دوره 14، شماره 27 - ( بهار و تابستان 1402 )
جلد 14 شماره 27 صفحات 14-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Jodi R, Esmali Ouri A, Mostafazadeh R, Golshan M. (2023). Flood Susceptibility Mapping using the Frequency Ratio Method in Khiav Chai Watershed, Ardabil. jwmr. 14(27), 1-14. doi:10.61186/jwmr.14.27.1
URL: http://jwmr.sanru.ac.ir/article-1-1117-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1117-fa.html
جودی رضا، اسمعلی عوری اباذر، مصطفی زاده رئوف، گلشن محمد. تعیین نقشه حساسیت به سیل با استفاده از مدل نسبت فراوانی احتمالاتی در حوزه آبخیز خیاوچای، اردبیل پژوهشنامه مديريت حوزه آبخيز 1402; 14 (27) :14-1 10.61186/jwmr.14.27.1
دانشکده کشاورزی و منابع طبیعی و عضو پژوهشکده مدیریت آب، دانشگاه محقق اردبیلی
چکیده: (1115 مشاهده)
چکیده مبسوط
مقدمه و هدف: شدت و فراوانی وقوع سیل ﺑﻪ ﻋﻮاﻣلی هم‌چون مشخصات ﻓﻴﺰﻳﻜﻲ حوزه آبخیز شامل ﺷﻜﻞ منطقه، ﺷﻴﺐ، شبکه آﺑﺮاﻫﻪای و ﻧﺎﻫﻤﻮاری زﻣﻴﻦ وابسته است. علاوه بر این، وﻳﮋﮔﻲﻫﺎی ﻫﻴﺪروﻟﻮژﻳﻜﻲ ﻣﺎﻧﻨﺪ: ﺑﺎرش، ذﺧﻴﺮه و ﺗﻠﻔﺎت ﺑﺮﮔﺎﺑﻲ و ﭼﺎﻻﺑﻲ، ﻧﻔﻮذﭘﺬﻳﺮی و اﻗﺪاﻣﺎت انسانی، در ﺑﺮوز و ﺗﺸﺪﻳﺪ ﺳﻴﻼب ﻳﺎ ﻛﺎﻫﺶ ﺧﺴﺎرتﻫﺎی ﻧﺎﺷﻲ از آن دﺧﺎﻟﺖ دارﻧﺪ. تعیین مناطق سیل‌‌خیز و آسیب‌پذیر در برابر سیلاب از پیش‌نیازهای برنامه‌ریزی مدیریت سیل و خسارت‌های ناشی از آن است.
مواد و روش‌ها: این پژوهش جهت ارزیابی حساسیت به سیل مناطق مختلف حوزه آبخیز خیاوچای واقع در غرب استان اردبیل با وسعت 12680 هکتار با استفاده از روش نسبت فراوانی انجام شد. به‌منظور ارزیابی حساسیت به سیل و اولویت‌بندی زیرحوزه‌ها از پارامترهای طبقات ارتفاعی، شیب، انحنای زمین، شاخص رطوبت توپوگرافی، فاصله از رودخانه، جهت، تراکم زهکشی، گروه هیدرولوژیکی خاک، زمین‌شناسی و کاربری اراضی استفاده شد. نقشه‌های رقومی کلیه پارامترها با استفاده از نرم‌افزارهای مربوطه با فرمت رستری تهیه شدند. سپس با توجه به سیلاب‌های قبلی رخ داده در منطقه مطالعاتی موقعیت جغرافیایی 107 نقطه سیل‌گیر در منطقه تعیین شد. این مجموعه نقاط به‌صورت تصادفی به گروه‌هایی متشکل از 74 نقطه (70 درصد) برای واسنجی و 33 نقطه (30 درصد) برای اعتبارسنجی تقسیم شدند. سپس با تجزیه و تحلیل‌های مقایسه‌ای بین موقعیت رخداد سیلاب‌های قبلی و پارامترهای محیطی مؤثر بر وقوع سیلاب‌‌ها وزن تأثیر هر کلاس از پارامترها به دست آمد. در نهایت نقشه احتمال سیل منطقه مورد مطالعه به دست آمد.
