انجمن هیدرولیک ایران نشریه علمی هیدرولیک 2345-4237 21 2 2026 06 22 Coupling Surface Water Operation Control with the CLEWs Framework for Sustainable Irrigation Management: A Case Study of the Qazvin Irrigation Network ارزیابی راهبرد خودکارسازی بهره‌برداری آب سطحی در شبکه آبیاری با استفاده از چارچوب CLEWs (مطالعه موردی: شبکه آبیاری قزوین) 239795 10.30482/jhyd.2026.555744.1751 FA محسن حسینی جلفان دانشجوی دکتری سازه‌های آبی، گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران 0000-0002-4356-7715 مهدی یاسی استاد، گروه مهندسی آبیاری و آبادانی، دانشگاه تهران 0000-0002-2512-2317 جواد فرهودی - استاد، گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران حسین خواجه پور استادیار، گروه مهندسی سیستم‌های انرژی، دانشکده مهندسی انرژی، دانشگاه صنعتی شریف Journal Article 2025 10 27 In recent decades, increasing drought frequency, declining renewable water resources, and growing agricultural water demand have intensified the need for sustainable water management, particularly in arid and semi-arid regions such as Iran. The agricultural sector, which accounts for over 90% of total water withdrawals in Iran, suffers from low conveyance efficiency and excessive dependence on groundwater abstraction. Traditional irrigation networks, controlled by manual structures such as Amil regulators, often fail to respond to flow fluctuations and result in significant water losses, high energy consumption, and inequitable water distribution among users. These challenges necessitate the adoption of automated and data-driven operation systems. Model Predictive Control (MPC) has recently emerged as an effective technique for improving the hydraulic performance of open-channel systems. However, MPC alone cannot assess the environmental and energy implications of operational decisions. Therefore, integrating MPC with an analytical sustainability framework such as CLEWs (Climate–Land–Energy–Water Systems) provides a comprehensive understanding of the interlink ages between hydraulic, energy, and environmental dimensions. This research aims to develop a coupled MPC–CLEWs framework to quantify the synergies and trade-offs between operational efficiency, energy use, and carbon emissions in an irrigation network. Methodology The study was conducted on the Qazvin irrigation network in northwestern Iran, which covers approximately 59,000 hectares and receives water mainly from the Taleghan Dam. Two operational strategies were modeled: (1) the conventional Amil regulator-based method and (2) a centralized Model Predictive Control (MPC) system. Both methods were simulated under two hydrological scenarios : normal and drought conditions, using a dynamic integrator-delay hydraulic model. Key performance indicators included Water Delivery Adequacy (PA), Energy Consumption (E), and CO₂ Emissions (CE). These indicators were normalized and aggregated into the composite CLEWs Index, defined as: CLEWs = 0.4·Iw + 0.3·(1–Ie) + 0.3·(1–Im), Where Iw, Ie, and Im represent the normalized sub-indices of adequacy, energy, and emissions, respectively. Energy consumption was calculated based on pumping volume, head, and pump efficiency according to Howells et al. (2013). The coupled module was implemented in MATLAB R2023b, allowing automatic integration of the operational outputs (from MPC) into the CLEWs analytical structure. Additionally, a multi-objective sensitivity analysis was conducted by varying the weight of each component to identify trade-offs between water supply adequacy and energy use. Pareto front diagrams were then generated to visualize optimal balance points between performance and sustainability under both operational modes. Results and Discussion The results revealed significant differences between the two operation strategies under both hydrological conditions. In the normal scenario, the average CLEWs Index improved from 0.75 under the Amil operation to 1.00 under MPC, indicating complete system stability and elimination of groundwater dependency. Downstream reaches (7–10), which previously suffered from inadequate supply (CLEWs < 0.75), achieved full adequacy and zero emissions under MPC. Under the drought scenario, the Amil-based system experienced a sharp decline in performance, with the average CLEWs Index dropping to 0.62, driven by increased groundwater pumping and CO₂ emissions. Conversely, MPC maintained a relatively high CLEWs value of 0.88, demonstrating resilience against reduced inflows. The energy demand in the Amil method increased by more than 40% compared to MPC due to inefficient reallocation of flows. Pareto front analysis highlighted that MPC achieves