ظرفیت‌سنجی میزان خطرپذیری سکونتگاه‌های حوضۀ آبریز تهلابِ سیستان و بلوچستان از سیلاب‌های اتفاقی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار گروه شهرسازی-دانشگاه بجنورد-بجنورد

2 کارشناس‌ارشد مخاطرات طبیعی-دانشگاه سیستان و بلوچستان- سیستان و بلوچستان

3 دانشجوی کارشناسی ارشد برنامه‌ریزی منطقه‌ای-دانشگاه شهیدبهشتی-تهران

چکیده

سیل یکی از پدیده­های مخرب طبیعی است که فعالیت­های انسانی و سکونتگاه­های بشری را به­­شدت تحت تأثیر قرارداده است. پژوهش حاضر با هدفِ شناسایی سکونتگاه­های مستعد خطرپذیری سیلاب-های اتفاقی حوضۀ آبریزِ خشکِ تهلاب در استان سیستان و بلوچستان انجام گرفته است. روش تحقیق توصیفی-تحلیل و از نظر هدف، کاربردی است. داده­ها با استفاده از 12 شاخص ظرفیت­سنجی میزان خطرپذیری سکونتگاه­ها شامل: جاده، آبادی، خاک، شیب، ارتفاع، بارش، پوشش گیاهی، زمین‌شناسی، کاربری اراضی، آبراهه اصلی، آبراهه فرعی و تراکم زهکشی حوضه جمع­آوری گردیدند. در ادامه با استفاده از نظر کارشناسان خبره اصلاح و در 3 مرحله مورد تحلیل قرار گرفتند. ابتدا میزان اهمیت داده­ها با استفاده از روش ANP، در محیط نرم‌افزار  Super Decision v2از عدد 1 تا 9 ارزش­گذاری شد. در گام دوم در محیط Arc GIS 10.7 و بر اساس میزان اهمیت، هر لایه به 4 طبقه پرخطر، کم­خطر، خطر متوسط و بدون خطر طبقه­بندی شد. درگام سوم، با استفاده از ابزار همپوشانی وزنی، نقشۀ پهنه­بندی خطر سیلاب حوضۀ آبریز تهلاب تهیه گردید. نتایج نشان داد که از میان 12 لایۀ­ فوق، آبراهۀ ­اصلی، شیب، کاربری اراضی و بارش بیشترین نقش را در تعیین پتانسیل خطر سیل­خیزی محدوده تحقیق دارند. بر اساس یافته­های پژوهش در مناطق خطرپذیر، 24 سکونتگاه از مجموع 68 سکونتگاه، در محدوده پتانسیل خطر زیاد تا خطر بسیار زیاد سیلاب واقع گردیده­اند؛ به­کارگیری روش­های سازه­ای (برنامۀ تأمین زمان ماند آب) و غیرسازه­ای (سیستم­ اعلام هشدار برمبنای مدل­های پیش­بینی سیلاب) به‌منظور کاهش خطر سیلاب در این سکونتگاه­ها امری ضروری است.

چکیده تصویری

ظرفیت‌سنجی میزان خطرپذیری سکونتگاه‌های حوضۀ آبریز تهلابِ سیستان و بلوچستان از سیلاب‌های اتفاقی

