رویکرد هیبریدی مبتنی بر زنجیره مارکوس و مدل های شانون و EBF برای تحلیل پویایی خطر سیلاب (مطالعه موردی: حوضه کلارود بابل)

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 17

فایل این مقاله در 28 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WATER-16-3_009

تاریخ نمایه سازی: 21 مهر 1405

چکیده مقاله:

پژوهش حاضر با هدف پهنه بندی و تحلیل پویایی خطر سیلاب در حوزه آبریز کلارود بابل (شمال ایران) با وسعت ۲۱۶ کیلومترمربع انجام شد. این حوزه با اختلاف ارتفاعی ۴۵ تا ۲۲۷۲ متر و میانگین شیب ۱۹٫۴۶ درصد از مناطق مستعد سیلاب در رشته کوه البرز مرکزی است. برای ارزیابی جامع خطر، از مدل ترکیبی آنتروپی شانون (SE)، تابع شواهد قطعی (EBF) و زنجیره مارکوف (Markov Chain) استفاده شد تا جنبه های مکانی و زمانی خطر بررسی شود. نه عامل موثر شامل ارتفاع، شیب، جهت شیب، تراکم زهکشی، فاصله از رودخانه و جاده، کاربری اراضی، خاک و شاخص رطوبت توپوگرافی (TWI) در محیط GIS تحلیل شدند. بر اساس مدل شانون، عوامل ارتفاع (۱۹۸۳/۰)، جهت شیب (۱۵۱۷/۰) و شیب (۱۴۲۳/۰) بیشترین اثر را داشتند. مدل EBF سهم ۴۸ درصدی این سه عامل را تایید کرد و مدل مارکوف برای پیش بینی تغییرات خطر از ۲۰۱۳ تا ۲۰۳۰ به کار رفت. نتایج نشان داد مدل  (AUC= ۰/۸۳, RMSE =۰/۲۱۹ ) EBFعملکرد بهتری نسبت به مدل شانون (AUC = ۰/۷۱ , RMSE = ۰/۲۹۳ ) داشته و مدل مارکوف (AUC = ۰/۷۹ ) ثبات زمانی مناسبی دارد. در مجموع ۲۶٫۴ درصد از مساحت حوضه در کلاس های خطر زیاد و خیلی زیاد قرار گرفت که عمدتا نواحی میانی و جنوبی شامل روستاهای شیاده، انجیلک و لمسوکلا را دربرمی گیرد. چارچوب ترکیبی پیشنهادی با تبیین نااطمینانی داده ها و پویایی زمانی، ابزار کارآمدی برای مدیریت خطر، برنامه ریزی آبخیزداری و توسعه پایدار شمال ایران محسوب می شود.

کلیدواژه ها:

نویسندگان

سید اسدالله حجازی

دانشیار دانشگاه ژئومورفولوژی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران

معصومه رجبی

استاد دانشگاه ژئومورفولوژی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران

سبیکه روحانی زاده

دانشجوی دکتری رشته ژئومورفولوژی، دانشکده برنامه ریزی وعلوم محیطی، دانشگاه تبریز، تبریز، 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 :
  • تقوایی سلیمی، س و باغی زاده، ا. (۱۴۰۲). ارزیابی خطر ...
  • رحمتی، ا، زینی وند، ه و نادری، ن. (۱۴۰۱). مقایسه ...
  • صالحی، م و عنایتی، ز. (۱۴۰۲). پهنه بندی خطرپذیری سیلاب ...
  • عابدی، ف.، حسینی، ر.، و رجبی، م. (۱۴۰۱). ارزیابی تغییرات ...
  • عرب عامری، ع ر، رضایی، ک، و پورقاسمی، ح ر. ...
  • کاظمی، ع و بغدادی، ر. (۱۴۰۰). تحلیل پویایی خطر سیلاب ...
  • کاظمی، س.، شیرمحمدی، ع.، جعفری، س. (۱۳۹۷). مدل سازی تغییرات ...
  • یزدانی، م.، احمدی، ح.، و خلیلی، م. (۱۳۹۸). تحلیل تغییرات ...
  • Ahmed, B., & Dewan, A. (۲۰۱۸). Application of Marcos chain ...
  • Arabameri, A., Rezaei, K., Pourghasemi, H. R., et al. (۲۰۲۰). ...
  • Bui, D. T., Shirzadi, A., Shahabi, H., Chapi, K., Hoang, ...
  • Eastman, J. R. (۲۰۱۲). IDRISI TerrSet manual: The Marcos and ...
  • Halmy, M. W. A., Gessler, P. E., Hicke, J. A., ...
  • Hajizadeh, M., Pourghasemi, H. R., & Rahmati, O. (۲۰۲۱).Flood susceptibility mapping using ...
  • Khaledian, Y., Enayati, Z., & Taghvayi Salimi, S. (۲۰۲۲). Hydrological ...
  • Khosravi, K., et al. (۲۰۲۰). Flood susceptibility mapping using entropy ...
  • Moayedi, H., & Bui, D. T. (۲۰۲۰). Predicting flood hazard ...
  • Pontius, R. G., & Malanson, J. (۲۰۰۵). Comparison of the ...
  • Pourghasemi, H. R., & Moradi, E. (۲۰۲۱). Spatial modeling of ...
  • Pham, B. T., Tien Bui, D., & Pradhan, B. (۲۰۲۳). ...
  • Rahmati, O., & Zeinivand, H. (۲۰۲۳). Dynamic flood hazard prediction ...
  • Taghvayi Salimi, S., Baghizadeh, A., & Pourghasemi, H. R. (۲۰۲۲). ...
  • Tehrany, M. S., Jang, C., & Pham, B. T. (۲۰۲۲). ...
  • Youssef, A. M., Pourghasemi, H. R., & Al-Katheeri, M. (۲۰۲۲). ...
  • Xiong, L., Chen, W., & Li, H. (۲۰۲۳). Spatio-temporal transition ...
  • نمایش کامل مراجع