superior trade-offs, minimizing energy consumption while maximizing adequacy and environmental sustainability. In contrast, the Amil regulator showed steep trade-offs between supply reliability and energy costs, reflecting its vulnerability to hydrological variability. The coupled CLEWs framework effectively captured these multi-dimensional interactions, offering a quantitative link between operational decisions and their sustainability outcomes. Overall, the integrated MPC–CLEWs system enhances not only hydraulic stability but also energy efficiency and carbon reduction potential in irrigation management. Conclusion This study introduced a novel coupling between operational control (MPC) and the CLEWs analytical framework to evaluate irrigation sustainability in real time. Results demonstrated that MPC substantially improves water delivery adequacy, reduces energy demand, and minimizes greenhouse gas emissions compared to conventional Amil-based management. The coupled model provides a comprehensive decision-support tool for irrigation managers, enabling the formulation of adaptive strategies under water scarcity. The proposed MPC–CLEWs framework bridges the gap between operational modeling and sustainability assessment, offering a replicable approach for integrated water–energy–environment management. در سال‌های اخیر، تشدید خشکسالی‌ها، کاهش منابع آب تجدیدپذیر و افزایش هزینه‌های انرژی، ضرورت بهره‌گیری از رویکردهای هوشمند در مدیریت بهره‌برداری سامانه‌های آبیاری سطحی را دوچندان کرده است. پژوهش حاضر با هدف توسعه چارچوبی عددی برای اتصال مدل‌های بهره‌برداری آب سطحی به مدل CLEWs )آب، انرژی، غذا و پایداری محیط‌زیست) در شبکه آبیاری قزوین انجام شد. بدین منظور، دو روش بهره‌برداری شامل روش مرسوم مبتنی بر دریچه‌های آمیل و روش نوین کنترل خودکار پیش‌بین (MPC) در قالب دو سناریوی نرمال و خشکسالی شبیه‌سازی گردید. شاخص‌های کمی شامل کفایت تأمین آب، انرژی مصرفی پمپاژ و انتشار CO₂ محاسبه و در قالب شاخص ترکیبی CLEWs ارزیابی شدند. نتایج نشان داد که در سناریوی نرمال، میانگین شاخص CLEWs از 75/0 در روش مرسوم به 00/1 در روش MPC افزایش یافت. در سناریوی خشکسالی نیز این مقادیر به‌ترتیب 41/0 و 88/0 محاسبه شدند که بیانگر بهبود قابل‌توجه عملکرد سامانه تحت کنترل خودکار است. تحلیل جبهه پارتو نشان داد که استفاده از MPC موجب کاهش هم‌زمان انرژی مصرفی، کاهش انتشار کربن و افزایش پایداری هیدرولیکی می‌شود. در مجموع، اتصال عددی مدل بهره‌برداری سطحی به چارچوب CLEWs تصویری جامع از تعامل میان آب، انرژی و محیط‌زیست فراهم کرده و می‌تواند به‌عنوان ابزاری مؤثر برای تصمیم‌سازی مدیریتی و برنامه‌ریزی راهبردی در شرایط کم‌آبی و تغییر اقلیم مورد استفاده قرار گیرد.

انجمن هیدرولیک ایران نشریه علمی هیدرولیک 2345-4237 21 2 2026 06 22 Laboratory Experimental Measuring speed and WaveLenghth of Impact Waves Generated by Mass Movement in Dam Reservoirs Using Laser Surface Profilometry اندازه گیری آزمایشگاهی سرعت و شکل موج امواج ضربه ای ناشی از سقوط توده در مخازن سدها با استفاده از روش سطح نگاری لیزری 240637 10.30482/jhyd.2025.519933.1731 FA یاسر شاکری دانشجوی دکترای فیزیک گرایش اپتیک ولیزر، دانشگاه زنجان احمد درودی دانشیار، گروه فیزیک دانشکده علوم، دانشگاه زنجان جلال بازرگان استاد، دانشکده مهندسی عمران، دانشگاه زنجان، زنجان. 0000-0002-6352-8422 Journal Article 2025 05 06 The study of the characteristics of waves generated by the collapse of rock masses in dam reservoir walls is of great importance. Factors influencing the wave flow over the body and crest of a dam include the length, height, and speed of the waves generated by the collapse of rock masses due to various factors. For this reason, in the present study, the wave parameters mentioned were measured for the first time using laser surface profiling in a pool with dimensions of 12.5 meters in length, 6.5 meters in width, and 1 meter in height at Zanjan University, Iran, due to the collapse of a mass in this reservoir. The experiments were conducted using a sliding mass weighing 200 kilograms and for a water depth of 75 cm. The laser setup consisted of two arrays (with a 76 cm distance between them), where each array contained 15 lasers arranged in pairs facing each other. Using these lasers and a DSLR camera, after the mass was dropped onto the inclined surface, the variations in wave height over time were recorded. Then, using the recorded images and laser surface profiling, the wave height was first measured, and then, using the changes in height, the wavelength was calculated. Following this, by measuring the time it took for the wave to pass in front of the two laser arrays, the wave speed was also obtained. It is worth noting that the camera's frame rate was 0.04 seconds. The experimental results indicate that the measured wave speed using the proposed method was 2.67 meters per second, while the wave speed calculated using the wave speed formula (C=√gh) was 2.71 meters per second, showing a difference of 1.48%, which demonstrates the high accuracy of the proposed measurement method. Keywords : Mass fall,impact waves,wavelength,wave speed,laser surface profilometry بررسی خصوصیات امواج ناشی از سقوط توده‌های سنگی دیواره مخازن سدها از اهمیت ویژهای برخوردار است.