کلیدواژه‌ها


جانانه، کریستینه؛ 1392. پهنه بندی پتانسیل سیل خیزی در حوضه آبریز کبوتر علی چای با استفاده از مدلSGS. پایان نامه کارشناسی ارشد. رشتۀ جغرافیای طبیعی. دانشکده جغرافیا. دانشگاه تبریز. گرایش ژئومورفولوژی در برنامه ریزی محیطی.
حسن­زاده نفوتی، محمد؛ خواجه بافقی، حبیب ا...؛ 1395. پهنه­بندی خطر سیلاب با استفاده از سیستم  تصمیم­گیری چندمعیاره (مطالعه موردی: حوزه آبخیز شیطور بافق). پژوهشنامه مدیریت حوزه آبخیز. سال هفتم. شماره 14. 37-29.                                                                            https://doi.org/10.29252/jwmr.7.14.37
حسن­نژاد خیارک، ملاحت؛ 1396. بررسی پتانسیل سیل­خیزی حوضۀ شهری اردبیل با استفاده از مدل الکتره. پایان­نامه کارشناسی­ارشد رشتۀ مخاطرات محیطی. دانشکدۀ علوم انسانی و علوم اجتماعی. دانشگاه مازندارن. 1-92.
خسروشاهی، محمد؛ ابطحی، مرتضی؛ کاشکی، محمدتقی؛ لطفی­نسب، سکینه؛ درگاهیان، فاطمه؛ ابراهیمی­خوسفی، زهره؛ 1396. تعیین قلمرو بیابان­های ایران از جنبه عوامل محیط طبیعی. نشریۀ علمی تحقیقات مرتع و بیابان ایران. دوره 24. شماره 2. 417-404.                                           https://doi.org/10.22092/ijrdr.2017.111904
سازمان آب منطقه­ای استان سیستان و بلوچستان. 1400.
سازمان هواشناسی استان سیستان­ و بلوچستان. 1400.
شعبانلو، سعید؛ صدقی، حسین؛ ثقفیان، بهرام؛ 1387. پهنه­بندی سیلاب در شبکه رودخانه­های استان گلستان با استفاده از GIS. مجلۀ پژوهش آب ایران. سال دوم. شماره 3. 22-11.           http://iwrj.sku.ac.ir/article_10784.html
قلی­زاده، آیلا؛ قنواتی، عزت­الله؛ افشارمنش، حمیده؛ امان­اله­پور، حجت؛ 1396. کارایی مدل فازی در پتانسیل سیل­خیزی حوضه زنگمار. فضای جغرافیایی. سال هفدهم. شماره 60. 245-227.
مصطفی زاده، رئوف؛ صفریان زنگیر، وحید؛ حاجی، خدیجه؛ 1397. تحلیل الگو و شرایط وقوع بارش­های منجر به سیل در سال­های 1383 تا 1393 در شهرستان گرمی استان اردبیل. مجله مخاطرات محیط طبیعی. دوره7. شماره15. صص89-106.                                                                  https://doi.org/10.22111/jneh.2017.3205
مقصودی، مهران؛ جوان، حسین؛ رحیمی، مجتبی؛ عظیمی­راد، صمد؛ 1392. تعیین مناطق مستعد سیل با استفاده از پتانسیل­سنجی عوامل مؤثر (مطالعه موردی: رود شاهرود). پژوهش­های ژئومورفولوژی کمّی. سال دوم. شماره 2. 186-175.                                        http://www.geomorphologyjournal.ir/article_77915.html
ملازهی، اسدالله؛ پودینه، محمدرضا؛ خسروی، محمود؛ آرمش، محسن؛ دهواری، علی­اصغر؛ 1399. پتانسیل­سنجی خطر سیلاب در حوضه آبریز سرباز. نشریه تحقیقات کاربردی علوم جغرافیایی. شماره 58. 260-242.
میرزایی، شهناز؛ اسمعلی، اباذر؛ مصطفی زاده، رئوف؛ قربانی، اردوان؛ میرزایی، سجاد؛ 1397. شبیه سازی هیدروگراف سیل و تحلیل ارتباط آن با سنجه­های سیمای سرزمین در حوضه آبخیز عموقین استان اردبیل. مجله اکوهیدرولوژی. دوره5. شماره2. صص357-372.                               https://doi.org/10.22059/ije.2018.231141.547  
نوحه­گر، احمد؛ کاظمی، محمد؛ قصردشتی­روشن، محمد؛ رضائی، پیمان؛ 1391. بررسی تأثیر تغییر کاربری اراضی بر پتانسیل سیل­خیزی (مطالعه موردی حوزه آبخیز تنگ بستانک شیراز). پژوهش­های فرسایش محیطی. شماره 2. 41-28.                                                 http://magazine.hormozgan.ac.ir/article-1-85-fa.html.
 
