ارزیابی سیل‌خیزی حوضۀ آبریز قلعه‌چای با استفاده از روش تصمیم‌گیری چندمعیارۀ MABAC

نوع مقاله : پژوهشی کاربردی

نویسندگان

1 استاد دانشگاه تبریز

2 پژوهشگر پسادکتری، دانشگاه تبریز

3 دانشجوی دکتری، دانشگاه تبریز

10.22059/jhsci.2025.387824.861

چکیده

سیلاب‌ها فراوان‌ترین و مخرب‌ترین مخاطره در کشور محسوب می‌شوند که همه‌ساله خسارت‌های زیادی بر جای می‌گذارند. اولویت‌بندی حوضه‌های آبریز از نظر پتانسیل سیل‌خیزی اولین گام در مدیریت این مخاطرۀ طبیعی است. حوضۀ آبریز قلعه‌چای واقع در شهرستان عجب‌شیر (استان آذربایجان شرقی) جزو حوضه‌های با پتانسیل زیاد خطر وقوع سیل به شمار می‌رود. از این‌رو تهیۀ نقشه‌های خطر وقوع سیل در این حوضه برای مدیریت مخاطرۀ سیلاب ضروری به نظر می‌رسد. هدف اصلی این تحقیق، ارزیابی و اولویت‌بندی پتانسیل سیل‌خیزی حوضۀ آبریز قلعه‌چای با استفاده از تکنیک‌های تصمیم‌گیری چندمعیاره و سیستم اطلاعات جغرافیایی است. در تحقیق حاضر از یازده معیار مؤثر بر پتانسیل سیل‌خیزی حوضۀ آبریز قلعه‌چای استفاده شد که عبارت‌اند از: ارتفاع، شیب، تراکم آبراهه، لیتولوژی، ضریب گراویلیوس، کاربری اراضی، شاخص پوشش گیاهی، بارش، رتبۀ آبراهه، تعداد آبراهه و مساحت. در ادامه از مدل فرایند تحلیل شبکه‌ای (ANP) برای تعیین وزن معیارها و از مدل MABAC برای اولویت‌بندی واحدهای هیدرولوژیک و شناسایی واحدهای با پتانسیل سیل‌خیزی زیاد استفاده شد. نتایج وزن‌دهی معیارها  با استفاده از مدل ANP نشان داد که معیارهای لیتولوژی، شیب و پوشش گیاهی به‌ترتیب با ضرایب 191/0، 189/0 و 135/0 بیشترین وزن را دارند که نشان‌دهندۀ اثر مهم این معیارها در پتانسیل سیل‌خیزی واحدهای هیدرولوژیک منطقه است. در مقابل دو معیار تعداد آبراهه و رتبۀ آبراهه کمترین وزن را داشته‌اند. نتایج اولویت‌بندی نیز نشان داد که واحدهای هیدرولوژیک A2، B2 و C1 از پتانسیل سیل‌خیزی زیاد برخوردارند. این واحدها مساحتی بالغ بر 125 کیلومترمربع را پوشش می‌دهند که 30 درصد از کل مساحت حوضۀ آبریز را شامل می‌شود. واحدهای هیدرولوژیک با پتانسیل سیل‌خیزی زیاد به‌دلیل داشتن شیب زیاد و نبود پوشش گیاهی مناسب، شرایط شکل‌گیری رواناب‌های سطحی و در نتیجه وقوع سیل را در این حوضه‌ها فراهم می‌آورند.