در پژوهش حاضر، درون استخری به طول 5/12 متر، عرض 5/6 و ارتفاع 1 متر ، بر اثر سقوط توده در مخزن، پارامترهای موج برای اولین بار با استفاده از روش سطح نگاری لیزری اندازه گیری شده است. آزمایش-ها با استفاده از توده لغزشی به وزن 200 کیلوگرم و برای عمق آب 75 سانتی متری انجام شده است. چیدمان لیزرها به صورت دو آرایه (با فاصله 76 سانتی متری ) به گونه ای که در هر آرایه از 15 لیزر که دو به دو روبروی هم قرار گرفته اند، تشکیل شده است. با استفاده از لیزرهای مذکور و دوربین DSLR، پس از سقوط توده قرار داده شده بر روی سطح شیبدار، تغییرات ارتفاعی موج ایجاد شده بر حسب زمان تصویربرداری شده است. سپس با استفاده از تصویرهای مذکور و روش سطح نگاری لیزری، ابتدا ارتفاع موج اندازه گیری شده و سپس با استفاده از تغییرات آن، طول موج و سپس با توجه به اندازه گیری فاصله زمانی عبور موج از مقابل دو ردیف آرایه لیزر، سرعت موج نیز به دست آمده است. شایان ذکر است که سرعت تصویربرداری دوربین مذکور برابر با 04/0 ثانیه می‌باشد. نتایج آزمایشگاهی بیانگر آنست که مقدار سرعت موج اندازه گیری شده با روش مذکور برابر با 67/2 متر بر ثانیه بوده و این مقدار در حالت استفاده از رابطه سرعت موج (C=√gh) برابر با 71/2 محاسبه شده که بیانگر اختلاف 48/1 درصدی و دقت بالای روش اندازه گیری پیشنهادی می‌باشد.

انجمن هیدرولیک ایران نشریه علمی هیدرولیک 2345-4237 21 2 2026 06 22 A Monte Carlo-LSTM Framework for Realistic Assessment and Predictive Management of Urban Canal Dredging یک چارچوب مونت کارلو-LSTM برای ارزیابی واقع‌بینانه و مدیریت پیش‌بینانه لایروبی کانال های شهری 240643 10.30482/jhyd.2026.539394.1744 FA محمدرضا مسعودی مقدم دانشگاه شهید بهشتی تهران 0009-0003-3811-3553 Journal Article 2025 08 09 Title: A Monte Carlo-LSTM Framework for Realistic Assessment and Predictive Management of Urban Canal Dredging a) Keywords Dredging, Uncertainty Quantification, Monte Carlo Simulation, LSTM, Predictive Maintenance. b) Introduction Flood-control canals are key infrastructures for protecting urban and agricultural communities. Maintaining their hydraulic capacity requires dredging, a continuous, costly, and essential maintenance activity. Traditionally, the effectiveness of dredging is evaluated retrospectively; judgment on a project's success is made after its completion based on hydrographic data and observed performance. This approach has inherent limitations when dealing with dynamic systems affected by human activities. This reactive "dredge-and-see" cycle is inherently inefficient and risky, focusing on past performance rather than future needs. This weakness presents a significant opportunity to transition from a reactive management model to a strategic, predictive framework. This transition requires confronting a fundamental technical challenge: uncertainty. Deterministic hydraulic models provide a misleading picture of precision, as real-world systems face uncertainties from parametric sources (e.g., Manning's roughness coefficient), input data errors, and structural model simplifications. To manage this, probabilistic methods like Monte Carlo simulation have emerged as standard tools, allowing engineers to generate a probability distribution of possible outcomes instead of a single deterministic output. While Monte Carlo can assess uncertainty for a given scenario, it cannot forecast future scenarios. This is the domain of data-driven predictive modeling. Deep learning models, particularly Long Short-Term Memory (LSTM) networks, have shown an extraordinary ability to forecast complex time series, such as river flow and water levels, and now provide reliable predictive tools. Despite the parallel maturation of Monte Carlo methods and deep learning, a significant research gap exists in their integrated application to dredging evaluation. This paper fills this gap by presenting an innovative framework that links these two domains, transforming dredging assessment from a passive, historical exercise into an active, strategic, and forward-looking management tool. c) Methodology This study was conducted on the Abu Dhar canal in Tehran, Iran, a key component of the city's urban runoff network. Field data, including hydraulic and geometric parameters, were collected before and after a dredging operation on July 9, 2023. Water levels were continuously recorded at 15-minute intervals using ultrasonic sensors, while flow velocity and cross-sectional dimensions were measured using a current meter and surveying operations, respectively. The methodological framework consisted of three main stages: 1. Deterministic Baseline Calculation: First, the classical Manning's equation was used with field data to calculate the initial, deterministic values for Manning's 'n' before and after dredging. This calculation yielded a baseline improvement of 4.47% and provided the mean values (μ) for the subsequent probabilistic analysis. 