 1401 و خرداد 1402 استفاده شد. به علت متفاوت بودن فصول دو تصویر، تمام پردازش‌های دو تصویر به‌صورت مجزا صورت گرفت. در اولین مرحله 218 زمین‌لغزش با استفاده از بازدید میدانی شناسایی گردید که 70 درصد آن برای آموزش مدل و 30 درصد باقیمانده برای ارزیابی نتایج استفاده شد. طبقه‌بندی تصاویر ماهواره‌ای و استخراج کلاس‌های لغزش و فاقد لغزش بااستفاده‌از طبقه‌بندی شیء پایه انجام شد؛ که شامل دو مرحله قطعه‌بندی و طبقه‌بندی است. بعد از انجام مرحله قطعه‌بندی تصویر با الگوریتم قطعه‌بندی چندمقیاسه، انتخاب ویژگی‌ با استفاده از سه الگوریتم شبکه عصبی، درخت تصمیم و جنگل تصادفی انجام شد و عوامل مؤثر بر شناسایی زمین‌لغزش با استفاده از تصاویر ماهواره‌ای از هر کدام از قطعات استخراج گردید سپس ویژگی‌های انتخاب‌شده بر اساس ویژگی هم‌خطی بررسی شدند. در مرحله بعد، این ویژگی‌ها در طبقه‌بندی و شناسایی زمین‌لغزش با چهار الگوریتم شیء پایه ماشین بردار پشتیبان، نزدیک‌ترین همسایه، درخت تصمیم و جنگل تصادفی مورداستفاده قرار گرفتند سپس عملکرد الگوریتم‌ها با شاخص‌های صحت کلی، ضریب کاپا، ضریب سورنسن، نرخ مثبت صحیح و نرخ مثبت کاذب مقایسه شد و مناسب‌ترین الگوریتم برای شناسایی زمین‌لغزش با استفاده از تصویر ماهواره‌ای انتخاب شد. <br />یافته‌ها: نتایج انتخاب ویژگی نشان داد از بین سه روش‌ مورد بررسی در این مطالعه، الگوریتم جنگل تصادفی با دقت بالاتری ویژگی‌های مؤثر در شناسایی زمین‌لغزش با استفاده از تصاویر ماهواره‌ای را تعیین کرد. بررسی طبقه‌بندی زمین‌لغزش‌ها با چهار الگوریتم شیءگرا ماشین بردار پشتیبان، درخت تصمیم، جنگل تصادفی و نزدیک‌ترین همسایه نشان داد، الگوریتم ماشین بردار پشتیبان با صحت بالای 92 درصد و ضریب کاپا بالای 85/0 به نسبت سایر الگوریتم‌ها شناسایی زمین‌لغزش‌های منطقه مورد مطالعه را به‌خوبی انجام داده است.<br />نتیجه‌گیری: مطالعه حاضر نشان داد که استفاده از قابلیت و توانایی الگوریتم‌های یادگیری ماشین و تلفیق آن‌ با الگوریتم‌های شیء پایه می‌تواند به‌عنوان روش قابل‌اعتماد برای شناسایی سریع و ارزان زمین‌لغزش‌ها با استفاده از تصاویر ماهواره‌ای مورداستفاده قرار گیرد. شناسایی زمین‌لغزش‌ها اولین گام مطالعه این مخاطره طبیعی است به‌طوری‌که نتایج آن می‌تواند در بهبود برنامه‌ریزی، مدیریت و کاهش خسارات ناشی از زمین‌لغزش‌ به مدیران امر و کارشناسان اجرایی کشور کمک کنند. به‌منظور انجام مطالعات آتی پیشنهاد می‌گردد که تصاویر با قدرت تفکیک مکانی بالا تهیه شود تا با جزئیات بالا بتوان به شناسایی زمین‌لغزش‌ها اقدام نمود. https://jwsc.gau.ac.ir/article_7361_1b3bfd8cfd9d387f860c45816781e9a8.pdf

دانشگاه علوم کشاورزی و منابع طبیعی گرگان مجله پژوهش‌های حفاظت آب و خاک 2322-2069 32 1 2025 03 21 A review emphasizing the significant role of monitoring water markets through the efficient use of remote sensing technologies مروری بر اهمیت نقش نظارت بر بازارهای آب، رویکردی کارآمد با تاکید بر فناوری‌های سنجشی 57 79 7362 10.22069/jwsc.2025.22716.3753 FA موسی حسام نویسنده مسئول، دانشیار گروه مهندسی آب، دانشکده مهندسی آب ‌و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران. مجتبی شاکر دانشجوی دکتری مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران خلیل قربانی استاد گروه مهندسی آب، دانشکده مهندسی آب‌ و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران. Journal Article 2024 10 13 Abstract <br />Background and objectives: The increasing global demand for water, combined with its limited supply, has led to an imbalance between resources and consumption, driven by both natural limitations and human actions. As a result, the water crisis has emerged as a significant challenge, prompting various developments worldwide and in Iran. One key shift has been from supply-oriented policies toward demand management and the protection of existing water resources. In Iran, the rising demand for agricultural water has intensified the focus on demand management and the establishment of agricultural water markets. Research, both global and domestic, shows that the implementation of water markets in different regions has positively impacted the demand management process. However, for these markets to be effective and sustainable, it is crucial to develop appropriate legal, management, and supervisory infrastructures.<br />Materials and methods: This article takes a review and analytical approach, focusing on extensive research conducted on water markets worldwide. It first examines the past and present performance of water markets established in various countries and regions of Iran, as referenced in multiple research sources. Next, the article analyzes the general trends and objectives of these markets, discussing their history, establishment, and operational processes. It also highlights their strengths and weaknesses, emphasizing the importance of monitoring and evaluation in the management, sustainability, and future development of these markets through modern technologies. Finally, the article addresses several challenges faced by these markets and discusses the role of remote sensing technology in their monitoring and evaluation. It points out the specific areas where this technology can effectively manage and oversee water markets.<br />Results: In all the cases studied, market managers have implemented effective measures to address various obstacles and problems. However, the prevailing technical, political, social, and cultural conditions in water markets have significantly impacted their future development due to the lack of continuous field-level monitoring. Therefore, it is crucial to establish a comprehensive and transparent monitoring management framework at all levels that affect these markets. The extensive coverage required in these markets presents a serious challenge. Many reports suggest that utilizing modern technologies, particularly remote sensing systems, could effectively resolve this issue. These technologies are well-suited for monitoring large areas and can play a vital role in controlling water resource withdrawals, tracking performance, and assessing the impact on the markets.<br />Conclusion: The results of this review-analysis show the special importance of monitoring and evaluating the performance of water markets. Given the growing trend of water markets in the country and the economic and social problems in monitoring, special attention should be paid to the application of modern technologies such as groundwater resource management models and smart meters to monitor withdrawal amounts, as well as agricultural and irrigation remote sensing methods with techniques ranging from multi-spectral sensors (including thermal) to satellite observations to identify changes in water consumption and storage volume, monitoring withdrawal from surface and groundwater resources, remote sensing of evapotranspiration as a consumption monitoring algorithm, controlling withdrawal from canals and the amount of storage in pools to control water theft, controlling soil moisture for individual water use accounting and also managing the amount and depth of irrigation water use, more accurate assessment of the type of cultivation, time and duration of irrigation on a more diverse scale, monitoring land for changes in the pattern and type of cultivation using monitored models, and providing maps of the type of agricultural products in the region, as well as environmental management of the market area, will be possible. But it is very important to note two points. Firstly, there are many more methods, such as combining models of changes in groundwater and surface water levels with tracking changes in moisture and water consumption in farms and changes in cropping patterns with the help of remote sensing, which can be studied in a complementary way on the water market of a region and its role in helping to manage the water market, and allow market managers to choose a method that suits their needs, for example, to monitor water consumption in a market using groundwater change simulation models and energy balance algorithms to estimate the rate of evapotranspiration using remote sensing technology and comparing it with ground data such as lysimeters, to manage and evaluate the percentage changes in groundwater withdrawal and water consumption in market farms. Secondly, remote sensing is in a position to supplement the measured data in the context of adaptation to real conditions, which must be tested and adapted in the field once in each region for accuracy. In fact, if the managers of a market decide to prepare a map of the type of agricultural products and the cultivation pattern of the area covered by a market in order to manage and plan the water consumption of the region, they must first determine the cultivation season of several types of agricultural and horticultural products in the region on the ground in the field over a period of time, and then, using monthly satellite images and with the help of plant indices and monitored models, identify the type of products and the cultivation pattern of the region before implementation and study, during implementation and management while the water market is operating there.<br />Keywords: Water Market, Management, Monitoring and Evaluation, Remote Sensing.<br />Keywords: Water Market, Management, Monitoring and Evaluation, Remote Sensing.<br />Keywords: Water Market, Management, Monitoring and Evaluation, Remote Sensing.<br />Keywords: Water Market, Management, Monitoring and Evaluation, Remote Sensing. سابقه و هدف: در حال حاضر افزایش تقاضای آب در جهان از یک سو و عرضه محدود آن از سوی دیگر ناترازی منابع و مصارف، ناشی از محدودیت‌های طبیعی و اقدامات بشر را در اقصی نقاط جهان به همراه داشته است. لذا بحران آب به عنوان اصلی‌ترین چالش، آغازگر تحولات عدیده‌ای در جهان و ایران بوده. از جمله این تحولات تغییر جهت‌گیری‌ها از سیاست‌های عرضه محور به مدیریت تقاضا و حفاظت از منابع موجود می‌باشد. امروزه روند صعودی افزایش تقاضا پیرامون آب کشاورزی در کشور نیز به طور چشمگیری بحث مدیریت تقاضا و توسعه بازارهای آب کشاورزی را قوت بخشیده است. بررسی‌های جهانی و داخلی حاکی از بهبود روند مدیریت تقاضا با پیاده سازی بازار آب در مناطق مختلف دارد. اما نکته حائز اهمیت در این زمینه پیاده سازی برخی زیرساخت‌های حقوقی، مدیریتی و نظارتی به جهت اثر بخش بودن و پایداری این بازارها می‌باشد. <br />مواد و روش‌ها: این مقاله با رویکردی مروری و تحلیلی، مبتنی بر بررسی حداکثری فعالیت‌های پژوهشی صورت گرفته بروی بازار‌های آب در اقصی نقاط جهان، ابتدا به بررسی وضعیت عملکرد گذشته و حال بازارهای آب تشکیل شده در دیگر کشورها و برخی مناطق ایران که در منابع پژوهشی مختلفی بدان‌ها اشاره شده، پرداخته و سپس با تحلیل روند کلی و اهداف فعالیتی، تاریخچه احداث و عملکرد آن و نیز بررسی نقاط قوت و ضعف آنها، بر اهمیت نقش نظارت و ارزیابی در مدیریت، پایداری و توسعه آتی این بازارها به کمک استفاده از فناوری‌های نوین اشاره نموده است. در نهایت با بررسی برخی نکات و چالش‌های موجود در این بازارها به نقش فناوری سنجش از دور در نظارت و ارزیابی آن‌ها پرداخته و بخش‌هایی که این فناوری توانایی مدیریت و نظارت بر آن را دارد بیان شده. <br />یافته‌ها: در تمامی موارد مورد بررسی مدیران بازارها به جهت رفع برخی موانع و مشکلات اقداماتی موثری انجام داده‌اند، اما با توجه به فضای فنی، سیاسی، اجتماعی و فرهنگی حاکم بر بازارهای آب نبود نظارت مستمر در سطح میدانی ضربات مخربی را به شرایط آتی و توسعه آن‌ها وارد نموده است، لذا