انجمن آبیاری و زهکشی ایراننشریه آبیاری و زهکشی ایران2008-794220320260823Assessment of Soil Chemical Changes Induced by Irrigation with Magnetized Wastewater under Rice Cultivation Conditionsارزیابی تغییرات شیمیایی خاک ناشی از آبیاری با پساب مغناطیسی‌شده در شرایط کشت برنج32533424312410.22034/idj.2026.578990.2677FAمجتبیخوش روشدانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.0000-0001-8635-3322مسعودپورغلام آمیجیدانشآموخته دکتری، گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.0000-0002-8691-000Xالههکنعانیدانشآموخته دکتری، گروه علوم و مهندسی آب، دانشگاه بین‌المللی امام خمینی (ره)، قزوین، ایران.سید محمدجوادمیرزاییاستادیار گروه علوم و مهندسی آب، مجتمع آموزش عالی تربت جام، خراسان رضوی، ایران.Journal Article20260416The rapid growth of the global population has placed considerable pressure on natural resources and has limited the availability of high quality water and soil for agricultural production. This situation poses serious challenges to food security and may lead to regional and global crises. In addition, the presence of heavy metals in the plant growth environment disrupts normal physiological processes and ultimately reduces plant growth. One of the proposed approaches for improving soil conditions is the use of magnetically treated water. The experiment was conducted in 2025 as a factorial arrangement in a randomized complete block design with three replications. The treatments included well water, various combinations of well water and wastewater at ratios of 25:75, 50:50, 75:25 and irrigation with 100% wastewater, under both the presence and absence of magnetic field. The effect of magnetized wastewater irrigation on soil chemical properties, including electrical conductivity (EC), pH, calcium, magnesium, and heavy metals such as lead and cadmium, was evaluated. The results of mean comparisons of soil chemical parameters indicated significant differences between magnetic and non magnetic treatments. Irrigation with magnetized water reduced electrical conductivity, calcium, magnesium, lead, and cadmium in the soil profile by 21.92%, 32.85%, 28.42%, 33.74%, and 45.69%, respectively. The findings of this study can contribute to improving agricultural production in regions facing water scarcity and provide effective strategies for the utilization of reclaimed water resources.افزایش جمعیت جهان فشار زیادی بر منابع طبیعی وارد کرده و امکان بهره‌برداری از آب و خاک باکیفیت برای کشاورزی را محدود ساخته است؛ موضوعی که پیامدهایی مانند تهدید تولید غذا و شکل‌گیری بحران‌های گسترده به دنبال دارد. وجود فلزات سنگین در محیط رویشی نیز کارکردهای طبیعی گیاه را مختل کرده و در نهایت روند رشد را کاهش می‌دهد. یکی از راهکارهای پیشنهادی بهبود وضعیت خاک، استفاده از آب دارای ویژگی‌های مغناطیسی است. آزمایش در سال 1404 به‌صورت فاکتوریل در قالب طرح بلوک کامل تصادفی با سه تکرار و تیمارهای آب چاه، ترکیب‌های مختلف آب چاه و پساب به نسبت‌های 25 به 75، 50 به 50، 75 به 25 و آبیاری با 100 درصد پساب، در شرایط حضور و عدم حضور میدان مغناطیسی اجرا شد. تأثیر پساب مغناطیسی‌شده بر ویژگی‌های شیمیایی خاک، از جمله هدایت الکتریکی، pH، مقادیر کلسیم، منیزیم و فلزات سنگین مانند سرب و کادمیوم مورد بررسی قرار گرفت. نتایج مقایسه میانگین پارامترهای شیمیایی خاک نشان داد که بین تیمارهای مغناطیسی و غیرمغناطیسی اختلاف معنی‌داری وجود دارد؛ به طوری که آبیاری با آب مغناطیسی باعث کاهش هدایت الکتریکی، کلسیم، منیزیم، سرب و کادمیوم به ترتیب به میزان 21/92، 32/85، 28/42، 33/74 و 45/69 درصد در پروفیل خاک شد. نتایج این بررسی می‌تواند به بهبود تولید در مناطق دارای محدودیت منابع آبی کمک کند و در کنار آن، رویکردهایی برای استفاده مؤثرتر از آب‌های بازیافتی فراهم سازد.https://idj.iaid.ir/article_243124_2f48ea7ccaeecf7521e133d4a0dc1849.pdfانجمن آبیاری و زهکشی ایراننشریه آبیاری و زهکشی ایران2008-794220320260823Effects of Nano- and non-nano Organic and Inorganic Soil Amendments on The Leaching Dynamics of Soluble Salts in a Loamy-Textured Saline Soilبررسی تأثیر برخی مواد اصلاح‌کننده معدنی و آلی (در مقیاس نانو و غیر نانو) بر آبشویی املاح در خاک لومی شور33534924304810.22034/idj.2026.561979.2648FAفاطمهحاجبیدانشجوی دکتری مهندسی آبخیزداری، گروه منابع طبیعی دانشکده کشاورزی و منابع طبیعی دانشگاه هرمزگان، بندرعباس، ایران.نوازالهمرادی، استادیار، گروه مهندسی منابع طبیعی، دانشکدة کشاورزی منابع طبیعی، دانشگاه هرمزگان، بندرعباس، ایران.0000-0002-6588-9440ام البنینبذرافشاناستاد، گروه مهندسی منابع طبیعی، دانشکدة کشاورزی منابع طبیعی، دانشگاه هرمزگان، بندرعباس، ایران،0000-0003-2524-3992عدنانصادقی لاریدانشیار، گروه مهندسی کشاورزی، دانشکدة کشاورزی منابع طبیعی، دانشگاه هرمزگان، بندرعباس، ایران0000-0003-1688-7155Journal Article20251129Nanotechnology holds promising potential as an innovative approach for improving the physical and hydraulic properties of saline soils. In this study, a comparative evaluation was conducted on the effects of organic and mineral soil amendments applied at both nano and conventional scales on a loamy saline soil. The experimental treatments included pomegranate peel-derived biochar and nanobiochar, nano-bentonite, zeolite, micro-silica, and nano-silica, which were applied in soil columns (10 cm diameter × 35 cm height) under a completely randomized design with three replications. Results indicated that, before leaching, the highest electrical conductivity (EC = 23.597 dS m⁻¹) and sodium concentration (4903 mg kg⁻¹) were recorded in the pomegranate peel biochar treatment. Conversely, the lowest pre-leaching EC (13.817 dS m⁻¹) was observed in the nano-silica treatment, while nano-bentonite exhibited the lowest sodium concentration (2054 mg kg⁻¹). Analysis of leachate collected after irrigation with four pore volumes of water revealed that nano-bentonite produced the lowest EC and potassium and iron concentrations, whereas nano-silica produced the lowest calcium concentration. In contrast, the pomegranate peel biochar treatment yielded the highest EC and concentrations of calcium, potassium, and iron in the leachate.