| تعداد نشریات | 45 |
| تعداد شمارهها | 1,489 |
| تعداد مقالات | 18,175 |
| تعداد مشاهده مقاله | 58,780,596 |
| تعداد دریافت فایل اصل مقاله | 20,253,056 |
بررسی پتانسیل خطر سیلاب در حوضه آبریز کرمان | ||
| نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی | ||
| دوره 5، شماره 17، بهمن 1404، صفحه 33-17 اصل مقاله (1.33 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/rsgi.2025.65134.1117 | ||
| نویسندگان | ||
| علی مهرابی نژاد* 1؛ علی اصغر عبداللهی2؛ حدیث عطاری3 | ||
| 1دانشیار گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه شهید باهنر کرمان، کرمان، ایران. | ||
| 2دانشیار، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه شهید باهنر کرمان، کرمان، ایران | ||
| 3دانشجوی کارشناسی ارشد مخاطرات محیطی، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه شهید باهنر کرمان، کرمان، | ||
| چکیده | ||
| امروزه به سبب تغییرات آب و هوایی مسئله سیلاب یکی از مهمترین معظلات مناطق خشک و نیمهخشک است. دشت کرمان از جمله این مناطق است که تا کنون دچار خسارتهای زیادی در حوزههای زیربنایی و کشاورزی شده است. هدف از این پژوهش تحلیل سیلخیزی حوضه آبریز کرمان و پهنهبندی خطر سیلاب، با استفاده از پردازش دادههای راداری و تکنیک فازی است. در این جهت از هشت عامل جریان تجمعی، قابلیت تخلیه، فاصله از آبراهه، میزان رواناب، پوشش زمین، ارتفاع سطح زمین، شیب و لیتولوژی استفاده شد. ماتریس مقایسات زوجی برای عوامل مذکور با استفاده از روش فازی- سلسله مراتبی، تهیه و در GIS وزندهی و مورد تلفیق قرار گرفتند ؟؟؟؟ . سپس با استفاده از شاخص خطر سیلاب، نقشه خطر سیلاب ترسیم شد. نتایج حاصله نشان داد که در حدود 16 درصد از منطقه مورد مطالعه در خطر بسیار بالا (81184 هکتار)، 22 درصد در خطر بالا (111628 هکتار)، 35 درصد در خطر متوسط (177590 هکتار)، 18 درصد در خطر کم (91332 هکتار) و 9 درصد در خطر بسیار کم (45666 هکتار)، قرار دارد. نتایج حاصله نشان داد که علاوه بر باغات کشاورزی بسیاری از مناطق مسکونی در معرض خطر سیلاب هستند. با پردازش تصاویر راداری، سیلاب 8 مرداد ماه 1401 رخ داده در محدوده مورد مطالعه، نقشهبرداری و از آن در راستای اعتبارسنجی نقشه خطر سیلاب، استفاده شد. بنابراین پژوهش حاضر نشان میدهد که بسیاری از مناطق دشت کرمان در معرض خطر سیلاب بالا قرار دارند و بایستی به طور ویژه مورد نظر باشند. | ||
تازه های تحقیق | ||
خطر سیلاب در محدوده مورد مطالعه با تلفیق فاکتورهای موثر در ایجاد سیلاب، پتانسیلیابی شد. بر اساس نتایج به دست آمده در حدود 16 درصد از منطقه مورد مطالعه در خطر بسیار بالا (81184 هکتار)، 22 درصد در خطر بالا (111628 هکتار)، 35 درصد در خطر متوسط (177590 هکتار)، 18 درصد در خطر کم (91332 هکتار) و 9 درصد در خطر بسیار کم (45666 هکتار)، قرار دارد. محدودههای با خطر خیلی بالا و بالا غالباً در مناطق مخروط افکنهای و دشت واقع شدهاند. نتایج به دست آمده نشان داد که علاوه بر باغات کشاورزی بسیاری از محدودههای مسکونی مخصوصاً روستاها در خطر سیلاب قرار دارند. اعمال روش حد آستانه بر دادههای راداری سنتینل 1 مشخص کرد که این دادهها قابلیت مناسبی در شناسایی سیلاب دارند. با توجه به قابلیت نفوذ امواج راداری در ابر میتوان از آنها در شرایط آب و هوای ابری و بارانی در پایش سیلاب استفاده کرد. بر اساس نتایج به دست آمده مشخص شد که از بین عوامل مختلف، پارامترهای جریان تجمعی، قابلیت تخلیه، میزان رواناب به ترتیب اثرگذارترین عوامل و پارامترهای ارتفاع، لیتولوژی و شیب زمین از تاثیرگذاری کمتری در امر سیلخیزی برخوردارند. بر همین اساس میتوان چنین برداشت کرد که سیلخیزی منطقه بسیار به نوع بارشهای رخ داده در سطح حوضه آبریز مرتبط است تا شکل و ویژگیهای زمین شناسی و مورفولوژی حوضه، به طوری که بارانهای ناگهانی و شدید به سرعت قابلیت ایجاد سیلاب دارند. علاوه بر این وجود باغات زیاد پسته در محدوده دشت میتواند دلیل کاهش شدید قابلیت تخلیه در سطح دشت