پدیده گرد و غبار یکی از مهمترین مخاطرات طبیعی منطقه خاورمیانه به ویژه در سال های اخیر بوده است به همین علت مطالعه و بررسی جنبه های مختلف آن، زمینه تحقیقات بسیاری از پژوهشهای اخیر قرار گرفته است. تحقیق حاضر نیز به منظور بررسی سازوکارهای کنش متقابل شرایط سطح زمین و گردش جو منطقه در تشکیل و گسترش توفان های گرد و غبار سال های 2003 تا 2009 میلادی (1382 - 1388) خاورمیانه به روش تحلیل سینوپتیکی انجام گرفته که از داده های جوی مانند فشار سطح دریا، ارتفاع ژئوپتانسیل، مولفه های مداری – نصف النهاری باد- امگا و رطوبت خاک از داده های دوباره واکاوی شده مرکز ملی پیش بینی های محیطی از مرکز تشخیص اقلیمی و نقشه پوشش سطح زمین در مدل(regcm) و نقشه خاک منطقه خاورمیانه و تصاویر مادیس استفاده شده است. نتایج بدست آمده نشان داد که فراوانی وقوع توفان های گرد و غبار از سال 2006 به بعد یک روند افزایشی داشته است و این افزایش بیشتر در توفان های با منشاء سوریه و عراق مشاهده می شود. شرایط گردش جو ایجاد کننده توفان های گردوغبار، وجود ناپایداری سطح زمین برروی اراضی خشک و بیابانی با خاک های لومی و یرموسول است که با گردش چرخندی در سطح و لایه های زیرین جو و کم ارتفاع و ناوه در سطوح میانی و بالایی وردسپهر همراه بوده، که این مهمترین الگوی تشکیل توفان گرد و غبار در منطقه بوده که گرد و غبار نیز در دامنه ناوه به سمت شرق (ایران) حرکت کرده اند.

به طور کلی پدیده فرسایش و انتقال رسوب از پیچیده ترین مسائل هیدرودینامیکی است که تعیین دقیق معادلات حاکم بر آن به دلیل تاثیرات پارامترهای مختلف، به آسانی میسر نیست. حتی اگر مدلی ریاضی نیز تبیین شود، دسترسی به داده های لازم در اکثر موارد امکان پذیر نخواهد بود. با توجه به توانایی های شبکه های عصبی مصنوعی در شناسایی ارتباط بین متغیرهای ورودی و خروجی یک مساله بدون در نظر گرفتن فیزیک آن مسئله و نیز به دلیل ضعف مدل های فیزیکی و ریاضی در مدل کردن فرآیندهای رسوبی، این شبکه ها می توانند در مدل کردن مساله انتقال رسوب به کار روند. آگاهی از میزان مواد جامد رسوب که توسط جریان حمل یا ترسیب می گردد جزو اطلاعات لازم و اولیه هر پروژه آبی و یکی از عوامل مهم تصمیم گیری در مورد احداث سازه های آبی بر روی رودخانه ها می باشد . در این میان شبکه های عصبی مصنوعی به عنوان عضوی از خانواده هوش مصنوعی در تعیین بار معلق رسوب توانا به نظر می رسند. این روش ها با الهام از مغز انسان و دستیابی به دانش نهفته در داده ها روابط موجود بین داده ها را به دست آورده و آنها را به مواردی که مدل با آن ها مواجه نشده است تعمیم می دهند. در این تحقیق از مدلqnet 2000 که با شبکه پرسپترون چند لایه و الگوریتم پس انتشار خطا طراحی شده است استفاده شد. ابتدا، مدل با استفاده از یک دسته سری های داده آموزش می بیند و با استفاده از اطلاعات حاصل از داده ها، وزن های شبکه تعیین می گردند،سپس مدل به وسیله داده هایی که قبلا با آن آموزش ندیده است موردآزمایش قرار می گیرد. با بدست آوردن میزان خطای مدل با توجه به داده های ورودی داده شده