انجمن آبخیزداری ایرانترویج و توسعه آبخیزداری2645-477731120160220Avalanche hazard using Analytical Hierarchy Process (AHP) Model Case Study: Pilerood Watershed, Ardabil Province))پهنهبندی خطر بهمن با استفاده از روش تحلیل سلسله مراتبی (AHP) (مطالعه موردی: حوزهی آبخیز پیلهرود، استان اردبیل)16697019FAفاطمه قلینیانویسنده مسئول و دانشجوی کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی و فناوری کشاورزی، دانشگاه محقق اردبیلی.اباذر اسمعلیدانشیار دانشکده منابع طبیعی و فناوری کشاورزی، دانشگاه محقق اردبیلیشکراله اصغریاستادیار دانشکده کشاورزی، دانشگاه محقق اردبیلی.موسی عابدینیدانشیار دانشکده علوم انسانی، دانشگاه محقق اردبیلی.میکاییل بدرزادهمربی دانشکده منابع طبیعی و فناوری کشاورزی، دانشگاه محقق اردبیلیJournal Article20221111Avalanche is one of the events snowy areas that if science does not deal with it possible dangers and problems caused irreparable. The main objective of this study was to evaluate the effect of 9 effective factor in avalanche slope, aspect, elevation, temperature, rainfall, land use, type Formation, type of soil and road and determine the importance of each of these parameters in falling avalanches and avalanche hazard zonation in each area of work using analytical Hierarchy Process Model (AHP) is. In order to study impact of the factors in the avalanche of software ARCGIS10.1 for mapping parameters of the avalanche and software Expert choice for the weighting factors were used in the avalanche. The results showed that most of the factors that affect the avalanche slope, aspect, elevation. And about 20.8% of the area is in danger of avalanche. سقوط بهمن یکی از پدیدههای مناطق برفگیر است که اگر به صورت علمی با آن برخورد نشود ممکن است خطرات فراوان و مشکلات جبرانناپذیری را بهوجود آورد. هدف اصلی در این تحقیق بررسی اثر 9 عامل موثر در وقوع بهمن یعنی درجه شیب، جهت شیب، ارتفاع، دما، بارش، کاربری اراضی، نوع سازند، نوع خاک و جاده و تعیین اهمیت هر یک از پارامترهای موثر در ریزش بهمن و پهنهبندی خطر بهمن با استفاده از روش تحلیلی سلسله مراتبی (AHP) است. در این تحقیق به منظور بررسی تاثیر عوامل موثر در میزان وقوع بهمن از نرم افزار ArcGIS10.1 و از نرم افزار Expert choice به منظور وزندهی عوامل مذکور استفاده شد. نتایج نشان داد که بیشترین تاثیر در وقوع بهمن مربوط به عوامل درجه شیب، جهت دامنه و ارتفاع از سطح دریا بوده و حدود 8/20 درصد از منطقه در معرض خطر بالای بهمن قرار دارد.https://www.wmji.ir/article_697019_445f93143cc740d023426069d525ff97.pdfانجمن آبخیزداری ایرانترویج و توسعه آبخیزداری2645-477731120160220THE POSSIBILITY OF ESTIMATION OF LONG-TERM AVERAGE ANNUAL EROSION BASED ON MEASUREMENTS OF EROSION FROM A FEW RAINFALL EVENTSامکان برآورد فرسایش متوسط سالانه درازمدت مبتنی بر اندازهگیری فرسایش حاصل از چند رخداد بارندگی715697020FAمحمود عربخدریدانشیار پژوهشی پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، و نویسنده مسئول،Journal Article20221111A lot of soil loss and sediment data have been measured at the end of erosion plots during recent decades under natural as well as simulated rainfall. As an important task, the rate of soil loss could be estimated using this kind of data. To achieve reliable average erosion, several years of record are nessasary, which requires a lot of cost and time. In this article, the role of extreme events on plot soil loss and basin sediment load was explained by giving a few exmples from Iran and the world. Based on the reviewed refrences, two different approaches were found in order to reach reliable average erosion rate in the absence of adequate data. In the first approach, which is based on the greatest erosion/ sediment events, it had been realized that the summation of a few events are responsible for about 50 percent of soil loss and sediment yield produced. The second approach is based on the probabilitiies and could be categorized into two strategies including a) application of sampling designs in field sampling and b) measuring only the yield of events with predifined high return periods.