اولویت‌بندی و تحلیل فضایی پتانسیل سیل‌خیزی مبتنی بر رویکرد ‌FUZZY-AHP (مطالعه موردی: حوزه آبخیز قمصر)

نوع مقاله : مقاله پژوهشی

نویسندگان

• دانیال صیاد ¹
• هدی قاسمیه ²
• زهرا ناصریان اصل ³

¹ دانش‌آموخته دکتری علوم و مهندسی آبخیزداری- آب، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان

² دانشیار علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان

³ دانشجوی دکتری علوم و مهندسی آبخیز- حفاظت آب‌وخاک، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان

10.22067/geoeh.2022.76678.1226

چکیده

سیل یکی از بلایای طبیعی است که می­تواند فعالیت­های اقتصادی، اجتماعی و پایداری محیط را تهدید کند؛ بنابراین شناسایی مناطق مستعد سیل­خیز حوزه آبخیز امری ضروری در این زمینه است. هدف پژوهش حاضر، اولویت­بندی و تحلیل فضایی سیل­خیزی حوزه آبخیز قمصر با استفاده از مدل­های تصمیم­گیری چند معیاره و منطق فازی است که با رویکرد توصیفی – تحلیلی و با روشFUZZY-AHP انجام‌شده است. برای این منظور ابتدا 14 معیار مؤثر بر سیل­خیزی حوضه (شامل باران، ارتفاع، کاربری اراضی، بافت خاک، سنگ‌شناسی، فاصله از رودخانه، شیب، تراکم زهکشی، رتبه آبراهه، شاخص رطوبت توپوگرافی، شاخص توان آبراهه، تجمع جریان، انحنای سطح، انحنای طولی) شناسایی شد و سپس در نرم‌افزار Expert choice 11 بین معیار­ها با روش AHP مقایسه­های زوجی انجام گردید و وزن نهایی هر معیار به دست آمد. در ادامه، معیار­ها با استفاده از توابع فازیlinear  و large فازی­سازی شدند و درنهایت وزن­های نهایی به‌دست‌آمده برای هر معیار در لایه­های مربوطه اعمال شد و نقشه نهایی سیل­خیزی حوضه تهیه گردید. نتایج حاصل از اولویت­بندی معیار­های کمی و کیفی بر اساس نظر کارشناسان آبخیزداری با روش AHP نشان داد از بین 14 معیار پیشنهادی، معیار باران با وزن نهایی 229/0 بیش­ترین تأثیر را در سیل­خیزی حوضه دارد. همچنین معیارهای بافت خاک سنگین تا خیلی سنگین (499/0)، واحد سنگی Plvav (252/0)، کاربری­های پهنه­های آبی و اراضی لخت به ترتیب با وزن نهایی 345/0 و 225/0 نقش پررنگ‌تری در سیل­خیزی حوضه دارند. نتایج حاصل از نقشه نهایی سیل­خیزی حوضه نشان داد که حدود 841/30، 056/27 و 406/12 درصد از مساحت کل حوضه به ترتیب در طبقه سیل­خیزی متوسط، زیاد و خیلی زیاد قرار دارند که این مناطق بیشتر در بخش مرکزی و در امتداد جنوب شرقی حوضه واقع شده­اند؛ بنابراین آگاهی از پتانسیل سیل­خیزی حوضه می­تواند در جهت تدوین برنامه­های مدیریت بحران در هنگام مواجه‌شدن با سیلاب مؤثر واقع شود.

چکیده تصویری

کلیدواژه‌ها

• توابع فازی
• مناطق مستعد سیل‌خیز
• مناطق نیمه‌خشک
• نرم‌افزار Expert choice

---

مراجع

حسین­زاده، محمدمهدی؛ پناهی، رؤیا؛ تربند، توران؛ 1399. پهنه‌بندی حساسیت سیل در حوضۀ آبریز سنقر در استان کرمانشاه. اکوهیدرولوژی. شماره 4. صص 873-889.

 https://doi.org/10.22059/ije.2020.305793.1350.

