دوره 13، شماره 26 - ( پاییز و زمستان 1401 1401 )
جلد 13 شماره 26 صفحات 20-10 |
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:
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
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
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
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: (1750 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.
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.
نوع مطالعه: پژوهشي |
موضوع مقاله:
بلايای طبيعی (سيل، خشکسالی و حرکت های توده ای)
دریافت: 1399/9/22 | پذیرش: 1400/2/1
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 پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
