انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 Assessing the Impact of Climate Change Scenarios (SSP) on Groundwater Level Fluctuations in the North Ahvaz Plain (Khuzestan Province, Southwest Iran) Using LARS-WG and MODFLOW Models ارزیابی تأثیر سناریوهای تغییر اقلیم(SSP)بر نوسانات تراز آب زیرزمینی دشت اهواز شمالی(استان خوزستان، جنوب غرب ایران) با استفاده از مدل‌های LARS-WG و MODFLOW 1 25 245651 10.22125/iwe.2026.585872.1927 FA سهیلا مجدم دانشجوی دکتری هیدروژئولوژی، دانشکده علوم زمین دانشگاه شهید چمران اهواز، ایران سید یحیی میرزایی 2- دانشیار هیدرولوژی، عضو هیات علمی دانشکده علوم زمین دانشگاه شهید چمران اهواز، ایران Journal Article 2026 06 09 Climatic transformations, through changes in temperature and precipitation regimes, threaten hydrological balance and the overall performance of water resource systems. This study investigates the impacts of climate change on groundwater resources in the Northern Ahvaz Plain aquifer, located in Khuzestan Province, Iran. To this end, outputs from coupled atmosphere–ocean general circulation models under the SSP2.6, SSP4.5, and SSP8.5 scenarios were downscaled for the Ahvaz synoptic station using the LARS‑WG stochastic weather generator (version 7.0). Variations in minimum temperature, maximum temperature, and precipitation were then evaluated for the baseline period (2000–2025) and the future period (2026–2045). The results showed that the annual mean minimum and maximum temperatures will increase under all scenarios compared with the baseline period. The highest increases in maximum and minimum temperatures, 2.29°C and 1.65°C, respectively, were projected under SSP8.5, whereas the lowest increases, 2.05°C and 1.56°C, were associated with SSP2.6 and SSP4.5. In contrast, annual mean precipitation is projected to decrease by 3.91%, 8.6%, and 11% under SSP4.5, SSP2.6, and SSP8.5, respectively. To assess the implications of these climatic variations for groundwater resources, a numerical groundwater flow model was developed using MODFLOW within the GMS environment (version 10.8). Simulation results indicated a general decline in groundwater levels during the future period under all scenarios. The largest decline, approximately 7.5 m, occurred under SSP8.5, reflecting a more critical aquifer condition. The proposed integrated framework can support quantitative assessment of aquifer sensitivity to climate change in similar basins. تحولات اقلیمی با تغییر الگوهای دما و بارش، تعادل هیدرولوژیک و کارایی سامانه‌های آبی را به چالش می‌کشند. هدف این پژوهش، ارزیابی اثرات تغییر اقلیم بر منابع آب زیرزمینی آبخوان دشت اهواز شمالی در استان خوزستان است. بدین منظور، خروجی مدل‌های گردش عمومی جو تحت سناریوهای SSP2.6، SSP4.5 و SSP8.5 با استفاده از مدل LARS-WG7 در ایستگاه سینوپتیک اهواز ریزمقیاس‌نمایی شد. سپس تغییرات دمای حداقل، حداکثر و بارش در دوره پایه (۲۰۰۰-۲۰۲۵) و دوره آتی (۲۰۲۶-۲۰۴۵) مورد ارزیابی قرار گرفت. نتایج نشان داد میانگین سالانه دمای حداقل و حداکثر در دوره آتی تحت تمامی سناریوها افزایش می‌یابد؛ به‌طوری‌که بیشترین افزایش دمای حداکثر و حداقل به‌ترتیب ۲.۲۹ و ۱.۶۵ درجه سانتی‌گراد در سناریوی SSP8.5 و کمترین مقدار آن ۲.۰۵ و ۱.۵۶ درجه سانتی‌گراد در سناریوهای SSP2.6 و SSP4.5 برآورد شد. در مقابل، میانگین سالانه بارش تحت سناریوهای مذکور به‌ترتیب با کاهش ۳.۹۱، ۸.۶ و ۱۱ درصدی همراه خواهد بود. جهت بررسی اثر این تغییرات بر وضعیت آبخوان، مدل جریان با استفاده از MODFLOW در محیط GMS توسعه یافت. نتایج شبیه‌سازی‌ها حاکی از افت سطح آب زیرزمینی در دوره آتی است، به‌گونه‌ای که بیشترین افت معادل ۷.۵ متر تحت سناریوی SSP8.5 مشاهده شد که نشان‌دهنده وضعیت بحرانی آبخوان است. این پژوهش، یک متدولوژی ترکیبی برای ارزیابی کمی حساسیت آبخوان‌ها به تغییرات اقلیمی ارائه می‌دهد که می‌تواند به‌عنوان الگویی برای تصمیم‌گیری‌های مدیریتی در حوضه‌های مشابه مورد استفاده قرار گیرد. https://www.waterjournal.ir/article_245651_d77f53755d2d554411ce7f29b77a96a9.pdf

انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 Estimating the Spatial and Temporal Variations of Aquifer Recharge in Jiroft Plain using Water Level Fluctuation Method برآورد تغییرات مکانی و زمانی تغذیه آبخوان دشت جیرفت با استفاده از روش نوسانات سطح آب‌زیرزمینی‌ 26 41 236388 10.22125/iwe.2025.555022.1904 FA محمد فاریابی گروه مهندسی طبیعت، دانشکده منابع طبیعی، دانشگاه جیرفت Journal Article 2025 10 23 Estimating groundwater recharge is one of the important challenges in groundwater resource management. Various techniques have been developed in recent years to estimate aquifer recharge. The water level fluctuation (WTF) method is one of the simplest and most practical of these techniques. In this study, the recharge rate of the Jiroft Plain aquifer was estimated by examining groundwater level fluctuations over a 24-year period. The results of this study showed that the minimum, average, and maximum annual aquifer recharge during this period were 0.97, 51.18, and 186.58 mm, respectively. The lowest recharge rate occurred in the southern part of the aquifer, while the highest recharge rate occurred in its northeastern margin. Factors such as surface geomorphological features, soil texture, and characteristics of the unsaturated zone have influenced the spatial distribution of aquifer recharge. Hydrological drought has a significant impact on aquifer recharge. Additionally, increased aquifer pumping due to the expansion of agricultural fields has also contributed to an increase in aquifer recharge. However, this increased recharge has not compensated for the water table drawdown resulting from aquifer pumping, and the water level continues to decline. برآورد تغذیه آب‌زیرزمینی یکی از چالش‌های مهم در مدیریت منابع آب‌زیرزمینی است. در سال های اخیر روش های متعددی برای برآورد میزان تغذیه آبخوان‌ها توسعه یافته اند. یکی از ساده‌ترین و کاربردی‌ترین این روش ها، بررسی نوسانات سطح آب‌زیرزمینی است. در این پژوهش، میزان تغذیه آبخوان دشت جیرفت با استفاده از مطالعه نوسانات سطح آب زیرزمینی در چاه‌های مشاهده ای در یک دوره 24 ساله (1401-1378) برآورد شده و عوامل موثر بر تغییرات مکانی و زمانی آن بررسی شده است. با توجه نتایج این تحقیق، حداقل، متوسط و حداکثر تغدیه آبخوان دشت جیرفت در این دوره 24 ساله به ترتیب برابر با 97/0، 18/51 و 58/186 میلی‌متر در سال است. کمترین میزان تغذیه در بخش جنوبی آبخوان و بیشترین میزان تغذیه در حاشیه شمال‌‌شرقی آن رخ داده است. عواملی مانند ویژگی‌های ژئومرفولوژیکی سطحی، بافت خاک و جنس رسوبات بخش غیراشباع آبخوان توزیع فضایی تغذیه آبخوان را تحت تاثیر قرار داده‌اند. خشکسالی هیدرولوژیکی نسبت به خشکسالی هواشناسی تاثیر بیشتری بر میزان تغذیه آبخوان داشته است. افزایش پمپاژ از آبخوان و افزایش سطح زیرکشت محصولات کشاورزی نیز باعث افزایش تغذیه آبخوان شده است، اما این افزایش تغذیه نتوانسته افت حاصل از پمپاژ چاه های بهره برداری را جبران کند و روند نزولی تراز سطح آب در آبخوان همچنان ادامه دارد. https://www.waterjournal.ir/article_236388_609652fa3618509bb88a073d04d7e9ec.pdf

انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 Analysis of water quality of urban wells in Mahmoudabad with WQI and NSFWQI indices and a multidimensional approach تحلیل کیفیت آب چاه‌های شهری محمودآباد با شاخص‌های WQI و NSFWQI و رویکرد چندبعدی 42 55 245659 10.22125/iwe.2026.569176.1917 FA فاطمه حیدری چناری دانشجوی دکتری سازه‌های آبی، گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران 0009-0002-1888-2542 مجتبی خوش‌روش دانشیار گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران. 0000-0001-8635-3322 Journal Article 2025 12 28 Drinking water quality is one of the most important components of public health and sustainable water resource management, and its continuous assessment, especially in urban areas, is of particular importance. In this study, the quality of drinking water wells in Mahmoudabad County was evaluated using the Water Quality Index (WQI) and the National Sanitation Foundation Water Quality Index (NSFWQI). The dataset included physical and chemical parameters such as pH, nitrate, total hardness, chloride, sulfate, total dissolved solids, turbidity, and temperature during the period 2020–2025. To achieve a more comprehensive evaluation, in addition to calculating water quality indices, Pearson correlation analysis was applied to examine the relationships among parameters, and the k-means clustering method was used to classify samples into groups with similar quality characteristics. The results indicated that the general water quality in most urban wells of Mahmoudabad ranged from good to excellent; however, in some samples higher index values reflected a relative decline in water quality and the sensitivity of groundwater resources to land-use changes and agricultural activities. Correlation analysis revealed consistent behavior among parameters such as total hardness, sulfate, and total dissolved solids, as well as the significant role of nitrate in reducing water quality. Furthermore, clustering analysis highlighted the spatial variability of water quality and the influence of hydrogeological conditions and human activities. The findings of this study demonstrate the effectiveness of a multidimensional approach for monitoring, management, and targeted planning of urban drinking water resources. کیفیت آب آشامیدنی یکی از مهم‌ترین مؤلفه‌های سلامت عمومی و مدیریت پایدار منابع آب به‌شمار می‌رود و ارزیابی مستمر آن، به‌ویژه در مناطق شهری، از اهمیت ویژه‌ای برخوردار است. در این پژوهش، کیفیت آب چاه‌های تأمین‌کننده آب آشامیدنی شهرستان محمودآباد با استفاده از شاخص‌های کیفیت آب WQI و NSFWQI مورد بررسی قرار گرفت. داده‌های مورد استفاده شامل پارامترهای فیزیکی و شیمیایی آب از جمله pH، نیترات، سختی کل، کلراید، سولفات، کل مواد جامد محلول، کدورت و دما در بازه زمانی ۱۳۹۹ تا ۱۴۰۴ بود. به‌منظور دستیابی به ارزیابی جامع‌تر، علاوه بر محاسبه شاخص‌های کیفی، تحلیل همبستگی پیرسون برای بررسی روابط بین پارامترها و روش خوشه‌بندی k-means برای تفکیک نمونه‌ها به گروه‌های کیفی مشابه به‌کار گرفته شد. نتایج نشان داد که کیفیت عمومی آب در اغلب چاه‌های شهری محمودآباد در محدوده خوب تا عالی قرار دارد، هرچند در برخی نمونه‌ها مقادیر بالاتر شاخص‌ها بیانگر کاهش نسبی کیفیت آب و حساسیت منابع آب زیرزمینی به تغییرات کاربری اراضی و فعالیت‌های کشاورزی است. تحلیل همبستگی وجود رفتار هم‌جهت میان برخی پارامترها نظیر سختی کل، سولفات و TDS و نقش مؤثر نیترات در کاهش کیفیت آب را نشان داد. همچنین، خوشه‌بندی نمونه‌ها تفاوت‌های مکانی کیفیت آب و تأثیر شرایط هیدروژئولوژیکی و فعالیت‌های انسانی را آشکار ساخت. نتایج این مطالعه بیانگر کارایی رویکرد چندبعدی در پایش، مدیریت و برنامه‌ریزی هدفمند منابع آب آشامیدنی شهری است. https://www.waterjournal.ir/article_245659_bb518b77ba1d2b49da5998e7e1de199e.pdf

انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 Forecasting the Groundwater Level Decline in the Nahavand Aquifer Using a Combination of Complete Ensemble Empirical Mode Decomposition (CEEMD) Preprocessing with LSTM and GMDH Models پیش‌بینی افت سطح آب زیرزمینی آبخوان نهاوند با ترکیب پیش پردازش تجزیه مد تجربی یکپارچه کامل با مدلهای LSTM وGMDH 56 88 245072 10.22125/iwe.2026.539288.1893 FA سمیه عبدی گروه آبیاری و زهکشی‌، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران حسین فتحیان گروه مهندسی منابع آب‌، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران. 0000-0002-0555-4454 مهدی اسدی لور گروه آبیاری و زهکشی، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران. اصلان اگدرنژاد گروه آبیاری و زهکشی، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران. علی عصاره گروه آبیاری و زهکشی، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران. Journal Article 2025 08 04 The decrease in precipitation and excessive exploitation of groundwater resources have led to a significant decline in groundwater levels in many regions worldwide. One of the aquifers experiencing groundwater level depletion is the Nahavand aquifer, located in Hamadan Province, western Iran. To model the groundwater level, the Long Short-Term Memory (LSTM) model and the Group Method of Data Handling (GMDH) were employed. In order to enhance model accuracy, the Complete Ensemble Empirical Mode Decomposition (CEEMD) preprocessing technique was applied, resulting in the development of four models: LSTM, GMDH, CEEMD-LSTM, and CEEMD-GMDH. The results indicated that the GMDH model performed better than the LSTM model. Moreover, integrating these models with the CEEMD preprocessing technique improved their performance. Specifically, the coefficient of determination (R²) for the LSTM model increased from 0.867 to 0.950 in the CEEMD-LSTM model. Similarly, the R² value for the GMDH model improved from 0.885 to 0.945 in the CEEMD-GMDH model. Additionally, the analysis of Root Mean Square Error (RMSE) and Akaike Information Criterion (AIC) also