علوم آب و خاک

کاهش نفوذپذیری خاک در اثر ته‌نشینی ذرات معلق، یکی از موانع اصلی در عملکرد بهینه سامانه‌های تغذیه مصنوعی آبخوان‌ها به شمار می‌رود. در این پژوهش، تأثیر غلظت رسوبات (0/5، 2 و 4 گرم بر لیتر)، اندازه ذرات خاک و توزیع عمقی بر فرایند انسداد در ستون‌های آزمایشگاهی بررسی شد. نتایج نشان داد که کاهش نفوذپذیری در دو مرحله رخ می‌دهد: در مرحله اول با افت اولیه سریع به‌دلیل انسداد منافذ درشت در 10 دقیقه نخست، و مرحله دوم که در آن سیستم به تعادل نسبی می‌رسد. افزایش غلظت رسوبات موجب افت سریع‌تر و رسیدن به مقادیر تعادلی کمتر شد. خاک‌های ریزدانه با وجود نفوذپذیری اولیه کمتر، پایداری عملکرد بیشتری در برابر انسداد نشان دادند؛ در حالی‌که خاک‌های درشت‌دانه، کاهش شدیدتری را تجربه کردند. همچنین تحلیل عمقی نشان داد بیشترین افت نفوذپذیری در عمق 40 تا 50 سانتی‌متر رخ داده و در عمق‌های کمتر به‌دلیل کاهش تراکم ذرات معلق، مقدار نفوذپذیری افزایش یافته است. این یافته‌ها می‌توانند در انتخاب مصالح، طراحی لایه‌های زیرین حوضچه، پیش‌بینی عمر مفید سامانه و تنظیم بار رسوبی ورودی برای افزایش بهره‌وری سامانه‌های تغذیه مصنوعی کاربرد داشته باشند.

آبهای زیرزمینی به‌عنوان منابع حیاتی برای تأمین نیازهای شرب، کشاورزی و صنعتی در مناطق خشک و نیمه‌خشک ایران از اهمیت ویژه‌ای برخوردارند. در این مطالعه، مدل‌سازی تغییرات کمّی و کیفی آب‌های زیرزمینی دشت گرمسار در بازه زمانی ۱۳۹۰ تا ۱۴۰۲ با استفاده از نرم‌افزارهای MODFLOW،GIS و MT3DMS انجام شد. داده‌های مکانی و اقلیمی به‌صورت جامع در محیط GIS پردازش و آماده‌سازی شد و شبیه‌سازی جریان آب زیرزمینی با مدل MODFLOW و تحلیل تغییرات کیفیت آب با مدل MT3DMS انجام شد. مدل پس از صحت‌سنجی با داده‌های میدانی سال‌های ۱۳۹۹ تا ۱۴۰۲ با شاخص‌های آماری میانگین خطای مطلق (MAE) در بازه 0/4 تا 0/5 متر و ریشه میانگین مربعات خطا (RMSE) بین 0/5 تا 0/6 متر، دقت قابل قبولی از خود نشان داد. نتایج مدل‌سازی نشان داد که افزایش ۱۵ درصدی برداشت آب منجر به کاهش سطح ایستابی تا ۸ متر، برداشت ثابت کاهش ۷ متر و کاهش ۱۵ درصدی برداشت کاهش ۵ متری سطح آب را به دنبال دارد. از منظر کیفیت، کاهش برداشت باعث بهبود کیفیت آب آبیاری اما افزایش غلظت برخی آلاینده‌ها شد که نیازمند تدوین راهکارهای مدیریتی مؤثر برای حفاظت از منابع آب زیرزمینی است. یافته‌های این پژوهش گویای اهمیت بهره‌برداری پایدار و مدیریت هوشمند منابع آب زیرزمینی دشت گرمسار است.

