افشین جهانشاهی - گروه آبخیزداری/دانشکده منابع طبیعی/دانشگاه علوم کشاورزی و منابع طبیعی ساری
کاکا شاهدی - دانشیار /گروه آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری.
کریم سلیمانی - استاد / گروه آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری.
علیرضا مقدم نیا - دانشیار/ گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران.

خصوصیات گسترده هیدرولوژیکی در دسترس (داده های بارش، دما، جریان و مشخصات فیزیوگرافی حوضه ها) می توانند برای استخراج حوضه های مشابه هیدرولوژیکی مورد استفاده قرار گیرند. در این تحقیق از یک الگوریتم خوشه بندی در روش تحلیل خوشه ای به عنوان یک روش جدید و کارامد، برای گروه بندی حوضه های آبخیز به چندین گروه یا خوشه استفاده شد. به منظور درک تشابه هیدرولوژیکی از ۲۸ ویژگی (توصیف گر) موقعیت جغرافیایی، فیزیوگرافی، اقلیمی و کاربری اراضی مربوط به ۱۵ حوضه با خصوصیات ناهمگن واقع در بخش غربی حوضه هامون-جازموریان استفاده شد. در محیط نرم افزار RStudio با استفاده از الگوریتم PCA مولفه ها و ویژگی های اصلی تعیین، سپس تعداد خوشه های بهینه با معیار دیویس-بولدین مشخص و با الگوریتم k-means حوضه ها به کلاس های همگن خوشه بندی گردیدند. نتایج نشان داد که ویژگی های عرض جغرافیایی مرکزثقل، مساحت، طول رودخانه اصلی، ارتفاع ایستگاه آبسنجی، شیب و درصد مساحت مراتع فقیر به عنوان ویژگی های اصلی از بین ۲۸ ویژگی می باشند، همچنین معیار دیویس-بولدین برای تعداد خوشه های برابر با ۳، مقدار ۲/۴۶ بدست آمد که مبین تعداد خوشه ها در الگوریتم k-means می باشد. پس از خوشه بندی حوضه ها مشخص گردید که اکثر حوضه های موجود در خوشه های یکسان از نظر مکانی در مجاورت یکدیگر قرار دارند. نتایج حاصل از این تحقیق ما را قادر به تفسیر رفتار هیدرولوژیکی منطقه مطالعاتی برای اهدافی نظیر تعمیم دهی جریان در حوضه های فاقد آمار این منطقه و تحلیل فراوانی منطقه ای سیلاب می سازد.

خوشه بندی, الگوریتم K-means, الگوریتم PCA. معیار دیویس-بولدین