دانشگاه تبریز هیدروژئومورفولوژی 2383-3254 13 46 2026 03 21 Landslide Hazard Assessment in the Onarchay Watershed of Meshkinshahr Using the (MABAC) Model ارزیابی خطر زمین‌لغزش درحوضه‌ی آبریز اُنارچای مشکین شهر با استفاده از مدل‌ماباک (MABAC) 19 1 19754 10.22034/hyd.2025.65991.1779 FA عقیل مددی استاد، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران. 0000-0002-1036-4292 صیاد اصغری سراسکانرود استاد، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران داور تقی زاده دانشجوی دکتری ژئومورفولوژی دانشگاه محقق اردبیلی Journal Article 2025 02 24 One of the most important forms of geomorphological processes on the Earth's surface is landslides. Landslides are dynamic processes that play a role in the change and evolution of slopes (Guzzetti et al., 2005:274). This phenomenon occurs due to the displacement of constituent materials on slopes; the result is the movement of a large mass of materials down the slopes (Maddi, 2009:77). The displacement of soil and rock masses on slopes originates from two external and internal factors.However, this phenomenon causes the formation and evolution of slopes in mountainous areas (Roering et al., 2005:655). But they cause damage or death to humans and also significant financial losses to mountainous areas, agricultural lands and facilities in that area such as communication roads and development sectors (Mohammadnia et al., 2018:115). In this context: (Maddadi et al., 2019), conducted a comparative evaluation of MABAC and CODAS multi-criteria decision-making in landslide risk zoning in Kausar County. (Yalcin, 2008), evaluated landslide areas in the Ardsin region of Turkey using the analytic hierarchy process and statistical index and weighting factor. Therefore, considering that no research has been conducted on landslides in the Onarchay region so far. Therefore, the purpose of this study is to investigate the various factors affecting the occurrence of landslides in the Onar Chay watershed of Meshkinshahr and to zoning the landslide risk using the (MABAC) model. حوضه آبریز اُنارچای مشکین‌شهر با مساحت 36/122 کیلومتر‌مربع در استان‌ اردبیل، جنوب‌شرقی شهرستان مشکین‌شهر در موقعیت جغرافیایی بین ʺ 01 ´50 °47 تا ʺ 16 ´55 °47 طول شرقی و ʺ38 ´14 °38 تا ʺ 06 ´34 °38 عرض شمالی واقع شده است . این حوضه به دلیل ویژگی‌های خاص زمین‌شناسی، اقلیمی، ژئومورفولوژیکی پیوسته تحت تأثیر زمین‌لغزش بوده است. لذا، تحقیق حاضر با هدف پهنه‌بندی خطر زمین‌لغزش در این حوضه انجام شده‌است. روش مورد استفاده بر‌اساس مدل تصمیم‌گیری چند‌معیارۀ ماباک (MABAC) و در محیط‌های نرم‌افزاری EXCEL و GIS صورت گرفت. در راستای پهنه‌بندی زمین‌لغزش اُنارچای از 12 متغیر مهم موثر بر وقوع زمین‌لغزش: زمین‌شناسی‌، خاک‌شناسی‌، لیتولوژی، فاصله ‌از‌گسل‌، پوشش‌‌گیاهی، شیب، جهت شیب، طبقات‌ارتفاعی‌، بارش، فاصله ‌ازآبراهه‌، کاربری‌اراضی، فاصله ‌از‌جاده استفاده گردید. وزن‌دهی به معیارهای مورد بررسی در ماباک با استفاده از روش کریتیک (CRITIC) انجام شد. در نهایت، لایه‌های موضوعی مؤثر بر رویداد زمین-لغزش با توجه به وزن و ضرایب آن‌ها در محیط نرم‌افزار GIS با استفاده از روش ترکیب‌وزنی با یکدیگر ترکیب و نقشه نهایی پهنه‌بندی خطر زمین‌لغزش بدست آمد. با توجه به خروجی حاصل از بکارگیری روش ماباک، عوامل شیب،کاربری‌اراضی، لیتولوژی و زمین شناسی با کسب امتیاز بیشتری در رتبه‌های اول تا چهارم قرار گرفتند. بدین ترتیب از مجموع 36/122 کیلومتر مربعی مساحت حوضه، 72/22 کیلومتر‌مربع (50/18درصد )‌، 64/30کیلومتر‌مربع ( 25 درصد)، 10/29کیلومتر مربع (80/23درصد)، 26/20کیلومتر مربع (60/16درصد) و 64/19 کیلومتر‌مربع (10/16درصد) به ترتیب در کلاس‌های با خطر زمین‌لغزش خیلی‌زیاد، زیاد ، متوسط ، کم و خیلی‌کم قرار گرفتند. https://hyd.tabrizu.ac.ir/article_19754_9912978bf45b4927413691fca1f1b740.pdf

دانشگاه تبریز هیدروژئومورفولوژی 2383-3254 13 46 2026 04 12 Investigating the impact of land use/land cover change trends on the status of groundwater resources using satellite images, GIS, and GS+ بررسی تاثیر روند تغییرات کاربری اراضی / پوشش زمین بر وضعیت منابع آب زیرزمینی با استفاده از تصاویر ماهواره ای، GIS و GS+ 40 20 20377 10.22034/hyd.2025.66746.1790 FA بتول زینالی استاد آب و هواشناسی گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی مریم محمدزاده شیشه گران گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران Journal Article 2025 05 11 The research steps were as follows: after preparing piezometric well statistics, the data highlighting method was used to eliminate the deficiencies in the study data. The highlighting method used was the interpolation method, which was performed by Neural Power software (based on artificial neural networks), to eliminate the deficiencies in the data. Logarithmic transformation was used in SPSS software to normalize the data, and GS+ software was used for geostatistical analyses. ENVI5.3 software and radiance and flash methods were used for atmospheric, radiometric, and geometric corrections, and GIS10.5 software was used to extract the desired maps. Object-oriented classification method was used in eCognition Developer64 software to classify land use. In the object-oriented classification method, spectral information is combined with spatial information and pixels are segmented based on shape, texture and gray tone in the image surface with a specific scale and image classification is performed based on these segments (Faizizadeh & Hilali, 2010: 77). In segmentation, pixels are segmented by different algorithms in different sizes, with different spectral and shape ratios and are classified into various objects based on spectral and spatial characteristics. During this process, image objects are created according to their homogeneity or heterogeneity based on scale, color, shape, smoothness coefficient and compression shape parameters. هدف اصلی این تحقیق پایش سطح آب‌های زیرزمینی با استفاده از علم سنجش از دور و تصاویر ماهواره‌ای و رابطه آن با کاربری اراضی می‌باشد. به همین منظور ابتدا تصاویر مربوطه اخذ و پیش‌پردازش‌های لازم بر روی هر کدام اعمال شد. سپس نسبت به مدل‌سازی و طبقه‌بندی تصاویر اقدام شد. به منظور بررسی تغییرات کاربری اراضی، نقشه طبقه‌بندی شده کاربری ‌اراضی برای هر دو سال 2002 و 2023 با استفاده از روش طبقه‌بندی شی‌گرا استخراج شد و سپس به منظور بررسی تغییرات کاربری اراضی نقشه تغییرات کاربری ‌اراضی برای بازه زمانی 20 ساله استخراج شد. بعد از استخراج نقشه تغییرات کاربری اراضی به‌منظور انتخاب بهترین مدل درون‌یابی از بین مدل‌های مختلف، RBF، IDW و Kriging تمامی مدل‌ها مورد ارزیابی قرار گرفتند. در میان کاربری‌های تغییریافته، کاربری مسکونی یا همان منطقه شهری و روستایی افزایش داشته است. تقریباً در اکثر کاربری‌ها مناطق مسکونی رقم چشم‌گیری در حد خود بوده است که این نشان‌دهنده توسعه شهری و همچنین دخالت و تخریب انسان به منابع طبیعی را نشان می‌دهد. نتایج بررسی آب‌های زیرزمینی نشان داد بیش‌ترین میانگین تراز آب در سال 2003 برای کاربری منطقه آبی با 12/53 متر و منطقه مسکونی با 17/48 متر ثبت شده است و کم‌ترین میانگین تراز آب نیز برای محدوده زمین کشاورزی48/45 متر ثبت شده است. ودر سال 2023، بیش ترین میانگین تراز آب متعلق به کاربری منطقه آبی با 89/36 مترو باغات با مقدار 78/32 می‌باشد و کم‌ترین میانگین تراز آب ثبت ‌شده مربوط به کاربری منطقه مسکونی با 16/24 متر می‌باشد. https://hyd.tabrizu.ac.ir/article_20377_144720f9eb246c1407cccff372bc988c.pdf