باتوجه به نیاز روزافزون به منابع آب و کاهش منابع آب سطحی، آگاهی از کیفیت منابع آب سطحی از نیازهای مهم در برنامه‌ریزی، توسعه و حفاظت از منابع آب به شمار می‌رود. این پژوهش با هدف مدل‌سازی شاخص کیفیت آب (ویژگی پرکاربرد تعیین کیفیت آب) به کمک مدل‌های یادگیری ماشین جنگل تصادفی و ماشین بردار پشتیبان در رودخانه زاینده‌رود انجام شده است. باتوجه به تعدد شاخص‌های کیفیت آب، در این پژوهش از شاخص NSFWQI استفاده شد. ابتدا این شاخص محاسبه و در ادامه، از داده‌های ورودی شامل ویژگی‌های کیفی آب 8 ایستگاه در یک دوره ۳۱ساله و شاخص کیفیت آب رودخانه‌ استفاده شد. در این پژوهش در مرحله آموزش 80 درصد داده‌ها و در مرحله ارزیابی 20 درصد باقی‌مانده استفاده شده و بر اساس نتایج معیارهای ارزیابی R²،  CRMو NRMSE مدل بهینه انتخاب شد. نتایج نشان داد در چهار ایستگاه الگوریتم ماشین بردار پشتیبان (-0/003122<0/982 ) و در چهار ایستگاه الگوریتم جنگل تصادفی (-0/001142<0/999) عملکرد بهتری نشان داد. همچنین نتایج نشان داد که برای صرفه‌جویی در زمان و هزینه، سری شماره 3 (شامل سه ویژگی هدایت الکتریکی، کل مواد جامد محلول و سختی کل) به‌منظور برآورد شاخص کیفیت آب بهترین ترکیب بوده است.

یکی از مواردی که در تعیین بازشدگی پل های رودخانه ای دارای اهمیّت زیادی است، عدم انسداد جریان در اثر کاهش مقطع عبوری سیلاب است. در این مقاله تعیین بازشدگی مورد نیاز برای عبور جریان رودخانه در محل پل با استفاده از مفهوم انرژی مخصوص و مدل‌سازی یک بعدی و سه بعدی جریان بررسی شده است. ابتدا با استفاده از مفهوم انرژی مخصوص، بیشینه پیش آمدگی خاکریزهای طرفین پل در رودخانه به‌گونه‌ای تعیین شد که باعث تغییر وضعیت جریان آب در بالادست پل نشود. ابعاد به‌دست‌آمده برای بازشدگی پل، به صورت عددی و در دو حالت یک بعدی و سه بعدی شبیه سازی شده و وضعیت جریان در محل پل و بالادست آن ارزیابی و مقایسه شد. نتایج نشان داد که مدل عددی یک بعدی مقدار برگشت آب را به طور متوسط 67 درصد بیشتر از مدل سه بعدی پیش بینی می کند. این درحالی است که بیشینه تنش برشی به‌دست‌آمده از مدل یک بعدی به طور متوسط 33 درصد کمتر از مدل سه بعدی است. اثر بیه پل بر مقدار برگشت آب و سایر متغیرهای هیدرولیکی جریان از جمله تنش برشی بستر و سرعتِ بیشینه با استفاده از مدل سه بعدی نیز بررسی شده است. در حالت بیه 40 درجه مقدار افزایش عمق آب، 19/2 درصد مقدار عمق نرمال به دست آمد.

کمبود آب، ردپای آب کشاورزی را به شاخصی مهم برای مدیریت پایدار منابع به ویژه در مناطق خشکی مانند ایران تبدیل کرده است. این شاخص وابسته به عوامل مختلفی از جمله اقلیم، میزان عملکرد، عادات غذایی مردم و راندمان آبیاری و کشاورزی است که می توان با بهره گیری از مدل ها آن را با سرعت بیشتری برآورد کرد. مدل SSM-iCROP2 دسته ای از مدل های شبیه سازی است که در ایران برای بیش از 30 گونه گیاهی پارامتریابی و ارزیابی شده است و در بیشتر مطالعات مربوط به عملکرد گیاهی استفاده شده است. از آنجایی که شکر یکی از منابع مهم تأمین انرژی در سبد غذایی است، سطح زیر کشت وسیعی را در کشور به خود اختصاص داده است. شکر حاصل از نیشکر در کشور به طور عمده در استان خوزستان کشت می شود. در این مطالعه با هدف معرفی مدل نام‌برده در برآورد ردپای آّب آّبی و سبز این محصول استراتژیک در کشور از روش بزرگ‌مقیاس‌نمایی برای شرایط پتانسیل و کشاورزان در بازه زمانی 1371 تا 1401 استفاده شد. نتایج نشان داد میزان ردپای آب کل نیشکر در کشور که حاصل جمع ردپای آب آبی، سبز و خاکستری است، برای شرایط پتانسیل و کشاورزان به ترتیب معادل 2251 و 3134 مترمکعب بر تن است.
 

