| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شماره‌ها | 3,252 |
| تعداد مقالات | 35,928 |
| تعداد مشاهده مقاله | 54,697,894 |
| تعداد دریافت فایل اصل مقاله | 93,755,540 |
شبیه‌سازی رفتار آب‌شناختی آبخیز نیشابور در دوره‌های گوناگون برگشت بارش و رواناب | ||
| پژوهش های آبخیزداری | ||
| مقاله 8، دوره 39، شماره 3 - شماره پیاپی 152، مهر 1405، صفحه 123-142 اصل مقاله (987.44 K) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/wmrj.2026.372273.1660 | ||
| نویسندگان | ||
| سیدحمیدرضا صادقی* 1؛ نسترن نادری مرنگلو2؛ سحر مصطفایی‌یونجالی2؛ اسماء بادامه2؛ زینب شیخی2؛ علی نوری2؛ سودابه قره‌محمودلی3 | ||
| 1استاد گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایران | ||
| 2دانشجوی دکتری گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایران | ||
| 3پژوهشگر پسادکتری گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایران | ||
| چکیده | ||
| مقدمه و هدف بررسی تغییر رفتار سامانه‌های آبخیز در برابر ورودی‌هایی مانند بارش، به‌ویژه در تحلیل رواناب با دوره‌های گوناگون برگشت، از اهداف اصلی پژوهش‌های آب‌شناختی است. تحلیل دوره برگشت مؤلفه‌های آب‌شناختی از جمله بارش و رواناب پیشینه طولانی دارد. اما، به بررسی تطبیقی و هم‌زمان این مؤلفه‌ها و تحلیل ناهم‌زمانی رفتار آن ها در دوره‌های گوناگون برگشت، کمتر توجه‌شده است. از سوی دیگر، روابط پیچیده و ناخطی میان بارش و رواناب و تفاوت‌های مشاهده‌شده میان ایستگاه‌ها ناشی از شرایط محلی حاکم بر هر زیرآبخیز است. در این راستا، با بررسی هم‌زمان این مؤلفه‌ها می‌توان به درک واقع‌بینانه‌تری از پاسخ آب‌شناختی آبخیز، به‌ویژه در شرایط رخداد رویدادهای حدی، رسید. ازاین‌رو، در این پژوهش اندازه‌های بارش و رواناب به‌طور هم‌زمان با دوره‌های گوناگون برگشت در آبخیز نیشابور در خراسان رضوی بررسی شد. مواد و روش ها داده‌های بارش و رواناب سالانه در دوره ۱۳۷۰ تا ۱۳۹۹ برای چهار ایستگاه آب‌سنجی (زرنده، طاغون، عیش‌آباد و مجموع دورود) معتبر که نماینده شرایط آب‌شناختی متفاوت در آبخیز بودند، جمع‌آوری شد. با استفاده از روش‌های آماری، داده‌های بارش و آبدهی از دیدگاه کیفیت بررسی شدند و اندازه‌های ناقص یا نامنطبق با روند آب‌شناختی، با استفاده از روش وایازی خطی و همبستگی با ایستگاه‌های مجاور اصلاح یا جایگزین شدند. پس از اصلاح داده‌ها، اندازه‌های بارش و آبدهی روزانه به اندازه‌های بارش و آبدهی سالانه تبدیل شدند. با این فرایند امکان تحلیل بلندمدت و بررسی رفتار ناهم‌زمانی مؤلفه‌ها فراهم شد. اندازه‌های بارش و رواناب متناظر با دوره‌های برگشت دو، پنج، ۱۰، ۲۰، ۵۰، ۱۰۰ و ۲۰۰ سال با استفاده از نرم‌افزار Hyfran-Plus برآورد شد. در این تحلیل، از میان توزیع‌های مختلف آماری، توزیع Weibull برای داده‌های بارش و توزیع Gumbel برای داده‌های آبدهی بر اساس پیشنهاد سامانه پشتیبان تصمیم نرم‌افزار Hyfran-Plus و با استفاده از معیارهای اطلاعات آکائیک و اطلاعات بیز، به‌عنوان بهترین برازش برای داده‌های مطالعه‌شده انتخاب شدند. نتایج و بحث نتایج نشان داد که اندازه بارش سالانه در دوره‌های برگشت دو، پنج، ۱۰، ۲۰، ۵۰، ۱۰۰ و ۲۰۰ به‌ترتیب 290/26، 357/25، 391/87، 418/47، 447/40، 465/67 و 482/54 میلی‌متر بود. در زیرآبخیزهای مختلف، دوره‌های برگشت بارش و رواناب هم‌سان نبود و با افزایش دوره‌های برگشت بارش، آبدهی بیشینه لحظه‌ای، میانگین آبدهی سالانه و حجم رواناب در تمام ایستگاه‌ها با شیب متفاوت و به‌طور معنی‌دار افزایش یافت. به طوری‌که در دوره‌های برگشت کوتاه‌مدت نسبت 5 به 2 ساله، اندازه‌های بارش، آبدهی بیشینه لحظه‌ای، میانگین آبدهی سالانه و حجم رواناب به‌ترتیب در ایستگاه عیش‌آباد 1/23، 2/06، 2/39 و 4/91؛ در ایستگاه طاغون به‌ترتیب 1/23، 2/00، 2/22 و 4/00؛ ایستگاه دورود به‌ترتیب 1/23، 1/90، 2/16 و 4/13؛ و ایستگاه زرنده به‌ترتیب 1/24، 1/87، 2/09 و 2/78 به‌دست آمد. حال‌آن‌که نسبت مزبور در دوره‌های