<br><br>These findings demonstrate that nano-engineered amendments particularly nano-bentonite and nano-silica, exhibit significant efficacy in mitigating salinity and modulating the leaching dynamics of key ions (Na⁺, K⁺, Ca²⁺, and Fe²⁺/³⁺), thereby offering viable, sustainable strategies for the reclamation and management of saline soils.فناوری نانو به‌عنوان یک رویکرد نوین، پتانسیل بالایی در بهبود ویژگی‌های فیزیکی و هیدرولیکی خاک‌های شور دارد. در این پژوهش، اثر مقایسه‌ای مواد اصلاح‌کننده‌ی آلی و معدنی (در مقیاس نانو و میکرو) بر خاک شور با بافت لومی مورد بررسی قرار گرفت. تیمارهای آزمایشی شامل بیوچار و نانوبیوچار پوست انار، نانوبنتونیت، زئولیت، میکروسیلیس و نانوسیلیس بود که در ستون‌های خاکی (قطر 10 و ارتفاع 35 سانتی‌متر) در قالب طرح کاملاً تصادفی با سه تکرار اعمال شدند. نتایج نشان داد که بالاترین مقدار هدایت الکتریکی (EC = 23.597 میلی‌زیمنس بر سانتی‌متر) و بیشترین غلظت سدیم (4903 mg/kg) در تیمار بیوچار پوست انار و قبل از آبشویی مشاهده شد. در مقابل، کمترین EC قبل از آبشویی در تیمار نانوسیلیس (13.817 میلی‌زیمنس بر سانتی‌متر) و کمترین غلظت سدیم در تیمار نانوبنتونیت (2054 mg/kg) ثبت گردید. بر اساس آنالیز زهاب حاصل از آب‌آبی‌شدن با چهار حجم آب منفذی، کمترین میزان EC و غلظت عناصر پتاسیم و آهن به تیمار نانوبنتونیت و کمترین غلظت کلسیم به نانوسیلیس اختصاص داشت؛ در حالی که بالاترین مقادیر EC و غلظت‌های کلسیم، پتاسیم و آهن در زهاب، مربوط به تیمار بیوچار پوست انار بود. یافته‌ها نشان می‌دهد که افزودنی‌های نانوساختار، به‌ویژه نانوبنتونیت و نانوسیلیس، توانایی قابل‌توجهی در کاهش نمک‌زدایی و تعدیل غلظت یون‌های سدیم، پتاسیم، کلسیم و آهن در خاک‌های شور دارند و می‌توانند به‌عنوان گزینه‌های مؤثر در مدیریت پایدار این خاک‌ها مطرح شوند.https://idj.iaid.ir/article_243048_af9e8378716ce52053967c29122f9cfe.pdfانجمن آبیاری و زهکشی ایراننشریه آبیاری و زهکشی ایران2008-794220320260823Evaluation and Comparison of Spectral Turbidity Indices for Zarivar Lake Using Remote Sensing Techniquesارزیابی و مقایسه شاخص‌های طیفی کدورت آب دریاچه زریبار با بهره‌گیری از علم سنجشازدور35136324312610.22034/idj.2026.570973.2663FAپیمانطهماسبیدانشجوی دکتری گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی‌سینا، همدان، ایران.0009-0003-1316-2260آرمانمقدم نیادانشآموخته کارشناسی ارشد آبیاری و زهکشی، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه کردستان، کردستان، ایران.هیرشقدرشناسگروه علوم و مهندسی آب گرایش آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران.Journal Article20260106Water turbidity, as one of the most important physical indicators of water quality, plays a crucial role in ecological dynamics, light penetration, and the health of aquatic ecosystems. Zarivar Lake in Marivan, recognized as the largest natural freshwater lake in Iran, has experienced considerable water quality fluctuations in recent years due to increasing anthropogenic pressures and hydroclimatic changes. Therefore, accurate and continuous monitoring of water turbidity in this aquatic system is of great importance. The present study aimed to evaluate and compare the performance of various spectral indices for estimating water turbidity in Zarivar Lake using Sentinel-2 satellite imagery on a seasonal scale during 2019. For this purpose, four spectral indices including NDTI, TurbBow, TurbChip, and TurbLath were extracted from Sentinel-2 images after applying radiometric and geometric corrections. Field-measured turbidity data collected from 15 sampling stations were used as reference data for the calibration and validation of linear regression models. Model performance was assessed using the coefficient of determination (R²) and the root mean square error (RMSE). The results indicated that the NDTI index exhibited the highest explanatory power for turbidity variations (R² ranging from 0.76 to 0.89) and the lowest prediction error (RMSE ranging from 0.00413 to 0.00533 NTU) across all selected seasons, outperforming the other indices. Furthermore, the spatiotemporal patterns of turbidity revealed a significant increase during warm seasons, particularly in the marginal zones of the lake, and lower values during cold seasons and in the central parts of the lake. Overall, the findings demonstrate that the integration of the NDTI index with Sentinel-2 data provides a reliable, cost-effective, and efficient approach for spatiotemporal monitoring of water turbidity in shallow lakes and can serve as a robust scientific basis for sustainable management, environmental conservation, and decision-making processes concerning Zarivar Lake.