ارزیابی اثر زیرساخت‌‌های جاده‌‌ای در میزان سیل‌‌خیزی حوضه آبخیز مادرسو استان گلستان

نویسندگان

1 دانشجوی دکتری، گروه تنوع زیستی و مدیریت اکوسیستم‌‌ها، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی، ایران

2 دانشیار، گروه برنامه‌ریزی محیط‌زیست، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی، ایران

3 دانشجوی دکتری، گروه برنامه‌ریزی محیط‌زیست، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی، ایران

چکیده

سیل به عنوان یکی از بلایای طبیعی در حوضه آبخیز گلستان موجب پیامد‌‌های منفی اقتصادی-اجتماعی و محیط‌‌زیستی زیادی شده است. در این پژوهش، به منظور ارزیابی اثر زیرساخت‌‌های جاده‌‌ای در میزان سیل‌‌خیزی حوضه آبخیز مادرسو استان گلستان، از روش تحلیل سلسله مراتبی و آنالیز حساسیت متغیرهای اثرگذار بر وقوع سیل استفاده شد. ابتدا لایه‌‌های رقومی تاثیر گذار بر وقوع سیل شامل شیب زمین، بارندگی، فاصله از پل‌‌های احداث ‌‌شده، تراکم زهکشی و ارتفاع زمین در محیط نرم افزار ArcGIS10.2 تهیه شد. مقایسات زوجی در قالب پرسش‌‌نامه و براساس نظرات کارشناسان مختلف انجام و وزن هریک از معیارها در نرم افزار Expert choice به دست آمد. سپس نقشه مناطق مستعد سیل تهیه و براساس وقایع سیل‌‌های گذشته و با استفاده از منحنی ROC در نرم افزار SPSS 19 اعتبار‌‌سنجی شد. نتایج نشان داد متغیر فاصله از پل‌‌های احداث‌‌شده و ارتفاع از سطح دریا به ترتیب بیش‌‌ترین و کم‌‌ترین وزن را دارند. اعتبارسنجی نقشه نیز دقت 88% را نشان داد. آنالیز حساسیت مدل نیز اثبات کرد متغیر فاصله از پل‌‌های احداث‌‌شده بیشترین تاثیر را بر سیل‌‌خیزی منطقه داشته است. بنابراین، احداث پل‌‌های غیراستاندارد به عنوان یکی از زیرساخت‌‌های ‌‌جاده‌‌‌‌ای مؤثر بر رژیم جریان و مهندسی رودخانه، می تواند به عنوان یکی از مهم‌‌ترین عوامل دخیل در وقوع سیل‌‌های حوضه آبخیز مادرسو در نظر گرفته شود.

