تهيه نقشه خطر سيل با استفاده از مدل جنگل تصادفي و فازي (مطالعه موردي حوضه آبخيز زهره – جراحي در جنوب غربي ايران)

سيلاب به عنوان يكي از پديده‌هاي طبيعي بسيار قوي و پرخطر است كه در مناطق مختلفي از جمله مناطق كوهستاني و پست رخ مي‌دهد. مناطق كوهستاني به دليل وجود تپه‌ها، وجود نواحي شيبدار داراي پتانسيل سيل خيزي هستند كه به موجب وقوع اين پديده فرسايش خاك و سنگ‌ها در اين مناطق به وجود مي‌آيد. در صورت بروز سيلاب در مناطق كوهستاني، آب و خاك و سنگ‌هاي بزرگ به سرعت در حال حركت به سمت پايين هستند و ممكن است باعث خسارت‌هاي جدي براي خانه‌ها، جاده‌ها، پل‌ها و ساير زيرساخت‌هاي موجود در اين مناطق شود. سيلاب در مناطق پست نيز به دليل بارش بيش از حد باران، ذوب برف و همچنين وجود رودخانه‌ها به وجود مي‌آيد. در صورت بروز سيلاب، آب به سرعت از حاشيه رودخانه فرو مي‌رود و ممكن است مناطق پستي كه در مسير جريان آب قرار دارند را تخريب كند. هدف پژوهش حاضر پهنه بندي پتانسيل سيل با استفاده از مدل فازي و پيش بيني وقوع سيلاب در مناطق سيل گير با استفاده از مدل جنگل تصادفي در حوضه آبخيز زهره- جراحي است. براي دستيابي به هدف فوق 13 پارامتر: كاربري اراضي،NDVI، زمين شناسي، بارندگي، منحني رواناب،شاخص قدرت جريان، تراكم زهكشي،فاصله از رودخانه، نوع شكل زمين، انحناي طولي شيب، ارتفاع و شيب در نظر گرفته شدند. نقشه فازي پارمترهاي در نظر گرفته شده تهيه و بر مبناي روش AHP و تاثيري كه بر وقوع سيلاب دارند وزن دهي شدند. با استفاده از نقشه‌هاي فازي شده، نقشه‌هاي همپوشاني لايه‌ها با استفاده از عملگرهاي فازي GAMMA،AND ، o‎r تهيه شد و از بين اين عملگرها، عملگر 9/0 GAMMAبيشترين تطابق با واقعيت را داشت كه نقشه پهنه بندي پتانسيل سيل خيزي در حوضه آبخيز مورد مطالعه بر مبناي اين عملگر فازي تهيه شد نقشه پهنه بندي پتانسيل سيل خيزي حوضه نشان مي‌دهد كه حوضه‌هاي صيدون، باغملك، حيدرآباد، اروكان و بهبهان جز زير حوضه‌هاي بسيار پر خطر از نظر سيل خيزي هستند و در مجموع پهنه بسيار پر خطر حوضه 86/6 درصد از سطح حوضه را پوشش مي‌دهد. 53 درصد از سطح حوضه آبخيز در پهنه بسيار كم خطر و كم خطر قرار گرفته است. به منظور تهيه نقشه پهنه بندي خطر سيل گيري مناطق در سطح حوضه آبخيز از مدل جنگل تصادفي بر مبناي 13 پارامتر ذكر شده استفاده شد. در ابتدا نقشه نقاط سيل گير حوضه با استفاده از گوگل ارث و تطبيق با تصاوير ماهواره لندست تهيه شد. كدنويسي لايه‌ها با استفاده از نرم افزار R انجام شد. در نهايت اجراي مدل در نرم افزار SPM صورت گرفت، كه نتايج آن نشان داد فاصله از رودخانه با 64/0، كاربري اراضي 52/0، بارندگي 49/0 و ارتفاع 38/0 بيشترين امتياز و پارامتر منحني رواناب با 03/0 و انحناي طولي شيب با 01/0 كمترين امتياز و ارزش را در سيل گيري زير حوضه‌هاي حوضه آبخيز مورد مطالعه دارند. طبق نتايج گزارش اين مدل زير حوضه‌هاي هنديجان، رامهرمز و چورام جز مناطق بسيار پر خطر در سطح حوضه آبخيز زهره- جراحي هستند، پهنه‌هاي بسيار پر خطر سيل گير حوضه 7/0 از سطح حوضه را پوشش مي‌دهند. پس از بررسي و مقايسه دو مدل مشخص شد كه مدل جنگل تصادفي دقت بيشتري در پيش بيني مناطق سيل گير سطح حوضه آبخيز مورد مطالعه در مقايسه با پيش بيني مدل فازي در معرفي پهنه‌هاي سيل خيز حوضه دارد.