یافته‌ها: بر اساس نقشه پتانسیل سیل‌گیری، حساسیت به سیل حوزه آبخیز خیاوچای به‌صورت پنج طبقه با حساسیت خیلی زیاد، زیاد، متوسط، کم و خیلی کم نشان داده شد. نتایج نشان داد زیرحوضه‌های واقع در مجاورت خروجی حوزه بیش‌ترین حساسیت به سیل را دارد. به‌عبارتی سیل‌خیزی زیرحوزه‌های واقع در پایین‌دست آبخیز خیاوچای به‌دلیل تجمع رواناب و نیز حساسیت بالای ناشی از تاثیر سایر متغیرهای شیب و کاربری زراعی دیم است.
نتیجه‌گیری: حفظ حریم رودخانه و انجام عملیات مختلف آبخیزداری به‌منظور هدایت جریان در این مناطق می‌تواند خسارت‌های احتمالی ناشی از وقوع سیل را کاهش دهد. نقشه حساسیت به سیل ارائه شده می‌تواند مبنای اولویت‌بندی مناطق سیل‌خیر و نیز اقدامات کنترلی در راستای مدیریت سیلاب است. لذا، انجام اقدامات آبخیزداری جهت کنترل سیل در این منطقه از اهمیت بیش‌تری برخوردار است.
مقدمه و هدف: شدت و فراوانی وقوع سیل ﺑﻪ ﻋﻮاﻣلی هم‌چون مشخصات ﻓﻴﺰﻳﻜﻲ حوزه آبخیز شامل ﺷﻜﻞ منطقه، ﺷﻴﺐ، شبکه آﺑﺮاﻫﻪای و ﻧﺎﻫﻤﻮاری زﻣﻴﻦ وابسته است. علاوه بر این، وﻳﮋﮔﻲﻫﺎی ﻫﻴﺪروﻟﻮژﻳﻜﻲ ﻣﺎﻧﻨﺪ: ﺑﺎرش، ذﺧﻴﺮه و ﺗﻠﻔﺎت ﺑﺮﮔﺎﺑﻲ و ﭼﺎﻻﺑﻲ، ﻧﻔﻮذﭘﺬﻳﺮی و اﻗﺪاﻣﺎت انسانی، در ﺑﺮوز و ﺗﺸﺪﻳﺪ ﺳﻴﻼب ﻳﺎ ﻛﺎﻫﺶ ﺧﺴﺎرتﻫﺎی ﻧﺎﺷﻲ از آن دﺧﺎﻟﺖ دارﻧﺪ. تعیین مناطق سیل‌‌خیز و آسیب‌پذیر در برابر سیلاب از پیش‌نیازهای برنامه‌ریزی مدیریت سیل و خسارت‌های ناشی از آن است.
مواد و روش‌ها: این پژوهش جهت ارزیابی حساسیت به سیل مناطق مختلف حوزه آبخیز خیاوچای واقع در غرب استان اردبیل با وسعت 12680 هکتار با استفاده از روش نسبت فراوانی انجام شد. به‌منظور ارزیابی حساسیت به سیل و اولویت‌بندی زیرحوزه‌ها از پارامترهای طبقات ارتفاعی، شیب، انحنای زمین، شاخص رطوبت توپوگرافی، فاصله از رودخانه، جهت، تراکم زهکشی، گروه هیدرولوژیکی خاک، زمین‌شناسی و کاربری اراضی استفاده شد. نقشه‌های رقومی کلیه پارامترها با استفاده از نرم‌افزارهای مربوطه با فرمت رستری تهیه شدند. سپس با توجه به سیلاب‌های قبلی رخ داده در منطقه مطالعاتی موقعیت جغرافیایی 107 نقطه سیل‌گیر در منطقه تعیین شد. این مجموعه نقاط به‌صورت تصادفی به گروه‌هایی متشکل از 74 نقطه (70 درصد) برای واسنجی و 33 نقطه (30 درصد) برای اعتبارسنجی تقسیم شدند. سپس با تجزیه و تحلیل‌های مقایسه‌ای بین موقعیت رخداد سیلاب‌های قبلی و پارامترهای محیطی مؤثر بر وقوع سیلاب‌‌ها وزن تأثیر هر کلاس از پارامترها به دست آمد. در نهایت نقشه احتمال سیل منطقه مورد مطالعه به دست آمد.
