1393 67 3 3 167

0 تأثیر چرای بلندمدت گاو در خصوصیات مورفولوژیک ریشة گونة Brachiaria decumbens و چگونگی توزیع آن در خاک (مطالعة موردی: چراگاه استوایی در کشور مالزی) Effect of long-term cattle grazing on root distribution and morphological characteristics of Brachiaria decumbens (Case study: tropical pasture, Malaysia) https://jrwm.ut.ac.ir/article_52823.html 10.22059/jrwm.2014.52823 0 هدف این مطالعه کمّی‌سازی واکنش ریشة گونة Brachiaria decumbens به چرای گاو در چراگاه استوایی در کشور مالزی بود. تیمارها عبارت بود از: چرای تناوبی با شدت متوسط (7/2 واحد دامی در هکتار) در بلندمدت (33 سال) و عدم چرا. نمونه‌های ریشه همراه با خاک تا عمق 30 سانتی‌متر برداشت شد. خصوصیات مورفولوژیک ریشه‌ـ یعنی طول، قطر، سطح، و حجم آن‌‌ـ با استفاده از دستگاه WinRhizo Root Scanner اندازه‌گیری شد. چگونگی توزیع ریشه در واحد حجم خاک با استفاده از روابط مربوطه محاسبه شد. داده‌ها با روش تجزیة واریانس، اندازه‌گیری‌های مکرر، و آزمون t تجزیه و تحلیل شد. اثر چرا در طول ریشه و توزیع آن در خاک و متوسط قطر ریشه معنی‌دار نبود) 05/0(P >. قطر ریشه در عمق میانی (10-20) و زیرین (20-30 سانتی‌متر) خاک در منطقة چراشده به‌ترتیب 50 درصد و 72 درصد بیش از مقادیر آن در سایت چرانشده بود )05/0(P <. حجم و مساحت سطح ریشه و چگونگی توزیع آن‌ها در واحد حجم خاک در هر دو منطقة چرا و عدم چرا یکسان بود) 05/0(P >. چرا، عمق خاک، و اثر متقابل آن‌ها تأثیر معنی‌داری در وزن ریشه و تراکم وزن ریشه در واحد حجم خاک داشت )05/0(P <. در هر سه عمق خاک، وزن ریشه در سایت چراشده بیش از مقدار آن در سایت چرانشده بود )05/0(P <. چرای تناوبی با شدت متوسط در بلندمدت تأثیر منفی در خصوصیات مورفولوژیک ریشة Brachiaria decumbens و نحوة توزیع آن‌ها در واحد حجم خاک نداشته است. 1 Root morphological and distribution responses of signal grass (Brachiaria decumbens) to long-term cattle grazing were examined in a tropical pasture in Malaysia. The treatments were no grazing by cattle and grazing at a moderate stocking density (2.7 animal unit/ha) under rotational grazing for 33 years. The method consists of taking soil core using a soil corer to a depth of 30 cm and extracting roots from cores by hand-washing and subsequent measuring of root morphological characteristics including length, surface area, average diameter and volume using WinRhizo Root Scanner. Root length density, mass density, surface area density, and volume density were calculated as indicators of root distribution pattern in the soil volume. Data were analyzed using repeated measure analysis of variance and independent t-test. Root diameter, length and length density were affected neither by grazing treatment nor the interaction between them (P > 0.05). Root diameters in the middle (10–20 cm) and lower (20–30 cm) soil layers of grazed site were 50% and 72% greater than that in the ungrazed site. Root volume, surface area and their densities were not affected (P > 0.05) by grazing and the interaction between grazing and soil depth. Mean root mass and mass density were affected (P < 0.05) by moderate grazing and soil depth, and the interaction between them. Mean root mass in all soil depths in grazed site was greater than that in the ungrazed site. Long-term rotational moderate grazing has no negative impact on root variables of signal grass in tropical pasture. 333 344 مجید آجورلو Majid Ajorlo استادیار گروه مرتع و آبخیزداری، دانشکدة منابع طبیعی، دانشگاه زابل ایران ajorlo_m54@yahoo.com محبوبه ابراهیمیان Mahboubeh Ebrahimian دانشجوی دکتری آبخیزداری، دانشکدة جنگل‌داری، دانشگاه پوترا، مالزی ایران m_ebrahimian81@yahoo.com رمضانی عبدالله Ramdzani Abdullah دانشیار دانشکدة مطالعات محیط زیست، دانشگاه پوترا، مالزی ایران ramdzani@envi.upm.edu.my چراگاه استوایی حجم ریشه سطح ریشه طول ریشه قطر ریشه وزن ریشه [1] Arredondo, J.T. and Johnson, D.A. (1998). Clipping effects on root architecture and morphology of three range grasses. Journal of Range Management, 51, 207-214.##[2] Arredondo, J.T. and Johnson, D.A. (1999). Root architecture and biomass allocation of three range grasses in response to non-uniform supply of nutrients and shoot defoliation. New Phytologist, 143, 373-385.##[3] Arredondo, J.T. and Johnson, D.A. (2009). Root responses to short-lived pulses of soil nutrients and shoot defoliation in seedlings of three rangeland grasses. Rangeland Ecology and Management, 62, 470-479.##[4] Beyrouty, C.A., West, C.P. and Gbur, E.E. (1990). Root development of bermudagrass and tall fescue as affected by cutting interval and growth regulators. Plant and Soil, 127, 23-30.##[5] Bilotta, G.S., Brazier, R.E. and Haygarth, P.M. (2007). The impacts of grazing animals on the quality of soils, vegetation, and surface waters in intensively managed grasslands. Advances in Agronomy, 94, 237-280.##[6] Chen, Y., Lee, P., Lee, G., Mariko, S. and Oikawa, T. (2006). Simulating root responses to grazing of a Mongolian grassland ecosystem. Plant Ecology, 183, 265-275.##[7] Dawson, L.A., Grayston, S.J. and Paterson, E. (2000). Effects of grazing on the roots and rhizosphere of grasses. 61-84. In: Grassland Ecophysiology and Grazing Ecology, CABI Publishing, New York.##[8] Delgado, G.H.J., Aviless, L.R. and Vera, J.K. (2004). Root density in Panicum maximum cv. Tanzania monoculture and in a mixture with Leucaena leucocephala with different densities in Mexico. 20th International Grassland Congress, Dublin, Ireland, p.129.##[9] Derner, J.D. and Briske, D.D. (1999). Does a tradeoff exist between morphological and physiological root plasticity? A comparison of grass growth forms. Acta Oecology, 20, 519-526.##[10] Deutsch, E.S., Bork, E.W. and Willms, W.D. (2010). Soil moisture and plant growth responses to litter and defoliation impacts in parkland grasslands. Agriculture, Ecosystem and Environment, 135, 1-9.##[11] Engel, R.K., Nichols, J.T., Dodd J.L. and Brummer, J.E. (1998). Root and shoot responses of sand bluestem to defoliation. Journal of Range Management, 51, 42-46.##[12] Greenwood, K.L. and Hutchinson, K.J. (1998). Root characteristics of temperate pasture in New South Wales after grazing at three stocking rates for 30 years. Grass and Forage Science, 53, 120-128.##[13] Hendrickson, J. and Olson, B. (2006). Understanding plant response to grazing. 32-39. In: Launchbaugh, K. (ed.), Targeted grazing: A natural approach to vegetation management and landscape enhancement. American Sheep Industry Association, Denver, Colorado.##[14] Lodge, G.M. and Murphy, S.R. (2006). Root depth of native and sown perennial grass-based pastures, North-West Slopes, New South Wales. 1. Estimates from cores and effects of grazing treatments. Australian Journal of Experimental Agriculture, 45, 337-345.##[15] Milchunas, D.G. and Lauenroth, W.K. (1993). Quantitative effects of grazing on vegetation and soils over a global range of environments. Ecololgy Monograph, 63, 327-366.##[16] Miles, J.W., Maass, M.L. and Do Valle, C.B. (1996). Brachiaria: Biology, Agronomy, and improvement. CIAT publication. No. 259, Colombia.##[17] Mousel, E.M., Schacht, W.H., Zanner, C.W. and Moser, L.E. (2005). Effects of summer grazing strategies on organic reserves and root characteristics of big bluestem. Crop Science, 45, 2008-2014.##[18] Oliveira, M.R.G., Van Noordwijk, M. and Gaze, S.R. (2000). Auger sampling, ingrowth cores and pinboard methods. In Smit, A.L. et al. (ed.) Root methods. Springer-Verlag, Berlin.##[19] Piccolo, M.C. and Augusti, K.C. (2004). Root systems in tropical pasture restoration treatments inRondonia, Brazil. 20th International Grassland Congress, Dublin, Ireland, p. 187.##[20] Richards, J.H. (1984). Root growth response to defoliation in two Agropyron bunchgrasses: Field observations with an improved periscope. Oecologia, 64, 21-25.##[21] Van der Maarel, E. and Titlyanova, A. (1989). Above-ground and below-ground biomass relations in steppes under different grazing intensities. Oikos: Journal of Ecology, 56, 364-370.##

0 ارزیابی شدت بیابان‏زایی حوزة آبخیز درخت سنجد با استفاده از مدل IMDPA Assessment of desertification potential using IMDPA model In Derakhte Senged water shed https://jrwm.ut.ac.ir/article_52824.html 10.22059/jrwm.2014.52824 0 در این تحقیق از روش ایرانی ارزیابی پتانسیل بیابانی‏زایی اراضی(IMDPA)  برای ارزیابی پتانسیل بیابان‏زایی منطقة درخت سنجد استفاده شد. پس از بررسی‏ها و ارزیابی‏های اولیه، چهار معیار اقلیم، پوشش‏ گیاهی، خاک، زمین‏شناسی و ژئومورفولوژی مهم‌ترین معیارهای مؤثر در بیابان‏زایی این منطقه انتخاب شدند. با استفاده از روش فوق، امتیازات شاخص‏های هر معیار تعیین شد و ارزش آن معیار با محاسبة میانگین هندسی امتیاز شاخص‏های آن محاسبه گردید. سپس، با استفاده از GIS، نقشة شدت بیابان‏زایی منطقه تهیه شد. برای این منظور، لایه‏های رستری معیارهای مذکور روی‏هم‏گذاری و تلفیق شد و میانگین هندسی معیارها محاسبه گردید. در نهایت، با تجزیه و تحلیل نتایج به‌دست‌آمده، به کمک مدل IMDPA نقشة شدت بیابان‏زایی منطقه به‌دست آمد. نتایج حاصل از این ارزیابی نشان می‏دهد که کلاس شدت بیابان‏زایی در 37/0 درصد از منطقه کم، در 80 درصد از منطقه متوسط، و در 63/19 درصد از منطقه شدید است. معیار پوشش گیاهی، با ارزش عددی 05/3، بیشترین تأثیر و معیار زمین‏شناسی، با ارزش عددی 8/1، کمترین تأثیر را در بیابان‏زایی منطقه دارند. همچنین، معیارهای اقلیم و خاک به‌ترتیب، با ارزش عددی 04/2 و 21/2، شدت بیابان‏زایی متوسط را نشان می‏دهند. 1 The Derakhte Senged area is located in south of Neishaboor town at Khorasan Razavi province. In this research, desertification intensity of Derakht senged area was evaluated using IMDPA, one of the newest method to Assess desertification potential in arid and semi arid regions of Iran. To evaluate desertification intensity, based on the primary research in this area, 4 criteria were selected including vegetation cover, soil, climate, geology and geomorphology. Each criterion was assessed based on the selected indices which result in qualitative mapping of each criterion cased on geometric mean of the indices. Then, sensitive map of region was extracted using geometric mean of all criteria. By laminate of thematic databases layers and using geometric mean of main criteria intensity map was obtained. The results showed that 0.37 % of study area categorized in low class, 80% was medium and 19.63% involved high class of desertification. Analysis of desertification criteria in this region showed that among study criteria, vegetation cover criteria is a major problem with a geometric average of 3.05 which shows high class, while geology and geomorphology with a weighted average of 1.8, has moderate effect in desertification. Also, climate and soil criteria with a geometric average of 2.04 and 2.21 show medium class desertification. 345 358 الهام السادات ابریشم ابریشم Elham alsadat Abrisham دکتری بیابان‏ زدایی، دانشکدة منابع طبیعی دانشگاه تهران ایران elhamabrisham@ut.ac.ir سادات فیض نیا Sadat Feiznia استاد دانشکدة منابع طبیعی دانشگاه تهران ایران sfeiz@ut.ac.ir درخت سنجد شاخص شدت بیابان‏زایی مدل IMDPA معیار [1] Abrisham, E. (2004). Assessment and mapping of desertification using MICD, ICD, FAO-UNEP (Case study, fakhraba, mehriz). MSc. Thesis, University of Tehran, 204p.##[2] Abrisham, E. (2011). Assessment of desertification potential using IMDPA model in Derakhte Senged water shed. PH.D. Seminar, University of Tehran, 70p.##[3] Ahmadi, H. (2006). Iranian model of desertification potential assessment in (East of Esfahan). Faculty of natural resources university of Tehran, 178p.##[4] Ahmadi, H. (2009).Geomorphology. 2ed Edition, University of Tehran press, 180p.##[5] Bahreini, F., Pahlavanravi, A., Moghaddamnia, A. and Rahi, Gh. (2012). Spatial prioritization of land degradation using IMDPA model with emphasis on wind erosion and climate (Case study: Bordekhun Region of Boushehr). Journal of Water and Soil, 26, 897-907.##[6] Danfeng, S. (2006). Agricultural causes of desertification risk in Minqin,China. Journal of Environmental Management, 79, 348-356.##[7] Esfandiari, M. and Hakimzadeh Ardakani, M.A. (2011). Evaluation of active desertification with emphasis on the soil degradation by IMDPA model (case study: Abadeh-Tashk, Fars). Journal of Range and Desert Reseac, 17, 624-631.##[8] Khosravi, H. (2004). Assessment of desertification using MEDALUS (Case study: Kashan). MSc. thesis, Tehran University, 140 p.##[9] Kharin, N. (1985). A methodological principles of desertification processes assessment and mapping, arid lands of Turkmenistan taken as example, Ashkhabad. Australian journal of basic and applied sciences, 2, 157-164.##[10] Ladisa, G., Todorovic, M. and Trisorio_liuzzi, G. (2002). Characterization of area sensitive to desertification in southern Italy. Eco-compatible solutions for Aquatic Environmental, 87-99.##[11] Lavado Conntador, J.F. and Schnabel, S. (2008). Mapping sensitivity to land degradation Extremadura.##SW Spain, 1, 25-41.##[12] Mesbah zade, T. (2007). Assessment and mapping of desertification using IMDPA, base on geology criteria (case study, Aboozobeid abad). MSc. Thesis, Tehran University, 154p.##[13] Mohamad Ghasemi, S. (2007). Investigation of criteria and indicators of desertification, based on soil and water to assess and mapping desertification (Case study, Zabol). MSc. Thesis, Tehran University, 163 p.##[14] Nateghi, S., Zehtabian, G. H. and Ahmadi, H. (2009). Evaluation of desertification intensity in Sagzi plain using IMDPA model. Journal of Range and Watershed Management, 62, 419-430.##[15] Rafii Emam, A. (2003). Evaluation of desertification intensity in Varamin plain, base on Soil and water criteria. MSc. Thesis, Tehran University, 152 p.##[16] Raisi, A. (2008). Evaluation of effective factors on desertification, using IMDPA model in Kahir Konarak area. MSc. Thesis, Tehran University, 180 p.##[17] Reynolds J. F. (2009). Cutting through the confusion Desertification an old problem viewed through the lens of a new framework, the dry lands development paradigm. Dry lands, Deserts & Desertification, 45, 65-78.##[18] TabaTabaii zade, M. (2010). Compare of desertification potential using IMDPA and MICD, base on wind erosion criteria (case study: Fakhrabad plain). MSc. Thesis, Tehran University, 160 p.##[19] Zehtabian, Gh., Khosravi, H. and Ghodsi, M. (2007). Evaluation of desertification intensity in Kashan area, using IMDPA model. Desert journal, 54, 67-78.##[20] Zolfaghari, F., Shahriari, A., Fakhireh, A., Rashki, R. and Noori, S. (2011). Assessment of desertification potential using IMDPA model in Sistan plain. Watershed Management Research, Pajouhesh and Sazandegi, 91, 97-107.##

0 طبقه‌بندی نیمه‌اتوماتیک ژئومورفومتریکی یاردانگ‌های لوت با شبکه‌های عصبی مصنوعی An optimized semi- automatic method for geomorphometric classification of Lut Yardangs using artificial neural etwork https://jrwm.ut.ac.ir/article_52826.html 10.22059/jrwm.2014.52826 0 یاردانگ‌های منطقة فراخشک لوت یکی از منحصربه‌فردترین لندفرم‌های آّبی- بادی مناطق بیابانی است. شناخت و پهنه‌بندی ژئومورفومتریک این یاردانگ‌ها، با توجه به میسرنبودنِ بازدیدهای میدانی و دسترسی به منطقه، دقت مطلوبی نخواهد داشت. در این مطالعه یاردانگ‌های دشت لوت، با توپوگرافی ویژه و خاص، با یکی از روش‌های شبکه‌های عصبی مصنوعی با عنوان «الگوریتم خودسازمانده» مطالعه و طبقه‌بندی شد. نخست 22 پارامتر مورفومتریک نمای اول، نمای دوم، و نمای سوم از مدل رقومی ارتفاعی با اندازة سلول 10 متر بر اساس برنامه‌نویسی و با کمک برازش سطوح درجة دوم و درجة سوم در نرم‌افزار مت‌لب محاسبه و استخراج شد. در مرحلة بعد، 7 پارامتر مورفومتریک مؤثر در طبقه‌بندی و همین طور تعداد کلاس‌های بهینة طبقه‌بندی طی دو مرحله با استفاده از شاخص فاکتور ضریب بهینه و ضریب داویس‌- بولدین (ضریب دی- بی) تعیین گردید. سپس، از آنالیز حساسیت به منظور تعیین میزان تأثیر هر یک از پارامترهای مورفومتریک ورودی بر روی نتایج استفاده شد. در نهایت، پارامترهای بهینة مورفومتریک با الگوریتم شبکة خودسازمانده طبقه‌بندی شد و نتایج با استفاده از اطلاعات موجود و نقشه‌‌های توپوگرافی مقایسه گردید. نتایج این تحقیق نشان داد که پارامترهای انحنای سطحی، چرخش، انتگرال ارتفاع‌سنجی، کل انحنای تجمعی، شیب، انحنای حدی، و متوسط انحنا بهینه‌ترین پارامترهای مورفومتریک در جدایی یاردانگ‌ها هستند. همچنین، پارامترهای فوق یاردانگ‌های لوت را به هفت پهنه تقسیم می‌کنند؛ این پهنه‌ها عبارت‌اند از: درة گردنه‌ای، گودی بیضوی، کریدور کم‌شیب، شانة یاردانگ با شیب مقعر، شانة یاردانگ با شیب محدب، رأس یاردانگ، و آبراهة کریدور. نتایج تحلیل حساسیت نشان داد که نتایج طبقه‌بندی به پارامترهای چرخش، متوسط انحنا، و انتگرال ارتفاع‌سنجی دارای بیشترین حساسیت‌اند و جفت پارامترهای انتگرال ارتفاع‌سنجی- انحنای حدی دارای بیشترین قدرت تفکیک کلاس‌ها هستند. به طور کلی، شبکة خودسازمانده به عنوان یک الگوریتم نظارت‌نشدة شبکه‌های عصبی مصنوعی در تلفیق پارامترهای مورفومتریک برای آنالیز نیمه‌اتوماتیک لندفرم‌های بیابان بسیار کارآمد است. 1 In this study the land surface in western half of hyper-arid Lut desert, in south east of Iran, which is covered by Yardangs, a worldwide typical landform for Aeolian erosion, were classified by Self Organizing Maps (SOM) method. In the first step by using Digital Elevation Model with 10 m resolution and Matlab software, 22 morphometric parameters were calculated based on derivative of the surface elevation with first, second and third orders. In the second step most affective parameters for classification and the optimum number of classes were found through utilizing Optimum Index Factor and Davies Bouldin Index. Finally SOM classification was performed on seven morphometric parameters to result in seven classes. The results showed that most appropriate parameters in classification of area are plan curvature, rotor, hypsometric Integral, total accumulation curvature, slope steepness, extreme curvature and mean curvature. The study area were divided to seven classes including saddle valley, Concave ellipsoid, Gentle slope corridor, shoulder with concave slope, shoulder with convex slope, ridge, corridor channels. Sensitivity analysis results revealed that the most sensitive parameters are rotor, mean curvature and hypsometric Integral. Also the results of Jeffreys-Matusita Distance illustrated that parameter pair hypsometric integral / extreme curvature has the most ability in separation of classes in this area. Comparison of the separated classes with the landforms on aerial photographs confirms our classification results. 359 380 امیر هوشنگ احسانی amir houshang ehsani دانشیار دانشکدة محیط زیست، دانشگاه تهران ایران ehsani@ut.ac.ir مرضیه فروتن Marzieh Foroutan دانشجوی دکتری جغرافیا، دانشگاه کلگری کانادا ایران mariforootan@yahoo.com دشت لوت ژئومورفولوژی کمّی ضریب دی- بی فاکتور ضریب بهینه مدل رقومی ارتفاع نقشه‌های خودسازمانده [1] Bue, B.D. and Stepinski, T.F. (2006). Automated classification of landforms on Mars. Computers & Geosciences, 32, 604-661.##[2] Dikau, R. (1989). The application of a digital relief model to landform analysis in geomorphology. In: Raper, J. (Ed.), Three Dimensional Applications in Geographical Information Systems. Taylor & Francis, London, pp. 51-77.##[3] Darvishzadeh., A. (1991). Geology of Iran, Amirkabir Press, Tehran, Iran.##[4] Davies, D.L. and Bouldin, D.W. (1979). A cluster separation measure. IEEE Trans. Patt. Anal. Machine Intelligence, 1, 224-227.##[5] Ehsani, A.H. and Quiel, F. (2008). Geomorphometric feature analysis using morphometric parameterization and artificial neural networks. Geomorphology, 99, 1-12.##[6] Ehsani, A.H. and Quiel, F. (2008). Application of self organizing map and SRTM data to characterize yardangs in the Lut desert, Iran. Remote Sensing of Environment, 112, 3284-3294.##[7] Ehsani, A.H. and Quiel, F. (2009). Self-organizing maps for multi-scale morphometric feature identification using shuttle radar topography mission data. Geocarto International, 24, 335-355.##[8] Ehsani, A.H. et al. (2010). Effect of SRTM resolution on morphometric feature identification using neural network-self organizing map. Geoinformatica, 14, 405-424.##[9] Evans, I.S. (1972). General geomorphology, derivatives of altitude and descriptive statistics. In R.J. Chorley (Ed.), Spatial Analysis in Geomorphology (pp. 17-90). London: Methuen & Co. Ltd.##[10] Florinsky, I.V. (1998). Accuracy of local topographic variables derived from digital elevation models. International Journal of Geographical Information Science, 12, 47-61.##[11] Florinsky, I.V. (1998). Combined analysis of digital terrain models and remotely sensed data in landscape investigations. Progress in Physical Geography, 22, 33-60.##[12] Florinsky, I.V. (2002). Errors of signal processing in digital terrain modelling. International Journal of Geographical Information Science, 16, 475-501.##[13] Florinsky, I.V. (2009). Computation of the third-order partial derivatives from a digital elevation model. International Journal of Geographical Information Science, 23, 2: 213-231.##[14] Frankel, K.L. and Dolan, J.F. (2007). Characterizing arid region alluvial fan surface roughness with airborne laser swath mapping digital topographic data. Journal of Geophysical Research-Earth Surface, 112, F02025.##[15] Grebby, S (2010). Lithological mapping of the Troodos ophiolite, Cyprus, using airborne LiDAR topographic data. Remote Sensing of Environment, 114, 713-724.##[16] Hengel. T. and Router, H. (2008). Geomorphometry, Concepts, Software, Applications. Elsevier.##[17] Ji, C.Y. (2000). Land-use classification of remotely sensed data using Kohonen Self- Organizing Feature Map neural networks. Photogrammetric Engineering and Remote Sensing, 66, 1451-1460.##[18] Kohonen, T. (2001). Self Organizing Maps. 3rd Ed. Springer, New York.##[19] Prima, O.D.A., Echigo, A., Yokoyama, R. and Yoshida, T. (2006). Supervised landform classification of Northeast Honshu from DEM-derived the maticmaps. Geomorphology, 78, 373-386.##[20] Saux, E., et al.( 2004). A New Approach for a Topographic Feature-Based Characterization of Digital Elevation Data. GIS’04, 73-81.##[21] Shary, P.A., Sharaya, L.S. and Mitusov, A.V. (2002). Fundamental quantitative methods of land surface analysis. Geoderma, 107, 1-32.##[22] Wood, J. (1996). The Geomorphological Characterization of Digital Elevation Models. Ph.D. Thesis, Department of Geography, University of Leicester, UK.##[23] Zevenbergen, L.W. and Thorne, C.R. (1987). Quantitative analysis of land surface topography. Earth Surface Processes and Landforms, 12, 47-56.##

