| تعداد نشریات | 31 |
| تعداد شمارهها | 834 |
| تعداد مقالات | 8,015 |
| تعداد مشاهده مقاله | 14,853,714 |
| تعداد دریافت فایل اصل مقاله | 9,587,167 |
ارزیابی جامع پتانسیل سیلخیزی حوضه آبریز گرگانرود براساس فاکتورهای مؤثر | ||
| مخاطرات محیط طبیعی | ||
| مقاله 3، دوره 14، شماره 46، دی 1404، صفحه 1-22 اصل مقاله (4.57 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22111/jneh.2025.48905.2049 | ||
| نویسندگان | ||
| اعظم نجفی وفا1؛ سید موسی حسینی* 2؛ منصور جعفر بگلو2؛ محمد مهدی حسین زاده3 | ||
| 1دانشجوی دکتری رشته ژئومورفولوژی، گروه جغرافیای طبیعی، دانشگاه تهران، تهران، ایران | ||
| 2دانشیار گروه جغرافیای طبیعی، دانشگاه تهران، تهران، ایران | ||
| 3دانشیار گروه جغرافیای طبیعی، دانشگاه شهید بهشتی، تهران، ایران | ||
| چکیده | ||
| سیلابها بهعنوان بخشی جداییناپذیر از چرخه طبیعی هیدرولوژیکی، میتوانند منجر به اختلالات اجتماعی قابلتوجه و تغییرات مورفولوژیکی در محیطهای رودخانهای و دشتهای سیلابی شوند. درک عوامل مؤثر و تأثیر نسبی آنها بر حساسیت حوضه به سیلاب برای مدیریت پایدار منابع آب و کاهش خطر سیلاب حیاتی است. این مطالعه رویکردی سادهشده برای ارزیابی حساسیت به سیلاب در حوضه رودخانه گرگانرود ارائه میدهد که با ادغام مجموعهای جامع از عوامل مؤثر انجام شده است. این عوامل شامل متغیرهای اقلیمی (میانگین بارش روزانه و ساعتی، عمق برف و معادل آبی ذوب برف)، ویژگیهای توپوگرافی (مدل رقومی ارتفاع، شیب و جهت شیب)، خصوصیات ژئومورفولوژیکی (فاصله تا رودخانههای اصلی، بافت خاک، زمینشناسی، نزدیکی به گسلها، تراکم زهکشی)، کاربری اراضی/پوشش زمین، وضعیت پوشش گیاهی و مداخلات انسانی میباشند. هر یک از ۱۳ عامل استانداردسازی شده و وزندهی مساوی دریافت کردند، سپس با استفاده از ترکیب خطی وزنی، نقشه حساسیت به سیلاب تولید شد. اعتبارسنجی با استفاده از میانگین سری زمانی دادههای اوج دبی از ۲۶ ایستگاه هیدرومتری، با بهرهگیری از ضریب همبستگی رتبهای اسپیرمن و تحلیل منحنی مشخصه عملکرد گیرنده (ROC) انجام شد. تحلیل حساسیت با حذف متوالی هر عامل برای ارزیابی تأثیر آن بر نتایج حساسیت به سیلاب صورت گرفت. یافتهها نشاندهنده پتانسیل بالاتر سیلاب در بخشهای جنوب شرقی، غربی و شمال شرقی حوضه هستند. ضریب همبستگی اسپیرمن و مساحت زیر منحنی ROC برای دوره بازگشت ۱۰۰ ساله در ۱۵ ایستگاه هیدرومتری به ترتیب ۰.۶۶ و ۰.۶۸ بود. تحلیل حساسیت نشان داد که بارش ساعتی، معادل آبی ذوب برف و ارتفاع بهعنوان مؤثرترین عوامل شناسایی شدند. روش پیشنهادی چارچوبی عملی برای شناسایی مناطق مستعد سیلاب در حوضه گرگانرود ارائه میدهد که تسهیلکننده اولویتبندی مداخلات مدیریتی و برنامهریزی حوضه آبریز است. | ||
| کلیدواژهها | ||
| پتانسیل سیل خیزی؛ حوضه آبریز گرگانرود؛ سیستم اطلاعات جغرافیایی؛ تحلیل حساسیت؛ نمودارمشخصه عملکرد | ||
| مراجع | ||
|
ارخی، صالح؛ یاریبیگی، حدیث؛ عمادالدین، سمیه. (1400). «پهنهبندی خطر سیلاب با استفاده از سیستم اطلاعات جغرافیایی (مطالعه موردی: حوضه آبخیز گرگانرود)». پژوهشهای ژئومورفولوژی کمّی، 10(3)، 86–110.