demonstrated that the use of CEEMD preprocessing reduced model errors. Based on these findings, the CEEMD-LSTM hybrid model was identified as the most accurate and was therefore used to forecast groundwater levels for the next six months (the first half of the 2024–2025 water year). Overall, the CEEMD-LSTM hybrid model showed excellent performance in modeling groundwater levels in the Nahavand aquifer and has the potential to be applied to other aquifers as well. کاهش بارندگی و بهره‌برداری بی‌رویه از منابع آب زیرزمینی موجب افت قابل‌توجه تراز سطح آب زیرزمینی در بسیاری از مناطق جهان شده است. یکی از آبخوان‌هایی که با افت سطح آب زیرزمینی مواجه هست، آبخوان نهاوند در استان همدان و غرب ایران می‌باشد. برای مدلسازی تراز سطح آب زیرزمینی، مدل‌های حافظه کوتاه مدت طولانی LSTM)) و روش گروهی مدیریت داده (GMDH) به کار گرفته شد. به منظور افزایش دقت مدل‌ها از ابزار پیش پردازش تجزیه مد تجربی یکپارچه کامل (CEEMD) استفاده شد و در نهایت چهار مدل LSTM، GMDH، CEEMD-LSTM و CEEMD-GMDH حاصل شدند. نتایج نشان داد که مدل GMDHعملکرد بهتری نسبت به مدل LSTMداشته است. همچنین ترکیب این دو مدل با ابزارهای پیش پردازش CEEMD موجب افزایش عملکرد آنها شده است. به‌طوری‌که ضریب تعیین مدل LSTM از 867/0 به950/0 در مدل CEEMD-LSTM ارتقاء یافته است. ضریب تعیین در مدل GMDH با 885/0 به 945/0 در مدل CEEMD-GMDH رسیده است. همچنین بررسی جذر میانگین مربعات خطا (RMSE) و معیاراطلاعاتی آکائیک (AIC) هم نشان می‌دهد که استفاده از ابزار پیش پردازش CEEMD موجب کاهش خطای مدل‌ها شده است. با توجه به این نتایج مدل ترکیبی CEEMD-LSTM بهترین مدل شناخته شده و از آن برای پیش‌بینی تراز سطح آب زیرزمینی برای شش ماه آتی (شش ماه اول سال آبی 1404-1403) استفاده شد. به‌طور کلی می‌توان گفت که عملکرد مدل ترکیبی CEEMD-LSTMبرای مدل‌سازی تراز سطح آب زیرزمینی آبخوان نهاوند بسیار مناسب بوده و قابلیت این را دارد که برای بررسی سطح آّب زیرزمینی آبخوان‌های دیگر نیز استفاده شود. https://www.waterjournal.ir/article_245072_b776c4adde5b7c0440f6dcf91c7451b9.pdf

انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 The effect of Partial root zone drying and different levels of biochar on ear maize growth تأثیرآبیاری بخشی ریشه و سطوح مختلف بیوچار بر رشد بلال گیاه ذرت 89 100 246196 10.22125/iwe.2026.564019.1914 FA مریم دهقانی احمدآبادی استادیار دانشگاه پیام نور استان تهران Journal Article 2025 12 06 The main purpose of irrigation is to compensate for the lack of usable water for the plant and the purpose of deficit irrigation is to save water consumption. Partial root zone drying is one of the low irrigation methods. One of the soil additives to improve its fertility is biochar. This study was conducted to investigate the effect of different partial root zone drying treatments at full irrigation, two levels of 65 and 55% and different levels of biochar consumption (zero, 6 and 12 tons per hectare) on the growth characteristics on height, diameter and wood diameter was calculated. The highest height was achieved in the 12-ton application treatment in the biochar soil in the second year, at 17.2 centimeters. This showed a 13% increase compared to the treatment without biochar in the first year, which had the lowest ear height. The treatment using 6 tons per hectare of biochar in the second year had the highest ear diameter of 2.4 cm. The highest ear diameter was observed in the treatment of 12 tons per hectare of biochar and full irrigation, at 4.45 cm. Which was significantly different from the treatment without biochar. Therefore, the effect of year on ear height and ear stalk diameter was highly significant. The interaction effect of planting year and irrigation had a highly significant effect on ear height.<br><br>The effect of biochar on ear height and ear diameter was also significant. The effect of irrigation treatments on ear diameter was highly significant. هدف اصلی آبیاری جبران کمبود آب قابل استفاده برای گیاه و هدف کم آبیاری صرفه جویی در مصرف آب است. که آبیاری بخشی ریشه یکی از روش های کم آبیاری می‌باشد. یکی از افزودنی‌های خاک به‌منظور بهبود حاصل‌خیزی آن بیوچار است. این تحقیق به‌منظور بررسی تاثیر تیمارهای مختلف آبیاری کامل و کم‌آبیاری بر ارتفاع، قطر و قطر چوب بلال محاسبه گردید. بیشترین مقدار ارتفاع بلال در تیمار مصرف 12 تن در هکتار بیوچار در سال دوم به میزان 2/17 سانتی‌متر به‌دست آمده است که نسبت به تیمار عدم مصرف بیوچار در سال اول که کمترین میزان ارتفاع بلال را داشته است افزایش 13 درصدی را نشان داد. بیشترین مقدار قطر بلال در تیمار مصرف 12 تن در هکتار بیوچار و آبیاری کامل به میزان 45/4 سانتی‌متر مشاهده شد. تیمار مصرف 6 تن در هکتار بیوچار در سال دوم دارای بیشترین مقدار قطر چوب بلال به مقدار 4/2 سانتی‌متر بوده که اختلاف معنی‌داری نسبت به تیمار بدون مصرف بیوچار داشت. بنابراین اثر سال بر ارتفاع بلال و قطر چوب بلال بسیار معنی‌دار شد. اثر متقابل سال کشت در آبیاری روی ارتفاع بلال تاثیر بسیار معنی‌داری داشت. اثر بیوچار نیز بر ارتفاع بلال و قطر بلال معنی‌دار شد. اثر تیمارهای آبیاری بر قطر بلال بسیار معنی‌دار شد. https://www.waterjournal.ir/article_246196_5fc9d00260769131cd0fcb2cf663b9be.pdf

انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 Sensitivity Analysis and Evaluation of AquaCrop Model in Simulating Barley Yield and Biomass and Determining Appropriate Planting Date in Sistan Region تحلیل حساسیت و ارزیابی مدل AquaCrop در شبیه سازی عملکرد و زیست‌توده گیاه جو و تعیین تاریخ کشت مناسب در منطقه سیستان 101 120 246193 10.22125/iwe.2026.559853.1909 FA مسعود شهرکی دانشگاه زابل حلیمه پیری دانشیار گروه مهندسی اب دانشگاه زابل هادی گلوی دانشگاه زابل 0000-0001-5311-1116 زهره هاشمی کارشناس ارشد، مرکز تحقیقات کشاورزی و منابع طبیعی سیستان، زابل، ایران. Journal Article 2025 11 15 This study evaluates the AquaCrop model for simulating grain yield and biomass of barley in the Sistan region, considering water resource limitations and varying climatic conditions. Data from four farms in the Zahak and Hirmand counties (Research Center, Khwaja Ahmad, Zurabad, and Deh-Laghari) were used over two cropping seasons (2023–2024 and 2024–2025). Three planting date scenarios—early (November 6), mid-season (December 6), and late (January 5)—and three irrigation levels (full irrigation, 25% deficit irrigation, and 50% deficit irrigation) were considered. Simulation results showed that the AquaCrop model can predict grain yield and biomass with high accuracy. During calibration, the R² values for grain yield