تخمین مناسب پارامترهای نفوذ آب در خاک و ضریب زبری مانینگ یکی از عوامل تأثیرگذار در طراحی و ارزیابی صحیح سامانه‌های آبیاری سطحی است. مدل EDOSIM یک مدل شبیه‌سازی - بهینه‌سازی آبیاری سطحی است که از تلفیق شبیه‌سازی با مدل بیلان حجمی و بهینه‌سازی فراابتکاری استفاده می‌کند. در بخش ارزیابی این مدل، از روش دونقطه‌ای الیوت - واکر برای تخمین پارامترهای معادله نفوذ کوستیاکف - لوئیس استفاده شده است. در این پژوهش ابتدا واسنجی ضریب مانینگ و پارامترهای معادله نفوذ کوستیاکف - لوئیس در ارزیابی آبیاری جویچه‌ای و نواری با استفاده از داده‌های پیشروی مشاهداتی صورت گرفت. این مهم از طریق سه مدل بیلان حجمی با ضرایب شکل ثابت (VB-CC)، ترکیب مدل بیلان حجمی و مدل اینرسی صفر (VB-ZI) و مدل بیلان حجمی با ضرایب شکل متغیر (VB-VC) با بهره‌گیری از مجموعاً 10 سری داده ارزیابی آبیاری نواری و جویچه‌ای انجام شد. سپس قابلیت واسنجی پارامترهای نفوذ و ضریب زبری به روش برتر به مدل EDOSIM افزوده شد. نتایج نشان داد روش VB-CC با توجه به متوسط شاخص‌های آماری 0/998R2=، 4%/2NRMSE= و 0/60- MBE= در 10 مزرعه، بهترین صحت و دقت واسنجی را دارا بود. روش‌های VB-ZI و VB-VC حتی با مقادیر واسنجی‌شده نیز طول پیشروی را کم‌برآورد کردند. قرار گرفتن واسنجی به روش VB-CC به جای روش دونقطه‌ای الیوت واکر در مدل EDOSIM، با کمتر (بهتر) کردن تابع هدف از میانگین 0/34 به 0/13 در آبیاری نواری و از میانگین 0/86 به 0/36 در آبیاری جویچه‌ای، دقت شبیه‌سازی و بهینه‌سازی را افزایش داد؛ ازاین‌رو استفاده از واسنجی به روش VB-CC در مدل EDOSIM می‌تواند به‌عنوان ابزاری کارآمد برای بهره‌برداری بهینه سامانه‌های آبیاری سطحی استفاده شود.

فرسایش آبی مسئله مهمی در ایران است و به دلیل نبود داده های معتبر و کافی برای شناسایی مناطق مستعد فرسایش استفاده از مدل‌ها اجتناب ناپذیر است. این پژوهش برای ارزیابی مدل MPSIAC در زیرحوضه گوهرباران واقع در استان چهارمحال‌ و بختیاری طراحی شده است. برای تحقق این هدف رسوبات مخزن سد گهرباران پس از تخلیه آب نقشه برداری و اندازه گیری شد. با استفاده از تصاویر ماهواره Landsat-8 اثر تغییر کاربری سرزمین بر فرسایش بررسی شد. طی فعالیت میدانی 37 نمونه خاک سطحی (20-0 سانتی‌متری) برداشته شد و بعد از تیمارهای اولیه برای تجزیه فیزیکی و شیمیایی استفاده شدند. برای تعیین نه عامل مدل MPSIAC از داده های کتابخانه ای، میدانی و آزمایشگاهی استفاده شد. مقایسه زمانی نقشه های کاربری نشان داد طی 20 سال (1393-1373) کیفیت مراتع بهبود یافته و وسعت باغات دو برابر شده است. آزمون حساسیت آشکار کرد که مدل MPSIAC بیشترین و کمترین حساسیت را به ترتیب به عامل فرسایش رودخانه ای و خاک داشت. اندازه گیری رسوب مشخص کرد که رسوب دهی ویژه در دوره ۲۶ساله (1393-1367)  t.ha^-1.y^-1 11/6 بود؛ درحالی‌که رسوب دهی ویژه پیش بینی‌شده مدل ha^-1.y^-1 5/97 بود. برخلاف دستاورد دیگر پژوهشگران کم‌برآوردی رسوب توسط مدل لزوم کالیبراسیون مدل MPSIAC را قبل از کاربرد آن در محیط های مشابه را آشکار میکند

