طبیعت یک سیستم بسیار پیچیده است و پیچیدگی در طبیعت عموماً از عدم قطعیت های ناشی از ابهام در شناخت فرایندها و اندازه گیری آن ایجاد می شود. مدلهای توزیعی ابزار مناسبی برای تامین نظر طرحهای مدیریت و ارزیابی منابع آب می باشند طبیعت توزیعی این مدلها اجازه ارزیابی های چند معیاره اثرات تغییرات مکانی و ویژگیهای حوضه آبخیز در پاسخ هیدرولوژیکی را به محقق می دهند. این ویژگی محققین را به استفاده از مدلهای توزیعی جهت ارزیابی مدیریت آب و خاک ترغیب می کند. مدل swat مدل جامع هیدرولوژیکی فیزیکی که عمده فرایندهای هیدورولوژیکی را در مقیاس حوضه آبخیز شبیه سازی می نماید بصورت گسترده ای در اکثر نقاط جهان تست و مورد ارزیابی قرار گرفته شده است. این مدل توسط آرنولد در سال 1998 و نیتش در سال 2002 توسعه یافته است. نظر به افزایش مصرف آب توسط انسان، اثرات اقلیمی و کاهش دسترسی به منابع آب، روشهای پایش بیلان آب در مقیاس منطقه ای جهت مدیریت منابع آب حائز اهمیت فراوان هستند. در این بین بررسی تبخیر و تعرق بزرگترین مصرف کننده بیلان آب تا حدود 95% از بارش سالانه در مناطق خشک جهان دارای اهمیت دوچندان می باشد. تغییر در میزان تبخیر و تعرق بطور مستقیم بر آب قابل دسترس تاثیر گذاشته و آب قابل دسترس نیز بر میزان ذخیره آب در حوضه آبخیز که تعیین کننده میزان جریان در حوضه می باشد اثر می گذارد. بررسی پدیده های زمانی و مکانی که بتوان توسط آنها روند تغییرات را در فرآیندهای زمینی آشکار نمود همواره از معضلات پیش روی بشر بوده است. تبخیر و تعرق یکی از پارامترهایی است که می توان آن را با استفاده از داده های سنجش از دور مورد محاسبه قرار داد همچنین بدلیل داشتن ماهیت مشاهده‏ای داده های سنجش از دور و داشتن خاصیت توزیعی آن در سطح با مشکلات ناشی از برآورد پارامترها و نیز تعمیم آنها به سطح روبرو نیستند. روش های بر پایه سنجش از دور در سال 1989 میلادی برای نخستین بار در مصر توسط باستیانسن و منه تی شروع گردید و سپس الگوریتم ارتباط خاک، پوشش گیاهی و آب در سطح زمین (sebal) توسط باستیانسن ارائه گردید. در این پژوهش سعی بر این بوده است تا اثرات تغییرات مکانی پارامتر تبخیر و تعرق که نقش مهمی در بیلان آبی حوضه ایفا می نماید در مدل جامع شبیه ساز حوضه آبخیز swat توسط الگوریتم sebal کاهش یافته و اصلاح گردد. بدین منظور حوضه آبخیز تمر واقع در شمال شرقی گرگانرود با مساحت ???? کیلومتر مربع انتخاب گردید. مدل swat در دو مقیاس ماهانه و روزانه بین سالهای آبی ????-???? و ????-???? اجرا گردید. آماره های مدلسازی حاکی از نتایج خوب و قابل قبول بودن آن در دوره های مذکور دارد. ضریب نش – ساتکلیف برای دوره ????-???? در مقیاس ماهانه ??/? و برای دوره ????-???? در مقیاس ماهانه ??/? و برای دوره ????-???? در مقیاس روزانه ??/? و برای دوره ????-???? در مقیاس روزانه ??/? برای حوضه مذکر بدست آمده است. همچنین نتایج تحلیل عدم قطعیت در دوره های مذکور با آماره p-factor به ترتیب ??/?، ??/?، ??/?، ??/? و آماره r-factor به ترتیب ??/?، ??/?، ??/?، ??/? بدست آمد که نشان می دهد در حوضه مذکور عدم قطعیت پارامترهای ورودی بسیار بالا بوده و این عدم قطعیت در نتایج مدلسازی قطعاً تاثیر خواهد گذاشت. همچنین نتایج تبخیر و تعرق حاصل از الگوریتم sebal نیز با دقت مورد قبول همراه بوده است و نتایج حاکی از آن است که مقادیر تبخیر و تعرق بدست آمده از الگوریتم در حدود ??? کمتر از نتایج بدست آمده از روشهای معمول می باشد. نتایج حاصل از اجرای مدل swat با داده های تبخیر و تعرق بدست آمده از الگوریتم sebal نشان می دهد مدل در شبیه سازی جریان عملکرد مناسبی داشته و روند مدلسازی بهبود یافته است.