and biomass ranged from 0.96 to 0.97, and during validation, R² ranged from 0.94 to 0.98 for grain yield and from 0.90 to 0.92 for biomass. The high coefficients of determination and low error statistics indicated that the model successfully simulated grain yield and biomass with strong accuracy. The sensitivity analysis indicated that canopy transpiration coefficient (Kc), normalized water productivity (WP*), and reference harvest index (HIo) were the most influential parameters in the model. Furthermore, the irrigation and planting date scenarios showed that in wet years, a 25% reduction in irrigation decreased yield by 5–7%. In normal years, reducing irrigation by 25% and 50% led to a 13–20% reduction in yield, and in dry years, a 25–50% reduction in irrigation caused a 45–48% decrease in grain yield. این تحقیق به ارزیابی مدلAquaCrop برای شبیه‌سازی عملکرد دانه و زیست‌توده گیاه جو در منطقه سیستان، با توجه به محدودیت‌های منابع آبی و شرایط اقلیمی مختلف می‌پردازد. برای انجام کار از داده‌های چهار مزرعه در شهرستان‌های زهک و هیرمند (مرکز تحقیقات، خواجه احمد، زورآباد و ده‌لاغری) طی دو سال زراعی 1403-1402 و 1404-1403 استفاده شد و سه سناریو تاریخ کاشت (زودهنگام (15 آبان)، میانه‌فصل (15 آذر) و دیرهنگام (15 دی)) و سه حالت آبیاری (آبیاری کامل، ۲۵٪ کم‌آبیاری و ۵۰٪ کم‌آبیاری) در نظر گرفته شد. نتایج شبیه‌سازی‌ها نشان داد که مدل AquaCrop قادر است عملکرد دانه و زیست‌توده را با دقت بالایی پیش‌بینی کند. در مرحله واسنجی، مقادیر R² برای عملکرد دانه و زیست‌توده بین 96/0 تا 97/0 و در مرحله صحت‌سنجی، برای عملکرد بین 94/0 تا 98/0 و برای زیست‌توده بین 9/0 تا 92/0 متغیر بود. مقادیر بالای صریب تبیین و مقادیر پایین آماره‌های خطا نشان داد مدل توانسته است با دقت بالا عملکرد دانه و زیست‌توده را شبیه‌سازی کند. تحلیل حساسیت مدل نشان داد که پارامترهای ضریب گیاهی تعرق (Kc)، بهره‌وری نرمال‌شده آب (WP*) و شاخص برداشت مرجع (HIo) بیشترین حساسیت را در مدل دارند. همچنین، نتایج سناریوهای آبیاری و تاریخ کاشت نشان داد که در سال‌های مرطوب، کاهش ۲۵ درصدی آبیاری، باعث کاهش 5 تا 7 درصد، در سال‌های نرمال، کاهش آبیاری به ۲۵٪ و ۵۰٪ منجر به کاهش ۱۳ تا ۲۰ درصدی عملکرد و در سال‌های خشک، کاهش ۲۵٪ تا ۵۰٪ آبیاری باعث کاهش ۴۵ تا ۴۸ درصدی عملکرد دانه شد. https://www.waterjournal.ir/article_246193_f8018c8e3bcffc509004ccfae4e09ff9.pdf

انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 Intelligent Irrigation Scheduling for Indian Ginseng (Withania somnifera): A High-Accuracy Fuzzy Logic-Based Approach زمان‌بندی هوشمند آبیاری گیاه جنسینگ هندی (Withania somnifera): رویکردی با دقت بالا مبتنی بر منطق فازی 121 137 244935 10.22125/iwe.2026.559213.1907 FA شایسته طباطبائی دانشکده چندرسانه‌ای، دانشگاه هنر اسلامی تبریز، تبریز، ایران. 0000-0001-5513-6165 باقر بهرام شتربان دانشکده چندرسانه‌ای، دانشگاه هنر اسلامی تبریز، تبریز، ایران. Journal Article 2025 11 12 Water scarcity is one of the most critical challenges facing agriculture in arid and semi-arid regions. This study designed and implemented a fuzzy logic-based smart irrigation system to accurately predict the water requirements of Indian ginseng (Ashwagandha). Fuzzy logic was selected due to its exceptional ability to handle uncertainty and model complex, nonlinear relationships among input variables, making it an ideal approach for irrigation optimization. Field experiments were conducted on a 400 m² plot in Saravan (Sistan and Baluchestan Province, Iran) during the 2025 growing season. Utilizing five environmental inputs (soil moisture, air temperature, relative humidity, wind speed, and plant age) and 243 Mamdani-type fuzzy rules, the system achieved a **41.9% reduction in water consumption** (from 336 to 195 L per season), a **16.3% increase in yield** (from 46 to 53.5 kg), and a **98.2% prediction accuracy** (R² = 0.982). Compared to traditional irrigation practices, the proposed system improved water use efficiency by **71.4%**. کم‌آبی یکی از مهم‌ترین چالش‌های کشاورزی در مناطق خشک و نیمه‌خشک است. در این پژوهش، یک سیستم هوشمند آبیاری مبتنی بر منطق فازی برای پیش‌بینی دقیق نیاز آبی گیاه جنسینگ هندی (اشواگاندا) طراحی و پیاده‌سازی شد. منطق فازی به دلیل توانایی استثنایی خود در مدیریت عدم قطعیت و مدل‌سازی روابط پیچیده و غیرخطی بین متغیرهای ورودی انتخاب شده است و آن را به روشی ایده‌آل برای بهینه‌سازی آبیاری تبدیل می‌کند. آزمایش میدانی در مزرعه ۴۰۰ متر مربعی شهرستان سراوان (سیستان و بلوچستان) در فصل رشد ۱۴۰۴ انجام گرفت. سیستم با بهره‌گیری از پنج متغیر محیطی (رطوبت خاک، دمای هوا، رطوبت نسبی، سرعت باد و سن گیاه) و ۲۴۳ قاعده فازی ممدانی، موفق به کاهش 9/41٪ مصرف آب (از ۳۳۶ به ۱۹۵ لیتر در هر فصل)، افزایش 3/16٪ عملکرد محصول (از ۴۶ به 5/53 کیلوگرم) و دستیابی به دقت پیش‌بینی 2/98٪ ( 982/0R² =) شد. نتایج نشان داد که این سیستم در مقایسه با روش سنتی آبیاری، بهره‌وری مصرف آب را ۷۱.۴٪ افزایش می‌دهد. https://www.waterjournal.ir/article_244935_c3bb1294aeda044ec54c97626b1e07a3.pdf

انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 Futures Studies of Critical Success and Failure Factors for Enhancing Resilience to Drought through Water Management آینده‌پژوهی عوامل موفقیت و شکست برای افزایش تاب آوری در برابر خشکسالی از طریق مدیریت آب 138 162 246221 10.22125/iwe.2026.565415.1916 FA زینب افضلی گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران محمدرضا زارع مهرجردی گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران سمیه امیرتیموری گروه اقتصاد کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران حسین مهرابی بشرآبادی گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران حمیدرضا میرزایی خلیل ‏آبادی گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران Journal Article 2025 12 10 Drought is one of the most significant challenges facing Iran's agricultural sector, making the enhancement of resilience to drought a vital strategy for mitigating vulnerability. Therefore, this study was conducted to identify the critical success and failure factors for enhancing resilience to drought through water management, employing a futures studies approach. The research is descriptive-exploratory in nature and utilizes a sequential exploratory mixed-methods design (qualitative-quantitative). In the qualitative phase, success and failure factors for enhancing drought resilience were identified through a meta-synthesis . In the quantitative phase, a descriptive-survey method was employed to conduct a futures studies