دوره 13، شماره 26 - ( پاییز و زمستان 1401 1401 )                   جلد 13 شماره 26 صفحات 20-10 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Avand M, Moradi H, Ramazanzadeh Lasbuie M. (2022). Vulnerability Assessment of Tajan Watershed in Terms of Flood using BWM Method. J Watershed Manage Res. 13(26), 10-20. doi:10.52547/jwmr.13.26.10
URL: http://jwmr.sanru.ac.ir/article-1-1123-fa.html
آوند محمدتقی، مرادی حمید رضا، رمضان زاده لسبویی مهدی. ارزیابی آسیب پذیری حوزه آبخیز تجن از نظر سیلاب با استفاده از روش BWM پ‍‍ژوهشنامه مديريت حوزه آبخيز 1401; 13 (26) :20-10 10.52547/jwmr.13.26.10

URL: http://jwmr.sanru.ac.ir/article-1-1123-fa.html


1- دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس
2- گروه علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس
3- گروه مدیریت جهانگردی، دانشکده علوم انسانی و اجتماعی، دانشگاه مازندران
چکیده:   (1727 مشاهده)
چکیده مبسوط
مقدمه و هدف: سیلاب یکی از مهمترین بلای طبیعی بوده که بیشترین خسارت را به بخشهای زیرساختی وارد میکند و تا حد زیادی بر فعالیتهای اقتصادی و اجتماعی افراد تاثیر میگذارد. از وقوع این پدیده نمی­ توان جلوگیری کرد ولی با انجام اقداماتی می­ توان اثرات ناشی از آن را تا حدّ زیادی کاهش داد. یکی از روش­ های مدیریتی برای کاهش خسارت ناشی از سیلاب، شناسایی مناطق آسیب­ پذیر می­باشد. هدف از این پژوهش تعیین مناطق آسیب‌پذیر حوزه آبخیز تجن با استفاده از یک رویکرد جدید می‌باشد.
مواد و روش ­ها: از این رو، در این پژوهش با هدف شناسایی مناطق آسیب ­پذیر از سیلاب در چهار بعد اقتصادی، اجتماعی-فرهنگی، ساختاری-فیزیکی و سیاست‌گذاری-نهادی از "روش بهترین بدترین (BWM)" که مبتنی بر برنامه­ ریزی خطی است، برای وزن­ دهی شاخص ­ها استفاده شد.به منظور رتبه ­دهی معیارها، آزمون فریدمن بکار گرفته شد. جامعه آماری تحقیق، روستاهای در معرض خطر سیل در حوزه آبخیز تجن در استان مازندران می­ باشند. برای این کار 208 پرسشنامه به صورت تصادفی توسط ساکنین 40 روستا تکمیل گردید. برای انجام تحقیق حاضر به منظور تجزیه تحلیل پرسشنامه ­ها و اجرای روش BWM به ترتیب از نرم افزار SPSS16 و مدل بهینه ­سازی Lingo18 استفاده شده است.
یافته ­ها: نتایج آزمون آماری فریدمن نشان داد که از نظر پاسخگویان تفاوت معناداری (Sig = 0.00) بین معیارهای مورد بررسی در این پژوهش وجود دارد و معیار اقتصادی با رتبه 2/85 دارای بالاترین اهمیت نسبت به سه معیار دیگر می­ باشد. همچنین نتایج وزن­ دهی شاخص ­ها با استفاده از روش BWM که مبتنی بر ارجحیت بهترین و بدترین می­باشند نیز نشان داد که در بعد اقتصادی شاخص وابستگی به درآمد کشاورزی (0/284)، در بعد ساختاری-فیزیکی شاخص وجود راه ­های ارتباطی (جاده و پل) مناسب (0/243)، در بعد سیاست­ گذاری نیز شاخص تخریب منابع طبیعی (0/379) و در بعد اجتماعی-فرهنگی شاخص دسترسی به مراکز بهداشتی و درمانی (0/391) دارای بالاترین وزن بوده و از لحاظ پاسخگویان تاثیر زیادی در آسیب­ پذیری ساکنین به سیلاب دارد. همچنین، در این پژوهش مقدار شاخص ناسازگاری نیز کمتر از 0/1 بوده است که نشان دهنده دقت خوب مدل BWM در وزن­دهی شاخص­ های آسیب­ پذیری می­ باشد.
نتیجه‌گیری: به منظور کاهش هزینه‌ها و نیز کاهش پیچیدگی ناشی از تعداد زیاد معیار و زیرمعیار موثر بر آسیب‌پذیری یک منطقه به سیلاب استفاده از روش‌های تصمیم‌گیری چند معیاره جدید مبتنی بر برنامه‌ریزی خطی تاکید می‌شود.