کدورت آب به‌عنوان یکی از مهم‌ترین شاخص‌های فیزیکی کیفیت آب، نقش تعیین‌کننده‌ای در پویایی‌های اکولوژیکی، نفوذ نور و سلامت زیست‌بوم‌های آبی دارد. دریاچه زریبار مریوان، به‌عنوان بزرگ‌ترین دریاچه آب شیرین طبیعی ایران، در سال‌های اخیر تحت تأثیر فشارهای انسانی و تغییرات هیدروکلیماتیکی با نوسانات قابل توجه کیفی مواجه بوده است. ازاین‌رو، پایش دقیق و مستمر کدورت آب این پهنه آبی از اهمیت بالایی برخوردار است. پژوهش حاضر با هدف ارزیابی و مقایسه کارایی شاخص‌های طیفی مختلف در تخمین کدورت آب دریاچه زریبار با استفاده از تصاویر ماهواره‌ای سنتینل- 2 در مقیاس فصلی سال ۱۳۹۸ انجام گردید. بدین منظور، چهار شاخص طیفی شامل NDTI، TurbBow، TurbChip و TurbLath پس از انجام پیش‌پردازش‌های رادیومتریکی و هندسی بر روی تصاویر ماهواره‌ای استخراج شدند. داده‌های میدانی کدورت آب برداشت‌شده از ۱۵ ایستگاه نمونه‌برداری به‌عنوان داده مرجع برای توسعه و واسنجی مدل‌های رگرسیون خطی مورد استفاده قرار گرفت. ارزیابی دقت مدل‌ها با بهره‌گیری از شاخص‌های آماری ضریب تبیین (R²) و ریشه میانگین مربعات خطا (RMSE) انجام گردید. نتایج نشان داد که شاخص NDTI در تمامی فصول منتخب دارای بیشترین توان تبیین تغییرات کدورت R² (76/0 تا 89/0) و کمترین RMSE (00413/0 تا 00533/0) NUT بوده و عملکردی بهتری نسبت به سایر شاخص‌ها دیگر از خود نشان داد. همچنین الگوهای مکانی–زمانی کدورت حاکی از افزایش معنادار کدورت در فصول گرم سال، به‌ویژه در نواحی حاشیه‌ای دریاچه، و کاهش آن در فصول سرد و بخش‌های مرکزی بود. در مجموع، نتایج این پژوهش نشان می‌دهد که ترکیب شاخص NDTI با داده‌های سنتینل- 2 ابزاری کارآمد، کم‌هزینه و قابل اتکا برای پایش مکانی–زمانی کدورت آب در دریاچه‌های کم‌عمق فراهم می‌آورد و می‌تواند به‌عنوان پشتوانه‌ای علمی در مدیریت پایدار، حفاظت زیست‌محیطی و تصمیم‌گیری‌های کلان در خصوص دریاچه زریبار مورد استفاده قرار گیرد.https://idj.iaid.ir/article_243126_a2320b7535a99ac8cec5653f8efc155c.pdfانجمن آبیاری و زهکشی ایراننشریه آبیاری و زهکشی ایران2008-794220320260823The effect of irrigation duration and interval on morphological traits and nutrient distribution of lettuce (Lactuca sativa) in a vertical farming system under diverse nutritional treatmentsبررسی اثر مدت زمان و فواصل آبیاری بر صفات مورفولوژیک و توزیع عناصر غذایی کاهو (Lactuca sativa) در سیستم کشت عمودی تحت تیمارهای تغذیه‌ای متنوع36538024321810.22034/idj.2026.553397.2634FAمهدیحسین زادهدانشجوی گروه علوم و مهندسی آب دانشگاه فردوسی مشهدسیده النازعلویه ثانیدانش آموخته کارشناسی، گروه زراعت و اصلاح نباتات ،دانشکده کشاورزی ، دانشگاه فردوسی ، شهرمشهد، ایرانجوادشباهنگاستاد بازنشستهگروه اگروتکنولوژی، دانشکده کشاورزی ، دانشگاه فردوسی ، شهرمشهد، ایرانJournal Article20251014Vertical farming, as a new agricultural method, allows for the production of quality products in limited spaces and with less resource consumption. The aim of this study was to investigate the effect of irrigation duration and intervals along with different nutritional treatments on morphological traits and nutrient distribution of lettuce in a vertical cropping system. The experiment was conducted as a factorial with three replications and three levels for each factor (short irrigation with short intervals, medium and long irrigation with long intervals; and high nitrogen, high potash and full balance solutions) in PVC pipe structures. The results showed that the long irrigation treatment with long intervals and complete equilibrium solution achieved the highest plant height (20.2 cm), fresh weight (508 g), dry weight (50.3 g), and root length (18.1 cm), which was significantly higher than the other treatments. Also, the nitrogen content in this treatment was 8 to 10 percent higher. This combination improved growth, increased nutrient uptake, and improved lettuce quality in vertical cultivation. Therefore, the combination of long irrigation intervals with a complete balance solution helps improve growth and nutrient uptake and is recommended as the optimal method for vertical cultivation of lettuce in controlled environments.کشت عمودی به عنوان روشی نوین کشاورزی، امکان تولید محصولات با کیفیت در فضاهای محدود و با مصرف کمتر منابع را فراهم می‌کند. هدف این تحقیق بررسی تأثیر مدت زمان و فواصل آبیاری همراه با تیمارهای تغذیه‌ای مختلف بر صفات مورفولوژیکی و توزیع عناصر غذایی کاهو در سیستم کشت عمودی بود. آزمایش به صورت فاکتوریل با سه تکرار و سه سطح برای هر عامل (آبیاری کوتاه با فواصل کم، متوسط و طولانی با فواصل زیاد؛ و محلول‌های نیتروژن بالا، پتاس بالا و تعادل کامل) در ساختارهای لوله‌ای PVC انجام شد. نتایج نشان داد که تیمار آبیاری طولانی با فواصل زیاد و محلول تعادل کامل بیشترین ارتفاع بوته (2/20 سانتی‌متر)، وزن تر (508 گرم)، وزن خشک (3/50 گرم) و طول ریشه (1/18 سانتی‌متر) را به دست آورد که نسبت به دیگر تیمارها افزایش قابل توجهی داشت. همچنین میزان نیتروژن در این تیمار 8 تا 10 درصد بیشتر بود. این ترکیب موجب بهبود رشد، افزایش جذب عناصر غذایی و ارتقای کیفیت کاهو در کشت عمودی شد. بنابراین، ترکیب آبیاری طولانی با فواصل زیاد و محلول تعادل کامل به بهبود رشد و جذب عناصر غذایی کمک کرده و به‌عنوان روش بهینه برای کشت عمودی کاهو در محیط‌های کنترل‌شده پیشنهاد می‌شود.https://idj.iaid.ir/article_243218_f523b6768adb114b3d01b28c7242464c.pdfانجمن آبیاری و زهکشی ایراننشریه آبیاری و زهکشی ایران2008-794220320260823Development of a Flood Modeling Toolbox Based on Dual Hybrid Artificial Intelligence Metamodels: A Case Study of the Karaj Watershedتوسعه جعبه ابزار مدلسازی سیلاب با استفاده از فرامدل‌های هیبریدی دوگانه هوش مصنوعی (مطالعه موردی: حوزه آبخیزکرج)38139524329410.22034/idj.2026.579909.2680FAسبحانحسین نژاد سلیمیگروه احیا مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایرانمحمدانصاری قوجقاراستادیار، گروه مهندسی احیا مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.0000-0003-0485-5551آرشملکیاناستاد، گروه احیا مناطق خشک . کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران0000-0001-8174-6784مهرنوشقدیمیدانشیار، گروه جغرافیا، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران0000-0002-3700-9506Journal Article20260429The present research، aimed at developing a comprehensive flood modeling toolkit based on hybrid dual-AI frameworks، evaluated six models، including two individual models (FCMR and GRNN) and four hybrid dual models (FCMR-NARX، FCMR-ACOR، GRNN-NARX، and GRNN-ACOR) at five hydrometric stations in the Kraj watershed (Gachsar، Sira-kalvan، Sira-karaj، Neshatarud، and Morud) over a 30-year period from the beginning of the water year 1990 to the end of the water year 2018. The results، based on statistical criteria (R، NSE، RMSE، MAE)، indicated that hybrid models based on FCMR (particularly FCMR-NARX and FCMR-ACOR) have the highest accuracy. However، statistical tests did not show a significant difference in accuracy between these models and the individual GRNN model. On the other hand، hybridizing the GRNN model with NARX and ACOR catalysts due to structural incompatibilities reduced its accuracy. Considering the computational complexity، long training time، and higher implementation costs of hybrid models، the individual GRNN model is proposed as an optimized option with economic and operational justification for use in flood warning systems and water resource management in similar watersheds. This study emphasizes the necessity of coordination between the base model structure and the hybridization method to achieve effective performance improvement.پژوهش حاضر، باهدف توسعه یک جعبه‌ابزار جامع مدلسازی سیلاب مبتنی بر فرامدل‌های هیبریدی دوگانه هوش مصنوعی، شش مدل شامل دو مدل انفرادی (FCMR و GRNN) و چهار مدل هیبریدی دوگانه (FCMR-NARX، FCMR-ACOR، GRNN-NARX و GRNN-ACOR) در پنج ایستگاه هیدرومتری حوزه آبخیز کرج (گچسر، سیرا کلوان، سیرا کرج، نشتارود و مورود) طی دوره‌ای ۳۰ساله، از ابتدای سال آبی ۱۳۶۹ تا پایان سال آبی ۱۳۹۷ مورد ارزیابی قرار گرفتند. نتایج مبتنی بر معیارهای آماری (R، NSE، RMSE، MAE) نشان داد که مدل‌های هیبریدی مبتنی بر FCMR (به‌ویژه FCMR-NARX و FCMR-ACOR) از بالاترین دقت برخوردارند. بااین‌حال، آزمون‌های آماری تفاوت معناداری بین دقت این مدل‌ها و مدل انفرادی GRNN نشان نداد. ازسوی‌دیگر، هیبریدسازی مدل GRNN با کاتالیزورهای NARX و ACOR به دلیل ناسازگاری ساختاری، موجب کاهش دقت آن شد. باتوجه‌به پیچیدگی محاسباتی، زمان آموزش طولانی و هزینه‌های اجرایی بالاتر مدل‌های هیبریدی، مدل انفرادی GRNN به‌عنوان گزینه‌ای بهینه با توجیه اقتصادی و عملیاتی برای کاربرد در سامانه‌های هشدار سیل و مدیریت منابع آب در حوزه‌های مشابه پیشنهاد می‌شود. این مطالعه بر ضرورت هماهنگی بین ساختار مدل پایه و روش هیبریدسازی برای دستیابی به بهبود مؤثر عملکرد تأکید می‌کند.https://idj.iaid.ir/article_243294_a633c8730425e8dde587c13aecb8f65b.pdfانجمن آبیاری و زهکشی ایراننشریه آبیاری و زهکشی ایران2008-794220320260823Comparison of LS-SVR, ANFIS, MLP, and RBF Model Performance in Groundwater Level Modeling (Case Study: Central Part of Mashhad Plain)مقایسه عملکرد مدل‌های LS-SVR ،ANFIS ،MLP و RBF در مدلسازی سطح آب زیرزمینی (مطالعه موردی بخش مرکزی دشت مشهد)39741024361110.22034/idj.2026.546388.2628FAامه هانیموسوی خالدیگروه آموزشی اقتصادکشاورزی، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهدعلیفیروززارعگروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهدآرشدوراندیشگروه آموزش اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه تهران، کرجفرشتهمدرسیگروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد0000-0001-7033-5402Journal Article20250911The decline in groundwater levels in Mashhad Plain, primarily driven by anthropogenic factors, presents a significant challenge to sustainable water resource management. The heavy reliance on these resources necessitates accurate prediction of changes for effective managerial decision-making. This study employs machine learning methods to simulate and predict groundwater level variations in the central part of the plain. Initially, key input variables and optimal time lags were identified using the Partial Autocorrelation Function (PACF) and Frequency Lasso Regression (FLR). Subsequently, the performance of Least Squares Support Vector Regression (LS-SVR), Adaptive Neuro-Fuzzy Inference System (ANFIS), Multi-Layer Perceptron Neural Network (MLP), and Radial Basis Function Neural Network (RBF) was evaluated for monthly prediction of groundwater level fluctuations over 30 years (1991-2021). Results demonstrated that all four models simulate groundwater levels with acceptable accuracy. The RBF model exhibited superior performance with R², MSE, NSE, and RMSE values of 1.00, 0.00, 1.00, and 0.009, respectively. The findings affirm the high potential of data-driven models in simulating hydrological processes and can serve as a foundation for developing intelligent tools for groundwater resource management in Mashhad Plain and similar regions, including resource allocation and warning system design.افت سطح آب زیرزمینی در دشت مشهد، عمدتاً ناشی از عوامل انسانی، چالشی جدی در مدیریت پایدار منابع آب ایجاد کرده است. وابستگی شدید به این منابع، پیش‌بینی دقیق تغییرات را برای تصمیم‌گیری‌های مدیریتی ضروری می‌سازد. این پژوهش با بهره‌گیری از روش‌های یادگیری ماشین، تغییرات سطح آب در بخش مرکزی دشت را شبیه‌سازی و پیش‌بینی می‌کند. در این پژوهش ابتدا با استفاده از تابع خودهمبستگی جزئی(PACF) و رگرسیون لاسو فراوانی‌گرا (Frequentist Lasso Regression) متغیرهای ورودی مهم و وقفه‌های زمانی بهینه شناسایی شدند. سپس، عملکرد مدل‌های حداقل مربعات میانگین رگرسیون بردار پشتیبان (LS-SVR)، استنتاج عصبی-فازی تطبیقی (ANFIS)، شبکه عصبی پرسپترون چندلایه (MLP) و شبکه عصبی تابع پایه شعاعی (RBF) در پیش‌بینی ماهانه نوسانات سطح آب زیرزمینی طی ۳۰ سال (۱۳۷۰-۱۴۰۰) ارزیابی گردید. نتایج نشان داد که هر چهار مدل با دقت قابل قبول سطح آب زیرزمینی را شبیه‌سازی می‌کنند. مدل RBF با "R" ^"2" ، MSE، NSE و RMSE به ترتیب 00/1، 00/0، 00/1 و 009/0 عملکرد برتری نسبت به سایر مدل‌ها دارد. یافته‌های این پژوهش پتانسیل بالای مدل‌های داده‌محور در شبیه‌سازی فرآیندهای هیدرولوژیکی را تأیید کرد و می‌تواند مبنای توسعه ابزارهای هوشمند برای مدیریت