0 مقادیر عناصر معدنی هشت گونة مرتعی در مراتع ییلاقی طالقان Mineral element values of 8 rangeland species in highland pastures of Taleghan https://jrwm.ut.ac.ir/article_52827.html 10.22059/jrwm.2014.52827 0 برای رسیدن به عملکرد دام در سطح مطلوب تأمین نیاز غذایی دام از نظر عناصر معدنی ضروری است. به همین منظور، عناصر معدنی هشت گونة مهم مرتعی و مورد چرای دام‌ـ شامل Ferula ovina، Prangus uloptera، Medicago sativa، Lotus goeblia، Trifolium montanum، Melilotus officinalis، Sanguisorba minor،و Stachys inflate در مراتع ییلاقی طالقان در مراحل مختلف رشد (رشد رویشی، گل‌دهی، و بذردهی) اندازه‏گیری شد. بدین منظور، در هر مرحلة رشد از هر گونه 3 نمونه و برای هر نمونه حداقل 5 پایة گیاهی از نقاط مختلف تیپ‏های گیاهی برداشت شد. تجزیه و تحلیل داده‏ها با استفاده از تجزیة واریانس یک‌طرفه انجام شد و به ‏منظور مشاهدة منابع تغییرات درون‌گروهی از آزمون دانکن استفاده شد. همچنین، با استفاده از آزمون t مقدار عناصر مذکور با حد بحرانی‌شان برای تأمین نیاز روزانة واحد دامی در حالت نگه‌داری مقایسه شد. نتایج نشان می‏دهد مقادیر عناصر معدنی گونه‏ها در مراحل اولیة رشد بیشتر از مقدار آن‌ها در مراحل پایانی رشد (مرحلة بذردهی) است. ضمن اینکه مقادیر مذکور در هر مرحله از رشد بین گونه‏های مورد بررسی یکسان نیستند. به طور کلی، گونه‏های مورد بررسی از حیث مقادیر کلسیم، آهن، مس، منگنر، و کبالت، به منظور تأمین نیاز روزانة دام، در وضعیت مطلوبی قرار دارند، ولی از نظر عناصر پُرمصرف مانند مقادیر سدیم و منیزیم در مراحل مختلف رشد و به‌ویژه در مراحل پایانی رشد از وضعیت مطلوبی به منظور تأمین نیاز روزانة واحد دامی برخوردارند. این امر بیانگر آن است که مطلوبیت علوفة مرتع در زمان‌های مختلف چرا از حیث عناصر معدنی یکسان نیست. طبیعی است که بسته به شرایط سال ممکن است مقادیر عناصر معدنی گیاهان قدری تغییر یابد، ولی، به دلیل هزینه‌بربودن تعیین عناصر معدنی، می‏توان از نتایج مذکور به منظور برآورد نیاز روزانة دام در سال‏های مختلف استفاده کرد. 1 To achieve the desired level of animal performance providing animal food supplies containing mineral elements is essential. For this purpose, mineral elements of 8 important rangeland species, including Ferula ovina, Prangus uloptera, Medicago sativa, Lotus goeblia, Trifolium montanum, Melilotus officinalis, Sanguisorba minor and Stachys inflate, were measured at different growth stages in the summer pastures of Taleghan. Therefore, at each growth stage 3 samples were taken and for each sample at least five vegetable bases were removed from different vegetation types. Data were analyzed using one-way ANOVA and to see the sources of variation within groups the Duncan test was utilized. Moreover, T-test was used to compare the values of mentioned elements with the critical level to provide the daily requirements of an animal unit in the maintenance mode. The results show that the values of minerals at the early stages of growth are more than those at the final stages of development (seeding stage). Moreover, the mentioned values in each stage of the growth are not uniform among the studied species. In general, the studied species are in good condition in terms of the calcium, iron, copper, cobalt and manganese values for meeting the daily needs of animals. However, they are not in optimal condition in terms of the highly consumed elements such as sodium and magnesium values at different growth stages, especially at later stages of growth, for meeting the daily needs of animals. This indicates that the desirability of grassland forage at different times of grazing is not identical regarding the mineral elements. It is normal that depending on the year’s conditions the values of plant mineral elements may change slightly; however, due to the cost of determining mineral elements, the results can be used to estimate the daily animal needs in different years. 381 391 حسین ارزانی Hossein Arzani استاد دانشکدة منابع طبیعی دانشگاه تهران ایران harzani@ut.ac.ir جواد معتمدی (ترکان) javad Motamedi(torkan) استادیار دانشکدة منابع طبیعی دانشگاه ارومیه ایران javadtorkan@yahoo.com محمود حمیدیان Mahmood Hamidian کارشناس ارشد مرتع‌داری، دانشکدة منابع طبیعی دانشگاه تهران ایران m.hamidian@ut.ac.ir زهرا ارزانی Zahra Arzani دانشگاه فرهنگیان، حکیم فردوسی کرج ایران z.arzani@yahoo.com مجید آخشی Majid Akhshi دانشکدة منابع طبیعی دانشگاه تهران ایران m.akhshi@yahoo.com حد بحرانی عناصر معدنی مراتع طالقان مرحلة رشد نیاز روزانة دام [1] AOAC (2000). Official methods of analysis, 17th Ed., Association of Official Analytical Chemists (Animal Feed, chapter 4, p.54): Arlington: AOAC International.##[2] Arzani, H. (2009). Forage quality and daily requirement of grazing animal, University of Tehran press, 350pp.##[3] Arzani, H., Yousefi, SH., Jafari, M. and Farahpour, M. (2005). Model for determination of range suitability for sheep grazing using GIS (Case study: Taleghan region in Tehran province). Journal of Environmental Studies, 31, 59-68.##[4] Arzani, H., Kaboli, H., Nikkhah, A. and Jalili, A. (2004). Introduction of important forage quality index, Journal of Natural Resources, 57 (4): 777-789.##[5] Baghestani meybodi, N., Arzani, H., Shokat fadaii, M., Nikkhah, A. and Baghestani meybodi, M.A. (2004). Study of changes in soluble carbohydrates reserves in important rangeland spieces in Nir region (Yazd Province), Natural Resources Journal, 57 (2): 779-811.##[6] Brekken, A. and Steinnes, E. (2004). Seasonal concentrations of cadmium and zinc in native pasture plants: consequences for grazing animals, Science of the Total Environment, 181-195.##[7] Ebn Abbasi, E. and Saeedi, K. (2009). Quantitative study of some micro elements of three important range species in different phonological stages in Saral, Kurdistan Province, Journal of Rangeland, 3 (1): 78-89.##[8] Eghbali, N. (2007). Determination forage quality of range plants in north of Fars Province, M.Sc. thesis of range management, Faculty of Natural Resources. University of Tehran, 120pp.##[9] Garcia-Ciudad, A., Ruano-Ramos, A., Vhquez de Aldana, B.R. and Garcia-Criado, B. (1996). Interannual variations of nutrient concentrations in botanical fractions from extensively managed grasslands, Institute de Recursos Nahwalesy Agrobiologia, CSIC, Apdo 257, E-37071 Salamanca, Spain.##[10] Holechek, J.L., Pieper, R.D. and Herbel, C.H. (2004). Range management principles and practices, Prentice Hall, Englewood Cliff, 587pp.##[11] Jafari, A. and Navid Shad, B. (2007). Principal of animal nutrient, Hagh Shenas press, 420pp.##[12] Mathis, C.P. and Sawyer, J.E. (2004). New Mexico forage mineral survey, Proceedings, Western Section, American Society of Animal Science, Vol. 55, 35pp.##[13] Motamedi, J. (2011). A model of estimating short-term and long-term grazing capacity for animal and rangeland forage equilibrium, Ph.D., thesis of Range Management, Faculty of Natural Resources. University of Tehran, 352pp.##[14] Neville, F.S. (2010). Mineral Nutrition of Livestock, 4th Edition, 354pp.##[15] Pulina, G. and Bencini, R. (2004). Dairy sheep nutrition, CABI publishing, London, UK., 222pp.##[16] Ram´ırez, R.G., González-Rodr´ıguez, H. and Haenlein, G.F.W. (2005). Mineral content of browse species from Baja California Sur, Mexico, Small Ruminant Research, 57,1-10.##[17] Ram´ırez, R.G., Haenleinb, G.F.W. and NuÂnÄez-GonzaÂlez, M.A. (2001). Seasonal variation of macro and trace mineral contents in 14 browse species that grow in northeastern Mexico, Small Ruminant Research, 39, 152-159.##[18] Ranjbari, A.R., Rasti, M., Yazdi, K.R. and Sadegian, M. (2001). Investigation effect of two kind supplemental mineral on weight and parts of quarry lamb grazing in pasture, 3th conference of feeding animal and brids, pp: 92-100.##[19] Safari, J., Mushic, D.E., Kifaro, G.C., Mtenga, L.A. and Eik, L.O. (2010). Seasonal variation in chemical composition of native forages, grazing behaviour and some blood metabolites of Small East African goats in a semi-arid area of Tanzania, Animal Feed Science and Technology,25,128-135.##[20] Sanjay, K. Uniyal, Anjali Awa Sthi and Gopal S. Rawat, (2005). Biomass availability and forage quality of Eurotia ceratoides Mey in the rangelands of Changthang, eastern Ladakh, Current Science, 89 (1): 201-204.##[21] Shadnoush, G.H. (2006). Mineral determination of some range plants for grazing sheep in semi-arid areas of Chaharmahal and Bakhtiari Province, Journal of Rangeland & Desert Reserchers of Iran, 13 (4): 285-295.##[22] Shemaa, M., Saeedi, H. and Nikpour Tehrani, K. (2003). Principal feeding of animal and brids. University of Tehran press, Vol. 1, 269pp.##[23] Sofi Siyavash, R. (1990). Animal nutrient. Aamidi press, 235pp.##[24] Varmaghani, S., Moosavi, M.A. and Jafari, H. (2005). Determination of minerals in range plants of Ilam Province, Research & Construction, 73, 103-109.##[25] Zafar, I.K., Muhammad, A.K. and Ahmad, F.A. (2010). Seasonal assessment of selenium as a hazardous element in pasture and animal system: A case study of Kajli sheep in Sargodha, Pakistan, Journal of Hazardous Materials, 179: 1111-1114.##

0 بررسی تغییرات مکانی برخی شاخص‌های فرسایندگی باران با استفاده از زمین‌آمار در استان خوزستان Spatial variability of rainfall erosivity indices using geostatistics in Khouzestan Province https://jrwm.ut.ac.ir/article_52829.html 10.22059/jrwm.2014.52829 0 فرسایندگی باران توانایی باران برای جداسازی ذرات خاک است. هدف از این تحقیق تهیة نقشة فرسایندگی باران در استان خوزستان با استفاده از بهترین شاخص فرسایندگی باران است. بدین منظور، اطلاعات نقطه‌ای شاخص‌های EI30‌، AIm، هادسون، و اونچو در 74 ایستگاه باران‌نگاری و باران‌سنجی با استفاده از روش‌های میان‌یابی قطعی عکس فاصلة وزن‌دار و توابع شعاعی پایه و روش‌های زمین‌آماری کریجینگ و کوکریجینگ به اطلاعات ناحیه‌ای تبدیل شد. نتایج نشان‌دهندة آن است که روش کوکریجینگ دارای کمترین خطا و بیشترین همبستگی در میان‌یابی شاخص‌های EI30‌، AIm، هادسون، و اونچو با ضرایب تبیین 89/0، 89/0، 48/0، و 49/0 است. بر اساس ضریب همبستگی بین متوسط شاخص‌های EI30‌، AIm‌، هادسون، و اونچو در حوضه‌های بالادست ایستگاه‌های رسوب‌سنجی با میزان رسوب‌دهی ویژة این حوضه‌ها‌، شاخص EI30 با ضریب همبستگی 98/0 بهترین شاخص فرسایندگی باران انتخاب شد. بر اساس نقشة تهیه‌شده با استفاده از شاخص EI30 با روش میان‌یابی کوکریجینگ و متغیر کمکی حداکثر بارندگی متوسط ماهانه‌، بیشترین مقادیر فرسایندگی باران در شرق و شمال خوزستان دیده می‌شود و کمترین مقادیر فرسایندگی در جنوب و غرب استان خوزستان وجود دارد. این مقادیر از 404 تا 2414(Mj.mm.ha-1.h-1) متغیر است. 1 Rainfall erosivity is the ability of rainfall to detach the soil particles. This study was conducted to evaluate spatial variability of rainfall erosivity indices in Khouzestan Province. The point data of indices (EI30, AIm, KE>1 and Onchev indices) in 74 stations were used to generate spatial erosivity maps through deterministic and geostatistical interpolation methods (Radial Basis Functions, Inverse Distance Weighted, Kriging and Cokriging). Results indicate that cokriging have least error and most correlation with determining coefficient of 0.89, 0.89, 0.48 and 0.49 for EI30, AIm, KE>1 and Onchev indices. Based on the correlation relationships between the basins specific sediment yield (in basins dominating the sedimentation stations) and mean indices of EI30, AIm, KE>1 and Onchev, EI30 index with correlation coefficient of 0.98 (P<0.01) is selected as the appropriate rainfall erosivity index. Based on the prepared map on the basis of Cokriging method with secondary variable of maximum mean monthly rainfall, the east and northeastern regions presented the highest values of EI30 index, while the southern and western regions showed the lowest values of EI30 index. The annual rainfall erosivity (EI30) ranged from 404 to 3064 Mj.mm.ha-1.h-1.y-1. 393 406 حسین اسلامی Hossein Eslami دانش‌آموختة دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه آبخیزداری، تهران، ایران ایران eslamyho@gmail.com علی سلاجقه Ali Salajagheh استاد دانشکدة منابع طبیعی، دانشگاه تهران ایران salajagh@ut.ac.ir شهرام خلیقی سیگارودی Shahram Khalighi sigaroudi دانشیار دانشکدة منابع طبیعی، دانشگاه تهران ایران khalighi@ut.ac.ir حسن احمدی hasan Ahmadi استاد دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه آبخیزداری، تهران، ایران ایران ahmadi@ut.ac.ir شمس الله ایوبی Shamsollah Ayoubi دانشیار گروه خاک‌شناسی، دانشکدة کشاورزی، دانشگاه صنعتی اصفهان ایران ayoubi@cc.iut.ac.ir زمین‌آمار فرسایندگی باران کوکریجینگ میان‌یابی [1] Arnoldus, H.M.J. (1980). An approximation of the rainfall factor in the universal soil loss equation. In: de Boodt, M., Gabriels, D. (Eds.), Assessment of erosion, Wiley, New York, 127-132.##[2] Capolongo, D., Diodato, N., Mannaerts, C.M., Piccarreta, M. and Strobl, R.O. (2008). Analyzing temporal changes in climate erosivity using a simplified rainfall erosivity model in Basilicata (southern Italy). Journal of Hydrology, 356, 119-130.##[3] Ceglar, A., Crepinsek, Z., Zupanc, V. and Kajfez-Bogataj, L. (2008). A comparative Study of rainfall erosivity for eastern and western Slovenia. Acta Agriculturae Slovenia, 91(2), 331-341.##[4] Goovaerts, P. (1999). Using elevation to aid the geostatistical mapping of rainfall erosivity. Catena, 34, 227-242.