2. Probabilistic Uncertainty Analysis: A Monte Carlo simulation framework was implemented to quantify the uncertainty surrounding this baseline value. Key inputs—flow velocity (V) and a geometric factor (K)—were modeled as random variables with normal distributions, assuming relative uncertainties of 5% and 2%, respectively. The simulation was run for 50,000 iterations to generate a full probability distribution of the percentage reduction in Manning's 'n'. 3. Time-Series Forecasting (Proof of Concept): To demonstrate the feasibility of predictive management, an LSTM network was developed. Field-collected 24-hour water-level time series data (as described in the main text) was utilized. The data was normalized using a MinMaxScaler, and sequences were created using a look-back window of 8 time-steps (2 hours) to predict the next step. The LSTM model, consisting of one LSTM layer (50 units) and one Dense output layer, was trained for 50 epochs using the 'adam' optimizer. Its performance was evaluated using the Root Mean Squared Error (RMSE) on unseen test data. d) Results and Discussion The Monte Carlo analysis revealed that while the mean reduction in Manning's 'n' was 4.47%, the 95% confidence interval was exceptionally wide, spanning from -9.66% to +17.12%. This finding is critical, as it exposes the "illusion of certainty" in traditional assessments. It demonstrates that while the project was likely beneficial on average, the measurement uncertainty is so significant that a wide range of outcomes, including no improvement, cannot be statistically ruled out. The resulting probability distribution (visualized in Figure 4) highlights the inherent risk and variability that are ignored by deterministic approaches. This probabilistic view provides a more honest and managerially useful assessment of the project's risk profile. On the predictive front, the LSTM model demonstrated high efficacy. The final evaluation on the test set yielded an RMSE of only 0.032 meters (3.2 cm). This high level of accuracy confirms the model's potential for operational applications. The model's predictions (visualized in Figure 8) confirm this accuracy, showing the forecasted data closely tracking the complex fluctuations of the real-world time series. This successful proof of concept illustrates a paradigm shift from reactive maintenance to proactive, data-driven management. It opens the door for developing real-time flood warning systems and "Digital Twins" of urban water infrastructure. In synthesis, this study's probabilistic analysis offers a realistic "hindcast" of past actions, while the predictive model provides a powerful "forecast" for future management. ارزیابی اثربخشی لایروبی کانال‌ها برای مدیریت پایدار رواناب شهری حیاتی است. با این حال، رویکردهای سنتی که به گزارش یک شاخص قطعی (مانند درصد کاهش زبری مانینگ) اکتفا می‌کنند، عدم قطعیت‌های ذاتی در اندازه‌گیری‌های میدانی و پتانسیل مدل‌های پیش‌بینی مدرن را نادیده می‌گیرند. این پژوهش یک چارچوب ارزیابی دوگانه و نوآورانه برای رفع این خلاء ارائه می‌دهد. در این مطالعه، از داده‌های میدانی سطح آب و سرعت جریان قبل و بعد از لایروبی کانال ابوذر تهران استفاده شد. ابتدا، یک شبیه‌سازی مونت کارلو برای کمی‌سازی تأثیر عدم قطعیت در پارامترهای اندازه‌گیری شده بر روی ضریب زبری مانینگ پیاده‌سازی شد. سپس، به عنوان اثبات مفهوم، یک شبکه عصبی حافظه طولانی کوتاه‌مدت (LSTM) برای پیش‌بینی سری زمانی نوسانات سطح آب در کانال، بر اساس داده‌های سنسورها، توسعه داده شد. نتایج تحلیل عدم قطعیت نشان داد که اگرچه میانگین کاهش ضریب مانینگ 4.47 درصد بود، اما بازه اطمینان 95% این کاهش، بسیار گسترده و بین 9.66- تا 17.12درصد قرار دارد. این یافته بر اهمیت حیاتی در نظر گرفتن عدم قطعیت در تحلیل‌های هیدرولیکی تأکید می‌کند. علاوه بر این، مدل LSTM توسعه‌یافته با موفقیت الگوهای زمانی را فرا گرفت و توانست سطح آب را با دقت بالا و ریشه میانگین مربعات خطای (RMSE) تنها ۳.۲ سانتی‌متر بر روی داده‌های آزمون، پیش‌بینی نماید. این مطالعه نتیجه می‌گیرد که تلفیق تحلیل‌های احتمالاتی با مدل‌های پیش‌بینی هوش مصنوعی، دیدگاهی بسیار واقع‌بینانه‌تر و جامع‌تر نسبت به روش‌های ارزیابی سنتی فراهم کرده و گامی اساسی به سوی مدیریت داده‌محور و هوشمند زیرساخت‌های آبی شهری است.

