تبخیر یکی از پارامترهای مهم در مدیریت پیکره‌های آبی است، با توجه به محدودیت روش‌های فیزیکی و تجربی برآورد تبخیر، استفاده از فناوری سنجش از دور به‌دلیل امکان برآورد مکانی اطلاعات و هم‌چنین حداقل نمودن استفاده از داده‌های هواشناسی می‌تواند کاربرد وسیعی در محاسبه تبخیر داشته باشد. در این پژوهش با‌استفاده از الگوریتم سبال برای محاسبه آلبیدوی سطح، دمای سطحی و شاخص وضعیت پوشش گیاهی از داده‌های ماهواره‌ای لندست هشت و سنتینل دو چند طیفی و اطلاعات هواشناسی مانند درجه حرارات، ساعات آفتابی، باد و غیره استفاده شده و در نهایت تبخیرتعرق در کشت و صنعت نیشکر واحد امیرکبیر واقع در جنوب غربی خوزستان، محاسبه شد و نقشه‌های تبخیرتعرق برای سال‌های 1396 و 1397 تهیه گردید. هم‌چنین تبخیرتعرق واقعی با استفاده از روش پریسلی تیلور محاسبه شد و با روش سبال مورد مقایسه قرار گرفت. میانگین تفاضل مطلق بین روش الگوریتم سبال و پریسلی تیلور برای سال‌های 1396 و 1397 به‌ترتیب برابر 175/0 و 171/0 میلی متر بر روز به‌دست آمد و میانگین تفاضل مطلق بین روش الگوریتم سبال و لایسیمتر برای سال‌های 1396 و 1397 به‌ترتیب برابر 185/0 و 236/0 به‌دست آمد. نتایج نشان داد که تبخیرتعرق محاسبه‌شده با این دو روش قابل قبول است و الگوریتم سبال توانایی بالایی در تعیین تبخیرتعرق برخوردار است.

در این مقاله، مطالعه‌ای در مورد استفاده از تکنیک‌های پیش‌بینی بارش با داده‌های سری زمانی ارائه شد. سری‌های زمانی ابزاری کارآمد برای شناخت ماهیت پدیده‌های هیدرولوژیکی هستند که با داشتن شناخت کافی از آن‌ها می‌توان تغییرات آینده را مدل‌‌سازی و پیش‌بینی کرد. مدل‌های مختلف آماری با هدف کاهش خطا و بالا بردن دقت پیش‌بینی، درنظر گرفته شده است. فضای حالت به‌واسطه ساختاری بودن و انعطاف‌پذیربودن آن، امکان مدل‌بندی هر یک از مؤلفه‌های تشکیل‌دهنده متغیر، شامل سطح، فصلی و تصادفی را به‌طور مجزا دارد. از این‌رو با شناسایی سیستم در نحوه مدل‌سازی متغیر مورد مطالعه، امکان کنترل و حداقل نمودن خطای برآورد، به‌طور هوشمندانه‌تری در مقایسه با مدل‌های کلاسیک را دارد. در تحقیق حاضر به‌منظور ارزیابی قابلیت مدل‌سازی فضای حالت و مقایسه با مدل‌های کلاسیک، اقدام به مدل‌سازی بارش ماهانه در سه ایستگاه باران‌سنجی، در حوضه آبریز دز، با چهار مدل ساختاری فضای حالت شامل فیلتر کالمن، مدل هموارسازی نمایی ETS و مدل‌های هموار‌سازی نمایی اصلاح شده BATS و TBATS و مدل کلاسیک ARIMA گردید. نتایج نشان داد در ایستگاه سپیددشت سزار بر اساس معیار RMSE و MAE مدل TBATS و در ایستگاه تنگ پنج بختیاری بر اساس معیار RMSE و MAE مدل فیلتر کالمن و در ایستگاه تله زنگ بر اساس معیار RMSE و MAE مدل TBATS بهترین مدل‌ها انتخاب شدند.