و افزایش خطر سیلاب در این مناطق شده باشد. نتایج به دست آمده از صحت سنجی روش سلسله مراتبی فازی نشان دهنده کارایی این روش در تعیین خطر سیلاب بوده ضمن اینکه یک روش نسبتاً دقیق در امر تصمیمگیری است. پس میتوان اینچنین برداشت کرد که همواره رویکرد مبتنی بر شاخص برآمده از تلفیق فاکتورهای مهم میتواند راه حل معتبری در ارزیابی خطر سیلاب باشد. همچنین با عنایت به افزایش روزافزون رخداد سیلاب در محدوده مورد مطالعه، مناطق شناسایی شده با خطر خیلی بالای و بالای سیلاب، جهت برنامهریزی و ارائه راهکارهای مدیریت سیلاب و کاهش صدمات ناشی از آن میتواند مورد توجه مسئولین قرار گیرد. در آخر آنچه که به عنوان جمعبندی میشود به آن اشاره کرد، این است که استفاده از دادههای راداری میتواند در شناسایی سیلابها بسیار کارگشا باشد، و همواره با بررسی فاکتورهای موثر در ایجاد سیلابها در هر مکان و تلفیق این فاکتوها، به کمک روشهای تصمیمگیری چند معیاره میتوان محدودههای پرخطر را با دقت زیادی شناسایی کرد و در جهت کاهش مخاطرات ناشی از این پدیده در آینده تصمیمهای ویژهای برای آن مکانها اتخاذ کرد. در روش سلسله مراتبی فازی در بررسی سیلاب، هر چه محدوده مورد بررسی کوچکتر تعیین شود، نتایج دقیقتر و بهتری به دست میآید، چون با کاهش محدوده، امکان دستیابی به دادههای موثر دقیقتری در این زمینه، فراهم شده و این امر در نتیجه نهایی میتواند موثر باشد. | ||
| کلیدواژهها | ||
| تحلیل سیلخیزی؛ سنتینل 1؛ روش تصمیمگیری چند معیاره؛ پردازش تصاویر ماهوارهای | ||
| اصل مقاله | ||
|
امروزه به سبب تغییرات آب و هوایی مسئله سیلاب یکی از مهمترین معظلات مناطق خشک و نیمهخشک است. دشت کرمان از جمله این مناطق است که تا کنون دچار خسارتهای زیادی در حوزههای زیربنایی و کشاورزی شده است. هدف از این پژوهش تحلیل سیلخیزی حوضه آبریز کرمان و پهنهبندی خطر سیلاب، با استفاده از پردازش دادههای راداری و تکنیک فازی است. در این جهت از هشت عامل جریان تجمعی، قابلیت تخلیه، فاصله از آبراهه، میزان رواناب، پوشش زمین، ارتفاع سطح زمین، شیب و لیتولوژی استفاده شد. ماتریس مقایسات زوجی برای عوامل مذکور با استفاده از روش فازی- سلسله مراتبی، تهیه و در GIS وزندهی و مورد تلفیق قرار گرفتند ؟؟؟؟. سپس با استفاده از شاخص خطر سیلاب، نقشه خطر سیلاب ترسیم شد. نتایج حاصله نشان داد که در حدود 16 درصد از منطقه مورد مطالعه در خطر بسیار بالا (81184 هکتار)، 22 درصد در خطر بالا (111628 هکتار)، 35 درصد در خطر متوسط (177590 هکتار)، 18 درصد در خطر کم (91332 هکتار) و 9 درصد در خطر بسیار کم (45666 هکتار)، قرار دارد. نتایج حاصله نشان داد که علاوه بر باغات کشاورزی بسیاری از مناطق مسکونی در معرض خطر سیلاب هستند. با پردازش تصاویر راداری، سیلاب 8 مرداد ماه 1401 رخ داده در محدوده مورد مطالعه، نقشهبرداری و از آن در راستای اعتبارسنجی نقشه خطر سیلاب، استفاده شد. بنابراین پژوهش حاضر نشان میدهد که بسیاری از مناطق دشت کرمان در معرض خطر سیلاب بالا قرار دارند و بایستی به طور ویژه مورد نظر باشند. | ||
| مراجع | ||
|
Ahmed, I., Das, N., Debnath, J., Bhowmik, M., & Bhattacharjee, S. (2024). Flood hazard zonation using GIS-based multi-parametric Analytical Hierarchy Process. Geosystems and Geoenvironment, 3(2): 100250. https://doi.org/10.1016/j.geogeo.2023.100250 Andualem, T.G., & Demeke, G.G. (2019). Groundwater potential assessment using GIS and remote sensing: A case study of Guna tana landscape, upper blue Nile Basin, Ethiopia. Journal of Hydrology: Regional Studies, 24, 100610. https://doi.org/10.1016/j.ejrh.2019.100610. Ashtari, N., Goorabi, A., Rahmati, M., & Darban Astaneh, A. (2022). Evaluation of Flood Hazard Potential and Investigation of Damage Caused by it in Talar Drainage Watershed. E.E.R. 12 (4) :1-25. (In Persian). URL: http://magazine.hormozgan.ac.ir/article-1-708-fa.html