ایجاد یک چارچوب مدیریت نظارتی جامع و شفاف در عرصه میدانی بر تمامی سطوح مختلف اثرگذار در این بازارها امری بسیار ضروری و حائز اهمیت تلقی می‌گردد. نکته قابل توجه سطوح گسترده تحت الشعاع در این بازارها می‌باشد که این امر را با مشکل جدی مواجه نموده است. راهکار پیشنهادی از سوی گزارشات متعدد برای مرتفع نمودن این مسئله استفاده از فناوری‌های نوین به ویژه سامانه‌های سنجش از دور با توجه به نوع کارکرد و وسعت منطقه مورد رصد توسط آن‌ها می‌باشد که می‌تواند کمک شایانی در امر کنترل میزان برداشت از منابع آبی، نظارت بر وضعیت عملکرد و اثرگذاری آن در بازارها ایفا نماید. <br />نتیجه‌گیری: نتایج حاصل از این بررسی مروری- تحلیلی، نشان از اهمیت ویژه بحث نظارت و ارزیابی در عملکرد بازارهای آب دارد، با توجه به روند رو به رشد بازارهای آب در کشور و نیز مشکلات اقتصادی و اجتماعی در امر نظارت، توجه ویژه به کاربرد فناوری‌های نوین از قبیل الگوهای مدیریت منابع آب زیرزمینی و کنتورهای هوشمند به جهت نظارت بر مقادیر برداشت و نیز روش‌های سنجش از دور کشاورزی و آبیاری با تکنیک هایی از سنسورهای چند طیفی (از جمله حرارتی) تا رصدهای ماهواره ای به جهت شناسایی تغییرات مصرف آب و حجم ذخیره سازی، نظارت بر برداشت از منابع آب سطحی و زیرزمینی، دورسنجی تبخیر و تعرق به عنوان الگوریتم پایش مصارف، کنترل برداشت از کانال‌ها و میزان ذخیره سازی در استخرها به جهت کنترل امر سرقت آب، کنترل رطوبت خاک برای حسابداری کاربری فردی آب و نیز مدیریت مقدار و عمق کاربرد آب آبیاری، ارزیابی دقیق‌تر پیرامون نوع کشت، زمان و مدت آبیاری در مقیاس متنوع‌تر، نظارت بر اراضی به جهت تغییر در الگو و نوع کشت با استفاده از مدل‌های نظارت شده و ارائه نقشه‌های نوع محصولات کشاورزی منطقه و نیز مدیریت محیط زیست محدوده بازار، امری محتمل خواهد بود. اما توجه به دو نکته بسیار ضروری می‌باشد، اولاً روش‌های بسیار بیشتری از قبیل تلفیق مدل‌های تغییرات سطوح آب زیرزمینی و سطحی با روندیابی تغییرات رطوبت و مصرف آب در مزارع و تغییرات الگوی کشت با کمک سنجش از دور وجود دارند که می‌توانند به صورت مکمل برروی بازار آب یک منطقه و بررسی نقش آن در زمینه کمک به مدیریت بازار آب بررسی شوند و به مدیران بازار امکان انتخاب روشی متناسب با نیازهایشان را دهند، به عنوان مثال جهت نظارت بر مصرف آب در یک بازار با استفاده از مدل‌های شبیه‌ساز تغییرات آب‌های زیرزمینی و الگوریتم‌های تعادل انرژی برای برآورد میزان تبخیر و تعرق با استفاده از فناوری سنجش از دور و مقایسه آن با داده‌های زمینی همانند لایسیمتر، مقادیر درصد تغییرات برداشت آب زیرزمینی و مصرف آب در مزارع بازار را مدیریت و ارزیابی نمود. ثانیاً سنجش از دور در موقعیتی است که می‌تواند داده‌های اندازه‌گیری‌شده را در چارچوب منطبق سازی با شرایط واقعی تکمیل نماید که می‌بایست به جهت صحت سنجی در هر منطقه یکبار بصورت میدانی مورد آزمایش و منطبق سازی قرار گیرد، در واقع اگر مدیران یک بازار تصمیم به تهیه نقشه نوع محصولات کشاورزی و الگوی کشت منطقه تحت پوشش یک بازار به جهت مدیریت و برنامه ریزی مصرف آب منطقه داشته باشد، ابتدا می‌بایست در یک بازه زمانی، فصل کشت چندین نوع محصول زراعی و باغی در منطقه را بروی زمین به صورت میدانی، مشخص و سپس با استفاده از تصاویر ماهواره‌ای ماهانه و به کمک شاخص‌های گیاهی و مدل‌های نظارت شده اقدام به شناسایی نوع محصولات و الگوی کشت منطقه پیش از پیاده‌سازی و مطالعه، حین اجرا و مدیریت ضمن فعالیت بازار آب در آنجا نمایند. https://jwsc.gau.ac.ir/article_7362_1fc8f5d21099b8963e60381f4f977fe3.pdf

دانشگاه علوم کشاورزی و منابع طبیعی گرگان مجله پژوهش‌های حفاظت آب و خاک 2322-2069 32 1 2025 03 21 Analysis the impacts of extreme precipitation events on Severe erosion of rainfed lands in Asdli defile, North Khorasan تحلیل تأثیر بارش‌های حدی بر فرسایش خاک در اراضی شیب‌دار شخم‌خورده: مطالعه موردی گردنه اسدلی، خراسان شمالی 81 104 7363 10.22069/jwsc.2025.22829.3761 FA مرتضی میری نویسنده مسئول، استادیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران. زهرا گرامی پژوهشگر، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران. محمود عرب‌خدری استاد، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران. علی اکبر عباسی دانشیار، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان خراسان‌رضوی، مشهد، ایران علیرضا مجیدی استادیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران. Journal Article 2024 09 29 Background and objectives: Soil is a valuable and irreplaceable natural resource that provides essential ecosystem services and performs various environmental functions to support life on Earth. Nevertheless, one-third of the world's soils have been degraded, and annually, between 25 to 40 billion tons of soil are lost due to erosion. This situation significantly impacts the productivity, resilience, and sustainability of agricultural and environmental systems. Many studies focus on erosion in sloped agricultural lands due to its significant impacts on soil fertility and potential negative effects on downstream water quality. Soil erosion on sloping lands is considered one of the major challenges in natural resource management, particularly in agricultural and mountainous regions. In these areas, intense and continuous rainfall leads to surface runoff and an increased rate of soil erosion. Plowing on sloping lands, aimed at improving agricultural conditions, can weaken soil structure and increase the risk of erosion, particularly during heavy rainfall events. Considering climate change and the increase in the frequency and intensity of extreme rainfall events, it is essential to study and analyze the impact of these rainfall patterns on soil erosion in such areas. Therefore, considering the importance of soil in sustainable security and food health, as well as the changes occurring in global and, consequently, Iran's climatic conditions, the present study focuses on the impact of extreme rainfall on soil erosion in the Asadli Pass region of North Khorasan Province, particularly the erosion caused by the rainfall event on June 5, 2007.<br /><br />Materials and Methods: The study area is located in the Asadli Pass, 25 kilometers south of Bojnord in North Khorasan Province, at a geographical longitude of 57°35′39″E and a latitude of 37°29′47″N, with an elevation ranging from 1700 to 1900 meters above sea level. The region experiences an average annual rainfall of 363.5 millimeters and has a cold semi-arid climate in the Aladagh Heights along the Bojnord-Esfarayen route. The predominant land use in this area is rangeland and dry farming. The geological formations of the region are sedimentary and belong to the Paleozoic through Cenozoic eras, with Jurassic and Neogene formations constituting the majority of the geological structure in the area. To document the effects of the extreme rainfall event, field visits and surveys were conducted to identify the topography and record deep linear erosion features. Additionally, historical imagery from Google Earth was used to examine the evolution of these erosion features. Due to the absence of a local rain gauge station, daily rainfall data from the nearest synoptic station in Bojnord and remote sensing data from GPM satellite images with an 11 km resolution were utilized to investigate extreme precipitation events. After selecting the appropriate station and obtaining the data, the quantitative and qualitative characteristics of the collected data were initially examined in the R environment using the Climpact2 package to calculate extreme indices and conduct climate analyses. Furthermore, extreme precipitation indices (10 indices based on the CCL/CLIVAR Expert Team's recommendations) were calculated and analyzed using R software and the ClimPACT2 package. The trend analysis of the extreme indices used was conducted based on the Mann-Kendall test. In this test, positive and negative Z-statistics indicate increasing and decreasing trends in the examined data series, respectively.<br /><br />Results: Field investigations and Google Earth imagery revealed that deep linear erosions outside agricultural lands in Asadli Pass have existed for a long time. However, human activities, such as tilling along the slope, destruction of natural grass cover, and extreme precipitation events, have exacerbated the erosion. Field studies showed that after the intense rainfall in June 2007, deep erosive rills and temporary gullies with an average width of 40 cm, a depth of 30 cm, and an average spacing of 150 cm were formed, resulting in erosion exceeding 1000 tons per hectare on a tilled slope in Asadli Pass, North Khorasan. Daily rainfall data from the Bojnord station indicated that intense showers occur somewhat frequently during the warm season in this region. The maximum 24-hour rainfall recorded at this station during the 1978-2023 period was 54 mm in September 2000. Notably, there is a relatively high frequency of extreme precipitation events in this region, especially during the warm season, which, combined with weak vegetation cover, sets the stage for severe soil erosion. Records show that more than 5 mm of rainfall occurred on June 5, 2007, at the Bojnord synoptic station. GPM satellite images for this date revealed that the rainfall in Asadli Pass, amounting to 8-10 mm, was higher than that recorded at Bojnord station.<br /><br />Conclusion: Based on field observations, historical data analysis from the Bojnord station, interpretation of Google Earth and GPM images, and the unique climatic and environmental conditions of Asadli Pass, it can be concluded that the study area is highly susceptible to extreme precipitation events and soil erosion. Therefore, it is recommended that converting rangeland to rainfed agriculture be avoided, annual tilling be minimized, and perennial or cover crops be prioritized for soil protection on such slopes. Despite the low probability of such extreme events, their impacts are significant and far-reaching. Documenting these occurrences is crucial for better understanding the role of intense precipitation in soil erosion and geomorphological changes in arid and semi-arid regions. The results of this study and similar research emphasize the importance of proper land management and the use of sustainable agricultural practices to prevent land degradation and preserve the quality of natural resources. Furthermore, considering the issues caused by water erosion, adequate measures must be taken to reduce the rate of this phenomenon and ensure the sustainable management of water and soil resources. سابقه و هدف: خاک یک منبع طبیعی ارزشمند و غیرقابل جایگزین است که خدمات ضروری اکوسیستم را ارائه می‌دهد و وظایف متعدد زیست‌محیطی را برای حمایت از حیات روی زمین انجام می‌دهد. با وجود این، یک سوم خاک‌های جهان تخریب شده‌اند و سالانه بین 25 تا 40 میلیارد تن خاک به دلیل فرسایش از بین می‌رود که این وضعیت تأثیرات زیادی بر بهره‌وری، تاب‌آوری و پایداری سیستم‌های کشاورزی و زیست‌محیطی دارد. بسیاری از تحقیقات بر روی فرسایش در زمین‌های کشاورزی شیب‌دار متمرکز شده‌اند، زیرا فرسایش این اراضی تأثیرات قابل توجهی بر حاصلخیزی خاک این زمین‌ها و همچنین پیامدهای مضر احتمالی بر کیفیت آب در پایین‌دست دارند. فرسایش خاک در اراضی شیب‌دار به عنوان یکی از چالش‌های بزرگ در مدیریت منابع طبیعی به ویژه در مناطق کشاورزی و کوهستانی مطرح است. در این مناطق، بارش‌های شدید و مداوم باعث رواناب سطحی و افزایش نرخ فرسایش خاک می‌شود. شخم زدن در اراضی شیب‌دار که به منظور بهبود شرایط زراعی انجام می‌شود، می‌تواند ساختمان خاک را ضعیف‌تر کرده و خطر فرسایش را به‌ویژه در هنگام بارش‌های شدید افزایش دهد. با توجه به تغییرات اقلیمی و افزایش دفعات و شدت بارش‌های حدی، مطالعه و تحلیل تاثیر این بارش‌ها بر فرسایش خاک در این اراضی ضروری به نظر می‌رسد. از این‌رو، با توجه به اهمیت خاک در امنیت پایدار و سلامت غذایی و همچنین با توجه تغییرات رخ داده در شرایط اقلیمی جهان و به تبع در ایران زمین، پژوهش حاضر بر تاثیر بارش‌های حدی بر فرسایش خاک منطقه گردنه اسدلی واقع در استان خراسان شمالی به‌ویژه فرسایش ایجاد شده در نتیجه بارش 15 خردادماه 1386 تمرکز کرده است.