جریان رودخانه از مهمترین اجزاء چرخه هیدرولوژی است که به عوامل اقلیمی متعددی وابسته بوده و برآورد دقیق آن در زمینه-های مختلف مدیریت منابع آب کاربرد دارد. در مطالعه حاضر از مدل‌های جنگل‌های تصادفی (RF) و ماشین بردار پشتیبان (SVM) برای پیش‌بینی جریان ماهانه رودخانه مارون در دوره آماری 1360 تا 1396 استفاده گردید. یکی از مراحل مهم در کاربرد مدل‌های هوش مصنوعی تعریف الگوهای ورودی و شناسایی پارامترهای موثر در فرآیند مدل‌سازی است. برای انتخاب بهینه‌ترین ورودی‌ها از بین بارش، تبخیر و دماهای کمینه، بیشینه و متوسط روش آنتروپی شانون استفاده شد. نتایج نشان داد که وزن بارش و تبخیر در مجموع بیش از 85 درصد بود. در گام بعد، سه ساختار متفاوت برای ورودی مدل‌ها توسعه داده شد. در حالت اول الگوهای اقلیم‌پایه تعریف شدند که از داده‌های هواشناسی به عنوان ورودی استفاده می‌کردند. در حالت دوم خاصیت تناوبی غیرخطی به الگوهای اقلیم‌پایه افزوده شد و در حالت سوم داده‌های ورودی اقلیم‌پایه با استفاده از پنج تابع موجک مادر تجزیه شده و مدل‌های هیبریدی W-RF و W-SVM ایجاد شدند. عملکرد مدل‌های منفرد RF و SVM نشان داد که با افزودن ترم پریودیک، دقت در مقایسه با ورودی‌های اقلیم پایه تا حدودی افزایش می‌یابد، اما تجزیه داده‌ها با تئوری موجک به طور قابل ملاحظه‌ای خطای مدل‌سازی را کاهش داد. در این بین عملکرد دو مدل W-RF و W-SVM بسیار نزدیک به یکدیگر بود، اما با توجه به نمودار ویلونی، مدل W-SVM به عنوان مناسب‌ترین گزینه برای پیش‌بینی جریان ماهانه رودخانه مارون پیشنهاد می‌گردد.

اولین گام در راستای آشکارسازی و چگونگی تغییر اقلیم بررسی ناهنجاری و نوسانات ایجاد شده در پارامترهای اقلیمی می‌باشد. در این تحقیق به بررسی روند تغییرات پارامترهای اقلیمی دما، بارندگی و رطوبت نسبی در مقیاس‌ زمانی سالانه در 37 ایستگاه سینوپتیک کشور (2010-1961) با استفاده از آزمون‌های آماری ناپارامتریک من-کندال و تخمین‌گر شیب سن پرداخته شده است. به‌طور کلی نتایج حاکی از روند افزایشی دما و روند کاهشی بارندگی و درصد رطوبت نسبی در اکثریت نقاط کشور می‌باشد. در کل کشور به غیر از ایستگاه‌های مرتفع و کوهستانی شهرکرد، خرم‌آباد و سقز روند افزایشی دما مشاهده شد که بیشترین افزایش معنی‌دار دما (سطح اطمینان 95درصد) در ایستگاه‌های مشهد، زاهدان، زابل، بم، یزد، بابلسر، کرمانشاه، آبادان، خوی و تبریز به میزان 1.5 درجه‌ی سانتی‌گراد در طی 50 سال می‌باشد. روند کاهش بارندگی خصوصا در نیمه‌ی شرقی، غرب و شمال غرب کشور مشاهده گردید که بیشترین کاهش بارندگی معنی‌دار (سطح اطمینان 95 درصد) در شمال غرب کشور و در حدود 3.2 میلی متر در سال می‌باشد. روند کاهش رطوبت نسبی در اغلب نواحی به غیر از قسمتی در ناحیه‌ی شمال غرب و جنوب دریای خزر مشاهده شد که بیشترین کاهش معنی‌دار در سطح اطمینان 95 درصد در ایستگاه‌های آبادان، زاهدان و کرمانشاه در حدود 4.1 درصد در 50 سال گذشته می‌باشد.

ردپای آب در یک محصول به صورت حجمی از آب شیرین که در تولید آن محصول مصرف شده تعریف می‌شود. این پژوهش با هدف محاسبه ردپای آب محصولات عمده زراعی و باغی کشت شده در 24 دشت از استان کرمانشاه برای سال زراعی 95-94 انجام شد. با استفاده از آمارنامه‌های ارائه شده توسط سازمان جهاد کشاورزی، عملکرد و پارامترهایی که در محاسبه دخالت داشتند محاسبه و گردآوری شد. نیاز آبی گیاهان از طریق نرم افزار CropWat استخراج و ردپای آب محصولات محاسبه گردید. نتایج نشان داد در بین محصولات مورد مطالعه در بخش زراعی هندوانه، ذرت علوفه‌ای و چغندرقند به عنوان محصولات برتر از نظر شاخص ردپای آب و در مقابل کنجد، لوبیا و آفتابگردان به عنوان نامناسب‌ترین محصولات از نظر این شاخص شناخته شدند. در بخش تولیدات باغی نیز گیلاس- آلبالو به عنوان محصول برتر و بادام به عنوان محصول نامناسب از نظر شاخص ردپای آب معرفی شدند. در میان تمام دشت‌های استان، دشت کرمانشاه در بخش تولیدات زراعی و باغی بیشترین سهم ردپای آب را داشت. تقریبا برای تمامی محصولات مورد مطالعه ردپای آب آبی بیشتر از آب سبز بوده است که نشان‌دهنده اتکای تولیدات استان به منابع آب سطحی و زیرزمینی است. لذا با توجه به خشکشالی‌های اخیر و کمبود آب باید از منابع آب موجود به بهترین نحو استفاده نمود و کشت محصولات با نیاز آبی کمتر و عملکرد بالاتر مورد برنامه‌ریزی قرار گیرد. همچنین با اقداماتی نظیر کم آبیاری، مالچ پاشی و استفاده از سیستم های نوین آبیاری، می توان میزان شاخص ردپای آب محصولات را به طور قابل ملاحظه‌ای کاهش داد.

نیروگاه‏های برق‏آبی یکی از منابع اصلی تولید برق در جهان هستند و ‌معمولا ‌کنار سد‏ها ساخته می‏‏شوند‌، جایی که آب رود‏خانه در مخازن جمع‏‏آوری می‏‏شود. مقدار زیادی از آب، از سطح این مخازن تبخیر شده و از دسترس خارج می‏شود که این موضوعی اساسی در هیدرولوژی و منابع آب است و از دسترس خارج شدن منابع آب را در پی دارد و تأثیر درخور توجهی روی کمبود آب می‌گذارد. به این منظور، برای محاسبۀ آب مصرف‏شده در فرایند تولید برق توسط این نیروگاه‏ها، در مطالعۀ حاضر از مفهوم رد ‏پای آب استفاده شد. به منظور محاسبۀ رد‏ پای آب در برق تولیدی از نیروگاه‏های برق‏آبی کشور، از داده‏های حجم تبخیر سالانه (مترمکعب) و برق تولیدی سالانه (تراژول) از 17 نیروگاه برق‏آبی در ایران برای دورۀ آماری 1383 تا 1395 ‌استفاده شد. نتایج نشان داد به طور متوسط بیشترین رد پای آب در برق تولیدی مربوط به نیروگاه درود‏زن و برابر (m3/TJe) 287649 و کمترین مقدار آن، مربوط به نیروگاه مسجد سلیمان و برابر (m3/TJe) 405 بوده است. همچنین، متوسط سالانۀ رد پای آب در برق تولیدی از نیروگاه‏های برق‏آبی ایران برابر (m3/TJe) 82/3694 برآورد شد.

ایران با کمبود شدید آب روبرو است. معمولا مدرن‌سازی سیستم‌های آبیاری و بهبود راندمان آبیاری به منزله‌ی فرصتی برای صرفه جویی قابل توجه آب در بخش کشاورزی در نظر گرفته می‌شود. به همین دلیل، دولت ایران قویا از مدرنیزه کردن سیستم‌های آبیاری پشتیبانی می‌کند و اقدامات آب- اندوز زیادی با هدف بهبود بهره‌وری آب و کاهش مصرف آب انجام داده است. در این راستا، پیشرفتهایی نیز صورت گرفته است. اما کل آب مصرفی کشاورزی آن گونه که انتظار می‌رفته، کاهش نیافته است. بنابراین، مصرف آب کشاورزی در ایران ممکن است که پدیده اثر بازگشتی را تجربه کرده باشد. فرضیه اثر بازگشتی به عنوان پیامدی از سرمایه‌گذاری آب - اندوز از معمای جونز در اقتصاد انرژی گرفته شده است. هدف از این مطالعه، ارزیابی مقدار اثر بازگشتی آب (WRE) در سطح مزرعه در حوضه آبریز بختگان با استفاده از مدل تخصیص زمین اصلاح شده و رویکرد مقایسه مستقیم بود. نتایج نشان داد که مقدار WRE در حوضه آبریز بختگان می‌تواند بین 1/10% تا 3/109% نوسان داشته باشد.

