
تعداد نشریات | 33 |
تعداد شمارهها | 769 |
تعداد مقالات | 7,457 |
تعداد مشاهده مقاله | 12,441,842 |
تعداد دریافت فایل اصل مقاله | 8,469,588 |
ارائه مدل ترکیبی مکانمبنا جهت پهنهبندی خطر سیلاب (منطقه مورد مطالعه: شهرستان مانه و سملقان) | ||
مخاطرات محیط طبیعی | ||
مقاله 10، دوره 11، شماره 31، خرداد 1401، صفحه 173-192 اصل مقاله (3.75 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22111/jneh.2021.36392.1724 | ||
نویسندگان | ||
پرهام پهلوانی* 1؛ محمد حسنلو2؛ بهناز بیگدلی3؛ سید احمد اسلامی نژاد2 | ||
1استادیار دانشکده مهندسی نقشهبرداری و اطلاعات مکانی، دانشگاه تهران | ||
2کارشناسی ارشد مهندسی سیستمهای اطلاعات مکانی، دانشکده مهندسی نقشهبرداری و اطلاعات مکانی، دانشگاه تهران | ||
3استادیار دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود | ||
چکیده | ||
با توجه به بالا رفتن وقوع سیلاب مخصوصاً در سطح شهرها و به وجود آمدن خطرات جانی، مالی و محیط زیستی ناشی از افزایش آن، پهنهبندی مناطق سیلخیز از اهمیت بالایی برخوردار است. لذا در این تحقیق سعی شد مناطق وقوع سیلاب به کمک تعیین معیارهای مؤثر پهنهبندی شود. معیارهای مورد استفاده در این تحقیق شامل شاخص فورنیه اصلاح شده، شاخص موقعیت توپوگرافی، منحنی رواناب، جریان تجمعی، شیب، مدل رقومی ارتفاعی، شاخص رطوبت توپوگرافی، فاصله قائم تا رواناب، فاصله افقی تا رواناب و شاخص نرمال شده تفاوت پوشش گیاهی است. نوآوری این مطالعه ارائه روش ترکیبی جدید برای تعیین معیارهای موثر در پهنهبندی خطر سیل (شهرستان مانه و سملقان) است. در این راستا از ترکیب رگرسیون وزندار جغرافیایی (هستههای گوسین و مکعبی سهگانه) و الگوریتم بهینهسازی ازدحام ذرات گسسته استفاده گردید. روش ترکیبی پیشنهادی مناسب برای مسائل رگرسیون مکانی است، زیرا این روش با دو خواص منحصر به فرد دادههای مکانی یعنی خودهمبستگی مکانی و ناایستایی مکانی سازگار است. بهترین مقدار تابع برازش (1-R2) برای هستههای گوسین و مکعبی سهگانه به ترتیب 0745/0 و 0022/0 به دست آمد که نشاندهنده سازگاری بالای هسته مکعبی سهگانه نسبت به هسته گوسین با معیارهای مؤثر است. همچنین مشخص شد که معیارهای به کار برده شده تأثیر قابل توجهی بر میزان سیلخیزی در منطقه موردمطالعه دارند. | ||
کلیدواژهها | ||
پهنهبندی خطر سیلاب؛ رگرسیون وزندار جغرافیایی؛ الگوریتم بهینهسازی انبوه ذرات گسسته | ||
مراجع | ||
خسروی خ بات؛ معروفی نیا ادریس؛ نوحانی ابراهیم؛ چپی کامران (1395)، ارزیابی کارایی مدل رگرسیون لجستیک در تهیۀ نقشۀ حساسیت به وقوع سیل، نشریه مرتع و آبخیزداری (منابع طبیعی ایران)، شماره 4، 876-863. DOI: 10.22059/JRWM.2017.61187 روستایی شهرام؛ موسوی رمضان؛ علیزاده گرجی غلامرضا (1396)، تهیه نقشه پهنهبندی سیلاب حوضه آبخیز نکارود با استفاده از مدل SCS-CN و GIS/RS،پژوهشهای ژئومورفولوژی کمی،6 (1)، تابستان 1396. 118-108. http://www.geomorphologyjournal.ir/article_78078.html شریفی پیچون محمد؛ امیدوار کمال؛ متذکر کوثر (1398)، استفاده از روش تحلیل خوشهای و رگرسیون چند متغیره در ارزیابی پتانسیل سنجی سیلاب با تأکید بر پارامترهای هیدروژئومورفولوژیکی (مورد مطالعه: حوضه آبخیز رودخانه مارون). مخاطرات محیط طبیعی, 8(21). DOI: 10.22111/JNEH.2018.22519.1336 عفیفی محمدابراهیم (1398)، ارزیابی عوامل مؤثر بر مخاطرات سیلاب و تهیۀ نقشۀ حساسیت و احتمال وقوع آن با استفاده از مدل آنتروپی شانون (مطالعۀ موردی: حوضۀ آبخیز رودخانۀ فیروزآباد)، مدیریت مخاطرات طبیعی، دوره 6، شماره 2، تابستان 98، صفحه 167-149. DOI: 10.22059/JHSCI.2019.279717.462 فیضی زهرا؛ کشتکار امیررضا؛ ملکیان آرش؛ قاسمیه هدی (1395)، پهنهبندی اراضی مستعد پخش سیلاب با استفاده از مدل تحلیل سلسله مراتبی فازی (مطالعه موردی: جنوب دشت