خلاصه

عراق، کشوری در خاورمیانه، در دو دهه گذشته به دلیل کاهش قابل توجه بارندگی سالانه، دچار خشکسالی شدید شده است. ذخیره آب با ساخت سدها می تواند اثرات خشکسالی را کاهش داده و تامین آب را تضمین کند. این مطالعه به منظور شناسایی مکان های مناسب برای ساخت سدهای جدید در حوضه رودخانه الخابور (KhRB) طراحی شده است. هر دو فرآیند تحلیل سلسله مراتبی فازی (AHP) و روش جمع وزنی (WSM) مورد استفاده قرار گرفتند و با انتخاب سایت های سد مناسب مقایسه شدند. در مجموع 14 لایه به عنوان مجموعه داده ورودی استفاده شد (به عنوان مثال، سنگ شناسی، مناطق زمین ساختی، فاصله تا گسل های فعال، فاصله تا خطواره ها، نوع خاک، پوشش زمین، هیپسومتری، شیب شیب، میانگین بارش، عرض جریان، شبکه شماره منحنی، فاصله تا جاده های اصلی، فاصله تا شهرها و شهرها و فاصله تا روستاها). Landsat-8/Operational Land Imager (OLI) و تصاویر نوری QuickBird در این مطالعه استفاده شد. سه نوع دقت مورد آزمایش قرار گرفت: به طور کلی، پیکسل های مناسب بر اساس تعداد، و پیکسل های مناسب بر اساس وزن. بر اساس این معیارها، ما تشخیص دادیم که 11 سایت برای مکان یابی سدها برای برداشت رواناب مناسب هستند. نتایج با مکان 21 سد از پیش انتخاب شده پیشنهاد شده توسط وزارت کشاورزی و منابع آب (MAWR) مقایسه شد. سه تا از این سدها با موارد پیشنهادی MAWR مطابقت دارند. دقت کلی 11 سد بین 76.2% و 91.8% بود. دو سد مناسب در مرکز منطقه مورد مطالعه، با زمین شناسی مطلوب، ظرفیت ذخیره سازی کافی و در مجاورت مراکز جمعیتی قرار دارند. از بین دو روش انتخاب، روش AHP بهتر عمل کرد زیرا دقت کلی آن بیشتر از WSM است. ما استدلال می‌کنیم که وقتی داده‌های تخلیه جریان در دسترس نیست، استفاده از تصاویر QuickBird با وضوح فضایی بالا برای تعیین عرض جریان برای تخمین دبی قابل قبول است و می‌تواند برای انتخاب اولیه سایت سد استفاده شود. این مطالعه یک ابزار ارزشمند و نسبتاً ارزان را برای تصمیم‌گیران برای حذف سایت‌هایی که محدودیت‌های شدید (محل‌های کمتر مناسب) دارند و تمرکز بر آن‌هایی که کمترین محدودیت را دارند (محل‌های مناسب‌تر) برای ساخت سد ارائه می‌دهد.

کلید واژه ها:

انتخاب سایت سد ; عراق ؛ خابور ; AHP ; WSM

چکیده گرافیکی

1. معرفی

جمعیت جهان به 7.6 میلیارد نفر رسیده است [ 1 ] و بیش از یک سوم مردم جهان (2.1 میلیارد) در مناطق خشک زندگی می کنند [ 2 ]. عراق نمونه ای از یک کشور نیمه خشک است که افزایش جمعیت قابل توجهی به میزان 308 درصد را در چهار دهه تجربه کرد: از 12.46 میلیون نفر در سال 1977 به 38.275 میلیون نفر در سال 2017 [ 1 ]. دسترسی به آب در عراق بسیار متفاوت است: دبی سالانه رودخانه های عراق بین 28.16 میلیارد متر مکعب در سال خشک (1999) و 159.89 میلیارد متر مکعب در سال مرطوب (1969) با میانگین 76.88 میلیارد متر مکعب بود [3 ] .]. دسترسی به آب در رودخانه‌های دجله و فرات در داخل عراق به دلیل آبگیری توسط سدهای بزرگ در ترکیه، ایران و سوریه کاهش یافته است و در نتیجه حوادث خشکسالی افزایش یافته است. بیست و یک سد که برای ساخت به عنوان بخشی از پروژه آناتولی جنوب شرقی (GAP) برنامه ریزی شده است، بر دسترسی آب در رودخانه دجله و شاخه های آن تأثیر می گذارد. تخمین زده می شود که رودخانه دجله 80 درصد از آب خود را با تکمیل GAP از دست می دهد [ 4 ]. علاوه بر این، ایران نیز ساخت چندین سد را بر روی شاخه دجله آغاز کرده است، مانند سد سیلوه [ 5 ] و سد سردشت [ 6 ].]، بر روی رودخانه نیروان. این سدها در سال های آینده عملیاتی می شوند و از رسیدن مقدار قابل توجهی از آب رودخانه نیروان به عراق جلوگیری می کنند. از سوی دیگر، از سال 1981، تنها یک سازه آبگیر هیدرولیکی، سد موصل، بر روی رودخانه الخابور در داخل عراق ساخته شده است که در 24 جولای 1986 به طور کامل به بهره برداری رسید. این سد چند منظوره برای کنترل سیل طراحی شده است. آبیاری و تولید برق [ 7 ].
در طول چهار دهه گذشته، سیستم های اطلاعات جغرافیایی (GIS) و سنجش از دور (RS) به طور فزاینده ای برای ارزیابی سایت های بالقوه برای پروژه های مهندسی مورد استفاده قرار گرفته اند [ 8 ، 9 ، 10 ]. GIS به دلیل توانایی آن در پردازش و تجزیه و تحلیل حجم عظیمی از داده ها از منابع مختلف، ابزاری قوی است [ 10 ]. اکثر این مطالعات از چندین روش تصمیم گیری چند معیاره (MCDM) برای تعیین مناسب ترین مکان برای سایت های سد استفاده کرده اند. رایج ترین و پرکاربردترین رویکردهای MCDM فرآیند تحلیل سلسله مراتبی فازی (AHP) [ 11 ] و روش جمع وزنی (WSM) [ 12 ] است.] به دلیل رویکرد رسیدگی مستقیم آنها. از این میان، AHP به عنوان یکی از بهترین و پرکاربردترین رویکردها برای رسیدگی به عوامل متعدد و ناهمگن گزارش شده است [ 13 ]، و با موفقیت در بسیاری از ارزیابی های سایت مهندسی، از جمله سدها [ 14 ، 15 ] استفاده شده است.
قبل از سال 2003، دولت عراق ساخت سد را برای تامین آب و تولید برق تشویق کرده بود و سپس چندین سایت پیشنهاد شد. در نتیجه، وزارت کشاورزی و منابع آب (MAWR) در منطقه کردستان 21 سد را برای ساخت و ساز از پیش انتخاب کرده بود [ 16 ]. اما مکان این سدها بیشتر بر اساس ملاحظات سیاسی بود تا فنی. سد موصل نمونه ای است که هم از مشکلات فرونشست و هم از مشکلات لجنی رنج می برد [ 17 ، 18 ].
همچنین توجه به این نکته حائز اهمیت است که یکی از راهبردهای اولیه مدیریت آب برای مقابله با اثرات سیل و خشکسالی، ساخت سدها است [ 14 ]. علاوه بر زمین شناسی، شش عامل کلیدی وجود دارد که باید در هنگام ارزیابی مکان های سد در نظر گرفته شوند: بارش، هیدرولوژی، توپوگرافی، پوشش زمین، انواع خاک، و اقتصاد اجتماعی [ 19 ]. جنبه های اجتماعی و اقتصادی همراه با محیط محلی و منطقه ای – عوامل مهم در انتخاب محل سد – در نظر گرفته نشده و خارج از محدوده این مطالعه است. علاوه بر این، این مطالعه بخش شمالی حوضه زهکشی را که خارج از عراق قرار دارد حذف می کند. این عوامل باید در طول بررسی های دقیق سایت برای طراحی و ساخت سدها مورد توجه قرار گیرند.
این مطالعه از 14 عامل پیش‌بینی‌کننده برای ارزیابی مکان‌های سد، از جمله مناطق مخزن مناسب برای برداشت آب استفاده کرد. اهداف این مطالعه دو مورد بود: (1) مقایسه و ارزیابی کارایی دو روش متداول MCDA، یعنی AHP و WSM، و (2) یافتن مناسب‌ترین مکان‌ها برای ساخت سدها با استفاده از GIS. بر این اساس، ما تعدادی از سایت‌های بالقوه سد را در بخشی از حوضه رودخانه الخابور (KhRB) که در منطقه کردستان عراق قرار دارد، ارزیابی کردیم ( شکل 1).). ما از 14 لایه موضوعی برای ارزیابی عملکرد روش ها استفاده کردیم. این لایه ها عبارتند از: (1) سنگ شناسی، (2) مناطق تکتونیکی، (3) فاصله تا گسل های فعال، (4) فاصله تا خطواره ها، (5) نوع خاک، (6) پوشش زمین، (7) هیپسومتری، (8) شیب شیب، (9) میانگین بارش، (10) عرض جریان، (11) شماره منحنی (CN) شبکه، (12) فاصله تا جاده های اصلی، (13) فاصله تا شهرها و شهرها، و (14) فاصله تا روستاها .