بلندمدت نسبت 200 به 100 ساله اندازه بارش، آبدهی بیشینه لحظه‌ای، میانگین آبدهی سالانه و حجم رواناب به‌ترتیب در ایستگاه عیش‌آباد 1/04، 1/13، 1/14 و 1/28؛ ایستگاه طاغون به‌ترتیب 1/04، 1/13، 1/13 و 1/28؛ و در ایستگاه دورود به‌ترتیب 1/03، 1/13، 1/13 و 1/46 و هم‌چنین نتایج در ایستگاه زرنده به‌ترتیب 1/04، 1/13، 1/31 و 1/28 به‌دست آمد. این تفاوت‌ها احتمالاً ناشی از ویژگی‌های محلی آبخیز است. نتیجه‌گیری و پیشنهادها یافته های این پژوهش مؤید آن بود که استفاده از رویکردهای هم‌زمان و چندمتغیره در تحلیل دوره برگشت بارش و رواناب، برای طراحی سازه‌های مهار سیلاب و رسوب، پیش‌بینی رخدادهای آب‌شناختی و مدیریت پایدار منابع آب و خاک در دشت‌های نیمه‌خشک ضروری است. نتایج نشان داد رابطه میان بارش و رواناب در دوره‌های گوناگون برگشت، ناخطی شده و این موضوع مؤید لزوم درنظرگیری توأم این مؤلفه‌ها در برآورد خطر سیلاب و طراحی زیرساخت‌های آبی است. افزون بر این، تفاوت‌های مکانی معنادار در پاسخ آب‌شناختی زیرآبخیز‌ها، بیانگر اهمیت تدوین راهبردهای مدیریتی مبتنی بر شرایط خاص هر آبخیز است. با توجه به تأثیرپذیری زیاد آبخیزهای نیمه‌خشک از تغییرات اقلیمی، می‌توان با تلفیق داده‌های آب-اقلیمی بلندمدت با مدل‌های پیشرفته آماری نبودن قطعیت در پیش‌بینی‌ها را کاهش داد. در نتیجه، گسترش چنین پژوهش‌هایی در دیگر آبخیزهای مشابه و نیز ترکیب مؤلفه رسوب در تحلیل‌های آینده، گام مؤثری در راستای مدیریت جامع و تاب‌آور منابع آب و خاک است. بر پایه نتایج این پژوهش، پیشنهاد می‌شود پژوهش‌های آینده بر توسعه مدل‌های آب‌شناختی یکپارچه‌ای متمرکز شوند که پیش‌بینی‌های اقلیمی را به‌طور پویا با سناریوهای تغییر کاربری زمین، پیوند می‌دهند. با چنین مدل‌ها و تحلیل‌ها، توانمندی کارشناسان در مدیریت جامع منابع آب و خاک، کاهش مخاطره‌های سیلاب و برنامه‌ریزی کاربری زمین به‌طور سازگار و مبتنی بر شرایط هر آبخیز، افزایش خواهد یافت. افزون بر این، ترویج همکاری میان آب‌شناسان، اقلیم‌شناسان و برنامه‌ریزان کاربری زمین برای تبدیل این بینش‌های علمی به سیاست‌ها و استانداردهای مهندسی مناسب و متناسب با هر منطقه، به‌منظور بهبود خدمات بوم‌سازگانی و تاب‌آوری جامعه در مناطق نیمه‌خشک آسیب‌پذیر، پیشنهاد می‌شود. | ||
| کلیدواژه‌ها | ||
| آبدهی بیشینه لحظه‌ای؛ بارش سالانه؛ حجم رواناب سالانه؛ دوره برگشت؛ رواناب؛ میانگین آبدهی سالانه | ||
| عنوان مقاله [English] | ||
| Hydrological Behavior Simulation of the Neyshabur Watershed in Iran during Different Rainfall and Runoff Return Periods | ||
| نویسندگان [English] | ||
| Seyed Hamidreza Sadeghi1؛ Nastaran Naderi Marangalo2؛ Sahar Mostafaei Yunjali2؛ Asma Badameh2؛ Zeinab Sheikhi2؛ Ali Nori2؛ Sudabeh Gharemahmudli3 | ||
| 1Professor, Department of Watershed Management Engineering, Faculty of Natural Resources, Tarbiat Modares University, Noor, Iran | ||
| 2Ph.D. Student, Department of Watershed Management Engineering, Faculty of Natural Resources, Tarbiat Modares University, Noor, Iran | ||
| 3Postdoctoral Fellow, Department of Watershed Management Engineering, Faculty of Natural Resources, Tarbiat Modares University, Noor, Iran | ||
| چکیده [English] | ||
| Introduction and Goal Investigating the response behavior of hydrological systems to inputs such as precipitation, particularly runoff analysis under different return periods is one of the primary objectives of hydrological research. The analysis of the return periods of hydrological components, including precipitation and runoff, has a long history. However, less attention has been paid to the comparative and simultaneous assessment of these components and to the analysis of their asynchronous behavior under different return periods. On the other hand, the complex