پهنه بندی پتانسیل سیل گیری با استفاده ازمدل منطق فازی در محیط GIS (مطالعه موردی حوضه رودخانه خیاوچای مشکین شهر)
محل انتشار: مجله هیدروژیومورفولوژی، دوره: 2، شماره: 3
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 126
فایل این مقاله در 15 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-2-3_007
تاریخ نمایه سازی: 4 بهمن 1401
چکیده مقاله:
چکیده حوضه خیاوچای در استان اردبیل و از زیرشاخههای رودخانه قرهسو میباشد. رودخانه اصلی این حوضه خیاوچای نام دارد که از ارتفاعات سبلان (هزار میخ، آیی قاری، دلی آلی، جنوار داغی) سرچشمه میگیرد و سرتاسر دره موئیل را طی نموده و به رودخانه قرهسو از زیر حوضههای روخانه ارس میریزد. با توجه به اینکه شهر مشکینشهر در پایین دست این حوضه قرار گرفته است و در هر لحظه با خطر سیلاب این حوضه مواجه است، لزوم توجه به خطر سیلاب این حوضه بیش از پیش امری ضروری میباشد. در این پژوهش به پهنهبندی پتانسیل سیلگیری حوضه خیاوچای مشکینشهر با استفاده از مدل منطق فازی پرداخته شده است. برای این منظور از ۸ پارامتر شامل : تراکم پوشش گیاهی – تراکم زهکشی- فاصله از آبراهه- لیتولوژی- کاربری اراضی- بارش- ارتفاع و شیب استفاده شده است. در این مدل ابتدا تمامی لایهها با فرمت رستر وارد نرمافزار Arc GIS گردید، سپس فازی سازی معیارها با توجه به توابع مورد نظر صورت گرفته و در مرحله بعد با استفاده از عملگرهای مختلف مدل فازی، اقدام به پهنهبندی سیلگیری حوضه مورد نظر گردید. نتیجه تحقق نشان داد که درهها، خطالقعرها با دامنههای مقعر و مناطق پایین دست موثرترین سطح سیلگیری حوضه میباشند. در پایان استفاده از نتایج این پژوهش میتواند کمک شایانی در کاهش خسارات جانی و مالی ساکنان پایین دست حوضه کرده، همچنین میتواند پیش زمینهای برای انجام مطالعات بعدی در رابطه با مخاطرات طبیعی باشد.
نویسندگان
عزت اله قنواتی
دانشیار و عضو هیئت علمی دانشگاه خوارزمی تهران
فریدون بابائی اقدم
استادیار و عضو هیئت علمی دانشگاه تبریز
طاهر همتی
دانشجوی دکتری ژئومورفولوژی دانشگاه محقق اردبیلی
مسعود رحیمی
دانشجوی دکتری ژئومورفولوژی دانشگاه تبریز
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 :