CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پهنه بندی تطبیقی سیلاب در حوضه آبخیز چشمه کیله، تنکابن

عنوان مقاله: پهنه بندی تطبیقی سیلاب در حوضه آبخیز چشمه کیله، تنکابن
شناسه ملی مقاله: JR_HYD-9-33_007
منتشر شده در در سال 1401
مشخصات نویسندگان مقاله:

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

خلاصه 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.

کلمات کلیدی:
سیلاب, نسبت فراوانی (FR), وزن شاهد (WOE), آنتروپی شانون (SE), چشمه کیله, شمال ایران

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1592133/