and nonlinear relationships between precipitation and runoff, as well as the observed differences among stations, are attributed to the local conditions governing each sub-watershed. In this regard, the simultaneous assessment of these components can offer a more accurate understanding of the watershed's hydrological response, especially during extreme events conditions. Therefore, in this study, precipitation and runoff magnitudes were simultaneously investigated under different return periods in the Neyshabur Watershed in Khorasan Razavi, Iran. Materials and Methods Data on annual precipitation and runoff for the period from 1991 to 2021 were collected from four hydrometric stations, which represented different hydrological conditions within the watershed. Using statistical methods, precipitation and discharge data were verified in terms of quality, and missing values or data inconsistent with hydrological trends were corrected or replaced using linear regression and correlation analysis with neighboring stations. After data correction, daily precipitation and discharge values were converted into annual precipitation and discharge values. This process enabled long-term analysis and the assessment of the asynchronous behavior of the components. The corresponding precipitation and runoff magnitudes for return periods of 2, 5, 10, 20, 50, 100, and 200 years were estimated using the Hyfran-Plus software. In this analysis, among various statistical distributions, the Weibull distributions for precipitation data and the Gumbel distributions for discharge data were selected as the best-fit distributions for the studied datasets, based on the recommendation of the decision support system and using Akaike and Bayes information criteria. Results and Discussion The results show that the rainfall magnitudes for return periods of 2, 5, 10, 20, 50, 100, and 200 years were 290.26, 357.25, 391.87, 418.47, 447.40, 465.67, and 482.54 mm, respectively. Across different sub-watersheds, the return periods of precipitation and runoff were not consistent, and with increasing precipitation return periods, the instantaneous peak discharge, mean annual discharge, and runoff volume increased significantly at all stations, but with different rates of change. In short-term periods of 5 to 2 years, the amounts of precipitation, maximum instantaneous discharge, mean annual discharge, and runoff volume recorded at Eishabad station are 1.23, 2.06, 2.39, and 4.91 respectively; at Taghoun station, 1.23, 2.00, 2.22, and 4.00 respectively; at Dorud station, 1.23, 1.90, 2.16, and 4.13 respectively; and at Zarandeh station, 1.24, 1.87, 2.09, and 2.78 respectively. While the aforementioned ratio in long-term periods of 200 to 100 years, the precipitation amounts, maximum instantaneous discharge, average annual discharge, and runoff volume were obtained at Eishabad station 1.04, 1.13, 1.14, and 1.28; at Taghoun station 1.04, 1.13, 1.13, and 1.28; at Dorud station 1.03, 1.13, 1.13, and 1.46; and at Zarandeh station 1.04, 1.13, 131, and 1.28 respectively. These differences are likely due to local watershed characteristics. Conclusion and Suggestions The findings of this study confirmed that the use of simultaneous and multivariate approaches in precipitation and runoff return period analysis is crucial for designing flood and sediment control structures, predicting hydrological events, and managing