2. منطقه مطالعه

منطقه مورد مطالعه در بخشی از KhRB در استان دهوک در شمال غربی عراق بین عرض جغرافیایی 36 درجه و 55 دقیقه و 33 دقیقه و 37 درجه و 22 دقیقه و 59 دقیقه و 42 درجه و 21 دقیقه و 43 درجه شرقی قرار دارد. 28′56 اینچ E ( شکل 1 ). منطقه مورد مطالعه حدود 2599 کیلومتر مربع را در بر می گیرد و شهرستان زاخو، سرسینگ و شهر باتوفا را در بر می گیرد و بیش از 487 روستا را شامل می شود. بر اساس اسناد دولت عراق، جمعیت زاخو در ژوئیه 2018، 212000 نفر بوده است [ 20 ]. بیست و یک سد برای ساخت در منطقه مورد مطالعه پیشنهاد شده است ( جدول A1 )، تقریباً همه آنها را می توان (بر اساس [ 21 ]) به عنوان سدهای بزرگ طبقه بندی کرد. تخمین زده می شود که این سدها حدود 520 میلیون متر مکعب آب را ذخیره کنند [ 16].
منطقه مورد مطالعه که شامل رودخانه مرتبه ششم الخابور است، تمام رواناب ها را به دنبال رویدادهای بارشی در حوضه الخابور حمل می کند. این منطقه تغییرات فصلی قابل توجهی را در بارش، دما و تبخیر احتمالی نشان می دهد و با زمستان های مرطوب و تابستان های خشک مشخص می شود ( شکل 2).). بخش عمده ای از بارندگی سالانه (586 میلی متر) از اکتبر تا می رخ می دهد. برای دوره 2001-2005، بیشترین میانگین بارش ماهانه، با میانگین 134.3 میلی متر، در ژانویه رخ داده است. جولای با بالاترین میزان تبخیر ماهانه با میانگین 354.7 میلی متر مشخص شد. میانگین دمای ماهانه بین 8.47 (ژانویه) و 33.96 درجه سانتیگراد (ژوئیه) متغیر بود. گرم ترین میانگین دمای ماهانه با 41.31 درجه سانتیگراد در ماه جولای و سردترین میانگین ماهانه با 4.17 درجه سانتیگراد در ماه ژانویه ثبت شده است. رودخانه الخابور از بارندگی و ذوب برف تغذیه می شود و در بهار اوج آبدهی و در تابستان و اوایل پاییز کم آب است.

3. روش شناسی

3.1. آماده سازی ورودی

ما 14 عامل پیش بینی کننده را به عنوان نقشه های موضوعی انتخاب و ذخیره کردیم. ما 10 مقاله با کیفیت بالا را که بین سال‌های 2009 و 2019 منتشر شده‌اند ( جدول A2 ) بررسی کردیم که همگی مربوط به انتخاب محل سد بودند [ 14 ، 23 ، 24 ، 25 ، 26 ، 27 ، 28 ، 29 ، 30 ، 31 ]. بیش از 70 درصد از این اوراق از پوشش زمین استفاده کرده اند [ 14 ، 23 ، 24 ، 25 ، 26 ، 27 ، 28 ، 29 ، 30 .]، نوع خاک [ 14 ، 23 ، 24 ، 25 ، 26 ، 27 ، 28 ، 29 ، 30 ]، شیب شیب [ 14 ، 23 ، 24 ، 26 ، 28 ، 29 ، 30 ، 29 ، 30 ، 3 ، پیش بارش 24 ، 26 ، 28 ، 29 ، 30 ، 31 ] و شبکه CN [ 23 ، 25 ،26 ، 27 ، 28 ، 30 ، 31 ] به عنوان عوامل پیش بینی کننده مهم برای انتخاب سایت سد. 50 درصد از مقالات از عوامل مختلفی برای محاسبه ترتیب جریان استفاده کردند [ 23 ، 24 ، 25 ، 30 ]، و بین 40 تا 20 درصد از مقالات از ارتفاع [ 25 ، 27 ، 30 ، 31 ]، سنگ شناسی [ 14 ، 29 ، ] استفاده کردند. 31 ]، منطقه تکتونیکی [ 14 ، 29 ، 31 ]، فاصله تا گسل فعال [ 14 ، 29 ،31 ، فاصله تا خطوط [ 23 ، 30 ، 31 ]، فاصله تا روستاها [ 14 ، 29 ، 30 ]، فاصله تا شهرها و شهرها [ 14 ، 29 ]، تخلیه [ 14 ، 31 ]، و فاصله تا جاده ها [ 14 ، 30 ] به عنوان عوامل پیش بینی کننده. با این حال، کمتر از 10٪ از این مقالات از فاصله تا رسوبات مواد زمین شناسی (مناطق قرض گرفته شده) [ 14 ]، کل مواد جامد محلول (TDS) [ 31 ]، تبخیر [ 29 ] و عوامل حجم فرورفتگی ها [ 25 ] استفاده کردند.]. ما 14 مورد از این عوامل کلیدی را برای این مطالعه انتخاب کردیم، در حالی که چهار عامل دیگر (یعنی فاصله تا مناطق قرض‌گیری، کل مواد جامد محلول (TDS)، تبخیر، و حجم فرورفتگی‌ها) حذف شدند، زیرا معمولاً استفاده نمی‌شوند. در عین حال، دو عامل فاصله تا جاده ها و عرض جریان، اگرچه معمولاً مورد استفاده قرار نمی گیرند، به صورت تجربی مورد ارزیابی قرار گرفتند. به عبارت دیگر، عواملی را که باعث کاهش دقت انتخاب سایت سد می‌شوند حذف کردیم و آن‌هایی را که دقت انتخاب مکان سد را افزایش می‌دهند، حفظ کردیم. ما از بیش از 3 جریان سفارش برای ظرفیت ذخیره سازی بالای آنها استفاده کردیم.
اندازه پیکسل نقشه های موضوعی برای به دست آوردن وضوح مکانی دقیق به عنوان اندازه پیکسل مدل ارتفاع دیجیتال (DEM) از ماموریت توپوگرافی رادار شاتل (SRTM) (یعنی وضوح فضایی 30 متر) نمونه برداری شد. عوامل ورودی پیش بینی کننده یا پیوسته یا گسسته هستند. عواملی مانند ارتفاع، فاصله تا جاده، و شیب شیب پیوسته هستند، در حالی که خاک، پوشش زمین و سنگ شناسی گسسته هستند ( جدول 1).). ما از ابزار تحلیل فضایی ArcGIS برای تبدیل عوامل پیوسته به گسسته استفاده کردیم. برای انجام این کار، ما هر عامل ورودی پیوسته را به پنج کلاس اصلی طبقه بندی کردیم که عبارتند از: مناسب ترین، مناسب، متوسط ​​مناسب، کمتر مناسب و نامناسب. وزن پنج کلاس اصلی عبارتند از 1، 3، 5، 7 و 9، که در آن نامناسب 1 است و مناسب ترین آن 9 است. ما از روش شکست طبیعی استفاده کردیم زیرا امکان کاهش واریانس در کلاس ها را فراهم می کند و حداکثر می کند. واریانس بین کلاس ها [ 32 ]. تعداد و مرز کلاس ها می تواند به طور قابل توجهی بر نتایج روش های آماری تأثیر بگذارد [ 33]. طبقات در فاکتورهای ورودی گسسته به همان پنج کلاس اختصاص داده شدند (یعنی مناسب ترین، مناسب، متوسط ​​مناسب، کمتر مناسب و نامناسب).

3.2. مدل انتخاب محل سد مناسب

اگرچه چندین روش MCDM در دسترس است، هیچ روش خاصی وجود ندارد که بتوان آن را برای همه انواع موقعیت‌های تصمیم‌گیری مناسب‌تر در نظر گرفت [ 34 ، 35 ، 36 ]. یک انتقاد بزرگ از MCDM این واقعیت است که رویکردهای مختلف می توانند نتایج متفاوتی را در صورت اعمال برای یک مشکل به همراه داشته باشند [ 37 ]. بنابراین تعیین یک روش MCDM مناسب کار آسانی نیست و تمرکز باید بر انتخاب دقیق روش باشد [ 34 ]. ادبیات چندین کاربرد عملی از تحلیل های مقایسه ای روش های مختلف MCDM را ارائه می دهد [ 11 ، 12 ، 38 ، 39 ، 40 ، 41, 42 , 43 , 44 , 45 , 46 ]. در این مطالعه از WSM و AHP برای تعیین مکان مناسب برای سدها استفاده شد.