 
متن کامل [PDF 2576 kb]   (799 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: بلايای طبيعی (سيل، خشکسالی و حرکت های توده ای)
دریافت: 1399/9/22 | پذیرش: 1400/2/1

فهرست منابع
1. Abdi, K., S. Kamyabi and M.R. Zand Moghadam. 2019. Integrated assessment of vulnerability, resilience and spatial risk to floods in Sari. Natural Geography Research, 51(3): 431-445 (In Persian).
2. Adger, W.N. 2006. Vulnerability. Global environmental change, 16(3): 268-281. [DOI:10.1016/j.gloenvcha.2006.02.006]
3. Avand, M. and H. Moradi. 2020. Using machine learning models, remote sensing, and GIS to investigate the effects of changing climates and land uses on flood probability. Journal of Hydrology, 125663. [DOI:10.1016/j.jhydrol.2020.125663]
4. Avand, M., H.R. Moradi and M. Ramezanzadeh. 2020a. Preparation of flood sensitivity map using two random forest machine learning models and Bayesian generalized linear model. Environment and Water Engineering, 6(1): 83-95 (In Persian)
5. Avand, M., H.R. Moradi and M. Ramezanzadeh. 2020b. The Effect of different Scenarios of Land Use Change on 2040 in Tajan Watershed. Watershed management research. 10.22092/WMEJ.2020.341479.1303. In Press (In Persian).
6. Badri, S.A., A. Asgary, A.R. Eftekhari and J. Levy. 2006. Post-disaster Resettlement, Development and Change: A case study of the 1390 Manjil earthquake in Iran, Disasters, 30(4): 451-468 (In Persian). [DOI:10.1111/j.0361-3666.2006.00332.x]
7. Balica, S.F., N. Douben and N.G. Wright. 2009. Flood vulnerability indices at varying spatial scales. Water Science and Technology, 60(10): 2571-2580. [DOI:10.2166/wst.2009.183]
8. Bouzarjomehri, K., T. Sadeghloo and M. Khajeh. 2018. The role of indigenous knowledge of villagers in reducing the vulnerability of rural settlements to natural hazards (Case study: Central part of Jiroft city). Geographical Engineering of the Land, 2(3): 17-32 (In Persian).
9. Brito, M.M., A. Almoradie and M. Evers. 2019. Spatially-explicit sensitivity and uncertainty analysis in a MCDA-based flood vulnerability model. International Journal of Geographical Information Science, 33(9): 1788-1806. [DOI:10.1080/13658816.2019.1599125]
10. Costache, R., Q.B. Pham, M. Avand, N.T.T. Linh, M. Vojtek, J. Vojteková and T.D. Dung. 2020. Novel hybrid models between bivariate statistics, artificial neural networks and boosting algorithms for flood susceptibility assessment. Journal of Environmental Management, 265: 110485. [DOI:10.1016/j.jenvman.2020.110485]
11. Cutter, S.L. and S. Derakhshan. 2020. Temporal and spatial change in disaster resilience in US counties, 2010-2015. Environmental Hazards, 19(1): 10-29. [DOI:10.1080/17477891.2018.1511405]
12. Cutter, S.L., C.G. Burton and C.T. Emrich. 2010. Disaster resilience indicators for benchmarking baseline conditions. Journal of homeland security and emergency management, 7(1). [DOI:10.2202/1547-7355.1732]
13. Cutter, S.L., K.D. Ash and C.T. Emrich. 2014. The geographies of community disaster resilience. Global Environmental Change, 29: 65-77. [DOI:10.1016/j.gloenvcha.2014.08.005]
14. Cutter, S.L., L. Barnes, M. Berry, C. Burton, V. Evans, E. Tate and J. Webb. 2008. A place-based model for understanding community resilience to natural disasters. Global Environmental Change, 18(4): 598-606. [DOI:10.1016/j.gloenvcha.2008.07.013]
15. Dorostkargolkhili, H., Y. Yousefi, M. RamezanzadehLasboyee and H. Roradeh. 2017. Assessing the Resilience of the Rural Settlements against the Risk of Flooding in the Villages of the Nekarud Basin. Jsaeh, 2(4): 15-30 (In Persian). [DOI:10.18869/acadpub.jsaeh.2.4.15]
16. GhahroudiTali, M., A. Majidi Heravi and E. Abdoli. 2016. Vulnerability due to urban floods (Case study: Tehran,Darkeh to Kan), Geography and Environmental Hazards, 5(17): 21-35 (In Persian).
17. Hamidi, A.R., J. Wang, S. Guo and Z. Zeng. 2020. Flood vulnerability assessment using MOVE framework: a case study of the northern part of district Peshawar, Pakistan. Natural Hazards, 1-24. [DOI:10.1007/s11069-020-03878-0]
18. HassanzadehNafouti, M. and H. KhajehBafghi. 2015. Flood risk zoning using multi-criteria decision-making system (Case study: ShaturBafgh watershed). Watershed Management Research Journal, 7(14): 37-29 (In Persian). [DOI:10.29252/jwmr.7.14.37]