خشکسالی یک پدیده تکرار شونده در اقلیم¬های مختلف است و اثرات آن صرفا به نواحی خشک و نیمه خشک محدود نمی شود و می تواند در نواحی با بارش بالا و در هر فصلی از سال رخ دهد و با کاهش منابع آبی باعث بروز چالش در کشورها گردد. در کشور ما خشکسالی پدیده مهمی است که منجر به ایجاد مشکلات زیادی در سال¬های اخیر شده است. استان گیلان یکی از مهم ترین قطب¬های کشاورزی کشور به شمار می رود تحقیق حاضر سعی دارد با بررسی خشکسالی هواشناسی و هیدرولوژیکی گامی در جهت شناسایی وضعیت خشکسالی در استان گیلان بردارد. به این منظور از شاخص¬های خشکسالی هواشناسی ( شاخص استاندارد بارش و شاخص خشکسالی موثر) و شاخص¬های خشکسالی هیدرولوژیکی ( شاخص جریانات رودخانه¬ای و شاخص سطح آب) بر اساس داده¬های 10 ایستگاه باران سنجی و 10 ایستگاه هیدرومتری با طول دوره آماری مشترک 25 ساله (1390-1365) و همجنین 42 چاه پیزومتری با طول دوره آماری مشترک 8 ساله (1390-1382) استفاده شد. نتایج بیانگر آن است که از نقطه نظر ایستگاهی همه ایستگاه¬ها پدیده خشکسالی هواشناسی و هیدرولوژیکی را تجربه کرده اند. به طوری که شدیدترین خشکسالی هواشناسی مشاهده شده در استان متعلق به ایستگاه کلچال و خرجگیل است و شدیدترین خشکسالی هیدرولوژیک مربوط به ایستگاه هراتبر و شلمان می باشد و همچنین شدیدترین خشکسالی آب¬های زیرزمینی در چاه پیزومتری پیش حصار مشاهده شده است. طولانی ترین تداوم خشکسالی هواشناسی در ایستگاه طولات و گیلوان و طولانی ترین تداوم خشکسالی هیدرولوژیک در ایستگاه اوستا قاسم محله بوده و نیز طولانی ترین تداوم خشکسالی آب زیرزمینی در چاه صیقل سرا و پلاسی مشاهده گردید. بررسی داده های استاندارد شده دبی (sdi) با سری های spi در بازه های زمانی متفاوت به روش همبستگی پیرسون به تفکیک ایستگاه ها بررسی شد نتایج نشان داد که رابطه زمانی وقوع خشکسالی هواشناسی و هیدرولوژیکی در بازه زمانی 12 ماهه حداکثر است و مقدار این همبستگی در سطح 99 درصد معنی دار بود. در ایجاد همبستگی و ارتباط بین بارش و آب زیرزمینی، بهترین همبستگی 233/0 با تاخیر یک ماهه است که تاثیر پذیری منابع آب زیرزمینی را با یک تاخیر یک ماهه نشان می دهد.