<br />مواد و روش‌ها: : منطقه موردمطالعه در گردنه اسدلی، 25 کیلومتری جنوب بجنورد در استان خراسان شمالی و در طول جغرافیایی 57°35′39″ شرقی و عرض جغرافیایی 37°29′47″ غربی و ارتفاع 1700-1900 متر (از سطح دریاهای آزاد)، متوسط بارندگی حوزه 363/5 میلی‌متر با اقلیم نیمه‌خشک سرد در ارتفاعات آلاداغ در مسیر بجنورد به اسفراین واقع شده است. کاربری غالب این منطقه مرتع و دیم بوده و تشکیلات زمین‌شناسی حوزه از نوع رسوبی و متعلق به دوران اول تا سوم است که در این میان، سازندهای دوره ژوراسیک و نئوژن بخش اعظم تشکیلات زمین‌شناسی حوزه را به خود اختصاص داده‌اند. به منظور مستندسازی اثرات بارش حدی مورد مطالعه، علاوه بر بازدید و برداشت‌های میدانی با هدف شناسایی وضعیت توپوگرافی زمین موردنظر و ثبت فرسایش‌های عمیق خطی ایجاد شده، از تصاویر ذخیره شده در سامانه گوگل ارث برای بررسی تاریخی این‌گونه اشکال فرسایشی و تغییرات روند آن‌ها استفاده شد. همچنین به دلیل فقدان ایستگاه سنجش باران در محل، با استناد به داده‌های روزانه بارش نزدیک‌ترین ایستگاه سینوپتیک در بجنورد و داده‌های سنجش‌ازدور حاصل از تصاویر ماهواره‌ای GPM با رزولوشن 11/11 کیلومتر به کنکاش در خصوص رخدادهای حدی بارش پرداخته شد. پس از انتخاب ایستگاه مناسب و دریافت داده‌ها، به‌منظور محاسبه شاخص‌های حدی و تحلیل‌های اقلیمی، در ابتدا ویژگی‌های کمی و کیفی داده‌های دریافت شده در محیط R و با استفاده از افزونه Climpact2 کنترل شد. همچنین، شاخص‌های حدی بارش (10 شاخص حدی بارش بر اساس توصیه گروه کارشناسی (CCL/CLIVAR) با استفاده از قابلیت‌های نرم‌افزار R و افزونه ClimPACT2 محاسبه و بررسی شد. بررسی روند شاخص‌های حدی مورداستفاده بر اساس آزمون من کندال انجام شده است. در این آزمون مقادیر مثبت و منفی آماره Z به ترتیب بیانگر روند افزایشی و روند کاهشی در سری داده‌‌های مورد بررسی است.<br />یافته‌ها: بررسی‌های میدانی و همچنین استفاده از تصاویر ذخیره‌شده در سامانه گوگل ارث نشان داد که فرسایش‌های عمیق خطی خارج از زمین‌های کشاورزی در گردنه اسدلی از گذشته دور وجود داشته است ولی تحت تأثیر فعالیت‌های انسانی همچون شخم در جهت شیب زمینی با شیب تا 100 درصد، از بین بردن پوشش طبیعی مراتع و رخدادهای حدی بارش، وضعیت فرسایش تشدید شده است. به‌طوری‌که مطالعات میدانی نشان داد پس از رخداد بارش شدید خردادماه 1386 شیارهای فرسایشی عمیق و حتی آبکندهای موقتی با عرض 40 سانتی‌متر، عمق 30 سانتی‌متر و فاصله متوسط 150 سانتی‌متر ایجاد شده و فرسایشی بالغ بر هزار تن در هکتار در یک دامنه شخم خورده در منطقه گردنه اسدلی واقع در استان خراسان شمالی اندازه‌گیری شد. بررسی داده‌های بارش روزانه ایستگاه‌ بجنورد نشان داد که رگبار‌های شدید طی دوره گرم سال در این منطقه از کشور کم‌وبیش رخ می‌دهد. بر اساس داده‌های ثبت شده در ایستگاه مذکور، بیشینه مقدار بارش 24 ساعته طی دوره 2023-1978 با مقدار 54 میلی‌متر در سپتامبر سال 2000 (شهریورماه 1379) ثبت شده است. یکی از نکات قابل‌توجه، فراوانی نسبتاً زیاد بارش‌های حدی این منطقه به‌ویژه طی دوره گرم سال است که به دلیل ضعف پوشش گیاهی، شرایط را برای فرسایش شدید خاک فراهم می‌کند. بررسی داده‌های ثبت شده نشان داد که بارشی با مقدار بیش از 5 میلی‌متر در 15 خردادماه 1386 در ایستگاه سینوپتیک بجنورد روی داده است. دریافت و پردازش تصاویر ماهواره‌ای GPM برای این تاریخ مشخص کرد که بارش گردنه اسدلی با مقدار 8 تا 10 میلی‌متر، بیش از ایستگاه بجنورد بوده است. <br /><br />نتیجه گیری: در مجموع بر اساس مشاهدات میدانی، تحلیل داده‌های تاریخی ایستگاه بجنورد، تفسیر تصاویر گوگل ارث و GPM و همچنین شرایط خاصی اقلیمی و محیطی گردنه اسدلی می‌توان گفت که منطقه موردمطالعه از توان بالایی برای رخداد بارش‌های حدی و فرسایش خاک برخوردار است. از این رو، پیشنهاد می‌شود از تغییر کاربری اراضی از مرتع به دیم، جلوگیری از شخم سالانه، کشت محصولات دائمی یا پوششی چند ساله برای حفاظت از خاک این نوع دامنه‌ها باید در اولویت کشاورزان و دستگاه‌های مسئول قرار ‌گیرد. همچنین، با اینکه چنین رویدادهای استثنایی، احتمال وقوع کمی دارند، اثرات برجا و خارج از محل آن‌ها بسیار زیاد است و مستندسازی آن برای فهم بهتر نقش بارش‌های شدید بر فرسایش خاک و تغییرات ژئومورفولوژی ناشی از آن در مناطق خشک و نیمه‌خشک ضروری به نظر می‌رسند. نتایج این پژوهش و پژوهش‌های مشابه بر اهمیت مدیریت صحیح زمین و استفاده از روش‌های کشاورزی پایدار برای جلوگیری از تخریب زمین و حفظ کیفیت منابع طبیعی تأکید دارند. همچنین، با توجه به مشکلات ناشی از فرسایش آبی، لازم است اقدامات کافی برای کاهش سرعت این پدیده و تضمین مدیریت پایدار منابع آب‌وخاک انجام شود. https://jwsc.gau.ac.ir/article_7363_e8bf87bc651b809d1bc59dd1a48fd46c.pdf

دانشگاه علوم کشاورزی و منابع طبیعی گرگان مجله پژوهش‌های حفاظت آب و خاک 2322-2069 32 1 2025 03 21 Forecasting Water Quality Parameter Using a Novel Kernel-Based Method with Feature Selection and Multivariate Decomposition Forecasting Water Quality Parameter Using a Novel Kernel-Based Method with Feature Selection and Multivariate Decomposition 106 127 7364 10.22069/jwsc.2025.23310.3790 FA مسعود درفشان گروه مکانیک، دانشکده فنی- مهندسی، دانشگاه صنعتی خاتم‌الانبیاء بهبهان، بهبهان، ایران ایمان احمدیانفر نویسنده مسئول، گروه عمران، دانشکده فنی - مهندسی، دانشگاه صنعتی خاتم‌الانبیاء بهبهان، بهبهان، ایران آروین صمدی کوچکسرایی دانشکده مهندسی عمران، ساخت و ساز و محیط زیست (دپارتمان ۲۴۷۰)، دانشگاه ایالتی داکوتای شمالی Journal Article 2025 02 11 Background and objectives: Precise forecasting of water quality (WQ) parameters, specifically PS (potential salinity), is critical for sustainable water utilization. In water-stressed regions like the Karun River in Iran, effective monitoring and prediction of the PS is not only important but also critical because of anthropogenic activities, climate change, and reduced inflows of freshwater. Therefore, effective machine learning (ML) models and appropriate input data is very important for monitoring and predicting WQ parameters. However, the influencing factors exhibit complex and non-linear relationships, and multicollinearity in the datasets makes it challenging for traditional ML models to address the problem. Limitations, thus, can result in inaccurate predictions, which obstruct the establishment of sustainable water management strategies. As mentioned above, accurate forecasting of PS is essential for water and soil conservation, because PS helps mitigate salinity-related degradation of agricultural lands and ensure the sustainability of vital ecosystems. This study supports the development of effective conservation strategies to maintain soil productivity and WQ in vulnerable regions by providing reliable predictions. To address these issues, the present study introduces a new hybrid model, IKRidge-GRM, which inherits the advantages of improved kernel ridge regression (IKRidge) and generalized ridge regression (GRM). The hybrid model integrates IKRidge's improved capacity to identify non-linearity with GRM's resilience against multicollinearity problems to improve the predictive performance of the PS prediction. This unique framework offers improved stability and interpretability of results, as well as increases forecast accuracy, making it a helpful tool for environmental monitoring and decision-making. The proposed strategy could aid policymakers and water resource managers in designing reasonable strategies to alleviate salinity issues, protect aquatic ecosystems, and ensure the long-term survival of vital water sources like the Karun River.<br />Materials and methods: This study introduces a novel hybrid ML model based on two regression techniques, namely: generalized ridge regression (GRM) and improved kernel ridge regression (IKRidge), called IKRidge-GRM. The GRM effectively addresses multicollinearity and overfitting issues using the iteratively reweighted least squares (IRLS) process. On the other hand, IKRidge incorporates a wavelet kernel function, optimized through the INFO algorithm, and the regularized locally weighted (RLW) approach, enabling it to capture complex, non-linear patterns in the data with high precision. This combination of techniques allows the hybrid model to overcome the limitations of traditional ML methods, making it particularly suitable for handling the intricate relationships inherent in WQ datasets. To further enhance the model's predictive accuracy, the IKRidge-GRM framework integrates a light gradient boosting machine (LGBM) for feature selection. It reduces dimensionality by identifying the most relevant input variables while eliminating redundant or irrelevant features.<br />Additionally, the model employs multivariate variational mode decomposition (MVMD) to decompose the input data into high- and low-frequency components, allowing it to capture both short-term fluctuations and long-term trends in WQ parameters. The study utilized an extensive dataset comprising 48 years of monthly WQ data collected from the Farisat station on the Karun River. Nine keys WQ parameters, including magnesium (Mg), sulfate (SO42−), calcium (Ca), discharge (Q), sodium (Na), bicarbonate (HCO3), chloride (Cl), electrical conductivity (EC), total dissolved solids (TDS) and pH, were used as inputs to forecast the PS three months ahead. <br />Results: The proposed IKRidge-GRM model accurately predicted PS values at the Farisat station, significantly outperforming baseline models (Ridge, DELM, and LSSVM) and their MVMD-enhanced versions. By leveraging its hybrid architecture and advanced feature extraction techniques, the MVMD-IKRidge-GRM model achieved remarkable results during the testing phase, with the highest correlation coefficient (R = 0.977), the lowest RMSE (0.956), and the lowest MAPE (4.521). These metrics indicate the model's superior predictive accuracy and reliability in handling complex, non-linear relationships. The model also achieved high IA (0.988) and KGE (0.948) scores, underscoring its robustness and effectiveness in capturing the intricate dynamics of the PS variations. These results highlight the model's ability to uncover hidden patterns in the data and provide highly accurate predictions, even in challenging scenarios involving multicollinearity and non-linear dependencies. The model's exceptional performance was further confirmed by visual evaluations such as scatter plots, relative error plots, and Taylor diagrams. Scatter plots demonstrated that the MVMD-IKRidge-GRM model's predictions closely aligned with measured values, with minimal prediction intervals and narrow error distributions, reflecting its precision and consistency. Relative error plots revealed that the model exhibited the most compact and symmetric error distribution, with minimal bias and variability. Relative error plots also indicated the models’ ability to generalize well across different data points. Taylor diagrams provided evidence of the model's strong agreement with reference data, showcasing its ability to balance accuracy, variability representation, and error minimization effectively. Residual analysis further confirmed the model's precision and reliability. Among all the models tested, the MVMD-IKRidge-GRM model achieved the smallest mean residual (-0.0073) and the lowest standard deviation (0.0613), demonstrating its ability to minimize prediction errors consistently. This level of precision is critical for practical applications, as it ensures that the model can provide reliable forecasts for decision-making in water resource management. The model's ability to integrate advanced regression techniques, feature selection, and frequency decomposition enhances its predictive capabilities. The ability also establishes the proposed model as a robust framework for addressing complex environmental challenges. These findings emphasized the potential of the MVMD-IKRidge-GRM model as a powerful tool for sustainable water resource management, particularly in regions like the Karun River basin, where accurate and reliable predictions are essential for mitigating environmental degradation and ensuring long-term ecological balance.