1
گروه .ریاضی، واحد ماهشهر. دانشگاه زاد اسلامی، ماهشهر، ایران
2
گروه جغرافیا، واحدماهشهر، دانشگاه آزاد اسلامی، ماهشهر، ایران
3
گروه جغرافیا، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران
10.22059/ije.2026.411871.1908
چکیده
شهرستان سوادکوه به دلیل شرایط کوهستانی، شیبهای تند، بارشهای شدید و تغییرات گستردۀ کاربری اراضی، از مناطق مستعد سیلاب در استان مازندران به شمار میرود. گسترش سکونتگاهها، کشاورزی فشرده و کاهش پوشش گیاهی در سالهای اخیر موجب افزایش رواناب سطحی و تشدید خطر سیلاب شده است. این پژوهش با هدف تحلیل رفتار هیدرولوژیکی حوضۀ آبریز سوادکوه، شبیهسازی جریان سیلاب و پهنهبندی خطر سیلاب با استفاده از مدلهای هیدرولوژیکی و هیدرولیکی انجام شد. ابتدا دادههای توپوگرافی، کاربری اراضی، گروههای هیدرولوژیکی خاک و اطلاعات بارندگی گردآوری و پردازش شد. سپس، با بهرهگیری از مدل WMS و روش SCS، پارامترهایی نظیر شمارۀ منحنی رواناب (CN)، ظرفیت نگهداشت رطوبتی، عمق و حجم رواناب و هیدروگراف سیلاب محاسبه شد. در ادامه، شبیهسازی هیدرولیکی جریان با استفاده از مدل HEC-RAS و بر اساس 21 مقطع عرضی رودخانه انجام شده و نقشههای پهنهبندی سیلاب و عمق جریان استخراج شد. نتایج نشان داد توپوگرافی، نفوذپذیری خاک، نوع کاربری اراضی و شدت بارش مهمترین عوامل مؤثر بر تولید رواناب و افزایش خطر سیلاب هستند. میانگین CN حوضه حدود 78/3 برآورد شد که بیانگر پتانسیل نسبتاً بالای تولید رواناب است. همچنین، مناطق دارای خاکهای گروه C و D، کاربریهای کشاورزی متراکم، نواحی مسکونی و دامنههای پرشیب بیشترین حجم رواناب و عمق سیلاب را داشتند. تحلیل هیدروگراف نیز نشاندهندۀ پاسخ سریع حوضه، زمان تمرکز کوتاه و دبی اوج بالا و در نتیجه، افزایش احتمال سیلابهای ناگهانی بود. نتایج پهنهبندی، انطباق مناطق پرخطر با سیلابهای رخدادۀ گذشته را تأیید کرد. در پایان، حفاظت پوشش گیاهی، کنترل توسعه در سیلابدشتها، اصلاح مدیریت کاربری اراضی و اجرای اقدامات آبخیزداری به عنوان راهکارهای مؤثر کاهش خطر سیلاب پیشنهاد شد.
Ebrahimi, L., Ilanloo, M. (2024). "Flood Susceptibility Zoning of the Shahrestanak Drainage Basin Using the WMS Hydrological Model and GIS Integration." Journal of Environmental Hazards Management, 11(1), 15–29. [In persian].
Esfandiari Darabad, F., Abedini, M., Fakhripour, N., Nazafat Takleh, B. (2023). "Flood Hazard Zoning Using the Hec–Ras Hydrodynamic Model: A Case Study of the Qareh Su Watershed, Kermanshah Province." Journal of Environmental Science Studies, 8(3), 6952–6961. [In persian].
Arab, N., Salmanmahini, A., Micaeli Tabrizi, A., Vitte, T. (2023). "Flood Risk Analysis Using the Random Forest Machine Learning Method: A Case Study of Mashhad City." Journal of Ecohydrology, 10(1), 1–15. [In persian].