3.2.1. روش جمع وزنی (WSM)

WSM کمبودهای قابل توجهی را که می تواند به عنوان عوامل ورودی رخ دهد [ 47 ] در نظر نمی گیرد، با توجه به اینکه همه عوامل دارای وزن برابر هستند. در مرحله اول هر عامل را به پنج کلاس طبقه بندی کردیم. اینها به ترتیب 1، 3، 5، 7 و 9 برای انتخاب محل سد نامناسب، کمتر مناسب، متوسط ​​مناسب، مناسب و مناسب ترین بودند. وزن این پنج طبقه با توجه به مناسب بودن هر طبقه برای مکان یابی سد تعیین شد، همانطور که در جدول A3 (ستون “رتبه”) و جدول 1 (ستون “شدت رابطه” نشان داده شده است). ما عمدتاً به ادبیات قبلی، مانند مراجع [ 9 ، 14 ، 30 ، تکیه کردیم]، و نظر متخصص خود ما برای محاسبه وزن فاکتورها. گام بعدی، جمع همه عوامل به دنبال معادله (1)، پیشنهاد شده توسط فیشبرن [ 12 ] است.

دبلیواسم=∑من=1nwjآمنj

که در آن n تعداد عوامل است، آمنjمقدار واقعی i معیار j است و wjوزن معیار j است.

3.2.2. فرآیند تحلیل سلسله مراتبی (AHP)

ساعتی در سال 1990 روش AHP را پیشنهاد کرد، روشی با کاربرد آسان که وزن شاخص را با مقایسه عوامل پیش بینی کننده با یکدیگر محاسبه می کند [ 48 ]. یکی از متداول ترین روش های مورد استفاده برای انتخاب محل سد می باشد. از محیط GIS برای تعیین مکان‌های مناسب برای سد استفاده شد و رتبه‌بندی هر عامل پیش‌بینی‌کننده در مقیاس پنج نقطه‌ای پیوسته ارائه شده است. وزن هر عامل پیش بینی کننده بسته به شدت رابطه عوامل موثر بر انتخاب سایت سد برآورد شد ( جدول 1 ). این وزن ها عمدتاً بر اساس ادبیات قبلی، مانند مراجع [ 9 ، 14 ، 30 ] محاسبه شده اند.] و نظر کارشناس خودمان. نقشه مکان های مناسب برای سدها توسط الگوریتم همپوشانی شطرنجی، با استفاده از رابطه (2) [ 49 ] محاسبه می شود:

آاچپ=∑من=1nایکسمنwمن

جایی که ایکسمنمقدار عامل پیش بینی کننده i است (که i = (عوامل پیش بینی شده در جدول 1 ))، wمنوزن عامل پیش بینی کننده i است و n تعداد عوامل پیش بینی کننده است. ما تمام عوامل پیش‌بینی‌کننده مورد استفاده را با نرمال‌سازی مقیاس‌ها و واحدهای آن‌ها با استفاده از معادله زیر (معادله (3)) همبستگی کردیم:

زمن=ایکسمن-ایکسمترمنnایکسمترآایکس-ایکسمترمنn

جایی که زمنمقدار نرمال شده پیکسل است، ایکسمنمقدار پیکسل است، ایکسمترمنnحداقل مقدار پیکسل است و ایکسمترآایکسحداکثر مقدار پیکسل است.

از آنجایی که سایت‌های سد در مسیر رودخانه قرار دارند، مجموعه‌ای از مناطق حائل (250، 500 و 1000 متر) در اطراف شبکه‌های زهکشی ایجاد کردیم. دو نقشه (یعنی WSM و AHP) با این سه منطقه بافر تقاطع شدند. پیکسل‌های درون این سه ناحیه که مقدار متوسط ​​≥ نسبتاً مناسب را دریافت کرده‌اند، برای مکان سد انتخاب شدند.
3.2.3. ارزیابی دقت و انتخاب محل سد

ما نوری [ 14 ] را با اصلاح ارزیابی دقت تقسیم بندی [ 50 ] برای ارزیابی نتایج روش های AHP و WSM دنبال کردیم. این روش از تعداد قطعات شناسایی شده برای محاسبه مجموع فواصل از پیکسل های مناسب تا نقطه مرجع استفاده می کند. در ابتدا، 21 سد بزرگ ( جدول A1 ) پیشنهاد شده توسط MAWR به عنوان نقاط مرجع استفاده شد [ 16 ]]. سپس نقشه‌های حاصل از روش‌های WSM و AHP در پنج کلاس مناسب‌ترین، مناسب‌ترین، نسبتاً مناسب، کمتر مناسب و نامناسب برای مکان‌یابی سدها دسته‌بندی شدند. مجموعه‌ای از مناطق حائل (250، 500 و 1000 متر) در اطراف نقاط مرجع ایجاد کردیم. تعداد کل پیکسل‌ها، تعداد پیکسل‌های مناسب و فاصله بین مرجع و پیکسل‌های درون بافر محاسبه شد. در نهایت دقت کلی (OA) پیکسل های مناسب با استفاده از معادلات (4)، (5) و (6) محاسبه شد:

آس=نس∑ن
آw=∑دبلیو∑ن
Oآ=آس+آw2

جایی که آسدقت پیکسل های مناسب بر حسب عدد است، نستعداد پیکسل های مناسب است، ∑نمجموع پیکسل ها است، آwدقت پیکسل مناسب بر حسب وزن است، ∑دبلیومجموع وزن کل پیکسل ها است و Oآدقت کلی است.

برای اصلاح رویکردمان، عملیات آستانه را نیز اعمال کردیم. انتخاب مقادیر آستانه برای روش مناسب به صورت تجربی تعیین شد. شطرنج آستانه نهایی از روش مناسب سپس برای مکان یابی مناطق نشان دهنده سایت های سد بالقوه استفاده شد. این مکان ها با استفاده از شکل فایل از نوع ویژگی نقطه ای تعیین شده اند.

4. عوامل پیش بینی کننده

4.1. عوامل زمین شناسی

تغییرات ساختاری، تکتونیکی و سنگ شناسی بر استحکام و پایداری مواد زمین شناسی تأثیر می گذارد [ 33 ، 51 ]. بر این اساس، ما از چهار عامل زمین شناسی به عنوان پارامترهای ورودی استفاده کردیم: (1) سنگ شناسی، (2) مناطق تکتونیکی، (3) فاصله تا گسل فعال، و (4) فاصله تا خطوط.
دو نقشه زمین شناسی از گزارش های منتشر شده سیساکیان [ 52 ] و الموسوی [ 53 ] در مقیاس 1:250000 در این مطالعه استفاده شد. این نقشه ها با سرعت 300 نقطه در اینچ (dpi) اسکن شده و به سیستم مختصات جهانی عرضی Mercator (UTM) (منطقه 38 شمالی) ارجاع داده شدند. واحدهای سنگ شناسی، واحدهای تکتونیکی و گسل ها در یک پایگاه داده GIS دیجیتالی شدند. شکل فایل‌های لیتولوژی و مناطق تکتونیکی با استفاده از وضوح فضایی 30 متر به فرمت شطرنجی تبدیل شدند.
سنگ شناسی منطقه مورد مطالعه شامل 24 واحد سنگ است ( شکل 3 ). این لایه شطرنجی به عنوان عامل سنگ شناسی مورد استفاده قرار گرفت. دوره اردویسین شامل یک واحد (یعنی سازند خابور) متشکل از ماسه سنگ و سنگ های شیل است. واحدهای سنگی دوره کربونیفر-ژوراسیک شامل سنگ آهک، شیل، مارن و سیلت استون است. سنگ های دوره کرتاسه شامل سنگ آهک، مارن، دولوستون و ماسه سنگ است. واحدهای دوره سوم از سنگهای آواری مانند ماسه سنگ، کنگلومرا، سیلتستون، سنگ رسی و مارن تشکیل شده است. رسوبات کواترنر ( جدول 2 ) شامل خاک باقیمانده، بقایای شیب و رسوبات دشت سیلابی [ 52 و 54 ] است.
به گفته فواد [ 53 ]، منطقه مورد مطالعه در داخل قفسه ناپایدار قرار دارد که بخشی از کمربند چین و رانش زاگرس است. این کمربند تقریباً 2000 کیلومتر طول دارد و از جنوب شرقی ترکیه از طریق عراق تا جنوب ایران امتداد دارد [ 55 , 56 , 57 , 58 , 59 , 60 ]. قفسه ناپایدار شامل منطقه Imbricated (IZ) و High Folded Zone (HFZ) است. IZ و HFZ به ترتیب 24 درصد و 76 درصد از منطقه مورد مطالعه را پوشش می دهند. IZ در شمال منطقه مورد مطالعه قرار دارد و HFZ در جنوب واقع شده است ( شکل 3 ).
فاصله تا خطواره‌ها و گسل‌های فعال به‌عنوان عوامل پیش‌بینی‌کننده مورد استفاده قرار گرفته‌اند، زیرا آنها مناطق ضعف بالقوه را نشان می‌دهند. از آنجایی که مناطق پر گسل برای ساخت سد مناسب نیستند [ 61 ]، مکان های سد باید حداقل 100 متر دورتر از خطواره ها و گسل های فعال قرار گیرند [ 14 ]. بر اساس این الزامات، ما تمام پارامترهای نشان داده شده در جدول 3 [ 62 ] را پیاده سازی کردیم. نتیجه به عنوان یک شکل فایل صادر شد و در محیط ArcGIS [ 63 ] اصلاح شد.
ما اطلاعات مربوط به گسل های فعال را با رقومی کردن دو سری از نقشه های زمین شناسی ذکر شده در بالا به دست آوردیم [ 52 ، 54 ]. منطقه مورد مطالعه شامل 53 بخش گسلی است که چهار قطعه آن گسل نرمال و 11 قطعه گسل رانش هستند و بقیه طبقه بندی نشده اند ( شکل 3 ). طول کل گسل ها 297.1 کیلومتر است. جالب اینجاست که 10 تای آنها بیش از 2 کیلومتر طول دارند. جهت اصلی گسل های راندگی شمال غربی- جنوب شرقی است، در حالی که جهت اصلی بقیه گسل ها NE-SW است ( شکل 3 ). فاصله تا گسل ها بین 0 تا 34.02 کیلومتر است ( شکل 4آ). برای تهیه شطرنجی فاکتور خطاها از شکل فایل خطا استفاده شد. فاصله اقلیدسی تا نزدیکترین گسلها برای هر سلول محاسبه شد.
به گفته جوهر و همکاران. [ 62 ]، بهترین باند برای استخراج خطوط خطی از Landsat-8/Operational Land Imager (OLI) باند طیفی 5 است (نزدیک مادون قرمز: 0.85-0.88 میکرومتر). بنابراین، ما از این باند طیفی به دست آمده در 24 سپتامبر 2018 [ 64 ] برای استخراج خطوط خطی استفاده کردیم. صحنه برای پوشش منطقه مورد مطالعه برش داده شد. خطوط خطی با استفاده از ابزار استخراج خطی موجود در نرم افزار PCI Geomatica [ 65 ] ترسیم شدند.
برای تهیه شطرنجی فاکتورهای خطی از شکل فایل خطوط خطی استفاده شد. فاصله اقلیدسی تا نزدیکترین خط خطی برای هر سلول محاسبه شد ( شکل 4 A). منطقه مورد مطالعه شامل 2045 خطواره است که اکثر آنها در جهت شمال غربی-جنوب غربی و شمال باختری-جنوب گرایش دارند. طول کل گسل ها ~2114.9 کیلومتر است. بیش از 63.2 درصد خطواره ها کمتر از 1 کیلومتر طول دارند. فاصله پیکسل ها تا خطوط خطی بین 0 تا 3.394 کیلومتر است ( شکل 4 B).

