پهنه‌بندی حساسیت خطر سیل در حوضه آبخیز رودخانه کشکان با استفاده از دو مدل WOE و EBF

نوع مقاله : پژوهشی

نویسندگان

1 دانشگاه شهید بهشتی

2 دانشگاه کردستان

چکیده

سیل یکی از خطرناک‌ترین و شایع‌ترین حوادث طبیعی است که در سراسر جهان اتفاق می‌افتد. در استان لرستان و در حوضه آبخیز رودخانه کشکان نیز، این بلای طبیعی یکی از پرتکرارترین حوادثی است که هرساله اتفاق می‌افتد و علاوه بر خسارات مالی فراوان جان برخی از مردم منطقه را نیز به کام مرگ می‌برد. در فروردین سال 98 سیلی که اتفاق افتاد، یکی از بی‌سابقه‌ترین سیل‌های ثبت شده در 200 سال اخیر بود؛ بنابراین، توسعه نقشه‌های حساسیت سیل و تهیه حریم رودخانه، برای شناسایی مناطق سیلاب در حوضه آبخیز برای بهبود مدیریت و تصمیم‌گیری سیل ضروری است. هدف اصلی این مطالعه ارزیابی عملکرد تابع شواهد وزنی و تابع شواهد قطعی برای تهیه نقشه حساسیت سیلاب در حوضه آبخیز رودخانه کشکان است. این مقاله با استفاده از وزن عوامل یا شواهد وزنی  (WoE)و مدل شواهد قطعی (EBF) بر اساس سیستم اطلاعاتی جغرافیایی (GIS)  در حوضه رودخانه کشکان نقشه حساسیت منطقه به سیلاب را بدست آورده است، که در آن موقعیت جغرافیایی 260 نقطه سیل گیر مشخص شده در منطقه به صورت تصادفی به یک گروه متشکل از (۷۰ درصدی) برای واسنجی و یک گروه (۳۰ درصدی) برای اعتبارسنجی تقسیم شدند. هر دو مدل 14 فاکتور مؤثر در ایجاد سیل را مورد توجه قرار داده‌اند که عبارتند از: شیب، جهت شیب، زمین‌شناسی، جنس خاک، کاربری اراضی، شاخص رطوبت توپوگرافی (TWI)، توان آبراهه (SPI)، بارش، فاصله از رودخانه، فاصله از جاده، پوشش گیاهی (NDVI)، انحنای شیب (Curvatior)، تراکم آبراهه و مدل ارتفاعی رقومی منطقه. همچنین برای اعتبار سنجی، نتایج مدل‌ها از منحنی راک استفاده شد. بر اساس مدل  EBF، 32/47 درصد از سطح منطقه در کلاس خطر متوسط تا خیلی زیاد قرار دارد و بر اساس مدل WOE حدود 8/52 درصد از سطح منطقه در کلاس خطر متوسط تا خیلی زیاد قرار دارد. به‌منظور اعتبارسنجی نقشه‌های پیش‌بینی پتانسیل سیل‌خیزی، از منحنی ROC استفاده شد. از بین دو مدل WOE و EBF، بیشترین صحت به مدل‌ EBF (875/0) اختصاص داشت؛ بنابراین در زمینه پتانسیل‌یابی خطر سیل‌خیزی، مدل EBF نسبت به مدل WOE دارای عملکرد بهتری است.