دانشگاه تبریز هیدروژئومورفولوژی 2383-3254 13 46 2026 03 21 Flood Risk Sensitivity Modeling Using Multi-Criteria Spatial Analysis, Case Study: Gotour Chai, Khoy County مدل سازی حساسیت خطر وقوع سیل با استفاده از تحلیل های مکانی چندمعیاره مطالعه موردی:بخشی از حوضه رودخانه قطور در شهرستان خوی 58 41 20461 10.22034/hyd.2025.67046.1791 FA مریم بیاتی خطیبی استاد ژئومورفولوژی، گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده برنامه‌ریزی و علوم محیطی‌، دانشگاه تبریز‌،تبریز ، ایران. فاطمه مقدم کارشناسی ارشد مهندسی علوم خاک گرایش پیدایش ورده بندی خاک، گروه مهندسی علوم خاک، دانشکده کشاورزی، دانشگاه ارومیه. ایران. Journal Article 2025 05 06 Flooding is one of the natural disasters that causes economic losses and the death of many people every year. Among natural disasters, flooding is the deadliest crisis. The vastness of Iran, along with the diversity of climate and the spatial and temporal changes in rainfall in its watersheds, cause massive floods in the country every year. In recent years, the increase in rainfall due to the impact of climate change has been the main cause of flood risks.Therefore, the aim of the present study is to zone the flood risk sensitivity of the Khoy County basin. For this purpose, first, using Landsat images and object-oriented classification techniques, they were extracted and classified into classes (agricultural and garden lands, saline lands, residential lands, pastures and barren lands, and rocky outcrops). In the next stage, by identifying the factors affecting the flooding of the region and preparing information layers for each criterion in GIS, the standardization of the layers was carried out using the fuzzy membership function, the ranking and weighting of the criteria was carried out using the critical method and the ANP method using the Super Decision software, and the final modeling was carried out using the ANP multi-criteria analysis method. Then, the sensitivity analysis of the criteria was performed using the training data. Then, by applying different stages of the model on the maps, the flood sensitivity zoning map of the basin of the region was extracted in 5 classes from very high risk to very low risk. سیل یکی از بحران‌های طبیعی است که سالانه منجر به خسارات اقتصادی و مرگ بسیاری از مردم میگردد؛ در میان بلایای طبیعی، سیل مرگبارترین بحران می‌باشد گستردگی کشور ایران به همراه تنوع آب و هوایی و تغییرات مکانی زمانی بارندگی‌ها در حوضه‌های آبریز آن، هر ساله موجب وقوع سیل‌های عظیم در این کشور میگردد در سالهای اخیر،تغییرات در ویژگی‌های محیطی ،افزایش بارندگی ناشی از تأثیر تغییرات آب و هوایی، و تغییرات کاربری‌ها علت اصلی خطرات سیل بوده‌است. هدف تحقیق حاضر، پهنه‌بندی حساسیت خطر سیلابی حوضه شهرستان خوی می‌باشد. بدین منظور ابتدا با استفاده از تصاویر لندست و تکنیک طبقه‌بندی شی‌گرا استخراج شد و به کلاس‌های (اراضی کشاورزی و باغی، اراضی شوره زار، اراضی مسکونی، اراضی مراتع و بایر و برون زدهای سنگی طبقه‌بندی شدند. در مرحله بعد، با شناسایی عوامل موثر در ایجاد سیل منطقه و تهیه لایه‌های اطلاعاتی هر معیار در GIS، استاتداردسازی لایه‌ها با استفاده از تابع عضویت فازی، روش رتبه‌دهی و وزن‌دهی معیارها با استفاده از روش کرتیک و روش ANP با استفاده از نرم افزار سوپردسیژن و مدل‌سازی نهایی با استفاده از روش تحلیل چندمعیاره ANP انجام شد. سپس تحلیل حساسیت معیارها با استفاده از داده‌های‌آموزشی انجام شد. سپس با اعمال مراحل مختلف مدل بر روی نقشه‌ها، نقشه پهنه‌بندی حساسیت سیل حوضه منطقه در 5 طبقه با خطر بسیار زیاد تا خطر بسیار کم، استخراج گردید. روش فرایند تحلیل ANP بیشترین وزن را به 3 معیار(میزان بارش، خواص خاک و کاربری اراضی)وکمترین وزن را به معیار (جهت شیب) تخصیص داده است. https://hyd.tabrizu.ac.ir/article_20461_61038cd6d9743af7ac5c677f959ea6d9.pdf