4.2. فاکتورهای محیطی

انواع خاک از پایگاه داده جهانی خاک (HWSD) [ 66 ] به دست آمد. این پایگاه داده از یک تصویر شطرنجی 1 کیلومتری (یا 30 قوس ثانیه ای) تشکیل شده است. خاک های رسی به دلیل نفوذپذیری کم و ظرفیت نگهداری آب بیشتر مناسب تر در نظر گرفته شدند [ 67 ، 68 ، 69 ]. چهار گروه خاک در منطقه مورد مطالعه قرار گرفته اند (نقاط سیاه؛ شکل 5 ) که به عنوان لپتوسول، لوویزول، ورتیزول و کلسیسول طبقه بندی می شوند ( شکل 5 و شکل 6 الف؛ جدول 4 ). گروه خاک لپتوسول شامل سه زیر گروه (A، B و C در جدول 4 ) است. شکل 5بافت انواع خاک در منطقه مورد مطالعه را نشان می دهد. مناسب‌ترین نوع خاک برای مکان‌یابی سد، ورتیسول است که از 43 درصد خاک رس تشکیل شده است.
ما یک طبقه بندی نظارت شده با استفاده از الگوریتم ماشین بردار پشتیبان (SVM) ارائه شده توسط Vapnik [ 71 ] برای تمایز هفت طبقه اصلی پوشش زمین انجام دادیم. طبقات پوشش زمین منتخب عبارتند از کلاس باغ یا مزرعه درختی، مخلوط برس کوهی از کلاس برس بلوط، طبقه زمین زراعی یا زمین بایر، کلاس بدنه آب، طبقه جاده، طبقه زمین ساخته شده، و طبقه زمین بایر ( شکل 6 B). SVM یک روش ناپارامتریک نظارت شده است که از یادگیری ماشین آماری توسعه یافته است. برای حل توزیع‌های کلاسی پیچیده در داده‌های چندگانه و فراطیفی استفاده می‌شود [ 72]. لایه های داده ورودی حاوی هفت باند بازتابی چندطیفی Landsat-8/OLI هستند که در 24 سپتامبر 2018 با وضوح فضایی 30 متر به دست آمدند. تابع پایه شعاعی به عنوان نوع هسته انتخاب شد و پارامتر جریمه 100 بود. گاما در تابع هسته معکوس اعداد باند استفاده شده در ورودی داده بود [ 72 ، 73 ]. چنین رویه هایی با تحقیقات قبلی انجام شده توسط Othman و Gloaguen [ 74 ] و Yang [ 73 ] مطابقت دارد.]. علاوه بر کار میدانی، از تصاویر QuickBird برای انتخاب مجموعه داده‌های آموزشی و اعتبارسنجی برای هفت کلاس اصلی پوشش زمین استفاده کردیم. در مجموع 615 پیکسل به صورت تصادفی برای آموزش انتخاب شد. مجموعه داده دیگری متشکل از 310 پیکسل برای اعتبارسنجی برای محاسبه OA و ضریب کاپا (K) استفاده شد. دقت طبقه‌بندی با تعریف OA [ 75 ] و K [ 76 ]، که معیاری برای توافق بین نقشه طبقه‌بندی‌شده و داده‌های مرجع واقعی است، برآورد شد. OA و K تحقق یافته به ترتیب 93.08% و 0.8850 است.

4.3. عوامل توپوگرافی

ما از دو ویژگی توپوگرافی، ارتفاع و شیب استفاده کردیم. با استفاده از DEM/SRTM، زمین های با ارتفاع متوسط ​​را به عنوان مناسب ترین طبقه بندی کردیم، و زمین های کم ارتفاع و بلند را برای مکان یابی سایت های سد مناسب تر [ 14 ] قرار دادیم زیرا زمین های کم ارتفاع مستعد سیل هستند [ 77 ، 78 ]. ما چهار صحنه SRTM را با وضوح فضایی 1 قوس در ثانیه موزاییک کردیم. داده ها به UTM Z38N بازتاب داده شد و منجر به وضوح فضایی 30 متر شد. ما DEM را با استفاده از روش نمونه‌گیری مجدد همسایه نمونه‌برداری کردیم. دامنه ارتفاع در منطقه مورد مطالعه بین 335 تا 2418 متر بالاتر از سطح دریا بود (asl؛ شکل 7 A). میانگین ارتفاع از سطح دریا 988 متر بود
علاوه بر این، DEM نیز برای استخراج ویژگی شیب استفاده شد. شیب شیب ها عامل اصلی در انتخاب سایت سد است. اراضی با شیب ملایم برای مکان یابی سدها مناسب ترند و بالعکس [ 79 ]. حمزه [ 80 ] اظهار داشت که مناطقی با شیب > 15 درجه برای سایت سدها نامناسب هستند [ 19 ]. شیب شیب در منطقه مورد مطالعه بین مسطح و 79.3 درجه ( شکل 7 B)، با شیب متوسط ​​13.8 درجه بود. ما پیکسل‌های شیب بین 0 تا 2 درجه را مناسب‌ترین و پیکسل‌های شیب بیش از 30 درجه را برای مکان سد مناسب‌تر تعیین کردیم.