انجمن هیدرولیک ایران نشریه علمی هیدرولیک 2345-4237 21 2 2026 06 22 Urban water distribution management in high-consumption areas using an automatic flow control valve مدیریت توزیع آب شهری در نقاط پرمصرف با استفاده از شیر خودکار کنترل دبی 241097 10.30482/jhyd.2025.542087.1748 FA محمد بی جن خان گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران علی فضلی قزوین، دانشگاه بین المللی امام خمینی، گروه مکانیک سارا فکوری قزوین، دانشگاه بین المللی امام خمینی (ره)، دانشکده کشاورزی و منابع آب، گروه علوم و مهندسی آب هادی رمضانی گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران Journal Article 2025 08 18 Introduction The growing scarcity of freshwater resources—driven by population growth and rising demand—has intensified the need for rigorous analysis and optimization of urban water distribution networks (WDNs). Flow control valves play a pivotal role in ensuring equitable water distribution across such networks. Atashparvar et al. (2019) designed and experimentally evaluated flow control valves with nominal flow rates of 5 and 10 L/s. Using dimensional analysis, they investigated the flow behavior through a cylindrical orifice and found that the actual discharge consistently fell below the design flow rate, highlighting the influence of hydraulic losses and geometric constraints. Water extraction patterns at consumer endpoints significantly affect network performance. In residential complexes, rapid bulk withdrawal—typically for filling elevated or ground-level storage tanks—often results in transient, high-intensity demand surges. These surges induce substantial pressure drops elsewhere in the network, particularly during peak usage periods. Building upon prior research, the primary innovation of this study lies in the implementation of an automatic flow-stabilizing valve, adapted from the design principles of Bijankhan et al. (2025), to regulate maximum inflow at high-demand nodes. Critically, this approach aims to enhance upstream network pressure without altering end-user consumption behavior—achieved through the strategic sizing and deployment of flow-stabilizing valves. Methodology Flow measurement was conducted with two objectives: (i) to characterize the demand pattern at a selected node downstream of the water source, and (ii) to inform the design and evaluate the performance of the automatic flow-stabilizing valve. Based on a site suitability assessment and alignment with the project scope, the water supply system of Imam Khomeini International University (IKIU) was selected as the case study. An ultrasonic flowmeter—comprising two clamp-on transducers mounted on the pump discharge pipe—was deployed to monitor instantaneous flow rates. Concurrently, an ultrasonic level sensor was custom-assembled and installed inside the main storage tank to track water volume dynamics (i.e., storage vs. drawdown phases). Data from both sensors were logged via microcontroller-based acquisition systems, with the entire instrumentation housed in a weatherproof enclosure for field deployment. Results and Discussion Valve performance was first validated in the hydraulic laboratory at IKIU. Prototype automatic flow-stabilizing valves were fabricated with nominal capacities of 2 and 4 L/s, respectively. These were subsequently installed on the municipal supply line feeding the university’s potable water reservoir. All comparative analyses were conducted using operational data recorded on Sunday, 3 March 2024. Under uncontrolled inflow (baseline scenario), reservoir levels remained relatively stable. In contrast, with the 4 L/s automatic valve in operation (indicated by the blue circle in time-series plots), a progressive deficit emerged—peaking at ~3:00 PM due to sustained high demand—and reached a maximum drawdown of 40 cm by midnight, representing a 10 cm increase (from 30 cm to 40 cm) over 24 hours. The valve was activated at 12:00 PM on 3 March 2024 and remained operational until 6 March 2024. Over this 3.5-day period, the cumulative reservoir deficit stabilized at ~35 cm, equivalent to a volume loss of approximately 150,000 L. Pipeline pressure on the municipal supply main was monitored under three conditions: Uncontrolled inflow: Near-zero inlet pressure (~0 m), indicating gravity-driven, high-flow, low-pressure entry. Daily flow control (4 L/s setpoint): Inlet pressure rose to ~3.6 m. Weekly flow control (2 L/s setpoint): Pressure