کمی‌سازی عدم قطعیت در پیش‌بینی سیلاب‌های حدی: تحلیل ژئومورفیک پارامترهای آماری در حوضه‌های خشک (مطالعه موردی حوضه رودخانه قره‌آغاج)

احمدی، سیما و نبی‌زاده، علی. (1402). استفاده از مدل حافظه طولانی کوتاه‌مدت پیچشی برای پیش‌بینی سیلاب در استان گلستان، ایران. پژوهش‌های سنجش از دور و اطلاعات مکانی، 2 (1)، ۲۳۹-۲۴۶. doi: 10.22061/jrsgr.2023.2021

اسلامی، حمیدرضا؛ جمالی، سعید؛ ایوبی‌کیا، رضا و اسلامی، کامیاب. (۱۴۰۱). ارزیابی عملکرد مدل‌های پیش‌بینی بارش در برآورد دبی و حجم سیلاب با مدل NAM توسعه‌یافته (محدوده مطالعات: حوضه‌های غرب). رویکردهای نوین در مهندسی آب و محیط‌زیست، ۱(۱)، ۱۰۱-۱۱۲. doi: 10.22034/nawee.2023.346025.1001

اسلامی‌نژاد، سیداحمد؛ افتخاری، مبین؛ محمودی‌زاده، سعید؛ اکبری، محمد و حاجی‌الیاسی، علی. (۱۴۰۰). ارزیابی مدل‌های هوش مصنوعی مبتنی بر درخت به منظور پیش‌بینی خطر سیل در بستر GIS . تحقیقات منابع آب ایران، ۱۷(۲)، ۱۷۴-۱۸۹.

ایرانی، طیبه، عبقری، هیراد و رسولی، علی اکبر. (1404). تحلیل تهدیدات تغییر اقلیم و تغییرکاربری اراضی بر افزایش ریسک سیلاب حوضه آبخیز شهرچای. مخاطرات محیط طبیعی، 14(44)، 105-126. doi: 10.22111/jneh.2024.49039.2053

پناهی، عبدالحافظ، جانباز قبادی، غلامرضا ، متولی، صدرالدین و خالدی، شهریار . (1402). سنجش و پیش‌بینی پتانسیل وقوع سیلاب تحت شرایط تغییر اقلیم (مطالعه موردی: حوضه آبخیز گرگانرود). مطالعات جغرافیایی نواحی ساحلی، 4(2)، 45-61. doi: 10.22124/gscaj.2023.22411.1172

جباری، ایرج؛ قبادیان، رسول و جدیدی، انیس. (۱۴۰۲). تأثیر سیل فروردین ۱۳۹۸ بر ریخت‌شناسی پیوندگاه مئاندری دو رودخانۀ دینور به گاماسیاب با استفاده از مدل عددی SRH-2D . مجله جغرافیا و توسعه، ۲۱(۷۰)، ۱-۲۶. doi: 10.22111/gdij.2023.7401

حنیفی­نیا، عبدالعزیز و عبقری، هیراد. (1404). پیش‌‌بینی مناطق مستعد سیل با استفاده از مدل‌‌های یادگیری ماشین خطی تعمیم یافته و بیشینه آنتروپی. مخاطرات محیط طبیعی، 14(43)، 19-34. doi: 10.22111/jneh.2024.47730.2021

زینلی، حمید.، 1402. تجزیه و تحلیل آثار ژئومورفولوژیکی سیلاب در حوضه تنگ کارزین. پایان­نامه کارشناسی ارشد هیدروژئومورفولوژی، دانشکده منابع طبیعی، دانشگاه علوم و فنون دریایی خرمشهر. صفحات 1-107.

سعیدی مفرد، ساناز؛ آسیایی، مهدی و گهرخواه، فاطمه. (۱۴۰۱). پهنه‌بندی خطر وقوع سیل در شهرستان تربت‌حیدریه با استفاده از عملگرهای فازی. مجله جغرافیا و توسعه، ۲۰(۶۶)، ۸۱-۱۰۶. doi: 10.22111/j10.22111.2022.6714

شیخ‌کاظمی، مهسا؛ بنی‌حبیب، محمد ابراهیم؛ سلطانی، جابر؛ روزبهانی، عباس و تنهاپور، میترا. (۱۳۹۹). ارزیابی اثر متغیرهای تاثیرگذار بر پیش‌بینی سیلاب واریزه‌ای با استفاده از مدل شبکه بیزین. تحقیقات منابع آب ایران، ۱۶(۳)، ۱۸-۳۰.

