Remotely Sensed Evaluation of Operation Management of Golestan Dam Reservoir before the Flood

Document Type : Applied Article

Authors

1 Undergraduate Student of Environmental Hazards, Physical Geography Department, University of Tehran, P.O. Box 14155-6465, Tehran, Iran

2 Associate Professor, Physical Geography Department, University of Tehran, P.O. Box 14155-6465, Tehran, Iran

10.22059/jhsci.2024.380404.835

Abstract

Flood hazard is one of the most destructive phenomena that affects human life worldwide. Following the activity of a powerful rainfall system on March 17, 2019, in the Gorganrood basin, a 500-yr flood occurred, and half of the Gorgan city was inundated. This research was conducted to evaluate the operation management of the Golestan Reservoir before the flood. To accomplish this study, the Landsat 8 satellite images in the period of 2002-2023 and Sentinel 2 images one month before and after the flood were processed in the Google Earth Engine (GEE) system. In total, 245 images with monthly resolution were analyzed. Five indices of AWEI_sh, NDWI, AWEInsh, WRI, and MNDWI were used to identify the water inundation area. Results show that the AWEI_sh index had the best performance in terms of a kappa coefficient of 0.985, overall accuracy of 90%, and accuracy of 100%. The results showed that while the Golestan Dam reservoir experienced less than 50% full in 90% of the months (out of 245 months), this reservoir was 68% full two days before the flood. The results of this study revealed that despite the announcement of orange-level warnings by Iran’s Meteorological Organization in 5 days before the flood event and also despite the efforts of the dam manager to exhaust the stored water in the reservoir (33 percent empty volume), these actions have not been able to protect the downstream areas of the dam from flooding. Therefore, in addition to the effect of the dam on flood control, it is necessary to revisit the locations of the human settlements downstream of the dams.