Arabameri, A., Rezaei, K., Cerd`a, A., Conoscenti, C., Kalantari, Z., 2019. A comparison of statistical methods and multi-criteria decision making to map flood hazard susceptibility in Northern Iran. Sci. Total Environ. 660, 443–458. https:// doi.org/ 10.1016/ j. scitotenv. 2019. 01.021.
Arya, A. K., & Singh, A. P., 2021. Multi criteria analysis for flood hazard mapping using GIS techniques: a case study of Ghaghara River basin in Uttar Pradesh, India. Arabian Journal of Geosciences, 14(8), 1–12.
 https:// doi.org/ 10.1007/ s12517-021-06971-1.
Ballesteros-Cánovas JA, Sanchez-Silva M, Bodoque JM, Díez-HerreroA., 2013. An integrated approach to flood risk management: a case study of Navaluenga (Central Spain). Water Resour Manage 27(8):3051–3069. https://doi.org/10.1007/s11269-013-0332-1.
Chen, Y. R., Yeh, C. H., & Yu, B., 2011. Integrated application of the analytic hierarchy process and the geographic information system for flood risk assessment and flood plain management in Taiwan. Natural Hazards, 59(3), 1261-1276. https://doi.org/10.1007/s11069-011-9831-7.
CRED., 2009. Centre for Research on the Epidemiology of Disasters (CRED). EM-DAT: The International Disaster Database. Brussels, Belgium, Université Catholique de Louvain.
Dano, U.L., Balogun, A.-L., Matori, A.-N., Wan Yusouf, K., Abubakar, I.R., Said Mohamed, M.A., Aina, Y.A., Pradhan, B., 2019. Flood susceptibility mapping using GIS-based analytic network process: a case study of Perlis, Malaysia. Water-Sui 11, 615. https:// doi.org/ 10.3390 /w11030615.
Das, S., 2019. Geospatial mapping of flood susceptibility and hydro-geomorphic response to the floods in Ulhas basin, India. Remote Sens. Appl. Soc. Environ. 14, 60–74. https:// doi.org/ 10.1016/ j.rsase.2019.02.006.
Degrossi, L. C., de Albuquerque, J. P., Fava, M. C., & Mendiondo, E. M., 2014. Flood Citizen Observatory: a crowdsourcing-based approach for flood risk management in Brazil. In SEKE (pp. 570-575). https://ksiresearch.org/seke/seke14paper/seke14paper_74.pdf.
Eguaroje, O.E., Alaga, T. A., Ogbole, J. O., Omolere, S., Alwadood, J., Kolawole, I. S., Muibi, K. H., Nnaemeka, D., Popoola, D. S., Samson, S. A., Adewoyin, J. E., Jesuleye, I., Badru, R. A., Atijosan, A., Ajileye, O. O., 2015. Flood Vulnerability Assessment of Ibadan City, Oyo State, Nigeria. World Environment 5(4), 149-159. https://doi.org/10.5923/j.env.20150504.03.  
Foody, G.M., E.M. Ghoniem & N.W. Arnell., 2004. Predicting locations sensitive to flash flooding in an arid environment. Journal of hydrology, (ARTICLIEN PRESS). https://doi.org/10.1016/j.jhydrol.2003.12.045.
Gashaw W, Legesse D., 2011. Flood hazard and risk assessment using GIS and remote sensing in Fogera Woreda, Northwest Ethiopia. Nile River Basin, pp.:179–206. https:// doi.org/ 10.1007/ 978-94-007-0689-7_9. 
Gaume E, Bain V, Bernardara P, Newinger O, Barbuc M, Bateman A, Viglione A., 2009. A compilation of data on European flash floods. J Hydrol 367(1-2):70–78 . https:// doi.org/ 10.1016/ j.jhydrol.2008.12.028.
Habibi, A., Firouzi Jahantighi, F., Sarafrazi, A., 2015. Fuzzy Delphi Technique for Forecasting and Screening Items. Asian Journal of Research in Business Economics and Management. Vol. 5, No. 2. PP. 130-143. https://doi.org/10.5958/2249-7307.2015.00036.5.  
Horton RE., 1945. Erosional development of streams and their drainage basins: hydrophysical approach to quantitative morphology. Bull Geol Soc Am 56:275–370. https:// doi.org/1 0.1130/ 0016-7606(1945)56[275:EDOSAT]2.0.CO;2
Huseyin, A., & Musteyde, B., 2020. Flash flood potential prioritization of sub-basins in an ungauged basin in Turkey using traditional multi-criteria decision-making methods. Springer-Verlag GmbH Germany, 1-13. https://doi.org/10.1007/s00500-020-04792-0.
