انجمن آبخیزداری ایران مجله اکوهیدرولوژی 2423-6098 4 2 2017 06 22 Flood susceptibility zonation using new ensemble Bayesian-AHP methods (Case study: Neka Watershed, Mazandaran Province) پهنه ‏بندی حساسیت سیل‏گیری با استفاده از روش ترکیبی نوین تئوری بیزین‌ـ‌ فرایند تحلیل سلسله‌مراتبی (مطالعۀ موردی: حوضۀ آبخیز نکا ـ استان مازندران) 447 462 61481 10.22059/ije.2017.61481 FA علیرضا عرب عامری دانشجوی دکتری ژئومورفولوژی دانشگاه تربیت مدرس، تهران، ایران. حمیدرضا پورقاسمی استادیار بخش مهندسی منابع طبیعی و محیط زیست، دانشکدۀ کشاورزی، دانشگاه شیراز، شیراز، ایران. کورش شیرانی استادیار، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان اصفهان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اصفهان، ایران. Journal Article 2016 11 27 Flood susceptibility mapping is the first step in flood management programs. Flood prediction can help reduce its following damages. The main objective of this study is identification of prone areas to flooding using new ensemble Bayesian-AHP methods in the Neka-Sari watershed, Iran. Flood inventory map was prepared based on statistical analyses. A total of 240 (70 %) and 102 (30 %) out of 342 observed events were used as training and validation data set, respectively. Based on literature review and extensive field studies, a total of 11 parameters in relation to flood occurrences were selected for flood mapping, including slope percent, elevation, distance to river, drainage density, NDVI, lithology, land use, topography wetness index (TWI), stream power index (SPI), rainfall, and curvature. The weights of each factor were determined by AHP method. Also, the relation between factor classes and flood events and the weight of each class were estimated using Bayesian theory. Finally, by integration of factors and their classes in ArcGIS, flood susceptibility map was obtained with five classes. In order to evaluate the obtained model, ROC curve was employed. Results showed that the ensemble model had a high accuracy (76.10 %) in flood susceptibility mapping. Also, slope percent, elevation, and land use had the highest effect on flood events with values of 0.260, 0.195, and 0.146, respectively. According to the results, 24.17 and 37.15 % of the study area are categorized in high and very high susceptibility classes, respectively. The presented combined model can be used for further studies on natural hazard mapping and disaster management. تهیۀ نقشۀ حساسیت‏پذیری سیلاب، نخستین ‏گام در برنامه‏های مدیریت سیلاب است. هدف از این پژوهش، شناسایی مناطق حساس به سیل‏‏گیری با استفاده از روش ترکیبی نوین تئوری بیزین فرایند تحلیل سلسله‌مراتبی (Bayes-AHP) در حوضۀ آبخیز نکاـ شهرستان ساری است. به‌منظور تهیۀ نقشۀ حساسیت‏پذیری سیل‏‏گیری در منطقۀ مطالعاتی، نقشۀ پراکنش سیلاب‏ها به‏منظور تحلیل‏های آماری تهیه شد. از تعداد کل ۳۴۲ موقعیت سیل، ۷۰ درصد (۲۴۰ موقعیت سیل) به‏منظور اجرای مدل و ۳۰ درصد (۱۰۲ موقعیت سیل) به‏منظور اعتبارسنجی استفاده شد. با استفاده از مطالعۀ گذشته و پیمایش‏های گستردۀ میدانی، ۱۱ عامل مؤثر شامل درصد شیب، طبقات ارتفاعی، فاصله از آبراهه، تراکم زهکشی، شاخص پوشش گیاهی تفاضلی نرمال‏شده (NDVI)، سنگ‏شناسی، کاربری اراضی، شاخص رطوبت توپوگرافی (TWI)، شاخص توان آبراهه (SPI)، بارندگی سالانه و انحنای سطح به‏منظور پهنه‏بندی سیل‏‏گیری بررسی شد. با استفاده از روش AHP، وزن هر یک از عوامل و بر اساس تئوری بیزین وزن هر یک از طبقات عوامل مؤثر بر وقوع سیلاب‏های منطقۀ مطالعه‌شده محاسبه شد. درنهایت، نقشۀ پهنه‏بندی حساسیت‏پذیری سیل‏گیری در پنج طبقه و در محیط نرم‏افزار ArcGIS10.1 تهیه شد. به‏منظور ارزیابی مدل منحنی تشخیص عملکرد نسبی (ROC) استفاده شد. نتایج ارزیابی نشان داد مدل ترکیبی دقت مناسبی (۷۶۱/۰) در شناسایی پهنه‏های حساس به سیلاب دارد. بر اساس نتایج به‏دست‌آمده، عوامل درصد شیب، ارتفاع و کاربری اراضی به‏ترتیب با وزن‏های۲۶۰/۰، ۱۹۵/۰ و ۱۴۶/۰ بیشترین تأثیر را در وقوع سیلاب‏های منطقۀ مطالعاتی داشته‏اند. همچنین طبق نتایج، ۲۴/۱۷ و ۳۷/۱۵ درصد از حوضۀ آبخیز نکا در رده‏های حساسیت زیاد و بسیارزیاد قرار گرفته است. مدل ترکیبی ارائه‌شده می‏تواند برای تحقیقات بیشتر در زمینۀ تهیۀ نقشۀ خطر سیل‏گیری و مدیریت بحران استفاده شود.<br />   https://ije.ut.ac.ir/article_61481_a543ddff7d0d6ccd09890920cba94114.pdf