دانشگاه تبریز هیدروژئومورفولوژی 2383-3254 13 46 2026 04 12 Assessment of Land Subsidence Variations in the Urmia Plain Aquifer Using Differential Interferometric Synthetic Aperture Radar (DInSAR) ارزیابی تغییرات فرونشست زمین در آبخوان دشت ارومیه با استفاده از تکنیک تداخل‌سنجی تفاضلی (DInSAR) 72 59 20485 10.22034/hyd.2025.67902.1798 FA فریبا همتی گروه آموزشی جغرافیا، دانشگاه فرهنگیان، تهران، ایران سارا خنجری کارشناسی ارشد، گروه زمین شناسی، دانشکده علوم، دانشگاه ارومیه اکرم علیزاده دانشیار، گروه زمین‌شناسی، دانشکده علوم، دانشگاه ارومیه Journal Article 2025 06 28 This study aims to analyze land subsidence variations and examine their relationship with groundwater level decline in the Urmia Plain aquifer, employing the Differential Interferometric Synthetic Aperture Radar (DInSAR) technique and Sentinel‑1 satellite data for the period 2015–2023, processed in the SNAP software environment. The results indicate that the highest subsidence rate, approximately 9 cm/year, occurred in the southern parts of the study area, whereas in the northern parts, ground uplift (positive displacement) was observed.<br />Concurrently, hydrogeological data from 23 piezometric wells over the period 2002–2022 reveal a severe groundwater level decline of more than 13 m during the past two decades. A key finding of the research is the presence of a nonlinear relationship between groundwater drawdown and subsidence intensity. Contrary to expectations, the largest extent of high‑class subsidence occurred in areas with moderate groundwater decline (−1.5 to −3.5 m), and the very high‑class subsidence zones were found in areas with low groundwater decline (0 to −1.5 m).<br />The present study demonstrates that the intensity of land subsidence is not necessarily directly correlated with the rate of excessive groundwater extraction. Surprisingly, the central and southern regions, characterized by moderate water loss, experienced the most significant subsidence, whereas the northern areas, despite severe water decline, exhibited negligible subsidence. This heterogeneous pattern suggests that local geological characteristics likely play a more determinative role in the spatial distribution of subsidence. این پژوهش با هدف تحلیل تغییرات فرونشست زمین و بررسی ارتباط آن با افت سطح آب زیرزمینی در آبخوان دشت ارومیه، با بهره‌گیری از تکنیک تداخل‌سنجی تفاضلی (DInSAR) و داده‌های ماهواره سنتینل-۱ طی دورۀ زمانی ۲۰۱۵ تا ۲۰۲۳، در محیط نرم‌افزار SNAP انجام شد. نتایج نشان داد بیشترین نرخ فرونشست در بخش‌های جنوبی محدوده مطالعاتی به میزان حدود ۹ سانتیمتر در سال رخ داده است. در مقابل، در بخش‌های شمالی، پدیده بالاآمدگی سطح زمین (فرازنشست) مشاهده گردید.<br /><br />همزمان، داده‌های هیدروژئولوژیکی ۲۳ چاه پیزومتری طی دوره ۱۳۸۱–۱۴۰۱ نشان‌دهنده افت شدید سطح آب زیرزمینی (بیش از ۱۳ متر) در طی دو دهه گذشته است. نکته برجسته تحقیق، وجود رابطه غیرخطی بین میزان افت آب و شدت فرونشست است. بر خلاف انتظار، بیشترین وسعت فرونشست در طبقات بالا در محدوده افت متوسط آب (۱.۵- تا ۳.۵- متر) و در طبقات بسیار بالا در محدوده افت کم آب (۰ تا ۱.۵- متر) رخ داده است. <br /><br />پژوهش حاضر نشان می‌دهد که شدت فرونشست زمین لزوماً با میزان برداشت بی‌رویه از آب‌های زیرزمینی ارتباط مستقیم ندارد. برخلاف انتظار، مناطق مرکزی و جنوبی با افت آب متوسط، بیشترین فرونشست را تجربه کرده‌اند، درحالی که مناطق شمالی با افت آب شدید، فرونشست ناچیزی داشته‌اند. این الگوی ناهمگون می‌تواند نشان‌دهنده این باشد که ویژگی‌های زمین‌شناسی محلی احتمالاً نقش تعیین‌کننده‌تری در توزیع مکانی فرونشست دارند. https://hyd.tabrizu.ac.ir/article_20485_c395b9af23c7a7b96a40201c192cc2f5.pdf

دانشگاه تبریز هیدروژئومورفولوژی 2383-3254 13 46 2026 04 12 Intelligent Streamflow Prediction Using a Hybrid Metaheuristic Approach: Tasmanian Devil and Red-Tailed Hawk Optimization Algorithms in the Dehgolan Kurdistan Basin پیش‌بینی هوشمند جریان رودخانه با ترکیب الگوریتم‌های فراکاوشی شیطان تاسمانی و شاهین دم‌قرمز در حوضه‌ی دهگلان کردستان 91 73 20447 10.22034/hyd.2025.68113.1799 FA ادریس معروفی نیا دانشجوی دکتری، گروه مدیریت ساخت و آب، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران احمد شرافتی دانشیار، گروه مدیریت ساخت وآب، واحد علوم وتحقیقات، دانشگاه آزاد اسلامی، تهران، ایران هیراد عبقری دانشیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران 0000-0002-3407-3297 یوسف حسن زاده 4- استاد، گروه مهندسی آب، قطب علمی هیدروانفورماتیک، دانشکده مهندسی عمران، دانشگاه تبریز و شرکت فرازآب( مهندسین مشاور)، امورارتقای توانمندی تحقیقات وتا لیفات، تبریز، ایران Journal Article 2025 07 12 With the increasing complexity and dynamics of hydrological systems, accurate and reliable river stream flow prediction is necessary for sustainable water resource management. This research utilized 20 years (from 2001 to 2021) of daily precipitation, river discharge, and mean air temperature data from the Dehgolan basin in Kurdistan Province. To select the optimal combination and model scenarios, Pearson's correlation coefficient was employed using precipitation (Pt), mean temperature (Tt), and river discharge with one to three days of lag (Qt-1 to Qt-3). The Pearson correlation coefficient (PCC) was used to select optimal scenarios and model combinations, establish the relationship between input and output variables, and subsequently choose the model and scenario combinations. For streamflow prediction, we utilized hybrid models including the Artificial Neural Network-Tasmanian Devil Optimizer (ANN-TDO), Support Vector Regression-Red Tailed Hawk (SVR-RTH), and the deep learning model Long Short-Term Memory-Marine Predators Algorithm (LSTM-MPA). Model evaluation involved the following metrics: Root Mean Square Error (RMSE), Coefficient of Determination (R2), and Kling-Gupta Efficiency (KGE). Among the hybrid models, ANN TDO consistently demonstrated the best performance. Its R2 values for the testing phase were frequently above 0. 8, and KGE values reached up to 0. 915 in some scenarios, indicating a very high correlation with observed data. The LSTM-MPA model also delivered very good performance. Although it performed slightly below ANN-TDO in some scenarios, its R2 and KGE values (often above 0. 7 and 0. 8), along with low MAE and RMSE values, demonstrated this model's high capability in time series modeling. پیش‌بینی دقیق جریان رودخانه نقش مهمی در مدیریت منابع آب، به ویژه برای کاهش مخاطرات ناشی از سیل، هشدار خشکسالی و بهره‌برداری از مخازن سدها ایفا می‌کند. در این پژوهش از آمار 20 ساله ( از سال 1380 لغایت 1400) بارش، دبی رودخانه و دمای میانگین در مقیاس روزانه در حوضه آبریز دهگلان استان کردستان استفاده گردید. برای انتخاب ترکیب بهینه و سناریوهای مدل از مقادیر بارش (Pt)، دمای میانگین (Tt) و دبی از یک تا سه روز تاخیر (Qt-1 تا Qt-3) با استفاده از ضریب همبستگی پیرسون استفاده شد. جهت انجام مدل سازی و پیش بینی جریان رودخانه نیز از مدل‌های هیبریدی شبکه عصبی مصنوعی-شیطان تاسمانی (ANN-TDO)، ماشین بردار پشتیبان رگرسیونی- شاهین دم قرمز (SVR-RTH) و مدل یادگیری عمیق حافظه طولانی کوتاه‌مدت - شکارچیان دریایی (LSTM-MPA) استفاده گردد. سپس نتایج مدل سازی بر اساس معیارهای ارزیابی (R2-MAE-RMSE-KGE) مورد سنجش قرار گرفت. یافته‌های این پژوهش نشان داد که مدل‌های هیبردی تا حد بسیار خوبی دقت مدل‌های منفرد را بهبود بخشیدند. همچنین نتایج نشان داد که عملکرد مدل‌ها بسیاز نزدیک است اما مدل ANN-TDO نسب به سایر مدل‌ها عملکرد بهتری داشته است. همچنین این مدل در فاز آموزش توانست در سناریوهای یک تا پنج (M1 تا M5) به ترتیب 10.66، 40.25، 39.19، 79.45 و 82.44 درصد عملکرد مدل منفرد ANN را بهبود بخشد. https://hyd.tabrizu.ac.ir/article_20447_41cd8d7dd0faae35a19186fb23271b33.pdf