##[5] Hadley, R.F., Lal, R., Onstad, C.A., Walling, D.E. and Yair, A. (1985). Recent developments in erosion and sediment yield studies. UNESCO, Paris, 127p.##[6] Hakimkhani, Sh., Mahdian, M.H., Arab Khedri, M. and Ghorbanpour, D. (2005). Investagating rain erosivity using Modified Fournier for Iran. Third National Conference of Erosion and Sediment, Tehran, 281-288.##[7] Hasani Pak, A. (1998). Geostatistics. Tehran University Press, 314p.##[8] Hoghoughi, M. (1995). Khouzestan and its development capacities, Water and Development Journal, 4,17-25.##[9] Hosini Zare, N. and Saadati, N. (2005). Estimating of erosion and sediment using of sedimentology data and computation of suspended load in Khouzestan Province rivers catchments. Third National Conference of Erosion and Sediment, Tehran, 273-280.##[10] Hoyos, N., Waylen, P.R. and Jaramillo, A. (2005). Seasonal and spatial patterns of erosivity in a tropical watershed of the Colombian Andes. Journal of Hydrology, 314, 177–191.##[11] Hudson, N. (1971). Soil conservation. Billing & Sons Ltd, Great Britain, 320p.##[12] Isaaks, E.H. and Serivastava, R.M. (1989). An introduction to applied geostatistics. Oxford University Press, 561p.##[13] Lal, R. (1976). Soil erosion problems on Alfisols in western Nigeria. Effects of rainfall characteristics. Geoderma, 16, 389-401.##[14] Lal, R. and Elliot, W. (1994). Erodibility and erosivity. In Lal, R. (ed), Soil erosion research methods. Soil and Water Conservation Society, Ankeny, 181-208.##[15] Mohammadi, J. (1998). Rain erosivity map providing for Iran using Fournier Index and Kriging method. Agricultural Science and Natural Resources Journal, 3&4, 35-44.##[16] Morgan, R.P.C. (1986). Soil erosion and conservation. Logman Group Limited, Hong-London, 210p.##[17] Onchev, N.G. (1985). Universal index for calculating rainfall erosivity. In: El-Swafify, S.A., Moldenhauer, W.C and Lo, A. (eds), Soil Erosion and Conservation, Soil Conservation Society of America, Ankeny, IO, 242-431.##[18] Renard, k. and Freimund, J.R. (1994). Using monthly precipitation data to estimate the R-factor in the revised USLE. Journal of Hydrology, 157, 287-306.##[19] Salles, C. and Poesen, J. (2000). Rain properties controlling soil splash detachment. Hydrological Process, 14, 271-282.##[20] Salako, F.K., Ghuman, B.S. and Lal, R. (1995). Rainfall erosivity in south-central Nigeria. Soil Technology, 7, 279-296.##[21] Shesh Angosht, S., Alimohammadi, A. and Soltani, M.J. (2005). Geostaistics models evaluation in GIS for erosivity map providing in Latian watershed. Geographical Information System Conference, National Cartographic Center of Iran, 113-123.##[22] Silva, A.M. (2004). Rainfall erosivity map for Brazil. Catena, 57, 251-259.##[23] Taj Ali Pour, Z., Mahdian, M.H., Pazira, A. and Heidarizadeh, M. (2009). Spatial variations investigation of erosivity index in Daryacheh Namak watershed. 11th Soil Science Conference of Iran, Gorgan, 43-47.##[24] Wang, G., Gertner, G., Singh, V., Shinkareva, S., Parysow, P. and Anderson, A. (2002). Spatial and temporal prediction and uncertainty of soil loss using the revised universal soil loss equation: a case study of the rainfall–runoff erosivity R factor. Ecological Modelling, 153 , 143–155.##[25] Wischmeier, W.H. and Smith, D.D. (1978). Predicting rainfall erosion losses: a guide to conservation planning. USDA, Agriculture Handbook No. 537. Government printing office, Washington, DC, 58p.##

0 ارزیابی کمّی شدت فرسایش آبی با استفاده از مدل منطقه‌ای برآورد فرسایش و تولید رسوب (مطالعه موردی: حوزه آبخیز نیر، اردبیل) Quantity assessment of water erosion intensity using regional model of erosion and sediment yield (Case study: Nir watershed, Ardebil) https://jrwm.ut.ac.ir/article_52830.html 10.22059/jrwm.2014.52830 0 در مطالعات فرسایش خاکْ نحوة ارزیابی خطر فرسایش و پهنه‌بندی اراضی به درجات با شدت‌های مختلف فرسایش از طریق مدل‌سازی اهمیت فراوانی دارد. در این تحقیق، مدل منطقه‌ای ارائه‌شده برای ارزیابی رفتار و خطر فرسایش آبی و نیز برآورد فرسایش و رسوب منطبق با ویژگی‌های منطقة تحقیق ارزیابی شد. این مدل نخست در حوزة آبخیز بالغلی‌چای، در مجاورت منطقة تحقیق، ارائه شد. مدل‌سازی فرسایش و تولید رسوب منطقه با ‏الگوگرفتن از مدل ‏MPSIAC‏ به انجام رسید و در فرمول‌بندی مدل ‏جدید از هشت عامل مؤثر در فرسایش آبی منطقه استفاده شد. این عوامل عبارت‌اند از: حساسیت به ‏فرسایش سازند زمین‌شناسی، فرسایش‌پذیری خاک، فرسایندگی باران، فرسایندگی رواناب، پستی و بلندی، ‏تراکم آبراهه‌ها، شاخص تفاوت پوشش ‌گیاهی (‏NDVI‏)، و وضعیت زمینی فرسایش. در ‏مدل ارائه‌شده، از مجموع امتیازات عوامل هشتگانه مقدار ‏M‏ به‌دست می‌آید که با استفاده از رابطة نمایی آن با مقدار رسوب، در نهایت، مقدار فرسایش و رسوب تولیدی ‏منطقه محاسبه می‌شود.‏ مقدار متوسط رسوب ویژة برآوردشده با استفاده از مدل ارائه‌شده برای حوزة آبخیز نیر 29/70 تن بر کیلومتر مربع در سال است. مقایسة این مقدار رسوب برآوردشده با مقدار اندازه‌گیری‌شدة آن در ایستگاه هیدرومتری نیر نشان‌دهندة وجود اختلاف 11/7 تن بر کیلومتر مربع در سال است، که در واقع بیشتر برآورد شده است. بنابراین، درصد خطای مدل در منطقة مطالعاتی 25/11+ درصد است. 1 The aim of this research is to describe the development of a methodology based on present knowledge and available data for evaluation of water erosion behavior and risk as well as modeling and estimation of soil erosion, which is compatible for other similar areas of Iran. Accordingly, the conducted research was based on four major types of water erosions including: sheet, rill, channel and riverbank which have considerable role on sediment yields of Baleghli Chay Watershed, Ardebil Province, were separately and spatially studied. In order to determine the inter-effects of effective factors, the study was conducted using stepwise multivariate statistical tests. For each erosion type, an individual model was then presented. In the next step, after determining of relations between sediment yield and environmental factors (fixed & variable) through statistical analyses and selecting of effective factors on erosion and sediment yields, was created an empirical structure for modeling erosion and sediment yields based on MPSIAC erosion model. In formulation of the new model, were used of eight effective factors on erosion in the area. These factors are susceptibility of geological formation, soil erodibility, rainfall erosivity, runoff erosivity, topography, hydrographic drainage, Normalized Difference of Vegetation Index (NDVI) and field conditions of erosion features. In the presented model, with summation of the scores of mentioned eight factors, obtains the M value, which can estimate the amount of erosion and sediment yields of the area, using exponential formula between sediment yield and M values. In addition, in order to obtain the confidence of presented model, it was used in "Nir" catchment for evaluation the precision. The results showed 11 percent difference. With accepting of this error value, the water erosion hazard map of the area was provided and presented using new model. 407 417 اباذر اسمعلی Abazar Esmali استادیار دانشکدة کشاورزی، دانشگاه محقق اردبیلی ایران abazar_esmali@yahoo.com حسن احمدی Hasan Ahmadi استاد دانشگاه آزاد اسلامی، واحد علوم و تحقیقات ایران ahmadi@ut.ac.ir محمد طهمورث Mohammad Tahmoures دانشجوی دکتری تخصصی آبخیزداری، دانشکدة منابع طبیعی، دانشگاه تهران ایران tahmoures@ut.ac.ir اردبیل فرسایش آبی مدل‌سازی نقشة خطر نیر [1] Ahmadi, H. (1999). Applied Geomorphology. Vol. 1 (Water Erosion), 3rd Edition. University of Tehran Press, 688 p. (In Persian).##[2] Esmali, A. (2007). Modeling and mapping erosion risk prediction (Case study: Baleghli Chay, Ardebil). PhD Thesis, 250 p. (In Persian).##[3] Feyznia, S. (1995). Rocks resistance to erosion in different climates of Iran. Journal of Natural Resources, 47(1), 95-116 (In Persian).##[4] Ghodoosi, J. (2003). Morphological Modeling and gully erosion hazard. PhD Thesis, University of Tehran, 224 p. (In Persian).##[5] Barthes, B. and Roose, E. (2002). Aggregate stability as an indicator of soil susceptibility to runoff and erosion, Catena, 47, 133-149.##[6] Bissonnais, Y.L., Monitor, C., Jamagne, M., Daroussin, J. and King, D. (2001). Mapping erosion risk for cultivated soil in France, Catena, 46, 207-220.##[7] Bou Kheir, R., Cerdan, O. and Abdallah, C. (2006). Regional soil erosion risk mapping in Lebanon. Journal of Geomorphology, 82, 347-359.##[8] Hughes, A.O. and Prosser, I.P. (2003). Gully and riverbank erosion mapping for the Murray- Darling basin, CSIRO land and water, Canberra, Technical report 3/03.##[9] Miller, S.N., Semmens, D.J., Goodrich, D.C., Hernandez, M., Miller, R.C., Kepner, W.G. and Guertin, D.P. (2007). The Automated Geospatial Watershed Assessment tool. Environmental Modelling & Software, 22, 365-377.##[10] Morgan, R.P.C. (2001). A simple approach to soil loss prediction, a revised Morgan–Morgan–Finney model. Catena ,44, 305-322.##[11] Najmoddini, N. (2003). Assessment of Erosion and Sediment Yield Processes, Using RS & GIS, A case study in Rose Chai sub-catchment of Orumieh basin ,W. Azarbaijan, Iran.##[12] Stoching, M.A. and Elwell, H.A. (1976). Rainfall erosivity over Rhodesia. Transactions of the Institute of British Geographers New Series, 1, 231-245.##

0 انتخاب بهترین فرمول تجربی برای برآورد زمان تمرکز در حوزه‌های آبخیز شهری (مطالعة موردی: شهر ماهدشت) Selection of the best empirical formula to estimate time of concentration in urban watersheds (Case study: Mahdasht town) https://jrwm.ut.ac.ir/article_52835.html 10.22059/jrwm.2014.52835 0 اتخاذ روش‌های صحیح در مدیریت آبخیزهای شهری برای کاهش خطرها امری انکارناپذیر و ضروری است. لازمة این امرْ برآورد میزان رواناب با درجة اطمینان بالاست. یکی از عواملی که بدون شک، تأثیر زیادی در دبی اوج و حجم رواناب دارد زمان تمرکز است. هدف از این تحقیق انتخاب بهترین روش از میان فرمول‏های تجربی برآورد زمان تمرکز است. برای تعیین زمان تمرکز واقعی از روش صحرایی مبتنی بر اندازه‌گیری زمان پیمایش آب با استفاده از جسم شناور استفاده شد. به منظور انتخاب بهترین فرمول تجربی از معیارهای آماری‌ـ شامل درصد خطای نسبی (RE)، میانگین مربعات خطا (RMSE)، میانگین درصد خطای نسبی (RME)، ناش‏ساتکلیف (NS)، و ضریب تبیین (R2)‌ـ استفاده شد. سپس، درصد اختلاف مقادیر به‌دست‌آمده از فرمول‏های تجربی با مقادیر واقعی اندازه‏گیری‌شده مقایسه شد. در این مطالعه، بر اساس نتایجِ مقایسة درصد خطای نسبی در هر بازه، فرمول‏های تجربی کالیفرنیا، چاو، کارتر، و فدرال به‌تربیب با درصد خطای 7/2، 9/2، 4/4، و 7/4 برای بازة ۲، رابطة کربای- هات‏وی با درصد خطای 1 برای بازة ۳، رابطة ونتورا با درصد خطای 5/8 برای بازة ۹، و، در نهایت، رابطة هیدروگراف استدلالی با درصد خطای 8/4 برای بازة ۱۰ بهترین برآورد را داشته‏اند. در نتیجه، پیشنهاد می‏‌شود در مناطقی که خصوصیاتی نظیر این بازه‏ها دارند، با توجه به اطلاعات موجود، از رابطه‏ای استفاده شود که کمترین درصد خطا را دارد. در نهایت، مشخص شد فقط روش هیدروگراف استدلالی برای کل حوضه کمترین خطا را دارد و جواب مناسبی ارائه داده است. 1 In order to decrease the risks associated with the management of urban watersheds, the use of proper methods is an essential task to estimate the runoff with a high degree of confidence. Time of concentration is one of factors that impacts on peak discharge and runoff volume. The objective of this study is to select the best method among the empirical formulas for estimating the time of concentration. In this study, for determination of actual time of concentration, the field method based on measuring the travel time by using floating-object method was employed. To select the best empirical formula of the time of concentration, the statistical criteria including percentage Relative Error (RE), Root Mean square error (RMSE), Average percentage Relative Error (RME), Nash - Sutcliffe criteria (NS) and determination coefficient were used. Then, differences among the estimations obtained from empirical equations were compared with the actual values. The results of this study based on comparison of the relative error in each interval showed that in the reach No. 2, empirical formulas of California, Chow, Carter and Federal Aviation, with percentage error of 2.7, 2.9, 4.4 and 4.4 have showed the best estimation, respectively. The equation proposed by Kirby with percentage error of 1 in the reach No. 3, the equation of Ventura with percentage error 8.5 in the reach No. 9 and the equation of rational hydrograph with percentage error 4.8 in the reach No. 10 have showed the best estimates. Therefore, it is recommended to use the empirical formula that has the lowest percentage of error for areas with features similar to the studied reaches. In general, the results show that only rational hydrograph method in all of the reaches has the lowest error and then provides the most proper estimates compared than others. 