water and soil resources sustainably in semi-arid plains. The results show that the relationship between precipitation and runoff across different return periods is nonlinear and amplified, emphasizing the importance of considering these components together in flood risk assessment and water infrastructure planning. Additionally, the significant spatial differences in the hydrological response of sub-watersheds indicate the importance of developing management strategies based on the specific conditions of each watershed. Given the high susceptibility of semi-arid watersheds to climate change, the uncertainty in predictions can be reduced by combining long-term hydroclimatic data with advanced statistical models. Finally, expanding such studies to other similar watersheds, as well as incorporating the sediment component in future analyses, is an effective step towards comprehensive and resilient management of water and soil resources. Based on the results of this study, it is suggested that future research focus on developing integrated hydrological models that dynamically link climate projections with land-use change scenarios. With such models and analyses, the ability of experts to comprehensively manage water and soil resources, reduce flood risks, and plan land-use in a manner that is consistent and based on the conditions of each watershed will increase. Furthermore, it is recommended to promote collaboration among hydrologists, climatologists, and land-use planners to translate these scientific insights into appropriate and region-specific engineering policies and standards, in order to improve ecosystem services and community resilience in vulnerable semi-arid regions. | ||
| کلیدواژه‌ها [English] | ||
| Annual precipitation, annual runoff volume, maximum instantaneous discharge, mean annual discharge, return period, Runoff | ||
| مراجع | ||
|
Afsharipour Z. Abdolhosseini, M. Bahremand A. 2018. Evaluation of the hydrological design of a dam spillway using bivariate return periods based on copula functions (Case study: Golestan 2 Dam, Golestan Province). Iranian Journal of Irrigation and Water Engineering. 8(3): 78-93. (In Persian). https://www.magiran.com/p1858511 Bales RC, Goulden ML, Hunsaker CT, Conklin MH, Hartsough PC, O’Geen AT, Safeeq M. 2018. Mechanisms controlling the impact of multi-year drought on mountain hydrology. Scientific Reports. 8(1): 690. https://doi.org/10.1038/s41598-017-19007-0 Bazrafshan O, Pakdaman Z, Jamshidi S, Jalalifard A. 2025. Three-dimensional uncertainty analysis of sediment dynamics: Exploring suspended sediment concentration, flood discharge, and sediment yield. Physics and Chemistry of the Earth. Parts A/B/C, 104033. https://doi.org/10.1016/j.pce.2025.104033 Blöschl G, Gaál L, Hall J, Kiss A, Komma J, Nester T, Viglione A. 2015. Increasing river floods: Fiction or reality? WIREs Water. 2: 329–344. https://doi.org/10.1002/wat2.1079 Blöschl G, Hall J, Viglione A, Perdigão RA, Parajka J, Merz B, Živković N. 2019. Changing climate both increases and decreases European river floods. Nature. 573(7772): 108-111. https://doi.org/10.1038/s41586-019-1495-6 Calizaya E, Aráoz J, Sardón S, Calizaya F, Laqui W. 2025. Modeling surface runoff under climate change scenarios: An integrated SCS-CN and GIS techniques in a High Andean Basin of Puno, Peru. International Journal of Geoinformatics. 