با بررسی هرچه دقیق‏تر رد پای آب در محصولات کشاورزی و همچنین، تغییرات آن در دورۀ زمانی بلندمدت می‏توان بهره‌برداری از منابع آب را مدیریت کرد. مطالعۀ حاضر با هدف بررسی روند سالانۀ رد پای آب در تولید گندم در شهرهای استان اصفهان و انتخاب مناسب‏ترین شهر این استان برای کشت گندم طی دورۀ آماری 1369- 1395 انجام شد. به منظور بررسی امکان وجود روند در سری زمانی رد پای آب در تولید گندم از آزمون روندیابی من‏کندال و تخمین‏گر شیب سن استفاده شد. بعد از رتبه‏بندی شهر‏ها از منظر رد پای آب و روند رد پای آب، با استفاده از قوانین انتخاب اجتماعی (SCR)، بهترین شهر برای کشت گندم در استان اصفهان مشخص شد. نتایج پژوهشش حاضر نشان داد متوسط رد پای آب کل در تولید گندم در استان اصفهان برابر (m3/ton) 73/4122 بود و با توجه به آمارۀ من‏کندال مشاهده شد که روند کاهشی و افزایشی وجود دارد و این روند در حالت کاهشی و در حالت افزایشی برای هیچ‌یک از شهر‏های استان معنا‏دار نبود. با توجه به مقدار شیب سن، دامنۀ تغییرات این شیب نیز برای رد پای آب کل برابر (m3/ton) 93 بود. همچنین، نتایج بیان‌کنندۀ این موضوع بود که مقدار شاخص رد پای آب در تولید یک محصول در یک منطقه، معیار قابل قبولی برای انتخاب آن منطقه برای کشت آن محصول نیست و با بررسی روند این شاخص و استفاده از روش‏های تصمیم‏گیری همچون قوانین انتخاب اجتماعی، می‏توان منطقۀ مناسب برای کشت هر محصول را تشخیص داد و تغییر الگوی کشت را در سیاست کار خود به منظور حفظ منابع آبی و افزایش بهره‏وری محصولات قرار داد. در مطالعۀ حاضر از نظر رد پای آب، فریدون‏شهر به عنوان بهترین شهر برای کشت گندم در استان اصفهان انتخاب شد.

کاهش نزولات جوی، محدود بودن منابع آب و برداشت روزافزون از آبهای زیرزمینی موجب افت سطح ایستابی دشت‌ها شده است و بنابراین الگوبندی آبهای زیرزمینی به عنوان ابزار کارآمد جهت مدیریت و حفاظت این منابع مطرح می‌باشد. در این مطالعه از اطلاعات آماری ماهانه سطح پیزومتر‌ها برای 5 سال آبی (89-88 تا 93-92) مربوط به سطح 8 پیزومتر آبخوان دشت لور-اندیمشک، استفاده شد. در ابتدا با استفاده از روش تسین، میانگین وزنی هر پیزومتر بدست آمد و سری زمانی تراز آب زیرزمینی دشت که بیانگر هیدروگراف معرف آبخوان منطقه مورد مطالعه است، محاسبه گردید. سپس با استفاده از مدل مفهومی آب زیرزمینی مادفلو و فرا مدل شبیه ساز عصبی-فازی، هیدروگراف معرف آبخوان مدل سازی شد و نتایج با هم مقایسه گردید. نتایج نشان داد که مدل مفهومی مادفلو با ضریب تبیین 7836/0 در مرحله تست نسبت به فرا مدل شبیه ساز عصبی-فازی با ضریب تبیین 6348/0 دارای عملکرد بهتری می‌باشد.

در چند دهه اخیر الگوریتم‌های فراکاوشی نقش مؤثری در مسائل مختلف مهندسی از جمله بهره‌برداری بهینه از مخازن داشته‌اند. به دلیل پیچیدگی مسائل مدیریت منابع آب و در نتیجه نیاز روزافزون به توسعه و رواج روش‌های مزبور، در پژوهش حاضر اقدام به مدل‌سازی بهره‌برداری بهینه از سیستم‌های پیچیده چند مخزنی با استفاده از روشی مبتنی بر الگوریتم جستجوی موجودات همزیست (Symbiotic Organisms Search) گردید. در گام اول، عملکرد موفقیت‌آمیز روش با استفاده از تعدادی توابع محک استاندارد ارزیابی شد. سپس الگوریتم جستجوی موجودات همزیست در حل سیستم چهار و ده مخزنه محک مورد استفاده قرار گرفت. نتایج حاصل از الگوریتم جستجوی موجودات همزیست، با الگوریتم‌های تکاملی توسعه یافته دیگر ازجمله الگوریتم‌های ژنتیک و ازدحام ذرات مقایسه شد. نتایج نشان داد که در سیستم‌های چهار و ده مخزنه، بهترین نتایج بدست آمده توسط الگوریتم جستجوی موجودات همزیست به ترتیب برابر 8114/308 و 0227/1190 بوده است. نتایج نشان داد که الگوریتم جستجوی موجودات همزیست در بهره‌برداری بهینه از سیستم‌های چند مخزنه از عملکرد مناسب‌تری برخوردار می‌باشد.

در این تحقیق هدف ارائه یک مدل واسنجی خودکار براساس کلونی مورچه­ها برای مدل احتساب رطوبت خاک HMS-SMA می­باشد. برای این منظور حوضه معرف کسیلیان به­عنوان مطالعه موردی در این تحقیق مد نظر قرار گرفت. در مدل­های پیوسته بارش-رواناب، تعدد پارامتر­های در نظر گرفته­شده مدل، علاوه بر این­که سبب دشواری واسنجی به روش سعی و خطا می­شوند، امکان واسنجی خودکار بسته نرم­افزاری مورد نظر را نیز از بین می­برد. الگوریتم بهینه­سازی کلونی مورچه­ها با تکیه بر تابع شدت احتمالاتی پیوسته می­تواند به­منظور واسنجی مدل پیوسته بارش-رواناب به­کار رود. برای این منظور در تحقیق حاضر با انتخاب مدل پیوسته بارش-رواناب HMS-SMA، برای غلبه بر ضعف موجود از یک برنامه بهینه­ساز خارجی (الگوریتم کلونی مورچه­ها یا ACOR) جهت برآورد رواناب در مقیاس زمانی شش­ماهه در حوضه معرف کسیلیان استفاده شد. برای ارزیابی مدل ارائه شده،  از چهار سال آبی برای واسنجی و از چهار سال آبی دیگر برای صحت­سنجی مدل استفاده گردید.  معیار نش-ساتکلیف به­عنوان تابع هدف در این تحقیق مورد استفاده قرار گرفت که نتایج حاصل در مرحله واسنجی و صحت­سنجی همگی در محدوده خوب و قابل قبول واقع شد.

چکیده بی­شک اولین قدم برای مدیریت منابع آب پیش‌بینی و برآورد جریان رودخانه‌ها است. در این مطالعه به منظور پیش‌بینی سری زمانی جریان روزانه و ماهانه ایستگاه‌های کاکارضا و سراب صیدعلی، مدل‌های شبکه عصبی مصنوعی و سیستم استتتاج فازی عصبی تطبیقی استفاده شده است. به منظور بهبود نتایج شبیه‌سازی از آنالیز موجک به عنوان مدل ترکیبی استفاده شد. برای این هدف، سری زمانی جریان و بارش به مدت 12 سال (1392-1380) به وسیله تبدیل موجک به زیر‌سری‌های فرکانسی تجزیه شد، سپس این زیرسری‌ها به عنوان داده‌های ورودی به مدل‌های شبکه عصبی مصنوعی و سیستم استتتاج فازی عصبی تطبیقی وارد شد. نتایج بدست آمده حاکی از آن بود که سیستم استتتاج فازی عصبی تطبیقی با میزان خطای کمتر و ضریب همبستگی بیشتر نسبت به روش شبکه عصبی مصنوعی از دقت بالاتری برخوردار است و اعمال تبدیل موجک روی داده‌های اصلی جریان و بارش باعث بهبود چشمگیر نتایج پیش‌بینی شد.

در سال­های اخیر، پدیده تغییراقلیم، خشک­سالی، برداشت بی­رویه آب­های زیرزمینی،... باعث افت شدید سطح آب­های زیرزمینی شده است؛ که خطراتی هم­چون نشست زمین و افزایش کویری شدن را در پی داشته است. لذا پیش­بینی قابل اطمینان سطح آب­های زیرزمینی برای مدیریت این منابع، حائز اهمیت است. امروزه تبدیل موجک از طریق تجزیه سیگنال­ها به زمان و فرکانس شیوه نوینی را برای پردازش سیگنال ارائه می­دهد. در پژوهش حاضر، به بررسی کاربرد استفاده از مدل­های سری زمانی و مدل ترکیبی سری زمانی-موجک برای پیش­بینی سطح آب زیرزمینی دشت فیروزآباد اقدام گردید. برای این منظور سری زمانی با استفاده از تبدیل موجک، توابع مختلف موجک (هار، سیملت، کویفلت، دی بی و دی بی4)، در سطوح متفاوت تجزیه، به زیرسری­هایی تبدیل شد. سپس به­عنوان ورودی مدل سری زمانی آریما درنظرگرفته شد. سپس نتایج آن با نتایج مدل سری زمانی مقایسه شد. نتایج نشان­دهنده کارایی بهتر و خطای کمتر مدل ترکیبی سری زمانی-موجک بود.