further increased to ~7.0 m. Notably, these pressure gains were achieved without detectable changes in campus-wide water consumption, confirming that pressure recovery resulted solely from inflow regulation—not demand reduction. Conclusions Based on measured demand profiles, the peak average hourly flow rate was calculated as 3.99 L/s. Accordingly, automatic flow-stabilizing valves rated at 4 L/s (for daily control) and 2 L/s (for extended, conservative regulation) were deployed. While the 4 L/s configuration led to a gradual reservoir deficit (~35 cm/150,000 L over 3.5 days), switching to the 2 L/s regime on Friday enabled an inflow of ~164,000 L—sufficient to fully offset the accumulated deficit. This demonstrates the system’s ability to shift inflow temporally: suppressing intake during peak periods and enabling reservoir replenishment during off-peak hours. Critically, flow regulation alone—without infrastructure upgrades or demand-side interventions—yielded a 7-meter increase in municipal pipeline pressure (from ~0 m to 7 m) under the 2 L/s scenario. This underscores the efficacy of smart inflow management as a low-cost, high-impact strategy for improving hydraulic resilience in urban water networks. مجتمع‌های مسکونی بزرگ برای ذخیره آب در مدت زمان بسیار کوتاهی مصرف قابل توجهی دارند. این عمل منجر به افت فشار شدید در سایر نقاط شبکه، خصوصاً در زمان پیک مصرف، می‌شود. شیر تثبیت دبی اگر به صورت درست طراحی و انتخاب شوند می‌توانند در زمان پیک مصرف برای تعدیل توزیع آب در سطح شبکه بسیار کارآمد باشند. در این مقاله نسبت به بررسی کاربرد یک نمونه از شیرهای خودکار تثبیت دبی اقدام شد. شیرهای خودکار تثبیت دبی 2 و 4 لیتر بر ثانیه متناسب با الگوی مصرف و حجم مخزن در محل ورودی آب به دانشگاه بین المللی امام خمینی (ره) طراحی و نصب شدند. پس از آزمون‌های موفق آزمایشگاهی، عملکرد میدانی شیرها مورد بررسی قرار گرفت. نتایج نشان داد که کسری مخزن در طول هفته مدام افزایش یافته و در نهایت به حدود 150 هزار لیتر رسید. تنها در روز جمعه با درنظر گرفتن دبی ورودی به مخزن معادل 2 لیتر بر ثانیه می‌توان حدود 164 هزار لیتر آب برای ورودی به مخزن در نظر گرفت و درنتیجه کل کسری مخزن قابل جبران خواهد بود. از طرفی با بررسی فشار آب روی خط لوله آب شهری ملاحظه ‌شد در حالتیکه هیچ کنترلی روی مقدار آب ورودی به مخزن نباشد فشار در محل ورود آب به مخزن دانشگاه حدود صفر است و به عبارت دیگر آب با بیشترین دبی و کمترین فشار وارد مخزن شده است. با اعمال کنترل روزانه و کنترل هفتگی به صورت حدودی فشار روی خط لوله آب شهری به 6/3 و 7 متر افزایش یافت.

انجمن هیدرولیک ایران نشریه علمی هیدرولیک 2345-4237 21 2 2026 06 22 Spatiotemporal Monitoring of Flood Inundation Using Multi-Source Satellite Data within the Google Earth Engine Environment تحلیل زمانی و مکانی تغییرات سطح آب‌گرفتگی سیلاب با استفاده از داده های ماهواره‌ای و Google Earth Engine 244558 10.30482/jhyd.2026.565495.1756 FA محمد عبافروشان دانشکدۀ مهندسی عمران و معماری، دانشگاه شهید چمران اهواز، اهواز، ایران 0009-0001-4838-3632 محمد عزیزی‌پور دانشکدۀ مهندسی عمران و معماری، دانشگاه شهید چمران اهواز، اهواز، ایران 0000-0003-3895-0354 Journal Article 2025 12 10 Floods are among the most destructive natural hazards, and their management is often challenged by the complexity of predicting and monitoring inundation dynamics. In recent years, the increasing availability of satellite imagery has greatly enhanced the ability to analyze flood propagation and assess its spatial and temporal behavior. This study aims to investigate the spatiotemporal characteristics of the 2019 flood along the Dez River by integrating Sentinel-1 Synthetic Aperture Radar (SAR) data, Sentinel-2 multispectral imagery, and the cloud-based Google Earth Engine (GEE) platform. Within this framework, pre- and post-event Sentinel-1 SAR images with VV polarization (Vertical–Vertical) were processed using radar backscatter differencing and optimal threshold selection to identify inundated areas, while the natural river corridor was extracted from Sentinel-2 data using the Normalized Difference Water Index (NDWI) and the unsupervised K-Means classification algorithm. The results show that the flood under investigation reached its peak on 4 April 2019, when the discharge exceeded 3,200 m³/s. The inundated area expanded dramatically from approximately 51.8 km² at the onset of the event (1 April) to more than 422 km² two days after the peak (6 April), representing an increase of more than elevenfold compared to the natural river extent. A distinct temporal lag was observed between