اسفندیاری، امیرحسین؛ قادری، فرهاد. (1403). «پتانسیل سیلخیزی حوضه سد رجایی». نشریه مهندسی عمران، 53(113)، 100–111.
عابدینی، موسی؛ فتحیجوکدان، رقیه. (1395). «پهنهبندی خطر وقوع سیل در گرگانرود». هیدروژئومورفولوژی، 7، 3–30.
جلالیان، سید اسحاق. (1401). «پهنهبندی سیلخیزی در حوضه گرگانرود». آمایش جغرافیایی فضا، 11(42)، 143–162.
حسینزاده، محمدمهدی؛ صالحیپور، علیرضا؛ رضائیان، فاطمه. (1402). «حساسیت زیرحوضههای نکارود به سیل». هیدروژئومورفولوژی، 10(34)، 75–100.
ضیاییان، پرویز؛ بدراقنژاد، ایوب. (1399). «شناسایی مناطق مستعد پخش سیلاب با استفاده از RS/GIS». تحقیقات علوم جغرافیایی، 20(57)، 1–24.
فومنی، سحر.؛ وظیفهدوست، مجید. (1398). «اثر تغییر کاربری بر سیلخیزی گرگانرود». شانزدهمین کنگره خاک ایران، 1–7.
ثقفیان, بهرام, فرازجو, حسن, سپهری, عادل و نجفی نژاد, علی. (1385). بررسی اثر تغییرات کاربری اراضی بر سیلخیزی حوضه آبریز سد گلستان. تحقیقات منابع آب ایران, 2(1), 18-28.
سازمان مدیریت و برنامهریزی کشور.(1380). راهنمای مهار سیلاب. نشریه 242.
شهرضا، علی صالح.؛ اصغری، ابراهیم.(1388). مطالعات منابع آب گرگانرود. جلد سوم، 293 صفحه.
Avand, M., & Moradi, H. (2021). Using machine learning models, remote sensing, and GIS to investigate the effects of changing climates and land uses on flood probability. Journal of Hydrology, 595, 125663. DEPC. (2007). Directive 2007/60/EC of the European Parliament and of the Council of 23 October 2007 on the assessment and management of flood risks. Official Journal of the European Union, L 288(27), 27-34. Retrieved from http://eurlex.europa.eu/LexUriServ/LexUriServ.do?uri=OJ:L:2007:288:0027:0034:en:pdf Duangyiwa, C., & Cheewinsiriwat, P. (2022). Flood Susceptibility Mapping Using a Frequency Ratio Model: A Case Study of Chai Nat Province, Thailand. In Applied Geography and Geoinformatics for Sustainable Development: Proceedings of ICGGS 2022 (pp. 1-17). Cham: Springer International Publishing. Hartemink, A. E., & Bockheim, J. G. (2013). Soil genesis and classification. Catena, 104, 251-256. Jha, A. K., Bloch, R., & Lamond, J. (2012). Cities and flooding: a guide to integrated urban flood risk management for the 21st century. World Bank Publications. Kazakis, N., Kougias, I., & Patsialis, T. (2015). Assessment of flood hazard areas at a regional scale using an index-based approach and Analytical Hierarchy Process: Application in Rhodope–Evros region, Greece. Science of the Total Environment, 538, 555-563. Li, K., Wu, S., Dai, E., & Xu, Z. (2012). Flood loss analysis and quantitative risk assessment in China. Natural Hazards, 63, 737-760. Luo, W., Li, X., Molloy, I., Di, L., & Stepinski, T. (2014). Web service for extracting stream networks from DEM data. GeoJournal, 79, 183-193. Marchi, L., Borga, M., Preciso, E., & Gaume, E. (2010). Characterisation of selected extreme flash floods in Europe and implications for flood risk management. Journal of Hydrology, 394(1-2), 118-133. Moglen, G. E., Eltahir, E. A., & Bras, R. L. (1998). On the sensitivity of drainage density to climate change. Water resources research, 34(4), 855-862. Muleta, M. K., & Nicklow, J. W. (2005). Sensitivity and uncertainty analysis coupled with automatic calibration for a distributed watershed model. Journal of Hydrology, 306(1-4), 127-145. Narmatha, T., Jeyaseelan, A., Mohan, S. P., Mahalingam, S., & Natchimuthu, S. (2013). Morphometric analysis of the upper part of Pambar watershed, Ponnaiyar river basin, Tamil Nadu, India using Geographical Information System. J. Acad. Indus. Res, 1(11), 726-729. Natarajan, L., Usha, T., Gowrappan, M., Palpanabhan