با اندازهگیری تغییرات زمانی مقادیر رسوب خارج شده از انتهای کرتهای فرسایش تحت شرایط بارانهای طبیعی و شبیهسازی، اطلاعات با ارزشی تولید میشود. یکی از مهمترین استفاده این دادهها، برآورد نرخ تلفات خاک در شرایط خاص مورد مطالعه است. برای رسیدن به یک میانگین قابل اعتماد از نرخ فرسایش در شرایط طبیعی، جمعآوری دادههای طولانیمدت ضرورت دارد که خود نیازمند صرف وقت و سرمایه زیادی است. در این مقاله، نقش رویدادهای حداکثر در تلفات خاک کرت و تولید رسوب حوضهها با ذکر مثالهای متعدد از مناطق مختلف جهان و ایران تشریح شده است. بر اساس منابع مرور شده، دو رویکرد مختلف برای رسیدن به برآورد قابل اعتمادی از فرسایش متوسط سالانه با اندازهگیری محدود وجود دارد. در رویکرد اول که تکیه بر بزرگترین رویدادهای فرسایش و تولید رسوب است ملاحظه شد که در اکثر مناطق جهان مجموع چند رویداد حداکثر، سهمی در حدود 50 درصد در تلفات خاک یا حمل رسوب دارند. در رویکرد دوم که بر احتمال وقوع رویدادها اتکا دارد، دو راهبرد استفاده از روشهای نمونهگیری آماری در برداشت نمونه و اندازهگیری رویدادهای با دوره بازگشت معین بالا تشریح شدهاند.https://www.wmji.ir/article_697020_0b4ba4919a7703b76ebad664caabdfc9.pdfانجمن آبخیزداری ایرانترویج و توسعه آبخیزداری2645-477731120160220Water Poverty Index and its importance in water resources managementشاخص فقر آب و اهمیت آن در مدیریت منابع آب1522697021FAرقیه آسیابیهیردانشجوی کارشناسی ارشد آبخیزداری، دانشکده علوم کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلیرئوف مصطفیزادهدانشیار گروه منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، عضو پژوهشکده مدیریت آب، دانشگاه محقق اردبیلی، اردبیل، ایران0000-0002-0401-0260مجید رئوفدانشیار گروه مهندسی آب، دانشکده علوم کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلیاباذر اسمعلیعوریدانشیار گروه مرتع و آبخیزداری، دانشکده علوم کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلیJournal Article20221111It is predicted that the water scarcity will rise in the coming years due to a population growth, increased pollution sources, climate change and occurrence of droughts can ultimately affect the amount of available water resources. A global cooperation and foresight and joint planning of water resources is necessary to resolve the water crisis. In recent years, development and designing new multidimensional and comprehensive indices seems to be the most important issue for assessment of the current condition and predicting the future trend of surface and ground water resources changes. Towards this attempt, the Water Poverty Index (WPI) is recommended as a multi-dimensional indicator to assess the availability of surface water resources. Some applications of the WPI is highlighted at different countries and also its calculation steps is demonstrated through different criteria. According to the results, the WPI is derived based on the weighted combination of five components in different studies. Main WPI components are: resources (availability, seasonal and inter-annual variability and water quality), access (accessibility of water for effective use), capacity (managing water resources based on socio-economic variables), use (level of water use by different sectors), and environment (environmental impact of water management on ecological integrity). According