419 435 علی شهبازی ali shahbazi دانشجوی دکتری آبخیزداری، دانشکدة منابع طبیعی، دانشگاه تهران، ایران ایران ali.shahbazi65@yahoo.com شهرام خلیقی سیگارودی Shahram khaliqi sygarodi استادیار دانشکدة منابع طبیعی، دانشگاه تهران، ایران ایران khalighi@ut.ac.ir آرش ملکیان Arash Malekian استادیار دانشکدة منابع طبیعی، دانشگاه تهران، ایران ایران malekian@ut.ac.ir علی سلاجقه Ali Salajegheh استاد دانشکدة منابع طبیعی، دانشگاه تهران، ایران ایران salajegh@ut.ac.ir آبخیز شهری زمان پیمایش زمان تمرکز فرمول تجربی هیدروگراف استدلالی [1] Abustan, I., Sulaiman, A.H., Abdul Wahid, N. and Baharudin, F. )2008(. Determination of Rainfall-Runoff Characteristics in An Urban, (Case study: Sungai Kerayong Catchment, Kuala Lumpur). 11th International Conference on Urban Drainage.##[2] Alizadeh, A. )2006(. Principles of applied hydrology. 20ed Edition, University of Mashhad Press, 807p.##[3] Arabi, M. and Govindaraju, R.S. and Hantush, M.M. )2007(. A probabilistic approach for analysis of uncertainty in the evaluation of watershed management practice. Journal of Hydrology, 333, 459-471.##[4] Azadnia, F., Rostami, N. and Kamali Moghaddam, R. )2009(. Comparison of empirical equations for estimating time of concentration of the basin Meimeh Ilam. Iranian Water Research Journal, 3(4), 1-8.##[5] Chin, D.A. )2000(. Water-resources engineering. Prentice Hall, New Jersey, 750p.##[6] Dastorani, M.T., Abdullah Wand, A., Talabi, A. and Moghadamnia, A.R. ) 2014(. Evaluate the use of empirical equations for estimating the focus time navigating time streams. Journal Research and development, 103(93), 1-8. In press.##[7] Dongquan, Z., Jining, C., Haozheng, W., Qingyuan, T., Shangbing, C. and Zheng, S. )2009(. GIS-based urban rainfall-runoff modeling using an automatic catchment-discretization approach, (Case study in Macau). Environ Earth Sci, 59, 465- 472.##[8] Eslamian, S. and Mehrabi, A. )2005(. Empirical relations for estimating the time of concentration mountainous watersheds. Journal of Natural Resources and Agricultural Sciences, 12, 36-45.##[9] Fang, X., Thompson, D.B., Cleveland, T.G., Pradhan, P. and Malla, R. )2008(. Time of concentration estimated using watershed parameters determined by automated and manual methods. Journal of Irrigation and Drainage Engineering, 134(2), 202-211.##[10] Green, J. and Nelson, E. )2002(. Calculation tim of Concentration for hydrologic design and analysis using geographic information system vector objects. Journal of Hydro informatics, 4, 75-81.##[11] Jamshidi, S. (2011). Compared to the estimated time of concentration using empirical relations (Case study: Watershed basin Srfyrvz Abad). 2th Geoscience Conference, 9p.##[12] Li, M.H., and Chibber, P. (2008). Overland flow time of concentration on very flat terrains. Transportation Research Record 2060. Transportation Research Board, Washington, DC, 133-140p.##[13] Mahdavi, M. (2011). Applied hydrology. 7ed Edition, Thesis. University of Tehran Press, 439p.##[14] McCuen, R. (1984). Eestimating urban time of concentration. Hydraulic Engineering ASCE, 100, 633-638.##[15] Mobaraki, J. (2006). Accuracy in the estimation of empirical relationships time to peak concentration Hydrograph (Case study: Tehran Province). MSc. Thesis. University of Tehran, 151p.##[16] Moghadamnia, A.R. (1997). A comparative study on the time-delay and time to reach peak flood hydrograph based on experimental methods and analysis of two regional climate. MSc. Thesis. University of Tarbiat Modarres, 163p.##[17] Motamedvaziri, B. (2004). Evaluation of some empirical relations to estimate the time of concentration (Case study: Karaj watershed). MSc. Thesis University of Tehran, 125p.##[18] Najafi, A. (2009). Factors of flood basin catchment Esfahan- Sirjan the factor analysis. Journal of Geography and Environmental Planning, 4, 101-118.##[19] Pavlovic, S.B. and Moglen, G.E. (2008). Discretization issues in travel time calculation. J. Hydrol. Eng., 13(2), 71-79.##[20] Shafai Bajestan, M. (2005). Principles and application of physical models – hydraulic, 1ed Edition, University of Martyr Chamran Press, 292p.##[21] Sharifi, S. and Hosseini, S.M. (2011) .Methodology for Identifying the Best Equations for Estimating the Time of Concentration of Watersheds in a Particular Region. Journal of Irrigation and Drainage Engineering, 137(11), 712-719.##[22] Sepahvand, A., Taei Semirom, M., Myrnya, Kh. and Moradi, H.R. (2011). Evaluate the model sensitivity to the variability of soil moisture. Journal of Soil and Water, 25(2), 338-346.##[23] Sourisseau, S.A., Basser, S.F. and Perie, T. (2007). Calibration, validation and sensitivity analysis of an ecosystem model applied to artificial streams. Water Research, 42, 1167-1181.##[24] Wong, T.S.W. (2005). Assessment of time of concentration formulas for overland flow. J. Irrig. Drain Eng., 131(4), 383-387.##[25] Wong, T.S.W. (2009). Evaluation of kinematic wave time of concentration formulas for overland flow. Journal of Hydraulic Engineering, 14(7), 739-744.##

0 بررسی آثار تیمار پیش‌سرما، پتانسیل اسمزی، و تنش خشکی بر رشد گیاهچه‌های جمعیت‌های دو گونة مرزه (Satureja sahendica و S. bachtiarica) در دو شرایط ژرمیناتور و گلخانه Effects of pre-cooling treatment, osmotic potential and water stress on seedling growth of some population in two savory species (Satureja bachtiarica and S. sahendica) in laboratory and greenhouse conditions https://jrwm.ut.ac.ir/article_52836.html 10.22059/jrwm.2014.52836 0 به منظور بررسی اثر تیمار پیش‌سرما، پتانسیل اسمزی، و تنش خشکی بر جمعیت‌های دو گونة دارویی Satureja sahendica و S. bachtiarica آزمایشی به صورت فاکتوریل بر پایة طرح کاملاً تصادفی با سه تکرار در دو شرایط ژرمیناتور و گلخانه در سال‌های 1389 ـ 1390 در بانک ژن منابع طبیعی و مؤسسة تحقیقات جنگل‌ها و مراتع کشور به‌اجرا درآمد. تیمارهای مورد استفاده در شرایط ژرمیناتور شامل تیمار پیش‌سرما و سطوح مختلف پتانسیل اسمزی ناشی از غلظت‌‌های پلی‌ اتیلن گلایکول (PEG) 6000 دالتون در پنج سطح (0، 3/0-، 6/0-، 9/0-، و 2/1- مگاپاسگال) بود. تیمارهای مورد استفاده در شرایط گلخانه شامل تیمار پیش‌سرما و تنش خشکی در پنج سطح ظرفیت زراعی (۲۰، ۴۰، ۶۰، ۸۰، و ۱۰۰ درصد) بود. نتایج نشان داد، با افزایش غلظت پتانسیل اسمزی و تنش خشکی، میانگین صفت درصد جوانه‌زنی و درصد سبزشدن به‌ترتیب آزمایشگاه و گلخانه به میزان 33 و 6 درصد کاهش یافت، در حالی که نسبت طول ریشه‌‌چه به ساقه‌چه و نسبت وزن خشک به تر گیاهچه روند افزایشی داشت. در دو شرایط ژرمیناتور و گلخانه خصوصیات جوانه‌زنی در تیمار پیش‌سرما نسبت به سایر تیمارها دارای بیشترین مقدار بود. در واکنش به پتانسیل اسمزی در ژرمیناتور و با تنش خشکی در گلخانه جمعیت بیجار 2 از مرزة سهندی و پیرانشهر از مرزة بختیاری در اکثر صفات، به‌ دلیل دارابودن بیشترین شاخص بنیه و نسبت وزن خشک به تر نسبت به جمعیت‌های دیگر، مقاوم‌تر بود. مقایسة بین جمعیت‌ها نشان داد که کم‌تحمل‌ترین جمعیت مربوط به جمعیت تاکستان از مرزة سهندی است. 1 In order to study, the effect of pre-cooling treatment, osmotic potential and water stress on some population of two species of Satureja bachtiarica and Satureja sahendica was studied by a factorial experiment based on completely randomized design with three replications in laboratory and greenhouse conditions during one year in the gene bank of Institute of forests and range lands by the years of 2010-2011. In laboratory, treatment were including: cold and osmotic potential making of polyethylenglycol (PEG) 6000 Da in 5 concentrations (0, -0.3, -0.6, -0.9, -1.2 Mgapascal) compared with control. In greenhouse, treatment were including: cold and drought stress in five levels of field capacity (100,80,60,40,20) compared with control. Result showed that seed germination and seed emergence were decreased as rate of 33% and 6% in order of laboratory and greenhouse condition with increasing of osmotic potential and water stress while the ratio of root to shoot and ratio of dry weight to fresh weight was increased. In both experimental conditions, the most of the seed characteristics were higher with pre-cooling than other treatments. In response to osmotic potential in germinator, and dry stress in greenhouse, Bijar 2 population from Sahandy savory and piranshar from bachtiary savory showed more tolerant to dry stress due to have more vigor index and ratio of dry weight to fresh weight and they introduced as superior population.Comparing of the population showed that population of the takestan of Sahandy savory had lower tolerance. 437 450 میثم شفیعی Mysam shafie کارشناس ارشد اصلاح نباتات، دانشگاه آزاد اسلامی، ‌واحد بروجرد ایران mysam.sh.2000@gmail.com محمد علی علیزاده Mohammad Ali Alizadeh استادیار مؤسسة تحقیقات جنگل‌ها و مراتع کشور ایران alizadeh202003@gmail.com علی اشرف جعفری Ali Ashraf Jafari استاد مؤسسة تحقیقات جنگل‌ها و مراتع کشور، رئیس بانک ژن کشور ایران aliashrafj@gmail.com بختیاری پتانسیل اسمزی جوانه‌زنی سرما ظرفیت زراعی مرزة سهندی PEG 6000 [1] Abdul - baki, A.A. and Anderson, J.D. (1975). Vigour determination in soybean seed by multiple criteria. Crop aci, 630-633.##[2] Alizadeh, M.A. and Isvand, H.R. (2004). Evaluation and the study of germination potential, speed of germination and vigour index of the seeds of two species of medicinal plant (Eruca sativa Lam.,Anthemis altissima L) under coold room anry storage condition. Iranian Journal of Medicinal and Aromatic plant Research, 20(3), 301-307.##[3] Allen, S.G., Dobrenz, A.K., Schonhorst, M.H. and Stoner, J.E. (1985). Heretability of Nacl tolerance in germination of alfalfa seed. Agron, J., 77, 99-101.##[4] Baba Khanlo, P., Mirza, M., Sefidkon, F., Ahmadi, L. and Asgari, F. (1998). Evaluation of the constituent composition of Essential oil in Ziziphora clinopodioides, Zataria mutaria multiflora, Z.tenuior. Iranian Journal of Medicinal and Aromat [19] Zic Plants, 2, 22-120.##[5] Chuanren, D., Bochu, W., Wanqian, L., Jin, C., Jie, L., Haan, z. (2004). Effect of chemical and physical factors to imporove the germination rate of Echinacea anqustifolia seed‌. Colloids and surfaces biointer faces, 37, 101-105.##[6] Emmerich, W.E. and Hardgree, S.P. (1990). Polyethylenglycol solution contact effection seed germination. Agron .J., 82, 1103-1107.##[7] Faker Baher, Z., Rezai, M.B., Mirza, M.M. and Abbaszadeh, B. (2001). Evaluation of Qualitive and Quantitive changing of Essential Oil of Satureja. Iranian Journal of Medicinal and Aromatic Plants,[p1]  11, 36-51.##[8] Goicochea, N., Antolin, M.C. and Sanchez, D.M. (1997). Gas exchange is related to hormone balancein mycorrhizal or nitrogen fixing alfalfa subjected to drought. Physiologia planturum, 100, 989-997.##[9] Hossienpour Ghazveni, A. (2010). Evaluation germination and vigour problem in four ecotype in laboratory and greenhouse Msc Thesis. Azad university –unit of Takestan, 1-102.##[10] Jamzad, Z. (2009). Thymus and Savory of Iran, Pub. Research Istitute of Forest and Rangeland, 81-132.##[11] Kochaky, A., Bromand, J. and Rezazadeh, Z. (2005). Evaluation of seed germination response to osmotic and matrix potential of polyethylenglycol and sodium coloride in different temperature, J. agronomical research of Iran, 3, 207-217.##[12] Lebaschi, M., Sharif Ashorabadi, H. and Mazaheri, D. (2003). Effect of dry stress on changing of hypersin. J. of Pagohesh and Sazandeghi, 58(1), 44-52.##[13] Lekh, R. and Khairwal, I.S. (1993). Evaluation of pearl millet hybrids and their parents for germ inability and field emergence. Indian Jour. Plant Physiol, 125-127.##[14] Lowlor, D.w. (1970). Absorption of polyethylenglycols by plants and Their effecte on plant growth, New phytol, 69.##[15] Maguire, J.D. (1962). Speed of germination: Aid in selection and evaluation for seedling vigour, Crop science, 2, 176-177.##[16] Michel, B.E. and Kaufman, M.R. (1973). The osmotic potential of polyethylenglycol 6000 plant physiology, 51.##[17] Omidbighy, R. (1997). The obtained strategy of production and technology of plant medicine No of Issue (1, 2 and 3). Publication of Ghods.##[18] Sarmadnia, Gh.H. (1996). Translation of seed technology. Published by Jahad university of Mashhad.##[19] Sedighi, M. and Porkermani, M. (1983). Un-uniform figure in arid zone. Translation- Publication of Ghods.##[20] Sefidkon, F., Jamzad, Z. and Barzandeh, M. (2004). Essential oil of Satureja bachtiarica as a full source of Karvakrol. Iranian Journal of Medicinal and Aromatic Plants, 20(4), 439-425.##[21] Waterman, p.g. and mole, s. (1994). Analysis of phenol and secondary metabolites. black well scientific publications. oxford, new york, 44-66.##