منابع آب زیرزمینی در دشت مشهد و مناطق مشابه، از جمله تخصیص منابع و طراحی سامانه‌های هشداردهنده، باشد.https://idj.iaid.ir/article_243611_8da65a87925f38b1261efe6900130a36.pdfانجمن آبیاری و زهکشی ایراننشریه آبیاری و زهکشی ایران2008-794220320260823Prediction of Scour Depth and Length Around Buried Pipelines Using Machine Learning Methodsپیش‌بینی عمق و طول آبشستگی اطراف خطوط لوله مدفون با استفاده از روش‌های یادگیری ماشین41143024372810.22034/idj.2026.575752.2671FAتوحیدامیدپور علویاندانشجوی دکترا، مهندسی عمران -آب و سازه‌های هیدرولیکی-دانشگاه مراغه، مراغه، ایران.0000-0003-3130-7876مهدیماجدی اصلدانشیار گروه مهندسی عمران-دانشگاه مراغه0000-0002-9998-8017میثمقلی نژادشام اسبیدانشجوی کارشناسی ارشد، مهندسی عمران -آب و سازه‌های هیدرولیکی-دانشگاه مراغه، مراغه، ایران.0009-0009-4709-0991مهدیکوهدرقگروه عمران. واحد ملکان. دانشگاه آزاد اسلامی. ملکان. ایرانJournal Article20260217Local scour around buried pipelines in riverbeds is one of the major factors contributing to bed instability and the vulnerability of fluid‑transport infrastructure. Incorrect estimation of scour geometry can lead to significant technical, economic, and environmental damages. Therefore, the development of reliable methods for predicting scour hole geometry plays an important role in the safe and economical design of such structures. Recent studies have shown that machine learning techniques and artificial intelligence algorithms have attracted considerable attention as effective tools for analyzing and predicting complex hydraulic phenomena. In this study, the performance of three machine learning approaches, namely Artificial Neural Networks (ANN), Support Vector Machines (SVM), and the k‑Nearest Neighbors (KNN) algorithm, was evaluated for predicting the geometry of local scour holes, including maximum scour depth and maximum scour length, around buried pipelines in the presence of an impermeable plate. The analysis was conducted using 64 sets of laboratory experimental data. The hydraulic and geometric input parameters included the flow Froude number, the ratio of initial burial depth of the pipeline to channel width (e/B), and the ratio of pipeline diameter to channel width (D/B). The results indicated that the ANN model achieved more accurate and stable predictions than the other methods, with coefficients of determination greater than 0.96 for predicting both scour depth and scour length, while the SVM and KNN models showed comparatively lower accuracy. Sensitivity analysis also revealed that the ratio of initial burial depth to channel width (e/B) is the most influential parameter affecting local scour geometry. Overall, the findings demonstrate that machine learning approaches, particularly artificial neural networks, can serve as effective tools for predicting scour and improving the design and safety of buried pipelines in riverbeds.آبشستگی موضعی پیرامون خطوط لوله مدفون در بستر رودخانه‌ها یکی از عوامل مهم ناپایداری بستر و آسیب‌پذیری زیرساخت‌های انتقال سیال به شمار می‌رود که در صورت برآورد نادرست می‌تواند منجر به خسارات فنی، اقتصادی و زیست‌محیطی قابل توجه شود. ازاین‌رو، توسعه روش‌های دقیق برای پیش‌بینی هندسه چاله آبشستگی نقش مهمی در طراحی ایمن و اقتصادی این سازه‌ها دارد. پژوهش‌های اخیر نشان داده‌اند که روش‌های یادگیری ماشین و الگوریتم‌های هوش مصنوعی به عنوان ابزارهای کارآمد برای تحلیل و پیش‌بینی پدیده‌های پیچیده هیدرولیکی مورد توجه قرار گرفته‌اند. در این پژوهش، عملکرد سه روش یادگیری ماشین شامل شبکه عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM) و الگوریتم k-نزدیک‌ترین همسایه (KNN) در پیش‌بینی هندسه چاله آبشستگی موضعی شامل عمق حداکثر و طول حداکثر در حضور تیغه غیرقابل نفوذ بررسی شد. تحلیل‌ها بر پایه ۶۴ سری داده آزمایشگاهی انجام گرفت. پارامترهای هیدرولیکی و هندسی مورد استفاده شامل عدد فرود جریان، نسبت دفن اولیه لوله به عرض کانال و نسبت قطر لوله به عرض کانال بود. نتایج نشان داد که مدل شبکه عصبی مصنوعی با ضریب تعیین بیش از 96/0 در پیش‌بینی عمق و طول چاله آبشستگی، عملکرد دقیق‌تر و پایدارتری نسبت به دو روش دیگر ارائه می‌دهد، در حالی که مدل‌های SVM و KNN دقت کمتری نشان دادند. همچنین نتایج تحلیل حساسیت مشخص کرد که نسبت دفن اولیه لوله به عرض کانال مهم‌ترین پارامتر مؤثر در تعیین هندسه آبشستگی موضعی است. در مجموع، نتایج این پژوهش نشان می‌دهد که روش‌های یادگیری ماشین، به‌ویژه شبکه عصبی مصنوعی، می‌توانند به عنوان ابزاری مؤثر برای پیش‌بینی آبشستگی و بهبود طراحی و ایمنی خطوط لوله مدفون در بستر رودخانه‌ها مورد استفاده قرار گیرند.https://idj.iaid.ir/article_243728_78cdb714fcc334eb64f6e82bfb4dbf21.pdfانجمن آبیاری و زهکشی ایراننشریه آبیاری و زهکشی ایران2008-794220320260823Intelligent Monitoring of Rainfed and Irrigated Wheat Cultivation in the Marun–Jarahi Basin Using Sentinel Data and the Random Forest Modelپایش هوشمند کشت گندم دیم و آبی در حوضه مارون-جراحی با استفاده از داده‌های سنتینل و مدل جنگل تصادفی43144724389910.22034/idj.2026.577267.2673FAمسعودسلطانیگروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران0000-0001-6762-457Xبهارهبهمن آبادیگروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران0000-0003-2350-0684علیمختاراناستادیار پژوهشی موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران0000-0001-8324-8666Journal Article20260222Wheat is one of the most strategic crops for food security and occupies a large proportion of agricultural lands in Iran. However, climate change, increasing water scarcity, and the limitations of traditional field-based statistics have made accurate monitoring of wheat cultivated areas a challenging task. In this study, an integrated framework based on multi-source