کاکاوند، مائده، حقی زاده، علی و سلیمانی مطلق، مهدی. (1403). مقایسه شاخص‌های سنجش از دور در تعیین پهنه سیل حوضه آبخیز دوآب ویسیان. مخاطرات محیط طبیعی، 13(40)، 41-56. doi: 10.22111/jneh.2023.46291.1978

Akinsoji, A. H., Adelodun, B., Adeyi, Q. (2024). Integrating machine learning models with comprehensive data strategies and optimization techniques to enhance flood prediction accuracy: A review. Water Resources Management, 38, 4735-4761. https://doi.org/10.1007/s11269-024-03885-x

Al-Juaidi, A. E. M. (2023). The interaction of topographic slope with various geo-environmental flood-causing factors on flood prediction and susceptibility mapping. Environmental Science and Pollution Research, 30, 59327-59348. https://doi.org/10.1007/s11356-023-26616-y

Al-Rawas, G., Nikoo, M. R., Janbehsarayi, S. (2024). Near-future flash flood prediction in an arid region under climate change. Scientific Reports, 14, 25887. https://doi.org/10.1038/s41598-024-76232-0

Bashirgonbad, M., Moghaddam Nia, A., Khalighi-Sigaroodi, S. (2024). A hydro-climatic approach for extreme flood estimation in mountainous catchments. Applied Water Science, 14, 98. https://doi.org/10.1007/s13201-024-02149-8

Cui, L., Hu, G., Zhu, Y. (2025). Multi-strategy improved snow ablation optimizer: a case study of optimization of kernel extreme learning machine for flood prediction. Artificial Intelligence Review, 58, 181. https://doi.org/10.1007/s10462-025-11192-z

Das, P., Posch, A., Barber, N. (2024). Hybrid physics-AI outperforms numerical weather prediction for extreme precipitation nowcasting. npj Climate and Atmospheric Science, 7, 282. https://doi.org/10.1038/s41612-024-00834-8

El Baida, M., Boushaba, F., Chourak, M., Hosni, M., & Sabar, H. (2025). Mapping urban flood hazard using extreme gradient boosting and random forest. In B. El Bhiri, S. Assoul, & M. Essaaidi (Eds.), Technology and the environment: Implementing smart and sustainable solutions into our cities (pp. 1-12). Springer. https://doi.org/10.1007/978-3-031-74474-7_1

Fordjour, G. K., Nur, F., Kalyanapu, A. J. (2025). Enhancing flood water level prediction through transfer learning with warmup learning rate scheduling in LSTM models: A comparative case study in Kentucky and Tennessee watersheds. Modeling Earth Systems and Environment, 11, 14. https://doi.org/10.1007/s40808-024-02211-z

Gardini, A. (2023). Functional and variable selection in extreme value models for regional flood frequency analysis. Environmental and Ecological Statistics, 30(4), 715-739. https://doi.org/10.1007/s10651-023-00581-8

Ghanem, M. A. A. N., & Zaifoglu, H. (2024). A geospatial analysis of flood risk zones in Cyprus: Insights from statistical and multi-criteria decision analysis methods. Environmental Science and Pollution Research, 31, 32875-32900. https://doi.org/10.1007/s11356-024-33391-x

Gandhre, N., Dauji, S., & Londhe, S. (2024). Extreme value analysis of annual precipitation in districts of Maharashtra, India. Journal of Earth System Science, 133, 53. https://doi.org/10.1007/s12040-023-02243-6

Ghobadi, M., Ahmadipari, M. (2024). Enhancing Flood Susceptibility Modeling: a Hybrid Deep Neural Network with Statistical Learning Algorithms for Predicting Flood Prone Areas. Water Resources Management, 38, 2687-2710. https://doi.org/10.1007/s11269-024-03770-7