0 بررسی تغییرات ماهانه و فصلی مقادیر تصاعد کربن در شدت‌های مختلف‏ چرای دام (مطالعة موردی: مراتع قوشه، استان سمنان) The changes in monthly and seasonal values of carbon emission in different grazing intensities (Case study: Ghoosheh, Semnan) https://jrwm.ut.ac.ir/article_52837.html 10.22059/jrwm.2014.52837 0 تحقیق حاضر به منظور بررسی تغییرات ماهانه و فصلی میزان تصاعد دی‌اکسید‌ کربن از خاک در شدت‏های مختلف چرای دام از مراتع انجام شد. سه منطقه شامل مراتع قرق (شاهد)، مراتع با چرای کم، و مراتع با چرای شدید در منطقة قوشة سمنان انتخاب شد. در هر یک از مناطق تصاعد کربن به روش تله قلیایی در اتاقک بستة ساکن به صورت ماهانه و به مدت یک سال اندازه‌گیری شد. داده‌های مربوط به مقادیر تصاعد و چرا، به صورت آزمایش فاکتوریل در قالب طرح کاملاً تصادفی با چهار تکرار تجزیه و تحلیل شد. همچنین، برای بررسی ارتباط فاکتورهای دما و رطوبت خاک با تغییرات تصاعد کربن در هر منطقه، با توجه به شرایط داده‌ها، از ضریب همبستگی پیرسون استفاده شد. نتایج نشان داد در منطقة مورد مطالعه بیشترین میزان تصاعد کربن از خاک در مردادماه و کمترین آن در بهمن‌ماه صورت گرفته است. همچنین، بین میزان تصاعد در اراضی تحت شدت‌های مختلف چرا اختلاف معنی‏دار وجود دارد. بیشترین میزان تصاعد در اراضی با چرای شدید در مردادماه (34/3 گرم کربن در متر مربع در روز) و کمترین آن در بهمن‌ماه (033/0 گرم بر متر مربع در روز) در اراضی قرق اتفاق افتاده است. از نظر توزیع فصلی، بیشترین مقدار تصاعد به‌ترتیب در تابستان، پاییز، بهار، و زمستان مشاهده شد. همچنین، بین تصاعد کربن مناطق مختلف مورد مطالعه با رطوبت خاک همبستگی منفی وجود دارد. 1 This study investigates monthly and seasonal variations of carbon emission from the soil at different grazing intensities. Three areas of exclosure, low and high grazing intensities were selected in Ghoosheh region of Semnan province. Carbon emission was measured monthly, in each treatment applying alkali traps (CSC) during a year. Emission and grazing data were analyzed, using a factorial experiment in a completely randomized design with four replications. To investigate the relation of soil moisture and air temperature with carbon emissions in each area, Pearson correlation was used. Results showed that the emission levels under different grazing intensities had significant difference. The highest emission occurred in high grazing intensity, in August (3.34 g C m-2 day-1) and lowest in February (0.033 g C m-2 day-1) in exclosure. The seasonal distribution of emission showed the highest amount, in summer, autumn, winter and spring respectively. There was also a negative correlation between carbon emissions and soil moisture. 451 458 احمد صادقی پور Ahmad Sadeghipour استادیار دانشکدة کویرشناسی، دانشگاه سمنان ایران a.sadeghipour@profs.semnan.ac.ir نادیا کمالی nadia kamali دانشجوی دکتری مرتع‌داری، دانشگاه تهران ایران nkamali@ut.ac.ir پریا کمالی Paria Kamali دانشجوی دکتری مرتع‌داری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان ایران kamali_paria@yahoo.com حامد جنیدی Hamed Joneidi دانشجوی دکتری مرتع‌داری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان ایران hjoneidi@ut.ac.ir تصاعد کربن تله قلیایی چرای دام سمنان قرق قوشه [1] Ball, B.C., Scott, A. and Parker, J.P. (1999). Field N2O, CO2 and CH4 fluxes in relation to tillage, compaction and soil quality in Scotland. Soil and Tillage Res, 53, 29-39.##[2] Batjes, N.H. (1996). Total carbon and nitrogen in the soils of the worlds. European journal of soil science, 47, 151-163##[3] Bond-Lamberty, B., Wang, C. and Gower, S. (2004). A global relationship between the hetero-trophic and autotrophic components of soil respiration? Global Change Biology, 10(10):1756-1766.##[4] Eamus, D., Hutley, L.B.A. and O’Grady, P. (2001). Daily and seasonal patterns of carbon and water fluxes above a north Australian savanna. Tree Physiology, 21, 977-988.##[5] FAO (2001). FAO Stat. Agricultural Production Databases. Food and Agriculture Organization of the United Nations, Rome, Italy.##[6] Forest rangeland and watershed management organization (2002). National action programme of combating desertification. Rural Development Publications. 357p.##[7] Frank, A.B. (2003). Evapotranspiration from northern semiarid grasslands. Agron. J., 95, 1504-1510.##[8] Gupta, R.D., Sanjay, A. and Sumberia, N.M. (2010). Soil physical variability in relation to soil erodibility under different land uses in foothills of Siwaliks in N-W India. Tropical Ecology, 51(2):183-197.##[9] Harvell, A.D., Wienhoil, B.J. and Black, A.L. (2002). Tillage nitrogen and cropping system effect on carbon sequestration. SSSA J., 66, 906-912.##[10] Hill, M.J., Braaten, R. and Mekeon, G.M. (2003). A scenario calculator for effect of grazing land management on carbon stock in Australian rangelands. Environmental modeling and software, 18, 627-644.##[11] Hirotaa, M., Tanga, Y., Hub, Q., Kat, T., Hiratad, S., Moe, W., Caob, G. and Marikoe, S. (2005). The potential importance of grazing to the fluxes of carbon dioxide and methane in an alpine wetland on the Qinghai-Tibetan Plateau. Atmospheric Environment, 39, 5255-5259.##[12] Huang, C.H. and Kronrad, G.D. (2001). The Cost of Sequestration Carbon on Private Forest Lands. Forest Policy and Economics, 2, 133-142.##[13] Jabro, J.D., Sainju, U., Stevens, W.B. and Evans, R.G. (2008). Carbon dioxide flux as affected by tillage and irrigation in soil converted from perennial forages to annual crops. Journal of Environmental Management, 88,1478-1484.##[14] Lal, R. and Kimble, J.M. (2000). Pedogenic carbonates and the global carbon cycle. In: Lal, R., Kimble, J.M., Eswaran, H. and Stewat, B.A. (eds), Global climate change and pedogenic carbonates, CRC press, Boca Raton, 1-14.##[15] Lal, R. (2004). Soil carbon sequestration to mitigate climate change, Geoderma, 123, 1-22.##[16] Li, G. and Sun, S. (2011). Plant clipping may cause overestimation of soil respiration in a Tibetan alpine meadow, southwest China. Ecol. Res, 26, 497-504.##[17] Luo, Y. and Zhou, X. (2006). Soil Respiration and the Environment. 320pp.##[18] Morris, J. and Jensen, A. (1998). The carbon balance of grazed and non-grazed Spartina anglica salt marshes at Skallingen, Denmark. Journal of Ecology, 86, 229-242.##[19] Peichla, M., Cartonc, O. and Kiely, G. (2012). Management and climate effects on carbon dioxide and energy exchanges in a maritime grassland. Agriculture, Ecosystems and Environment,158, 132-146.##[20] Sadeghipour, A. (2012). The study of carbon sequestration and it's distribution in different land uses (Case study: Shahriar). Ph.D. thesis of range management, University of Tehran. 153pp.##[21] Sainju, U.M., Jabro, J.D. and Stevens, W.B. (2008) . Soil carbon dioxide emission and carbon content as affected by irrigation, tillage, cropping system, and nitrogen fertilization . Plant and environment intraction, 37, 98-106.##[22] Schmitt, M., Bahn, M., Wohlfahrt, G., Tappeiner, U. and Cernusca, A. (2010). Land use affects the net ecosystem CO2 exchange and its components in mountain grasslands. Biogeosciences, 7, 2297-2309.##[23] Schwining, S. and Sala, O.E. (2004). Hierarchy of responses to resource pulses in arid and semi-arid ecosystems. Oecologia, 141, 211-220.##[24] Sherrod, L.A., Peterson, G.A., Westfall, D.G. and Ahuja, A.R. (2003). Cropping intensity enhances soil organic carbon and nitrogen in a no till agro ecosystem. Soil Sci. Soc. Am. J., 67,1533-1543.##[25] Tan, Z. and lal, R. (2005). Carbon sequestration potential estimates with changes in land use and tillage practice in ohio, USA. Agric. Ecosys. and Environ, 12, 113-12.##[26] Valentini, R., Dore, S., Marchi, G., Mollicone, D., Panfyorov, M., Rebmann, C., Kolle, O. and Schulze, E.D. (2000). Carbon and water exchanges of two contrasting central Siberia landscape types: regenerating forest and bog. Funct. Ecol, 14, 87-96.##[27] Vickers, D., Thomas, C.K., Pettijohn, C., Martin, J. and Law, B.E. (2011). Five years of carbon fluxes and inherent water-use efficiency at two semi-arid pine forests with different disturbance histories. International Meteorological Institute in Stonkholm 3 December 2011.##[28] Wohlfahrt, G. and et al. (2008). Biotic, abiotic, and management controls on the net ecosystem CO2 exchange of European mountain grassland ecosystems. Ecosystems, 11, 1338-1351.##[29] Zeeman, M.J., Hiller, R., Gilgen, A.K., Michna, P., Pluss, P., Buchmann, N. and Eugster, W. (2010). Management and climate impacts on net CO2 fluxes and carbon budgets of three grasslands along an elevational gradient in Switzerland. Agric. Forest Meteorol, 150, 519-530.##