ورود آلاینده‏ های سطحی به منابع آب زیرزمینی به خصوص در سال‏ های اخیر که با بحران کمبود آب مواجه بوده ‏ایم، از مشکلات جدی در کاهش کیفیت منابع آب زیرزمینی می ‏باشد. بنابراین شناخت مناطق آسیب‏ پذیر و جهت‏ دهی برنامه ‏های توسعه‏ ای به سمت مناطقی که آسیب ‏پذیری کمتری دارند، دستیابی به اهداف توسعه پایدار را امکان‎پذیر خواهد کرد. در این مطالعه آسیب‏پذیری آبخوان دشت جارمه در استان خوزستان با استفاده از مدل دراستیک و سینتکس مورد ارزیابی قرار گرفته است. اصول مدل دراستیک بر پایه پارامترهای هیدرولوژیکی و هیدروژئولوژیکی مؤثر بر انتقال آلودگی است. پارامترهای مدل سینتکس مشابه مدل دراستیک می‏باشد، با این تفاوت که فرآیند وزن و رتبه ‏دهی پارامترها در روش سینتکس انعطاف بیشتری دارد. پس از تهیه نقشه ‏های آسیب‏پذیری توسط تلفیق پارامترهای عمق آب زیرزمینی، تغذیه خالص، محیط آبخوان، محیط خاک، شیب، محیط غیراشباع و هدایت هیدرولیکی، نتایج مدل با استفاده از نقشه نیترات صحت‏سنجی شدند. میزان همبستگی نقشه نیترات آب زیرزمینی با مدل دراستیک و سینتکس به ترتیب 0/46 و 0/58 درصد بود. با تحلیل حساسیت به دو روش حذف نقشه و تک پارامتری نیز میزان تأثیرگذاری هر کدام از پارامترها بررسی شد. نتایج حاصله از روش حذف نقشه و تک پارامتر در هر دو روش بیانگر آن است که پارامتر محیط غیراشباع مهمترین عامل تأثیرگذار بر آسیب‏پذیری آبخوان منطقه مورد مطالعه می‏باشد.

در سال‏های اخیر، توجه به ساختار وابستگی موجود در بین متغیرهای هیدرولوژیک افزایش یافته و این امر موجب شده است که تحلیل چند‌متغیره به‌عنوان جایگزین مناسبی در مقابل روش‏های تک‌متغیره معرفی شود. در این مطالعه از تابع مفصل برای تحلیل چند‌متغیرۀ جریان‏های کمینۀ حوضۀ آبریز دز در محل ایستگاه‏های تنگ پنج‌ـ بختیاری و تنگ پنج‌ـ سزار استفاده شد. ابتدا جریان کمینۀ هفت‌روزه در محل ایستگاه‏های مطالعه‌شده، از داده‏های دبی روزانۀ رودخانه‏های بختیاری و سزار در دورۀ آماری 1335‌ـ 1391 استخراج شد. در مرحلۀ بعد، 11 تابع توزیع احتمالاتی مختلف به داده‏های جریان کمینه برازش داده شد که در این بین توزیع‏های لجستیک (برای ایستگاه تنگ پنج‌ـ بختیاری) و مقادیر حدی تعمیم‌یافته (برای ایستگاه تنگ پنج‌ـ سزار) به‌عنوان توزیع حاشیه‏ای مناسب انتخاب شدند. پس از انتخاب توزیع‏ حاشیه‏ای، باید پارامتر مفصل تعیین شود. در این مطالعه، از دو روش توابع منطقی برای حاشیه‏ها (IFM) و الگوریتم بهینه‌سازی ازدحام ذرات (PSO) استفاده شد. نتایج نشان داد روش PSO عملکرد مناسب‏تری در برآورد پارامتر مفصل داشت. سپس از بین توابع مفصل علی‌ـ میخائیل‌ـ حق، کلایتون، فرانک، گالامبوس و گامبل‌ـ هوگارد، تابع مفصل فرانک با داشتن کمترین خطا و بیشترین دقت برای ایجاد توزیع توأم جفت داده‏های جریان کمینۀ هفت‌روزه ایستگاه‏های تنگ پنج‌ـ بختیاری و تنگ پنج‌ـ سزار انتخاب و دورۀ بازگشت‏های توأم در دو حالت «یا» و «و» محاسبه شد.