کلیدواژه‌ها


پناهی، ع. و علیجانی، ب. 1392. پیش بینی دبی اوج سیلابی با استفاده از مدل شبکه عصبی مصنوعی و رگرسیون چند متغیره مطالعه موردی (حوضه‌‌آبریز مادرسو استان گلستان). فصلنامه بین‌‌المللی انجمن جغرافیای ایران، 38: 132-113.
محمدی استادکلایه، ا.؛ مساعدی، ا.، علاقمند، س .1386. بررسی اثرات سیل مرداد 1380 شرق گلستان بر مرفولوژی رودخانه مادرسو. مجله علوم کشاورزی و منابع طبیعی، 14: 17-9.
شهربانیان، ا. 1392 . بررسی تاثیر سازههای احداثی بر پهنه‌‌های سیلابی رودخانه با استفاده از مدل‌‌های تحلیل هیدرولیکی در رودخانه پسیخان-استان گیلان. کنفرانس ملی تکنیک‌‌های نوین محاسباتی و بهینه‌‌سازی در مهندسی عمران. اردیبهشت 1392 .
سازمان مدیریت و برنامه‌‌ریزی کشور، انتشارات وزارت نیرو، معاونت امور آب و آبفا. دفتر مهندسی معیارهای فنی آب و آبفا. 1386 .
انتشارات سازمان مدیریت و برنامه‌‌ریزی کشور. راهنمای مطالعات فرسایش و رسوب در ساماندهی رودخانه‌‌ها، نشریه 383.
Bates, P.D. 2012. Integrating remote sensing data with flood inundation models: how far have we got? Hydrological Process. 26: 2515–2521.
Dahal, RK.; Hasegawa, S.; Nonomura, A.; Yamanaka, M.; Masuda, T. & Nishino K. 2008. GISbased weights-of-evidence modelling of rainfall-induced landslides in small catchments for landslide susceptibility mapping. Environ Geol. 54:311-324.
Dawod, GM.; Mirza, MN. & Al-Ghamdi, KA. 2012. GIS-based estimation of flood hazard impacts on road network in Makkah city, Saudi Arabia. Environ Earth Sci. 67:2205-2215.
flooded area susceptibility mapping using GIS. Geoscience and Remote Sensing Symposium (IGARSS); Munich; pp: 895-898.
Foudi, S.; Os-es-Eraso, N. & Tamayo, I. 2015. Integrated spatial flood risk assessment: the case of Zaragoza. Land Use Policy. 42:278-292.
Haq, M.; Akhtar, M.; Muhammad, S.; Paras, S. & Rahmatullah, J. 2012. Techniques of remote sensing and GIS for flood monitoring and damage assessment: a case study of Sindh province, Pakistan. Egypt J Remote Sens Space Sci. 15:135-141.
Heidari, A. 2014. Flood vulnerability of the Karun river system and short-term mitigation measures. Flood Risk Manag. 7:65-80.
Jaafari, A.; Najafi, A.; Pourghasemi, HR.; Rezaeian, J. & Sattarian A. 2014. GIS-based frequency ratio and index of entropy models for landslide susceptibility assessment in the Caspian forest, northern Iran. Int J Environ Sci Technol. 11:909-926.
Kia, MB.; Pirasteh, S.; Pradhan, B.; Rodzi Mahmud, A.; Sulaiman, WNA. & Moradi, A. 2012. An artificial neural network model for flood simulation using GIS: Johor River Basin, Malaysia. Environ Earth Sci. 67:251-264.
Kia, M.B.; Pirasteh, S.; Pradhan, B.; Mahmud, A.R.; Sulaiman, W.N.A. & Moradi, A. 2012. An artificial neural network model for flood simulation using GIS: Johor River Basin, Malaysia. Environ. Earth Sci. 67: 251–264.
Lee, MJ.; Kang, J E. & Jeon, S. 2012. Application of frequency ratio model and validation for predictive
Lohani, AK.; Goel, NK. & Bhatia, KKS. 2014. Improving real time flood forecasting using fuzzy inference system. J Hydrol. 509:25-41.
Marchand, M.; Buurman, J.; Pribadi, A. & Kurniawan, A. 2009. Damage and casualties modelling as part of a vulnerability assessment for tsunami hazards: a case study from Aceh, Indonesia. Flood Risk Manag. 2:120-131.
Moel, HD.; Vliet, MV. & Aerts, JCJH. 2014. Evaluating the effect of flood damage-reducing measures: a case study of the unembanked area of Rotterdam, the Netherlands. Reg Environ Change. 14:895-908.
Oh, H.J.; Kim, Y.S.; Choi, J.K.; Park, E. & Lee, S. 2011. GIS mapping of regional probabilistic groundwater potential in the area of Pohang City, Korea. J. Hydrol. 399: 158–172.
