تهیه نقشه مدیریت سیلاب با استفاده از الگوریتم نوین جنگل تصادفی و سیستم اطلاعات جغرافیایی، نمونه موردی: محور کندوان چالوس

در طی سال‌های اخیر محور کندوان چالوس در شمال کشور (در استان مازندران ) سیلاب‌های متعدد مخاطره‌آمیز رخ داده است. ویژگی‌های زمین‌شناسی و توپوگرافی، شرایط بارندگی و دخالت انسانها، محور کندوان چالوس را برای پتانسیل خطر وقوع سیل مستعد کرده است. علاوه بر نقش عوامل طبیعی؛ عدم لایروبی، نبود آبخیزداری مناسب و دخالتهای غیر اصولی انسانی منجر به تشدید مخاطرات سیلاب در منطقه مورد تحقیق شده است. بررسی و تهیه نقشه‌های مدیریت سیلاب, با تکیه بر اصول کارشناسی یکی از ضروریات اساسی در مدیریت بحران سیل این منطقه محسوب می‌باشد. هدف از این پژوهش، پهنه‌بندی مناطق مستعد سیل‌ و تعیین اولویت عوامل موثر در وقوع آن با استفاده از الگوریتم جنگل تصادفی در محور کندوان چالوس است. بدین منظور 9 شاخص کاربری اراضی، فاصله از رودخانه، شیب، ارتفاع، عدم رعایت حریم رودخانه، دبی رودخانه، شبکه آبراهه، بارش، و عدم لایروبی رودخانه انتخاب شدند. پس از تعیین عامل تورم واریانس و ضریب تحمل، در مرحله بعد با واردکردن داده‌های مربوط به عوامل موثر به نرم‌افزار arc/map10.2، مدل‌سازی گردید. سپس با استفاده از الگوریتم جنگل تصادفی انجام و نقش عوامل موثر در وقوع سیلاب در منطقه تعیین شد. در نهایت نقشه پهنه‌بندی خطر وقوع سیلاب در سه پهنه خیلی خطرناک ، با خطر متوسط و کم‌خطر در محیط arc/map10.2 تهیه شد. نتایج نشان می‌دهد بر اساس نقشه پتانسیل‌‌‌وقوع سیل، خطر وقوع سیلاب منطقه در حدود261.43 کیلومترمربع منطقه جزء مناطق کم‌خطر 151.1 کیلومترمربع جزء مناطق با خطر متوسط و در حدود 118.3کیلومترمربع جزء مناطق پرخطر محسوب می‌شوند.

flood management map using new random forest algorithm and geographic information system: case study: kandovan-chalus axis

in recent years, the kandovan-chalus axis in the north of the country (in mazandaran province) has experienced numerous dangerous floods. geological and topographic features, precipitation and human intervention have made the kandovan-chalus axis susceptible to potential flood risks. in addition to natural factors; lack of dredging, lack of proper watershed management and unprincipled human interventions have led to an increase in flood risks in the researched area. the aim of this research is to zone flood-prone areas and determine the priority of factors affecting their occurrence using the random forest algorithm in the kandovan-chalus axis. for this purpose, 9 land use indicators were selected: distance from the river, slope, height, failure to observe the river boundary, river discharge, waterway network, rainfall, and lack of river dredging. after determining the variance inflation factor and tolerance coefficient, in the next stage, modeling was carried out by entering the data related to the effective factors into the arc/map10.2 software. then, the random forest algorithm was used to determine the role of the effective factors in the occurrence of floods in the region. finally, a flood risk zoning map was prepared in three very dangerous, medium-risk, and low-risk zones in the arc/map10.2 environment. the results show that based on the flood potential map, the risk of flooding in the region is about 261.43 square kilometers of the region, 151.1 square kilometers of the region are considered low-risk areas, 118.3 square kilometers of the region are considered medium-risk areas, and about 118.3 square kilometers