صنعت فولاد نقش مهمی در انتشار آلاینده‌های سمی، از جمله فلزات سنگین به محیط‌زیست دارد. مطالعه توصیفی ـ کاربردی حاضر در سال 1401 برای شناسایی منابع انتشار فلزات سنگین در خاک های سطحی در مجاورت یک صنعت فولاد با استفاده از مدل‌های فاکتور ماتریس مثبت و موازنه جرم شیمیایی انجام شد. نمونه‌های خاک (50 نمونه) به طور سیستماتیک از چهار منطقه در محدوده کارخانه فولاد جمع‌آوری شدند و یک منطقه شاهد به مساحت 15 کیلومتر ایجاد شد. پنج منبع اصلی، شامل پوسته زمین (فاکتور 1)، وسایل نقلیه (فاکتور 2)، صنعت فولاد (فاکتور 3)، زیست‌توده (فاکتور 4) و سایر منابع (فاکتور 5)، به عنوان عوامل اصلی فلزات سنگین در مدل فاکتور ماتریس مثبت شناسایی شدند. کبالت، نیکل و روی بیشترین میانگین غلظت به ترتیب با مقادیر 14/5، 1/21 و 0/92میلی‌گرم بر کیلوگرم را داشتند. کادمیوم و سرب کمترین غلظت را با مقادیر 0/02 و 0/10 میلی‌گرم بر کیلوگرم به ترتیب در نمونه‌های محدوده از منطقه شرکت فولاد خوزستان نشان داد. مقایسه سهم منابع مختلف در انتشار فلزات سنگین در عوامل شناسایی‌شده نشان داد که صنعت فولاد، سایر منابع، پوسته زمین، وسایل نقلیه و زیست‌توده به ترتیب 24، 23، 19، 18 و 16 درصد در مدل فاکتور ماتریس مثبت و 23، 22، 20، 18 و 17 درصد در مدل موازنه جرم شیمیایی را تشکیل می‌دهند. مدل‌های فاکتور ماتریس مثبت و موازنه جرم شیمیایی نشان دادند که سطح زیاد آلودگی خاک با فلزات سنگین در مجاورت شرکت فولاد خوزستان در شهر اهواز داشت.

آبشستگی، چالش اصلی مهندسی رودخانه، با تخریب پل‌ها در سیلاب‌ها، هزینه‌های مالی را به دنبال دارد. این مطالعه با هدف تخمین عمق آبشستگی (Dse/Dp) اطراف گروه‌های شمع، پارامترهای هیدرودینامیکی و هندسی را بررسی کرد. بدین منظور با جمع‌آوری 299 داده‌های آزمایشگاهی از منابع مختلف، داده‌ها به دو بخش آزمایش و آزمون تقسیم‌بندی شد. به عنوان ورودی مدل‌های یادگیری ماشین، شامل شبکه عصبی مصنوعی (ANN)، بردار پشتیبان (SVR)، الگوریتم تقویت گرادیان شدید (XGboost) و مدل یادگیری ترکیبی متا (Stacking) همچنین برای تنظیم اَبَرپارامترهای مدل از روش جستجوی شبکه‌ای Gridsearch به منظور ایجاد رگرسیون مؤثر استفاده شد. در ارزیابی عملکرد مدل‌ها، مدل ANN به مقدار 0/87 R² =و مدل SVR به 0/91 R² =دست یافتند. مدل XGBoost با 0/94 R² =و 0/28 RMSE ≈ توانست عملکرد دقیق‌تری نسبت به دو مدل دیگر ارائه دهد. درنهایت، مدل ترکیبی Stacking با بهره‌گیری از خروجی مدل‌های پایه، بهترین عملکرد را ثبت کرده و مقدار 96/0  R² = و 0/11  RMSE =را به دست آورد که این نتایج به معنی افزایش حدود ۱۵ درصدی دقت نسبت به ANN و ۷ درصد نسبت به XGBoost است. به‌طور کلی یافته‌ها نشان می‌دهد که استفاده از مدل‌های ترکیبی یادگیری ماشین، به‌ویژه Stacking، می‌تواند رویکردی دقیق و کارآمد برای پیش‌بینی عمق آبشستگی پیرامون گروه‌های شمع و تحلیل رفتارهای پیچیده جریان در سامانه‌های هیدرولیکی باشد.