0 مقایسة مدل‌های مختلف برای پهنه‌بندی خطر زمین‌لغزش در حوزة آبخیز زنگوان ایلام Comparisons of different models for landslide susceptibility mapping in Zangvan watershed, Ilam province https://jrwm.ut.ac.ir/article_52838.html 10.22059/jrwm.2014.52838 0 شناسایی مناطق مستعد زمین‌لغزش از طریق پهنه‌بندی خطر با مدل‌های مختلف یکی از اقدامات اساسی در جهت کاهش خسارت احتمالی و مدیریت خطر است. هدف اصلی از این تحقیق مقایسه و ارزیابی چهار روش‌ـ ارزش اطلاعاتی، تراکم سطح، تحلیل سلسله‌مراتبی سیستم‌ها، و‌ روش پیشنهادی گوپتا و جوشی‌ـ برای پهنه‌بندی خطر زمین‌لغزش در حوزة آبخیز زنگوان در استان ایلام است. نخست کلیة عوامل مؤثر در وقوع زمین‌لغزش استخراج گردید. سپس، با کنترل این عوامل در منطقه، عوامل نُه‌گانة شیب، جهت، ارتفاع از سطح دریا، بارندگی، فاصله از جاده، فاصله از گسل، فاصله از شبکة آبراهه، کاربری اراضی، و سنگ‌شناسی عوامل مؤثر در وقوع زمین‌لغزش‌های منطقه شناخته شدند. پس از تهیة این عوامل در محیط GIS، با استفاده از تفسیر عکس‌های هوایی و تصاویر ماهواره‌ای، موقعیت دقیق زمین‌لغزش‌ها تعیین شد. سپس، پهنه‌بندی با چهار روش مذکور انجام گرفت. نهایتاً، به منظور بررسی و انتخاب مناسب‌ترین مدل برای پهنه‌بندی خطر زمین‌لغزش از شاخص زمین‌لغزش استفاده شد. بر اساس این شاخص، در روش ارزش اطلاعاتی بیش از 52 درصد زمین‌لغزش‌ها در طبقه با خطر خیلی بالا اتفاق افتاده‌ است. بنابراین، این روش، به لحاظ داشتن انطباق بیشتر زمین‌لغزش‌ها با پهنة خطر بالا و همچنین توانایی در تفکیک طبقه‌های خطر، کارایی بهتری نسبت به سایر روش‌ها دارد و مناسب‌ترین مدل برای پهنه‌بندی خطر زمین‌لغزش در حوزة زنگوان معرفی می‌شود. 1 Distinguishing the susceptible areas to landslide using different landslide susceptibility mapping (LSM) models is one of the primitive and basic works to reduce probable damages and reduce risk. The main purpose of this research is the efficiency evaluation of four methods including Information value (WINF), Valuing area accumulation (Wa), Analytical Hierarchy Process (AHP), Kopta-Joshi proposed method (LNRF) for LSM in Zangvan watershed, Ilam province. At first, all the effective factors in landslide occurrence were inspected. By analyzing the parameters, nine factors including slope, aspect, elevation, precipitation, distance from road, distance from fault, distance from drainage, land use and lithology were distinguished as the effective factors in landslides occurrence in the studied area. After preparing the information of these nine factors in GIS environment, the location of landslides were determined using areal photographs and satellite images and LSM performed by the above four methods. Finally, the landslide index was used for evaluation the ability of appropriate LSM model. Based on this Index, the information value method classified more 52 percent of occurred landslides in very high danger class. Therefore, this method is more efficient and proposed as the best LSM method in the Zangvan watershed because of compatibility of landslides with high danger classes and ability of differentiation of danger classes. 459 485 حاجی کریمی Haji Karimi دانشیار دانشکدة کشاورزی دانشگاه ایلام ایران haji.karimi@gmail.com فتح الله نادری Fathollah Naderi کارشناس ارشد ژئومورفولوژی و مدرس دانشگاه پیام نور ایلام ایران naderigeo@yahoo.com بهروز ناصری Behrooz Naseri عضو هیئت‌علمی دانشگاه آزاد اسلامی، واحد ایلام ایران naseribehroz@yahoo.com علی سلاجقه Ali Salajeqeh استاد دانشکدة کشاورزی و منابع طبیعی دانشگاه تهران ایران salajegh@ut.ac.ir ایلام پهنه‌بندی شاخص زمین‌لغزش زنگوان مدل GIS [1] Ahmadi, H., Mohammadkhan, Sh., Feiznia, S. and Ghoddousi, J. (2005). A modeling of mass movement hazard, case study: Taleghan drainage catchment. Journal of the Iranian Natural Rec., 58, 1: 3-14.##[2] Brabb, E., Pampegan, E.H. and Bonilla, M.G. (1972). landslide susceptibility in Sanmateo County, California, U.S Geological Survey Miscellaneous field studies map Mf-360.##[3] Fanyu liu, Z. (2007). Study on Landslide Susceptibility Mapping Based GIS and with Bivariate Statistics- a Case Study in Longnan Area Highway 212, Science paper online.##[4] Faraji Sabokbal, H. (2005). Location of trade servicing units using AHP. Journal of the Geography Rec., 51, 32-37.##[5] Gupta, R.P. and Joshi, B.C. (1990). Landslide hazard zoning using the GIS approach- A case study from the Ramganga catchment, Himalayas, Engineering Geology, 28(1): 119-131.##[6] Haqhshenas, A. (1995). Landslide hazard mapping and associated with sediment yield in Taleghan watershed. Ms. Thesis. Tarbeyat Modares University, 187 pp.##[7] Kolarostaqi, A. (2002). Study effective factors in occurrence landslides and mapping landslide hazard in the Shirin rood watershed, Ms. Thesis. Tehran University, 141 pp.##[8] Khullar, V.K., Sharam, R.P. and Paramanik, K. (2000). A GIS approach in the landslide zone of Lawngthlia in southern Mizoran. Landslide, proceeding of the 8th international symposium on landslides, 3, 1461-1472.##[9] Komac, M. (2006). A landslide susceptibility model using the Analytical Hierarchy Process method and multivariate statistics in per alpine Slovenia.Geomorphology,24,17-28.##[10] Naderi, F. and Karimi, H. (2011). Efficiency assessment of two Information Value and Gopta-Joshi methods in landslide hazard mapping in the Talkhab watershed of Ilam. Pajouhesh & Sazandagi, 92.##[11] Nikandish, N. (1997). Theory for landslide movement in Iran. Jehade Keshavarzi Journal, 155, 84-95.##[12] Pachauri, A.k. and PANT, M. (1992). Landslide Hazard Mapping based on Geological attributes, Eng, Geological, 32, 81-100.##[13] Sayarpoor, M. (1992). Landslide hazard potential mapping in south Ghalghal, Ardabil province. Ms. Thesis. Tehran University, 173 pp.##[14] Sefidgari, R. (2002). Efficiency methods Landslide hazard mapping in Damavand watershed. Ms. Thesis. Tehran University, 159 pp.##[15] Shadfar, S., Norozi, A.A., Ghoddousi, J. and Ghauomeyan, J. (2005). Landslide hazard mapping in Lakertashan watershed. Journal of the Water & Soil conservation, 1, 1-10.##[16] Van Westen, C.J and Soeters, R. (1998). Workshop on GIS in Landslide Hazard Mapping, the Kakani Area (Nepal): Theory. Version 1, ITC, 14 p.##[17] Yalcin, A. (2008). GIS-based landslide susceptibility mapping using analytical hierarchy process and bivariate statistics in Ardesen (Turkey): Comparisons of results and confirmations. CATENA, 72, 1-12.##

0 بررسی واکنش‌های مورفولوژیک و شکل‌گیری نبکا در دو گونة کلیر Capparis decidua)) و لگجیC. spinosa)) در مناطق خشک و بیابانی Investigation of morphological changes and nebkha formation in Capparis deciduas and C. spinosa in arid lands https://jrwm.ut.ac.ir/article_52839.html 10.22059/jrwm.2014.52839 0 این پژوهش، با تکیه بر مقایسة واکنش‌های متفاوت مورفولوژیک دو گونة کلیر Capparis decidua)) و لگجیC. spinosa) )، ارتباط بین بعضی از عوامل مؤثر در شکل‌زایی نبکا‌ را بررسی می‌نماید.به منظور بررسی واکنش‌های مورفولوژیک دو گونة مورد اشاره به تشکیل نبکا، 9 نبکا‌ی لگجی با سنین متفاوت به طور تصادفی انتخاب شد. سپس، تعداد و اندازة ریشه‌های نابجا و تعداد شاخه و جوانه در طول ساقه شمارش شد. نتایج نشان داد که وزن بخش زنده (سبز) و غیرزندة پایه‌هایی از گیاه لگجی تشکیل‌دهندة نبکا به طور معنی‌داری از پایه‌های شاهد هم‌‌سن خود بیشتر است. در لگجی، نبکا در ابتدا با افزایش تعداد جوانه‏ها و شاخه‏ها باعث تحریک رشد می‌شود، ولی، در نهایت، باعث خشکیدگی کامل گیاه می‌گردد. در کلیر، تشکیل نبکا باعث ریشه‌زایی (ریشه‌های نابجا) در شاخه‌های مدفون‌شده می‏‌شود. همچنین، با افزایش حجم نبکا، بر تعداد شاخه یا جوانه در کلیر افزوده نشد. علاوه بر آن، ریشة نابجایی در پایه‌های کلیرِ فاقد نبکا ملاحظه نشد. نتایج بررسی نحوة انشعاب شاخه‌ها نشان داد که گونة کلیر به دو روش باعث ایجاد نبکا می‌‌شود. کلیر در میان‌سالی پاجوش‏های فراوانی تولید می‌کند. تشکیل پاجوش‏ها در اطراف و در قسمت یقة گیاهِ کلیر باعث تجمع رسوبات و تشکیل نبکا می‌‌شود. شاخة پاجوش‌های مدفون‌شده در نبکا، با افزایش حجم نبکا، ریشه‌های نابجا تولید می‌نماید و پایة مادری به‌تدریج ضعیف می‌شود و نهایتاً خشک می‌شود. حالت دوم تشکیل نبکا مشابه لگجی است. با توجه به نتایج به‌دست‌آمده، مشخص شد که گونة کلیر واکنش‌های مورفولوژیک سازگارتری نسبت به لگجی در برابر تشکیل نبکا دارد. 1 This study aimed to investigate morphological changes of Capparis deciduas and C. spinosa and their effects on nebkha formation. In order to examine the morphological changes of these plants, nine C. spinosa nebkhas of varying ages were randomly selected and size and number of adventitious roots, number of shoot and buds were counted. Results showed that the dead and green parts of C. spinosa in nebkha were significantly more than control plants. These showed that nebkha in C. spinosa stimulated growth by increasing bud and shoot at first and then there was a steady mortality when the volume of nebkhas increased. In C. deciduas, nebkha caused stimulation of adventitious roots in buried shoots. Increasing nebkha volume did not increased the number of shoots and buds in C. decidua. Control plants did not produce adventitious roots. Formation of nebkha in C. decidua happened in two ways. In the first, C. decidua plants in middle age produced root stock in base of stems. Root stocks continued to grow, trap sand, and form nebkha. Root stock in nebkha produced adventitious root. In consecutive years root stocks continued to grow, trap sand, and form larger nebkha. In contrast, growth of main stems stopped and they were finally dried. C. decidua also formed nebkha like C. spinosa in the second way. It is concluded that C. decidua stimulated better adaptive morphological changes compared to C. spinosa in facing nebkh formation. 475 485 اصغر مصلح آرانی Asghar Mosleh arany دانشیار دانشکدة منابع طبیعی و کویرشناسی، پژوهشکدة مناطق خشک و بیابانی دانشگاه یزد، دکتری اکولوژی گیاهی ایران amosleh@yazd.ac.ir حمید عظیم زاده Hamid Azimzadeh دانشیار دانشکدة منابع طبیعی و کویرشناسی، پژوهشکدة مناطق خشک و بیابانی دانشگاه یزد، دکتری علوم خاک ایران hrazimzadeh@yahoo.com محمد رضا اختصاصی Mohammad Reza Ekhtesasi استاد دانشکدة منابع طبیعی و کویرشناسی دانشگاه یزد، دکتری مورفودینامیک فرسایش بادی ایران mr_ekhtesasi@yazd.ac.ir ندا ایمان طلب Neda imantalab دانش‌آموختة کارشناسی ارشد جنگل‌داری، دانشکدة منابع طبیعی و کویرشناسی، دانشگاه یزد ایران imantalab@yahoo.com علی دولتی Ali Dolati استادیار دانشکدة ریاضی، دانشگاه یزد، دکتری آمار ایران adolati@yazd.ac.ir کلیر لگجی نبکا واکنش مورفولوژی [1] Ardon, K., Tsoar, H. and Blumberg, D.G. (2009). Dynamics of nebkhas superimposed on a parabolic dune and their effect on the dune dynamics. Journal of Arid Environments, 73, 1014-1022.##[2] Bing, L., Wenzhi, Z. and Rong, Y. (2008). Characteristics and spatial heterogeneity of Tamarix ramosissima nebkhas in desert-oasis ecotones. Acta Ecologica Sinica, 28(4), 1446-1455.##[3] Cooke, R.U., Warren, A. and Goudie, A. (1993). Desert Geomorphology. UCL Press, London, 256 p.##[4] Dech, J.P. and Maun, M.A. (2006). Adventitious root production and plastic resource allocation to biomass determine burial tolerance in woody plants from central Canadian coastal dunes. Annals of Botany, 98, 1095-1105.##[5] Ekhtesasi, M.R., Ahmadi, H., Feyznia, S. and Busche, D. (2005). Wind erosion, Faces and Damages in Yazd-Ardakan Plain. Iranian Journal of Natural Resources, 57(4), 567-583.##[6] Ekhtesasi, M.R. (2010). Plants suitable for sand dunes & sand sheets fixation in Iran (Major psammophytes in Iran). Yazd University pub., 246p.##[7] Hermesh, R. (1972). A study of the ecology of the Athabasca sand dunes with emphasis on the phytogenic aspects of dune formation. M.Sc. thesis. University of Saskatchewan, Saskatoon, Sask.##[8] Hesp, P. and McLachlan, A. (2000). Morphology, dynamics, ecology and fauna of Arctotheca populifolia and Gazania rigens nabkha dunes. Journal of Arid Environments, 44, 155-172.##[9] Khalaf, F.F.I., Miska, R. and Al Douseri, A. (1995). Morphological characteristics of some nebkha deposits in the northern coastal plain of Kuwait, Arabia. Journal of Arid Environments, 58, 335-355.##[10] Maun, M.A. (1998). Adaptations of plants to burial in coastal sand dunes. Canadian Journal of Botany, 76, 713-738.##[11] Maghsoudi, M., Negahban, S., Bagheri Said-Shokeri, S. and Chezgheh, S. (1391). Comparative and analysis of nebkhas geomorphologic features four plant species in west of Lut (East of Shahdad-Takab Plain). Research in Natural Geography, 79, 55-77.##[12] Mozafarian, V. (2000). Flora of Yazd. Yazd University pub.##[13] Mozafarian, V. (2004). Trees and Shrubs of Iran, 1st edition, Farhang -e-Moaser pub.##[14] Ekhtesasi, M.R. and Azimzadeh, H. (2002). Bandar-e-Jask (Sedij & Biahe) detailed technical document of combat desertification and sand dune fixation. Natural Resources and Watershed Management Service of Hormozgan province pub.##[15] Perumal, J. (1994). Effects of burial in sand on dune plant communities and ecophysiology of component species. Ph.D. thesis, University of Western Ontario, London, Ont.##[16] Pourkhosravani, M., Vali, A.A. and Moayeri, M. (2009). Study of relationships between plant morphology and nebkha morphometry characteristic of Reaumaria turcestana in khairabad desert in Sirjan. Physical Geography Research, 69, 99-113.##[17] Sabeti, H. (1994). Trees and Shrubs of Iran, 5th edition, Yazd University pub, 187p.##[18] Saghafi Khadem, F. (1999). Flora of Iran, No:30, Capparidaceae, Forest and Rangeland Research Institute pub.##[19] Tengberg, A. and Chen, D. (1995). Nebkha dunes as indicators of wind erosion and land degradation in the Sahel zone of Burkina Faso. Journal of Arid Environments, 30, 265-282.##[20] Pourkhorasani, M., Vali, A.A. and Movahedi, S. (2010). A comparative classification for nebkhas; Seidlitzia florida, Alhagi mannifera and Reaumaria turcestanica, based on vegetative performance of plants in Khair Abad desert in Sirjan. Geographic Space, 10(31),137-158.##[21] Wolfe, F. (1932). Annual rings of Thuja accidentalis in relation to climatic conditions and movement of sand. Botanical Gazette (Chicago), 93, 328-335.##[22] Yuan, T., Maun, M.A. and Hopkins, W.G. (1993). Effects of sand accretion ophotosyntesis, leaf-water potential and morphology of two dune grasses. Functional Ecology, 7, 676-682.##