Azadikhah, A., Bouzari, S., Yassaghi, A., & Emami, M.H. (2015). Formation of Extensional Basin in Internal Part of the Zag-Ros Orogeny in West of Sirjan, Iran. Open Journal of Geology, 5, 821-827. https://doi.org/10.4236/ojg.2015.511070 Baharvand, S., Rahnamarad, J., & Soori, S. (2016). Delineation of groundwater recharge potential zones using weighted linear combination method (case study: Kuhdasht plain, Iran). Journal of Geotechnical Geology, 12(2): 119-125. https://www.sid.ir/paper/691618/en Bates, P.D., Anderson, M.G., Baird, L., Walling, D.E, & Simm, D. (2009). Modelling floodplain flow with a two dimensional finite element scheme. Earth Surface Processes and Landforms, 17, 575-588. https://doi.org/10.1002/esp.3290170604 Chang, D.Y. (1996). Applications of the extent analysis method on fuzzy AHP. Eur J Oper Res., 95, 649–655. https://doi.org/10.1016/0377-2217(95)00300-2 Das, S. (2019). Geospatial mapping of flood susceptibility and hydro-geomorphic response to the floods in Ulhas basin, India. Remote Sensing Applications: Society and Environment, 14, 60-74. https://doi.org/10.1016/j.rsase.2019.02.006 Dash, P., & Sar, J. (2020). Identification and validation of potential flood hazard area using GIS-based multi-criteria analysis and satellite data-derived water index. J Flood Hazard Management. 13, 12620. https://doi.org/10.1111/jfr3.12620. Deshmukh, K.S., & Shinde, G., (2005). An adaptive color image segmentation electron. Electron Lett Computer Vis Image Anal, 5(4):12–23. https://doi.org/10.5565/rev/elcvi a.115. Esfandyari, F., Abedini, M., fakheripour, N., & Nezafat takle, B. (2023). Flood Risk Zoning Using Hec_Ras Hydrodynamic Model (Case Study: Qarahsou Basin, Kermanshah Province). Journal of Environmental Science Studies, 8(3), 6952-6961. (In Persian). https://doi.org/10.22034/jess.2022.344023.1795 Jenifer, M.A., & Jha, M.K., (2017). Comparison of Analytic Hierarchy process, Catastrophe and Entropy techniques for evaluating groundwater prospect of hard-rock aquifer systems. J. Hydrol. (Amst), 548, 605–624. https://doi.org/10.1016/j.jhydrol.2017.03.023 Kazakis, N., Kougias, I., & Patsialis, T. (2015). Assessment of flood hazard areas at a regional scale using an index-based approach and analytical hierarchy process: Application in Rhodope-Evros region, Greece. Science of the Total Environment, 538, 555–563. https://doi.org/10.1016/j.scitotenv.2015.08.055. Khedmatzadeh, A., & Najafzadeh, A. (2020). Flood Susceptibility Mapping and Risk Area Using GIS-Based Analytic Network Process (Case Study: Ghasemlou Hydrometric Station Basin). Journal of Science and Engineering Elites, 5(1): 6-12. (In Persian). https://www.sid.ir/paper/363369/en. Mind'je, R., Li, L., Amanambu, A. C., Nahayo, L., Nsengiyumva, J. B., Gasirabo, A., & Mindje, M. (2019). Flood susceptibility modeling and hazard perception in Rwanda. International Journal of Disaster Hazard Reduction, 10, 1211. https://doi.org/10.1016/j.ijdrr.2019.101211 Mir Mosavi, S., & Esmaeili, H. (2021). Zoning of Flood-prone Areas Using Geographic Information System (GIS) and Remote Sensing (RS), (Case Study: Darab City). Journal of Natural Environmental Hazards, 10(27): 21-46. doi: https://doi.org/10.22111/jneh.2020.32986.1613. (In Persian). Mitra, R., Saha, P., & Das, J. (2022). Assessment of the performance of GIS-based analytical hierarchical process (AHP) approach for flood modelling in Uttar Dinajpur district of West Bengal, India. Geomatics. Nat