غلامرضا عندلیب - دکتری آب و سازه های هیدرولیکی، گروه مهندسی آب، دانشکده فنی مهندسی عمران، دانشگاه تبریز، تبریز، ایران
وحید نورانی - استاد، گروه مهندسی آب، دانشکده فنی مهندسی عمران، دانشگاه تبریز، تبریز، ایران
الناز شرقی - استادیار، گروه مهندسی آب، دانشکده فنی مهندسی عمران، دانشگاه تبریز، تبریز، ایران

در این تحقیق با استفاده از روش معکوس مکان و شدت تغییرات کاربری و پوشش گیاهی در حوضه  آبریز LRW که در کشور آمریکا قرار گرفته مورد بررسی قرار گرفت. برای این منظور، از قابلیتهای هوش مصنوعی و محاسبات نرم از جمله موجک و آنتروپی بهره گرفته شد؛ بطوریکه در ابتدای کار با استفاده از GIS زیرحوضه بندی و استخراج اطلاعات حوضه آبریز صورت گرفته، سپس با استفاده از دبی های خروجی مشاهداتی از زیرحوضه ها به واسنجی مدل بارش-رواناب حوضه آبریز در نرم افزار HEC-HMS پرداخته شد. با اعمال تغییرات در مقدار پارامتر ضریب مخزن واسنجی شده برای زیر حوضه ها در مدل مفهومی کلارک، روانابهای خروجی متفاوتی از هر زیر حوضه حاصل گشت تا بتوان ارتباط بین مقادیر پارامتر ضریب مخزن زیرحوضه ها با رواناب خروجی از حوضه را توسط مدلهای هوش مصنوعی شبکه عصبی و ماشین بردار پشتیبان برقرار کرد. برای جلوگیری از ورود اطلاعات نوفه به مدلها و حداقل رساندن ابعاد اطلاعات و ساده سازی مدل، قبل از مدل سازی پیش پردازش ورودیها توسط موجک-آنتروپی صورت گرفت. در نهایت مدل به دست آمده برای تعمیم به سالهای آتی با رویداشت دینامیکی پوشش گیاهی و کاربری حوضه آبریز و تخمین آن مورد استفاده قرار گرفت. برای نمونه در حوضه آبریز LRW افزایش وسعت مزارع و کاهش میزان جنگل با کاهش ضریب مخزن از سال 1990 تا 2013 هم بستگی بالایی نشان داد بطوریکه کاهش 26 درصدی ضریب مخزن در یکی از زیرحوضه های پایین دست با کاهش 53 درصدی مساحت جنگل و افزایش مساحت 21 درصدی مزارع همراه بود.

تغییرات کاربری حوضه آبریز, مدل مفهومی بارش-رواناب, ضریب مخزن, هوش مصنوعی, موجک-آنتروپی