پهنه‌بندي خطر وقوع سيلاب با استفاده از فرآيند تحليل شبكه‌ (مطالعه موردي: حوضه‌ آب‌خيز خياو چاي)

(Flood Risk Mapping and Evaluation by using the Analytic Network Process Case Study: (Khiav Chai Catchment

سيلاب يكي از رايج‌ترين مخاطرات طبيعي جهان قلمداد مي­شود كه سالانه موجب خسارات جاني و مالي فراواني در سراسر جهان مي‌گردد. از اين ‌رو توسعه مدل­ هاي پهنه‌بندي و پيش‌بيني وقوع سيلاب جهت اتخاذ تصميمات بهينه پيش از وقوع سيلاب و پس ‌از آن و نيز مديريت آن بسيار مهم و ضروري مي­باشد. هدف از اين پژوهش، تعيين پهنه­ هاي خطر وقوع سيلاب، در حوضه رودخانه خياو چاي با استفاده از مدل تحليل شبكه مي­باشد. جهت اجراي اين مدل در منطقه از داده­ هاي مختلفي همچون بارش، كاربري زمين، خصوصيات مورفولوژيك دامنه­ ها مثل تحدب و تعقر، همگرايي و واگرايي دامنه ­ها ، شيب دامنه­ ها، شاخص پوشش گياهي (NDVI)، فاصله از رودخانه­ هاي اصلي و تراكم شبكه زهكشي استفاده‌شده است. نتايج به ­دست آمده از مدل تحليل شبكه ­اي بيانگر اين واقعيت مي­باشد بيش از 15 درصد از حوضه تحت تأثير خطر وقوع سيلاب با پتانسيل بسيار بالا قرار دارد كه به‌طور عمده در پايين‌دست حوضه واقع‌ شده است، اين سطوح اغلب شيب كمتر از 35 درصد، با درصد پوشش گياهي كم، سطوح همگرا با پروفيل مقعر، نواحي پست و حاشيه رودخانه­ ها را تشكيل مي­دهند. تحليـل وزن‌هاي نهايي منتج از مدل ANP­، نشان مي­دهد كه در رابطه با خطر وقوع سيلاب، عامل شيب با مقدار (۰/۹۹) و عامل سنگ‌شناسي با مقدار ۰/۸۲۲ با توجه به كنترل زيادي كه بر ميزان و چگونگي نفوذ و تخليه­ رواناب از سطح حوضه دارنـد، از بيشـترين ميـزان اهميت و تأثير برخوردار هستند و شاخص SPI با ۰/۲۲۶ و شاخص STI با ۰/۰۶۵ نسبت بـه عوامـل ديگـر داراي اهميت كمتري هستند.

Flood is one of the most common natural worldwide hazards that causes enormous losses of life and property throughout the world. Therefore, the development of flood mapping forecast models is curial in decision making before the flood and for the after flood management. The aim of this study is to determine the flood hazard zones in the khiav Chai basin using the network analysis process. To implement this model in the area under study, various data such as rainfall, land use, slope-morphological characteristics such as convexity (profile curvature) convergence divergence slopes (plan curvature), steep slopes, vegetation index (NDVI), distance from major rivers and drainage network density were considered. The results obtained from the network Analyzer model shows the fact that more than 15 percent of the area affected by the floods with very high potential risk of occurrence are mainly located at the bottom of the basin. These levels are often less than 35% in slope, with low vegetation density profiles, converged areas with concave surfaces, and areas near rivers. Analysis of the final weights derived from the AHP in relation to flood risk shows that the slope of the geological formations operating by 0/99, and 0/822 value, have the highest impact and influence, regarding the high degree of control and influence they have on the amount of runoff and discharge of the surface area. The importance and influence of the SPI with 0/226 and 0/065 STI are of less important compared to other factors.