to multidimensional nature of Water Poverty Index along with considering all affecting factors on water scarcity and availability behind social and economic characteristics can be a useful tool in prioritizing critical areas can be considered as an effective step in optimal planning of water resources. Water Poverty Index is a combination of influencing factors on water stress and scarcity, which provide a basis to prioritize and specifying management options for different watersheds. It should be noted that determination and analysis of water scarcity in different areas is depend on the condition of water resources, data availability and the employed sub-criteria in the calculation of water poverty index.تشدید بحران آب در سالهای آینده با توجه به افزایش جمعیت، افزایش آلودگیها، تخریب پوشش گیاهی، تغییر اقلیم و بروز خشکسالیها اجتناب ناپذیر خواهد بود. حل بحران آب نیازمند همکاری و اراده جهانی است و آیندهنگری و برنامهریزی برای منابع آبی در جهان امری ضروری به نظر میرسد. در سالهای اخیر لزوم تدوین و ارائه شاخصهای جدید جامع و چند بعدی برای ارزیابی وضعیت موجود و پیشبینی روند آتی منابع آب سطحی و زیرزمینی از اهمیت بالایی برخوردار شده است. در همین راستا شاخص چندبعدی تحت عنوان شاخص فقر آب به منظور ارزیابی دسترسی به منابع آب ارائه گردیده است. در این مقاله به معرفی شاخص فقر آب، مطالعات انجام شده در کشورهای مختلف و چگونگی محاسبهی آن پرداخته شده است. بر اساس نتایج، شاخص فقر آب بر اساس ترکیب وزنی پنج مولفه اصلی محاسبه میشود. مولفههای اصلی شاخص فقر آب شامل منابع (دسترسی، تغییرات فصلی و سالانه کمیت و کیفیت آب)، دسترسی (قابلیت دسترسی آب برای استفاده موثر)، ظرفیت (عوامل اقتصادی-اجتماعی در مدیریت منابع آب)، استفاده (میزان استفاده در بخشهای مختلف) و محیط زیست (اثرات مدیریت آب بر یکپارچگی اکولوژیک) میباشند. با توجه به ماهیت چندبعدی شاخص فقر آب و در نظر گرفتن تمامی عوامل موثر بر دسترسی یا کمبود منابع آب و نیز ویژگیهای اقتصادی و اجتماعی میتواند ابزار مفیدی در اولویتبندی مناطق بحرانی و گامی موثر در برنامهریزی استفادهی بهینه از منابع آب باشد. شاخص فقر آب نشاندهنده تاثیر ترکیبی عوامل عوامل موثر بر کمبود و تنش منابع آبی است که امکان اولویتبندی و تدوین نسخههای مدیریتی برای مناطق مختلف را فراهم مینماید. باید توجه داشت که تعیین و تحلیل شدت کمبود و تنش منابع آب در مناطق مختلف بر اساس شرایط منابع آب منطقه مورد بررسی، قابلیت محاسبه شاخص و وجود دادهها و نوع معیارهای انتخابی متفاوت خواهد بود.https://www.wmji.ir/article_697021_f9f25be1ec954830702dc7d167848e05.pdfانجمن آبخیزداری ایرانترویج و توسعه آبخیزداری2645-477731120160220Introducing G2 Model with the Ability to Provide Spatial and Temporal Soil Loss Map as the Main Tool for Watershed Managementمعرفی مدل G2 با قابلیت ارائه نقشه تغییرات مکانی و زمانی هدررفت خاک به عنوان ابزار اساسی مدیریت حوزههای آبخیز2327697022FAهیرو محمدامینیدانشآموختگان کارشناسی ارشد، گروه مهندسی آبخیزداری، دانشکده منابع طبیعی دانشگاه تربیت مدرس، نور، مازندارن، ایران.عبدالواحد خالدی درویشاناستادیار (نویسنده مسئول)، گروه مهندسی آبخیزداری، دانشکده منابع طبیعی دانشگاه تربیت مدرس، نور، مازندارن، ایران.آزاده کاتبی کرددانشآموختگان کارشناسی ارشد، گروه مهندسی آبخیزداری، دانشکده منابع طبیعی دانشگاه تربیت مدرس، نور، مازندارن، ایران.Journal Article20221111Direct measurement of soil loss especially in hillslope and watershed scales is expensive and difficult thus soil erosion models are widely used and the new models with more accuracy and advantages are developed day by day. G2 is a new USLE-based soil loss model with the ability to predict soil loss in monthly, seasonal and annual timescales and provide the spatial soil loss map in watershed scale. The input data in G2 model includes