analysis using Structural Analysis of Cross-Impacts. The findings revealed that the success factors for enhancing resilience to drought comprise five dimensions (Governance Requirements, Infrastructural Requirements, Communication and Collaboration, Socio-Cultural Requirements, and Technical Requirements) and 12 components. Conversely, the failure factors consist of four dimensions (Managerial, Socio-Cultural, Economic, and Technical Challenges) and 8 components. The analysis of key drivers indicated that "Governance Requirements" was the most influential factor (key driver) in terms of both direct and indirect impact on success. Similarly, for failure factors, "Economic Challenges" was identified as the top key driver. The findings of this study can serve as a practical guide for policymakers and planners in the field of drought management. خشکسالی یکی از مسائل مهم بخش کشاورزی ایران است که ارتقاء تاب آوری در برابر خشکسالی یکی از راهبردهای حیاتی برای کاهش آسیب‏ پذیری آن می‏ باشد. لذا، این مطالعه با هدف آینده‌پژوهی عوامل موفقیت و شکست برای افزایش تاب آوری در برابر خشکسالی از طریق مدیریت آب انجام شده که از حیث ماهیت، توصیفی- اکتشافی و مبتنی بر استراتژی پژوهشی آمیخته (کیفی-کمی از نوع متوالی) است. در بخش کیفی، با به‏ کارگیری شیوه فراترکیب، عوامل موفقیت و شکست برای افزایش تاب آوری در برابر خشکسالی شناسایی شدند. در بخش کمی جهت انجام تحلیل‏ های آینده پژوهی مبتنی بر استفاده از روش تحلیل ساختاری اثرات متقابل؛ روش، توصیفی از نوع پیمایشی و با استفاده از ابزار پرسشنامه محقق ساخته مبتنی بر خروجی بخش کیفی بود. نتایج نشان داد که عوامل موفقیت برای افزایش تاب آوری در برابر خشکسالی مشتمل بر 5 بعد (الزامات حکمرانی، الزامات زیرساختی، ارتباطات و همکاری، الزامات فرهنگی-اجتماعی و الزامات فنی) و 12 مؤلفه و عوامل شکست مشتمل بر 4 بعد (چالش‏ های مدیریتی، چالش‌های فرهنگی-اجتماعی، چالش ‏های اقتصادی و چالش‏ های فنی) و 8 مؤلفه می ‏باشد. نتایج مرتبط با پیشران‌های کلیدی عوامل موفقیت برای افزایش تاب آوری نشان داد که در تأثیرگذاری مستقیم و غیرمستقیم، الزامات حکمرانی، عامل رتبه اول (پیشران کلیدی) است. نتایج مرتبط با پیشران‏ های کلیدی عوامل شکست نیز نشان داد در تأثیرگذاری مستقیم و غیرمستقیم، چالش‏ های اقتصادی عامل رتبه اول (پیشران کلیدی) است. نتایج این تحقیق می ‏تواند راهنمای سیاست‏گذاران و برنامه‏ ریزان در زمینه خشکسالی باشد. https://www.waterjournal.ir/article_246221_d03a547c42f650ce3f5ebfc0e9291c52.pdf

انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 An analysis of the impact of rainfall changes on vegetation in East Azerbaijan Province using remote sensing data. تحلیل داده‌های سنجش از دور بر مبنای تغییرات بارش و اثرات آن بر شرایط پوشش گیاهی در استان آذربایجان شرقی 163 186 230970 10.22125/iwe.2025.527640.1884 FA صمد خسروی یگانه دانشکده ادبیات و علوم انسانی، دانشگاه لرستان، خرم آباد، ایران. سید یعقوب کریمی گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا همدان Journal Article 2025 06 01 Background and Objective: this study investigates vegetation drought in East Azerbaijan Province using infrared imagery from the S-NPP JPSS sensor, as vegetation conditions are highly sensitive to rainfall fluctuations and drought is a recurring global phenomenon.<br><br>Materials and Methods: visible and infrared images from April 1st to the end of July (weeks 13-26 AD) between 2013 and 2021 were analyzed to assess vegetation status and varying drought levels. Weekly averages of vegetation indices were used to detect changes and fluctuations. The monthly average Standard Precipitation Index (SPI) for East Azerbaijan Province was calculated from monthly precipitation data collected at six synoptic meteorological stations: Ahar, Kalibar, Maragheh, Mianeh, Sarab, and Tabriz. Correlations between average NDVI, VCI, TCI, VHI, and SPI were estimated to determine the relationship between precipitation and vegetation indices.<br><br>Results: the correlation between the Standardized Precipitation Index (SPI) and NDVI, VCI, TCI, and VHI was 0.0037, 0.0048, 0.174, and 0.150, respectively. TCI exhibited the strongest correlation with SPI, making it a suitable method for combining remote sensing and meteorological data to assess vegetation conditions in East Azerbaijan province. The most intense vegetation droughts occurred in the western and central regions in 2013 and 2015, and province-wide in 2021. SPI calculations indicated below-normal precipitation during July, August, and September. Overall, the VHI was determined to be the most effective satellite-based index for monitoring vegetation drought in the study area. سابقه و هدف: آب و هوا یکی از مهم ترین عوامل تاثیر گذار بر شرایط پوشش گیاهی است. خشکسالی هر ساله در بیشتر مناطق جهان پوشش گیاهی را تحت تاثیر قرار می دهد. پوشش گیاهی به نوسان میزان بارش بارش دریافتی واکنش نشان می دهد. در این پژوهش سعی شده است که با بهره گیری از تصاویر مادون قرمز سنجنده S-NPP JPSS وضعیت خشکسالی پوشش گیاهی استان آذربایجان شرقی مورد بررسی قرار گیرد. <br><br>مواد و روش‌ها: در این مطالعه جهت بررسی وضعیت پوشش گیاهی و بررسی درجات متفاوت خشکسالی تصاویر مادون قرمز مرئی دوره مورد مطالعه 2021-2013 مربوط به اول آوریل تا انتهای ژولای (هفته 13تا26 میلادی) مورد استفاده قرار گیرد. بررسی پوشش گیاهی در بازه زمانی میانگین هفتگی انتخاب شده که می توان به تغییرات و نوسان شاخص های مختلف پوشش گیاهی پی برد. میانگین ماهانه شاخص استاندارد بارش(SPI) در استان آذربایجان شرقی با استفاده از داده های بارش ماهانه 6 ایستگاه هواشناسی سینوپتیک اهر، کلیبر، مراغه، میانه، سراب، و تبریز انجام گرفته است. میانگین هریک از شاخص های NDVI، VCI،TCI و VHI و شاخص استاندارد بارش(SPI) محاسبه و میزان همبستگی آنها نیز برآورد شده تا رابطه بارش و شاخص های پوشش گیاهی مشخص شود. https://www.waterjournal.ir/article_230970_96af44c6670979cefbb6e7e0654f17a4.pdf

انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 Investigating spatial and temporal changes in groundwater quality for drinking, agricultural and industrial uses (Case study: Kerman Plain) بررسی تغییرات مکانی و زمانی کیفیت آب زیرزمینی جهت مصارف شرب، کشاورزی و صنعت (مطالعه موردی: دشت کرمان) 187 211 246195 10.22125/iwe.2026.563036.1913 FA بهاره میرکماندار کارشناس دفتر مطالعات منابع آب، شرکت آب منطقه‌ای کرمان، کرمان، ایران محمد باقر رهنما دانشیار، بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران محمد ذونعمت کرمانی بخش مهندسی عمران، دانشگاه شهید باهنر کرمان، کرمان، ایران. 0000-0002-1421-8671 Journal Article 2025 11 29 Reduced rainfall, drought, and lack of surface water resources in desert areas have led to excessive extraction of aquifers and threatened groundwater quality. The Kerman study area, one of these areas, is facing a decline in water quality due to population growth, urbanization, and industry. This research evaluates and zones the groundwater quality of the plain using kriging in GIS and Hydrochemical analysis (Piper, Schoeller, and Wilcox diagrams) over a 22-year period (2002-2024). Data for 10 parameters (Ca, Mg, pH, TDS, Th, EC, SO₄, Cl, Na, SAR) were analyzed at 27 sampling points. The results showed that the dominant groundwater type was sodium bicarbonate and there was no significant change during the study period. In terms of quality, the eastern, southeastern and southern regions (Mahan and Joupar) have good to acceptable quality for drinking and agriculture. In contrast, the northwestern areas (Ekhtiar-Abad and Naghshineh) have unsuitable drinking water and a large part of the north and west of the plain is unsuitable to temporarily drinkable. For industrial uses, the water of the eastern, southern and western areas is suitable for industrial processes of the first and second groups (sensitive industries), while the northern and northwestern areas with the maximum chlorine concentration are suitable for industries of the third and fourth groups (relatively sensitive industries). For sustainable management, it is recommended that: transferring water from high-quality areas, improving the quality of polluted sources, cultivating salt-tolerant plants in the north, and eliminating unauthorized wells be on the agenda. کاهش بارندگی، خشکسالی و نبود منابع آب سطحی در نواحی کویری، منجر به برداشت بی‌رویه از آبخوان‌ها و تهدید کیفیت آب زیرزمینی شده است. محدوده مطالعاتی کرمان از این نواحی، تحت تأثیر رشد جمعیت، شهری‌سازی و صنعت با افت کیفیت آب روبروست. این پژوهش به ارزیابی و پهنه‌بندی کیفیت آب زیرزمینی دشت با استفاده از کریجینگ در GIS و تحلیل هیدروشیمیایی (نمودارهای پایپر، شولر و ویلکاکس) در بازه زمانی 22 ساله (2002-2024) می‌پردازد. داده‌های 10 پارامتر (Ca, Mg, pH, TDS, Th, EC,SO₄, Cl, Na, SAR) در 27 نقطه نمونه‌برداری تحلیل شد. نتایج نشان داد که تیپ غالب آب زیرزمینی بی‌کربنات سدیم و بدون تغییر محسوس در دوره مورد مطالعه بود. از نظر کیفیت، نواحی شرق، جنوب شرقی و جنوب (ماهان و جوپار) از کیفیت خوب تا قابل قبول برای شرب و کشاورزی برخوردارند. در مقابل، نواحی شمال غربی (اختیارآباد و نقشینه) آب نامناسب شرب و بخش وسیعی از شمال و غرب دشت نامناسب تا موقتاً قابل شرب است. برای مصارف صنعتی، آب نواحی شرقی، جنوبی و غربی برای فرآیندهای صنعتی گروه اول و دوم (صنایع بسیار حساس و حساس) مناسب بوده، در حالی که نواحی شمال و شمال غربی با حداکثر غلظت کلر گزینه مناسب برای صنایع گروه سوم و چهارم (صنایع نسبتا حساس) است. برای مدیریت پایدار پیشنهاد می‌گردد: انتقال آب از مناطق باکیفیت، اصلاح کیفیت منابع آلوده، کشت گیاهان مقاوم به شوری در شمال، و حذف چاه‌های غیرمجاز در دستور کار قرار گیرد. https://www.waterjournal.ir/article_246195_932b7ede11481a83b5ce711549edfb02.pdf

انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 Comparing the Performance of Machine Learning Models in Flood Risk Zoning in Nekarood Watershed افزایش دقت پهنه‌بندی خطر سیل با ادغام مدل‌های یادگیری ماشین، منطق فازی و نظریه دمسفر-شفر 212 231 246152 10.22125/iwe.2026.562734.1911 FA سیدمحمد موسوی گروه مهندسی آبخیزداری-دانشکده منابع طبیعی ساری-دانشگاه علوم کشاورزی و منابع طبیعی ساری-ساری-ایران 0009-0007-0672-5570 کریم سلیمانی گروه مهندسی آبخیزداری-دانشکده منابع طبیعی ساری-دانشگاه علوم کشاورزی و منابع طبیعی ساری-ساری-ایران 0000-0002-5357-6797 فاطمه شکریان گروه مهندسی آبخیزداری-دانشکده منابع طبیعی ساری-دانشگاه علوم کشاورزی و منابع طبیعی ساری-ساری-ایران امید قربانزاده موسسه ژئوماتیک، دانشگاه منابع طبیعی و علوم زیستی، وین، اتریش Journal Article 2025 11 28 Flooding stands as one of the most destructive hydro-climatic hazards, inflicting substantial annual losses on human communities and economic infrastructure. Identifying flood-prone zones and creating sensitivity maps are crucial for effective risk management and natural resource planning. This study focused on assessing the performance of three machine learning algorithms—logistic regression (LR), support vector machine (SVM), and gradient boosting (GB)—for flood risk mapping in the Nekarood watershed of Mazandaran province. Thirteen environmental and hydrological factors, including rainfall, slope, elevation, proximity to waterways, land use, and morphometric indices, were analyzed alongside 152 recorded flood occurrence points. The models were evaluated using metrics such as AUC, overall accuracy, and the kappa coefficient. Results indicated that the GB model achieved the highest performance, with an AUC of 0.896, an overall accuracy of 87%, and a kappa coefficient of 0.84. The SVM model followed with an AUC of 0.872 and an accuracy of 83%, while the LR model, scoring an AUC of 0.853 and an accuracy of 80%, showed the weakest performance among the three. Analysis of variable importance revealed that rainfall, slope, distance from waterways, and elevation are the most significant factors influencing flood occurrence. Consequently, reinforcement learning-based algorithms could serve as effective tools for enhancing predictive accuracy and minimizing uncertainty in flood risk mapping efforts. The findings from this study offer valuable insights for strengthening early warning systems, restricting development in high-risk zones, and reducing both human and economic damages caused by flooding in similar regions. شناسایی مناطق مستعد سیل و تهیه نقشه‌های پهنه‌بندی خطر، نقش کلیدی در مدیریت ریسک و برنامه‌ریزی فضایی ایفا می‌کند. هدف این پژوهش، ارزیابی و مقایسه عملکرد سه الگوریتم یادگیری ماشین شامل رگرسیون لجستیک (LR)، ماشین بردار پشتیبان (SVM) و گرادیان بوستینگ (GB) در پهنه‌بندی خطر سیل در حوزه آبخیز نکارود استان مازندران است. بدین منظور، 13 عامل محیطی، هیدرولوژیکی و ژئومورفولوژیکی از جمله بارندگی، شیب، ارتفاع، فاصله از رودخانه و کاربری اراضی استخراج و با 152 نقطه وقوع سیل واقعی تلفیق شد. مدل‌ها پس از پیش‌پردازش داده‌ها آموزش داده شده و عملکرد آن‌ها با استفاده از شاخص‌های AUC، دقت کلی و ضریب کاپا ارزیابی گردید. نتایج نشان داد که مدل گرادیان بوستینگ با مقدار AUC برابر با 0.896، دقت کلی 87٪ و ضریب کاپا 0.84 بهترین عملکرد را در شناسایی مناطق سیلابی و غیرسیلابی ارائه می‌دهد. مدل SVM با AUC برابر با 0.872 و دقت 83٪ در رتبه دوم قرار گرفت، در حالی که مدل رگرسیون لجستیک با AUC برابر با 0.853 و دقت 80٪ ضعیف‌ترین عملکرد را در میان مدل‌های مورد بررسی داشت. مقایسه نتایج بیانگر آن است که مدل‌های مبتنی بر درخت تصمیم و تقویت یادگیری، در مقایسه با مدل‌های خطی کلاسیک، توانایی بیشتری در بازنمایی الگوهای پیچیده مرتبط با وقوع سیل دارند. تحلیل اهمیت متغیرها نیز نشان داد که بارندگی، شیب، فاصله از رودخانه و ارتفاع مهم‌ترین عوامل مؤثر بر حساسیت به سیل در منطقه مطالعاتی هستند. نتایج نشان می‌دهد الگوریتم‌های یادگیری ماشین، به‌ویژه گرادیان بوستینگ، می‌تواند روش مناسب در پهنه‌بندی خطر سیل در مناطق مشابه باشد. https://www.waterjournal.ir/article_246152_b316963da44b78f8c7aa45e42629a4dc.pdf

انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 Investigation of the Effect of Contraction Radius on the Accuracy of Portable SMBF Flumes under Free Flow Conditions بررسی اثر شعاع تنگ‌شدگی بر دقت عملکرد فلوم‌های قابل‌حمل SMBF در جریان آزاد 232 251 238950 10.22125/iwe.2026.552836.1900 FA بهاره راستی پیشه دانشجوی کارشناسی ارشد علوم و مهندسی آبخیز، گروه احیا مناطق خشک و کوهستانی دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران 0009-0008-0813-8342 علی سلاجقه استاد دانشگاه تهران یونس امین‎پور استادیار، پژوهشکده مهندسی هیدرولیک و محیط های‌آبی، موسسه تحقیقات آب وزارت نیرو، تهران، ایران امیرحسین پارسا مهر استادیار، گروه مرتع و آبخیزداری (مهندسی طبیعت)، دانشکده کشاورزی، دانشگاه فسا، فسا، ایران Journal Article 2025 10 12 Accurate measurement of flow discharge in open channels is essential for efficient water resources management and optimal operation of irrigation and drainage systems. This study evaluated the hydraulic performance of portable SMBF flumes under free-flow conditions through controlled laboratory experiments and numerical modeling using FLOW-3D with the RNG turbulence model. Four contraction ratios (r = 0.342, 0.464, 0.561, and 0.726) were tested to examine the effect of contraction on discharge prediction accuracy. Model performance was assessed using statistical indicators including Mean Error (ME), Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Nash–Sutcliffe Efficiency (NSE), Agreement Index (AI), and Kling–Gupta Efficiency (KGE). The results demonstrated excellent agreement between numerical and experimental data, particularly at the mild contraction ratio of r = 0.342, where the relative error was approximately 3% and KGE reached 0.93. Increasing the contraction ratio intensified flow separation and turbulence, resulting in higher prediction errors up to 16.5% at r = 0.726. Overall, the FLOW-3D model showed stable and accurate performance under mild contractions (r < 0.5). The contraction ratio of r = 0.342 was identified as optimal, providing a balance between hydraulic stability and measurement precision. It is therefore recommended that mild contraction ratios (0.342–0.464) be used in practical SMBF flume designs. اندازه‌گیری دقیق دبی جریان در کانال‌های باز از ارکان اساسی مدیریت منابع آب و بهره‌برداری بهینه از سامانه‌های آبیاری و زهکشی محسوب می‌شود. در این پژوهش، به‌منظور ارزیابی عملکرد فلوم‌های قابل‌حمل SMBF در شرایط جریان آزاد، آزمایش‌های هیدرولیکی کنترل‌شده در یک فلوم آزمایشگاهی با چهار نسبت مختلف تنگ‌شدگی 342/0، 464/0، 561/0، 726/0 انجام شد. به‌طور هم‌زمان، مدل‌سازی عددی جریان در نرم‌افزار FLOW-3D با استفاده از مدل آشفتگی RNG صورت گرفت تا امکان مقایسه دقیق بین نتایج عددی و داده‌های تجربی فراهم گردد. برای سنجش دقت مدل عددی، معیارهای ارزیابی خطای میانگین(ME)، میانگین قدرمطلق خطا (MAE)، ریشه میانگین مربعات خطا (RMSE)، نش-ساتکلیف (NSE)، شاخص توافق (AI) و شاخص کلینگ–گوپتا (KGE) مورد استفاده قرار گرفت. نتایج نشان داد که مدل عددی توانسته است رفتار هیدرولیکی جریان را با دقت بالایی بازتولید کند. بیشترین میزان همخوانی میان نتایج عددی و آزمایشگاهی در نسبت تنگ‌شدگی 342/0 r = به‌دست آمد، به‌طوری‌که مقدار خطای نسبی برابر با 3 درصد و شاخص KGE برابر با 93/0 بوده است. در نسبت‌های بالاتر، به‌ویژه در 726/ 0r =، افزایش تنگ‌شدگی موجب تشدید جدایش جریان و افزایش خطا تا حدود 5/16 درصد گردید. بر این اساس، می‌توان نتیجه گرفت که مدل عددی در تنگ‌شدگی‌های ملایم (5/0 r<) از پایداری و دقت بیشتری برخوردار است. در نهایت، نسبت 342/0 r = به‌عنوان شرایط بهینه عملکرد فلوم‌های SMBF معرفی شد و پیشنهاد می‌گردد در طراحی عملی این نوع فلوم‌ها، نسبت‌های ملایم 342/0 تا 464/0 مدنظر قرار گیرد تا ضمن افزایش دقت اندازه‌گیری، پایداری جریان نیز حفظ شود. https://www.waterjournal.ir/article_238950_51d322d0465aa5195a2474ae84275838.pdf

انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 A Multi-Target Random Forest Model for River Flow Forecasting Enhanced by Genetic Algorithm-Based Feature Selection مدل جنگل تصادفی چندهدفه برای پیش‌بینی جریان رودخانه با بهبود انتخاب ویژگی مبتنی بر الگوریتم ژنتیک 252 254 244930 10.22125/iwe.2026.556636.1906 FA مریم میربیک سبزواری گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران حسن ترابی پوده گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران محمد باقر دولتشاهی گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، ایران امیر حمزه حقی آبی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران عباس ملکی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران Journal Article 2025 11 01 This study develops and evaluates a river flow prediction model in the Kashkan River Basin. The main objective is to improve streamflow prediction accuracy at the Kashkan-Afrine and Kashkan-Poldokhtar hydrometric stations using the Random Forest model, combined with effective feature selection via a Genetic Algorithm and k-fold cross validation. The dataset includes observations from three hydrometric and nine meteorological stations.