Hyalmarson, H.W., 1988. Flood Hazard Zonation in Aridland. Wesley Publishers, 114 pp. http://onlinepubs.trb.org/Onlinepubs/trr/1988/1201/1201-001.pdf.
Jiann, L., & Gwo-Hshiung, T., 2011. An integrated MCDM technique combined with DEMATEL for a novel cluster-weighted with ANP method. Expert Systems with Applications, 1417-1424. https://doi.org/10.1016/j.eswa.2010.07.048.
John, F., J. England, Y. Pierre Julien and M.L. Velleux.,  2014. Physically-Based Extreme Flood Frequency with Stochastic Storm Transposition and Pale flood Data on large Watersheds.Journal of Hydrology, 510: 228-245. https:// doi.org/ 10.1016/ j.jhydrol. 2013. 12.021.
Jongman, B., Winsemius, H.C., Fraser, S.A., Muis, S., Ward, P.J., 2018. Assessment and adaptation to climate change-related flood risks. In: Oxford Research Encyclopedia of Natural Hazard Science. Oxford University Press. https:// doi.org/ 10.1093/ acrefore/ 9780199 389407. 013.278.
Kain, C.L., Rigby, E.H., Mazengarb, C., 2018. A combined morphometric, sedimentary, GIS and modelling analysis of flooding and debris flow hazard on a composite alluvial fan, Caveside, Tasmania. Sedimentary Geology, 364: 286-301. https:// doi.org/ 10.1016/ j. sedgeo .2017.10.005.
Kanani-Sadat, Y., Arabsheibani, R., Karimipour, F., Nasseri, M., 2019. A new approach to flood susceptibility assessment in data-scarce and ungauged regions based on GIS-based hybrid multi criteria decision-making method. J. Hydrol. 572, 17–31. https:// doi.org/ 10.1016/ j. jhydrol .2019.02.034
Khosravi, K., Nohani, E., Maroufinia, E., Pourghasemi, H.R., 2016. A GIS-based flood susceptibility assessment and its mapping in Iran: a comparison between frequency ratio and weights-of-evidence bivariate statistical models with multi-criteria decision-making technique. Nat. Hazards 83, 947–987. https://doi.org/10.1007/s11069-016-2357-2.
Khosravi, K., Shahabi, H., Pham, B.T., Adamowski, J., Shirzadi, A., Pradhan, B., Dou, J., Ly, H.-B., Gr´of, G., Ho, H.L., Hong, H., Chapi, K., Prakash, I., 2019. A comparative assessment of flood susceptibility modelling using Multi-Criteria Decision-Making Analysis and Machine Learning Methods. J. Hydrol. 573, 311–323. https://doi.org/10.1016/j.jhydrol.2019.03.073.
Kourgialas, N. N., & Karatzas, G. P., 2011. Flood management and a GIS modelling method to assess flood-hazard areas-a case study. Hydrological Sciences Journal–Journal des Sciences Hydrologiques,56(2), 212-225. https://doi.org/10.1080/02626667.2011.555836.
Liang,S. and C.R.C.Mohanty., 1997.Optimization of GIS-Based Flood Hazard Zoning a Case Study at the Mahanady Command Area in Cuttack District, Orrisa, India.Journal of Chinese Soil and Water Conservation,28:11-20. https:// www.sid.ir/ en/ Journal/ ViewPaper. aspx? ID=215539.
Liuzzo, L., Sammartano, V., Freni, G., 2019. Comparison between different distributed methods for flood susceptibility mapping. Water Resour. Manag. 33, 3155–3173. https:// doi.org/ 10.1007/ s11269 -019-02293-w.
Maggioni, V., Massari, C., 2018. On the performance of satellite precipitation products in riverin flood modeling: A review. Journal of Hydrology, 558: 214-224. https:// doi.org/ 10.1016/ j.jhydrol. 2018.01.039.
Marchesini, I., Salvati, P., Rossi, M., Donnini, M., Sterlacchini, S., & Guzzetti, F., 2021. Data-driven flood hazard zonation of Italy. Journal of Environmental Management, 294(May), 112986. https://doi.org/10.1016/j.jenvman.2021.112986.
Mohseni, M. and Soleimani, K., 2010. Flood Hazard Zonation Using Hydrolic Model of HEC-RAS in GIS, Natural Hazards Management, GIS Development Publication, Canada.