the maximum discharge released from the dam and the largest inundation footprint, indicating limited flow conveyance within the main river channel and the inherently delayed process of floodplain water spreading. Furthermore, the prolonged retention of water in low-lying agricultural and marginal lands—even after the discharge had declined—points to weak natural drainage and a high potential for waterlogging across the region. Overall, the findings demonstrate that the combined use of radar and optical satellite data within the GEE environment provides a rapid, reliable, and accurate framework for flood-extent mapping in data-scarce regions. This integrated approach holds significant potential for improving flood risk management, supporting post-flood damage assessment, and contributing to the development of more advanced flood-forecasting and hydrodynamic modeling tools in the future. سیلاب‌ها از مخرب‌ترین پدیده‌های طبیعی محسوب می‌شوند و مدیریت آن‌ها با چالش‌های متعددی روبه‌رو است. در سالهای اخیر، گسترش دسترسی به تصاویر ماهواره‌ای امکان بررسی نحوه پخش سیل را تسهیل کرده است. این پژوهش با هدف تحلیل تغییرات مکانی–زمانی سیلاب سال ۱۳۹۸ رودخانه دز، از تلفیق داده‌های راداری Sentinel-1، تصاویر چندطیفی Sentinel-2 و به‌کارگیری سامانه پردازش ابری (GEE) Google Earth Engine بهره گرفته است. در این چارچوب، تصاویر SAR قبل و بعد از وقوع سیلاب با قطبش VV (Vertical-Vertical Polarization) با استفاده از تحلیل اختلاف بازتاب راداری و تعیین آستانه مناسب برای شناسایی نواحی آب‌گرفته پردازش شدند و پهنه طبیعی رودخانه نیز با به‌کارگیری شاخص NDWI و الگوریتم طبقه‌بندی بدون نظارت K-Means از تصاویر Sentinel-2 استخراج شد. نتایج نشان داد سیلاب مورد بررسی در تاریخ ۱۵ فروردین ۱۳۹۸که به اوج خود با دبی بیش از ۳۲۰۰ مترمکعب بر ثانیه رسید و وسعت پهنه سیلابی از ۸/۵۱ کیلومترمربع در ابتدای رویداد (۱2 فروردین) به بیش از ۴۲۲ کیلومترمربع در دو روز بعد از اوج سیلاب (۱7 فروردین) افزایش یافت که بیانگر گسترش بیش از ۱۱ برابری نسبت به حالت طبیعی رودخانه است. یک تأخیر زمانی مشخص میان اوج دبی خروجی سد و بیشترین گسترش آب‌گرفتگی مشاهده شد که نشان‌دهنده محدودیت ظرفیت عبور جریان در کانال اصلی و زمان‌بر بودن فرایند پخش سیلاب در دشت سیلابی است. همچنین، ماندگاری طولانی‌مدت آب در اراضی پست منطقه حتی پس از کاهش دبی، نشان‌دهنده ضعف زهکشی طبیعی و پتانسیل بالای ماندآبی است.

انجمن هیدرولیک ایران نشریه علمی هیدرولیک 2345-4237 21 2 2026 06 22 Hydraulic Behavior Analysis of Duckbill Weirs under the Influence of Sediment Accumulation during Operational Conditions ارزیابی رفتار هیدرولیکی سرریزهای نوک اردکی، تحت اثر انباشت رسوب در شرایط بهره‌برداری 244559 10.30482/jhyd.2026.567508.1757 FA امید مهدوی امرئی خیابان دانشکده، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران ، گروه مهندسی آبیاری و آبادانی عاطفه پرورش ریزی دانشگاه تهران-پردیس کشاورزی و منابع طبیعی- 'گروه مهندسی آبیاری و آبادانی 0000-0003-0793-6728 صلاح کوچک زاده خیابان دانشکده، دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران ، 0000-0002-3752-943X Journal Article 2025 12 26 Abstract Duckbill spillways are widely used in irrigation networks due to their extended effective crest length, which allows them to limit upstream water level fluctuations under varying flow rates. However, sediment accumulation upstream of these structures is a critical operational challenge that can significantly affect their hydraulic performance. This study investigated how different sediment-deposition patterns affect duckbill-weir performance under various channel slopes in an adjustable rectangular flume. It also examined how two crest geometries (sharp and rounded) influence the discharge coefficient with and without sediment. Findings show that upstream sediment causes a substantial 24–28% reduction in the discharge coefficient, leading to higher upstream water levels. Although steeper channel slopes generally increase the coefficient, the negative impact of sediment becomes more severe at higher slopes. Crest geometry comparison revealed that the rounded crest offers a clear advantage under sediment-free conditions (about a 6.5% increase in the discharge coefficient), but this benefit sharply declines when sediment is present (only about a 2.5% increase). Overall, the results highlight that sediment accumulation is a major factor limiting the performance of duckbill weirs. Therefore, accounting for sediment effects during both design and operation is essential for maintaining effective water-level control in irrigation distribution