<br />Conclusion: The IKRidge-GRM model predicted PS values at the Farisat station on the Karun River. The findings demonstrated high accuracy and reliability across all evaluation metrics. The IKRidge-GRM model has the ability to uncover hidden patterns in complex, non-linear datasets. Its capacity to deliver precise predictions also highlights its potential as a valuable tool for environmental monitoring and management. By integrating advanced regression techniques, such as improved kernel ridge regression (IKRidge) and generalized ridge regression (GRM), with innovative feature selection and decomposition methods like light gradient boosting machine (LGBM) and multivariate variational mode decomposition (MVMD), the model effectively addresses challenges such as multicollinearity, overfitting, and non-linear relationships. This comprehensive framework ensures that the IKRidge-GRM model achieves superior predictive performance and maintains robustness and adaptability across diverse environmental conditions. This study emphasizes the importance of combining advanced ML techniques with effective preprocessing methods to develop reliable models for analyzing and forecasting complex environmental data. Integrating feature selection and frequency decomposition enhances the model's ability to extract meaningful information from high-dimensional datasets. This integration also enable the models to capture both short-term fluctuations and long-term trends in WQ parameters better. Such capabilities are essential for addressing the multifaceted challenges posed by environmental degradation, particularly in regions like the Karun River basin, where water resources are under significant stress due to anthropogenic activities and climate change. Background and objectives: Precise forecasting of water quality (WQ) parameters, specifically PS (potential salinity), is critical for sustainable water utilization. In water-stressed regions like the Karun River in Iran, effective monitoring and prediction of the PS is not only important but also critical because of anthropogenic activities, climate change, and reduced inflows of freshwater. Therefore, effective machine learning (ML) models and appropriate input data is very important for monitoring and predicting WQ parameters. However, the influencing factors exhibit complex and non-linear relationships, and multicollinearity in the datasets makes it challenging for traditional ML models to address the problem. Limitations, thus, can result in inaccurate predictions, which obstruct the establishment of sustainable water management strategies. As mentioned above, accurate forecasting of PS is essential for water and soil conservation, because PS helps mitigate salinity-related degradation of agricultural lands and ensure the sustainability of vital ecosystems. This study supports the development of effective conservation strategies to maintain soil productivity and WQ in vulnerable regions by providing reliable predictions. To address these issues, the present study introduces a new hybrid model, IKRidge-GRM, which inherits the advantages of improved kernel ridge regression (IKRidge) and generalized ridge regression (GRM). The hybrid model integrates IKRidge's improved capacity to identify non-linearity with GRM's resilience against multicollinearity problems to improve the predictive performance of the PS prediction. This unique framework offers improved stability and interpretability of results, as well as increases forecast accuracy, making it a helpful tool for environmental monitoring and decision-making. The proposed strategy could aid policymakers and water resource managers in designing reasonable strategies to alleviate salinity issues, protect aquatic ecosystems, and ensure the long-term survival of vital water sources like the Karun River.<br />Materials and methods: This study introduces a novel hybrid ML model based on two regression techniques, namely: generalized ridge regression (GRM) and improved kernel ridge regression (IKRidge), called IKRidge-GRM. The GRM effectively addresses multicollinearity and overfitting issues using the iteratively reweighted least squares (IRLS) process. On the other hand, IKRidge incorporates a wavelet kernel function, optimized through the INFO algorithm, and the regularized locally weighted (RLW) approach, enabling it to capture complex, non-linear patterns in the data with high precision. This combination of techniques allows the hybrid model to overcome the limitations of traditional ML methods, making it particularly suitable for handling the intricate relationships inherent in WQ datasets. To further enhance the model's predictive accuracy, the IKRidge-GRM framework integrates a light gradient boosting machine (LGBM) for feature selection. It reduces dimensionality by identifying the most relevant input variables while eliminating redundant or irrelevant features.<br />Additionally, the model employs multivariate variational mode decomposition (MVMD) to decompose the input data into high- and low-frequency components, allowing it to capture both short-term fluctuations and long-term trends in WQ parameters. The study utilized an extensive dataset comprising 48 years of monthly WQ data collected from the Farisat station on the Karun River. Nine keys WQ parameters, including magnesium (Mg), sulfate (SO42−), calcium (Ca), discharge (Q), sodium (Na), bicarbonate (HCO3), chloride (Cl), electrical conductivity (EC), total dissolved solids (TDS) and pH, were used as inputs to forecast the PS three months ahead. <br />Results: The proposed IKRidge-GRM model accurately predicted PS values at the Farisat station, significantly outperforming baseline models (Ridge, DELM, and LSSVM) and their MVMD-enhanced versions. By leveraging its hybrid architecture and advanced feature extraction techniques, the MVMD-IKRidge-GRM model achieved remarkable results during the testing phase, with the highest correlation coefficient (R = 0.977), the lowest RMSE (0.956), and the lowest MAPE (4.521). These metrics indicate the model's superior predictive accuracy and reliability in handling complex, non-linear relationships. The model also achieved high IA (0.988) and KGE (0.948) scores, underscoring its robustness and effectiveness in capturing the intricate dynamics of the PS variations. These results highlight the model's ability to uncover hidden patterns in the data and provide highly accurate predictions, even in challenging scenarios involving multicollinearity and non-linear dependencies. The model's exceptional performance was further confirmed by visual evaluations such as scatter plots, relative error plots, and Taylor diagrams. Scatter plots demonstrated that the MVMD-IKRidge-GRM model's predictions closely aligned with measured values, with minimal prediction intervals and narrow error distributions, reflecting its precision and consistency. Relative error plots revealed that the model exhibited the most compact and symmetric error distribution, with minimal bias and variability. Relative error plots also indicated the models’ ability to generalize well across different data points. Taylor diagrams provided evidence of the model's strong agreement with reference data, showcasing its ability to balance accuracy, variability representation, and error minimization effectively. Residual analysis further confirmed the model's precision and reliability. Among all the models tested, the MVMD-IKRidge-GRM model achieved the smallest mean residual (-0.0073) and the lowest standard deviation (0.0613), demonstrating its ability to minimize prediction errors consistently. This level of precision is critical for practical applications, as it ensures that the model can provide reliable forecasts for decision-making in water resource management. The model's ability to integrate advanced regression techniques, feature selection, and frequency decomposition enhances its predictive capabilities. The ability also establishes the proposed model as a robust framework for addressing complex environmental challenges. These findings emphasized the potential of the MVMD-IKRidge-GRM model as a powerful tool for sustainable water resource management, particularly in regions like the Karun River basin, where accurate and reliable predictions are essential for mitigating environmental degradation and ensuring long-term ecological balance.<br />Conclusion: The IKRidge-GRM model predicted PS values at the Farisat station on the Karun River. The findings demonstrated high accuracy and reliability across all evaluation metrics. The IKRidge-GRM model has the ability to uncover hidden patterns in complex, non-linear datasets. Its capacity to deliver precise predictions also highlights its potential as a valuable tool for environmental monitoring and management. By integrating advanced regression techniques, such as improved kernel ridge regression (IKRidge) and generalized ridge regression (GRM), with innovative feature selection and decomposition methods like light gradient boosting machine (LGBM) and multivariate variational mode decomposition (MVMD), the model effectively addresses challenges such as multicollinearity, overfitting, and non-linear relationships. This comprehensive framework ensures that the IKRidge-GRM model achieves superior predictive performance and maintains robustness and adaptability across diverse environmental conditions. This study emphasizes the importance of combining advanced ML techniques with effective preprocessing methods to develop reliable models for analyzing and forecasting complex environmental data. Integrating feature selection and frequency decomposition enhances the model's ability to extract meaningful information from high-dimensional datasets. This integration also enable the models to capture both short-term fluctuations and long-term trends in WQ parameters better. Such capabilities are essential for addressing the multifaceted challenges posed by environmental degradation, particularly in regions like the Karun River basin, where water resources are under significant stress due to anthropogenic activities and climate change. https://jwsc.gau.ac.ir/article_7364_e4b707119c6ae9b54bbe1f90c20235b4.pdf

