چکیده:
با توجه به بالا رفتن وقوع سیلاب مخصوصا 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 موثر 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 موثر است. همچنین مشخص شد که معیارهای به کار برده شده تاثیر قابل توجهی بر میزان سیلخیزی در منطقه موردمطالعه دارند.
Due to the increase in the occurrence of floods, especially in the cities, and the emergence of human, financial, and environmental risks due to its increase, the flood zoning areas are of great importance. Therefore, in this study, it was tried zoning the areas of floods with the help of determining effective criteria. The criteria used in this research include Modified Fournier Index, Topographic Position Index, Curve Number, Flow Accumulation, Slope, Digital elevation model, Topographic Wetness Index, Vertical Overland Flow Distance, Horizontal Overland Flow Distance, and Normalized difference vegetation index. The novelty of this study is to present a new combination approach to determine the effective criteria in flood hazard zoning (Maneh and Samalqan County). In this regard, the combination of geographically weighted regression (Gaussian and tri-cube kernels) and binary particle swarm optimization algorithm was used. The recommended combination method is suitable for spatial regression problems because it is compatible with two unique properties of spatial data, i.e. spatial autocorrelation and spatial non-stationarity. The best value of the fitness function (1-R2) for Gaussian and tri-cube kernels were obtained 0.0745 and 0.0022, respectively, which indicates higher compatibility of the tri-cube kernel than the Gaussian kernel. It was also found that the criteria used have a significant effect on the rate of flooding in the study area.
خلاصه ماشینی:
درنهایت وزن ها و امتیازهای تخصیص داده شده به معیارهای مؤثر، جهت شناسایی 1 Guevara 2 Wang 3 Liu 4 Analytical Hierarchy process 5 Xiao 6 Geographic information system 7 Ordered weighted averaging 8 Kanani-Sadat 9 Decision making trial and evaluation laboratory 10 Analytic Network Process 11 Ardiansyah 12 Sumunar مناطق آسیب پذیر وقوع سیلاب وارد تحلیل همپوشانی شدند.
(به تصویر صفحه رجوع شود) شکل ١: محدوده منطقه مطالعاتی روش های داده محور و معیارهای مکانی مؤثر بر سیلاب در این بخش معیارهای مکانی مؤثر بر سیلاب ، رگرسیون وزن دار جغرافیایی (GWR١) و الگوریتم بهینه سازی انبوه ذرات گسسته (BPSO٢) بررسی شده است .
1 Geographically weighted regression 2 Binary Swarm Particle Optimization (به تصویر صفحه رجوع شود) شکل ٢: فلوچارت روش پیشنهادی پژوهش الف - معیارهای مکانی مؤثر بر سیلاب پهنه بندی سیلاب وابسته به معیارهای مختلف میباشد که در این پژوهش از معیارهای زیر استفاده شده است : * فاصله افقی تا رواناب : فاصله افقی تا رواناب ، جابه جایی واقعی آب از یک سلول به سلول دیگر است .
معادله روش GWR از رابطه (٧) محاسبه میگردد (فادرینگام ٨ و اوشان ٩، ٢٠١٦): 1 Vojtek 2 Vojteková 3 Eini 4 Alam 5 Saa-Requejo 6 Murray 7 Wu 8 Fotheringham 9 Oshan (به تصویر صفحه رجوع شود) که yi متغیر وابسته (میزان سیل خیزی)، xj متغیرهای مستقل (معیارهای مؤثر بر وقوع سیلاب )، n تعداد متغیرهای مستقل (تعداد نقاط تصادفی تعریف شده در منطقه )، εi باقیمانده مدل و βj ضرایب رگرسیون هستند.