<br><br>The RF model, by averaging predictions from an ensemble of decision trees, can identify complex patterns, capture nonlinear relationships, and prevent overfitting. Results showed that some input variables, such as the discharge at the Kakareza station, had a very high correlation (0.97) with the target variable, playing a key role in improving model accuracy. Removing these inputs caused a notable decline in performance. When all features were used, the coefficient of determination (R²) for the Kashkan-Poldokhtar and Kashkan-Afrine stations was 0.91 and 0.95, respectively, indicating strong generalization capability. Prediction errors had means close to zero, low standard deviations, and residuals distributed around zero. Excluding the Kakareza discharge data reduced the input correlation to about 0.64 and led to a noticeable performance drop, with R² decreasing to 0.72 for Kashkan-Poldokhtar and 0.73 for Kashkan-Afrine, while RMSE and MSE increased significantly. These findings highlight the importance of accurate feature selection and the inclusion of key hydrometric stations. Overall, integrating the RF model with effective feature selection and k-fold cross-validation provides an efficient approach for streamflow prediction in data-scarce basins. مطالعه حاضر به توسعه و ارزیابی مدل پیش‌بینی جریان رودخانه در حوضه آبریز کشکان پرداخته است. هدف اصلی پژوهش، بهبود دقت پیش‌بینی دبی جریان در ایستگاه‌های هیدرومتری کشکان-افرینه و کشکان-پلدختر با استفاده از مدل جنگل تصادفی و انتخاب ویژگی‌های موثر از طریق الگوریتم ژنتیک، همراه با اعتبارسنجی متقاطع k بخشی است. داده‌های مورد استفاده شامل مشاهدات سه ایستگاه هیدرومتری و نه ایستگاه هواشناسی می‌باشد. مدل جنگل تصادفی با میانگین‌گیری از پیش‌بینی‌های مجموعه‌ای از درختان تصمیم، قادر به شناسایی الگوهای پیچیده، روابط غیرخطی و جلوگیری از بیش‌برازش است. نتایج نشان داد برخی ورودی‌ها مانند دبی ایستگاه کاکارضا همبستگی بسیار بالایی (97/0) با متغیر هدف دارند که نقش کلیدی در افزایش دقت مدل داشته و حذف آن‌ها منجر به کاهش قابل توجه عملکرد مدل شد. در سناریوی استفاده از تمام ویژگی‌ها، R2 برای ایستگاه کشکان-پلدختر و کشکان-افرینه به ترتیب 91/0 و 95/0 به‌دست آمد که بیانگر قدرت تعمیم‌پذیری مناسب مدل است. خطاهای پیش‌بینی دارای میانگین نزدیک به صفر و انحراف معیار پایین بودند و پراکندگی خطاها حدود صفر بود.<br><br>حذف داده دبی کاکارضا باعث کاهش همبستگی ورودی‌ها به حدود 64/0 و افت محسوس عملکرد مدل شد به طوری‌که R² برای کشکان-پلدختر به 72/0 و کشکان-افرینه به 73/0 رسید در حالی‌که مقادیر RMSE و MSE به‌طور قابل توجهی افزایش یافتند. این یافته‌ها اهمیت انتخاب دقیق ویژگی‌ها و بهره‌گیری از ایستگاه‌های کلیدی هیدرومتری را نشان داده و ترکیب RF با انتخاب ویژگی‌های موثر و اعتبارسنجی متقاطع k بخشی را به‌عنوان روشی کارآمد برای پیش‌بینی در حوضه‌های داده محدود تایید می‌کند. https://www.waterjournal.ir/article_244930_1593f098b17f404ff981b9b771cd6c4d.pdf

انجمن مهندسی آبیاری و آب ایران نشریه علمی پژوهشی مهندسی آبیاری و آب ایران 2251-7359 16 2 2026 02 20 omparison of the performance of machine learning models and conceptual hydrological models in rainfall-runoff simulation (Case study: Khorramabad River Basin) مقایسه‌ی عملکرد مدل‌های یادگیری ماشین و مدل‌های مفهومی هیدرولوژیکی در شبیه‌سازی بارش-رواناب (مطالعه‌ی موردی:حوضه‌ی آبریز رودخانه‌ی خرم‌آباد) 255 279 237234 10.22125/iwe.2025.555667.1905 FA رقیه امیری دکتری هیدروژئولوژی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، ایران 0009-0004-3785-8884 سید یحیی میرزایی 2- دانشیار هیدرولوژی، عضو هیات علمی دانشکده علوم زمین دانشگاه شهید چمران اهواز، ایران منوچهر چت سازان استاد هیدروژئولوژی، عضو هیات علمی دانشکده علوم زمین دانشگاه شهید چمران اهواز 0000-0002-8225-7955 Journal Article 2025 10 26 Abstract<br><br>The development of the rainfall–runoff relationship constitutes a fundamental aspect of hydrological modeling. Given the inherent complexity of this relationship, accurate runoff prediction plays a pivotal role in water resources planning and management. This study investigates the rainfall–runoff relationship within the Khorramabad River Basin, employing simultaneous data from the Khorramabad Synoptic Station and the Cham-Anjir Hydrometric Station. Rainfall–runoff modeling was conducted using two conceptual hydrological models WEAP and IHACRES as well as three artificial intelligence (AI) approaches, namely Artificial ANN, ANFIS and SVM, to estimate runoff. The modeling period for all models extended from October 1956 to September 2024, except for the WEAP model, for which the period October 2010 to September 2023 was selected due to the large number of input parameters required. For the AI-based models, 80% of the data were used for training and 20% for testing. The performance of the models was evaluated using standard statistical indicators, including the R², NSE and RMSE. The results indicated that, among the hydrological models, WEAP outperformed IHACRES, and among the AI models, ANFIS exhibited superior performance compared to ANN and SVM. Overall, the ANFIS model demonstrated the best performance among all models employed, with R² = 0.96, NSE = 0.98, and RMSE = 2.08 during the training phase, and R² = 0.94, NSE = 0.87, and RMSE = 1.93 during the testing phase. Consequently, the findings suggest that artificial intelligence models generally outperform conceptual hydrological models in simulating the rainfall–runoff process. توسعه‌ی رابطه‌ی بارش-رواناب یک موضوع اساسی در مدل‌سازی هیدرولوژیکی است. با توجه به پیچیدگی رابطه‌ی بارش-رواناب، پیش‌بینی رواناب نقش اساسی در برنامه‌ریزی و مدیریت منابع آب ایفا می‌کند. این مطالعه رابطه‌ی بارش-رواناب در حوضه‌ی آبریز رودخانه‌ی خرم‌آباد را با استفاده از داده‌های ایستگاه‌های سینوپتیک خرم‌آباد و هیدرومتری چم‌انجیر هم‌زمان مدل‌سازی می‌کند. در این مطالعه مدل‌سازی بارش-رواناب با استفاد از مدل‌های مفهومی هیدرولوژیکی WEAP و IHACRES و مدل‌های هوش مصنوعی ANN، ANFIS و SVM برای تخمین رواناب انجام شد. دوره‌ی مدل‌سازی برای همه‌ی مدل‌ها از مهر 1335 تا شهریور 1403 در نظر گرفته شد و تنها در مدل WEAP به دلیل تعداد زیاد پارامترهای ورودی دوره‌ی آماری مهر 1389 تا شهریور 1402 انتخاب شد. در مورد مدل‌های هوش مصنوعی 80 درصد داده‌ها برای دوره‌ی آموزش و 20 درصد آن‌ها برای دوره‌ی آزمایش انتخاب شدند. برای ارزیابی دقت پیش‌بینی مدل‌ها نیز از معیارهای ارزیابی عملکرد مدل شامل R2، NSE و RMSE استفاده شد. بر این اساس از بین مدل‌های هیدرولوژیکی، مدل WEAP نسبت به مدل IHACRES و از بین مدل‌های هوش مصنوعی، مدل ANFIS نسبت به مدل‌های ANN و SVM عملکرد بهتری از خود نشان دادند. بر اساس نتایج به‌دست آمده در مجموع از بین همه‌ی مدل‌های مورد استفاده مدل ANFIS با 96/0=R2، 98/0=NSE و 08/2=RMSE در دوره‌ی آموزش و 94/0=R2، 87/0=NSE و 93/1=RMSE در دوره‌ی آزمایش عملکرد بهتری نسبت به سایر مدل‌ها از خود نشان داد. بر این اساس به‌طور کلی می‌توان گفت مدل‌های هوش مصنوعی در مقایسه با مدل‌های هیدرولوژیکی عملکرد بهتری در شبیه‌سازی بارش-رواناب از خود نشان دادند. https://www.waterjournal.ir/article_237234_14fe30a648b1e315baf2b96762253f1b.pdf