کلیدواژه‌ها


آزاد طلب، مهناز؛ شهابی، هیمن.؛ چپی، کامران؛ شیرزادی، عطاع اله؛ 1397. پیش‌بینی مکانی مخاطره سیلاب ‏در شهر سنندج با استفاده از مدل‌های ترکیبی. پایان نامه کارشناسی ارشد مخاطرات محیطی. دانشگاه کردستان.
اسماعیل علویچه، الهام؛ کریمی، سعید؛ علوی پور، فاطمه سادات؛ 1396. ارزیابی آسیب پذیری مناطق شهری در برابر سیل با منطق فازی (مطالعه موردی: منطقه 22 تهران)، فصلنامه علوم و تکنولوژی محیط زیست، شماره 5، صفحه 1-12.
بهداروند، ندا؛ کابلی، محمد؛ جباریان امیری، بهمن؛ ابراهیم پور، رضا؛ اسدی آقبلاغی، مرضیه؛ ایمانی هرسینی، جلیل؛ 1393. شناسایی مناطق پرخطر و عوامل محیطی مؤثر بر حملات گرگ به دام در استان همدان با به کارگیری روش مدل سازی MAXENT. محیط زیست طبیعی، 67(3): 245-252.
پورقاسمی، حمیدرضا؛ مرادی، حمیدرضا؛ محمدی، مجید؛ 1392. پهنه بندی حساسیت زمی نلغزش با استفاده از مدل احتمالاتی وزن واقعه. نشریه مهندسی فناوری اطلاعات مکانی. 1(2): 80-69.
حسینی، موسی؛ جعفربیگلو، منصور؛ گراوند، فاطمه؛ 1394. تعیین پهنه‌های سیل‌گیر رود کشکان با استفاده از مدل هیدرولیکی به‌منظور کاهش مخاطرات سیل. مدیریت مخاطرات محیطی. 2(3): 369-355.
خسروی، خه بات؛ معروف نیا، ادریس؛ نوحانی، ابراهیم؛ چپی، کامران؛ 1391. ارزیابی کارایی مدل رگرسیون لجستیک در تهیه نقشه حساسیت به وقوع سیل. مجله منابع طبیعی ایران. 69(4): 876-863.
رحمانی، محمد؛ عبوری، مهدی؛ ملا آقاجانزاده، ساره؛ 1394. پهنه‌بندی خطر سیلاب شهری با استفاده از روش‌های همپوشانی ترکیب خطی وزنی (WLC) و سناریوهای میانگین وزنی مرتب‌شده (OWA) مطالعه موردی: شهر ساری/مازندران/ایران). کنفرانس بین‌المللی پژوهش‌های نوین در علوم کشاورزی و محیط‌زیست. دانشگاه تهران.
رضوی ترمه، وحید؛ ملک، محمد رضا؛ 1396. تهیه‌ نقشه‌ حساسیت سیلاب با استفاده از ترکیب مدل باور شهودی (EBF) و تحلیل سلسله مراتبی (AHP) (مطالعه موردی: شهرستان جهرم)، نشریه مهندسی نقشه برداری و اطلاعات مکانی، شماره 3، صفحه 1-15.
سیاه کمری، صفورا؛ و زینی وند، حسین؛ 1395. پتانسیل‌یابی مناطق مستعد سیل با استفاده از مدل شاخص اماری و وزن شواهد (مطالعه موردی: حوزه آبخیز مادرسو، گلستان). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی. 7(4): 131-116.
Arianpour, M. and Jamali, A. A. (2015). Flood Hazard Zonation using Spatial Multi-Criteria Evaluation (SMCE) in GIS (Case Study: Omidieh-Khuzestan). European Online Journal of Natural and Social Sciences. 4(1): 39 – 49.
Bui, D. T., Panahi, M., Shahabi, H., Singh, V. P., Shirzadi, A., Chapi, K., ... & Ahmad, B. B. (2018). Novel hybrid evolutionary algorithms for spatial prediction of floods. Scientific reports, 8(1), 15364.
Chapi, K., Singh, V. P., Shirzadi, A., Shahabi, H., Bui, D. T., Pham, B. T., & Khosravi, K. (2017). A novel hybrid artificial intelligence approach for flood susceptibility assessment. Environmental Modelling & Software, 95, 229-245.
Chapi, K.; Singh, V.P.; Shirzadi, A.; Shahabi, H.; Bui, D.T.; Pham, B.T.; Khosravi, K. 2017. A novel hybrid artificial intelligence approach for flood susceptibility assessment. Environ. Model. Softw. 95: 229–245
Chen, J., Zhao, S. and Wang, H. (2011). Risk Analysis of Flood Disaster Based on Fuzzy Clustering Method. Energy Procedia. 5: 1915 – 1919.
Grahn, T.; Nyberg, L. 2017. Assessment of pluvial flood exposure and vulnerability of residential areas. Int. J. Disaster Risk Reduct. 21: 367–375.
Khosravi, K., Pourghasemi, H. R., Chapi, K., & Bahri, M. (2016). Flash flood susceptibility analysis and its mapping using different bivariate models in Iran: a comparison between Shannon’s entropy, statistical index, and weighting factor models. Environmental monitoring and assessment, 188(12), 656.
Pradhan B. 2010. Flood susceptible mapping and risk area delineation using logistic regression, GIS and remote sensing. Journal of Spatial Hydrology, 9(2): 1-18.
Rahmati, O., Pourghasemi, H. R., & Zeinivand, H. (2016). Flood susceptibility mapping using frequency ratio and weights-of-evidence models in the Golastan Province, Iran. Geocarto International, 31(1), 42-70.
Song, K.Y., J. Oh, J. Choi, I. Park, C. Lee and S. Lee. 2012. Prediction of landslides using ASTER imagery and data mining models. Advances in Space Research, 49: 978-993.
Tehrany, M. S., Pradhan, B., & Jebur, M. N. (2014). Flood susceptibility mapping using a novel ensemble weights-of-evidence and support vector machine models in GIS. Journal of hydrology, 512, 332-343.
Verikiou‐Papaspiridakou E. 2003. Investigating the flooding events of the urban regions of Glyfada and Voula, Attica, Greece: a contribution to Urban Geomorphology. Geografiska Annaler: Series A, Physical Geography 85 (2):197-204.
Yilmaz, C., T. Topal, and M.L. Suzen. 2012. GIS-based landslide susceptibility mapping using bivariate statistical analysis in Devrek (Zonguldak-Turkey). Environmental Earth Science, 65: 2161- 2178
CAPTCHA Image