یکی از پدیده­های هیدرولوژیکی که ماهیت بسیار پیچیده داشته و در صورت رخداد خسارات فراوانی را ایجاد می­کند، پدیده سیلاب می­باشد. در این مطالعه تحلیل فراوانی سیلاب حوضه آبریز دز در محل اتصال دو ایستگاه سپید دشت- سزار (س. د. س) و سپید دشت- زاز (س. د. ز) در دوره آماری 1391-1335 با استفاده از توابع مفصل مورد بررسی قرار گرفت. بدین منظور در ابتدا سری­های جزئی سیلاب در ایستگاه­های مورد مطالعه با استفاده از روش مالمود و توکارت استخراج گردید. در مرحله بعد 11 تابع توزیع مختلف به سری­های سیلاب استخراجی برازش داده شد و در نهایت توزیع‌های لجستیک تعمیم یافته (ایستگاه س. د. س) و تابع توزیع حدی تعمیم یافته (س. د. ز) به عنوان توزیع حاشیه‌ای مناسب انتخاب گردید. پس از انتخاب توزیع­ حاشیه­ای، از توابع مفصل خانواده ارشمیدسی (شامل مفصل­های علی- میخائیل- حق، فرانک و کلایتون) برای تحلیل فراوانی توام سیلاب حوضه آبریز دز استفاده شد. نتایج نشان داد که مفصل فرانک برای جفت داده­های ایستگاه­های سپید دشت- سزار و سپید دشت- زاز بیشترین تطابق را با تابع مفصل تجربی داشته است. برای بررسی دوره بازگشت وقایع در حالت توأم، از دوره بازگشت توأم در دو حالت «یا» و «و» و دوره بازگشت توأم شرطی استفاده شد. براساس نتایج به دست آمده از تحلیل توام سری­های سیلاب دو سرشاخه متصل به هم مشخص شد که دو رودخانه سپید دشت سزار و سپید دشت زاز هر 70 سال یک‌بار به صورت هم­زمان می­تواند در معرض سیلاب شدید قرار گیرند.

Introduction: Hydrological phenomena are often multidimensional and very complex. Hence, the joint modeling of two or more random variables is required to investigate the probabilistic behavior of them. To this aim, the copulas can be efficiently utilized to derive multivariate distributions. In addition, the copula functions can quantify the dependence structure between correlated random variables. Estimation of low flow is necessary in different fields of hydrological studies such as water quality management, determination of minimum required flow at downstream for producing electricity and cooling purposes, design of intakes, aquaculture, design of irrigation systems and assessing the effect of long-term droughts on ecosystems. Low flows can be determined based on low flow indices. There are many types of low flow indices which among them the 7-days low flow with different return periods are more popular. Heretofore, numerous studies have been performed in the field of univariate analysis of river low flows, but the low flows of two river branches can be simultaneously analyzed using copula functions. Copula is a flexible approach for constructing joint distribution with different types of marginal distributions. Indeed, the copula is a function which links univariate marginal distributions to construct a bivariate or multivariate distribution function. Materials and Methods: Hydrological phenomena often have different properties, where for their frequency analysis; they may be examined either individually or concurrently. These variables are not independent, rather they are interconnected and the change in one of them affects the other. Thus, the univariate frequency analysis can bring about some error due to neglecting the interdependence between these random variables. the copula is a function which joint the marginal distribution functions for constructing a bivariate or multivariate function. Development of copula functions is alleged to Sklar (1959) who described how univariate distribution can be jointed to form a multivariate distribution. Generally a copula function is a transfer of a multivariate function from to . This transfer separate marginal distributions from F function and the copula function, C, is only related to dependency among variables, therefore it present a full description of inner dependency structure. In other words, the Sklar’s theorem states that for multivariate distributions, the inner dependency among the variables and univariate marginal distributions is separated and the dependency structure explained by copula function. The copula function divided into many families which among them then the Archimedean copula is widely used in multivariate analysis of hydrological events and also has an explicit formula for its cumulative form which is an important advantage in comparison with elliptical copula functions that have not explicit formula. Application of the copulas can be useful for the accurate multivariate frequency analysis of hydrological phenomena. There are many copula functions and some methods were proposed for estimating the copula parameters. Since the copula functions are mathematically complicated, estimating of the copula parameter is an effortful work. In this study, five different copula functions including, Ali - Mikhail – Haq, Clayton, Frank, Gal ambos and Gumbel-Hougaard were used for multivariate analysis of 7-days low flow in Dez basin. Results and Discussion: In this study, the low flow of the Dez basin at junction of river branches during 1956-2012 were investigated using copula functions. For this purpose, firstly the 7-days low flow series of considered stations were extracted and then the homogeneity of the series was examined using Mann-Kendall test. The results showed that the 7-days low flow series of Dez basin are homogenous. In the next step, 11 different distribution functions were fitted on low flow series and the Logistic distribution was selected as the best fitted marginal distribution for considered stations. After specifying the marginal distributions, the Archimedean and Extreme value families of copula functions were used for multivariate frequency analysis of 7-days low flow. For this study, the best-fitted copula was specified in two ways. For the first specification, the nonparametric empirical copula was computed and compared with the values of the parametric copulas. The parametric copula that was closest to the empirical copula was defined as the most appropriate choice. The second specification was based on the statistical approach. The results indicated that for pair data of Sepid Dasht Sezar and Sepid Dasht Zaz stations, the Gumbel-Hougaard copula had the most accordance with empirical copula. In order to investigate the joint return periods, we used the joint return periods in two cases of AND and OR forms and also conditional joint return period. Conclusion: Based on the obtained results from joint analysis of the low flow at upstream of the junction of two river branches, it was specified that two river branches of Sepid Dasht Sezar and Sepid Dasht Zaz may experience sever simultaneous drought events every 200 years.