remote sensing data and a machine learning approach was developed to identify rainfed and irrigated wheat fields and to estimate their cultivated area in the Maroon watershed in southwest Iran. A set of spectral, radar, and thermal features representing the biophysical, structural, and water-related characteristics of wheat was extracted and used as input variables for the model. The Random Forest algorithm was selected due to its robustness against overfitting and its ability to handle heterogeneous and non-linear data. Model performance was evaluated using a confusion matrix, overall accuracy, and the kappa coefficient. The results demonstrated a high classification performance, with an overall accuracy of approximately 97% and a kappa coefficient of about 0.96 for the test dataset. In addition, the estimated wheat cultivated area showed a low bias of around 3%, indicating a high level of reliability in distinguishing between rainfed and irrigated wheat fields.گندم به‌عنوان یکی از محصولات راهبردی در تأمین امنیت غذایی، سهم قابل‌توجهی از اراضی کشاورزی ایران را به خود اختصاص داده است، اما تغییرات اقلیمی، محدودیت منابع آب و ناکارآمدی روش‌های سنتی آماربرداری، پایش دقیق سطح زیرکشت این محصول را با چالش مواجه ساخته است. در این پژوهش، چارچوبی تلفیقی مبتنی بر داده‌های چندمنبعی سنجش از دور و الگوریتم یادگیری ماشین جنگل تصادفی به‌منظور شناسایی و تفکیک مزارع گندم دیم و آبی و برآورد سطح زیرکشت آن‌ها در حوضه آبخیز مارون ارائه شد. مجموعه‌ای از شاخص‌های طیفی، راداری و حرارتی برای بازنمایی ویژگی‌های بیوفیزیکی، ساختاری و آبی گیاه استخراج و به‌عنوان ورودی مدل به کار گرفته شد. الگوریتم جنگل تصادفی به دلیل پایداری در برابر بیش‌برازش و توانایی پردازش داده‌های ناهمگون برای طبقه‌بندی انتخاب شد و صحت نتایج با استفاده از ماتریس درهم‌ریختگی، دقت کلی و ضریب کاپا ارزیابی گردید. نتایج نشان داد که مدل پیشنهادی عملکرد بسیار مطلوبی در شناسایی مزارع گندم دارد؛ به‌طوری‌که دقت کلی و ضریب کاپا برای داده‌های آزمون به‌ترتیب حدود 97 و 96 درصد به‌دست آمد. همچنین، برآورد سطح زیرکشت گندم با بایاس اندک حدود 3 درصد انجام شد که نشان‌دهنده دقت بالای روش است.https://idj.iaid.ir/article_243899_aa1d9d2c135e5755c5fa02f9dea8c927.pdfانجمن آبیاری و زهکشی ایراننشریه آبیاری و زهکشی ایران2008-794220320260823Laboratory investigation of a combined gap and collar model in local scour around bridge piersبررسی آزمایشگاهی مدل ترکیبی شکاف و طوق در آبشستگی موضعی اطراف پایه پل44947124396710.22034/idj.2026.565773.2651FAرضاارشادی فارسانیگروه عمران دانشکده فنی مهندسی دانشگاه آزاد اسلامی واحد نجف آبادموسیرسائیگروه مهندسی عمران، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایراناحساندلاوریگروه مهندسی عمران، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایرانJournal Article20251221One of the factors that cause the destruction of bridge piers is the erosion of the foundation. As this phenomenon spreads, the scour created around the pier will weaken the foundation and threaten the destruction of the entire structure. In this research, a combination of slot and crack methods is used to control this phenomenon. Using slots is one of the new methods in controlling local scour. The evaluation was conducted in a laboratory around the bridge pier in clear water conditions for 4 hours for each test. First, the pier without a gap and collar (control sample), then the combined method with a gap and collar in different positions were examined and compared. In the combined method of integrating the collar in 2 positions: low (on the bed level) and middle (distance between the bed and the water surface), the gap with an opening rate D of 25% (25% of the base diameter), i.e. with a width of 1 cm of the base diameter and a length of 2 cm, was placed in 3 positions: high (1 cm gap above the water surface), middle and low (1 cm gap below the sedimentary bed). The tests were conducted at two flow rates of 11.5 and 23 liters per second. The combined models were compared in different modes with the control sample (without collar and gap). The results showed that the presence of gap and collar has a better performance in reducing scour than the control sample. Also, in the case of low collar and gap, the scour rate was reduced by 62.5 percent and showed the highest performance in scour control.یکی از عوامل تخریب پایه‌های پل ایجاد فرسایش در فونداسیون می‌باشد. با گسترش این پدیده آبشستگی ایجاد شده در اطراف پایه سبب تضعیف فونداسیون و تهدیدی برای تخریب کل سازه خواهد شد. لذا در این پژوهش برای کنترل این پدیده از روش‌های ترکیبی شکاف و طوق استفاده می‌شود. استفاده از شکاف یکی از روش‌های نوین در کنترل آبشستگی موضعی می‌باشد. ارزیابی به صورت آزمایشگاهی در اطراف پایه پل در شرایط آب زلال برای هر آزمایش به مدت 4 ساعت صورت گرفت. ابتدا پایه بدون شکاف و طوق (نمونه شاهد)، سپس به روش ترکیبی همراه با شکاف و طوق در موقعیت‌های مختلف بررسی و مقایسه شدند. در روش ترکیبی از ادغام طوق در 2 حالت پایین (روی تراز بستر) و وسط (فاصله بین بستر تا سطح آب)، همچنین شکاف با میزان بازشدگیD 25% (25 درصد قطر پایه) یعنی با عرض 1 سانتی‌متر از قطر پایه و طول 2 سانتی‌متر در 3 حالت بالا (1 سانتی‌متر شکاف بالای سطح آب)، وسط و پایین (1 سانتی‌متر شکاف زیر بستر رسوبی) قرار داده شد. آزمایش‌ها در دو دبی 11.5 و 23 لیتر بر ثانیه انجام شدند. مدل‌های ترکیبی در حالت‌های مختلف با نمونه شاهد (بدون طوق و شکاف)، مقایسه شدند. نتایج نشان داد که وجود شکاف و طوق عملکرد بهتری در کاهش آبشستگی نسبت به نمونه شاهد دارد. همچنین در حالت طوق و شکاف پایین باشد میزان آبشستگی 62.5 درصد کاهش داشته و بیشترین عملکرد را در کنترل آبشستگی نشان داد.https://idj.iaid.ir/article_243967_9e8647c8d933c4d9eed84b3f98ae3e8d.pdfانجمن