به مدل جهت آموزش، کارایی مدل اثبات می گردد. استان سمنان دارای ایستگاه های هیدرومتری فراوانی است که ایستگاه های بنکوه، حبله رود(سیمین دشت)، نمرود و چشمه علی به دلیل داشتن آمار کاملتر و واقع بودن در مناطق خشک و نیمه خشک انتخاب گردیدند، پس از بررسی شرایط داده ها ،پایه زمانی مشترک انتخاب گردید و در شرایط مورد نیاز بازسازی ها انجام شد. از مدل qnet 2000 به منظور انتخاب تابع انتقال مناسب ،تاثیر لگاریتمی کردن داده ها، تاثیر استفاده از لایه های میانی بیشتر و تاثیر استفاده از دبی روز های قبل استفاده شد و نتایج آن با نتایجی که از مدل رگرسیون خطی چند متغیره بدست آمد مقایسه گردید. ارزیابی عملکرد مدلهای به کار برده شده به کمک فاکتور های ضریب همبستگی و خطا امکان پذیر می باشد. بیشترین ضریب همبستگی و کمترین میزان خطا، بهترین روش را معرفی می نمایند، بنابراین ارزش رجحانی روشها به ترتیب شبکه عصبی مصنوعی و سپس رگرسیون خطی چند متغیره می باشد.با توجه به یکسان بودن داده های ورودی مدلهای شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره می توان کارایی بالاتر شبکه عصبی مصنوعی را نسبت به مدل رگرسیون خطی چند متغیره به خوبی استنتاج نمود. به طور کلی پدیده رسوب یک مساله غیرخطی است و مدل شبکه های عصبی مصنوعی به عنوان ابزاری توانمند، قادرند به نوعی روابط غیر خطی حاکم بر فرآیندهای رسوبی را تعیین نمایند.

فرآیند تبخیر و تعرق، یکی ازمولفه های اصلی چرخه ی هیدرولوژیک است که تخمین دقیق آن درمطالعات بیلان هیدرولوژیکی آب، طراحی و مدیریت سیستم های آبیاری، شبیه سازی تولیدات گیاهی و برنامه ریزی و مدیریت منابع آب برای دستیابی به توسعه پایدار نقش بسزایی دارد. باتوجه به میزان اندک نزولات جوی و محدودیت منابع آب درایران، مدیریت صحیح و ارتقاء بهره وری مصرف درشبکه های آبیاری و زهکشی از اهمیت زیادی برخوردار بوده و لازم است در مورد مسائلی که به نحوی با آن مرتبط می گردد، توجه کافی شود. دراین راستا تعیین نسبتاً دقیق مقدارآبی که برای تبخیروتعرق مصرف می شود، ازعوامل اساسی دربرنامه ریزی برای رسیدن به محصول بیشتر و الگوی توسعه پایداراست. در این تحقیق میزان تبخیر و تعرق پتانسیل با 9 روش بررسی گردید و نتایج این تحقیق نشان داد که در ایستگاه سمنان مناسب ترین روش ها بترتیب پنمن کیمبرلی 1996، ماکینگ 1957و هارگریوز1985، پنمن 1948، پنمن فائو24، پریستلی تیلور، بلانی کریدل فائو24 و تشعشعی- فائو24 می باشند. در ایستگاه شاهرود مناسب ترین روش ها بترتیب پنمن کیمبرلی 1996، پنمن 1948، ماکینگ 1957، پریستلی تیلور، هارگریوز 1985، پنمن فائو24، بلانی کریدل فائو24، تشعشعی- فائو24 می باشند.در ایستگاه گرمسار مناسب ترین روش ها بترتیب پنمن کیمبرلی 1996، پنمن 1948، هارگریوز1985، پنمن فائو24، بلانی کریدل فائو24و ماکینگ 1957، پریستلی تیلور، و تشعشعی- فائو24 می باشند. در ایستگاه بیارجمند مناسب ترین روش ها بترتیب پنمن کیمبرلی 1996، پنمن 1948، بلانی کریدل فائو24 و پنمن فائو24، هارگریوز 1985 و تشعشعی- فائو24، ماکینگ 1957، پریستلی تیلور می باشند.