کاشان)، نشریه علوم آبوخاک - علوم و فنون کشاورزی و منابع طبیعی جلد ۲۰، شماره ۷۶،تابستان ۱۳۹۵، 129- 141. URL: http://jstnar.iut.ac.ir/article-1-3339-fa.html قوامی زینب؛ محمدینیا علی (1396)، پیشبینی مکانی مناطق سیلخیز با استفاده از سیستم اطلاعات مکانی، چهارمین کنفرانس ملی کاربرد سامانه اطلاعات مکانی GIS در صنعت آب و برق، اراک، وزارت نیرو. https://civilica.com/doc/711268 محمودزاده حسن؛ باکویی مائده (1397)، پهنهبندی سیلاب با استفاده از تحلیل فازی (مطالعه موردی: شهر ساری). مخاطرات محیط طبیعی, 7(18), 51-68.DOI: 10.22111/JNEH.2018.19885.1238 Abed, K.A., Ahmad, A.A., (2020), The best parameters selection using pso algorithm to solving for ito system by new iterative technique. Indonesian Journal of Electrical Engineering and Computer Science, 18(3), pp.1638-1645. https://doi.org/10.1103/PhysRevD.90.112016 Aghbashlo, M., Tabatabaei, M., Nadian, M.H., Davoodnia, V. and Soltanian, S., (2019), Prognostication of lignocellulosic biomass pyrolysis behavior using ANFIS model tuned by PSO algorithm. Fuel, 253, pp.189-198. https://doi.org/10.1016/j.fuel.2019.04.169 Alam, A., Ahmed, B., Sammonds, P., (2020), Flash flood susceptibility assessment using the parameters of drainage basin morphometry in SE Bangladesh. Quaternary International. https://doi.org/10.1016/j.quaint.2020.04.047 Ardiansyah, A., Sumunar, D.R.S., (2020), Flood Vulnerability Mapping Using Geographic Information System (GIS) in Gajah Wong Sub Watershed, Yogyakarta County Province. Geosfera Indonesia, 5(1), pp.47-64. https://doi.org/10.19184/geosi.v5i1.9959 Beheshti, Z., (2020), A time-varying mirrored S-shaped transfer function for binary particle swarm optimization. Information Sciences, 512, pp.1503-1542. https://doi.org/10.1016/j.ins.2019.10.029 Eini, M., Kaboli, H.S., Rashidian, M., Hedayat, H., (2020), Hazard and vulnerability in urban flood risk mapping: Machine learning techniques and considering the role of urban districts". International Journal of Disaster Risk Reduction, p.101687. https://doi.org/10.1016/j.ijdrr.2020.101687 Fotheringham, A.S., Oshan, T.M., )2016), Geographically weighted regression and multicollinearity: dispelling the myth. Journal of Geographical Systems, 18(4), pp.303-329. https://doi.org/10.1007/s10109-016-0239-5 Guevara, J., Zadrozny, B., Buoro, A., Lu, L., Tolle, J., Limbeck, J., Wu, M. and Hohl, D., (2018), A hybrid data-driven and knowledge-driven methodology for estimating the effect of completion parameters on the cumulative production of horizontal wells. In SPE Annual Technical Conference and Exhibition. Society of Petroleum Engineers. https://doi.org/10.2118/191446-MS Hudson, P., Botzen, W.W., (2019), Cost-benefit analysis of flood‐zoning policies: A review of current practice. Wiley Interdisciplinary Reviews: Water, 6(6), p.e1387. https://doi.org/10.1002/wat2.1387 Hutahaean, S., (2019), Correlation of Weighting Coefficient at Weighted Total Acceleration with Rayleigh Distribution and with Pierson-Moskowitz Spectrum. International Journal of Advanced Engineering Research and Science, 6(3). DOI: 10.22161/ijaers.6.3.33 Jancewicz, K., Migoń, P. and Kasprzak, M., (2019), Connectivity patterns in contrasting types of tableland sandstone relief revealed by Topographic Wetness Index". Science of The Total Environment, 