کلیدواژه‌ها


[1]. ابراهیمی، بهروز؛ معماریان خلیل‌آباد، هادی؛ تاجبخش، سیدمحمد؛ و آقاخانی افشار، امیرحسین (1399). ارزیابی توان اکولوژیک واحدهای هیدرولوژیک حوضه‌های آبخیز به‌منظور اولویت‌بندی عملیات اجرایی آبخیزداری. مطالعۀ موردی: حوضۀ آبخیز دشت مختاران، بیرجند، آمایش جغرافیایی فضا، 10(36)، 123-146.
[2]. بدری، بهرام؛ زارع بیدکی، رفعت؛ هنربخش، افشین؛ و آتشخوار، فاطمه (1395). اولویت‌بندی زیرحوضه‌های آبخیز بهشت‌آباد ازنظر پتانسیل سیل‌خیزی، پژوهش‌های جغرافیای طبیعی، 48(1)، 143- 158.
[3]. چزگی، جواد؛ و حامدی، احسان (1402). اولویت‌بندی سیل‌خیزی زیرحوضه‌های رودخانه سرباز با استفاده از مدل SWAT، پژوهش‌های خشکسالی و تغییر اقلیم، 3، 73-86.
[4]. درخشان شهرام (1389). مطالعه پتانسیل سیل‌خیزی حوضۀ آبخیز کسیلیان با استفاده از سیستم اطلاعات جغرافیایی، تحقیقات کاربردی علوم جغرافیایی، 10(10)، 51-63.
[5]. رحیمی، داریوش؛ و رحیمی، داریوش (1390). پتانسیل‌یابی منابع آب زیرزمینی (مطالعۀ موردی دشت شهرکرد)، جغرافیا و برنامه‌ریزی محیطی، 22(4)، 127-142.
[6]. رضائی مقدم، محمدحسین؛ حجازی، اسدالله؛ ولیزاده کامران، خلیل؛ و رحیم‌پور، توحید (1399). بررسی حساسیت سیل‌خیزی حوضه‌های آبریز با استفاده از شاخص‌های هیدروژئومورفیک (مطالعۀ موردی: حوضۀ آبریز الندچای، شمال غرب ایران)، پژوهش‌های ژئومورفولوژی کمّی، 9(2)، 195-214. doi: 10.22034/gmpj.2020.118241
[7]. رضائی مقدم، محمدحسین؛ و رحیم‌پور، توحید (1402). تهیۀ نقشۀ پتانسیل خطر وقوع سیل با استفاده از دو روش نسبت فراوانی و شاخص آماری (مطالعۀ موردی: حوضۀ آبریز آجی‌چای). مدیریت مخاطرات محیطی، 10(4)، 291-308. doi: 10.22059/jhsci.2024.369163.803
[8]. رضائی مقدم، محمدحسین؛ و رحیم‌پور، توحید (1402). رتبه‌بندی حوضۀ زهکشی سیه‌چشمه از نظر سیل‌خیزی به‌منظور مدیریت مخاطرات سیلاب، مدیریت مخاطرات محیطی، 10(1)، 1-14. doi: 10.22059/jhsci.2023.356121.768
[9]. رضائی مقدم، محمدحسین؛ حجازی، سید اسدالله؛ ولیزاده کامران، خلیل؛ و رحیم‌پور، توحید (1399). تحلیل خصوصیات هیدروژئومورفیک حوضۀ آبریز الندچای به‌منظور اولویت‌بندی زیر حوضه‌ها از نظر حساسیت سیل‌خیزی، جغرافیا و مخاطرات محیطی، 9(1)، 61-83. doi: 10.22067/geo.v9i1.84675
[10]. رضایی مقدم، محمدحسین؛ و رحیم‌پور، توحید (1403). ارزیابی پتانسیل خطر وقوع سیلاب با استفاده از روش تحلیل آماری دومتغیره (مطالعۀ موردی: حوضۀ آبریز آجی‌چای)، پژوهش‌های ژئومورفولوژی کمّی، 12(4)، 91-107. doi: 10.22034/gmpj.2024.429929.1473
[11]. رضائی مقدم، محمدحسین؛ حجازی، اسدالله؛ ولیزاده کامران، خلیل؛ و رحیم‌پور، توحید (1399). تحلیل سیل‌خیزی زیرحوضه‌ها بر پایۀ مدل WASPAS مطالعۀ موردی: حوضۀ آبریز الندچای، شمال غرب ایران، هیدروژئومورفولوژی، 7(24)، 83-106. doi: 10.22034/hyd.2020.39815.1534
[12]. زبردست، اسفندیار (1389). کاربرد فرایند تحلیل شبکه‌ای (ANP) در برنامه‌ریزی شهری و منطقه‌ای، هنرهای زیبا، 41(2)، 79-90.
[13]. سلیمانی، کریم؛ شکریان، فاطمه؛ عبدلی، سپیده؛ و صابری، عارف (1400). اولویت‌بندی پتانسیل خطر سیل‌خیزی حوضۀ آبخیز تالار در محیط GIS، اکوهیدرولوژی، 8(3)، 749-762. doi: 10.22059/ije.2021.324244.1509
[14]. صلواتی، آریان؛ و ملکیان، آرش (1399). اولویت‌بندی زیرحوضه‌های شهری به‌منظور کنترل سیلاب با استفاده از تکنیک‌های تصمیم‌گیری AHP و Fuzzy_ AHP ، پژوهش‌های محیط ‌زیست، 11(22)، 3-14.