4.4. عوامل هیدرولوژیکی

ما همچنین از داده های TRMM برای تعیین میزان بارش در منطقه مورد مطالعه استفاده کردیم. TRMM [ 81 ] یک ماموریت فضایی مشترک بین ناسا و آژانس اکتشافات هوافضای ژاپن (JAXA) بود. برای اندازه گیری میزان بارندگی در مناطق گرمسیری و نیمه گرمسیری جهان طراحی شده است. نوع داده مورد استفاده TRMM (3B43-V7) است که بارش ماهانه را با وضوح مکانی 0.25 × 0.25 درجه ترکیب می کند [ 82 ]]. ما میانگین بارندگی سالانه را با استفاده از داده های ماهانه TRMM (3B43-V7) که از سپتامبر 2002 تا آگوست 2017 به دست آمد، محاسبه کردیم. سی پیکسل برای پوشش منطقه مورد مطالعه و مناطق اطراف برای ایجاد توزیع ضریب بارش انتخاب شد. برای به دست آوردن یک پوشش پیوسته، این پیکسل ها را به نقطه تبدیل کردیم، سپس، داده های بارش نقطه ای را با استفاده از روش وزن دهی معکوس فاصله (IDW) درون یابی کردیم.
تقریباً 50 درصد از رواناب در کل KhRB وارد جریان‌های داخل بخش عراقی حوضه می‌شود [ 83 ]. بنابراین علاوه بر بارش، دبی رودخانه نیز عامل مهمی است که میزان آب ذخیره شده در مخزن سد را کنترل می کند. فقدان اطلاعات هیدرولوژیکی در منطقه کوهستانی الخابور بدتر شده است که به دلیل کمبود کلی اندازه گیری رودخانه یا کیفیت پایین داده های محدود نظارت در محل است. بنابراین، ما عرض جریان شبکه‌های جریان را به عنوان جایگزینی برای داده‌های تخلیه رودخانه درجا اندازه‌گیری کردیم.
مناسب بودن داده های TRMM در منطقه مورد مطالعه با مقایسه با مجموعه داده های بارش مشاهده شده ایستگاه هواشناسی زاخو مورد ارزیابی قرار گرفت. داده‌های 62 اندازه‌گیری بارش ثبت‌شده، که دوره از سپتامبر 2002 تا دسامبر 2007 را پوشش می‌دهند، استفاده شد. ما دریافتیم که یک رابطه خطی قوی بین مجموعه داده ماهانه TRMM و بارش مشاهده شده وجود دارد، که در آن ضریب تعیین (R2 ) 0.853 و p -value <0.05 است ( شکل 8 A). شیب و برش به ترتیب 9124/0 و 5485/9 بود. TRMM 3B43-V7 یک ابزار ارزشمند برای نقشه برداری منابع آب است که تطابق خوبی با داده های ایستگاه های زمینی نشان می دهد [ 84 ]. میزان بارندگی از 562.85 میلی متر در سال متغیر است-1 در قسمت جنوبی منطقه مورد مطالعه تا 785 میلی متر در سال -1 در شمال ( شکل 8 B).
شبکه زهکشی با استفاده از تکتونیک از مدل های رقومی ارتفاع (TecDEM) 2.2، یک نرم افزار مبتنی بر MATLAB، استخراج شد که امکان استخراج شاخص های ژئومورفولوژیکی از DEM [ 85 ، 86 ، 87 ] را فراهم می کند. راماکریشنان [ 23 ]، گروم [ 24 ]، تیواری [ 25 ] و سینگهای [ 30 ] از ترتیب جریان برای تخمین ظرفیت ذخیره سازی زیرحوضه ها استفاده کردند ( جدول A2).). ما نهرهای متعلق به مرتبه 3 یا بالاتر را برای مکان یابی سایت های سد انتخاب کردیم. نهرهای طولانی به چند بخش تقسیم شدند تا کمتر از 10 کیلومتر باشند. عرض هر جریان با استفاده از 23 صحنه QuickBird بدون ابر، که بین 24 و 28 ژوئیه 2005 به دست آمد، اندازه‌گیری شد. ما از این صحنه‌های قدیمی‌تر استفاده کردیم، زیرا هیچ اطلاعات QuickBird اخیر در دسترس نبود. ما مناطقی که هیچ نهر ندارند یا آن‌هایی که عرض آبراهه‌ها کمتر از 60 سانتی‌متر است (رزولوشن فضایی تصاویر QuickBird) را برای ساخت سد غیرقابل قبول در نظر گرفتیم ( شکل 9 الف). سه نقشه بافر (250، 500 و 1000 متر) برای مکان یابی سایت های سد در منطقه مورد مطالعه ایجاد شد.
DEM برای محاسبه شبکه CN استفاده شد. CN یک پارامتر تجربی است که معمولاً در هیدرولوژی برای پیش‌بینی رواناب مستقیم یا نفوذ ناشی از بارندگی اضافی استفاده می‌شود [ 88 ، 89 ، 90 ، 91 ]. این یک پارامتر بدون بعد است و از 0 تا 100 متغیر است.

ما CN در هر پیکسل را با تطبیق نقشه‌های بارندگی، گروه خاک و پوشش زمین برآورد کردیم (معادلات (7) و (8)؛ [ 30 ]. پسوند مدل‌سازی هیدرولوژیکی زمین‌شناسی، ابزار HEC-GeoHMS، [ 92 ] استفاده شده است.

س=(پ-منآ)2پ-منآ+اس
اس=(25400سین)-254

که در آن Q رواناب (mm)، P بارندگی (mm)، I a برداشت اولیه یا مقدار آب قبل از رواناب است که معمولاً I a = 0.2S و S حداکثر رطوبت بالقوه خاک است. حفظ پس از شروع رواناب S با استفاده از رابطه (2) محاسبه می شود و مطابق با CN [ 93 ، 94 ] نشان داده می شود.

مقدار CN 100 (S = 0) پتانسیل رواناب کم را نشان می‌دهد که حوضه غیرقابل نفوذی را با حداکثر قابلیت تولید رواناب نشان می‌دهد. مقدار CN 0 نشان دهنده افزایش پتانسیل رواناب S است (یعنی S = ∞)، که نشان می دهد یک حوضه بی نهایت انتزاعی که قابلیت تولید رواناب صفر دارد [ 19 ]. همانطور که در شکل 9 B نشان داده شده است، CN در KhRB از 30 تا 100 متغیر است. ناحیه مرکزی KhRB پتانسیل رواناب بالاتر را نشان می دهد، با پتانسیل رواناب کمتر در قسمت های شمالی و جنوبی KhRB.

4.5. عوامل اجتماعی و اقتصادی

ما از سه عامل اجتماعی-اقتصادی استفاده کردیم: (1) فاصله تا جاده ها (متر)، (2) فاصله تا شهرها و شهرها (متر)، و (3) فاصله تا روستاها (متر). لایه‌های اطلاعاتی جاده‌ها، روستاها، شهرک‌ها و شهرها از دفتر سازمان ملل متحد برای هماهنگی امور بشردوستانه – عراق (UNOCHA-IRAQ) [ 95 ] به دست آمد. اگرچه فاصله تا جاده ها تاثیر کمی بر مناسب بودن سایت سد دارد، وجود جاده ها و سکونتگاه ها در نزدیکی سایت های سد پیشنهادی به کاهش هزینه حمل و نقل کمک می کند [ 14 ]. بافرهای اطراف روستاها، شهرها، شهرها و جاده ها برای محاسبه فاصله روستاها، شهرها، شهرها و جاده ها استفاده شد ( شکل 10 و شکل 11).). بیشترین فاصله بین هر پیکسل در منطقه مورد مطالعه با جاده ها، شهرها و روستاها به ترتیب حدود 11.5، 19.3 و 5.4 کیلومتر است.

5. نتایج

ما 14 ترکیب مختلف از عوامل پیش‌بینی را به منظور انتخاب بهترین ترکیب فردی برای مدل‌های WSM و AHP آزمایش کردیم. روابط بین سایت های سد و عوامل پیش بینی سایت های سد با استفاده از مدل های WSM و AHP در جدول A3 نشان داده شده است.
هر عامل دارای وزن پیش بینی کننده خاصی است که بین WSM و AHP متفاوت است. وزن پیش بینی در دو مدل به ترتیب نشان دهنده رتبه های نرمال شده WSM و AHP است. محدوده وزن عامل پیش بینی را می توان با استفاده از مدل پیش بینی معادلات (3) و (4) محاسبه کرد.

5.1. شناسایی مکان های مناسب برای سدها توسط مدل های WSM و AHP

نقشه های انتخاب محل سد با استفاده از دو مدل مختلف تهیه شده است ( شکل 12 ). عوامل پیش‌بینی‌کننده با افزودن و حذف عوامل پیش‌بینی‌کننده (روش تجربی) به‌منظور انتخاب عوامل مهم و افزایش دقت پیش‌بینی نقشه‌های انتخاب محل سد، به صورت کیفی ارزیابی شدند. به عبارت دیگر، عواملی که باعث کاهش دقت انتخاب سایت سد می شود را حذف کرده و عواملی را که باعث افزایش دقت انتخاب سایت سد می شوند، حفظ می کنیم.
ارزیابی کیفی نشان می‌دهد که برای روش AHP مهم‌ترین عوامل فرعی عبارتند از: سنگ‌شناسی آقر-بخمه، نوع خاک ورتیسول‌های کرومیک و زیرسول‌های کلسیکی، پوشش زمین، نوع آب، فاصله تا گسل‌ها > 1000 متر، فاصله تا گسل‌ها > 3000. متر، مناطقی با ارتفاع بین 700 تا 800 متر از سطح زمین، مناطق مسطح، رودخانه هایی با عرض > 10 متر، مناطقی با CN > 87، فاصله تا جاده ها <1000 متر، فاصله شهرها و شهرستان ها > 2500 متر، و فاصله تا روستاها > 1000 متر ( جدول A3 ).
مدل‌های آماری مبتنی بر روش AHP و WSM مناسب‌ترین مناطق را برای مکان‌یابی سایت سد نشان داد. مناسب بودن سایت های سد با استفاده از مدل های WSM و AHP در شکل 12 نشان داده شده است. این نقشه ها مناسب ترین و مناسب ترین مناطق را به ترتیب به رنگ سرخابی و آبی نشان می دهند و عمدتاً در مرکز منطقه مورد مطالعه قرار دارند. محدوده توزیع داده بافر 1000 متری برای WSM و AHP بین 0 و 1 است. میانگین نقشه تناسب AHP بیشتر از میانگین نقشه تناسب WSM است و انحراف استاندارد مدل AHP کمتر است. از انحراف استاندارد مدل WSM در تمام مناطق بافر انتخاب شده (1000، 500 و 250). میانگین داده های WSM و AHP به ترتیب 0.47 و 0.56 است، در حالی که انحراف معیار به ترتیب 0.2 و 0.14 است. مناسب ترین مساحت مدل های WSM و AHP 4,918,500 متر مربع و 10,188,900 متر مربع است .، به ترتیب. تفاوت بین نقشه AHP و WSM نشان می دهد که مقدار مناسب بودن تقریباً در تمام پیکسل هایی که در مدل AHP وجود دارند بالاتر است و تنها چند پیکسل عکس آن را نشان می دهند ( شکل 13 ).