دانشگاه تبریز هیدروژئومورفولوژی 2383-3254 13 46 2026 04 12 Evaluation of the fractal dimension flood hydrograph and WinTR-55, NRCS, HEC-HMS models of the Malayer Kalan Dam Basin ارزیابی هیدروگراف سیل بعد فراکتال و مدل های WinTR-55 ، NRCS، HEC-HMS حوضه سد کلان ملایر 116 92 20451 10.22034/hyd.2025.68216.1803 FA پریسا شاهسوند - دانش آموخته کارشناسی ارشد مهندسی طبیعت، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، ایران. علیرضا ایلدرمی استاد گروه مهندسی طبیعت ، دانشکده منابع طبیعی و محیط زیست ، دانشگاه ملایر ، ملایر ، ایران حمید نوری دانشیار گروه مهندسی طبیعت ، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، ایران Journal Article 2025 07 26 One of the methods for estimating floods in these basins is to use hydrological modeling.The purpose of this study is to analyze the maximum flood discharge using fractal dimensionandWinTR-55, NRCS, and HEC-HMS models in some sub-basins of the Malayer Dam inHamedan usinggeomorphological data.The study shows that in the Acsub-basin there is an acceptable agreement between the NRCS unithydrographs and the fractal dimensionunit, and the HEC-HMS model output also indicates that there is anacceptable agreement between the observational data and the modeloutput in the Ac sub-basin, which is observed in the fractal dimension and the HEC-HMS output as a single NRCS hydrograph. The results of calculating peak discharge using theGeomorphological Unit Hydrograph method, despite the small size and small changes in the basin's geomorphological parameters, show that the peak discharge values estimated in the GIUH method differ little from the observed and calculated discharges using the WinTR-55 model, which means that geomorphological parameters play an important and effective role in estimating peak discharge. Studies have shown that the hydrographs of the WinTR-55 model provide acceptable measurements of observational data in return periods of less than 5 years, and as the return periodincreases, the accuracy of the model decreases. In addition, the model is more sensitive to the values of the CNcurve number, indicating that the model provides acceptable results for sub-basins and isnot suitable for larger basins. Therefore, it is suggested that for small basins, the winTR-55 model and the fractal dimension with higher and more accurate drainage density be used. یکی از روش‌های برآورد سیلاب در این حوضهها، استفاده ازروش مدل‌سازی هیدرولوژیکی است. هدف ازاین بررسی تحلیل دبی حداکثرسیلابی بعد فراکتال ‌و مدل‌های‌WinTR-55 ، NRCS، HEC-HMS در برخی زیرحوضه سد کلان ملایر همدان بااستغاده ازداده‌های ژئومورلوژی است‌. بررسی نشان می‌دهد‌ که در زیر حوضه Ac بین هیدروگراف های واحد NRCS و واحد بعد فراکتال تطابق قابل قبولی وجود دارد و خروجی مدل HEC-HMS نیز بیانگر این است که بین داده های مشاهداتی و خروجی مدل نیز در زیر حوضه Ac انطباق قابل قبولی وجود داردکه دربعد فراکتال وخروجی HEC-HMSبصورت یک هیدروگراف واحد NRCS مشاهده می‌شود‌. نتایج محاسبه دبی اوج با استفاده از روش هیدروگراف واحدژئومورفولوژی علیرغم وسعت کم و تغییرات کم پارامترهای ژئومورفولوژی حوضه نشان می‌دهد که مقادیر دبی اوج برآورد شده در روش GIUH با دبی‌های مشاهداتی و محاسباتی توسط مدل WinTR-55 اختلاف کمی دارند و به معنای آن است که پارامترهای ژئومورفولوژی نقش مهم و مؤثری در برآورد دبی اوج ایفا می‌کنند. بررسی‌ها ‌نشان داد که هیدروگرافهای مدل WinTR-55 در دوره بازگشت‌های پایین‌تر از 5 سال سنجش قابل قبولی را نسبت به دادههای مشاهداتی انجام می‌دهد و هرچقدر دوره بازگشت‌ها بیشتر می‌شود‌ از دقت مدل کاسته می‌شود بعلاوه مدل به مقادیر شماره منحنی CN حساسیت بیشتری نشان میدهدو بیانگر این است که‌ مدل برای زیرحوضه ها نتایج قابل قبولی ارائه داده و برای حوضه‌های بزرگ‌تر مناسب نمی‌باشند‌. بنابراین پیشنهاد میشود که‌ برای حوضه‌های کوچک ازمدل winTR-55 و بعد فراکتال با تراکم زهشکی بیشتر و دقیق‌تر‌استفاده شود https://hyd.tabrizu.ac.ir/article_20451_64ba32a9d55abad8931754ddd868b425.pdf