Papaioannou, G., Vasiliades, L., Loukas, A., 2015. Multi-criteria analysis framework for potential flood prone areas mapping. Water Resour. Manag. 29, 399–418.
Rahmati, O., Zeinivand, H., Besharat, M., 2016b. Flood hazard zoning in Yasooj region, Iran, using GIS and multi-criteria decision analysis. Geomatics, Nat. Hazards Risk 7, 1000–1017. https://doi.org/10.1080/19475705.2015.1045043.
Rai PK, Mohan K., 2014. Remote sensing data & GIS for flood risk zonation mapping in Varanasi District, India. Forum Geografic.13(1):25–33. http:// dx.doi.org/ 10.5775/ fg.2067-4635. 2014. 041.i.
Saaty TL., 2005. Theory and applications of the analytic network. RWS Publications, Pittsburgh, 491-502.
Saaty, T., 1980. The analytic hierarchy process. New York: McGraw-Hill. https:// doi.org/ 10.1504/ IJSSCI. 2008. 017590          
Saaty, T., 1996. Decision making with dependence and feedback: Analytic network process. Pittsburgh: RWS Publications.
Sahana, M., Patel, P.P., 2019. A comparison of frequency ratio and fuzzy logic models for flood susceptibility assessment of the lower Kosi River Basin in India. Environ. Earth Sci. 78, 289. http:// dx.doi.org/ 10.1007/ s12665- 019-8285-1
Shadmehri Toosi, A., Calbimonte, G. H., Nouri, H., & Alaghmand, S ., 2019 . River basin-scale flood hazard assessment using a modified multi-criteria decision analysis approach: A case study. Journal of Hydrology, 574, 660–671. https://doi.org/10.1016/j.jhydrol.2019.04.072
Singh AP, Arya AK, Singh DS., 2020a. Morphometric analysis of Ghaghara River basin, India, using SRTM data and GIS. J Geol Soc India 95(2):169–178. https://doi.org/10.1007/s12594-020-1406-3
Singh K, Arya AK, Agarwal KK., 2020b. Landslide occurrences along lineaments on NH-154A, Chamba, Himachal Pradesh; extracted from Satellite Data Landsat 8, India. J Indian Soc Remote Sens 48(5):791–803. https://doi.org/10.1007/s12524-020-01113-8.
Souissi, D., Zouhri, L., Hammami, S., Msaddek, M. H., Zghibi, A., & Dlala, M., 2020. GIS-based MCDM–AHP modeling for flood susceptibility mapping of arid areas, southeastern Tunisia. Geocarto International, 35(9), 991–1017. https:// doi.org/ 10.1080/ 10106049 .2019. 1566405
Stamy T.C. and Hess, G.W., 1993. Techniques for Estimating Magnitude and Frequency of Floods in Rural Basins in Georgia, Water Resources Investigation Report, 93- 4016, USGS Publication, USA. https://doi.org/10.3133/wri934016 .
Stefanidis S, Stathis D., 2013. Assessment of flood hazard based on natural and anthropogenic factors using analytic hierarchy process (AHP). Nat Hazards 68(2):569–585. https://doi.org/10.1007/s11069-013-0639-5.
Thilagavathi, G., Tamilenthi, S., Ramu, C. and Baskaran, R., 2011. Application of GIS in Flood Hazard Zonation Studies in Papanasam Taluk, Thanjavur District, Tamilnadu, Advances in Applied Science Research, Vol. 2, No. 3, PP. 574-585. https:// www.primescholars.com/ abstract/ application-of-gis- in-flood-hazard-zonation-studies-in-papanasam-taluk-thanjavur-district-tamilnadu-89057.html
Vojtek, M., Vojtekov´a, J., 2019. Flood susceptibility mapping on a national scale in Slovakia using the analytical Hierarchy process. Water 11, 364. https://doi.org/10.3390/w11020364
Wang, Y., Hong, H., Chen, W., Li, S., Panahi, M., Khosravi, K., Shirzadi, A., Shahabi, H., Panahi, S., Costache, R., 2019b. Flood susceptibility mapping in Dingnan County (China) using adaptive neuro-fuzzy inference system with biogeography-based optimization and imperialistic competitive algorithm. J. Environ. Manag. 247, 712–729. https:// doi.org/ 10.1016/ j.jenvman. 2019.06.102
 
CAPTCHA Image