آبیاری و زهکشی ایراننشریه آبیاری و زهکشی ایران2008-794220320260823Investigation of Biochar as an Adsorbent for Cadmium Removal from Aqueous Solutionبررسی جاذب بیوچار جهت حذف یون کادمیوم از محلول آبی47348524396810.22034/idj.2026.579942.2681FAزینبایزدیدانشجوی کارشناسی ارشد مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه اردکان، ایرانفاطمهآبیاردانشیار گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه اردکان، ایران0000-0003-0915-1529سمیهسلطانی گرد فرامرزیدانشیار گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه اردکان، ایران0000-0002-7806-2602Journal Article20260502The contamination of water resources by heavy metals, particularly cadmium, represents a severe environmental crisis due to its high toxicity and biopersistence. This research evaluates the performance of an eco-friendly biochar adsorbent for optimal cadmium ion removal from aqueous solutions. The structural and morphological characteristics of the biochar surface were investigated using Brunauer-Emmett-Teller (BET) analysis, Scanning Electron Microscopy (SEM), Energy Dispersive X-ray Spectroscopy (EDS), Fourier Transform Infrared Spectroscopy (FT-IR), and X-ray Diffraction (XRD). Batch adsorption experiments were conducted at cadmium concentrations ranging from 50 to 200 mg/L with varying adsorbent doses (0.01 to 0.5 g). Residual cadmium concentrations were determined using Atomic Absorption Spectroscopy (AAS). The biochar adsorbent demonstrated excellent performance at both investigated doses, achieving removal efficiencies exceeding 98%. Adsorption isotherm and kinetic studies revealed that the experimental data best fit the Langmuir isotherm and pseudo-second-order kinetic models, indicating that cadmium adsorption occurs as a monolayer on a homogeneous surface through chemisorption via interaction with surface functional groups. Thermodynamic analysis at 298 K yielded negative standard Gibbs free energy values (ΔG° = −30 to −30.46 kJ/mol), demonstrating the spontaneous nature and high feasibility of the cadmium adsorption process. Given its superior efficiency and economic viability, biochar is proposed as an effective option for treating heavy metal-contaminated wastewater.آلودگی منابع آبی به فلزات سنگین، به‌ویژه کادمیوم به دلیل سمیت بالا و پایداری زیستی، یکی از بحران‌های جدی محیط‌زیستی محسوب می‌شود. هدف از این پژوهش، ارزیابی عملکرد جاذب سازگار با محیط‌زیست بیوچار، جهت حذف بهینه یون‌های کادمیوم از محلول‌های آبی است. در این راستا، ویژگی‌های ساختاری و مورفولوژیکی سطح جاذب بیوچار با بهره‌گیری از آنالیزهای سطح‌سنجی (BET)، میکروسکوپ الکترونی روبشی (SEM)، طیف‌سنجی پراش انرژی پرتو ایکس (EDS)، طیف‌سنجی مادون‌قرمز تبدیل فوریه (FT-IR) و پراش پرتو ایکس (XRD) مورد بررسی قرار گرفت. آزمایش‌های جذب ناپیوسته در طیف غلظتی ۵۰ تا ۲۰۰ میلی‌گرم بر لیتر و با دوزهای متغیر جاذب (۰۱/۰ و ۵/۰ گرم) انجام گردید و غلظت کادمیوم باقیمانده با استفاده از آنالیز جذب اتمی تعیین شد. یافته‌های تجربی نشان داد که جاذب بیوچار در هر دو دوز مورد بررسی، عملکردی بسیار مطلوب داشته و توانست بازده حذف بیش از ۹۸ درصد را ثبت نماید. بررسی‌های ایزوترم و سینتیک جذب مشخص کرد که داده‌های تجربی بیشترین همخوانی را با مدل ایزوترم لانگمویر و مدل سینتیکی شبه‌مرتبه دوم دارند. این نتایج تأیید می‌کند که فرایند جذب کادمیوم روی بیوچار به‌صورت تک‌لایه بر روی سطحی همگن رخ‌داده و سازوکار غالب، شیمی جذب از طریق تعامل کادمیوم با گروه‌های عاملی سطحی است. بررسی ترمودینامیکی در دمای K298 با مقادیر منفی انرژی آزاد گیبس ΔG^∘ بین ۴۶/۳۰- تا Kj/mol 30-، نشان‌دهنده ماهیت کاملاً خودبه‌خودی و امکان‌پذیری بالای فرایند جذب کادمیوم توسط بیوچار بود. باتوجه‌به کارایی مطلوب و توجیه اقتصادی، بیوچار به‌عنوان گزینه‌ای کارآمد برای تصفیه پساب‌های آلوده به فلزات سنگین پیشنهاد می‌شود.https://idj.iaid.ir/article_243968_c95965f759a5987421d74eac96f05770.pdfانجمن آبیاری و زهکشی ایراننشریه آبیاری و زهکشی ایران2008-794220320260823Effects of Water Stress and Shade Net on Water Productivity, Seed Quality and Yield of Soybean in Humid Regionتأثیر تنش آبی و پوشش‌های توری بر بهره‌وری آب، کیفیت دانه و عملکرد سویا در منطقه مرطوب48749924408910.22034/idj.2026.570848.2662FAسعیدشیوخیاستادیار گروه هواشناسی کشاورزی، گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.0000-0001-9434-2885سحرباطبیدانشآموخته کارشناسی ارشد تولیدات محصولات گلخانه ای، گروه باغبانی، دانشکده علوم زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری،بهارهشامگانی مشهدیدانشجوی دکتری هواشناسی کشاورزی، گروه مهندسی آب، دانشکده مهندسی کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.ساویزباطبیدانشآموخته کارشناسی ارشد تولیدات محصولات گلخانه ای، گروه باغبانی، دانشکده علوم زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری،Journal Article20260105Optimized irrigation management is crucial even in humid regions due to rainfall variability and uneven distribution during the growing season, which may cause transient water stress. In this study, A factorial experiment in a randomized complete block design with three replications was conducted at the growth season 2024-2025. Treatments included three water stress levels: no-water stress (NWS), irrigation withheld at flowering (WSF), and irrigation withheld at pod-filling (WSP), and four shade net levels (0%, 30%, 50%, and 80%). Results showed that WSF and WSP reduced seed yield by approximately 12% and 27%, respectively, compared to NWS. The 30% shade net increased seed yield by about 14% and improved water productivity compared to 50%, 80%, and no shade treatments. Water stress at pod-filling (WSP) increased oleic acid and decreased linoleic and particularly linolenic acids by up to 28%. Dense shading (80%) reduced biomass by about 27% and negatively affected some quality traits. Overall, the findings indicate that combining appropriate irrigation management with mild shading (30%) can be an effective strategy to enhance yield, improve water productivity, and maintain soybean seed quality in humid regions.