دانشگاه تبریز هیدروژئومورفولوژی 2383-3254 13 46 2026 03 21 Identifying the most suitable locations for watershed constructions in humid and semi-humid areas using the Analytic Hierarchy Process (AHP) approach شناسایی مناسب‌ترین مکان‌های احداث سازه‌های آبخیزداری در مناطق مرطوب و نیمه‌مرطوب با استفاده از روش تحلیل سلسله مراتبی (AHP) 137 117 20795 10.22034/hyd.2025.68534.1810 FA بابک قادری وانگاه دانشجوی دکتری، گروه مهندسی طبیعت، دانشکده منابع‌طبیعی و علوم‌زمین دانشگاه کاشان، کاشان، ایران رضا قضاوی استاد گروه مهندسی طبیعت، دانشکده منابع‌طبیعی و علوم‌زمین دانشگاه کاشان، کاشان، ایران سیامک دخانی استادیار گروه گروه مهندسی طبیعت، دانشکده منابع‌طبیعی و علوم‌زمین دانشگاه کاشان، کاشان، ایران امید اسدی نلیوان استادیار گروه علوم و مهندسی خاک، دانشکده کشاورزی دانشگاه مراغه، مراغه، ایران Journal Article 2025 08 08 Locating watershed constructions traditionally and based on field visits requires a lot of money and time. In this study, the Analytical Hierarchy Process (AHP) approach was used to identify suitable locations for implementing watershed constructions. Three watersheds of Aqevlar Talesh, Masouleh Fouman, and Totkabon Rudbar in Gilan Province were selected for the study. Then, using expert opinions, 21 criteria affecting the location of watershed constructions were identified in 8 general categories and compared binary, and final maps were prepared with three classes of no potential, medium potential, and high potential for the construction of structures. The results showed that the criteria of discharge, precipitation, runoff height, and slope are of great importance in locating suitable areas for constructing structures. The accuracy of this method was determined using the receiver operating characteristic (ROC) curve and the area under the curve (AUC) for the Aqevlar, Masouleh and Totkabon basins was 0.945, 0.958 and 0.788, respectively. Comparing the location of the structures with the research results showed that 90 and 99.5 percent of the Masonry wall and gabion structures were located in the medium and high potential classes of the maps obtained from this method, respectively, which confirms the accuracy of this method in determining the appropriate location for the construction of watershed constructions. Therefore, it is recommended that the Natural Resources and Watershed Management Organization of the country use this model systematically for locating watershed constructions. مکان‌یابی احداث سازه‌های آبخیزداری به‌صورت سنتی و بر مبنای بازدیدهای صحرایی، مستلزم صرف هزینه و زمان زیاد است. در این پژوهش، جهت شناسایی مکان‌های مناسب اجرای اقدامات سازه‌ای آبخیزداری، از روش تحلیل سلسله مراتبی (AHP) استفاده شد. جهت انجام تحقیق سه حوضه آبریز آق‌اولر تالش، ماسوله فومن و توتکابن رودبار استان گیلان انتخاب ‌شدند. سپس با بهره‌گیری از نظرات کارشناسی، 21 معیار تاثیرگذار بر مکان‌یابی اقدامات سازه‌ای آبخیزداری در 8 دسته کلی مشخص و به صورت دودویی مقایسه ‌شده و نقشه‌های نهایی با سه طبقه بدون ‌پتانسیل، پتانسیل ‌متوسط و پتانسیل ‌بالا جهت احداث سازه تهیه‌ شد. نتایج نشان‌داد که معیارهای دبی، بارش، ارتفاع ‌رواناب و شیب، اهمیت بالایی در مکان‌یابی مناطق مناسب احداث سازه‌ دارند. صحت عملکرد این روش با استفاده از منحنی ‌مشخصه ‌عملکرد (ROC) تعیین و سطح زیر منحنی (AUC) برای حوضه‌های آق‌اولر، ماسوله و توتکابن به‌ترتیب برابر 945/0، 958/0 و 788/0 بدست ‌آمد. مقایسه مکان سازه‌ها با نتایج تحقیق نشان‌داد که به ترتیب 90 و 5/99 درصد سازه‌های سنگی–ملاتی و گابیونی در طبقه با پتاسیل ‌متوسط و بالای نقشه‌های حاصل ‌شده از این روش قرار گرفتند که موید دقت عملکرد این روش در تعیین مکان‌ مناسب احداث سازه‌های آبخیزداری است. بنابراین توصیه می‌شود سازمان منابع طبیعی و آبخیزداری کشور از این مدل به‌صورت سیستماتیک در طرح‌های مکان‌یابی سازه‌ها استفاده نماید. https://hyd.tabrizu.ac.ir/article_20795_339b9fa8ef592dcfe32b1d54fc09c9ac.pdf