Flood. , Fuzzy Model, , Random Forest Model

Preparing A Flood Hazard Map Using Fuzzy an‎d Ran‎dom Forest Models (Case study: Zohreh-Jarahi watershed in SW Iran)

جغرافياي طبيعي

Flood, as one of the powerful an‎d dangerous natural phenomena, occurs in various regions including mountainous an‎d low-lying areas. Due to the presence of hills an‎d steep areas with flood potential, mountainous regions are prone to soil an‎d rock erosion due to the occurrence of this phenomenon. In the event of a flood in mountainous areas, water, soil, an‎d large rocks quickly move downhill an‎d can cause serious damage to homes, roads, bridges, an‎d other infrastructure in these areas. Floods also occur in low-lying areas due to excessive rainfall, snow melting, an‎d the presence of rivers. In the event of a flood, water quickly flows down from the riverbank an‎d may destroy low-lying areas along the waterway. The objective of the present study is to classify the flood potential using a FUZZY Model an‎d predict the occurrence of floods in flood-prone areas using a Ran‎dom Forest Model in the Zohreh-Jarahi watershed. To achieve this goal, 13 parameters including lan‎d use, NDVI, geology, rainfall, runoff curve number, stream power index, drainage density, distance from the river, lan‎dform, plan curvature, elevation, an‎d slope were considered. The fuzzy map of the considered parameters was prepared, an‎d their weights were determined based on the AHP method an‎d their impact on flood occurrence. Using the fuzzy maps, the overlapping maps of the layers were prepared using fuzzy operators such as GAMMA, an‎d, an‎d or. Among these operators, the 0.9 GAMMA operator had the highest conformity with reality, an‎d the potential flood zoning map in the study watershed was prepared based on this fuzzy operator. According to the correlation table of the layers in this fuzzy operator, SPI with a coefficient of 0.6, NDVI -0.4, rainfall 0.38, geology -0.34, lan‎d use 0.3, an‎d drainage density 0.001 had the highest an‎d lowest correlation coefficients, respectively, with the flood potential of the area. The potential flood zoning map of the watershed shows that the Seyedoun, Baghmalek, Heydarabad, orokan, an‎d Behbahan sub-watersheds are among the highly hazardous areas in terms of floods, an‎d overall, the very high-risk zone covers 6.86% of the watershed area. 53% of the watershed area is located in the very low-risk an‎d low-risk zones. To prepare the flood hazard zoning map of the areas in the watershed, the Ran‎dom Forest Model was used based on the 13 mentioned parameters. First, the map of flood-prone points in the watershed was prepared using Google Earth an‎d Lan‎dSat satellite images. The layer coding was done using R software. Finally, the model was implemented in the SPM software, which showed that the distance from the river with a score of 64, lan‎d use 52, rainfall 49, an‎d elevation 38 had the highest scores, while the runoff curve number with a score of 0.3 an‎d Plan curvature with a score of 0.1 had the lowest scores an‎d values in the sub-watersheds prone to floods. According to the results of this model, the Hindijan, Ramhormoz, an‎d Choram sub-watersheds are among the highly hazardous areas in the Zohreh-Jarahi watershed, an‎d the very high-risk flood-prone zones cover 7% of the watershed area. After examining an‎d comparing the two models, it was found that the Ran‎dom Forest Model has a higher accuracy in predicting flood-prone areas in the studied watershed compared to the Fuzzy Model in introducing flood-prone zones of the watershed.

5

149581