پديد آورندگان :
عرب عامري، عليرضا دانشگاه تربيت مدرس، تهران , پورقاسمي، حميدرضا دانشگاه شيراز - دانشكده كشاورزي , شيراني، كورش سازمان تحقيقات، آموزش و ترويج كشاورزي، اصفهان - مركز تحقيقات و آموزش كشاورزي و منابع طبيعي استان اصفهان
كليدواژه :
اعتبارسنجي , پهنه بندي , تئوري بيزين , حوضه آبخيز نكا , فرايند تحليل سلسله مراتبي
چكيده فارسي :
تهيۀ نقشۀ حساسيت پذيري سيلاب، نخستين گام در برنامه هاي مديريت سيلاب است. هدف از اين پژوهش، شناسايي مناطق حساس به سيل گيري با استفاده از روش تركيبي نوين تئوري بيزين فرايند تحليل سلسله‌مراتبي (Bayes-AHP) در حوضۀ آبخيز نكا ـ شهرستان ساري است. به‌منظور تهيۀ نقشۀ حساسيت پذيري سيل گيري در منطقۀ مطالعاتي، نقشۀ پراكنش سيلاب ها به منظور تحليل هاي آماري تهيه شد. از تعداد كل 342 موقعيت سيل، 70 درصد (240 موقعيت سيل) به منظور اجراي مدل و 30 درصد (102 موقعيت سيل) به منظور اعتبارسنجي استفاده شد. با استفاده از مطالعۀ گذشته و پيمايش هاي گستردۀ ميداني، 11 عامل مؤثر شامل درصد شيب، طبقات ارتفاعي، فاصله از آبراهه، تراكم زهكشي، شاخص پوشش گياهي تفاضلي نرمال شده (NDVI)، سنگ شناسي، كاربري اراضي، شاخص رطوبت توپوگرافي (TWI)، شاخص توان آبراهه (SPI)، بارندگي سالانه و انحناي سطح به منظور پهنه بندي سيل گيري بررسي شد. با استفاده از روش AHP، وزن هر يك از عوامل و بر اساس تئوري بيزين وزن هر يك از طبقات عوامل مؤثر بر وقوع سيلاب هاي منطقۀ مطالعه‌شده محاسبه شد. در نهايت، نقشۀ پهنه بندي حساسيت پذيري سيل گيري در پنج طبقه و در محيط نرم افزار ArcGIS10.1 تهيه شد. به منظور ارزيابي مدل منحني تشخيص عملكرد نسبي (ROC) استفاده شد. نتايج ارزيابي نشان داد مدل تركيبي دقت مناسبي (0/761) در شناسايي پهنه هاي حساس به سيلاب دارد. بر اساس نتايج به دست‌آمده، عوامل درصد شيب، ارتفاع و كاربري اراضي به ترتيب با وزن هاي 0/260، 0/195 و 0/146 بيشترين تأثير را در وقوع سيلاب هاي منطقۀ مطالعاتي داشته اند. همچنين طبق نتايج، 17/24 و 15/37 درصد از حوضۀ آبخيز نكا در رده هاي حساسيت زياد و بسيار زياد قرار گرفته است. مدل تركيبي ارائه‌شده مي تواند براي تحقيقات بيشتر در زمينۀ تهيۀ نقشۀ خطر سيل گيري و مديريت بحران استفاده شود.
چكيده لاتين :
Flood susceptibility mapping is the first step in flood management programs. Flood prediction can help reduce its following damages. The main objective of this study is identification of prone areas to flooding using new ensemble Bayesian-AHP methods in the Neka-Sari watershed, Iran. Flood inventory map was prepared based on statistical analyses. A total of 240 (70 %) and 102 (30 %) out of 342 observed events were used as training and validation data set, respectively. Based on literature review and extensive field studies, a total of 11 parameters in relation to flood occurrences were selected for flood mapping, including slope percent, elevation, distance to river, drainage density, NDVI, lithology, land use, topography wetness index (TWI), stream power index (SPI), rainfall, and curvature. The weights of each factor were determined by AHP method. Also, the relation between factor classes and flood events and the weight of each class were estimated using Bayesian theory. Finally, by integration of factors and their classes in ArcGIS, flood susceptibility map was obtained with five classes. In order to evaluate the obtained model, ROC curve was employed. Results showed that the ensemble model had a high accuracy (76.10 %) in flood susceptibility mapping. Also, slope percent, elevation, and land use had the highest effect on flood events with values of 0.260, 0.195, and 0.146, respectively. According to the results, 24.17 and 37.15 % of the study area are categorized in high and very high susceptibility classes, respectively. The presented combined model can be used for further studies on natural hazard mapping and disaster management.
