ارزیابی نقش ساختارهای همسایگی مکانی در پهنه‌بندی پتانسیل سیل‌خیزی بر پایه مدل وزن‌دهی فازی (مطالعه موردی: حوضه آبخیز عبدالله آباد سمنان)

نوع مقاله : پژوهشی

نویسندگان

1 دانشجوی دکتری سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران، ایران

2 گروه سنجش از دور و GIS - دانشکده جغرافیا - دانشگاه تهران - ایران

3 دانشیار گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران، ایران.

چکیده

هدف: هدف این پژوهش، پهنه‌بندی پتانسیل سیل‌خیزی در حوضۀ آبخیز عبدالله‌آباد شهرستان سرخه با تأکید بر بررسی نقش ساختارهای همسایگی مکانی در بهبود تحلیل‌های فضایی بود. با توجه به محدودیت داده‌های هیدرولوژیکی در بسیاری از حوضه‌ها، استفاده از روش‌های مبتنی بر تحلیل چندمعیاره و منطق فازی می‌تواند رویکردی مناسب برای شناسایی مناطق مستعد سیلاب فراهم کند.
روش پژوهش: در این پژوهش عوامل مؤثر در بروز سیلاب شامل ۹ معیار محیطی مؤثر بر بروز سیلاب در محیط سیستم اطلاعات جغرافیایی تحلیل شدند. ابتدا لایه‌های اطلاعاتی با استفاده از توابع عضویت فازی استانداردسازی شدند و سپس وزن معیارها با روش تحلیل سلسله‌مراتبی تعیین شد. در ادامه، نقشۀ پتانسیل سیل‌خیزی با استفاده از عملگر گامای فازی تولید شد. به منظور بررسی اثر وابستگی‌های فضایی، دو نوع ساختار همسایگی مکانی شامل Distance-based و Boundary-based بر نتایج مدل اعمال و در نهایت نقشۀ نهایی از ترکیب نتایج تهیه شد.
یافته‌ها: نتایج نشان داد ‌شیب و بارش بیشترین نقش را در تعیین پتانسیل سیل‌خیزی دارند. مقایسۀ نقشه‌های حاصل از مدل پایه و مدل‌های دارای ساختار همسایگی نشان داد اعمال همسایگی مکانی موجب کاهش پراکندگی لکه‌ای و افزایش پیوستگی فضایی پهنه‌های خطر می‌شود. ساختار Distance-based با در نظر گرفتن تأثیر تدریجی واحدهای مجاور باعث هموارسازی الگوهای فضایی شد، در حالی که ساختار Boundary-based پیوستگی بیشتری در مرز پهنه‌های خطر ایجاد کرد. براساس نتایج حاصل 42/24 درصد از مساحت حوضه در طبقۀ پتانسیل متوسط، 26/70 درصد در طبقۀ پتانسیل زیاد و 21/78 درصد در طبقۀ پتانسیل کم قرار دارد، در حالی که طبقات بسیار زیاد و بسیار کم به‌ترتیب تنها 2/35 و 6/93 درصد از مساحت حوضه را شامل می‌شوند.
نتیجه‌گیری: نتایج پژوهش نشان می‌دهد ترکیب منطق فازی، روش‌های تصمیم‌گیری چندمعیاره و تحلیل ساختارهای همسایگی مکانی می‌تواند چارچوبی کارآمد برای پهنه‌بندی پتانسیل سیل‌خیزی فراهم کند. در نظر گرفتن وابستگی‌های فضایی میان واحدهای مکانی موجب افزایش انسجام نقشه‌های خروجی و درک دقیق‌تر الگوی فضایی پتانسیل سیل‌خیزی می‌شود و می‌تواند در مدیریت ریسک سیلاب و برنامه‌ریزی کاربری اراضی مورد استفاده قرار گیرد.

کلیدواژه‌ها

موضوعات

مراجع

  • Abedini, M., Sabouri, H., & Pasban, E.H. (2025). Flood hazard zonation and its relationship with land use using the Analytic Network Process (ANP) model (Case Study: Raziehchay Watershed, Ardabil Province). Journal of Urban and Regional Sustainable Development Studies, 6(2), 68–84.
  • Anselin, L. (1995). Local indicators of spatial association—LISA. Geographical Analysis, 27(2), 93–115.
  • Ashfaq, S., Tufail, M., Niaz, A., Muhammad, S., Alzahrani, H., & Tariq, A. (2025). Flood susceptibility assessment and mapping using GIS-based analytical hierarchy process and frequency ratio models. Global and Planetary Change, 251, 104831.
  • Bang, N., & Church Burton, N. (2021). Contemporary flood risk perceptions in England: Implications for flood risk management foresight. Henry Disaster Management Centre, Bournemouth University, Dorset.
  • Bouamrane, A., Derdous, O., Dahri, N., Tachi, S. E., Boutebba, K., & Bouziane, M. T. (2022). A comparison of the analytical hierarchy process and the fuzzy logic approach for flood susceptibility mapping in a semi-arid ungauged basin (Biskra basin: Algeria). International Journal of River Basin Management, 20(2), 203-213.
  • Chen, Y., & Alexander, D. (2022). Integrated flood risk assessment of river basins: Application in the Dadu river basin, China. Journal of Hydrology, 613, 128456.
  • Cikmaz, B. A., Yildirim, E., & Demir, I. (2025). Flood susceptibility mapping using fuzzy analytical hierarchy process for Cedar Rapids, Iowa. International journal of river basin management, 23(1), 1-13.
  • Dutta, P., & Deka, S. (2024). A novel approach to flood risk assessment: Synergizing with geospatial-based MCDM-AHP model, multicollinearity, and sensitivity analysis in the Lower Brahmaputra Flood Plain, Assam. Journal of Cleaner Production.
  • Farhadi, M., Ahmadi, R., & Rezaei, S. (2019). Flood hazard zonation using GIS and multi‑criteria decision‑making methods. Geographical Research Journal, 34(2), 45–62. [In Persian]
  • Fenglin, W., Ahmad, I., Zelenakova, M. et al. (2023). Exploratory regression modeling for flood susceptibility mapping in the GIS environment. Sci Rep13, 247
  • Gorsevski, Pece V., and Ivica Milevski. "Multilevel Flood Susceptibility Mapping by Fuzzy Sets, Analytical Hierarchy Process, Weighted Linear Combination and Random Forest." ISPRS International Journal of Geo-Information15, no. 4 (2026): 148.
  • Gohil, M., Mehta, D., & Shaikh, M. (2024). An integration of geospatial and fuzzy-logic techniques for flood-hazard mapping. Journal of Earth System Science, 133(2), 1.
  • Husein, Musa., Tariku Takele, Dechasa Diriba, and Shankar Karuppannan. (2025). Flood hazard and risk assessment using GIS and remote sensing in the case of Ziway Lake watershed, central Main Ethiopian Rift. Environmental and Sustainability Indicators,
  • Jelokhani Niaraki, M.R., & Mirzaei, A. (2023). Multi‑criteria Decision Making Analysis in Geographic Information Science. Tehran University Press. [In Persian]
  • Kazemi, M., & Jafarpoor, A. (2024). Identifying the threshold of variables affecting flood zones using machine learning technique (Case study: the downstream region of the Karun River). Water and Soil Management and Modelling, 4(1), 214-232. [In Persian].
  • Mahmoudzadeh, H. and Bakoi, M. (2018). Flood zoning using fuzzy analysis (case study: Sari city). Journal of Natural Environmental Hazards, 7(18), 51-68. [In Persian]
  • Najafi, E. and Karimi Kerdabadi, M. (2020). Flood Risk Evaluation and Zoning using with AHP-Fuzzy Combined Model with Emphasis on Urban Safety (Case Study: Region 1 of Tehran Municipality). Journal of Geography and Environmental Hazards, 9(2), 43-60. [In Persian]
  • Pradhan, B. (2010). Flood susceptible mapping and risk area delineation using logistic regression, GIS and remote sensing. Journal of Spatial Hydrology, 9(2), 1–18.
  • Rashetnia, S., & Jahanbani, H. (2021). Flood vulnerability assessment using a fuzzy rule-based index in Melbourne, Australia. Sustainable Water Resources Management, 7(2), 351–362.
  • Sami, E. and Ebadi, M. (2024). Urban Flood Hazard Zoning Using Fuzzy-Analytic Network Process (ANP), Case study: Maragheh City. Journal of Urban Ecology Researches, 15(1), 171-186. [In Persian]
  • Smith, K., & Ward, R. (1998). Floods: Physical processes and human impacts. Chichester: Wiley.
  • Wu, J., Chen, X., & Lu, J. (2022). Assessment of long- and short-term flood risk using the multi-criteria analysis model with the AHP-Entropy method in Poyang Lake Basin. International Journal of Disaster Risk Reduction, 75(3), 102968.
  • Xing, Z., Lyu, G., Yao, Y., Liu, Z., & Zhang, X. (2025). Fine-grained analysis and mapping of urban flood susceptibility with interpretable machine learning: A case study of Hefei, China. Journal of Hydrology: Regional Studies, 60, 102501.
  • A, Seejata.K, Chatsudarat.S Chidburee.P, Mahavik.N, Kongmuang.CH, Tantanee.S., 2019. FD Flood Hazard assessment using Fuzzy analytic hierarchy process: A case studt of Bang Rakam model in Thailand. The 40th Asian Conference on Remote Sensing (ACRS 2019) October 14-18, 2019 / Daejeon Convention Center (DCC), Daejeon, Korea.
  • Zhong, M., Lin, K., Tang, G., Zhang, Q., Hong, Y., & Chen, X. (2020). A Framework to Evaluate Community Resilience to Urban Floods: A Case Study in Three Communities. Sustainability, 12(4), 1-21.
مجله اکوهیدرولوژی
دوره 13، شماره 2
تیر 1405
صفحه 1268-1295

فایل ها

سابقه مقاله

  • تاریخ دریافت: 13 فروردین 1405
  • تاریخ بازنگری: 21 اردیبهشت 1405
  • تاریخ پذیرش: 18 خرداد 1405
  • تاریخ اولین انتشار: 01 تیر 1405
  • تاریخ انتشار: 01 تیر 1405

هم رسانی

ارجاع به این مقاله

آمار