656, pp.1046-1062. https://doi.org/10.1016/j.scitotenv.2018.11.467 Kanani-Sadat, Y., Arabsheibani, R., Karimipour, F., Nasseri, M., (2019), A new approach to flood susceptibility assessment in data-scarce and ungauged regions based on GIS-based hybrid multi-criteria decision-making method". Journal of Hydrology, 572, pp.17-31. https://doi.org/10.1016/j.jhydrol.2019.02.034 Khosravi, K., Nohani, E., Maroufinia, E., Pourghasemi, H.R., (2016), A GIS-based flood susceptibility assessment and its mapping in Iran: a comparison between frequency ratio and weights-of-evidence bivariate statistical models with a multi-criteria decision- making technique. Nat. Hazards 83 (2), 947–987. https://doi.org/10.1007/s11069-016-2357-2 Murray, A.T., Xu, J., Baik, J., Burtner, S., Cho, S., Noi, E., Pludow, B.A. and Zhou, E., (2020), Overview of Contributions in Geographical Analysis: Waldo Tobler". Geographical Analysis. Oshan, T. M., Li, Z., Kang, W., Wolf, L. J, Fotheringhm, A.S., (2019), MGWR: A Python implementation of multiscale geographically weighted regression for investigating process spatial heterogeneity and scale, ISPRS International Journal of Geo-Information, 8 (6), p. 269. https://doi.org/10.3390/ijgi8060269 Papaioannou, G., Vasiliades, L., Loukas, A., (2015), Multi-criteria analysis framework for potential flood-prone areas mapping. Water resources management, 29(2), 399-418. https://doi.org/10.1007/s11269-014-0817-6 Pourghasemi, H.R., Razavi-Termeh, S.V., Kariminejad, N., Hong, H. and Chen, W., (2020), An assessment of metaheuristic approaches for flood assessment. Journal of Hydrology, 582, p.124536. https://doi.org/10.1016/j.jhydrol.2019.124536 Saa-Requejo, A., Martin-Sotoca, J.J., Valencia, J.L., Rodriguez-Sinobas, L., Tarquis, A.M., (2019), Modified Fournier index as a new metric of integrated degradability index ". In Geophysical Research Abstracts (Vol. 21). Shafapour, M., Shabanihttps, F., Neamah Jebur, M., Honghttps, H., Chenhttps, W., Xie, X, (2017), GIS-based spatial prediction of flood-prone areas using standalone frequency ratio, logistic regression, the weight of evidence and their ensemble techniques, Geomatics, Natural Hazards and Risk, 8:2, 1538-1561. DOI: 10.1080/19475705.2017.1362038 Vojtek, M., Vojteková, J., (2019), Flood susceptibility mapping on a national scale in Slovakia using the analytical hierarchy process. Water, 11(2), p.364. https://doi.org/10.3390/w11020364 Wang, X., Liu, H., (2019), A Knowledge-and Data-Driven Soft Sensor Based on Deep Learning for Predicting the Deformation of an Air Preheater Rotor. IEEE Access, 7, pp.159651-159660. https://doi.org/10.1109/ACCESS.2019.2950661 Wu, D., (2020), Spatially and Temporally Varying Relationships between Ecological Footprint and Influencing Factors in China's Provinces Using Geographically Weighted Regression (GWR). Journal of Cleaner Production, p.121089. https://doi.org/10.1016/j.jclepro.2020.121089 Xiao, Y., Yi, S., Tang, Z., (2017), Integrated flood hazard assessment based on spatial ordered weighted averaging method considering spatial heterogeneity of risk preference. Sci. Total Environ, 599, 1034. https://doi.org/10.1016/j.scitotenv.2017.04.2. | ||
آمار تعداد مشاهده مقاله: 905 تعداد دریافت فایل اصل مقاله: 755 |