دانشگاه علوم کشاورزی و منابع طبیعی گرگان مجله پژوهش‌های حفاظت آب و خاک 2322-2069 32 1 2025 03 21 Bridging Satellite and UAV Technologies for High-Resolution Hydraulic Simulations: A Case Study in Iran’s Marun ترکیب فناوری‌های ماهواره‌ای و پهپادی برای شبیه‌سازی‌های هیدرولیکی با وضوح بالا: مطالعه موردی در حوضه مارون ایران 129 151 7365 10.22069/jwsc.2025.23131.3779 FA مسیح ذوالقدر نویسنده مسئول، استادیار گروه علوم و مهندسی آب، دانشگاه جهرم، جهرم، ایران. 0000-0002-6587-4062 اباذر فتحی دانشجوی دکتری مهندسی عمران و محیط‌زیست، دانشگاه پلی‌تکنیک میلان فاطمه روستاپور دانش‌آموخته کارشناسی‌ارشد آبیاری و زهکشی، دانشگاه جهرم، جهرم، ایران. محمدرضا کارگر دانشجوی دکتری سنجش‌ازدور، دانشگاه تربیت‌مدرس، تهران، ایران Journal Article 2024 12 31 Bridging Satellite and UAV Technologies for High-Resolution Hydraulic Simulations: A Case Study in Iran’s Marun Basin<br />Abstract<br />This study focuses on evaluating and comparing the effectiveness of high-resolution Digital Elevation Models (DEMs) derived from UAVs and satellite (ALOS) data for hydraulic simulations. Conducted in the Marun Basin in Iran, the research assesses the accuracy of these DEMs in modeling flood events using the HEC-RAS 2D simulation framework. By integrating rainfall data and streamflow measurements, the study underscores the potential of UAV-derived data for precision hydraulic modeling while exploring the utility of freely available satellite data for broader applications. This dual comparison offers valuable insights for flood management, especially in regions where precise data acquisition and timely response are critical.<br /><br />Background and Objective<br />Floods are one of the most significant natural disasters globally, causing substantial economic and human losses. Climate change exacerbates these risks. Central to flood simulations are Digital Elevation Models (DEMs), which provide the foundational data on terrain and topography.<br />The study examines the capabilities of UAV-derived DEMs, known for their high spatial resolution, and ALOS satellite DEMs, which offer extensive coverage at a lower resolution. UAVs have revolutionized flood modeling by enabling precise data acquisition, especially in small, localized areas. In contrast, ALOS data is widely available, cost-effective, and better suited for large-scale applications. By employing both sources for 2D hydraulic modeling, the study provides a comprehensive evaluation of their strengths, limitations, and potential for integration.<br /><br />Materials and Methods<br />The research was conducted in the Paskuhak region of Shiraz, Iran, encompassing a 4.3 km² section of the Marun watershed. Rainfall and streamflow data were collected using local gauges, while DEMs were derived from UAVs and ALOS satellite. The drone was used to capture high-resolution imagery. The data was processed to produce DEMs with a spatial resolution of 5 cm and a vertical accuracy of 2 cm. ALOS data, with a spatial resolution of 12.5 meters, was calibrated using UAV data to ensure comparability and reliability.<br />The HEC-RAS 2D software was employed for hydraulic simulations. Precipitation was used as the boundary condition, a novel approach compared to the traditional discharge-based boundary conditions. Calibration and validation of the model were performed using observed hydrographs, with Manning’s roughness coefficient optimized for accuracy.<br />Mesh sizes for the simulations were carefully selected to balance computational efficiency and result precision. A 2 m x 2 m mesh was used for the UAV DEM, while a 5 m x 5 m mesh was applied to the ALOS DEM.<br /><br />Results <br />The UAV-derived DEMs outperformed ALOS DEMs in accurately representing terrain features. Their higher spatial resolution provided a more detailed and realistic depiction of channel meandering, slope variations, and floodplain characteristics. This precision translated into more accurate hydraulic simulations, particularly in predicting peak discharge and time-to-peak metrics. In terms of peak discharge, the UAV DEM estimated peak discharge within 0.85% of the data observed, while the ALOS DEM overestimated it by 5.2%. The UAV DEM's predictions were nearly identical to the observed data, whereas the ALOS DEM underestimated the time to peak by 8.6%. The UAV DEM consistently simulated lower maximum flood depths compared to the ALOS DEM, aligning more closely with real-world observations. For instance, the UAV DEM predicted depths 14.2% lower than the ALOS DEM on average. These differences highlight the superior ability of UAV data to capture fine-scale terrain details, which are essential for accurate flood depth estimation.<br />The inclusion of rainfall as a boundary condition enhanced the dynamism and accuracy of simulations. This method contrasts with traditional practices that rely on discharge time series and demonstrated the potential to eliminate the need for separate hydrological studies. The rainfall-driven simulations provided a more comprehensive understanding of watershed response, contributing to improved predictive capabilities. Both UAV and ALOS DEMs produced hydrographs that closely matched observed data, with notable differences in peak intensity and timing. The UAV model, with its higher temporal resolution (6-minute intervals), captured rapid flow changes more effectively than the hourly interval data from hydrometric stations. This capability is particularly valuable for real-time flood forecasting and emergency response. Error metrics validated the superior accuracy of UAV-derived data so that Root Mean Square Error (RMSE) resulted in UAV (0.022) vs. ALOS (0.024) and Relative Error (RE) in Peak Discharge depicted UAV (10.9%) vs. ALOS (14.6%). These findings reaffirm the potential of UAV technology for precision hydraulic modeling and emphasize the trade-offs between high-resolution data and computational requirements. The study highlights the complementary roles of UAV and satellite data. In brief, UAV Data is Ideal for localized studies requiring high precision. Limitations include operational constraints, higher costs, and limited coverage. However, Satellite Data is Suitable for large-scale applications, offering cost-effective and widely available solutions despite lower spatial resolution. These insights guide decision-making in selecting appropriate data sources for specific hydrological applications.<br /><br />Conclusion<br />This study underscores the efficacy of UAV-derived DEMs in enhancing hydraulic simulation accuracy, particularly for flood management and risk assessment. While UAVs excel in precision, ALOS satellite data provides a cost-effective alternative for broader applications. Key findings include:<br />UAV-derived DEMs deliver superior performance in predicting hydraulic parameters, offering lower maximum depths and reduced error margins compared to ALOS data.<br />ALOS DEMs, despite lower resolution, are sufficiently accurate for peak discharge predictions, making them viable for cost-sensitive projects.<br />The implementation of rainfall as a boundary condition demonstrates the potential to simplify hydraulic modeling by eliminating the need for separate hydrological studies.<br />Higher temporal and spatial resolution in UAV simulations enables more accurate representation of flood dynamics, particularly at peak flows.<br />Integrating UAV and satellite data offers a balanced approach to achieving accuracy and scalability in hydraulic modeling.<br />The research paves the way for future advancements in hydraulic modeling, emphasizing the need for innovative data acquisition methods and enhanced computational techniques. Recommendations include deploying advanced UAV sensors, utilizing multiple UAVs for larger coverage, and leveraging machine learning algorithms to streamline data processing and improve predictive accuracy.<br />By addressing the limitations of both UAV and satellite data, the study provides a roadmap for optimizing hydraulic simulations, contributing to more effective flood risk management and decision-making.<br />Keywords: Flooding; Numerical Simulation; Precipitation; ALOS data; Drone ترکیب فناوری‌های ماهواره‌ای و پهپادی برای شبیه‌سازی‌های هیدرولیکی با وضوح بالا: مطالعه موردی در حوضه مارون ایران<br />چکیده:<br />این مطالعه بر ارزیابی و مقایسه اثربخشی مدل‌های ارتفاع رقومی با وضوح بالا که از داده‌های پهپاد و ماهواره‌ای به‌دست آمده‌اند، برای شبیه‌سازی‌های هیدرولیکی تمرکز دارد. این پژوهش که در حوضه مارون در ایران انجام شده است، دقت این مدل‌های رقومی-ارتفاعی را در مدلسازی رویدادهای سیل با استفاده از شبیه‌سازی دوبعدی به وسیله مدل عددی HEC-RAS مورد بررسی قرار می‌دهد. با یکپارچه‌سازی داده‌های بارش و اندازه‌گیری‌های جریان سیلاب، این مطالعه بر پتانسیل داده‌های حاصل از پهپاد برای مدلسازی دقیق هیدرولیکی تأکید دارد، در حالی‌که قابلیت کاربرد داده‌های ماهواره‌ای رایگان را برای استفاده‌های گسترده‌تر نیز مورد بررسی قرار می‌دهد. این مقایسه‌ی دوگانه، دید گاه ‌های ارزشمندی برای مدیریت سیلاب فراهم می‌کند، به‌ویژه در مناطقی که دستیابی دقیق به داده‌ها و واکنش به‌موقع اهمیت زیادی دارد.<br />سابقه و هدف<br />سیل‌ها یکی از مهم‌ترین بلایای طبیعی در سراسر جهان هستند که خسارات اقتصادی و انسانی قابل‌توجهی به همراه دارند. تغییرات اقلیمی این مخاطرات را تشدید می‌کند. با شبیه‌سازی رفتار جریان، شناسایی مناطق مستعد سیلاب و کمک به توسعه راهکارهای کاهش اثرات، موجب افزایش کارایی مدیریت سیلاب می‌شود. بدین منظور، مدل‌های رقومی ارتفاعی داده‌های پایه‌ای مربوط به توپوگرافی و ناهمواری زمین را برای این شبیه‌سازی‌ها فراهم می‌کنند.<br />این مطالعه به بررسی قابلیت‌های مدل‌های رقومی ارتفاعی حاصل از پهپاد که به دلیل دقت مکانی بالا شناخته شده‌اند و مدل‌های رقومی ارتفاعی ماهواره آلوس (ALOS) که پوشش گسترده‌ای در سطح پایین‌تری از دقت دارند، می‌پردازد. پهپادها با فراهم آوردن داده‌های دقیق، به‌ویژه در مناطق محلی و کوچک، تحول مهمی در مدل‌سازی سیلاب ایجاد کرده‌اند. در مقابل، داده‌های آلوس به دلیل دسترس‌پذیری گسترده و هزینه کمتر، برای کاربردهای در مقیاس وسیع مناسب‌تر هستند. با به‌کارگیری هر دو منبع در مدل‌سازی هیدرولیکی دوبعدی، این مطالعه ارزیابی جامعی از نقاط قوت، محدودیت‌ها و امکان یکپارچه‌سازی آن‌ها را ارائه می‌دهد.<br />مواد و روش‌ها<br />این تحقیق در منطقه پسکوهک شیراز، ایران، انجام شد که ناحیه ای به مساحت ۴.