زیاری، کرامت اله؛ رجایی، سید عباس؛ داراب خانی، رسول؛ 1400. پهنه‌بندی ظرفیت سیل‌خیزی با استفاده از تحلیل سلسه‌مراتبی و منطق فازی در محیط GIS نمونه موردی: شهر ایلام. مدیریت بحران. شماره 1. صص 21-30. https://dorl.net/dor/20.1001.1.23453915.1400.10.1.2.2.

شهابی، هیمن؛ 1400. پهنه­بندی حساسیت وقوع سیل در مناطق شمالی ایران با استفاده از الگوریتم­های پیشرفته داده کاوی (منطقه موردمطالعه: حوزه آبخیز هراز). فصلنامه برنامه ریزی منطقه‌ای. شماره 41. صص 167-184. https://doi.org/10.30495/jzpm.2021.4246.

صالحی، اسماعیل؛ رفیعی، یوسف؛ فرزاد بهتاش، محمدرضا؛ آقابابایی، محمدتقی؛ 1392. پهنه­بندی خطر سیلاب شهری با استفاده از GIS و فرایند تحلیل سلسله مراتبی فازی (مطالعة موردی: تهران). محیط­شناسی. شماره 3. صص 179-188. https://doi.org/10.22059/jes.2013.35901.

عرب­عامری، علیرضا؛ پورقاسمی، حمیدرضا؛ شیرانی، کورش؛ 1396. پهنه­‏بندی حساسیت سیل­گیری با استفاده از روش ترکیبی نوین تئوری بیزین‌ـ‌ فرایند تحلیل سلسله‌مراتبی (مطالعۀ موردی: حوضۀ آبخیز نکا ـ استان مازندران). اکوهیدرولوژی. شماره 2. صص447-462. https://doi.org/10.22059/ije.2017.61481.

محمدپور، امیرحسین؛ وفائی­نژاد، علیرضا؛ 1399. ارزیابی خطرپذیری رخداد سیل در حوضه تجن با استفاده از سیستم اطالعات مکانی. اکوهیدرولوژی. شماره 3. صص 731-741.

https://doi.org/10.22059/ije.2020.300640.1314.

میرموسوی، سید حسین؛ اسمعیلی، حسین؛ 1400. پهنه‌بندی نواحی سیل‌خیز با استفاده از سامانه اطلاعات جغرافیایی (GIS) و سنجش از دور (RS) مطالعه موردی: شهرستان داراب. مخاطرات محیط طبیعی. شماره 27. صص 21-46.

 https://doi.org/10.22111/jneh.2020.32986.1613.

نجفی، اسماعیل؛ کریمی کردابادی، مرتضی؛ 1399. ارزیابی و پهنه‌بندی خطر سیلاب با استفاده از مدل ترکیبی AHP-FUZZY  با تأکید بر امنیت شهری (مطالعه موردی: منطقه یک کلان‌شهر تهران). جغرافیا و مخاطرات محیطی. شماره 34. صص 43-60. https://doi.org/10.22067/geo.v9i2.86110.

 

Bouamrane, A., Derdous, O., Dahri, N., Tachi, S.-E., Boutebba, K., and Bouziane, M. T., 2020. A comparison of the analytical hierarchy process and the fuzzy logic approach for flood susceptibility mapping in a semi-arid ungauged basin (Biskra basin: Algeria). International Journal of River Basin Management, 1-11. https://doi.org/10.1080/15715124.2020.1830786.

Cai, T., Li, X., Ding, X., Wang, J., and Zhan, J., 2019. Flood risk assessment based on hydrodynamic model and fuzzy comprehensive evaluation with GIS technique. International Journal of Disaster Risk Reduction, 35, 101077. https://doi.org/10.1016/j.ijdrr.2019.101077.

Costa, J. E.,1987. Hydraulics and basin morphometry of the largest flash floods in the conterminous United States. Journal of Hydrology, 93(3-4), 313-338. https://doi.org/10.1016/0022-1694(87)90102-8.