Kasthuri, B., Moorthy, P., & Chokkalingam, L. (2021). Flood susceptibility analysis in Chennai corporation using frequency ratio model. Journal of the Indian Society of Remote Sensing, 49, 1533-1543. Nedkov, S., & Burkhard, B. (2012). Flood regulating ecosystem services—Mapping supply and demand, in the Etropole municipality, Bulgaria. Ecological Indicators, 21, 67-79. Ouma, Y. O., & Tateishi, R. (2014). Urban flood vulnerability and risk mapping using integrated multi-parametric AHP and GIS: methodological overview and case study assessment. Water, 6(6), 1515-1545. Perrin, C., Oudin, L., Andreassian, V., Rojas-Serna, C., Michel, C., & Mathevet, T. (2007). Impact of limited streamflow data on the efficiency and the parameters of rainfall-runoff models. Hydrological Sciences Journal, 52(1), 131-151. Peucker, T. K., & Douglas, D. H. (1975). Detection of surface-specific points by local parallel processing of discrete terrain elevation data. Computer Graphics and Image Processing, 4(4), 375-387. Poff, N. L. (2018). Beyond the natural flow regime? Broadening the hydro‐ecological foundation to meet environmental flow challenges in a non‐stationary world. Freshwater Biology, 63(8), 1011-1021. Pourjavad, E., & Shirouyehzad, H. (2011). An MCDM approach for prioritizing production lines: a case study. International Journal of Business and Management, 6(10), 221-229. Rahmani, J., & Danesh-Yazdi, M. (2022). Quantifying the impacts of agricultural alteration and climate change on the water cycle dynamics in a headwater catchment of Lake Urmia Basin. Agricultural Water Management, 270, 107749. Sandu, I., Pescaru, V. I., Poiană, I., Geicu, A., Cândea, I., & Tâstea, D. (2008). Clima României (Climate of Romania). The Publishing House of the Romanian Academy, Bucharest. Shiau YoJin, S. Y., Wang HsuehChing, W. H., Chen TsaiHuei, C. T., Jien ShihHau, J. S., Tian GuangLong, T. G., & Chiu ChihYu, C. C. (2017). Improvement in the biochemical and chemical properties of badland soils by thorny bamboo. Stocker B D, Roth R, Joos F, Spahni R, Steinacher M, Zaehle S, Bouwman L, Xu R, Prentice I C (2013). Multiple greenhouse-gas feedbacks from the land biosphere under future climate change scenarios. Nat Clim Chang, 3(7): 666–672. Strahler, A. N. (1964). Quantitative geomorphology of drainage basin and channel networks. Handbook of applied hydrology. Szmidt, E., & Kacprzyk, J. (2011, August). The Spearman and Kendall rank correlation coefficients between intuitionistic fuzzy sets. In Proceedings of the 7th Conference of the European Society for Fuzzy Logic and Technology (pp. 521-528). Atlantis Press. UNISDR (2009). United Nations International Strategy for Disaster Reduction – Terminology on Disaster Risk Reduction, Geneva, Switzerland Wang, Y., Hong, H., Chen, W., Li, S., Panahi, M., Khosravi, K., ... & Costache, R. (2019). Flood susceptibility mapping in Dingnan County (China) using adaptive neuro-fuzzy inference system with biogeography-based optimization and imperialistic competitive algorithm. Journal of Environmental Management, 247, 712-729. Zaharia, L., Costache, R., Prăvălie, R., & Ioana-Toroimac, G. (2017). Mapping flood and flooding potential indices: a methodological approach to identifying areas susceptible to flood and flooding risk. Case study: the Prahova catchment (Romania). Frontiers of Earth Science, 11, 229-247. | ||
|
آمار تعداد مشاهده مقاله: 593 تعداد دریافت فایل اصل مقاله: 345 |
||