Guo, W. D., Chen, W. B., & Chang, C. H. (2025). Flood bend flow prediction in intermittent river reach using a 2D hydraulic model and stacking-ensemble-based LSTM technique. Earth Science Informatics, 18, 80. https://doi.org/10.1007/s12145-024-01526-w

Han, Z., Li, F., Liu, C. (2025). Influence of geomorphological parameters on flash flood susceptibility analyzed using a coupled approach of HEC-HMS model and logistic regression. Water Resources Management. https://doi.org/10.1007/s11269-024-04079-1

Handique, A., Acharjee, S., Dhadumia, U. (2024). Flood frequency analysis in the lower Burhi Dehing River in Assam, India, using Gumbel Extreme Value and log Pearson Type III methods. Discover Geoscience, 2, 75. https://doi.org/10.1007/s44288-024-00084-4

Hossaki, V. Y., Negri, R. G., Santos, L. B. L. (2025). Combining social media data and meteorological sensors for urban flood detection: A statistical analysis in São Paulo City. Earth Science Informatics, 18, 281. https://doi.org/10.1007/s12145-025-01802-3

Huang, J., Hong, Y., Sun, D. (2025). Urban flood depth prediction using an improved LSTM model incorporating precipitation forecasting. Natural Hazards, 121, 8305-8326. https://doi.org/10.1007/s11069-024-07065-3

Imran, M., Hou, J., Wang, T. (2025). Flood characteristics and risk analysis in small watersheds on the Loess Plateau under extreme heavy rainfall. Natural Hazards, 121, 6857-6878. https://doi.org/10.1007/s11069-024-07025-x

Jeba, G. S., & Chitra, P. (2024). Flood prediction through hydrological modeling of rainfall using Conv1D-SBiGRU algorithm and RDI estimation: A hybrid approach. Stochastic Environmental Research and Risk Assessment, 38, 3587-3606. https://doi.org/10.1007/s00477-024-02768-2

Katipoğlu, O. M., & Sarıgöl, M. (2023). Prediction of flood routing results in the Central Anatolian region of Türkiye with various machine learning models. Stochastic Environmental Research and Risk Assessment, 37, 2205-2224. https://doi.org/10.1007/s00477-023-02389-1

Ke, X., Wang, N., Xiu, Y. (2025). A flash flood susceptibility prediction and partitioning method based on GeoDetector and random forest. Stochastic Environmental Research and Risk Assessment, 39, 1377-1404. https://doi.org/10.1007/s00477-025-02922-4

Kritidou, E., Kauzlaric, M., Staudinger, M. (2025). Impact of different weather generator scenarios on extreme flood estimates in Switzerland. Stochastic Environmental Research and Risk Assessment, 39, 847-866. https://doi.org/10.1007/s00477-024-02843-8

Liu, L., Liu, S., & Pan, L. (2024). Reservoir flood prediction service based on a Seq2seq model. In J. Wang, B. Xiao, & X. Liu (Eds.), Service science (pp. 11-22). Springer. https://doi.org/10.1007/978-981-97-5760-2_11

Lymperi, O. A., & Varouchakis, E. A. (2024). Modeling extreme precipitation data in a mining area. Mathematical Geosciences, 56, 1405-1437. https://doi.org/10.1007/s11004-023-10126-1

Mantovani, J., Alcântara, E., Pampuch, L. A. (2024). Assessing flood risks in the Taquari-Antas Basin (Southeast Brazil) during the September 2023 extreme rainfall surge. npj Natural Hazards, 1, 9. https://doi.org/10.1038/s44304-024-00009-8

Mei, C., Liu, J., Shi, H. (2023). Exploring the impact of street layout on urban flood risk to people and vehicles under extreme rainfall based on numerical experiments. Science China Technological Sciences, 66(12), 2561-2574. https://doi.org/10.1007/s11431-022-2393-2

Nearing, G., Cohen, D., Dube, V. (2024). Global prediction of extreme floods in ungauged watersheds. Nature, 627(8004), 559-563. https://doi.org/10.1038/s41586-024-07145-1