Patel, DP. & Srivastava, PK. 2013. Flood hazards mitigation analysis using remote sensing and GIS: correspondence with town planning scheme. Water Resour Manag. 27:2353-2368.
Perera, EDP. & Lahat, L. 2014. Fuzzy logic based flood forecasting model for the Kelantan River basin, Malaysia. J Hydro-Environ Res. doi:10.1016/j.jher.2014.12.001.
Pourghasemi, HR.; Moradi, HR. & Aghda, SMF. 2013. Landslide susceptibility mapping by binary logistic regression, analytical hierarchy process, and statistical index models and assessment of their performances. Nat Hazards. 69:749-779.
Pradhan, B. & Youssef, A. 2011. A 100-year maximum flood susceptibility mapping using integrated hydrological and hydrodynamic models: Kelantan River Corridor, Malaysia. Flood Risk Manag. 4:189-202.
Pradhan, B. 2011. Use of GIS-based fuzzy logic relations and its cross application to produce landslide susceptibility maps in three test areas in Malaysia. Environ Earth Sci. 63:329-349.
Rahmati, O.; Haghizadeh, A. & Stefanidis, S. 2015a. Assessing the Accuracy of GIS-Based Analytical Hierarchy Process for Watershed Prioritization; Gorganrood River Basin, Iran. Water Resour Manage. DOI: 10.1007/s11269-015-1215-4.
Rahmati, O.; Pourghasemi, H.R. & Zeinivand, H. 2015b. Flood susceptibility mapping using frequency ratio and weights-of-evidence models in the Golastan Province, Iran. Geocarto International. doi:10.1080/10106049.2015.1041559.
Rahmati, O.; Zeinivand, H. & Besharat, M. 2015c. Flood hazard zoning in Yasooj region, Iran, using GIS and multicriteria decision analysis. Geomatics, Natural Hazards Risk. doi:10.1080/ 19475705. 2015. 1045043.
Saaty, TL .1980. The Analytic hierarchy process: planning, priority setting, resource allocation. McGraw-Hill, New York press.
Saghafian, B.; Farazjoo, H.; Bozorgy, B. & Yazdandoost, F. 2008. Flood intensification due to changes in land use. Water Resour Manage 22:1051–1067.
Sharifi, F.; Samadi, S.Z. & Wilson, C.A.M.E. 2012. Causes and consequences of recent floods in the Golestan catchments and Caspian Sea regions of Iran. Nat Hazards 61:533–550.
Taylor, J.; Davies, M.; Clifton, D.; Ridley, I. & Biddulph, P. 2011. Flood management: prediction of microbial contamination in largescale floods in urban environments. Environ Int. 37:1019—1029.
Tehrany, MS.; Lee, MJ.; Pradhan, B.; Jebur, MN. & Lee, S. 2014a. Flood susceptibility mapping using integrated bivariate and multivariate statistical models. Environ Earth Sci. 72:4001-4015.
Tehrany, MS.; Pradhan, B. & Jebur, MN. 2014b. Flood susceptibility mapping using a novel ensemble weights-of-evidence and support vector machine models in GIS. J Hydrol. 512:332-343.
Tehrany, M.S.; Pradhan, B.; Mansor, S. & Ahmad, N. 2015. Flood susceptibility assessment using GIS-based support vector machine model with different kernel types. Catena 125: 91–101.
Vahidnia, MH.; Alesheikh, AA.; Alimohammadi, A. & Hosseinali, F. 2010. A GIS-based neurofuzzy procedure for integrating knowledge and data in landslide susceptibility mapping. Comput Geosci. 36: 1101-1114.
Varoonchotikul, P. 2003. Flood forecasting using artificial neural networks. Rotterdam: Balkema.
Vorogushyn, S.; Lindenschmidt, KE.; Kreibich, H.; Apel, H. & Merz, B. 2012. Analysis of a detention basin impact on dike failure probabilities and flood risk for a channel dike floodplain system along the river Elbe, Germany. J Hydrol. 436:120-131.
Youssef, A.M.; Pradhan, B. & Sefry, S.A. 2016. Flash flood susceptibility assessment in Jeddah city (Kingdom of Saudi Arabia) using bivariate and multivariate statistical models. Environ Earth Sci. doi:10.1007/s12665-015-4830-8.