یافته‌ها: بر اساس نقشه پتانسیل سیل‌گیری، حساسیت به سیل حوزه آبخیز خیاوچای به‌صورت پنج طبقه با حساسیت خیلی زیاد، زیاد، متوسط، کم و خیلی کم نشان داده شد. نتایج نشان داد زیرحوضه‌های واقع در مجاورت خروجی حوزه بیش‌ترین حساسیت به سیل را دارد. به‌عبارتی سیل‌خیزی زیرحوزه‌های واقع در پایین‌دست آبخیز خیاوچای به‌دلیل تجمع رواناب و نیز حساسیت بالای ناشی از تاثیر سایر متغیرهای شیب و کاربری زراعی دیم است.
نتیجه‌گیری: حفظ حریم رودخانه و انجام عملیات مختلف آبخیزداری به‌منظور هدایت جریان در این مناطق می‌تواند خسارت‌های احتمالی ناشی از وقوع سیل را کاهش دهد. نقشه حساسیت به سیل ارائه شده می‌تواند مبنای اولویت‌بندی مناطق سیل‌خیر و نیز اقدامات کنترلی در راستای مدیریت سیلاب است. لذا، انجام اقدامات آبخیزداری جهت کنترل سیل در این منطقه از اهمیت بیش‌تری برخوردار است.
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1399/8/13 | ویرایش نهایی: 1402/5/17 | پذیرش: 1401/3/16 | انتشار: 1402/5/16
دریافت: 1399/8/13 | ویرایش نهایی: 1402/5/17 | پذیرش: 1401/3/16 | انتشار: 1402/5/16
فهرست منابع
1. Abdi, P. 2005. Analysis the flooding potential in Zanjan roud with SCS method and Geographical information system. Watering and Drainage National committee. Technical workshop coexists with floods (In Persian).
2. Arabameri, A., A. Seyed Danesh, M. Santosh, A. Cerda, S.Ch. Pal, O. Ghorbanzadeh, P. Roy and I. Chowdhuri. 2022. Flood susceptibility mapping using meta-heuristic algorithms, Geomatics, Natural Hazards and Risk, 13:1, 949-974, DOI: 10.1080/19475705.2022.2060138 [DOI:10.1080/19475705.2022.2060138]
3. Ayu, A. 2016. Prevalence of Post-Traumatic stress disorder and substance abuse among victims of Flood disaster in Markurdi Local government area, Benue State Ph.D. Dissertation.
4. Center for Research on the Epidemiology of Disaster 2005. The OF DA/CRED International Disaster Data Base. Brussels, Belguim: School of Public Health, University Catholique de Louvain. http:/www.emdat.net/.
5. Choubin, B., E. Moradi, M. Golshan, J. Adamowski, F. Sajedi-Hosseini and A. Mosavi. 2019. An ensemble prediction of flood susceptibility using multivariate discriminant analysis, classification and regression trees, and support vector machines. Science of the Total Environment, 651: 2087-2096. [DOI:10.1016/j.scitotenv.2018.10.064]
6. Darabi, H., K. Shahedi and M. Mardian. 2016. Flood susceptibility and probability mapping using frequency ratio method in Pol-Doab Shazand Watershed. Journal of Management and Engineering Watershed, 8(1): 68-79 (In Persian).
7. Das, S. and A. Gupta. 2021. Multi-criteria decision based geospatial mapping of flood susceptibility and temporal hydro-geomorphic changes in the Subarnarekha basin, India. Geoscience Frontiers, 12(5): 101206.
https://doi.org/10.1016/j.gsf.2021.101206 [DOI:10.1016/j.gsf.2021.101206.]
8. Esfandiary Darabad F, S, Layeghi S, R, Mostafazadeh and Kh. Haji. 2021. The zoning of flood risk potential in the Ghotorchay watershed with ANP and WLC multi-criteria decision making methods. Journal of Spatial Analysis of Environmental Hazards, 8(2):135-150 (In Persian).
9. Esfandyari Darabad, F. and Z. Samadi. 2015. Investigation and analysis of floods in Khiav Chai river basin. Iranian Conference on Geographical Sciences, Ardabil University, 5 pp (In Persian).