0 پیش‏بینی رواناب و رسوب به کمک شبکة عصبی مصنوعی و رگرسیون چندمتغیره در مارن‏های آغاجاری Forecasting of runoff and sediment using neural network and multi regression in Aghajari Marls https://jrwm.ut.ac.ir/article_52840.html 10.22059/jrwm.2014.52840 0 پدیدة فرسایش و انتقال رسوب یکی از پیچیده‏ترین مسائل مدیریت حوزة زه‌کشی رودخانه‏هاست که در بررسی‏ طرح‏های آبی اهمیت بسیاری دارد و اندازه‏گیری آن مستلزم صرف وقت و هزینة فراوانی است. مسئلة رواناب سطحی در حوزة آبخیز رودخانه‏ها نیز موضوع پیچیده‏ای است که اطلاعات و فهم دانش بشری از قوانین فیزیکی حاکم بر آن بعضاً از دیدگاه روابط ریاضی محدود است. در این تحقیق، به منظور مدل‌سازی تولید رواناب و رسوب کاربری‏های مختلف نهشته‏های سازند آغاجاری، بخشی از حوزة آبخیز مرغا در شهرستان ایذه به مساحت 1609 هکتار انتخاب شد. در این تحقیق، از برخی متغیرهای فیزیکی و شیمیایی خاک شامل درصد ماسة خیلی ریز، شن، رس، سیلت، اسیدیته، هدایت الکتریکی، رطوبت، کربنات کلسیم و شوری خاک و رواناب و رسوب در کاربری‏های مختلف سازند آغاجاری برای مدل‌سازی استفاده شد. بدین منظور از دستگاه شبیه‏ساز باران در 7 نقطه و با 3 تکرار در سه شدت‏ مختلف 75/0، 1، و 25/1 میلی‌متر در دقیقه در سه کاربری مرتع، منطقة مسکونی، و اراضی کشاورزی میزان رواناب و رسوب اندازه‏گیری شد. همچنین، به همین تعداد، نمونة خاک از عمق ۰ ـ ۲۰ سانتی‏متری برداشت شد. در مجموع، تعداد 126 نمونه رواناب و رسوب جمع آوری شد و 189 آزمایش خاک انجام شد. به منظور تجزیه و تحلیل‏های آماری از نرم‌افزارهای11.5 SPSS، Excel، وMatlab 2008  استفاده شد. نتایج نشان داد که رگرسیون چندمتغیره در شرایطی با داده‏های ورودی زیاد و خروجی کم نتایج مطلوب‏تری در مقایسه با شبکة عصبی مصنوعی نشان می‏دهد. در شدت‌های بالای بارش به علت همگنی داده‏ها عملکرد شبکة عصبی نسبت به شدت‏های پایین بارش بهتر می‏شود. ولی، رگرسیون چندمتغیره در همة شدت‏های بارش بالا و پایین عملکرد بسیار قابل قبولی نشان داد. متوسط خطای نسبی در هر سه کاربری در میزان تولید رسوب در شدت بارش 75/0 میلی‌متر در دقیقه در رگرسیون چندمتغیره 2/7 درصد و میزان مجذور میانگین مربعات خطا 06/0 است و در شبکة عصبی در همین شدت متوسط خطای نسبی 9/146 درصد و مجذور میانگین مربعات خطا 41/0 است. متوسط خطای نسبی در هر سه کاربری در میزان تولید رسوب در شدت بارش 1 میلی‌متر در دقیقه در رگرسیون چندمتغیره 5/8 درصد و میزان مجذور میانگین مربعات خطا 19/0 است و در شبکة عصبی در همین شدت متوسط خطای نسبی 36/96 درصد و مجذور میانگین مربعات خطا 85/0 است. متوسط خطای نسبی در هر سه کاربری در میزان تولید رسوب در شدت بارش 25/1 میلی‌متر در دقیقه در رگرسیون چندمتغیره 8/1 درصد و میزان مجذور میانگین مربعات خطا 38/0 است و در شبکة عصبی در همین شدت متوسط خطای نسبی 6/37 درصد و مجذور میانگین مربعات خطا 73/0 است. 1 Erosion and sediment movement phenomena are one of the most complex issues in management of rivers drainage areas that in water projects are very important. That its measurement wants high time and cost. Issue of surface runoff in river basin is a complex issue that human knowledge and understanding about its physical laws a viewpoint of some mathematical formulas is limited. In this study to investigate modeling runoff and sediment production in different land uses of Aaghajari formation deposits, part of Margha watershed in Izeh city with area 1609 hectares was selected. In this study, some soil physical and chemical characteristics such as percentage of sand very fine, sand, clay, silt, pH, electrical conductivity, moisture, calcium carbonate and soil salinity in different land uses of Aghajari formation were used. Then the rain simulator in 7 point and with three replicated in different intensities 0.75, 1 and 1.25 mm in minute in three land use range, residential areas and agricultural lands, were used the amount of runoff and sediment. And the same of number were sampled in 0-20 cm in soil layer. In totally, 126 times sampling runoff and sediment were done. And 189 soil experiments were done. In order to perform all statistical analysis were used 11.5 SPSS and EXCEL and MATLAB 2008 software. The results showed that multi regression analysis in conditions with high input and little output data shows more favorable results than neural network. And in high intensities owing to data homogeny, neural network operation than to low precipitation intensities is better. But in multi regression in high and low precipitation intensities showed acceptable operation. The average of relative error in three land uses in sediment production in precipitation intensity 0.75 mm in minute were in multi regression 7.2 percent and root mean square error 0.06. And in neural network in same precipitation intensity the average of relative error 146/9 percent and root mean square error 0.41 were. The average of relative error in three land uses in sediment production in precipitation intensity 1 mm in minute were in multi regression 8.5 percent and root mean square error 0.19. And in neural network in same precipitation intensity the average of relative error 96.36 percent and root mean square error 0.85 were. The average of relative error in three land uses in sediment production in precipitation intensity 1.25 mm in minute were in multi regression 1.8 percent and root mean square error 0.38. And in neural network in same precipitation intensity were the average of relative error 37/6 percent and root mean square error 0.73. 487 499 مهدی وفاخواه Mahadi Vatakhah دانشیار گروه آبخیزداری، دانشکدة منابع طبیعی، دانشگاه تربیت مدرس ایران vafakhah@modares.ac.ir همزه سعیدیان Hamzeh Saidian دکتری آبخیزداری، دانشکدة منابع طبیعی، دانشگاه تربیت مدرس ایران hamzeh.4900@yahoo.com حوزة آبخیز مرغا سازند آغاجاری شبکة عصبی مصنوعی فرسایش خاک [1] Abrahart, R.J. and White, S.M. (2001). Modelling sediment transfer inMalawe: comparing backpropagation neural network solutionagainst a multiple linear regressionbenchmark using small datasets. Physics and Chemistry of the Earth, 26, 19-24.##[2] Alp, M and Kerem Cigizoglu, H. (2009). Suspended sediment load simulation by two artificial neural network methods using hydrometeorological data. Environmental Modelling and Software, 22, 2-13.##[3] ASCE (2000). Artificial neural networks in hydrology: 1. Preliminaryconcepts. Journal of Hydrologic Engineering, 5, 115-123.##[4] Asghari moghadam, A., Norani, V. and Nadiri, A. (2008): Modeling[p1]  of Tabriz plain rainfall using neutral networks. Agriculture Science Journal, 18(1), 1-15. (In Persian).##[5] Barthes, B. and Roose, E. (2002).Aggregate Stability as an Indicator of Soil Susceptibility to Runoff and Erosion; Validation at Several Levels, Catena, 47, 133-149.##[6] Cannon, A.J. and Whitfied, P.H. (2002). Downscaling recent stream - flow conditions in British Columbia, Canada using ensemble neural network. Journal of Hydrology, 259, 136-151.##[7] Das, G. (2000). Hydrology and Soil Conservation Engineering. Asoke K. Ghosh, Prentic- Hall of India, 489P.##[8] Dawson, C.W. and Wilby, R.L. (2001). Hydrological modelling using artificial neural networks. Progress in Physical Geography, 25, 80-108.##[9] Gautam, M.R., Watanabe, K. and Saegusa, H. (2000). Runoff analysis in humid forest catchment with artificial neural network. Journal of Hydrology, 235, 117-136.##[10] Green, I.R.A. and Stephenson, D. (1986). Criteria for comparison of single event models. Hydrological Sciences Journal, 31, 395-411.##[11] Hossaini, S., Ci., Dehmardeh, A., Fathi, P.Ci. and Ceh Mardeh, M. (2007). Application of neutral networks and multi regression in estimation wheat operating in Kurdistan province Ghahve region. Agriculture Research Journal: Water, Soil, Vegetation in Agriculture, 1, 41-54.##[12] Jordan, A. and Martinez-Zavala, L. (2008). Soil Loss and Runoff Rates on Unpaved Forest Roads in Southern Spain after Simulated Rainfall, Journal of Forest Ecology and Management, 255, 913-919.##[13] Kamphorst, A. (1987). A small rainfall simulator for the determination of soil erodibility, Netherlands, Journal of Agricultural Science, 35, 407-415.##[14] Kinnell, P.I.A. (2005). Sediment Transport by Medium to Large Drops Impacting Flows at Subterminal Velocity, Soil Science Society of America Journal, 69(3), 902-905.##[15] Marcel, G.S., Feike, J.L., Martinus, T. and van Genuchten, H. (1998). Neural network analysis for hierarchical prediction of soil hydraulic properties, Soil Science Society, 62, 847-855.##[16] Menhaj, L.P. (1998). Bases of Neural Networks (Calculative Intelligence). First Volume. Amirkabir Univerity of Technology Press. 642P (In Persian).##[17] Navvabian, M., Liaghat, E.M. and Homaei, M. (2004). Rapid estimation of hydraulic conductivity using neural networks. In: Proceedings of the Second National Student Conference on Water and Soil Resource. Shiraz University Press, pp. 203 -211 (In Persian).##[18] Raisain, R. (2005). Investigation of erosion and sediment rates in Gargak catchment by using rain simulator, Soil Conservation and Watershed Management Research Institute, Project Research Plan Report, 156 P (In Persian).##[19] Rajurkar, M.P., Kothyarib, U.C. and  Chaube, U.C. (2004). Modeling of the daily rainfall-runoff relationship with artificial neural network. Journal of Hydrology, 285, 96-113.##[20] Ramani, A. and Sedhi, M. (2004). Forecasting of water level changes of Bahar-Hamedan plain using times series. Water and Wastwater Journal, 15, 2-49. (In Persian).##[21] Reddy, S.B. (2003). Estimation of watershed runoff using artificial neural networks. Ph.D Thesis in Agriculture (unpubl.). Post Graduate School, IARI, New Dehli.##[22] Sarangi, A. and Bhattacharya, A.K. (2005). Comparison of artificial neural network and regression models for sediment loss prediction from Banha watershed in India. Agricultural Water Management, 78(3), 195-208.##[23] Sudheer, K.P., Gosain, A.K. and Ramasatri, K.S. (2002). A data-driven algorithm for constructing artificial neural network rainfall-runoff models. Hydrological Processes, 16, 1325-1330.##[24] Tamari, S., Wösten, J. H.M. and Ruiz-Suarez, J.C. (1996). Testing an artificial neural network for predicting soil hydraulic conductivity. Soil Science Society of America Journal, 60(6), 1732-1741.##[25]  Vaezi, A.R., Sadeghi, S.H.R., Bahrami, H.A. and Mahdian, M.H. (2008). Modeling the USLE K-factor for calcareous soils in northwestern Iran. Geomorphology, 97(3), 414-423.##[26]  Zarinkafsh, M. (1994). Application Pedology. University of Tehran Press, 236 P (In Persian).##[27] Zehtabian, Gh. (1999). Comparison of runoff and sediment rate in Lehbari marl formation using rain simulator in Gelalmoort subwatershes. University of Tehran Research Plan Report, 107P (In Persian).##[28] Zhang, B. and Govindaraju, R. (2003). Geomorphology-based artificial neural networks for estimation of direct runoff over watershed. Journal of Hydrology, 273, 18-34.##[29] Zhu, X.X. and Zhou, L.Y. (2007). Suspended sediment flux modeling with artificial neural network: Anexample of the Longchuanjiang River in the Upper Yangtze Catchment, China. Geomorphology, 84, 111-125.##

0 چکیده انگلیسی Abstracts https://jrwm.ut.ac.ir/article_52841.html 10.22059/jrwm.2014.52841 0 1 - 1 12