[15]. متقیان، مسعود؛ علوی‌نیا، سیدحسن؛ مفیدی، سپیده؛ و عبداله پور، زهرا (1402). بررسی پتانسیل سیل‌خیزی زیرحوضه ها به روش FLDP (مطالعه موردی: حوزه آبخیز کوهستان استان سمنان)، هجدهمین همایش ملی علوم و مهندسی آبخیزداری ایران (آبخیزداری، بازیابی و احیای منابع آب‌وخاک)، دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه کاشان، 1-7.
[16]. محمدی، مجتبی؛ محمدی‌فر، علی‌اکبر؛ فروزان فرد، معصومه؛ و جلالی، مهدی (1401). اولویت‌بندی سیل‌خیزی زیرحوزه‌های آبخیز دهبار در استان خراسان رضوی با استفاده از مدلTOPSIS، آنالیز مورفومتریک و تجزیه‌وتحلیل منطقه‌ای سیلاب، پ‍‍ژوهشنامۀ مدیریت حوزۀ آبخیز،  ۱۳(۲۵)، 188-196.
[17]. مقیمی، ابراهیم (1403). رویکرد جدید به مخاطرات محیطی و توسعۀ پایدار در ایران، مدیریت مخاطرات محیطی، 11(1)، 84-73. DOI: http//doi.org/10.22059/jhsci.2024.378814.830
[18]. نصیری، زهرا؛ وو طالبی، علی (1399). اولویت‌بندی زیرحوضه ها از نظر سیل‌خیزی با استفاده از مدل HEC-HMS در بالادست رودخانه خشک شیراز، اکوهیدرولوژی، 7(1)، 47-57.
 [19]. نفرزادگان، علی‌رضا؛ محمدی فر، علی‌اکبر؛ وقارفرد، حسن؛ و فروزان‌فرد، معصومه (1398). ادغام مدل‌های تصمیم‌گیری چندمعیاره و تکنیک تجزیه‌وتحلیل منطقه‌ای سیلاب جهت اولویت‌بندی زیرحوزه‌ها برای کنترل سیل (مطالعۀ موردی: حوزۀ آبخیز دهبار خراسان)، جغرافیا و مخاطرات محیطی، 8(2)، 27-45. doi: 10.22067/geo.v0i0.76607
[20]. Avand, M., Nasiri Khiavi, A., Khazaei, M., & Tiefenbacher, J.P. (2021). Determination of flood probability and prioritization of sub-watersheds: A comparison of game theory to machine learning. Journal of Environmental Management, 295: 1-14.
[21]. Benito, G., Rico, M., Sánchez-Moya, Y., Sopeña, A., Thorndycraft, V.R., & Barriendos, M. (2010). The impact of late Holocene climatic variability and land use change on the flood hydrology of the Guadalentín River, southeast Spain. Glob. Planet. Chang, 70‌(1–4), 53–63.
[22]. Bisht, S., Chaudhry, S., Sharma, S., & Soni, S. (2018). Assessment of flash flood vulnerability zonation through Geospatial technique in high altitude Himalayan watershed, Himachal Pradesh India, Remote Sensing Applications: Society and Environment, 12, 35-47. https://doi.org/10.1016/j.rsase.2018.09.001
[23]. Chen, W., Pourghasemi, H.R., & Naghibi, S.A. (2018). A comparative study of landslide susceptibility maps produced using support vector machine with different kernel functions and entropy data mining models in China. Bull. Eng. Geol. Environ, 77, 647–664.
[24]. Diriba, D., Takele, T., Karuppannan, S., & Husein, M. (2024). Flood hazard analysis and risk assessment using remote sensing, GIS, and AHP techniques: a case study of the Gidabo Watershed, main Ethiopian Rift, Ethiopia. Geomatics, Natural Hazards and Risk, 15(1). https://doi.org/10.1080/19475705.2024.2361813
[25]. Erena, S.H., & Worku, H. (2018). Flood risk analysis: causes and landscape based mitigation strategies in Dire Dawa city, Ethiopia. Geoenviron Disas 5:16.