21(3): 1-17. https://doi.org/10.52939/ijg.v21i3.3987 Chamani R, Mostafazadeh R, Kalehhouei M, Haji K. 2023. Determining spatial correlation and pattern of changes in elevation and runoff volume in the sub-watersheds of Sharqanj region of Birjand. Quantitative Geomorphology Research. 12(3): 201-219. (In Persian). https://doi.org/10.22034/gmpj.2023.408752.1448 Deb P, Malakar P, Bora PK, Dubey SK. 2025. Univariate versus multivariate flood frequency analysis in tropical region: Employing two classes of hydrological models. CLEAN–Soil, Air, Water. 53(1): 2300351. https://doi.org/10.1002/clen.202300351 Ebadifar M, Hosseini-Abri A, Ebadifar A, Abadizadeh M. 2020. Estimation of design flood discharge for studies on the regulation of the Sorkheh-e-Hesar River (Vali-Asr Town area, Ray City). Scientific Journal of Water Sciences and Engineering. Islamic Azad University, Ahvaz Branch. 10(28): 7-19. (In Persian). https://sanad.iau.ir/ar/Journal/wsej/Article/921939 Fagundes HO, Maciel DA, Fassoni-Andrade AC, Silva VA, Rossoni R, Cavalcanti JRA, Fan FM. 2025. Simulating suspended sediment transport during the 2023-2024 floods in southern Brazil. International Soil and Water Conservation Research. 24: 100599. https://doi.org/10.1016/j.iswcr.2025.11.007 Farran MM, Masoud M, Elfeki AM. 2025. Frequency analysis of maximum daily rainfall for flood risk management in Jazan Province Kingdom of Saudi Arabia: Excel-based model. Journal of King Abdulaziz University: Meteorology, Environment and Arid Land Agriculture Sciences. 34(1). https://doi.org/10.4197/Met.34-1.5 Farzana SZ, Paudyal DR, Chadalavada S, Alam MJ. 2024. Spatiotemporal variability analysis of rainfall and water quality: Insights from trend analysis and wavelet coherence approach. Geosciences. 14(8): 225. https://doi.org/10.3390/geosciences14080225 Fowler HJ, Lenderink G, Prein AF, Westra S, Allan RP, Ban N, Zhang X. 2021. Anthropogenic intensification of short-duration rainfall extremes. Nature Reviews Earth and Environment. 2(2): 107-122. https://doi.org/10.1038/s43017-020-00128-6 Franzen SE, Farahani MA, Goodwell AE. 2020. Information flows: Characterizing precipitation‐streamflow dependencies in the Colorado headwaters with an information theory approach. Water Resources Research. 56(10): e2019WR026133. https://doi.org/10.1029/2019WR026133 Gao Y, Taie Semiromi M, Merz C. 2023. Efficacy of statistical algorithms in imputing missing data of streamflow discharge imparted with variegated variances and seasonalities. Environmental Earth Sciences. 82(20): 476. https://doi.org/10.1007/s12665-023-11139-z Guduru JU, Mohammed AS. 2024. Hydrological modeling using HEC-HMS model, case of Tikur Wuha River Basin, Rift Valley River Basin, Ethiopia. Environmental Challenges. 17: 101017. https://doi.org/10.1016/j.envc.2024.101017 Jaberzadeh M, Saremi A, Ghorbanizadeh Kharazi H, Babazadeh H. 2024. SWAT and IHACRES models for the simulation of rainfall-runoff of Dez watershed. Climate Dynamics. 62(4): 2823-2835. https://doi.org/10.1007/s00382-022-06215-2 Lin Z, Wang Q, Xu Y, Luo S, Zhou C, Yu Z, Xu CY. 2024. Soil moisture dynamics and associated rainfall-runoff processes under different land uses and land covers in a humid mountainous watershed. Journal of Hydrology. 636: 131249. https://doi.org/10.1016/j.jhydrol.2024.131249 Meena M. 2020. Rainfall statistical trend and variability detection using Mann-Kendall test, Sen’s slope and coefficient of variance—A case study of Udaipur district (1957–2016). Applied Ecology and Environmental Sciences. 