در کشور ایران به دلیل موقعیت خاص جغرافیایی، و به تبع آن اقلیم های متنوع، همچنین وجود کوهستانهای متعدد با شیب تند شرایط برای سیل کاملا فراهم می باشد. همچنین کمبود جدی داده ها در بسیاری از فرآیندهای هیدرولوژیکی، در اکثر مناطق کشور سبب شده است تا درک فرآیندهای هیدرولوژیکی در این مناطق دشوار باشد. از طرف دیگر برآورد قابل اعتماد جریان های سیلابی در حوضه های فاقد آمار یکی از چالش های عمده در برنامه ریزی و مدیریت منابع آب است. بنابراین تحقیق حاضر با هدف ارائه تجزیه و تحلیل فراوانی جریان حداکثر در ایستگاه های دارای آمار و فاقد آمار در استان مازندران با استفاده از روش تحلیل منطقه ای سیلاب انجام شده است. برای این منظور تعدادی از ایستگاه ها به دلایل قرار گرفتن در پایین دست سدهای مخزنی، جدیدالاحداث بودن و فقدان آمار حذف گردید و با استفاده از 55 ایستگاه باقیمانده به تجزیه و تحلیل فراوانی جریان های حداکثر در حوضه های آبخیز استان پرداخته شد. با تعیین پارامترهای فیزیوگرافی، اقلیمی، هیدرولوژیکی و کاربری اراضی با استفاده از روش تحلیل عاملی مهمترین عوامل موثر بر جریان های حداکثر، مساحت، شیب متوسط حوضه، زمان تمرکز، ضریب گراولیوس، بارش متوسط سالیانه و کاربری اراضی کشت آبی مناسب تشخیص داده شدند. بر اساس تحلیل خوشه ای به روش "وارد" و عوامل موثر بر دبی پیک سیلاب، ایستگاه های باقیمانده به سه منطقه همگن تقسیم شدند و همگنی آنها با استفاده از آزمون های همگنی گشتاورهای خطی با استفاده از نرم افزار r مورد تایید قرار گرفت. بر اساس مقایسه نتایج توزیع های مختلف با استفاده از آزمون نکویی برازش (zdist)، توزیع لجستیک تعمیم یافته برای منطقه همگن اول و توزیع نرمال تعمیم یافته برای منطقه همگن دوم و سوم مناسب ترین توزیع شناخته شدند. مقادیر پارامترهای هر یک از توزیع های منتخب با استفاده از روش گشتاورهای خطی محاسبه گردید و دبی با دوره بازگشت های مختلف به روش سیل شاخص برآورد گردید. همچنین به منظور بدست آوردن روابط بین توابع توزیع احتمال و ویژگی های حوضه آبخیز با استفاده از مدلهای رگرسیون چند متغیره، دبی با دوره بازگشت های مختلف در مناطق همگن برآورد گردید. در نهایت مقادیر ضریب همبستگی و مقادیر rrmse برای مدلهای بدست آمده با استفاده از نرم افزار excel محاسبه شد و بدین ترتیب روش شاخص سیل با rrmse برابر با 6/91 به عنوان بهترین روش انتخاب شد.

برآورد دقیق مقدار رسوب معلق رودخانه ها، به دلیل نقش و اثرات منفی آن در کاهش شاخص های کیفی آب، انتقال آلودگی، کاهش ظرفیت مخازن و کانال ها، از اهمیت ویژه ای برخوردار می باشد. در پژوهش حاضر، که با هدف برآورد هر چه دقیق تر مقدار غلظت و بار رسوب معلق روزانه ایستگاه هیدرومتری سیرا (واقع بر رودخانه کرج در حوزه آبخیز سد کرج) انجام گردیده، برآورد رسوب معلق، از دو منظر کاملا"متفاوت مورد بررسی قرار گرفته است. در رویکرد اول، به منحنی سنجه ی رسوب و مشکلات آن پرداخته شده و سپس، نوآوری و راهکارهائی جهت اصلاح آن ارائه شده است. در رویکرد دوم که مقصود اصلی این تحقیق می باشد، افزون بر متغیر دبی جریان، به نقش متغیرهای بارش و دمای روزانه به عنوان دو متغیر تاثیرگذار در تولید رواناب و رسوب در حوضه، پرداخته شده و از روش های محاسبات نرم (شبکه عصبی مصنوعی (mlp) و سیستم استنتاج فازی-عصبی تطبیقی (anfis))، جهت مدل سازی برآورد رسوب استفاده شده است. شایان ذکر است که در هر دو رویکرد مدل سازی، از تفکیک زمانی داده ها و الگوریتم های خوشه بندی (خوشه بندی فازی (fuzzy-c-means) و شبکه عصبی نگاشت خود سازمان ده (self-organizing map) جهت ساخت مجموعه داده های همگن و مشابه واسنجی، اعتبارسنجی و ارزیابی استفاده شده است. در پژوهش حاضر به منظور مدل سازی برآورد رسوب معلق، از داده های دبی جریان، متوسط بارش و متوسط دمای حوضه (در مقیاس روزانه و با زمان های تاخیر تا حداکثر 5 روز) به عنوان داده های ورودی و از غلظت رسوب معلق روزانه به عنوان داده خروجی مدل ها، در یک دوره زمانی 29 ساله (سال های 1360 تا 1390به استثناء سال 88-87)، استفاده شده است. در این رابطه، با توجه به نقش تغییرات فصلی و وضعیت جریان رودخانه در تولید و انتقال رسوب حوضه، داده های مورد استفاده ابتدا بر اساس رژیم بارش (بارانی، بارانی-برفی)، وضعیت هیدروگراف جریان (صعودی، نزولی، پایه) و نوع رواناب (ذوب برف، بارش، دبی پایه)، به 6 گروه (ماه های اسفند و فروردین گروه 1، ماه های اردیبهشت و خرداد گروه 2، ماه های تیر، مرداد و شهریور گروه 3، ماه های مهر و آبان گروه 4، ماه های آذر، دی و بهمن گروه 5 و تمامی ماه ها گروه 6) تفکیک و پس از آن، برای هر گروه، با توجه به ترکیب متغیرهای ورودی، مدل های مختلفی از شبکه عصبی، نروفازی و منحنی سنجه ی رسوب (مجموعا" 301 مدل) طراحی گردید. در رویکرد اول در استفاده از منحنی سنجه ی رسوب، تحقیقات نشان می دهد که محاسبه ضرائب منحنی از طریق تبدیل لگاریتمی داده ها و روش حداقل مربعات خطا، سبب ایجاد نوعی اریب در مقادیر ضرائب مدل شده باعث می گردد، تا مقادیر رسوب برآورد شده، کمتر از مقدار واقعی خود باشند. به منظور برطرف نمودن اریب موجود، ضرایب تصحیح مختلفی تاکنون پیشنهاد شده که استفاده از آن ها، نتایج متفاوتی را به همراه دارد. به منظور رفع مشکل و ارائه یک راهکار مناسب، در پژوهش حاضر، از الگوریتم ژنتیک (ga) و الگوریتم بهینه سازی انبوه ذرات (pso) جهت واسنجی مدل رگرسیونی منحنی سنجه ی رسوب استفاده گردید. نتایج نشان داد که استفاده از الگوریتم های فرامکاشفه ای، نتایج مدل سازی را به میزان قابل توجهی بهبود بخشیده، سبب پرهیز از بکارگیری ضرائب تصحیح و تبدیل لگاریتمی داده ها می شود. نتایج این بخش از تحقیق می تواند در مدل های مختلف منحنی سنجه ی رسوب بکار گرفته شده، سبب تدقیق نتایج آن ها گردد. نتایج تحقیق در رویکرد دوم نشان داد که استفاده از متغیرهای بارش و دمای روزانه، و جایگزینی روش های محاسبات نرم به جای منحنی سنجه ی رسوب، نقش بمراتب مهم تری را در افزایش دقت برآورد رسوب رودخانه داشته است. نتایج تحقیق همچنین نشان داد که کارائی مدل ها با تفکیک زمانی داده ها رابطه مستقیم داشته و هر چه داده های مورد استفاده، همگن تر و مربوط به شرایط هیدرواقلیمی محدودتری باشند، برآورد رسوب دقیق تر و به مقدار واقعی خود نزدیک تر خواهد بود. در مجموع، از بررسی و مقایسه نتایج کارائی مدل ها در دو رویکرد مدل سازی، نتایج مدل های نروفازی بهتر از نتایج مدل های شبکه عصبی و نتایج مدل های شبکه عصبی بهتر از روش منحنی سنجه ی رسوب ارزیابی گردید.