[26]. Garde, R. J. (2006). River Morphology. New Delhi: Published by New Age International (P) Ltd.
[27]. Hitouri, S., Mohajane, M., Lahsaini, M., Ali, S.A., Setargie, T.A., Tripathi, G., D’Antonio, P., Singh, S.K., & Varasano, A. (2024). Flood Susceptibility Mapping Using SAR Data and Machine Learning Algorithms in a Small Watershed in Northwestern Morocco. Remote Sens, 16, 858.
[28]. Javidan, N., Kavian, A., Pourghasemi, HR., Conoscenti, C., & Jafarian, Z. (2019). Gully erosion susceptibility mapping using multivariate adaptive regression splines—replications and sample size scenarios. Water, 11, 2319. https://doi.org/10.3390/w11112319
[29]. Marwade, A., Patil, A., & Panhalkar, S. (2024). Mapping and Prioritizing Flash-Flood Susceptible Watersheds in the Warana Basin, India: A Morphometric Analysis and Total Ranking Approach for Resilience Planning. Journal of Geomatics, 18(1), 1–11. https://doi.org/10.58825/jog.2024.18.1.90
[30]. Mbow, C., Diop, A., Diaw, A.T., & Niang, C.I. (2008). Urban sprawl development and fooding at Yeumbeul suburb (DakarSenegal). Afr J Environ Sci Technol, 2, 075–088.
[31]. Nedkov, S., & Burkhard, B. (2012). Flood regulating ecosystem services—mapping supply and demand, in the Etropole municipality, Bulgaria. Ecol. Indic. 21, 67–79.
[32]. Pamučar, D., & Ćirović, G. (2015). The selection of transport and handling resources in logistics centers using Multi-Attributive Border Approximation area Comparison (MABAC), Expert Systems with Applications, 42(6), 3016-3028.
[33]. Saaty, T.L. (1980). The Analytic Hierarchy Process, New York: McGraw Hill, 287 p.
[34]. Saaty, T.L., & Vargas, L.G. (2006): Decision Making with the Analytic Network Process, New York: Springer Science, 363 p.
[35]. Sepehr, A., Abdollahi, A., Mohammadian, A., & Pashaie Nejad, M. (2017). Prioritization of Kashafrud Sub-basins in Terms of Flooding Sensitivity Based on ELECTRE-TRI Algorithm. Universal Journal of Geoscience, 5(4), 83‌-‌90. DOI: 10.13189/ujg.2017.050401
[36]. Strahler, A.N. (1957). Quantitative analysis of watershed geomorphology. Transactions of American Geophysics Union, 38, 913920.
[37]. Tien Bui, D., Khosravi, K., Shahabi, H., Daggupati, P., Adamowski, J.F., Melesse, A.M., Thai Pham, B., Pourghasemi, H.R., Mahmoudi, M., & Bahrami, S. (2019). Flood spatial modeling in northern Iran using remote sensing and gis: A comparison between evidential belief functions and its ensemble with a multivariate logistic regression model. Remote Sens, 11, 1589
[38]. Towfiqul Islam, A.B., Talukdar, S., Mahato, S., Kundu, S., UddinEibek, K., BaoPham, Q., Kuriqi, A., & ThuyLinh, N.T. (2021). Flood susceptibility modelling using advanced ensemble machine learning models, Geoscience Frontiers, 12(3), 101075. https://doi.org/10.1016/j.gsf.2020.09.006
[39]. World Health Organization (WHO).