5.2. دقت طبقه بندی دو مدل اتخاذ شده با سایت های قبلاً توصیه شده

شکل 14 دقت پیکسل های مناسب بر حسب عدد، دقت پیکسل های مناسب بر حسب وزن و OA را برای سه ناحیه بافر مورد استفاده (یعنی 250، 500 و 1000 متر) نشان می دهد که در جدول A4 برای دو مدل توضیح داده شده است. OA با استفاده از دقت پیکسل های مناسب بر اساس تعداد و دقت پیکسل های مناسب بر حسب وزن ارزیابی می شود.
میانگین OA برای مدل AHP بالاتر از OA برای WSM، به ترتیب 58.27 و 52.78 است. مدل AHP نشان می دهد که بهترین سدها در مکان هایی با شماره 7، 12 و 21 قرار دارند. با این حال، مدل WSM نشان می‌دهد که بهترین سدها در شماره‌های 21، 16 و 8 قرار دارند. مناسب یا کمتر مناسب علاوه بر این، نامناسب ترین سدهای برنامه ریزی شده در 15، 9 و 19 هستند ( شکل 14 ، جدول A1 ، و شکل A1 ).
ما عملیات آستانه را برای شطرنجی AHP اعمال کردیم که بین 0 و 1 بود. مقدار آستانه انتخابی مناسب برای شطرنج AHP 0.8 بود. انتخاب مقادیر آستانه برای رستر AHP به صورت تجربی تعیین شد. رستر آستانه نهایی AHP شامل 11 گروه از پیکسل ها بود که برای تولید مناطقی که نشان دهنده سایت های سد مناسب بودند استفاده شد.

6. بحث

انتخاب مکان‌های مناسب با استفاده از تکنیک‌های GIS به دلیل تأثیر عوامل متعددی که بر مکان سدها تأثیر می‌گذارند، کاری پیچیده است. بررسی دقیق عوامل پیش بینی کننده برای ارزیابی مناسب وزن این عوامل با توجه به شرایط خاص سایت مورد نیاز است. ادبیات منتشر شده نشان می دهد که انتخاب محل سد شامل در نظر گرفتن متغیرهای مهمی مانند زمین شناسی، هیدرولوژی، شیب، رواناب، ترتیب زهکشی، جنبه های زیست محیطی و اجتماعی-اقتصادی به عنوان عوامل موثر است [ 23 ]. تقریباً همه این عوامل در مناطق دیگری با ویژگی‌های آب و هوایی، محیطی، مورفولوژی و زمین‌شناسی مشابه مانند رودخانه زاب بزرگ [ 14 ] و استان دهوک [ 8 ] اعمال شدند.] در شمال عراق و استان سیستان و بلوچستان ایران [ 96 ]. ما از عامل دیگری، عرض جریان، به عنوان جایگزینی برای اندازه گیری دبی در کنار عوامل ذکر شده در بالا برای بهبود ارزش روش مورد استفاده استفاده کردیم. دبی را می توان با ضرب سرعت در عرض و عمق متوسط ​​جریان اندازه گیری کرد [ 97]. با توجه به نبود ایستگاه های اندازه گیری برای اندازه گیری دبی، از عرض آبراهه به عنوان عاملی برای انتخاب محل سد استفاده شده است. با بهترین دانش ما، این مطالعه اولین مطالعه ای است که از عرض جریان به عنوان یک پروکسی برای تخلیه جریان در یک برنامه مبتنی بر GIS برای انتخاب سایت سد استفاده می کند. ما معتقدیم که اندازه گیری عرض جریان با استفاده از تصویربرداری با وضوح بالا یک عامل قابل اعتماد برای تخمین دبی رودخانه است. به نظر ما، بسیار بهتر از سایر عوامل پیشنهادی، مانند تراکم جریان [ 31 ، 92 ] است که دبی را تخمین نمی‌زند و تمام زه‌کشی‌های منطقه را بدون در نظر گرفتن خشک، فصلی یا چندساله بودن، توده‌ای می‌کند.
اگرچه شبکه CN نشان دهنده رواناب نیست، مطالعات متعددی در مورد انتخاب محل سد از آن به عنوان یک عامل پیش بینی کننده استفاده کرده اند [ 9 ، 23 ، 25 ، 26 ، 27 ، 28 ، 30 ، 31 ]. الروزوق [ 31 ] و موگو [ 9 ] از چگالی زهکشی به عنوان بیانی از رواناب استفاده کردند و شبکه CN را به عنوان یک عامل پیش بینی کننده در نظر گرفتند. مطالعه ما بر ترکیب بیش از یک عامل به عنوان بیان رواناب تأکید دارد.
نوری [ 14 ] رابطه معکوس بین مناسب بودن سایت و فاصله از روستاها، شهرها و شهرها پیدا کرد. Sayl [ 29 ] فاصله محل سد انتخابی تا روستاها، شهرها و شهرها را 250 متر تعیین کرد. در این تحقیق از رابطه معکوس بین مناسب بودن مکان و فاصله از روستاها، شهرها و شهرها استفاده شد. در عین حال، ما مناطقی را که کمتر از 250 متر از روستاها، شهرها و شهرها فاصله دارند، برای سایت های سد مناسب نمی دانستیم. روستای کمد و شهر تا 11 سد، به ترتیب در فاصله 485 و 3600 متری قرار دارند.
مدل AHP یک ابزار قوی برای حل مسائل تصمیم گیری و تجزیه و تحلیل سیستم است زیرا تصمیمات پیچیده را به یک سری از مقایسه های زوجی ساده می کند [ 98 ]، در حالی که مدل WSM یک رویکرد تصمیم گیری چند معیاره ساده است [ 99 ]. نمودار جعبه ( شکل 15 ) میانگین تمام مناطق بافر برای 21 سایت سد برای هر یک از مدل های WSM و AHP نشان می دهد که روش AHP بهتر از WSM است. مناسب بودن روش AHP از توزیع فاکتورهای وزنی آن، که بسیار بالاتر از 50 درصد OA است ( شکل 15 ؛ سمت راست)، در مقایسه با روش WSM که نزدیک به 50 درصد است، تأیید می شود ( شکل 15 ؛ سمت چپ). . مطالعه ما نتایج Tscheikner-Gratl و همکاران را تایید می کند. [ 100] که AHP بهتر از WSM است. با این حال، با مولینر و همکاران مخالف است. [ 34 ]، که اظهار داشت WSM تقریباً مشابه AHP است و Adamczak و همکاران. [ 101 ]، که به این نتیجه رسیدند که WSM کارایی بیشتری نسبت به AHP دارد.
واحدهای سنگ‌شناسی مختلف بر کیفیت آب مخزن، پی سد، ویژگی‌های مخزن و پایداری سد در صورت تخلیه سریع تأثیر می‌گذارند [ 99 ]. بر این اساس، محدودیت‌های ژئوتکنیکی واحدهای سنگی در حوضه الخابور، سنگ‌شناسی را به یک عامل پیش‌بینی‌کننده اصلی تبدیل می‌کند ( جدول A3 ).
رویدادهای خشکسالی به طور منظم در منطقه الخابور رخ می دهد، به دلیل: کمبود باران در تابستان، رواناب زیاد ناشی از توپوگرافی متنوع و تبخیر قابل توجه به دلیل دماهای بالا. این شرایط محیطی مستلزم برنامه ریزی دقیق و مدیریت صحیح منابع آبی موجود است. برخلاف سد موصل که در آن بسترهای تبخیری نامطلوب به کارستی شدن فعال کمک می کند که پایداری سد را تهدید می کند [ 17 ]، ما مناطقی را با زمین شناسی مطلوب برای ساخت سد بررسی کرده ایم. ما سایت‌های پایین دست سد موصل را به دلیل زمین‌شناسی مشابه (وجود بسترهای گچی و انیدریت) کنار گذاشتیم، و روی مناطق بالادست سد موصل، که در آن انواع سنگ‌های مختلف در معرض دید قرار دارند، تمرکز کردیم.
بر اساس این مطالعه، 11 سایت مناسب برای مکان یابی سد تعیین شد ( شکل A2 ، شکل 16 ، و جدول 5 ). سه مورد از این سدها مربوط به سه سد از 21 سدی است که توسط MAWR پیشنهاد شده است. دقت کلی 11 سایت بین 76.2٪ و 91.8٪ است. مناسب ترین سایت مصادف با سد شماره 8 (#8) واقع در قسمت جنوب شرقی منطقه مورد مطالعه است که دارای بزرگترین مخزن به مساحت 14.86 کیلومتر مربع و قابلیت نگهداری 1.182 کیلومتر مکعب آب است ( جدول 6).). علاوه بر این، میانگین عمق رودخانه در سایت سد شماره 8 حدود 80 متر است، که به معنای تبخیر کمتر است، زیرا عمق مخزن بیشتر منجر به کاهش سرعت تبخیر می شود. در نتیجه ساخت این سد هیچ روستایی زیر آب نمی رود. محل سد بر روی سازند مقدادیه قرار دارد که شامل ماسه سنگ، سیلت و سنگ رس است که عموماً دارای خواص مهندسی مطلوبی هستند. تنها ایراد این سایت سد طول 1367 متری آن است که بر هزینه ساخت آن می افزاید.
سایت سد شماره 9 دارای بالاترین میانگین عمق 87 متر است، اما مخزن آن کوچکتر است، در حالی که سایت سد شماره 6 دارای کمترین عمق میانگین (12.5 متر) و همچنین کمترین ظرفیت مخزن است. به طور مشابه، سدهای #2، #3 و #10 دارای ظرفیت مخزن کوچکتری هستند ( جدول 6 ). بر اساس این ملاحظات، ما سایت های #2، #3، #8، #9 و #10 را حذف کرده ایم.
این مطالعه مکان های مناسبی را برای سدها شناسایی می کند که باید برای بررسی های دقیق سایت قبل از ساخت و ساز انتخاب شوند. تخصیص منابع در سایت‌هایی که مناسب‌تر تشخیص داده شده‌اند صرفه‌جویی قابل توجهی در هزینه‌ها به همراه دارد، برخلاف سایت‌هایی که محدودیت‌های شدید دارند.
این سدهای چند منظوره آب آشامیدنی و آبیاری، تولید برق و کنترل سیلاب را تامین خواهند کرد. مزایا شامل توسعه اقتصادی کشور، از جمله تولید محصولات بیشتر و افزایش ظرفیت تولید برق برای عراق است که در حال حاضر از کمبود شدید برق رنج می برد. علاوه بر این، از وقوع سیل که در بخش هایی از منطقه مورد مطالعه رایج است جلوگیری می کند.
معیارهای مورد استفاده برای انتخاب محل سد توسط MAWR بر اساس بررسی های میدانی سطحی و تجزیه و تحلیل سریع GIS بود که فاقد اطلاعات علمی بود. داده‌های حیاتی، مانند دبی رودخانه و رودخانه، اندازه حوضه و ظرفیت ذخیره‌سازی، زمین‌شناسی پایه سد و منطقه مخزن، و ویژگی‌های ژئوتکنیکی محلی و منطقه‌ای مرتبط، در نظر گرفته نشدند. این مطالعه به گونه ای طراحی شده است که تمامی عوامل کلیدی ( جدول 1 ) را برای شناسایی سد مناسب و سایت های ایمن شامل شود.
در جدول 6 ، N v تعداد روستاهایی است که زیر آب خواهند رفت.