8(1): 34-37. https://doi.org/10.12691/aees-8-1-5 Merz B, Vorogushyn S, Uhlemann S, Delgado J, Hundecha Y. 2012. HESS Opinions" More efforts and scientific rigour are needed to attribute trends in flood time series". Hydrology and Earth System Sciences. 16(5): 1379-1387. https://doi.org/10.5194/hess-16-1379-2012 Merz R, Blöschl G. 2003. A process typology of regional floods. Water Resources Research. 39(12). https://doi.org/10.1029/2002WR001952 Montanari A, Young G, Savenije HH, Hughes D, Wagener T, Ren LL, Belyaev V. 2013. Panta Rhei everything flows: Change in hydrology and society—the IAHS scientific decade 2013–2022. Hydrological Sciences Journal. 58(6): 1256-1275. http://dx.doi.org/10.1080/02626667.2013.809088 Mphefu T, Nkhonjera G, Alowo R. 2025. Evaluation of the probability density function of unpredictable flood events in the Mngeni River Basin, South Africa. Journal of Water and Climate Change. 16(5): 1695-1714. https://doi.org/10.2166/wcc.2025.566 Nasiri Khiavi A, Vafakhah M, Sadeghi SHR. 2023. Flood-based critical sub-watershed mapping: Comparative application of multi-criteriadecision making methods and hydrological modeling approach. Stochastic Environmental Research and Risk Assessment. 37(7): 2757-2775. https://doi.org/10.21203/rs.3.rs-1711435/v1 Parmesan C, Morecroft MD, Trisurat Y. 2022. Climate change 2022: Impacts, adaptation and vulnerability (Doctoral Dissertation, GIEC). https://doi.org/10.1017/9781009325844 Pérez RE, Cortés-Molina M, Navarro-González FJ. 2021. Analysis of rainfall time series with application to calculation of return periods. Sustainability. 13(14): 8051. https://doi.org/10.3390/su13148051 Rahayu D, Rizal R, Chumaedi I. 2025. Utilization of HEC DSS and HEC SSP software for rainfall frequency analysis in drainage system design for City’s Industrial Area. Jurnal Teknik Sipil dan Lingkungan. 10(1): 179-192. https://doi.org/10.29244/jsil.10.1.179-192 Rahman MM, Harada D, Egashira S. 2024. Sediment transport processes in the Sangu River basin using a rainfall-sediment runoff model for sustainable river management. Proceedings of International Association of Hydrological Scientists. 386: 109-114. https://doi.org/10.5194/piahs-386-109-2024 Rahman M, Ningsheng C, Islam MM, Dewan A, Iqbal J, Washakh RMA, Shufeng T. 2019. Flood susceptibility assessment in Bangladesh using machine learning and multi-criteria decision analysis. Earth Systems and Environment. 3(3): 585-601. https://doi.org/10.1007/S41748-019-00123-Y Ramzan MA, Alias NE, Yusop Z, Sai’di Z. 2025. Flood simulation for the Johor River Basin, Malaysia using the HEC-HMS model: Assessing impacts of climate change under SSP scenarios. In IOP Conference Series: Earth and Environmental Science. 1505(1): p. 012017. IOP Publishing. https://doi.org/10.1088/17551315/1505/1/012017 Ruff F, Pfahl S. 2024. Global estimates of 100-year return values of daily precipitation from ensemble weather prediction data. Natural Hazards and Earth System Sciences. 24(9): 2939-2952. https://doi.org/10.5194/nhess-24-2939-2024 Saadatpour A, Alizadeh A, Ziaei AN, Izadi AA. 2019. Estimation and comparison of blue and green water using SWAT and SWAT-MODFLOW models in the Neishabour Watershed. Iranian Journal of Irrigation and Drainage. 