پهنه بندی تطبیقی سیلاب در حوضه آبخیز چشمه کیله، تنکابن
محل انتشار: مجله هیدروژیومورفولوژی، دوره: 9، شماره: 33
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 198
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HYD-9-33_007
تاریخ نمایه سازی: 4 بهمن 1401
چکیده مقاله:
سیلاب یکی از مهمترین خطرات طبیعی است که اغلب با تاثیرات عظیم سالانه میلیون ها نفر را در سراسر جهان تحت تاثیر قرار می دهد. در سال های اخیر به دلیل وقوع سیلاب های مکرر در حوضه آبخیز رودخانه چشمه کیله و متعاقب آن ایجاد خسارات ناشی از سیلاب، لزوم توجه به پهنه بندی خطر سیل خیزی حوضه مورد بررسی بیش از پیش نمایان می شود. در بین روش های مختلف برای تهیه نقشه های پهنه بندی سیلاب، روش های آماری به علت سادگی در عمل و نیز دقت قابل قبول، بیشتر مورد توجه قرار می گیرند. هدف از این پژوهش مقایسه قابلیت اعتماد مدل های آنتروپی شانون، نسبت فراوانی و وزن شاهد در زمینه پهنه بندی سیل خیزی حوضه آبخیز چشمه کیله است. در این تحقیق از معیارهای شیب، طبقات ارتفاعی، جنس خاک، شاخص رطوبت توپوگرافی، فاصله از رودخانه، زمین شناسی، کاربری اراضی، تراکم آبراهه، NDVI و بارندگی استفاده شده است. احتمال رخداد سیلاب برای هر کلاس از هر پارامتر محاسبه شده است. وزن های محاسبه شده برای هر کلاس در نرم افزار GIS ARCدر لایه های مربوطه اعمال شده و نقشه های پهنه بندی سیلاب منطقه به دست آمد. نقشه های نهایی حاصل از اجرای این سه مدل در منطقه به ۳ طبقه کم خطر، متوسط و پرخطر تقسیم شدند. و نهایتا قابلیت اعتماد هر یک از مدل ها با استفاده از منحنی مشخصه عملکرد سیستم (ROC) ارزیابی شدند. نتایج نشان داده است که تکنیک نسبت فراوانی (FR)، وزن شاهد (WOE) و آنتروپی شانون (SE) به ترتیب اولویت، دارای بیشترین دقت در پیش بینی وقوع سیلاب هستند.
کلیدواژه ها:
نویسندگان
امیر صفاری
دانشیار گروه جغرافیا، دانشگاه خوارزمی تهران، ایران
سارا محمدی
دانشجوی دکتری ژئومورفولوژی دانشگاه خوارزمی تهران، ایران
علی احمدآبادی
استادیار گروه جغرافیا دانشگاه خوارزمی تهران، ایران
سحر دارابی
استادیارگروه جغرافیا، دانشگاه خوارزمی تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :