پهنه‌بندی خطر وقوع سیلاب با استفاده از فرآیند تحلیل شبکه‌ (مطالعه موردی: حوضه‌ آب‌خیز خیاو چای)

سیلاب یکی از رایج‌ترین مخاطرات طبیعی جهان قلمداد میشود که سالانه موجب خسارات جانی و مالی فراوانی در سراسر جهان می‌گردد. از این ‌رو توسعه مدل های پهنه‌بندی و پیش‌بینی وقوع سیلاب جهت اتخاذ تصمیمات بهینه پیش از وقوع سیلاب و پس ‌از آن و نیز مدیریت آن بسیار مهم و ضروری میباشد. هدف از این پژوهش، تعیین پهنه های خطر وقوع سیلاب، در حوضه رودخانه خیاو چای با استفاده از مدل تحلیل شبکه میباشد. جهت اجرای این مدل در منطقه از داده های مختلفی همچون بارش، کاربری زمین، خصوصیات مورفولوژیک دامنه ها مثل تحدب و تعقر، همگرایی و واگرایی دامنه ها ، شیب دامنه ها، شاخص پوشش گیاهی (ndvi)، فاصله از رودخانه های اصلی و تراکم شبکه زهکشی استفاده‌شده است. نتایج به دست آمده از مدل تحلیل شبکه ای بیانگر این واقعیت میباشد بیش از 15 درصد از حوضه تحت تاثیر خطر وقوع سیلاب با پتانسیل بسیار بالا قرار دارد که به‌طور عمده در پایین‌دست حوضه واقع‌شده است، این سطوح اغلب شیب کمتر از 35 درصد، با درصد پوشش گیاهی کم، سطوح همگرا با پروفیل مقعر، نواحی پست و حاشیه رودخانه ها را تشکیل میدهند. تحلیـل وزن‌های نهایی منتج از مدل anp، نشان میدهد که در رابطه با خطر وقوع سیلاب، عامل شیب با مقدار (99/0) و عامل سنگ‌شناسی با مقدار 822/0 با توجه به کنترل زیادی که بر میزان و چگونگی نفوذ و تخلیه رواناب از سطح حوضه دارنـد، از بیشـترین میـزان اهمیت و تاثیر برخوردار هستند و شاخص spi با 226/0 و شاخص sti با 065/0 نسبت بـه عوامـل دیگـر دارای اهمیت کمتری هستند.

Flood Risk Mapping and Evaluation by using the Analytic Network Process Case Study: (Khiav Chai Catchment)

Flood is one of the most common natural worldwide hazards that causes enormous losses of life and property throughout the world. Therefore, the development of flood mapping forecast models is curial in decision making before the flood and for the after flood management. The aim of this study is to determine the flood hazard zones in the khiav Chai basin using the network analysis process. To implement this model in the area under study, various data such as rainfall, land use, slopemorphological characteristics such as convexity (profile curvature) convergence divergence slopes (plan curvature), steep slopes, vegetation index (NDVI), distance from major rivers and drainage network density were considered. The results obtained from the network Analyzer model shows the fact that more than 15 percent of the area affected by the floods with very high potential risk of occurrence are mainly located at the bottom of the basin. These levels are often less than 35% in slope, with low vegetation density profiles, converged areas with concave surfaces, and areas near rivers. Analysis of the final weights derived from the AHP in relation to flood risk shows that the slope of the geological formations operating by 0/99, and 0/822 value, have the highest impact and influence, regarding the high degree of control and influence they have on the amount of runoff and discharge of the surface area. The importance and influence of the SPI with 0/226 and 0/065 STI are of less important compared to other factors.