Costache, R., Barbulescu, A., & and Pham, Q. B., 2021. Integrated Framework for Detecting the Areas Prone to Flooding Generated by Flash-Floods in Small River Catchments. Water, 13(6), 1-24. https://doi.org/10.3390/w13060758.

Dano, U.L., Balogun, A.L., Matori, A.N., Wan Yusouf, K., Abubakar, I.R., Said Mohamed, M.A., Aina, Y.A. and Pradhan, B., 2019. Flood susceptibility mapping using GIS-based analytic network process: A case study of Perlis, Malaysia. Water, 11(3), 1-28. https://doi.org/10.3390/w11030615.

Das, S. 2018. Geographic information system and AHP-based flood hazard zonation of Vaitarna basin, Maharashtra, India. Arabian Journal of Geosciences, 11(19), 1-13. https://doi.org/10.1007/s12517-018-3933-4.

Das, S., 2020. Flood susceptibility mapping of the Western Ghat coastal belt using multi-source geospatial data and analytical hierarchy process (AHP). Remote Sensing Applications: Society and Environment, 20, 100379. https://doi.org/10.1016/j.rsase.2020.100379.

Ekmekcioğlu, O., Koc, K., & Ozger, M., 2021. District based flood risk assessment in Istanbul using fuzzy analytical hierarchy process. Stochastic Environmental Research and Risk Assessment, 35(3), 617-637. https://doi.org/10.1007/s00477-020-01924-8.

Fernandez, D., and Lutz, M. A. 2010. Urban flood hazard zoning in Tucumán Province, Argentina, using GIS and multicriteria decision analysis. Engineering Geology, 111(1-4), 90-98. https://doi.org/10.1016/j.enggeo.2009.12.006.

Fernandez, P., Mourato, S., and Moreira, M., 2016. Social vulnerability assessment of flood risk using GIS-based multicriteria decision analysis. A case study of Vila Nova de Gaia (Portugal). Geomatics, Natural Hazards and Risk, 7(4), 1367-1389. https://doi.org/10.1080/19475705.2015.1052021.

Guo, E., Zhang, J., Ren, X., Zhang, Q., and Sun, Z., 2014. Integrated risk assessment of flood disaster based on improved set pair analysis and the variable fuzzy set theory in central Liaoning Province, China. Natural hazards, 74(2), 947-965. https://doi.org/10.1007/s11069-014-1238-9.

Handini, D. R., Hidayah, E., and Halik, G., 2021. Flash Flood Susceptibility Mapping at Andungbiru Watershed, East Java Using AHP-Information Weighted Method. Geosfera Indonesia, 6(2), 127-142. https://doi.org/10.19184/geosi.v6i2.24173.

Ibrahim-Bathis, K., and Ahmed, S., 2016. Geospatial technology for delineating groundwater potential zones in Doddahalla watershed of Chitradurga district, India. The Egyptian Journal of Remote Sensing and Space Science, 19(2), 223-234. https://doi.org/ 10.1016/j.ejrs. 2016.06.002.

Jia, J., Wang, X., Hersi, N. A., Zhao, W., and Liu, Y., 2019. Flood-risk zoning based on analytic hierarchy process and fuzzy variable set theory. Natural Hazards Review, 20(3), 04019006. https://doi.org/10.1061/(ASCE)NH.1527-6996.0000329.

Kulimushi, L. C., Choudhari, P., Maniragaba, A., Elbeltagi, A., Mugabowindekwe, M., Rwanyiziri, G., and Singh, S. K. (2021). Erosion risk assessment through prioritization of sub-watersheds in Nyabarongo river catchment, Rwanda. Environmental Challenges, 5, 100260. https://doi.org/10.1016/j.envc.2021.100260.

Malik, S., Pal, S. C., Chowdhuri, I., Chakrabortty, R., Roy, P., and Das, B., 2020. Prediction of highly flood prone areas by GIS based heuristic and statistical model in a monsoon dominated region of Bengal Basin. Remote Sensing Applications: Society and Environment, 19, 100343. https://doi.org/10.1016/j.rsase.2020.100343.