۳ کیلومتر مربع از حوضه مارون را در بر می‌گیرد. داده‌های بارندگی و جریان رودخانه از طریق ایستگاه‌های محلی جمع‌آوری شد، در حالی که مدل‌های رقومی ارتفاعی از پهپاد و ماهواره آلوس استخراج شدند. برای تصویربرداری با وضوح بالا، از پهپاد استفاده شد و پردازش داده‌ها منجر به تولید مدل‌های رقومی ارتفاعی با دقت مکانی ۵ سانتی‌متر و دقت عمودی ۲ سانتی‌متر شد. داده‌های ماهواره آلوس با دقت مکانی ۱۲.۵ متر به کمک داده‌های پهپاد کالیبره شد تا قابلیت مقایسه و اطمینان‌پذیری افزایش یابد.<br />برای شبیه‌سازی‌های هیدرولیکی، از نرم‌افزار HEC-RAS 2D استفاده شد. در این مطالعه، بارش به‌عنوان شرط مرزی در نظر گرفته شد که رویکردی نوین در مقایسه با روش‌های متداول مبتنی بر دبی است. کالیبراسیون و اعتبارسنجی مدل بر اساس هیدروگراف‌های مشاهده‌ای انجام گرفت و ضریب زبری مانینگ برای دستیابی به دقت بالاتر بهینه شد. برای حفظ تعادل بین دقت نتایج و کارایی محاسباتی، اندازه شبکه مدل‌سازی با دقت انتخاب شد. برای مدل رقومی ارتفاعی پهپاد، از شبکه ۲×۲ متر و برای مدل آلوس، از شبکه ۵×۵ متر استفاده شد.<br />یافته ها<br />مدل‌های رقومی ارتفاعی استخراج‌شده از پهپاد عملکرد بهتری نسبت به مدل‌های آلوس در نمایش ویژگی‌های زمین داشتند. وضوح مکانی بالاتر آنها تصویری دقیق‌تر و واقعی‌تر از پیچ‌وخم کانال، تغییرات شیب و خصوصیات دشت سیلابی ارائه داد. این دقت منجر به شبیه‌سازی‌های هیدرولیکی دقیق‌تر، به‌ویژه در پیش‌بینی دبی اوج و زمان رسیدن به اوج شد. در مورد دبی اوج، مدل رقومی ارتفاعی پهپاد دبی اوج را با اختلاف 0.85 درصد نسبت به داده‌های مشاهده‌شده برآورد کرد، درحالی‌که مدل آلوس آن را 5.2 درصد بیش‌برآورد کرد. پیش‌بینی‌های مدل پهپاد تقریباً منطبق بر داده‌های مشاهده‌شده بود، درحالی‌که مدل آلوس زمان رسیدن به اوج را 8.6 درصد کمتر از مقدار واقعی برآورد کرد. مدل رقومی ارتفاعی پهپاد به‌طور مداوم عمق‌های حداکثری سیلاب کمتری را نسبت به مدل آلوس شبیه‌سازی کرد و با مشاهدات واقعی همخوانی بیشتری داشت. به‌عنوان نمونه، مدل پهپاد به‌طور میانگین عمق‌هایی 14.2 درصد کمتر از مدل آلوس پیش‌بینی کرد. این تفاوت‌ها برتری داده‌های پهپادی را در ثبت جزئیات دقیق‌تر عوارض زمین، که برای تخمین دقیق عمق سیلاب ضروری است، برجسته می‌کند.<br />گنجاندن بارش به‌عنوان شرط مرزی پویایی و دقت شبیه‌سازی‌ها را افزایش داد. این روش در مقایسه با رویکردهای سنتی مبتنی بر سری‌های زمانی دبی، نشان داد که می‌توان نیاز به مطالعات جداگانه هیدرولوژیکی را برطرف کرد. شبیه‌سازی‌های مبتنی بر بارش، درک جامع‌تری از واکنش حوضه ارائه داد و به بهبود قابلیت‌های پیش‌بینی کمک کرد. هر دو مدل رقومی ارتفاعی پهپاد و آلوس هیدروگراف‌هایی تولید کردند که شباهت زیادی به داده‌های مشاهده‌ای داشتند، با این تفاوت که در شدت و زمان اوج تفاوت‌هایی مشاهده شد. مدل پهپاد، به دلیل وضوح زمانی بالاتر (فواصل 6 دقیقه‌ای)، تغییرات سریع جریان را بهتر از داده‌های ایستگاه‌های هیدرومتری که در بازه‌های ساعتی ثبت شده بودند، شبیه سازی کرد. این قابلیت برای پیش‌بینی آنی سیلاب و واکنش اضطراری بسیار ارزشمند است.<br />شاخص‌های خطا، دقت برتر داده‌های استخراج‌شده از پهپاد را تأیید کردند؛ به‌طوری که خطای جذر میانگین مربعات برای مدل پهپاد 0.022 و برای مدل آلوس 0.024 به دست آمد و خطای نسبی در دبی اوج برای مدل پهپاد 10.9 درصد و برای مدل آلوس برابر با 14.6 درصد بود. این یافته‌ها بر پتانسیل فناوری پهپاد برای مدل‌سازی هیدرولیکی دقیق تأکید دارند و نشان‌دهنده موازنه‌ای میان داده‌های با وضوح بالا و نیازهای محاسباتی هستند.<br />این مطالعه بر نقش مکمل داده‌های پهپاد و ماهواره تأکید دارد. به‌طور خلاصه، داده‌های پهپاد برای مطالعات محلی که نیاز به دقت بالا دارند، ایده‌آل است، اما محدودیت‌هایی از جمله موانع عملیاتی، هزینه‌های بالاتر و پوشش محدود دارد. در مقابل، داده‌های ماهواره‌ای برای کاربردهای مقیاس بزرگ مناسب هستند و علیرغم وضوح مکانی کمتر، راه‌حلی مقرون‌به‌صرفه و در دسترس ارائه می‌دهند. این نتایج راهنمایی برای تصمیم‌گیری در انتخاب منابع داده‌ای مناسب برای کاربردهای خاص هیدرولوژیکی فراهم می‌کند.<br />نتیجه‌گیری<br />این مطالعه بر کارایی مدل‌های رقومی ارتفاعی استخراج‌شده از پهپاد در بهبود دقت شبیه‌سازی‌های هیدرولیکی، به‌ویژه در مدیریت سیلاب و ارزیابی ریسک تأکید دارد. درحالی‌که پهپادها در دقت برتری دارند، داده‌های ماهواره‌ای آلوس جایگزینی مقرون‌به‌صرفه برای کاربردهای گسترده‌تر ارائه می‌دهند. یافته‌های کلیدی شامل موارد زیر است:<br />مدل‌های رقومی ارتفاعی پهپاد عملکرد برتری در پیش‌بینی پارامترهای هیدرولیکی ارائه داده و عمق‌های حداکثری کمتر و حاشیه خطای کاهش‌یافته‌ای را در مقایسه با داده‌های آلوس نشان می‌دهند.<br />مدل‌های آلوس ، علیرغم وضوح پایین‌تر، دقت کافی برای پیش‌بینی دبی اوج دارند و گزینه‌ای مناسب برای پروژه‌های کم هزینه محسوب می‌شوند.<br />استفاده از بارش به‌عنوان شرط مرزی، پتانسیل ساده‌سازی مدل‌سازی هیدرولیکی را از طریق حذف نیاز به مطالعات جداگانه هیدرولوژیکی نشان می‌دهد.<br />وضوح زمانی و مکانی بالاتر در شبیه‌سازی‌های پهپاد، امکان نمایش دقیق‌تری از پویایی سیلاب، به‌ویژه در جریان‌های اوج، را فراهم می‌کند.<br />ادغام داده‌های پهپاد و ماهواره‌ای رویکردی متوازن برای دستیابی به دقت و مقیاس‌پذیری در مدل‌سازی هیدرولیکی ارائه می‌دهد.<br />این پژوهش مسیر پیشرفت‌های آینده در مدل‌سازی هیدرولیکی را هموار می‌کند و بر ضرورت روش‌های نوین کسب داده و تکنیک‌های محاسباتی پیشرفته تأکید دارد. پیشنهادها شامل به‌کارگیری حسگرهای پهپادی پیشرفته، استفاده از چندین پهپاد برای پوشش وسیع‌تر و بهره‌گیری از الگوریتم‌های یادگیری ماشین برای تسهیل پردازش داده و بهبود دقت پیش‌بینی است.<br />با پرداختن به محدودیت‌های داده‌های پهپاد و ماهواره، این مطالعه مسیر بهینه‌سازی شبیه‌سازی‌های هیدرولیکی را ترسیم کرده و به مدیریت مؤثرتر ریسک سیلاب و تصمیم‌گیری‌های بهتر کمک می‌کند.<br />واژه های کلیدی: سیلاب، شبیه سازی عددی، بارندگی، داده های آلوس، پهپاد https://jwsc.gau.ac.ir/article_7365_5476a1b63df941d24a8d741e27c9db30.pdf

دانشگاه علوم کشاورزی و منابع طبیعی گرگان مجله پژوهش‌های حفاظت آب و خاک 2322-2069 32 1 2025 03 21 The Impact of Biochars on the Availability and Release Kinetics of Zinc in a Naturally Contaminated Calcareous Soil تأثیر بیوچارهای مختلف بر قابلیت استفاده و سرعت آزادشدن روی در خاک آهکی آلوده طبیعی 153 173 7366 10.22069/jwsc.2025.22628.3747 FA پروین کبیری دانشجوی دکتری مهندسی علوم خاک، دانشکده کشاورزی، دانشگاه شهرکرد، چهارمحال‌و‌بختیاری، ایران. علیرضا حسین پور استاد گروه مهندسی علوم خاک، دانشکده کشاورزی، دانشگاه شهرکرد، چهارمحال‌و‌بختیاری، ایران حمیدرضا متقیان نویسنده مسئول، دانشیار گروه مهندسی علوم خاک، دانشکده کشاورزی، دانشگاه شهرکرد، چهارمحال‌و‌بختیاری، ایران. رامین ایرانی پور استادیار گروه آب و خاک، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی، شهرکرد، چهارمحال‌و‌بختیاری، ایران. Journal Article 2024 07 16 Background and objectives: <br />Some mining activities such as extraction, transportation, processing and recycling of minerals have led to soil pollution. The common pollutant of these activities is the entry of heavy metals such as zinc (Zn) into the soil. Zn decreases roots growth and leaves development and causes chlorosis, especially in young leaves. One of the effective factors of Zn adsorption by plants is its bioavailability in soil. The availability of Zn in soil is regulated by biological, chemical, and physical processes and interaction between these processes. By adsorbing and stabilizing heavy metals, biochar is capable of removeing heavy metals from contaminated soil. In scientific studies, the speed of transmission, adsorption, and desorption of heavy metals, have the greatest importance and control their movement. <br />Materials and methods<br />In this research, the effect of various biochars compared on bioavailability and desorption kinetics of Zn, by treating contaminated soil with 2% wastes and biochars prepared from municipal waste compost, sewage sludge, sugarcane bagasse, rapeseed residues, almond hull and walnut hull, for stabilizing zinc, as a heavy metal, soil samples incubated for a period of 120 days. After the incubation period, the soil samples were collected, and the bioavailable amount of zinc was measured after extraction with DTPA-TEA. Also, the zinc desorption rate was measured in control and treatments during 504 hours. <br />Results<br />The results of this study showed bioavailable and cumulative release of Zn of treatments were significantly reduced in comparison with control. They were reduced more in soils treated with walnut hull and almond hull than oher soils. The comparison of the coefficient of determination (R2) and the standard error of estimate (SEE) showed that parabolic diffusion, power function, and first order equations had the highest coefficient of determination and the lowest standard error of estimate for control and treated soils, and therefore they have the ability to describe the rate of zinc release in soils. They had soils. K1 in the first-order equation was in the range of 0.007 to 0.009 mg kg − 1 h – 1 and a*b in the power function equation was in the range of 72.56 to 91.2 and R constant of the parabolic diffusion 52.5 to 74.9 mg kg − 1 h − 1. Based on the results of correlation studies in this research, the equations rates’ constants a and K1 (first-order equation), R (Simplified Elovich equation), b and a*b (in the power function equation) are more useful and realistic to describe the Zn release rate. <br />Conclusion<br />The biochars studied in this research had higher pH, EC and specific surface area than the raw residues and significantly reduced the zinc extracted by DTPA-TEA and the cumulative amount of zinc in the treatments. Biochars with higher specific surface area, pH and EC significantly reduced the availability and cumulative amount of zinc, so the order of reduction of availability and cumulative amount of Zn in soils was in the order: soils treated with walnut hull biochar > almond hull biochar > sugarcane bagasse biochar > Rapeseed residue biochar> Isfahan municipal waste compost biochar> Shahrekord sewage sludge biochar> Isfahan sewage sludge biochar. The use of biochars prepared from almond hull and walnut hull showed more ability for reduceing the bioavailability of Zn. So, the bioavailability of Zn decreased in soils treated with almond hull biochar and walnut hull biochar by 36.9% and 41.2% respectively compared to the control. Therefore, the greatest reduction of Zn bioavailability occurred due to the use of walnut and almond biochars. It is suggested that these two biochars will be tested in wider levels (farm levels) for purifying contaminated agricultural soils. سابقه و هدف: <br />برخی فعالیت‌های معدن‌کاوی همانند استخراج، حمل و نقل، فرآوری و بازیافت مواد معدنی می‌توانند منجر به آلودگی خاک شوند. از جمله آلودگی‌های معمول موجود در این فعالیت‌ها، ورود فلزهای سنگین مانند روی به خاک می‌باشد. روی، رشد ریشه و توسعه برگ را کاهش داده و موجب زردی به‌ویژه در برگ‌های جوان می‌شود. از عوامل موثر جذب روی توسط گیاه، فراهمی زیستی آن در خاک می‌باشد. در دسترس بودن فلز روی در خاک، توسط فرایندهای زیستی، شیمیایی، فیزیکی و اثر متقابل بین این فرایندها تنظیم می‌شود. همچنین، میزان سرعت انتقال فلز از فاز جامد به فاز محلول بر مقدار فراهمی زیستی و کنترل حرکتی فلز بسیار حائز اهمیت است. به گونه‌ای که در مطالعات سینتیکی جهت براورد و تعیین سرعت انتقال فلز از فاز جامد به فاز محلول، روند واجذب فلزهای سنگین در واحد زمان، اندازه‌گیری و محاسبه می‌گردد. بیوچار، با جذب و تثبیت فلزهای سنگین قادر به پاک‌سازی فلزهای سنگین خاک آلوده است. <br />مواد و روش‌ها:<br />در این پژوهش تأثیر بیوچارهای مختلف تهیه‌شده از کمپوست زباله شهری، لجن فاضلاب، باگاس نیشکر، بقایای کلزا، پوست سبز گردو و پوست سبز بادام افزوده‌شده به یک خاک آلوده (2 درصد وزنی) بر سرعت واجذب روی پس از 120 روز انکوباسیون مطالعه شد. پس از سپری شدن مدت زمان انکوباسیون، با جمع‌آوری نمونه‌های خاک، مقدار قابل استفاده فلز سنگین روی پس از عصاره‌گیری با DTPA-TEA اندازه‌گیری شد. همچنین سرعت واجذب روی در شاهد و تیمارها در طول مدت 504 ساعت اندازه‌گیری گردید.