Hazards Risk, 13(1): 2183–2226 https://doi.org/10.1080/19475705.2022.2112094 Mohammad Doust, A., & Shamsnia, S.A. (2023). Identification and Zoning of Flood-Prone Areas Using AHP - GIS (Case Study: Dayyer County, Bushehr Province). Journal of Geography and Environmental Studies, 47,152-167. (In Persian). Dor: 20.1001.1.20087845.1402.12.47.9.5 Osman, S.A., & Das, J. (2023). GIS-based flood risk assessment using multi-criteria decision analysis of Shebelle River Basin in southern Somalia. SN Appl. Sci., 5, 134. https://doi.org/10.1007/s42452-023-05360-5 Ouma, Y. O., & Tateishi, R. (2014). Urban flood vulnerability and hazard mapping using integrated multi-parametric AHP and GIS: Methodological overview and case study assessment. Water, 6 (6): 1515–1545. https://doi.org/10.3390/w6061515 Pappenberger, F., Frodsham, K., Beven, K., Romanowicz, R., & Matgen, P. (2007). Fuzzy set approach to calibrating distributed flood inundation models using remote sensing observations. Hydrol. Earth Syst. Sci., 11, 739–752, https://doi.org/10.5194/hess-11-739-2007, 2007. Poddar, I,. Alam, J., Basak, A., Mitra, R., & Das, J. (2023). Application of a geospatial-based subjective MCDM Method for Flood susceptibility modeling in Teesta River Basin, West Bengal, India. Monitoring and managing multi-hazards. Springer, Cham, pp 135–152. https://doi.org/10.1007/978-3-031-15377-8_10 Rajasekhar, M., Raju, G.S., Sreenivasulu, Y., & Raju, R.S. (2019). Delineation of groundwater potential zones in semi-arid region of Jilledubanderu river basin, Anantapur District, Andhra Pradesh, India using fuzzy logic, AHP and integrated fuzzy-AHP approaches. HydroResearch, 2, 97–108. https://doi.org/10.1016/j.hydres.2019.11.006. Samela, C., Albano, R., Sole, A., & Manfreda, S., (2018). A GIS tool for cost-effective delineation of flood-prone areas, Computers. Environment and Urban Systems, 70, 43-52. https://doi.org/10.1016/j.compenvurbsys.2018.01.013 Soleimani Sardoo, F., Rafiei Sarooi, E., Mesbahzadeh, T., & Azareh, A. (2021). Utilizing Sentinel 1 Images for Monitoring Damage of Flood Event in March 2020, the South of Kerman Province Based on Random Forest Algorithm, jwmseir. 15(53): 23-32. (In Persian). http://jwmsei.ir/article-1-976-fa.html Tseng, M.L., Lin, Y.H., Chiu, A.S.F., & Chen, C.Y. (2008). Fuzzy AHP approach to TQM strategy evaluation. IEMS 7(1): 34–43. http://www.iemsjl.org/journal/article.php Valizadeh, K., Delire R., & Azari, K. (2019). Flood zoning and its impact on land use in the surrounding area using unmanned aerial vehicles (UAV) images and GIS. Journal of RS and GIS for Natural Resources, 10(3): 59-75. (In Persian). https://www.sid.ir/paper/189492/fa Viglione, A., Merz, R., & Blöschl, G. (2009). On the role of the runoff coefficient in the mapping of rainfall to flood return periods, Hydrology and Earth System Sciences. 13(5): 577–593. http://hdl.handle.net/20.500.12708/166187 Wu, Y., Zhong, P. A., Zhang, Y., Xu, B., Ma, B., & Yan, K. (2015). Integrated flood hazard assessment and zonation method: A case study in Huaihe River basin, China. Natural Hazards, 78(1): 635–651. https://doi.org/10.1007/s11069-015-1737-3 Xiao, JF., Li, J., & Moody, A. (2003). A detail-preserving and flexible adaptive filter for speckle suppression in SAR imagery. Int J Remote Sens., 24(12): 2451–2465. https://doi.org/10.1080/01431 16021 01548 85. | ||
|
آمار تعداد مشاهده مقاله: 229 تعداد دریافت فایل اصل مقاله: 52 |
||