Saffari, A., Ahmadabadi, A., Sedighifar, Z. (2020). "Flood Risk Analysis Based on the WMS Model in Urban Catchments: A Case Study of the Darband, Golabdarreh, and Sa'adabad Catchments in the Tehran Metropolis." Quarterly Journal of Agriculture and Natural Resources, 20(57), 317–334. [In persian].
Abdi, K., Kamiabi, S., & Zandmoghadam, M. R. (2019). Integrated assessment of vulnerability, resilience, and spatial risk against floods in Sari city. Journal of Natural Geographical Research, 51(3), 431–445. [In Persian] https://doi.org/10.1007/s10707-020-00461-x
Adeniyi, O., Perera, S., Ginige, K., & Feng, Y. (2019). Developing maturity levels for flood resilience of businesses using built environment flood resilience capability areas. Sustainable Cities and Society, 51, 101778. https://doi.org/10.1016/j.scs.2019.101778
Arab, N., Salmanmahiny, A. R., Mikaeili Tabrizi, A., & Witte, T. (2023). Flood hazard analysis using random forest machine learning: A case study of Mashhad city. Iranian Journal of Eco Hydrology, 10(1), 1–15.
Bertilsson, L., Wiklund, K., de Moura Tebaldi, I., Rezende, O. M., Veról, A. P., & Miguez, M. G. (2019). Urban flood resilience–A multi-criteria index to integrate flood resilience into urban planning. Journal of Hydrology, 573, 970–982. https://doi.org/10.1016/j.jhydrol.2018.06.052
Chen, Y., Liu, T., Chen, R., & Zhao, M. (2020). Influence of the built environment on community flood resilience: Evidence from Nanjing City, China. Sustainability, 12(6), 2401. https://doi.org/10.3390/su12062401
Ebrahimi, L., & Ilanloo, M. (2024). Flood occurrence zoning in Shahrestanak watershed using WMS hydrological model and GIS integration. Journal of Environmental Hazards Management, 11(1), 15–29. [In Persian]
Echogdali, F. Z., Boutaleb, S., Elmouden, A., & Ouchchen, M. (2018). Assessing flood hazard at river basin scale: Comparison between HECRAS-WMS and flood hazard index (FHI) methods applied to el maleh basin, Morocco. Journal of Water Resource and Protection, 10(9), 957–977.
Esfandyari, F., Abedini, M., Fakheripour, N., & Nezafat Takle, B. (2023). Flood risk zoning using Hec-Ras hydrodynamic model: A case study of Qarahsou Basin, Kermanshah Province. Journal of Environmental Studies, 8(3), 6952–6961. https://doi.org/10.22034/jess.2022.344023.1795
Hegazy, M. N., El-Fakharany, M. A. A., Abdo, A. M., & Mansour, N. M. (2023). Estimation of expected peak discharge and flood volume of the Heliopolis basin, East Cairo, Egypt, using RS and WMS program. The Egyptian Journal of Remote Sensing and Space Sciences, 26(3), 676–690.
Hosseini, S., Mohammadi, S., Hassanzadeh, R., & Honarmand, M. (2023). Flood hazard assessment using GIS and RS in southern Kerman province: A case study of the Hamun-Jazmourian watershed. Iranian Journal of Eco Hydrology, 10(1), 33–47. https://doi.org/10.22059/ije.2023.354747.1712
Ikirri, M., Faik, F., Boutaleb, S., Echogdali, F. Z., Abioui, M., & Al-Ansari, N. (2021). Application of HEC-RAS/WMS and FHI models for extreme hydrological events under climate change in the Ifni River arid watershed from Morocco. In Climate and Land Use Impacts on Natural and Artificial Systems (pp. 251–270). Elsevier.