meteorological and pedological data and ASTER, SPOT and MERIS satellite images. The results of G2 in Southeast Europe (Greece and Bulgaria) with Mediterranean and semi-humid climate showed that this model has the acceptable accuracy to predict monthly soil loss. The main characteristics of G2 model are simplicity, being realistic and data-driven. It’s recommended to use G2 model to prepare the spatio-temporal soil loss map in some representative watersheds of Iran, because of the availability of data and satellite images.از آنجایی که اندازهگیری مستقیم هدررفت خاک به ویژه در مقیاس دامنه و یا حوزه آبخیز مشکل و پرهزینه میباشد، امروزه استفاده از مدلهای فرسایش گسترش پیدا کرده و روزبهروز مدلهای جدید و با دقت و مزایای بیشتر توسعه پیدا می کنند. G2 مدل جدیدی برای برآورد هدررفت خاک و دنبالهرو معادله جهانی فرسایش خاک بوده که دارای قابلیت برآورد هدررفت خاک در مقیاسهای ماهانه، فصلی و سالانه و نیز ارائه نقشه مکانی هدررفت خاک در سطح حوزه آبخیز میباشد. دادههای ورودی در مدل G2 شامل دادههای ایستگاه هواشناسی، دادههای مربوط به خاک و تصاویر ماهوارههای ASTER، SPOT، MERIS میباشد. نتایج کاربردهای این مدل جدید در جنوب شرق اروپا (یونان و بلغارستان) با اقلیم مدیترانهای و نیمه مرطوب نشان داده است که این مدل دقت قابل قبولی برای برآورد متوسط ماهانه هدررفت خاک دارد. از خصوصیات بارز آن ساده، واقعگرا و دادهمحور بودن این مدل میباشد. با توجه به امکان دسترسی به دادهها و تصاویر ماهوارهای مورد نیاز این مدل، پیشنهاد میشود که از آن برای تهیه نقشه مکانی-زمانی هدررفت خاک در برخی حوزههای آبخیز معرف کشور استفاده شود.https://www.wmji.ir/article_697022_bb3747f33a4b872124537a6288a43a1c.pdfانجمن آبخیزداری ایرانترویج و توسعه آبخیزداری2645-477731120160220Investigation of abilities and limitations of estimation model of forest roads erosion soilبررسی قابلیتها و محدودیتهای مدلهای برآورد فرسایش خاک جادههای جنگلی2938697023FAمحسن مصطفیدانشجوی دکتری علوم جنگل و جنگلداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایرانشعبان شتایی جویباریدانشیار گروه جنگلداری، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان،ایرانJournal Article20221112The forest roads supply accesses to various points in forest in order to timber transportation in forest plans, Silviculture operations, Training and other using of forest. Road construction made a surface without vegetation cover that lead to creation of erosion and sediment in forest area. In order to estimating of erosion and sediment in forest roads, a lot of models has been designed and introduced. This paper investigated of abilities and limitations of estimation model of forest roads erosion soil that has been designed. First the models have been divided in two physical and empirical, then Characteristics data and usable area for each models has been explained. The physical models were explained include WWEP, KINEROS2 and empirical model include ROADMOD، STJ-ERO, SEDMODL ،SEDMODL2, WARSEM, FORECALT and CULSED. Eventually ability and limitation of each model was presented and discussed. Result of this paper showed that number of parameters required, temporal scale, operational area, estimation spatial and type of estimation (erosion and sediment) are the important Characteristics to judging about models. The overall conclusion of this research showed the most fundamental limitations this models include assembling total practicable data unusable for various regions. جادههای جنگلی امکان ورود به جنگل برای دسترسی به نقاط مختلف جنگل، خروج چوب در انجام طرحهای جنگلداری، عملیات جنگلشناسی، پرورش، حفاظت و همچنین استفاده از سایر کاربردهای جنگل را فراهم مینمایند. با احداث