10. Esmali, A. and Kh. Abdollahi. 2011. Soil conservation and watershed management. University of Mohaghegh Ardabili Press, 575 pp (In Persian).
11. Fernandez, D.S. and M.A. Lutz. 2010. Urban flood hazard zoning in Tucumán Province, Argentina, Using GIS and Multicriteria Decision Analysis. Research Engineering Geology, 111(1-4): 90-98. [DOI:10.1016/j.enggeo.2009.12.006]
12. Golshan, M. 2018. The comparison of runoff and sediment in the point and regional scales using of watershed hydro-geomorphologic characteristics. Ph.D. Dissertation, Sari Agricultural Sciences and Natural Resources University, 130 pp (In Persian).
13. Golshan, M., A. Esmaliouri and Kh. Khosravi. 2017. Flood susceptibility using frequency ratio model in Talar watershed. Journal of Natural Environmental Hazards, 7(15): 1-16 (In Persian).
14. Greenwood, A.J.B., G. Schoups, E.D. Campbell and N.J.L. Patrick. 2014. Bayesian scrutiny of simple rainfall-runoff models used in forest water management. Journal of Hydrology, 512: 344-365. [DOI:10.1016/j.jhydrol.2014.01.074]
15. International Federation of Red Cross and Red Crescent Societies 2002. World disaster report (2012) Available: www.ifrc.org/ publicat/wdr2002/Chapter8. Asp. Accessed, 2006 Mar 13.
16. Kavian, A., M. Golshan and Z. Abdollahi. 2017. Flow discharge simulation based on land use change predictions. Environmental Earth Sciences, 76(16): 588-604 (In Persian). [DOI:10.1007/s12665-017-6906-0]
17. Khosroshahi, M. and B. Saghafian. 2008. Spatial prioritization of flood-prone areas is a solution for flood control and watershed management operations in watersheds. Agricultural Sciences and Natural Resources, 2(12): 128-138 (In Persian).
18. Lee, M.J., J.E. Kang and S. Jeon. 2012. Application of frequency ratio model and validation for predictive flooded area susceptibility mapping using GIS. In Geoscience and Remote Sensing Symposium (IGARSS), 2012 IEEE International (pp. 895-898). IEEE. [DOI:10.1109/IGARSS.2012.6351414]
19. Management and Planning Organization. 2001. Office of Technical Affairs and Standards Development, River Flood Control Guide (Structural Methods), 242 p (In Persian).
20. Manandhar, B. 2010. Flood plain analysis and risk assessment of Lothar Khola, MSc Thesis, Tribhuvan University, Institute of Forestry, Pokhara.
21. Morelli, S., A. Battistini and C. Filippo. 2014. Rapid assessment of fl ood susceptibility in urbanized rivers using digital terrain data: Application to the Arno river case study (Firenze, northern Italy). Applied Geography, 54: 35-53. [DOI:10.1016/j.apgeog.2014.06.032]
22. Mostafazadeh, R., A, Sadoddin, A, Bahremand, V.B. Sheikh and A. ZareGarizi. 2017. Scenario analysis of flood control structures using a multi-criteria decision making technique in Northeast Iran. Natural Hazards, 87(3): 1827-1846. DOI: 10.1007/s11069-017-2851-1 [DOI:10.1007/s11069-017-2851-1]
23. Mostafazadeh, R. and S. Mehri. 2016. Trends in Variability of Flood Coefficient in River Gauge Stations of Ardabil Province, Iran. Journal of Watershed Management Research, 9(17): 1-13 (In Persian). [DOI:10.29252/jwmr.9.17.82]
24. Nazaripouya, H. 2019. Evaluation of factor analysis method in prioritizing flood in northern Sub-basins of Alvand Hamedan. Journal of Watershed Management Research, 10(20): 49-61(In Persian). [DOI:10.29252/jwmr.10.20.49]
25. Opolot, E. 2013. Application of remote sensing and geographical information systems in flood management, SAET, 6(10): 1884-1984. [DOI:10.19026/rjaset.6.3920]