یکی از مهم ترین مسائل در مهندسی منابع آب، پیش‌بینی میزان دبی رودخانه‌ها، به عنوان یکی از منابع اصلی تأمین کننده آب بشر، می‌باشد که از نظر برنامه‌ریزی منابع آب دارای اهمیت است. استفاده از مدل‌های جدید در این زمینه می-تواند به مدیریت و برنامه‌ریزی صحیح کمک کند. در این مطالعه، به ارزیابی 3 مدل به نام‌های، شبکه عصبی – فازی (ANFIS)، شبکه بیزین(BN) و ماشین بردار پشتیبان (SVM) پرداخته شده است. داده‌های مورد استفاده برای این پژوهش، داده‌های بارش و جریان روزانه رودخانه گاماسیاب نهاوند در یک دوره 10 ساله (1391-1381) می‌باشد. نتایج نشانگر این بود که مدل شبکه عصبی– فازی(ANFIS) و ماشین بردار پشتیبان(SVM) تقریبا عملکرد یکسانی در مدل-سازی جریان روزانه رودخانه داشتند و نسبت به مدل شبکه بیزین کارایی بهتری داشتند.. علاوه بر این سرعت اجرای مدل SVM نسبت به بقیه مدلها بیشتر بود و در زمان کوتاهی قادر به ارائه نتایج بود.

ایجاد رواناب به عوامل متعددی بستگی دارد، با این وجود رطوبت خاک یکی از عوامل مهم در تولید آن محسوب می‌شود که به رغم اهمیت بسیار زیاد، اندازه‌گیری‌های پیوستۀ آن از نظر مکانی و زمانی دشوار و در پاره‌ای از مناطق غیر ممکن است. هدف از مقاله حاضر، کاربردی ساختن تهیه‌ی نقشه‌ی رطوبت سطحی خاک در مناطق خشک و نیمه خشک با استفاده از داده‌های ماهواره‌ای تصویر‌سازهای OLI و TIRS، منطبق با زمان برداشت‌‌های میدانی، به همراه مقادیر محاسبه شده‌ی چندین نمایه‌ی طیفی، تجزیه‌ی مولفه‌های اصلی و تبدیل داده‌ی Tasseled Cap است. 24 متغیر پیش‌بینی کننده مورد استفاده قرار گرفت و همبسته‌ترین آن‌ها به روش رگرسیون اکتشافی و روش همبستگی دو متغیره، با محاسبه‌ی عامل تورم واریانس، ضریب پیرسون و ضریب تبیین، در سه سطح رطوبتی 4 تا 5 درصد، بیشتر از 5 درصد و کمتر از 4 درصد، مشخص شدند. روش آمار مکانی شاخص مورانز برای همبستگی جغرافیایی داده‌ها استفاده شد. 47 نقطه در سطح منطقه تحقیق به روش تصادفی طبقه‌بندی شده و ایجاد شبکه‌های 1800 متری در یک الگوریتم سیستماتیک، به عنوان متغیر پیش‌بینی نمونه‌برداری و در آزمایشگاه به روش وزنی-حرارتی، تعیین رطوبت شدند. پی‌ریزی توابع تخمین رطوبت سطحی خاک نیز با سه روش رگرسیون حداقل مربعات جزئی (PLSR)، گام به گام و Enter انجام گرفت که تمامی مدل‌ها از واسنجی قابل پذیرشی برخوردار بودند. محاسبه‌ی 5 معیار خطاسنجی توسط 24 درصد داده‌های میدانی که به طور تصادفی انتخاب شده بودند، نشان داد که داده‌های لندست8 می‌تواند برای تخمین رطوبت سطحی خاک موثر باشد و دقت توابع استخراج شده با روش رگرسیون‌ چندگانه‌ی گام به گام (425/1 تا 585/0=RMSE)، بیشتر از سایر روش‌ها است. مدل‌های معرفی شده برای سطح رطوبتی5%≤ ، تمایل به بیش برآوری (788/0=MBE)، و برای سایر سطوح رطوبتی، تمایل به کم برآوری دارند.