تحلیل سیل‌خیزی زیرحوضه‌ها بر پایه‌ی مدل Waspas مطالعه‌ی موردی: حوضه‌ی آبریز الندچای، شمال‌غرب ایران

حوضه ی آبریز الندچای واقع در شمال غرب ایران همه ساله با شروع فصل بهار شاهد وقوع سیلاب های مخرب می باشد. هدف از این تحقیق بررسی و تحلیل نقش شاخص های هیدروژئومورفیک در حساسیت سیل خیزی این حوضه است. جهت نیل به این هدف ابتدا منطقه مورد مطالعه با استفاده از مدل رقومی ارتفاعی (dem) با قدرت تفکیک مکانی 12.5 متر به 15 زیرحوضه تقسیم شده است. در مرحله ی بعد با استفاده از قوانین ژئومورفولوژیکی هورتن، شوم و استرالر خصوصیات ژئومورفولوژی کی هر یک از زیرحوضه ها از سه جنبه خصوصیات شبکه ی زهکشی ، خصوصیات شکلی و خصوصیات برجستگی در محیط نرم افزار arcgis تهیه شدند. جهت تعیین وزن پارامترها از مدل تحلیل تصمیم گیری چندمعیاره swara استفاده شد. نتایج وزنده ی پارامترها نشان داد که پارامترهای هیدروژئومورفیکی شامل بافت زهکشی، نسبت بافت و تراکم زهکشی با مقادیر 273 / 0 ، 273 / 0 و 156 / 0 بیشترین وزن و تاثیر را در سیلخیزی منطقه ی مورد مطالعه دارند. به منظور اولویت بندی 15 زیرحوضه ی الندچای از مدل تصمیم گیری waspas استفاده شد. نتایج این مدل نشان داد که زیرحوضه های 1 ، 3 و 2 به ترتیب با وزن 907 / 0 ، 858 / 0 و 818 / 0 بیشترین وزن را داشته و از حساسیت سیل خیزی بالایی برخوردار هستند. در مقابل زیرحوضه های 6 و 13 با وزن 250 / 0 و 374 / 0 کمترین مقادیر را داشته اند که نشان دهنده ی حساسیت بسیار پایین این زیرحوضه ها به سیل خیزی است.

flood analysis of subbasins using waspas model (case study: aland chai basin, northwest of iran)

swara multicriteria decision analysis model was used to weight the parameters. the stepwise weight assessment ratio analysis (swara) model was developed by keršuliene et al (2010). waspas multicriteria decisionmaking model was used to prioritize subbasins in terms of flood sensitivity. the weighted aggregated sum product assessment (waspas) method is proposed by zavadskas et al in 2012. the waspas method consists of two aggregated parts: 1 the weighted sum model (wsm) and 2 the weighted product model (wpm). according to a comparison between 22 parameters using the swara method, it was specified that drainage texture, texture ratio, and drainage density (weighted as 0.273, 0.273 and 0.156) have the highest impacts on flood occurrence in study area. on the contrary, rho coefficient, constant of channel maintenance, infiltration number, and length of overland flow show the lowest weight.subbasins prioritization results using waspas model showed that subbasin 1 with 0.907778 coefficients, subbasin 3 with a coefficient of 0.858988 and subbasin 2 with a coefficient of 0.818645 have high sensitivity to flooding. the results also showed that subbasins 4, 7, 11 and 15 in high class, subbasins 8 and 9 in moderate class, subbasins 5, 10, 12 and 14 in low class and subbasins 6 and 13 in the very low class of in terms of flood sensitivity. the total area of subbasins in the high and very high class of flood is 656.72 km2, which comprises 57.24% of the total aland chai basin.