7. نتیجه گیری

این مطالعه به عنوان نمونه خوبی از ادغام تصاویر سنجش از دور، GIS و ژئوتکنیک در توسعه منابع آب است. ما از هر دو روش AHP و WSM برای انتخاب مناسب ترین مکان برای سدها استفاده کردیم. چهارده عامل اصلی در تجزیه و تحلیل مناسب بودن سایت سد از سنجش از دور و داده‌های جانبی مختلف تولید شد. برای اولین بار، این مطالعه از عرض جریان، اندازه‌گیری شده از تصاویر با وضوح بالا به جای اندازه‌گیری دبی رودخانه، به عنوان یک عامل پیش‌بینی‌کننده برای انتخاب محل سد استفاده کرد. بیست و یک سایت سد، پیشنهاد شده توسط MAWR، به عنوان سایت های مرجع استفاده شد. ما همچنین دقت تکنیک‌های AHP و WSM را ارزیابی کردیم. برای تمام 21 سد، دقت کلی روش AHP بیشتر از WSM بود. یازده سایت سد مناسب برای برداشت رواناب بالقوه یافت شد. سه مورد از این 11 سایت مربوط به سایت های سدی است که توسط MAWR پیشنهاد شده است. برای هر دو مدل، دقت 11 سایت بین 76.2٪ و 91.8٪ بود. تفاوت بین نقشه AHP و WSM نشان می دهد که تناسب تقریباً در تمام پیکسل هایی که در مدل AHP وجود دارد، بیشتر است، در حالی که چند پیکسل برعکس را نشان می دهد. این مطالعه یک ابزار مفید و ارزان به تصمیم گیرندگان برای غربالگری اولیه سایت های سد بالقوه، حذف سایت های با محدودیت های شدید و هدایت فعالیت های اکتشاف ژئوتکنیکی در سایت هایی با حداقل محدودیت ها ارائه می دهد. این روش برای بقیه حوضه های هیدرولوژیکی منطقه کردستان قابل استفاده است. تفاوت بین نقشه AHP و WSM نشان می دهد که تناسب تقریباً در تمام پیکسل هایی که در مدل AHP وجود دارد، بیشتر است، در حالی که چند پیکسل برعکس را نشان می دهد. این مطالعه یک ابزار مفید و ارزان به تصمیم گیرندگان برای غربالگری اولیه سایت های سد بالقوه، حذف سایت های با محدودیت های شدید و هدایت فعالیت های اکتشاف ژئوتکنیکی در سایت هایی با حداقل محدودیت ها ارائه می دهد. این روش برای بقیه حوضه های هیدرولوژیکی منطقه کردستان قابل استفاده است. تفاوت بین نقشه AHP و WSM نشان می دهد که تناسب تقریباً در تمام پیکسل هایی که در مدل AHP وجود دارد، بیشتر است، در حالی که چند پیکسل برعکس را نشان می دهد. این مطالعه یک ابزار مفید و ارزان به تصمیم گیرندگان برای غربالگری اولیه سایت های سد بالقوه، حذف سایت های با محدودیت های شدید و هدایت فعالیت های اکتشاف ژئوتکنیکی در سایت هایی با حداقل محدودیت ها ارائه می دهد. این روش برای بقیه حوضه های هیدرولوژیکی منطقه کردستان قابل استفاده است. و هدایت فعالیت های اکتشاف ژئوتکنیکی در سایت هایی با حداقل محدودیت ها. این روش برای بقیه حوضه های هیدرولوژیکی منطقه کردستان قابل استفاده است. و هدایت فعالیت های اکتشاف ژئوتکنیکی در سایت هایی با حداقل محدودیت ها. این روش برای بقیه حوضه های هیدرولوژیکی منطقه کردستان قابل استفاده است.
بر اساس این تحلیل‌ها، 11 مکان سد مناسب‌تر تعیین شد. با این حال، از 10 سایت، اعداد 1، 4، 5، 6 و 15، 16، 17، 18 و 19 که در حوضه رودخانه الخابور قرار دارند، به دلیل فعالیت‌های سنگین محلول‌زنی و سرعت لجن‌گذاری سریع‌تر مخزن باید اجتناب شود. سایت شماره 8 به دلیل ظرفیت مخزن بزرگ، نرخ تبخیر کم و عدم وجود روستا در مخزن آن، برای مکان سد مناسب ترین به نظر می رسید.
لازم به تاکید است که این مطالعه نباید برای انتخاب سایت نهایی بدون انجام بررسی های دقیق ژئوتکنیکی در محل در مکان های پیشنهادی مورد استفاده قرار گیرد. با این وجود، این مطالعه با حذف سایت‌هایی با محدودیت‌های جدی زمین‌شناسی و سایر محدودیت‌ها، مکان‌هایی را شناسایی کرده است که در آن‌ها اکتشافات اضافی برای طراحی و ساخت سد مناسب‌تر به نظر می‌رسند.

پیوست اول

جدول
جدول A1. سایت های پیشنهادی سدها در منطقه مورد مطالعه [ 16 ].
جدول
جدول A2. میزان فاکتورهای انتخابی مورد استفاده برای انتخاب محل سد در KhRB در مقابل همه عوامل استفاده شده در جاهای دیگر.
جدول
جدول A3. قواعد تصمیم گیری برای عوامل استفاده شده و وزن نهایی معیارها به دست آمده از روش WSM و AHP.
جدول
جدول A4. دقت کلی انتخاب محل سد با استفاده از مدل‌های WSM و AHP.
Ijgi 09 00244 g0a1 550
شکل A1. سایت های سد برنامه ریزی شده توسط وزارت کشاورزی و منابع آب، منطقه کردستان، عراق [ 16 ].
Ijgi 09 00244 g0a2a 550 Ijgi 09 00244 g0a2b 550 Ijgi 09 00244 g0a2c 550
شکل A2. مقطع عرضی سایت های سد پیشنهادی.