دانشگاه تبریز هیدروژئومورفولوژی 2383-3254 13 46 2026 04 12 Assessing the effects of climate change on river discharge using the CMIP6 model , Case study: Kashkan hydrometric station ارزیابی اثرات تغییر اقلیم بر دبی رودخانه با استفاده از مدل CMIP6، مطالعه موردی: ایستگاه هیدرومتری کشکان 159 138 20755 10.22034/hyd.2025.69085.1814 FA ابراهیم نوحانی استادیارگروه عمران، مرکز تحقیقات مواد و انرژی، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران حمیدرضا باباعلی دانشیار گروه مهندسی عمران، دانشگاه آزاد اسلامی خرم اباد، خرم اباد، ایران رضا دهقانی دکترای علوم ومهندسی آب، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان تحقیقات، Journal Article 2025 09 09 Firstly, it compares and selects the most efficient hybrid artificial intelligence model (Wavelet Support Vector Regression, Whale Optimization Algorithm-Support Vector Regression, and Particle Swarm Optimization-Support Vector Regression) for accurate discharge estimation based on historical data from 1992-2022. In the next step, climate projections from General Circulation Models (GCMs) under various greenhouse gas emission scenarios are used to predict the future trend of river discharge from 2023-2043. Additionally, statistical indices such as the correlation coefficient, root mean square error, mean absolute error, and Nash-Sutcliffe efficiency coefficient were used to compare the performance of the hybrid models investigated. The results from evaluating the hybrid models showed that the Wavelet-Support Vector Regression model demonstrated better performance compared to other models studied, with the highest correlation coefficient of 0.980, the lowest root mean square error of 0.372, the lowest mean absolute error of 0.174, and the highest Nash-Sutcliffe efficiency coefficient of 0.985. Furthermore, the results from the evaluation of the LARS-WG model indicated that the CanESM5.0 model accurately predicts maximum and minimum temperatures but has errors in precipitation estimation, while the BCC-CSM2-MR model estimates higher precipitation during warmer seasons. Projections for the period 2023 to 2043 under different greenhouse gas emission scenarios, SSP126 and SSP585, suggest an increase in temperature, particularly in the high emission scenario SSP585, and uncertain fluctuations in precipitation amounts, with significant differences in these fluctuations among different models. Overall, the results of the flow prediction in the coming years indicated a significant decrease in the river’s discharge in the future. پژوهش با هدف ارزیابی کمی و کیفی اثرات تغییرات اقلیم بر دبی رودخانه، ابتدا به مقایسه و انتخاب کارآمدترین مدل هوش مصنوعی هیبریدی(رگرسیون بردار پشتیبان -موجک، رگرسیون بردار پشتیبان –نهنگ و رگرسیون بردار پشتیبان –ازدحام ذرات) برای برآورد دقیق دبی بر اساس داده‌های تاریخی طی سالهای 2022-1992 می‌پردازد. در گام بعدی، از پیش‌بینی‌های اقلیمی مدل‌های گردش عمومی جو (GCMs) تحت سناریوهای مختلف انتشار گازهای گلخانه‌ای برای پیش‌بینی روند آتی دبی رودخانه طی سالهای 2043-2023 -استفاده می گردد. همچنین جهت مقایسه عملکرد مدلهای هیبریدی مورد بررسی از شاخص های آماری ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش ساتکلیف استفاده شد. نتایج حاصل از اریابی مدلهای هیبریدی نشان داد مدل رگرسیون بردار پشتیبان-موجک با بیشترین ضریب همبستگی 980/0 ، کمترین ریشه میانگین مربعات خطا 372/0 ، کمترین میانگین قدر مطلق خطا 174/0 و بیشترین ضریب نش ساتکلیف 985/0 عملکرد بهتری نسبت به سایر مدلهای مورد بررسی از خود نشان داده است. همچنین نتایج حاصل از ارزیابی مدل LARS-WG نشان داد که مدل Can ESM5.0 دماهای حداکثر و حداقل را به خوبی پیش‌بینی می‌کند، اما در تخمین بارش با خطا همراه است، در حالی که مدل BCC-CSM2-MR بارش بیشتری را در فصول گرم‌تر تخمین می‌زند. پیش‌بینی‌ها برای دوره 2023 تا 2043 تحت سناریوهای مختلف انتشار گازهای گلخانه‌ای SSP126 و SSP585 حاکی از افزایش دما، به ویژه در سناریوی انتشار بالای SSP585، و نوسانات نامشخص در میزان بارش است که این نوسانات بین مدل‌های مختلف نیز تفاوت قابل توجه https://hyd.tabrizu.ac.ir/article_20755_08db0f54dc8aaa78620eda41c7fbdbeb.pdf