<br />یافته‌ها:<br />نتایج این مطالعه، نشان داد که روی قابل استفاده و سرعت واجذب روی تجمعی در نمونه‌های خاک تیمارشده با 2 درصد وزنی – وزنی بیوچار، نسبت به شاهد کاهش معنی‌داری داشت. این کاهش در خاک‌های تیمارشده با بیوچار پوست گردو و بیوچار پوست بادام بیشتر از سایر تیمارها بود. مقایسه ضریب تبیین (R2)و خطای استاندارد برآورد (SEE) نشان داد که معادله‌های الوویچ ساده، تابع توانی و مرتبه اول دارای بیشترین ضریب تبیین و کمترین خطای استاندارد برآورد برای خاک‌های شاهد و تیمارشده بودند و بنابراین توانایی توصیف سرعت واجذب روی را در این خاک‌‌ها داشتند. K1 در معادله مرتبه اول در دامنه 007/0 تا 009/0 میلی‌گرم بر کیلوگرم بر ساعت و a*b در معادله تابع توانی در دامنه 6/72 تا 2/91 و R در معادله پخشیدگی پارابولیکی 5/52 تا 9/74 میلی‌گرم بر کیلوگرم بر ساعت بود. بر اساس نتایج مطالعات همبستگی در این پژوهش، ضرایب a و K1 (در معادله مرتبه اول)، R (در معادله پخشیدگی پارابولیکی)، b و a*b (در معادله تابع توانی) جهت توصیف سرعت واجذب روی مفیدتر و به واقعیت نزدیک‌تر بودند. <br />نتیجه‌گیری:<br />بیوچارها به دلیل داشتن سطح ویژه و pH بالاتر، فراهمی و مقدار تجمعی روی را به صورت معنی‌داری کاهش دادند، بنابراین ترتیب کاهش فراهمی زیستی و مقدار تجمعی روی به صورت: خاک تیمارشده با بیوچار پوست سبز گردو> بیوچار پوست سبز بادام> بیوچار باگاس نی‌شکر> بیوچار بقایای کلزا> بیوچار کمپوست زباله شهری اصفهان> بیوچار لجن فاضلاب شهرکرد> بیوچار لجن فاضلاب اصفهان بود. بنابراین، استفاده از بیوچارهای تهیه‌شده از پوست سبز گردو و پوست سبز بادام، توانایی کاهش بیشتر فراهمی زیستی فلز روی را در خاک دارند. به گونه‌ای که فراهمی روی در خاک‌های تیمارشده با بیوچار تهیه‌شده از پوست بادام و پوست گردو به‌ترتیب 9/36 و 2/41 درصد نسبت به شاهد کاهش داشت. بنابراین بیشترین کاهش روی قابل استفاده در اثر کاربرد بیوچارهای گردو و بادام اتفاق افتاد. پیشنهاد می‌گردد این دو بیوچار جهت پالایش خاک‌های آلوده کشاورزی در سطح وسیع‌تر (سطح مزرعه) مورد آزمون قرار گیرند. https://jwsc.gau.ac.ir/article_7366_7b2c00a7684b4949a2154682bc918fd1.pdf

دانشگاه علوم کشاورزی و منابع طبیعی گرگان مجله پژوهش‌های حفاظت آب و خاک 2322-2069 32 1 2025 03 21 Usage Feasibility of Bentonite in Restoration of Aggregate Stability in Different Landuses Soil after Fire امکان‌سنجی استفاده از بنتونیت در احیای پایداری خاکدانه در خاک کاربری‌های مختلف پس از وقوع آتش 175 196 7367 10.22069/jwsc.2025.22866.3766 FA زینب براری شهیدانی دانش‌آموخته کارشناسی‌‌ارشد مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران. لیلا غلامی نویسنده مسئول، دانشیار گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران. عطاالله کاویان استاد گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران. Journal Article 2024 10 12 Soil stability refers to the resistance of the soil structure against external forces such as the impact of raindrops and splash erosion. Some human factors, such as fire, not only cause the vegetation reduction, the bare becomes soil surface and its vulnerable, but also have the destructive effects on the aggregates stability of surface Fire causes the soil to be susceptible to erosion by reducing organic matter, reducing the aggregates stability and reducing soil quality. Considering that the vegetation establishment in the affected areas by fire requires a lot of time and money, the application of soil conditioners in order to vegetation restoration and increasing the aggregates stability in affected areas by fire is an important step in restoration of these areas. Landuse has the significant effects on changes of soil erodibility factor, and the studies have shown that the forest landuse has the lowest amount of soil erodibility factor compared to pasture and cropland landuses. The present study was conducted with the investigation aim of aggregates stability before and after fire using bentonite conditioner with different levels in forest, pasture and agricultural landuses.<br />Materials and methods: At first, the collected soil from each landuse was placed in plots and compacted to specific weight to natural conditions and subjected under mean-fire conditions. Then, the remaining ash was collected from the surface of the fire plots and rainfall simulation with rainfall intensity of 90 mm h-1 and duration of 10 min was performed in the control treatments (soil without conditioner, burned and un-burned soil), fired and unfired soil containing different levels of bentonite with rates of 15, 30 and 45 percent in three replications. The used rainfall simulator in this study is placed on a metal structure in the form of A, with the ability to adjust the height from 2 to 2.7 m. To stability measurment of the aaggregates stability, surface soil was collected to depth of two mm with an amount of about 50 g from the surface of the splash cups, and the aggregates stability was calculated using the sieve method. Excel and SPSS software were used to performance of all statistical analyses. In order to extraction of the grading components, including the mean, standard deviation, skewness, and kurtosis and as well as all variables, D10, D50, D90, D90/ D10, D75/ D25, D75-D25 was used from GRADISTAT macro in different treatments under Excel software.<br />Results: The conditioner effect of bentonite on forest landuse showed that the bentonite with level of 15 percent compared to the other two levels increased the aggregates stability in finer particles and levels of 30 and 45 percent increased the stability in coarser aggregates. In rangeland landuse, bentonite conditioner, all three levels of conditioner increased the average diameter of coarser aggreagets. In agricultural landuse, bentonite conditioner, in level of 15 and 30 percent showed that the more effect on aggregated stability on finer aggregates stability. The landuses effect on the stability of soil aggregates showed that this parameter had the significant effect on the variables D10, D50, D90, D90/ D10, D75/ D25, D75-D25, sorting, skewness and kurtosis at the level of 99 percent. The fire treatment was also significant on the variables D90, D90/ D10, D90- D10 sorting and kurtosis at the level of 99 percent, D75-D25 at the level of 95 percent. The conditioner effect of bentonite at before and after fire on the stability of soil aggregates also showed that it was significant on the variables D10, D50, D90, D90/ D10, D90- D10, D75-D25and skewness at the level of 99 percent. The interaction effect of landuses and fire on variables D90, D90/ D10, D90- D10, sorting and kurtosis of soil aggregates were significant at the level of 99 percent. Also, the intraction effect of landuses and bentonite conditioner on variables of D10, D50, D90, D90/ D10, D75-D25, and skewness was at the level of 99 percent and also on skewness and kurtosis significant at the level 95 percent. The results showed that conditioner can act as a soil amendment and by creating adhesion on the soil surface, it can stable the soil aggregates against raindrop impact and reduce soil erosion. According to the results of the present research, it can be stated that the usage of bentonite clay was beneficial in managing and reducing erosion and making executive decisions, although the final conclusions depend on conducting more extensive research in natural fields. <br />Results: The conditioner effect of bentonite on forest landuse showed that the bentonite with level of 15 percent compared to the other two levels increased the aggregates stability in finer particles and levels of 30 and 45 percent increased the stability in coarser aggregates. In rangeland landuse, bentonite conditioner, all three levels of conditioner increased the average diameter of coarser aggreagets. In agricultural landuse, bentonite conditioner, in level of 15 and 30 percent showed that the more effect on aggregated stability on finer aggregates stability. The landuses effect on the stability of soil aggregates showed that this parameter had the significant effect on the variables D10, D50, D90, D90/ D10, D75/ D25, D75-D25, sorting, skewness and kurtosis at the level of 99 percent. The fire treatment was also significant on the variables D90, D90/ D10, D90- D10 sorting and kurtosis at the level of 99 percent, D75-D25 at the level of 95 percent. The conditioner effect of bentonite at before and after fire on the stability of soil aggregates also showed that it was significant on the variables D10, D50, D90, D90/ D10, D90- D10, D75-D25and skewness at the level of 99 percent. The interaction effect of landuses and fire on variables D90, D90/ D10, D90- D10, sorting and kurtosis of soil aggregates were significant at the level of 99 percent. Also, the intraction effect of landuses and bentonite conditioner on variables of D10, D50, D90, D90/ D10, D75-D25, and skewness was at the level of 99 percent and also on skewness and kurtosis significant at the level 95 percent. The results showed that conditioner can act as a soil amendment and by creating adhesion on the soil surface, it can stable the soil aggregates against raindrop impact and reduce soil erosion. According to the results of the present research, it can be stated that the usage of bentonite clay was beneficial in managing and reducing erosion and making executive decisions, although the final conclusions depend on conducting more extensive research in natural fields. سابقه و هدف: پایداری خاک بیانگر مقاومت ساختمان خاک در برابر نیروهای خارجی مانند برخورد قطرات باران و فرسایش پاشمانی است. برخی عوامل انسانی مانند آتش‌سوزی نه تنها باعث کاهش پوشش گیاهی، لخت شدن سطح خاک و آسیب‌پذیری آن می‌شوند، بلکه اثرات مخربی بر پایداری خاکدانه‌های سطحی دارد. آتش‌سوزی با کاهش ماده آلی، کاهش پایداری خاکدانه‌ها و کاهش کیفیت خاک باعث مستعد شدن خاک برای فرسایش می‌شود. با توجه به اینکه استقرار پوشش گیاهی در مناطقی که دچار آتش‌سوزی شده به زمان و هزینه زیادی نیازمند است، کاربرد افزودنی‌های خاک به‌منظور احیا پوشش گیاهی و افزایش پایداری خاکدانه‌ها در مناطقی که دچار آتش‌سوزی شده، گام مهمی در احیای این مناطق است. کاربری اراضی بر تغییرات عامل فرسایش‌پذیری خاک اثرات معنی‌دار داشته و بررسی‌ها نشان داده است که کاربری جنگل در مقایسه با کاربری‌های مرتع و زراعی دارای کم‌‌ترین میزان عامل فرسایش‌پذیری خاک است. پژوهش حاضر با هدف بررسی پایداری خاکدانه در خاک در قبل و بعد از آتش‌سوزی با استفاده از افزودنی بنتونیت با سطح‌های مختلف در کاربری‌های جنگل، مرتع و کشاورزی انجام شد.<br />مواد و روش‌ها: ابتدا خاک جمع‌آوری شده از هر کاربری در کرت‌ها قرار گرفت و به وزن مخصوص در شرایط طبیعی رسانده شد و تحت شرایط آتش‌سوزی متوسط انجام شد. سپس خاکستر باقی‌مانده از سطح کرت‌های آتش‌سوزی جمع‌آوری گردید و شبیه‌سازی باران با شدت 90 میلی‌متر بر ساعت و مدت زمان 10 دقیقه در تیمار‌های شاهد (خاک بدون افزودنی، خاک آتش‌سوزی شده و آتش‌سوزی نشده)، خاک آتش‌سوزی شده و نشده حاوی سطوح مختلف بنتونیت‌ با مقادیر 15، 30 و 45 درصد در سه تکرار انجام شد. شبیه‌ساز باران استفاده شده در پژوهش حاضر روی یک ساختار فلزی به فرم A و با قابلیت تنظیم ارتفاع دو تا 7/2 متر مستقر شده است. برای اندازه گیری پایداری خاکدانه‌های خاک، خاک سطحی با مقدار حدود 50 گرم از سطح فنجان‌های پاشمان جمع‌آوری و با استفاده از روش الک تر، پایداری خاکدانه‌ها محاسبه شد. به‌منظور انجام کلیه تحلیل‌های آماری از نرم‌افزارهای Excel و SPSS استفاده شد. به‌منظور استخراج مولفه‌های دانه‌بندی خاکدانه شامل میانگین، انحراف معیار، چولگی و کشیدگی و هم‌چنین کلیه‌ی متغیرهای،10D، 50D، 90D، 10-D90D، 10D/90D، 25D-75D و 25D/75D برحسب میکرومتر در تیمارهای مختلف از ماکروی GRADISTAT تحت نرم‌افزار Excel استفاده شد..