این جادهها یک سطح عاری از پوشش گیاهی ایجاد میشود که عامل اصلی ایجاد فرسایش و رسوب در مناطق جنگلی میباشد. برای برآورد میزان فرسایش و رسوب جادههای جنگلی مدلهای زیادی طراحی و معرفی شدهاند. این تحقیق به بررسی قابلیتها و محدودیتهای مدلهایی که جهت تخمین فرسایش و رسوب در جادههای جنگلی ارائه شدهاند، پرداخته است، ابتدا مدلهای موجود به دو دسته فیزیکی و تجربی تفکیک شده و مشخصات هر کدام از مدلها و دادههای مورد نیاز برای اجرای آنها و مناطقی که میتوانند استفاده شوند توضیح داده شده است. مدلهای فیزیکی مورد بررسی شامل مدلهای WEPPو KINEROS2 و مدلهای تجربی شامل مدلهای ROADMOD، STJ-EROS، SEDMODL،SEDMODL2 ، WARSEM، FORECALT و <em>CULSED</em><em> </em>میباشند. در نهایت تواناییها و محدودیتهای هرکدام از مدلها مطرح و مورد بحث قرارگرفته شده است. نتایج حاصل از این بررسی نشان داد که تعداد پارمترهای مورد نیاز، مقیاس زمانی و محدوده عملیاتی، مکان پیشبینی و نوع پیش بینی (فرسایش یا رسوب) مدلها، مهمترین مشخصهها برای قضاوت در مورد مدلها میباشد. نتیجهگیری کلی نشان داد محدویت عمده این مدلها شامل مشکلات فراهم شدن تمامی دادههای مورد نیاز مدل برای اجرا و همچنین غیر قابل استفاده بودن آنها در مناطق مختلف میباشد.https://www.wmji.ir/article_697023_cff3c943af8f51544a933bf2eb681578.pdfانجمن آبخیزداری ایرانترویج و توسعه آبخیزداری2645-477731120160220On-Farm cleaning of agricultural products to reduce harvest erosionپاکسازی اولیه محصولات کشاورزی در مزرعه بهمنظور کاهش فرسایش برداشت3942697024FAبهجت تاجالدیندانشیار موسسه تحقیقات فنی و مهندسی کشاورزی- سازمان تحقیقات، آموزش و ترویج کشاورزی- کرج.Journal Article20221112Leafy vegetables such as spinach or root crops like radish, sugar beet, potato, etc. pick out a significant amount lumps of soil (up to 20% of the product weight) when move out during the harvest practices. This kind of soil that removed from the farm can be called as soil erosion. This adhered soil from the field after harvesting of taproot and tuberous root plants enter to the processing cycle from transportation to marketing, thus more cost pay for the transport of throughput. On the other hand, this soil will be then converted into the municipal solid waste. In addition, more water should be spent for washing and in resulted there is more sewage due to removing of products soil in the consumption time. A good way to prevent these problems is to initial clean and package of agricultural products on the farm. Despite of many developments in the world, using post-harvest cleaning machines in the Iranian farm is in the early stages in which needs to more attention and promotion. Thus, the present article firstly describes the most important new sources of soil loss through product harvesting, and finally attempts to show that on-farm cleaning and packaging of the agricultural products can be prevented from the soil loss due to crop harvesting (SLCH) because of their implementation in the field. It can also be reduced the municipal wastes, decrease the transportation costs, protect the environment, and prevent from the wash water consumption and waste production in the next steps, including in homes.