19. Khajehei, S., A. Ahmadalipour, W. Shao and H. Moradkhani. 2020. A place-based Assessment of flash flood Hazard and Vulnerability in the contiguous United States. Scientific Reports, 10(1): 1-12 (In Persian). [DOI:10.1038/s41598-019-57349-z]
20. Komolafe, A.A., B.S. Awe, I.E. Olorunfemi and P.G. Oguntunde. 2020. Modelling flood-prone area and vulnerability using integration of multi-criteria analysis and HAND model in the Ogun River Basin, Nigeria. Hydrological Sciences Journal, (Just-accepted). [DOI:10.1080/02626667.2020.1764960]
21. Mohammadi Ostad Kalayeh, A., S.H. Matiei Langroudi, M.R. Rezvani and M. GhadiriMasoom. 2015. Explaining the Impact of Resettlement Patterns on Sustainable Rural Development (Case Study: Flooded Villages in East Golestan Province). Journal of Rural Research, 9(1): 136-117 (In Persian).
22. Mohanty, M.P., H. Vittal, V. Yadav, S. Ghosh, G.S. Rao and S. Karmakar. 2020. A new bivariate risk classifier for flood management considering hazard and socio-economic dimensions. Journal of Environmental Management, 255: 109733. [DOI:10.1016/j.jenvman.2019.109733]
23. Nasiri, H., M.J.M. Yusof, T.A.M. Ali and M.K.B. Hussein. 2019. District flood vulnerability index: Urban decision-making tool. International Journal of Environmental Science and Technology, 16(5): 2249-2258. [DOI:10.1007/s13762-018-1797-5]
24. Niasti, M. and S.A.H. Garkani. 2017. Assessing the vulnerability of settlements in rural areas a comparative study of Faraghi city and flooded villages in the east of Golestan province. Spatial Analysis of Environmental Hazards; 5(1): 67-82 (In Persian). [DOI:10.29252/jsaeh.5.1.67]
25. Rafieian, M., M.R., A. Rezaei, A. Parhizkar, A. Siavash and Sh. Siavash. 2011. Explaining the concept of resilience and its indexing in community-based accident management (CBDM), Quarterly Journal of Teacher of Humanities, 74: 41-19.
26. Rahadiati, A., Y. Prihanto, E. Suryanegara, A.W. Rudiastuti and I. Nahib. 2019. Assessment of socioeconomic vulnerability of coastal community in management of floods in Mataram. In IOP Conference Series: Earth and Environmental Science (Vol. 399, No. 1, p. 012098). IOP Publishing. [DOI:10.1088/1755-1315/399/1/012098]
27. Rajabi, M., M.A. Hejazi, Sh. Rustaei and N. Aali. 2018. Vulnerability zoning of natural and geomorphological hazards of rural settlements in Saqez city (Case study of floods and earthquakes). Quantitative Geomorphological Research, 7(2): 183-195 (In Persian).
28. Rezaei, J., T. Nispeling and T. Joseph Sarkis. 2016. A supplier selection life cycle approach integrating traditional and environmental criteria using the best worst method, Journal of Cleaner Production. 135.577e588. [DOI:10.1016/j.jclepro.2016.06.125]
29. Rezaei, J. 2016. Best Worst Multi-Criteria Decision-making Method: Some properties and a liner model, Omega64:126. [DOI:10.1016/j.omega.2015.12.001]
30. Rokanuddin, E., A.R. Portaheri, M.T. Sadeghloo and H. SajasiQeydari. 2018. Analysis of effective factors in participatory flood management in rural areas: A case study of flooded villages in Gorganrood basin of Golestan province, Rural Research, first year, No. 2 (In Persian).
31. Rostami Khalaj, M., O. Rahmati, M. Rashid poor and H. Salmani. 2020. Urban Inundation Hazard Potential using Evidential Belief Function model (EBF) (Case study: Emam Ali town, Mashhad city). Watershed Management Research Journal, 11(22): 1-10 (In Persian).
32. Sadeghi, H., J. Seif, E. Seidaei and M. Salehi Kakhki. 2015. Investigating and prioritizing the vulnerability of rural settlements in Khuzestan province against natural hazards. Geography and Environmental Sustainability, 5(4): 107-87 (In Persian).
33. Saffari A., F. Sasanpour and J. Musa Vand. 2011. Assessing the vulnerability of urban areas to flood risk using GIS and fuzzy logic Case study: District 3 of Tehran. Journal of Applied Research in Geographical Sciences. 11 (20): 129-150 (In Persian).

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به (پژوهشنامه مدیریت حوزه آبخیز (علمی-پژوهشی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Watershed Management Research

Designed & Developed by : Yektaweb