Journal of Water and Soil Science

fa ارزیابی اثرات ویژگی‌های ریخت‌شناسی، هیدرولوژیکی و کاربری اراضی بر آب برداشتی از رودخانه با استفاده از روش‌های داده‌کاوی Evaluation of the Effects of Morphological, Hydrological, and Land-Use Characteristics on River Water Abstraction Using Data Mining Methods عمومی Ggeneral پژوهشي Research <div style="text-align: justify;">بخش کشاورزی به¬عنوان یکی از مهم‌ترین بخش&rlm;های مصرف آب در پایداری سیستم&rlm;های منابع آب کشور تأثیرگذار است. این مطالعه، با هدف تخمین برداشت آب از رودخانه&rlm; برای مصارف کشاورزی در محدوده مطالعاتی نوبران، واقع در حوضه آبریز دریاچه نمک، انجام شده است. تخمین میزان برداشت آب از رودخانه با استفاده از متغیرهای وابسته به فاکتورهای ریخت‌شناسی، هیدرولوژیکی، کاربری اراضی و ترکیبی از متغیرهای آن‌ها که با نمونه&rlm;برداری میدانی جمع&rlm;آوری شده است، انجام گرفت. همچنین، برای تخمین متغیر برداشت آب از رودخانه‌&rlm;ها، روش&rlm;های داده‌کاوی شامل سامانه استنتاجی فازی- عصبی تطبیقی (ANFIS)، روش گروهی مدل‌سازی داده&rlm;ها (GMDH)، شبکه تابع پایه شعاعی (RBF) و مدل درخت تصمیم رگرسیونی (Rtree) به کار گرفته شد. در این مطالعه، مدل GMDH24 با سناریوی ترکیبی شامل متغیرهای عرض رودخانه، عمق رودخانه، حداقل جریان، حداکثر جریان، متوسط جریان، مساحت کشت شده زراعی و باغی به‌عنوان بهترین مدل برای برآورد متغیر برداشت آب از رودخانه&rlm; معرفی شد. مقدار RMSE برای سناریوی ترکیبی مدل GMDH24 به‌منظور تخمین برداشت آب در محدوده مطالعاتی نوبران 046/0 به‌دست آمد. نتایج حاکی از این است که عملکرد مدل GMDH24 در برآورد برداشت آب رودخانه&rlm;ها برای مقادیر حداکثر بسیار قابل قبول و امیدوارکننده است. بنابراین، مدل‌سازی و شناسایی متغیرهای مختلف تأثیرگذار بر میزان بهینه برداشت آب از رودخانه&rlm;ها جهت تأمین مصارف کشاورزی باعث دستیابی به اهداف مدیریت یکپارچه منابع آب (IWRM) می‌شود.</div> <div style="text-align: justify;">The agricultural sector as one of the most important sectors of water consumption has great importance for the sustainability of the country's water resources systems. The objective of this study was to estimate the river water abstraction (RWA) for agricultural consumption in the study area of Nobaran in the Namak Lake basin. The RWA was estimated using variables related to morphological, hydrological, and land use factors, as well as a combination of their variables collected through field sampling. Data mining methods such as adaptive-network-based fuzzy inference systems (ANFIS), group method of data handling (GMDH), radial basis function (RBF), and regression trees (Rtree) were also used to estimate the RWA variables. In the current study, the GMDH24 model with a combined scenario including the variables of river width, river depth, minimum flow, maximum flow, average flow, crop, and the garden cultivated area was adopted as the best model to estimate the RWA variable. The RMSE value for the combined scenario of the GMDH24 model was found to be 0.046 for estimating RWA in the Nobaran study area. The results showed that the performance of the GMDH24 model for estimating RWA for maximum values is very acceptable and promising. Therefore, modeling and identifying various variables that affect the optimal RWA rate for agricultural purposes fulfills the objectives of integrated water resources management (IWRM).</div> مدل‌سازی, منابع آب, ریخت‌شناسی, هیدرولوژی, کاربری اراضی Modeling, Water resources, Morphology, Hydrology, Land-use 95 112 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-2010-4&slc_lang=fa&sid=1 A.R. Emadi علیرضا عمادی emadia355@yahoo.com Yes Sari Agricultural Sciences and Natural Resources University دانشگاه علوم کشاورزی و منابع طبیعی ساری S. Fazeli سینا فاضلی s.fazeli@ut.ac.ir No University of Tehran دانشگاه تهران M. Hooshmand محمد هوشمند Hooshmand.m@ut.ac.ir No University of Tehran دانشگاه تهران S. Zamanzad-Ghavidel سروین زمان زاد قویدل snzghavidel@ut.ac.ir No Daneshvaran Water Engineering Consulting Company شرکت مهندسین مشاور دانشوران عمران آب R. Sobhani رضا سبحانی rezasobhani.sn@gmail.com No Sari Agricultural Sciences and Natural Resources University دانشگاه علوم کشاورزی و منابع طبیعی ساری