Keywords

References

[1] ابراهیمی، لیلا؛ و ایلانلو، مریم (1403). پهنه‌بندی وقوع سیلاب حوضۀ زهکشی شهرستانک با استفاده از مدل هیدرولوژیکی WMS و تلفیق GIS. مدیریت مخاطرات محیطی. 15-29، (1)11. http//doi.org/10.22059/jhsci.2024.374472.824
[2] اسدافروز، آیدا؛ متدین، حشمت‌الله؛ مثنوی، محمدرضا؛ و منصوری، سیدامیر (1399). تاب‌آوری محیطی در برابر مخاطرات سیلاب فروردین 1398 در شهر شیراز با رویکرد منظر، تئوری سیستم‌ها و مدل DPSIR. مدیریت مخاطرات محیطی، 7(1)، 55-75. https://doi.org/10.22059/jhsci.2020.301219.556
[3] پژوهشکدۀ سوانح طبیعی (1400). برنامۀ ملی کاهش خطر حوادث و سوانح. سازمان مدیریت بحران کشور.
[4] جهانی، مجید؛ حسینی بهشتی، سیدمحمدرضا؛ طالب‌زاده، سسدحمید؛ و قوام صفری، مهدی (1394). تحلیل اسطوره‌ای مخاطرات. مدیریت مخاطرات محیطی. 191-206، (2)2. https://doi.org/10.22059/jhsci.2015.55061
[5] حسام، رسول؛ ضرابی، اصغر؛ و تقوایی، مسعود (1398). پتانسیل‌سنجی خطر سیلاب شهری با رویکرد توسعۀ شهری ایمن (مطالعۀ موردی: شهر گنبدکاووس). مدیریت مخاطرات محیطی. 17-32، (1)6. https://doi.org/10.22059/jhsci.2019.280517.465
[6] خادمی، معصومه؛ فضل اولی، رامین؛ و عمادی، علیرضا (1398). بهینه‌سازی بهره‌برداری از مخزن در شرایط بحرانی وقوع سیلاب براساس الگوریتم شبیه‌سازی بازپخت مطالعۀ موردی: سد مخزنی البرز. مدیریت بحران. 107-118، (1)8. https://dorl.net/dor/20.1001.1.23453915.1398.8.1.9.5
[7] رضائی‌مقدم، 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. 291-308، (4)10. http//doi.org/10.22059/jhsci.2024.369163.803
[8] رضوی‌زاده، سمانه؛ لطفی‌نسب اصل، سکینه؛ درگاهیان، فاطمه؛ و سعیدی‌فر، زهرا (1400). تأثیر احداث سد کرخه و عوامل اقلیمی بر رژیم سالیانه، سیلابی و پهنه‌های سیل‌گیر رودخانۀ کرخه. مدیریت حوزۀ آبخیز، 12(24)، 236-248.  http://dx.doi.org/10.52547/jwmr.12.24.236
[9] زارع، مهدی؛ و مقیمی، ابراهیم (1401). گونه شناسی مخاطرات در علم مخاطره‌شناسی (آیا علم مخاطره‌شناسی گونه‌های خاصی دارد؟). مجله مدیریت مخاطرات محیطی. 383-390، (4)9. http//doi.org/10.22059/jhsci.2023.356665.770
[10] غلامی، سیدسجاد؛ لطیف‌منش، حجت‌الله؛ و قاسمی باباحیدری، یعقوب (1399). مطالعۀ تطبیقی رهیافت علمی و قرآنی به مسئلۀ تخریب محیط زیست. دوفصلنامۀ پژوهش‌های علم و دین. 121-146، (2)11. https://doi.org/10.30465/srs.2020.32963.1788
[11] مقیمی، ابراهیم (1394). دانش مخاطرات (برای زندگی با کیفیت بهتر و محیط پایدارتر). تهران: انتشارات دانشگاه تهران.
[12] یعقوبی، ثریا. بایرام کمکی، چوقی؛ حسینعلی‌زاده، محسن؛ نجفی‌نژاد، علی؛ پورقاسمی، حمیدرضا؛ و فرامرزی، مرزبان (1402). تحلیل فراوانی حداکثر بارش روزانه و تعیین مناسب‌ترین توابع توزیعی در حوزۀ آبخیز سد بوستان، استان گلستان. علوم آب و خاک، 1(27)، 59-81. http://dx.doi.org/10.47176/jwss.27.1.48871
[13] Amani, M., Ghorbanian, A., Ahmadi, S. A., Kakooei, M., Moghimi, A., Mirmazloumi, S. M., Moghaddam, S. H. A., Mahdavi, S., Ghahremanloo, M., Parsian, S., Wu, Q., & Brisco, B. (2020). Google Earth Engine Cloud Computing Platform for Remote Sensing Big Data Applications: A Comprehensive Review. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13, 5326–5350. https://doi.org/10.1109/JSTARS.2020.3021052
[14] Boulange, J., Hanasaki, N., Yamazaki, D., & Pokhrel, Y. (2021). Role of dams in reducing global flood exposure under climate change. Nature Communications, 12(1), 417. https://doi.org/10.1038/s41467-020-20704-0
[15] Chicco, D., & Jurman, G. (2020). The advantages of the Matthews correlation coefficient (MCC) over F1 score and accuracy in binary classification evaluation. BMC Genomics, 21(1), 6. https://doi.org/10.1186/s12864-019-6413-7
[16] Feyisa, G. L., Meilby, H., Fensholt, R., & Proud, S. R. (2014). Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery. Remote Sensing of Environment, 140, 23–35. https://doi.org/10.1016/j.rse.2013.08.029
[17] Jensen, J. R. (2015). Introductory Digital Image Processing: A Remote Sensing Perspective (4th ed.). Prentice Hall Press.
[18] Jiang, H., Ji, L., Yu, K., & Zhao, Y. (2024). Analysis of the Substantial Growth of Water Bodies during the Urbanization Process Using Landsat Imagery—A Case Study of the Lixiahe Region, China. Remote Sensing, 16(4), 711. https://doi.org/10.3390/rs16040711
[19] Kaya, C. M., & Derin, L. (2023). Parameters and methods used in flood susceptibility mapping: a review. Journal of Water and Climate Change, 14(6), 1935–1960. https://doi.org/10.2166/wcc.2023.035
[20] Liu, H., Hu, H., Liu, X., Jiang, H., Liu, W., & Yin, X. (2022). A Comparison of Different Water Indices and Band Downscaling Methods for Water Bodies Mapping from Sentinel-2 Imagery at 10-M Resolution. Water, 14(17), 2696. https://doi.org/10.3390/w14172696
[21] McFEETERS, S. K. (1996). The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17(7), 1425–1432. https://doi.org/10.1080/01431169608948714
[22] Nagaraj, R., & Kumar, L. S. (2024). Extraction of Surface Water Bodies using Optical Remote Sensing Images: A Review. Earth Science Informatics, 17(2), 893–956. https://doi.org/10.1007/s12145-023-01196-0
[23] Ning, F.-S., & Lee, Y.-C. (2021). Combining Spectral Water Indices and Mathematical Morphology to Evaluate Surface Water Extraction in Taiwan. Water, 13(19), 2774. https://doi.org/10.3390/w13192774
[24] Peña-Arancibia, J. L., Malerba, M. E., Wright, N., & Robertson, D. E. (2023). Characterising the regional growth of on-farm storages and their implications for water resources under a changing climate. Journal of Hydrology, 625, 130097. https://doi.org/10.1016/j.jhydrol.2023.130097
[25] Șerban, C., Maftei, C., & Dobrică, G. (2022). Surface Water Change Detection via Water Indices and Predictive Modeling Using Remote Sensing Imagery: A Case Study of Nuntasi-Tuzla Lake, Romania. Water, 14(4), 556. https://doi.org/10.3390/w14040556
[26] Shen, L., & Li, C. (2010). Water body extraction from Landsat ETM+ imagery using adaboost algorithm. 2010 18th International Conference on Geoinformatics, 1–4. https://doi.org/10.1109/GEOINFORMATICS.2010.5567762
[27] Tamiminia, H., Salehi, B., Mahdianpari, M., Quackenbush, L., Adeli, S., & Brisco, B. (2020). Google Earth Engine for geo-big data applications: A meta-analysis and systematic review. ISPRS Journal of Photogrammetry and Remote Sensing, 164, 152–170. https://doi.org/10.1016/j.isprsjprs.2020.04.001
[28] Tellman, B., Sullivan, J. A., Kuhn, C., Kettner, A. J., Doyle, C. S., Brakenridge, G. R., Erickson, T. A., & Slayback, D. A. (2021). Satellite imaging reveals increased proportion of population exposed to floods. Nature, 596(7870), 80–86. https://doi.org/10.1038/s41586-021-03695-w
[29] Wang, L., Cui, S., Li, Y., Huang, H., Manandhar, B., Nitivattananon, V., Fang, X., & Huang, W. (2022). A review of the flood management: from flood control to flood resilience. Heliyon, 8(11), e11763. https://doi.org/10.1016/j.heliyon.2022.e11763
[30] Xu, H. (2006). Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing, 27(14), 3025–3033. https://doi.org/10.1080/01431160600589179
Environmental Management Hazards
Volume 11, Issue 2
July 2024
Pages 133-145

Files

Share

How to cite

Statistics