systems. Keywords: Channel slope, Crest geometry, Discharge coefficient, Duckbill spillway, Sediment deposition Methodology A laboratory flume with adjustable longitudinal slope was employed to simulate flow over duckbill spillways under two operational scenarios: initial operation without sediment and advanced operation with full sediment accumulation. Two crest geometries were tested, including a sharp-edged crest and a rounded crest commonly recommended for improving flow detachment. The sediment layer upstream of the spillway was shaped to represent a real-world deposition pattern observed after long-term network operation. Flow depth and hydraulic response were recorded for each condition, and the discharge behavior was evaluated based on changes in the discharge coefficient. Results and Discussion The findings revealed that sediment accumulation plays a significant role in altering the hydraulic entrance conditions of duckbill spillways. In sediment-free conditions, flow approaches the crest smoothly, preserving energy and leading to efficient discharge. However, in the presence of sediment, especially when it extends to the proximity of the spillway nose, the flow experiences partial blockage and redirection. This condition increases upstream water head and reduces flow velocity just before passing over the crest, resulting in a noticeable decrease in discharge efficiency. Moreover, while increasing the channel slope generally improved flow capacity by supplying additional flow energy, this benefit was partially offset by the disruptive effect of sediment. In steeper slopes, although the flow had higher energy, the interaction between flow and deposited sediment generated stronger turbulence and localized energy losses, indicating that the positive effect of slope becomes limited if sediment is not managed properly. The comparison between crest geometries demonstrated that the rounded crest exhibited better performance under clear-water conditions by facilitating smoother flow transition and reducing flow separation. However, when sediment was present, the effective overflow edge shifted from the physical crest to the sediment surface, masking the hydraulic benefits of the rounded crest. This finding suggests that crest geometry optimization alone is insufficient in networks with persistent sedimentation and must be complemented with sediment management strategies. Conclusion This research highlights that upstream sediment deposition is a key parameter influencing the hydraulic performance of duckbill spillways and cannot be neglected during design and operation. The study emphasizes that channel slope and crest geometry interact with sediment conditions, and their combined effect determines the actual field performance of the structure. Therefore, for long-term efficiency, spillway design and maintenance strategies must incorporate predictive assessment of sediment behavior and targeted flushing or dredging plans. The outcomes of this study provide practical insights for irrigation authorities, offering guidance for both initial design decisions and adaptive management during operation. سرریزهای نوک‌اردکی به دلیل طول مؤثر بیشتر و توانایی در محدود کردن تغییرات سطح آب، کاربرد گسترده‌ای در شبکه‌های آبیاری روباز دارند. با این حال، پس از آغاز بهره‌برداری، اثر انباشت رسوب در بالادست این سازه‌ها که در اغلب موارد رخ می‌دهد، بر عملکرد هیدرولیکی سرریز مشخص نیست. این پژوهش با هدف ارزیابی اثر الگوی رسوب‌گذاری بر عملکرد سرریز نوک‌اردکی، تحت شیب‌های طولی مختلف کانال در یک فلوم مستطیلی شیب‌پذیر انجام شد. همچنین اثر دو شکل لبه سرریز (لبه تیز و لبه‌گرد) بر تغییرات ضریب جریان در شرایط با و بدون رسوب مورد آزمایش قرار گرفت. نتایج نشان داد که وجود رسوبات در بالادست سرریز به طور میانگین موجب کاهش ۲۴ تا ۲۸ درصدی در ضریب جریان و در نتیجه افزایش محسوس ارتفاع آب در بالادست می‌شود. همچنین با افزایش شیب طولی کانال، اگرچه ضریب جریان به طور کلی افزایش می‌یابد، اما میزان کاهش ضریب جریان ناشی از حضور رسوبات، در شیب‌های تندتر تشدید می‌شود. مقایسه هندسه لبه سرریز نشان داد که برتری لبه گرد در شرایط بدون رسوب (با افزایش حدود 5/6 درصدی ضریب جریان) محسوس است، اما این مزیت در شرایط انباشت رسوب (با افزایش تنها حدود 5/2 درصدی) به طور قابل توجهی کاهش می‌یابد. از آنجا که انباشت رسوب در بالادست سرریز نقش کلیدی در کاهش ضریب جریان سرریزهای نوک‌اردکی دارد، توجه به این موضوع در طراحی و همچنین زمان بهره‌برداری ضرورت دارد و بر کنترل رقوم سطح آب در فرایند توزیع آب اثرگذار است.