13(4): 1113-1129. (In Persian). https://dor.isc.ac/dor/20.1001.1.20087942.1398.13.4.21.3 Sarigil G, Cavus Y, Aksoy H, Eris E. 2024. Frequency curves of high and low flows in intermittent river basins for hydrological analysis and hydraulic design. Stochastic Environmental Research and Risk Assessment. 38(8): 3079-3092. https://doi.org/10.1007/s00477-024-02732-0 Shah AI, Pan ND. 2024. Evaluation of probability distribution methods for flood frequency analysis in the Jhelum Basin of North-Western Himalayas, India. Cleaner Water. 2: 100044. https://doi.org/10.1016/j.clwat.2024.100044 Sharma A, Wasko C, Lettenmaier DP. 2018. If precipitation extremes are increasing, why aren't floods? Water Resources Research. 54(11): 8545-8551. https://doi.org/10.1029/2018WR023749 Syamsuddin GH, Pallu MS, Maricar F, Bakri B. 2025. Analysis of the seasonal change on the sediment transport in the primary channel of saddang irrigation area. Engineering, Technology and Applied Science Research. 15(1): 20138-20143. https://doi.org/10.48084/etasr.9575 Tian F, Wescoat Jr JL, Loucks DP, Montanari A, Mukherji A, Di Baldassarre G, Zwarteveen M. 2026. Panta Rhei: Coevolutionary change in hydrology and society. In Coevolution and Prediction of Coupled Human-Water Systems. pp. 1-22. https://doi.org/10.1016/B978-0-443-41736-8.00008-7 Vafakhah M, Moghadamnia A. 2019. Flood Control. Tarbiat Modares University. 395 p. Van Hamel A, Molnar P, Janzing J, Brunner MI, 2025. Suspended sediment concentrations in Alpine rivers: From annual regimes to sub-daily extreme events. Hydrology and Earth System Sciences. 29(13): 2975-2995. https://doi.org/10.5194/hess-29-2975-2025 Vangelis H, Zotou I, Kourtis IM, Bellos V, Tsihrintzis VA. 2022. Relationship of rainfall and flood return periods through hydrologic and hydraulic modeling. Water. 14(22): 3618. https://doi.org/10.3390/w14223618 Wang Q, Yang J, Heidbüchel I, Xu T, Lu C. 2025. The effect of rainfall variability on Nitrogen dynamics in a small agricultural catchment. Hydrology and Earth System Sciences. 29(21): 6093-6113. https://doi.org/10.5194/hess-29-6093-2025 Xu K, Milliman JD, Xu H. 2010. Temporal trend of precipitation and runoff in major Chinese Rivers since 1951. Global and Planetary Change. 73(3-4): 219-232. https://doi.org/10.1016/j.gloplacha.2010.07.002 Zarrin A, Dadashi Roudbari A. 2022. Investigating precipitation return period and its probability of occurrence in Iran based on multi-source weighted-ensemble precipitation (MSWEP). Journal of Geography and Environmental Hazards. 10(4): 209-227. https://doi.org/10.22067/geoeh.2021.71102.1079 Zehe E, Sivapalan M. 2009. Threshold behaviour in hydrological systems as (human) geo-ecosystems: Manifestations, controls, implications. Hydrology and Earth System Sciences. 13(7): 1273-1297. https://doi.org/10.5194/hess-13-1273-2009 Zhang Y, Feng X, Wang X, Fu B. 2018. Characterizing drought in terms of changes in the precipitation–runoff relationship: A case study of the Loess Plateau, China. Hydrology and Earth System Sciences. 22(3): 1749-1766. https://doi.org/10.5194/hess-22-1749-2018 Zhou Z, Smith JA, Baeck ML, Wright DB, Smith BK, Liu S. 2021. The impact of spatiotemporal structure of rainfall on flood frequency over a small urban watershed: An approach coupling stochastic storm transposition and hydrologic modeling. Hydrology and Earth System Sciences Discussions. 2021: 1-25. https://doi.org/10.5194/hess-25-4701-2021 | ||
|
آمار تعداد مشاهده مقاله: 153 تعداد دریافت فایل اصل مقاله: 72 |
||