مدیریت بهینه آب آبیاری حتی در مناطق مرطوب، به‌دلیل نوسانات و توزیع نامناسب بارندگی در طول فصل رشد و بروز تنش‌های موقتی آبی، اهمیت ویژه‌ای دارد. در این پژوهش، آزمایش به‌صورت فاکتوریل در قالب طرح بلوک‌های کامل تصادفی با سه تکرار در سال زراعی 1403-1404 اجرا شد. تیمارها شامل سه سطح تنش آبی (بدون تنش (NWS)، قطع آبیاری در مرحله گلدهی (WSF) و مرحله پر شدن غلاف (WSP) و چهار سطح پوشش توری (0، 30%، 50% و 80%) بودند. نتایج نشان داد که تیمارهای WSF و WSP به‌ترتیب موجب کاهش حدود ۱۲ و ۲۷ درصدی عملکرد دانه نسبت به تیمار NWS شد. استفاده از تیمار پوشش توری 30% عملکرد دانه را حدود ۱۴ درصد افزایش داد و بهره‌وری آب را در مقایسه با تیمارهای پوشش توری 50%، 80% و شاهد بهبود بخشید. تنش آبی در تیمار WSP باعث افزایش اولئیک اسید و کاهش لینولئیک و بویژه لینولنیک اسید تا حدود ۲۸ درصد شد. تیمار پوشش توری 80% عملکرد زیست‌توده را حدود ۲۷ درصد کاهش داد و باعث افت برخی شاخص‌های کیفی دانه شد. در مجموع، نتایج نشان داد که تلفیق مدیریت مناسب آبیاری با تیمار پوشش توری 30% می‌تواند راهکاری مؤثر برای افزایش عملکرد، بهبود بهره‌وری آب و حفظ کیفیت دانه سویا در مناطق مرطوب باشد.https://idj.iaid.ir/article_244089_a7c216921a94b4c6f3fe8af381b10cc7.pdfانجمن آبیاری و زهکشی ایراننشریه آبیاری و زهکشی ایران2008-794220320260823Spatial Modeling of Soil Erosion and Sediment Deposition in the Shalmanrud Watershed Using RUSLE and WaTEM/SEDEMبرآورد و پهنه‌بندی مکانی فرسایش و رسوب‌گذاری خاک در حوضه آبریز شلمان‌رود با استفاده از مدل‌های RUSLE و WATEM/SEDEM و سامانه گوگل ارث انجین50151824441410.22034/idj.2026.568951.2655FAسید اسماعیلمیرعبدالهی حسناتیدانشجوی دکتری، گروه علوم مهندسی آب، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایرانابراهیمامیریگروه مهندسی آب، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان0000-0002-5057-6759علیهوشمند آیینیاستادیار گروه عمران، واحد رودبار، دانشگاه آزاد اسلامی، گیلان، ایرانمجیدعاشوریگروه کشاورزی، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران.Journal Article20251227This study aims to assess the spatial patterns of soil erosion and sediment dynamics in the Shalmanrud watershed, eastern Gilan Province, Iran, using an integrated modeling framework combining the RUSLE and WaTEM/SEDEM models within the Google Earth Engine (GEE) platform. Rainfall erosivity (R) was estimated from 20 years of monthly precipitation records using the Modified Fournier Index, while soil erodibility (K) was derived from soil texture and organic matter content based on the Wischmeier equation. The topographic factor (LS) was calculated from a 30-m resolution digital elevation model using the Desmet and Govers algorithm, and the cover-management factor (C) was obtained from NDVI values derived from Landsat 8 imagery. Owing to the absence of effective soil conservation measures, the support practice factor (P) was assumed to be unity across the watershed. The spatially distributed RUSLE outputs were subsequently used as inputs to the WaTEM/SEDEM model to simulate sediment production, transport, and deposition processes. Results indicate that annual soil erosion rates range from near zero to approximately 44.15 t ha⁻¹ yr⁻¹, with nearly 72% of the watershed classified as very low erosion (<5 t ha⁻¹ yr⁻¹). WaTEM/SEDEM simulations estimate total annual sediment production at about 73,829 t yr⁻¹ (≈1.46 t ha⁻¹ yr⁻¹), whereas internal sediment deposition reaches approximately 603,840 t yr⁻¹. These findings suggest that the Shalmanrud watershed predominantly functions as a sediment sink rather than a sediment-exporting system.در این پژوهش، با هدف برآورد توزیع مکانی فرسایش سطحی و رسوب در حوضه آبریز شلمان‌رود در شرق استان گیلان، از ترکیب مدل تجربی RUSLE، مدل نیمه‌توزیعی WATEM/SEDEM و قابلیت‌های پردازشی سامانه Google Earth Engine (GEE) استفاده شد. برای محاسبه عامل فرسایندگی بارش (R)، داده‌های بارش ماهانه ایستگاه‌های مجاور حوضه در دوره ۲۰ ساله و شاخص فورنیه اصلاح‌شده به‌کار گرفته شد؛ عامل فرسایش‌پذیری خاک (K) بر اساس بافت و ماده آلی خاک و معادله تجربی Wischmeier برآورد گردید و عامل طول و شیب دامنه (LS) با استفاده از مدل ارتفاعی رقومی با تفکیک ۳۰ متر و الگوریتم Desmet & Govers محاسبه شد. عامل پوشش و مدیریت کاربری زمین (C) از شاخص NDVI استخراج‌شده از تصاویر Landsat 8 در محیط GEE و با در نظر گرفتن نبود اقدامات حفاظتی مؤثر، مقدار عامل مدیریتی (P) برای کل حوضه برابر ۱ فرض شد. با هم‌پوشانی این عوامل در چارچوب RUSLE، نقشه سالانه فرسایش سطحی تولید و به‌عنوان ورودی مدل WATEM/SEDEM برای شبیه‌سازی زنجیره تولید، انتقال و رسوب‌گذاری رسوب در سطح حوضه استفاده گردید. نتایج RUSLE نشان داد که مقدار فرسایش سالانه در حوضه شلمان‌رود از مقادیر بسیار نزدیک به صفر تا حدود ۴۴/۱۵ تن در هکتار در سال متغیر است و در عین حال، حدود ۷۲ درصد مساحت حوضه در کلاس «خیلی کم» (۰–۵ تن در هکتار در سال) و کمتر از یک درصد در کلاس «خیلی زیاد» قرار دارد. مدل WATEM/SEDEM نشان داد که کل تولید سالانه رسوب در حوضه برابر با ۷۳٬۸۲۹ تن در سال (معادل حدود ۱/۴۶ تن در هکتار در سال) و حجم رسوب‌گذاری داخلی حدود ۶۰۳٬۸۴۰ تن در سال است؛ بنابراین، شلمان‌رود در بازه شبیه‌سازی‌شده بیش از آن‌که یک حوضه صادرکننده رسوب باشد، به‌مثابه یک حوضه گیرنده و ذخیره‌کننده رسوب عمل می‌کند و بخش قابل‌توجهی از مواد رسوبی در داخل حوضه انباشته می‌شود.https://idj.iaid.ir/article_244414_526dad233d36af215d7b6ff27bd97e8a.pdf