سبزیجاتی که با ریشه یا غده از خاک بیرون آورده میشوند مثل سبزیجات برگی چون اسفناج، سبزیجات ریشهای مانند تربچه، چغندر، سیبزمینی و غیره، به هنگام برداشت، مقدار قابل توجهی گاه تا 20 درصد وزن محصول، خاک از مزرعه خارج میکنند. این خاک خارج شده را میتوان به نوعی فرسایش تلقی کرد چرا که از محل خارج شده و دیگر به آنجا بر نمیگردد. خاک خارج شده همراه محصول وارد فرآیند حمل بار تا مراکز فروش شده و در نتیجه هزینه اضافه برای حمل پرداخت میگردد. از طرف دیگر، این مقدار خاک بعدها خود به زباله شهری تبدیل میشود و در نهایت به هنگام مصرف، بمنظور زدودن خاک از محصول، آب بیشتری برای شستشو صرف شده و همراه با خاک، روانه فاضلاب میگردد. یک راه مناسب برای جلوگیری از بروز این مشکلات، اجرای پاکسازی اولیه و بستهبندی محصولات کشاورزی در مزرعه است. به رغم پیشرفتهای زیاد در سطح جهان، استفاده از ماشینآلات پاکسازی محصولات پس از برداشت در ایران در مراحل اولیه است و نیاز به ترویج آن احساس میشود. در این مقاله، ابتدا جدیدترین منابع مقدار هدررفت خاک همراه با برداشت تعدادی از محصولات مهم تشریح میگردد و در نهایت، نشان داده میشود که با اجرای پاکسازی اولیه و بستهبندی محصولات کشاورزی در مزرعه، به دلیل پاکسازی و شستشوی محصول و بستهبندی آن در محل تولید، میتوان از اتلاف خاک جلوگیری کرد، تولید زباله را کاهش داد، هزینه حمل و نقل را کاست، حافظ محیطزیست بود و به علت شستشوی محصول در شرایط تولید انبوه از مصرف آب بیشتر و اتلاف آن در مراحل بعدی از جمله در منازل، جلوگیری کرد.https://www.wmji.ir/article_697024_b7b659e40b31bbe78e35cc16ca0c02b8.pdfانجمن آبخیزداری ایرانترویج و توسعه آبخیزداری2645-477731120160220Predicting Drought using Statistical Methods and Large-Scale Climate Signalsپیشبینی خشکسالی با استفاده از روشهای آماری و سیگنالهای بزرگ مقیاس اقلیمی4352697025FAبهرام چوبیندانشجوی دکتری دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساریمحمد گلشندانشجوی دکتری دانشگاه علوم کشاورزی و منابع طبیعی ساری،فرزانه ساجدی حسینیکارشناس ارشد، دانشگاه علوم کشاورزی و منابع طبیعی ساریJournal Article20221112Management of water resources is essential in arid and semi-arid regions. Pre-knowledge about the amount of possible precipitation is important in planning water recourses, management of agriculture and droughts. Previous studies show that large-scale climate phenomena influence on the of climate and amount precipitation in different part of the world. In this study, first, among the 45 climate signals, 8 Index were selected as the most effective indicators; the total encompasses 81% of the variance in the principal component analysis (PCA) method. Subsequently, the correlation of large-scale climate signals in monthly Standard precipitation index (SPI) (one, 3, 6 and 12) of Maharlu-Bakhtegan basin simultaneously and the delay has been analyzed by using of cross correlation. Finally, multivariate regression equation was developed to predict. The results of cross correlation method showed that more of indices are significant with time lag with standardized precipitation index. Taylor diagram and error parameters showed that performance of regression equations for the scale of one month is better than the other scales.مدیریت منابع آب در مناطق خشک و نیمه خشک ضروری است. پیشآگاهی از مقدار بارش یکی از راههای مهم در برنامهریزی منابع آب، مدیریت کشاورزی و خشکسالی میباشد. مطالعات قبل نشان میدهد که سیگنالهای بزرگ مقیاس اقلیمی (دما و فشار سطح دریاها و اقیانوسها) بر روی اقلیم و میزان بارش در مناطق مختلف تاثیر گذار است. در این مطالعه، ابتدا با روش تجزیه مولفههای اصلی (PCA) از بین 45 شاخص اقلیمی، 8 شاخص با مجموع 81% واریانس به عنوان موثرترین شاخصهای اقلیمی انتخاب شدند. سپس تاثیر سیگنالهای بزرگ مقیاس اقلیمی بر روی شاخص بارندگی استاندارد(SPI) ماهیانه در مقیاس (یک، سه، شش و 12 ماهه) حوزه آبخیز مهارلو بختگان به صورت همزمان و با تاخیر توسط همبستگی متقاطع مورد بررسی قرار گرفت. در نهایت با مدل رگرسیون چند متغیره معادلات پیشبینی ایجاد شد. نتایج همبستگی متقاطع نشان داد که بیشتر شاخصهای اقلیمی همراه با گام تاخیر نسبت به سری زمانی(SPI) معنیدار شدهاند. نتایج پارامترهای خطا و دیاگرام تیلر نشان داد که عملکرد معادلات رگرسیون در مقیاس یک ماهه بهتر از بقیه مقیاسهای مورد بررسی میباشد.https://www.wmji.ir/article_697025_184660a6df14104d3761690d600789cb.pdf