26. Pallard, B., A. Castellarin and A. Montanari. 2009. A look at the links between drainage density and flood statistics, Hydrology and Earth System Sciences, 13(1): 1019-1029. [DOI:10.5194/hess-13-1019-2009]
27. Pandey, M., A. Arora, A. Arabameri, R. Costache, N. Kumar, V.N. Mishra, H. Nguyen, J. Mishra, M.A. Siddiqui, Y. Ray, S. Soni and U.K. Shukla. 2021. Flood Susceptibility Modeling in a Subtropical Humid Low-Relief Alluvial Plain Environment: Application of Novel Ensemble Machine Learning Approach. Frontiers in Earth Science, 9: DOI: 10.3389/feart.2021.659296 [DOI:10.3389/feart.2021.659296]
28. Pham, B.T., A. Jaafari, T.V. Phong, H.P.H. Yen, T.T. Tuyen, V.V. Luong, H.D. Nguyen, H.V. Le, and L.K. Foong. 2021. Improved flood susceptibility mapping using a best first decision tree integrated with ensemble learning techniques, Geoscience Frontiers, 12(3): 101105. [DOI:10.1016/j.gsf.2020.11.003]
29. Pourghasemi, H.R., H.R. Moradi, M.S. Fatemi Aghdas, C. Gokceoglu and B. Pradhan. 2012. GIS-based landslide susceptibility mapping with probabilistic likelihood ratio and spatial multi-criteria evaluation models (North of Tehran, Iran). Arabian Journal of Geosciences, 7: 1857-1878. [DOI:10.1007/s12517-012-0825-x]
30. Pradhan, B., U. Hagemann, M.Sh. Tehrany and P. Nikolas. 2014. An easy to use ArcMap based texture analysis program for extraction of flooded areas from TerraSAR-X satellite image, Computers and Geosciences, 63: 34-43. [DOI:10.1016/j.cageo.2013.10.011]
31. Razavi, A. 2007. Principle of Water Resources Privacy. First Edition. University of Water and Power Industry Publications. Tehran (In Persian).
32. Rezaei Moghaddam M.H., M.R. Rajabi, R. Daneshfarza and M. Keirizadeh. 2015. Zonation and investigating the morphological effects of flooding on Zarrineh-Roud River (From Sariqamish to Noruzlu Dam). Geography and Environmental Hazards, 17: 1-20 (In Persian).
33. Roughani, M., M. Ghafouri and M. Tabatabaei. 2007. An innovative methodology for the prioritization of sub-catchments for flood control. Journal of Applied Earth Observation and Geoinformation, 9: 79-87 (In Persian). [DOI:10.1016/j.jag.2006.06.001]
34. Saghafian, B., H. Farazjoo, A. Sepehry and A. Najafinejad. 2006. Effects of land use change on floods in Golestan Dam drainage basin. Iran Water Resources Research, 2(1): 18-28 (In Persian).
35. Shafapour Tehrany, M., B. Pradhan and J. Mustafa-Neamah. 2014. Flood susceptibility mapping using novel ensemble weights of evidence and support vector machine models in GIS. Journal of Hydrology, 512: 332-343. [DOI:10.1016/j.jhydrol.2014.03.008]
36. Shafapour Tehrany, M., B. Pradhan, M. Shattri and A. Noordin. 2015, Flood susceptibility assessment using GIS-based support vector machine model with different kernel types Catena, 125: 91-101. [DOI:10.1016/j.catena.2014.10.017]
37. Shafapour Tehrany, M., L. Kumar, M.N. Jebur and F. Shabani. 2019. Evaluating the application of the statistical index method in flood susceptibility mapping and its comparison with frequency ratio and logistic regression methods, Geomatics, Natural Hazards and Risk, 10:1, 79-101, DOI: 10.1080/19475705.2018.1506509 [DOI:10.1080/19475705.2018.1506509]
38. Wang, Y., Z. Fang, H. Hong, R. Costache and X. Tang. 2021. Flood susceptibility mapping by integrating frequency ratio and index of entropy with multilayer perceptron and classification and regression tree. Journal of Environmental Management, 298: 112449.
https://doi.org/10.1016/j.jenvman.2021.112449 [DOI:10.1016/j.jenvman.2021.112449.]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