Kabenge, M., Elaru, J., Wang, H., & Li, F. (2017). Characterizing flood hazard risk in data-scarce areas, using a remote sensing and GIS-based flood hazard index. Natural Hazards, 89(3), 1369–1387. https://doi.org/10.1007/s11069-017-3024-y
Khaledi, S., Ghahroodi, M., & Farahmand, G. (2021). Assessment and evaluation of urban flood resilience: A case study of Urmia city. Journal of Sustainable Development of Geographical Environment, 2(3), 169–182. [In Persian]
Kumar, V., Sharma, K. V., Caloiero, T., Mehta, D. J., & Singh, K. (2023). Comprehensive overview of flood modeling approaches: A review of recent advances. Hydrology, 10(7), 141. https://doi.org/10.3390/hydrology10070141
Mannucci, S., Rosso, F., D’Amico, A., Bernardini, G., & Morganti, M. (2022). Flood resilience and adaptation in the built environment: How far along are we?. Sustainability, 14(7), 4096. https://doi.org/10.3390/su14074096
McClymont, K., Morrison, D., Beevers, L., & Carmen, E. (2020). Flood resilience: A systematic review. Journal of Environmental Planning and Management, 63(7), 1151–1176. https://doi.org/10.1080/09640568.2019.1675140
Meng, M., Dabrowski, M., & Stead, D. (2020). Enhancing flood resilience and climate adaptation: The state of the art and new directions for spatial planning. Sustainability, 12(19), 7864. https://doi.org/10.3390/su12197864
Munawar, H. S., Hammad, A. W., & Waller, S. T. (2022). Remote sensing methods for flood prediction: A review. Sensors, 22(3), 960. https://doi.org/10.3390/s22030960
Nofal, O. M., & Van De Lindt, J. W. (2022). Understanding flood risk in the context of community resilience modeling for the built environment: Research needs and trends. Sustainable and Resilient Infrastructure, 7(3), 171–187. https://doi.org/10.1080/23789689.2021.1931945
Okasha, M. R., Hashem, S. M., & Azeez, E. A. B. (2024). Using the Water Modeling System (WMS) to study some morphometric and flash flood features of the drainage basins in New Cairo first Precinct. Buhūth, 4(5), 138–163.
Rathnasiri, P., Adeniyi, O., & Thurairajah, N. (2023). Data-driven approaches to built environment flood resilience: A scientometric and critical review. Advanced Engineering Informatics, 57, 102085. https://doi.org/10.1016/j.aei.2023.102085
Safari, A., Ahmadabadi, A., & Sedighifar, Z. (2020). Analysis of flood hazard using the WMS model in urban watersheds: Case study of Darband, Ghalabdar, and Sa'adabad-Kalan basins, Tehran metropolis. Journal of Applied Geographical Sciences Research, 20(57), 317–334.
Szewrański, S., Świąder, M., Kazak, J. K., Tokarczyk‑Dorociak, K., & Van Hoof, J. (2018). Socio‑environmental vulnerability mapping for environmental and flood resilience assessment: the case of ageing and poverty in the City of Wrocław, Poland. Integrated Environmental Assessment and Management, 14(5), 592–597. https://doi.org/10.1002/ieam.4085
Wang, L., Cui, S., Li, Y., Huang, H., Manandhar, B., Nitivattananon, V., … Huang, W. (2022). A review of the flood management: From flood control to flood resilience. Heliyon, 8(11). https://doi.org/10.1016/j.heliyon.2022.e11339
Wang, Z., Bi, Y., Lu, G., Zhang, X., Xu, X., Ning, Y., … Wang, A. (2024). Monitoring forest diversity under Moso bamboo invasion: A random forest approach. Forests, 15(2), 318. https://doi.org/10.3390/f15020318
Xu, W., Yu, Q., & Proverbs, D. (2023). Evaluation of factors found to influence urban flood resilience in China. Water, 15(10), 1887. https://doi.org/10.3390/w15101887
Zevenbergen, C., Gersonius, B., & Radhakrishan, M. (2020). Flood resilience. Philosophical Transactions of the Royal Society A, 378(2168), 20190212. https://doi.org/10.1098/rsta.2019.0212
Zhang, Y., Zhang, Y., Du, B., Zhang, C., Guo, X., & Tu, W. (2022). Parallel discriminative subspace for city target detection from high dimension images. GeoInformatica, 26(2), 299–322. https://doi.org/10.1007/s10707-020-00461-x
)