Msabi, M. M., and Makonyo, M., 2021. Flood susceptibility mapping using GIS and multi-criteria decision analysis: a case of Dodoma region, central Tanzania. Remote Sensing Applications: Society and Environment, 21, 100445.

https://doi.org/10.1016/j.rsase.2020.100445.

Nampak, H., Pradhan, B., & Abd Manap, M., 2014. Application of GIS based data driven evidential belief function model to predict groundwater potential zonation. Journal of Hydrology, 513, 283-300. https://doi.org/10.1016/j.jhydrol.2014.02.053.

Patrikaki, O., Kazakis, N., Kougias, I., Patsialis, T., Theodossiou, N., and Voudouris, K., 2018. Assessing flood hazard at river basin scale with an index-based approach: The case of Mouriki, Greece. Geosciences, 8(2), 1-13. https://doi.org/10.3390/geosciences8020050.

Rimba, A. B., Setiawati, M. D., Sambah, A. B., and Miura, F., 2017. Physical flood vulnerability mapping applying geospatial techniques in Okazaki City, Aichi Prefecture, Japan. Urban Science, 1(1), 7. https://doi.org/10.3390/urbansci1010007.

Saaty, T. L., 1977. A scaling method for priorities in hierarchical structures. Journal of mathematical psychology, 15(3), 234-281. https://doi.org/10.1016/0022-2496(77)90033-5.

Sinshaw, B. G., Belete, A. M., Tefera, A. K., Dessie, A. B., Bizuneh, B. B., Alem, H. T., and Atinkut, H. B., 2021. Prioritization of potential soil erosion susceptibility region Using fuzzy Logic and Analytical Hierarchy process, Upper Blue Nile Basin, Ethiopia. Water-Energy Nexus. 10-24. https://doi.org/10.1016/j.wen.2021.01.001.

Souissi, D., Zouhri, L., Hammami, S., Msaddek, M. H., Zghibi, A., and 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.

Swain, K. C., Singha, C., and Nayak, L., 2020. Flood susceptibility mapping through the GIS-AHP technique using the cloud. ISPRS International Journal of Geo-Information, 9(12), 1-23. https://doi.org/10.3390/ijgi9120720.

Tella, A., and Balogun, A.-L., 2020. Ensemble fuzzy MCDM for spatial assessment of flood susceptibility in Ibadan, Nigeria. Natural hazards, 104(3), 2277-2306. https://doi.org/10.1007/ s11069-020-04272-6.

Tenzin, J., and Bhaskar, A. S., 2020. Flash Flood Hazard Zone Mapping Using GIS: Sarpang. International Journal of New Innovations in Engineering and Technology, 13. 2319-6319. http://www.ijniet.org/wp-content/uploads/2020/03/2.pdf.

Wang, G., Liu, Y., Hu, Z., Lyu, Y., Zhang, G., Liu, J., and Zheng, H., 2020. Flood risk assessment based on fuzzy synthetic evaluation method in the Beijing-Tianjin-Hebei metropolitan area, China. Sustainability, 12(4), 1-30. https://doi.org/10.3390/su12041451.

Wang, G., Liu, Y., Hu, Z., Zhang, G., Liu, J., Lyu, Y., and Liu, L., 2021. Flood Risk Assessment of Subway Systems in Metropolitan Areas under Land Subsidence Scenario: A Case Study of Beijing. Remote Sensing, 13(4), 1-33. https://doi.org/10.3390/rs13040637.

Yodying, A., Kamonchat, S., Sasithon, C., Polpreecha, C., Nattapon, M., Charatdao, K., and Sarintip, T., 2019. Flood hazard assessment using fuzzy analytic hierarchy process: A case study of Bang Rakam model in Thailand. Paper presented at the Proceedings of the 40th Asian conference on remote sensing, (ACRS 2019) October, 14-18. http://acrs2019.sigongji.com/ wp/pdf/TuD2-4.pdf.