بررسی رفتار رودخانه تحت تاثیر تغییر اقلیم، به ‌ویژه میزان رواناب در دوره‌های آینده ضروری است. این پژوهش با در نظر گرفتن مدل‌ گردش عمومی جو (GCM) تحت سناریوهای انتشار RCP 2.6 و RCP 8.5، تاثیر تغییر اقلیم بر رواناب حوضه‌ زرینه‌رود (بزرگ‌ترین زیرحوضه‌ دریاچه ارومیه) را ارزیابی کرده است. برای این منظور با استفاده از داده‌های تغییر اقلیم مدل HadGEM2-ES طی دوره‌ 2025-2050، تغییرات دما و بارش در دوره‌های آتی در حوضه‌ زرینه‌رود بررسی گردید. جهت ریزمقیاس نمودن این داده‌ها، جعبه ابزار CCT به کار برده شد. از مدل SWAT جهت ارزیابی تاثیر تغییر اقلیم بر رواناب حوضه استفاده گردید. مدل SWAT با استفاده از آمار ماهانه رواناب، اعتبارسنجی و صحت ‌سنجی شد. در ادامه با معرفی نتایج ریزمقیاس‌شده‌ مدل گردش عمومی جو، به مدل SWAT، تغییرات رواناب خروجی حوضه در طی دوره‌ 2025-2050 شبیه‌سازی گردید. نتایج نشان داد که مدل SWAT عملکردهای خوبی در شبیه‌ سازی رواناب ارایه می‌ دهد. میانگین نتایج جعبه ابزار CCT نشان داد که حداکثر و حداقل دما در دوره‌ مذکور افزایش می‌یابد. بارش سالانه 3/6 درصد افزایش تحت RCP 2.6 و 2/9 درصد کاهش تحت RCP 8.5 را نشان داد. نتیجه بررسی رواناب نشان داد که میانگین رواناب دوره‌ آتی در زمستان، بهار و تابستان کاهش می‌یابد درحالی‌ که روند افزایشی رواناب در پاییز مشهود می‌باشد. رواناب سالانه تحت RCP 2.6 و RCP 8.5 به‌ ترتیب حدود 6/5 و 30 درصد کاهش یافته است که متعاقبا باعث کاهش تخلیه این رودخانه به دریاچه ارومیه می‌شود. Manuscript profile

لازمه حفاظت از منابع خاک، مدیریت و ارائه راهکارهای مناسبی می‌باشد که با شناخت ماهیت واحدهای سنگی و اطلاع از اهمیت نسبی منابع اصلی رسوب حاصل می‌شود. هدف از مطالعه حاضر تعیین سهم هرکدام از واحدهای سنگی در تولید رسوب و تشخیص وضعیت فرسایشی آن‌ها می‌باشد. بدین منظور پس از نمونه‌برداری از منابع رسوب و رسوبات موجود در بستر آبراهه‌‌های حوزه آبخیز خیاوچای، اقدام به عملیات دانه‌بندی ذرات به روش خشک شد. سپس الک‌های 600 میکرون و چهار میلی‌متر به‌عنوان الک‌های‌ شاخص انتخاب شدند و با انتخاب 100 دانه رسوبی از هر نمونه، بررسی‌های کانی‌شناسی با استفاده از بینوکلر با بزرگنمایی 40 برابر و با توجه به واقعیت رسوبی منطقه، صورت پذیرفت و جنس کانی‌ها و خرده‌سنگ‌ها تعیین و با شمارش تعداد آن‌ها و تعیین سهم هرکدام از کانی‌ها و خرده‌سنگ‌ها، نتایج را با واحدهای سنگ‌شناسی مقایسه و تطبیق داده، سنگ و واحد تولیدکننده هرکانی و خرده‌سنگ و درصد سهم هر واحد سنگی در تولید رسوب مشخص شد. نتایج نشان داد واحد سنگی Qvl با 51/45 درصد بیش‌ترین سهم را در تولید رسوب حوضه دارد که با نمره کل شاخص فرسایش 14/1053 در وضعیت فرسایشی خیلی شدید قرار دارد که به‌دلیل تخریب مکانیکی گسترده و نیز گسترش آن در دو طرف زهکش اصلی کاملاً توجیه‌پذیر است. پس از واحد سنگ‌شناسی Qvl ، واحد Qds2 و Qvb به‌ترتیب با 87/30 و 54/10 درصد بیش‌ترین سهم در تولید رسوب را داشته و واحد Qtaslبا 22/1 درصد کم‌ترین سهم را دارا می‌باشد. Manuscript profile

Rangeland production is especially important in meeting food requirement of rangeland societies. Sometimes, historical data are required for long-term grazing capacity estimation. Regression equations that are reasonably reliable for predicting forage production from precipitation characteristics have been developed for rangeland yield estimation. In this research, the relationship between forage production and meteorological factors was evaluated with six-year data for Pashaylogh and Incheboron rangelands (2003 to 2007 and 2017- Golestan province, Iran) and eleven-year data for Nemati rangeland (1998 to 2007 and 2017- Markazi province, Iran). For sampling, four parallel transects with a length of 300 m and at a distance of 100 m from each other were established in the steppe area (Nemati) and six 200-m transects were created in the semi-steppe area (Pashaylogh and Incheboron) and they were located parallel and at a distance of 100 m from each other. Due to the need for uniformity in the data of the rangelands of different provinces and their comparison, plot size of 1×2 m was selected in steppe site, and 1×1 m for semi-steppe sites. Data analysis was done through regression models. The results showed that forage production was related to temperature and precipitation rather than other meteorological factors (temperature, precipitation, sunlight hours, relative humidity, evapotranspiration and average wind speed). The best equation that can predict the relationship between meteorological data and forage production was August precipitation and temperature (R2=0.88) in Pashaylogh, the precipitation of June (R2=0.88) in Incheboron rangelands. There was a relationship between forage production (R2=0.79) with precipitation and temperature in July and in Nemati rangeland. The forage production index was determined based on effective meteorological factors and The Standardized Precipitation-Evapotranspiration (SPEI) drought index. According to meteorological data, a coefficient could be obtained to estimate long-term rangeland production and prevent from forage loss. Manuscript profile