<br />یافته‌ها: تاثیر افزودنی بنتونیت روی خاک کاربری جنگل نشان داد که بنتونیت با سطح 15 درصد نسبت به دوسطح دیگر باعث افزایش پایداری خاکدانه‌ها در ذرات ریزتر و سطح‌های 30 و 45 درصد باعث افزایش پایداری خاکدانه‌ها در ذرات درشت‌تر شد. در کاربری مرتع هر سه سطح افزودنی باعث افزایش پایداری خاکدانه‌های درشت‌تر گردید. در کاربری کشاورزی افزودنی بنتونیت در سطوح 15 و 30 درصد روی پایداری خاکدانه‌های ریزتر تاثیرات بیش‌تری را نشان داد. تاثیر کاربری اراضی بر پایداری خاکدانه‌های خاک نشان داد که کاربری بر 10D، 50D، 90D، 10/D90D، 10D-90D، 25D/75D، 25D-75D، جورشدگی، چولگی و کشیدگی خاکدانه‌های خاک تاثیر معنی‌دار در سطح 99 درصد داشت. تیمار آتش‌سوزی نیز بر 90D، 10/D90D، 10D-90D، جورشدگی و کشیدگی خاکدانه‌های خاک در سطح 99 درصد معنی‌دار و بر 25D-75D در سطح 95 درصد معنی‌دار بود. اثر افزودنی بنتونیت در قبل و بعد از آتش بر 10D، 50D، 90D، 10/D90D، 10D-90D، 25D-75D و چولگی خاکدانه‌های خاک در سطح 99 درصد معنی‌دار بود. اثر متقابل کاربری‌ها و آتش‌سوزی نیز بر 90D، 10/D90D، 10D-90D، جورشدگی و کشیدگی خاکدانه‌های خاک در سطح 99 درصد معنی‌دار بود. هم‌چنین اثر متقابل کاربری‌ها و افزودنی بنتونیت بر 10D، 50D، 90D، 10/D90D، 10D-90D، 25D-75D و چولگی خاکدانه‌های خاک در سطح 99 درصد معنی‌دار و بر جورشدگی و کشیدگی در سطح 95 درصد معنی‌دار بود.<br />نتیجه‌گیری: نتایج نشان داد که افزودنی بنتونیت می‌تواند به‌عنوان اصلاح‌کننده خاک و با ایجاد چسبندگی در سطح خاک، خاکدانه‌ها را در برابر برخورد قطرات باران پایدارتر کرده و فرسایش خاک را کاهش دهد. با توجه به نتایج حاصل از پژوهش حاضر می‌توان بیان نمود که رس بنتونیت در مدیریت و کاهش فرسایش خاک مؤثر است؛ هر چند جمع‌بندی نهایی منوط به انجام پژوهش‌های گسترده‌تر در عرصه‌های طبیعی است.<br />نتیجه‌گیری: نتایج نشان داد که افزودنی بنتونیت می‌تواند به‌عنوان اصلاح‌کننده خاک و با ایجاد چسبندگی در سطح خاک، خاکدانه‌ها را در برابر برخورد قطرات باران پایدارتر کرده و فرسایش خاک را کاهش دهد. با توجه به نتایج حاصل از پژوهش حاضر می‌توان بیان نمود که رس بنتونیت در مدیریت و کاهش فرسایش خاک مؤثر است؛ هر چند جمع‌بندی نهایی منوط به انجام پژوهش‌های گسترده‌تر در عرصه‌های طبیعی است. نتیجه‌گیری: نتایج نشان داد که افزودنی بنتونیت می‌تواند به‌عنوان اصلاح‌کننده خاک و با ایجاد چسبندگی در سطح خاک، خاکدانه‌ها را در برابر برخورد قطرات باران پایدارتر کرده و فرسایش خاک را کاهش دهد. با توجه به نتایج حاصل از پژوهش حاضر می‌توان بیان نمود که رس بنتونیت در مدیریت و کاهش فرسایش خاک مؤثر است؛ هر چند جمع‌بندی نهایی منوط به انجام پژوهش‌های گسترده‌تر در عرصه‌های طبیعی است. نتیجه‌گیری: نتایج نشان داد که افزودنی بنتونیت می‌تواند به‌عنوان اصلاح‌کننده خاک و با ایجاد چسبندگی در سطح خاک، خاکدانه‌ها را در برابر برخورد قطرات باران پایدارتر کرده و فرسایش خاک را کاهش دهد. با توجه به نتایج حاصل از پژوهش حاضر می‌توان بیان نمود که رس بنتونیت در مدیریت و کاهش فرسایش خاک مؤثر است؛ هر چند جمع‌بندی نهایی منوط به انجام پژوهش‌های گسترده‌تر در عرصه‌های طبیعی است.نتیجه‌گیری: نتایج نشان داد که افزودنی بنتونیت می‌تواند به‌عنوان اصلاح‌کننده خاک و با ایجاد چسبندگی در سطح خاک، خاکدانه‌ها را در برابر برخورد قطرات باران پایدارتر کرده و فرسایش خاک را کاهش دهد. با توجه به نتایج حاصل از پژوهش حاضر می‌توان بیان نمود که رس بنتونیت در مدیریت و کاهش فرسایش خاک مؤثر است؛ هر چند جمع‌بندی نهایی منوط به انجام پژوهش‌های گسترده‌تر در عرصه‌های طبیعی است. https://jwsc.gau.ac.ir/article_7367_d137746818811eb4f40e0f92cc18fc76.pdf

دانشگاه علوم کشاورزی و منابع طبیعی گرگان مجله پژوهش‌های حفاظت آب و خاک 2322-2069 32 1 2025 03 21 The Response of Camelina Yield and Yield Components to Different levels of Salinity and Water Deficit in Greenhouse Conditions پاسخ عملکرد و اجزای عملکرد کاملینا به سطوح مختلف شوری و کم‌آبی در شرایط گلخانه‌ای 197 215 7368 10.22069/jwsc.2025.22541.3736 FA مهدی مکاری نویسنده مسئول، استادیار گروه علوم و مهندسی آب، مرکز آموزش عالی کاشمر، کاشمر، ایران امیرحسین قادری دانش‌آموخته کارشناسی‌ارشد آبیاری و زهکشی، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران جواد علایی دانشجوی دکتری آبیاری و زهکشی، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران Journal Article 2024 06 15 Background and objectives: Considering to pivotal role of oil seed plants in sustainable agriculture, investigation the effects of environmental stresses such as salinity and drought stress on grain yield of them is crucial. Due to decrease in quantity and quality of irrigation water resources in arid and semi-arid regions in all over the world especially in Iran, application of deficit irrigation management and usage of saline water in plantation of camelina is inevitable. Therefore, recent study was carried out in aiming to survey the effect of deficit irrigation and different salinity levels on grain yield and water use efficiency of camelina oilseed plant.<br />Materials and methods: The experiment was conducted as factorial in a form of completely randomized design with three replications in greenhouse conditions in Kashmar region. Experiment factors were three levels of irrigation water including W0=100%, W1=75% and W2=50% water requirement and four salinity levels including S0=0.7, S1=4, S2=8 and S3=12 dS m-1. It is necessary to mentioned that Salinity tolerance threshold of camelina was 3 dSm-1. The treatment providing 100% irrigation water requirement and 0.7 dS m-1 was considered as control. Determination of irrigation water depth for each treatment was done by subtracting the pot weight from the same pot weight in field capacity before each irrigation event. Salinity levels used in this research were prepared though mixing high saline groundwater to fresh water. Biological yield, shoot dry matter and grain yield (in terms of g/plant) were weighted with an accuracy of 0.001 grams. Harvest index was calculated though dividing grain yield to biological yield. <br />Results: The results of variance analysis showed that effect of salinity on grain yield, biological yield, 1000-seed weight, total dry matter and water use efficiency was significant at 1% probability level (P<0.01). Interaction effect of salinity and irrigation water was significant on ETc and drought stress effect was significant on water use efficiency and ETc at 1% probability level (P<0.01). In all irrigation levels, increase of salinity decreased all the above-mentioned traits, significantly. The highest value of ETc by amount of 231 mm belonged to control treatment and the lowest of it belonged to W2S3 by amount of 90 mm. <br />The highest value of grain yield, biological yield, 1000-seed yield and total dry matter belonged to witness treatment (W0S0) and was observed by value of 4.48, 18.53, 1.36 and 8.21, respectively. The highest water use efficiency by value of 0.98 kg m-3 was occurred in 50% irrigation water requirement and 0.7 dS m-1 salinity level and the lowest of it was observed in 75 and 100% irrigation water requirement and 12 dS m-1 salinity level by values of 0.69 and 0.54 kg m-3, respectively.<br />Conclusion: <br />According to the findings of the present research, it can be said: Camelina plant tolerates drought, but does not tolerate water salinity. Since the use of about 90 to 170 mm of irrigation water in the conditions of deficit irrigation did not cause a significant decrease in camellia seed yield, the rainfed cultivation of this crop in the region where the total annual rainfall averages is more than 150 mm, is recommended. Rainfed cultivation of this plant in many climates of the country can lead to favorable results such as reducing dependence on the import of oilseeds, preserving water resources and optimal use of rainfed farms. سابقه و هدف: با توجه به نقش محوری گیاهان دانه روغنی در کشاورزی پایدار، بررسی اثرات تنش‌های محیطی مانند تنش شوری و خشکی بر عملکرد دانه این گیاهان مهم و حیاتی است. به دلیل کاهش کمی و کیفی منابع آب آبیاری در مناطق خشک و نیمه‌خشک جهان و از جمله ایران، اعمال مدیریت کم‌آبیاری و استفاده از آب‌های شور در کاشت این گیاه امری اجتناب‌ناپذیر است. بنابراین پژوهش حاضر با هدف بررسی اثر کم‌آبیاری و سطوح مختلف شوری بر عملکرد دانه و کارایی مصرف آب گیاه دانه روغنی کاملینا انجام شد.<br />مواد و روش‌ها: آزمایش به‌صورت فاکتوریل در قالب طرح کاملاً تصادفی با سه تکرار در گلخانه‌ای در منطقه کاشمر انجام شد. عامل‌های آزمایش سه سطح آب آبیاری شامل 100%= W0، 75%= W1 و 50%= W2 نیاز آب آبیاری و چهار سطح شوری شامل 7/0= S0، 4= S1، 8= S2 و 12= S3 دسی‌زیمنس بر متر بودند. لازم به ذکر است که حد آستانه تحمل به شوری گیاه کاملینا سه دسی‌زیمنس بر متر گزارش شده است. تیمار 100% تأمین نیاز آب آبیاری و شوری 7/0 دسی‌زیمنس بر متر (W0S0) به عنوان تیمار شاهد در نظر گرفته شد. برای تعیین مقدار آب مورد نیاز در هر آبیاری ابتدا گلدان‌ها وزن شدند و سپس از طریق اختلاف وزن اندازه‌گیری شده با وزن گلدان در ظرفیت زراعی و در نظر گرفتن ضریب تیمارهای آبیاری (100، 75 و 50 درصد)، میزان آب لازم برای هر گلدان به‌دست آمد. تیمارهای شوری از طریق اختلاط آب زیرزمینی خیلی شور (شوری بالای 12 دسی زیمنس بر متر) با آب شیرین (شوری 7/0 دسی زیمنس بر متر) و عملکرد بیولوژیک، وزن خشک اندام‌های هوایی و وزن دانه نیز بر حسب گرم در بوته با استفاده از ترازوی با دقت 001/0 گرم، به دست آمدند. از تقسیم عملکرد دانه بر عملکرد بیولوژیک، شاخص برداشت محاسبه گردید. <br />یافته‌ها: نتایج تجزیه واریانس نشان داد که اثر شوری بر عملکرد دانه، عملکرد بیولوژیک، وزن هزار دانه، کل ماده خشک و کارایی مصرف آب و اثر متقابل شوری و مقدار آب آبیاری بر تبخیر-تعرق گیاه و اثر تنش خشکی تنها بر کارایی مصرف آب و تبخیر-تعرق گیاه در سطح احتمال یک درصد معنی‌دار بود (P<0.01). در تمام سطوح آبیاری، افزایش شوری باعث کاهش معنی‌دار صفات فوق الذکر شد. بیش‌ترین تبخیر-تعرق گیاه در تیمار شاهد و به اندازه 231 میلی‌متر و کم‌ترین مقدار آن در تیمار W2S3 و به اندازه 90 میلی‌متر مشاهده شد. بیش‌ترین عملکرد دانه، عملکرد بیولوژیک، وزن هزار دانه و کل ماده خشک در تیمار شاهد (W0S0) و به‌ترتیب به اندازه 48/4، 53/18، 36/1 و 21/8 مشاهده شد. بیش‌ترین کارایی مصرف آب در سطح شوری 7/0 دسی‌زیمنس بر متر و تیمار 50 درصد نیاز آب آبیاری به اندازه 98/0 کیلوگرم بر مترمکعب و کم‌ترین مقدار آن در سطح شوری 12 دسی‌زیمنس بر متر و در تیمارهای آبیاری 75 و 100 درصد نیاز آب آبیاری و به‌ترتیب به اندازه 69/0 و 54/0 کیلوگرم بر مترمکعب کامل اتفاق افتاد. <br />نتیجه‌گیری: با توجه به یافته‌های پژوهش حاضر می‌توان گفت: گیاه کاملینا تحمل به خشکی دارد اما شوری آب را تحمل نمی‌کند. از آن جایی که استفاده حدود 90 تا 170 میلی‌متر آب آبیاری در شرایط اعمال کم‌آبیاری، موجب کاهش معنی‌دار عملکرد دانه کاملینا نشد، کشت دیم این محصول در منطقه که مجموع بارش سالانه آن به‌طور متوسط از 150 میلی‌متر بیش‌تر است، پیشنهاد می‌گردد. کشت و کار این گیاه به‌صورت دیم در بسیاری از اقلیم‌های کشور می‌تواند نتایج مطلوبی از قبیل کاهش وابستگی به واردات دانه‌های روغنی، حفظ منابع آبی و استفاده بهینه از مزارع دیم را به دنبال داشته باشد. https://jwsc.gau.ac.ir/article_7368_94cf775bdc21002c371cc39be9518b57.pdf