Nemnem, A.M., Tanim, A.H., Nahian, A. (2025). How extreme rainfall and failing dams unleashed the Derna flood disaster. Nature Communications, 16, 4191. https://doi.org/10.1038/s41467-025-59261-9

Okonofua, E. S., Atikpo, E., Lasisi, K. H. (2022). Application of selected FFA methods in extreme flood prediction of the River Osse. Modeling Earth Systems and Environment, 8, 5061-5075. https://doi.org/10.1007/s40808-022-01400-y

Oyegbile, O., Chan, A., Ooi, M. (2024). Evaluation of WRF model performance with different microphysics schemes for extreme rainfall prediction in Lagos, Nigeria: Implications for urban flood risk management. Bulletin of Atmospheric Science and Technology, 5, 19. https://doi.org/10.1007/s42865-024-00081-y

Pawar, U. (2025). An identification and mapping of flood susceptible areas in the Wardha Basin using frequency ratio and statistical index models, India. Environmental Science and Pollution Research, 32, 1565-1580. https://doi.org/10.1007/s11356-024-35871-6

Qin, Z., Tian, Y., Wei, Y. (2024). Study on the up-downstream water level correlation and the extreme water levels under flood-tide encounters of the Feiyun River main stream. Environmental Earth Sciences, 83, 250. https://doi.org/10.1007/s12665-024-11552-y

Safari, S., Sadeghian, M.S., Hajikandi, H. (2024). Identifying homogeneous hydrological zones for flood prediction using multivariable statistical methods and machine learning. Applied Water Science, 14, 261. https://doi.org/10.1007/s13201-024-02316-x

Selva Jeba, G., & Chitra, P. (2024). River flood prediction through flow level modeling using multi-attention encoder-decoder-based TCN with filter-wrapper feature selection. Earth Science Informatics, 17, 5233-5249. https://doi.org/10.1007/s12145-024-01446-9

Sharma, D., Das, S., & Goswami, B. N. (2025). Seasonal prediction of Indian summer monsoon extreme rainfall frequency. npj Climate and Atmospheric Science, 8, 141. https://doi.org/10.1038/s41612-025-01032-w

Sundriyal, Y., Kumar, V., Khan, F. (2023). Impact of potential flood on riverbanks in extreme hydro-climatic events, NW Himalaya. Bulletin of Engineering Geology and the Environment, 82, 196. https://doi.org/10.1007/s10064-023-03205-4.

Suryawanshi, R., Maikap, H., Ingale, C., Jadhav, P., Kale, I., & Jain, K. (2025). Machine learning-based geospatial flood prediction: The case of Brahmaputra Basin. In P. K. Shukla, H. Sharma, & R. Mallipeddi (Eds.), World Congress on Smart Computing (pp. 19-34). Springer. https://doi.org/10.1007/978-981-97-9006-7_19

Totaro, V., Gioia, A., Kuczera, G. (2024). Modelling multidecadal variability in flood frequency using the Two-Component Extreme Value distribution. Stochastic Environmental Research and Risk Assessment, 38, 2157-2174. https://doi.org/10.1007/s00477-024-02673-8

Wang, X., Zhao, J., Meng, F. (2025). Research on flood peak prediction in the Three Gorges region based on similarity search with multisource information fusion. Earth Science Informatics, 18, 71. https://doi.org/10.1007/s12145-024-01509-x

Xu, Z., Zheng, H., Zhang, H. (2025). Enhancing monthly streamflow prediction with LSTM-P and ANN-P models using statistical feature-based penalty factors. Water Resources Management. https://doi.org/10.1007/s11269-025-04201-x

Yeboah, F., Ackom, E. K., Yidana, S. M. (2024). Hydrologic modelling for flood threshold and hazard prediction in the Black Volta River Basin, West Africa. Environmental Modeling and Assessment, 29, 375-394. https://doi.org/10.1007/s10666-023-09946-6

Zhao, J., & Marsani, M. F. (2025). Flood level prediction model based on Kolmogorov-Arnold Networks: an improved deep learning approach. Theoretical and Applied Climatology, 156, 247. https://doi.org/10.1007/s00704-025-05470-7.