منابع

  1. سازمان ملل متحد چشم انداز جمعیت جهان بازنگری 2017 ; سازمان ملل: نیویورک، نیویورک، ایالات متحده آمریکا، 2017. [ Google Scholar ]
  2. دهه سازمان ملل متحد برای بیابان ها و مبارزه با بیابان زایی. در دسترس آنلاین: https://www.un.org/en/events/desertification_decade/whynow.shtml (در 27 فوریه 2020 قابل دسترسی است).
  3. جاسم، دکتر واقعیت و آینده منابع آب در عراق 2010 ; وزارت منابع آب: بغداد، عراق، 2010.
  4. UNDP. ارزیابی تاثیر خشکسالی، چارچوب بازیابی و کاهش و طراحی پروژه منطقه ای در منطقه کردستان (KR) ; UNDP: نیویورک، نیویورک، ایالات متحده آمریکا، 2011. [ Google Scholar ]
  5. فرد، FV; خسروی، م. طالبی، م. جعفرزاده، ف. ارزیابی پتانسیل روانگرایی در پی سد خاکی با استفاده از اندازه گیری سرعت موج برشی. در مجموعه مقالات کنفرانس سالانه-انجمن کانادایی مهندسی عمران، Yellowknife، NT، کانادا، 6-9 ژوئن 2007. جلد 1، ص 362-369. [ Google Scholar ]
  6. غلامی، ر. رسولی، وی. خواص مکانیکی و کشسانی تخته سنگ همسانگرد عرضی. راک مکانیک. مهندس راک 2014 ، 47 ، 1763-1773. [ Google Scholar ] [ CrossRef ]
  7. عیسی، IE بررسی رسوب شناسی و هیدرولوژیک مخزن سد موصل. دکتری پایان نامه، دانشگاه صنعتی Luleå، Luleå، سوئد، 2015. [ Google Scholar ]
  8. ابراهیم، ​​GRF; رسول، ع. حمید، ع.ا. علی، زف. Dewana، AA انتخاب محل مناسب برای برداشت و ذخیره آب باران مطالعه موردی با استفاده از فرمانداری دهوک. Water 2019 ، 11 ، 864. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  9. موگو، جنرال موتورز; Odera، PA انتخاب مکان برای سازه های جمع آوری آب باران در شهرستان کیامبو-کنیا. مصر. J. Remote Sens. Space Sci. 2019 ، 22 ، 155-164. [ Google Scholar ] [ CrossRef ]
  10. Akintorinwa، OJ; Okoro، روش مقاومت الکتریکی ترکیبی OV و مدل سازی مبتنی بر GIS چند معیاره برای انتخاب محل دفن زباله در جنوب غربی نیجریه. محیط زیست علوم زمین 2019 ، 78 ، 162. [ Google Scholar ] [ CrossRef ]
  11. ساعتی، TL; وارگاس، ال‌جی تحلیل سلسله مراتبی رفتار در رقابت: پیش‌بینی در شطرنج. رفتار علمی 1980 ، 25 ، 180-191. [ Google Scholar ] [ CrossRef ]
  12. Fishburn، PC Additive Utilities با مجموعه محصولات ناقص: برنامه های کاربردی برای اولویت ها و وظایف. اپراتور Res. 1967 ، 15 ، 537-542. [ Google Scholar ] [ CrossRef ]
  13. نزوچا، یو. کنفک، جی. Blanche Manjia، M. روش تصمیم‌گیری چند معیاره یکپارچه برای انتخاب مکان نیروگاه ذخیره‌سازی انرژی آبی پمپ شده از دیدگاه توسعه پایدار با یک برنامه کاربردی. تمدید کنید. حفظ کنید. Energy Rev. 2019 , 112 , 930–947. [ Google Scholar ] [ CrossRef ]
  14. نوری، ع.م. پرادان، بی. ارزیابی تناسب سایت سد QM Ajaj در رودخانه زاب بزرگ در شمال عراق با استفاده از داده های سنجش از دور و GIS. جی هیدرول. 2019 ، 574 ، 964–979. [ Google Scholar ] [ CrossRef ]
  15. نراقی، س. معصومی، من. رشیدی نژاد، ف. بهینه سازی روش دفع باطله با استفاده از فرآیند تحلیل سلسله مراتبی فازی. علوم آب تکنولوژی تامین آب 2019 ، 19 ، 1563-1571. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  16. وزارت کشاورزی و منابع آب (MAWR). طرح جامع سدهای کردستان ; وزارت کشاورزی و منابع آب (MAWR): اربیل، عراق، 2013.
  17. عثمان، ع.ا. المعمر، AF; المنمی، دم; لیزنبرگ، وی. حسن، س. السعدی، ی. شهاب، AT; Khwedim, K. کاربرد فناوری DInSAR-PSI برای نظارت بر تغییر شکل سد موصل، عراق. Remote Sens. 2019 , 11 , 2632. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  18. میلیلو، پی. بورگمان، آر. لوندگرن، پی. سالزر، جی. پریسین، دی. فیلدینگ، ای. بیوندی، اف. میلیلو، جی. پایش ژئودتیک فضایی سازه‌های مهندسی شده: بی‌ثباتی مداوم سد موصل، عراق. علمی Rep. 2016 , 6 , 37408. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
  19. Jha، MK; Chowdary، VM; کولکارنی، ی. برنامه ریزی برداشت آب باران Mal، BC با استفاده از تکنیک های مکانی و تحلیل تصمیم چند معیاره. منبع. حفظ کنید. بازیافت. 2014 ، 83 ، 96-111. [ Google Scholar ] [ CrossRef ]
  20. شهر جمعیت عراق: استان ها، شهرهای بزرگ و مراکز شهری-آمار جمعیت، نقشه ها، نمودارها، آب و هوا و اطلاعات وب. در دسترس آنلاین: https://www.citypopulation.de/Iraq-Cities.html (در 27 فوریه 2020 قابل دسترسی است).
  21. فال، آر. مک گرگور، پی. استاپلدون، دی. بل، جی. مهندسی ژئوتکنیک سدها ; CRC Press: Boca Raton، FL، USA، 2005; ISBN 9780415889322. [ Google Scholar ]
  22. داده های آب و هوا ؛ اداره کشاورزی و هواشناسی اداره کل تحقیقات و ترویج کشاورزی وزارت کشاورزی اقلیم کردستان، کردستان عراق، اداره هواشناسی کشاورزی اداره کل تحقیقات و ترویج کشاورزی وزارت کشاورزی کردستان منطقه ای، عراق: کردستان، عراق، 2006.
  23. راماکریشنان، دی. Bandyopadhyay، A.; Kusuma، KN SCS-CN و رویکرد مبتنی بر GIS برای شناسایی مکان‌های بالقوه برداشت آب در حوضه آبخیز کالی، حوضه رودخانه ماهی، هند. J. Earth Syst. علمی 2009 ، 118 ، 355-368. [ Google Scholar ] [ CrossRef ]
  24. گروم، بی. هسل، آر. کسلر، ای. ولدیرگای، ک. یازو، ای. ریتسما، سی. Geissen, V. رویکرد پشتیبانی تصمیم برای انتخاب و اجرای تکنیک های برداشت آب در مناطق خشک و نیمه خشک. کشاورزی مدیریت آب. 2016 ، 173 ، 35-47. [ Google Scholar ] [ CrossRef ]
  25. تیواری، ک. گویال، ر. سرکار، الف. متدولوژی مبتنی بر GIS برای شناسایی مکان‌های مناسب برای سازه‌های برداشت آب باران. منبع آب مدیریت 2018 ، 32 ، 1811-1825. [ Google Scholar ] [ CrossRef ]
  26. العبادی، ع.م. شهید، س. غالب، ح.ب. Handhal، AM یک مدل فرآیند تحلیل سلسله مراتبی و منطق فازی یکپارچه مبتنی بر GIS برای ارزیابی مناطق برداشت آب در شمال شرقی استان میسان، عراق. عرب J. Sci. مهندس 2017 ، 42 ، 2487-2499. [ Google Scholar ] [ CrossRef ]
  27. رجانی، ر. رائو، KV; رائو، CHS؛ عثمان، م. ردی، KS; جورج، ب. شناسایی مکان های بالقوه برداشت آب باران برای مدیریت پایدار یک حوزه آبخیز نیمه خشک. آبیاری زه کشی. 2017 ، 66 ، 227-237. [ Google Scholar ] [ CrossRef ]
  28. محمود، ش. تانگ، X. نظارت بر مکان‌های احتمالی برای برداشت آب باران و مدیریت آب طوفان در بریتانیا با استفاده از یک سیستم پشتیبانی تصمیم مبتنی بر GIS. محیط زیست علوم زمین 2015 ، 73 ، 8621-8638. [ Google Scholar ] [ CrossRef ]
  29. Sayl، KN; محمد، NS; الشافی، الف. رویکرد قوی برای موقعیت‌یابی بهینه و رتبه‌بندی ساختار جمع‌آوری آب باران بالقوه (RWH): مطالعه موردی عراق. عرب جی. ژئوشی. 2017 ، 10 ، 413. [ Google Scholar ] [ CrossRef ]
  30. سینگهای، ا. داس، اس. Kadam, AK; شوکلا، جی پی؛ بوندلا، دی اس؛ کلاشیتی، M. رویکرد چند معیاره مبتنی بر GIS برای شناسایی مناطق برداشت آب باران در حوضه فرعی Betwa بالایی مادهیا پرادش، هند. محیط زیست توسعه دهنده حفظ کنید. 2019 ، 21 ، 777–797. [ Google Scholar ] [ CrossRef ]
  31. الروزوق، ر. شانبله، ع. یلماز، AG; ادریس، ع. موکرجی، اس. خلیل، م. نقشه برداری و تجزیه و تحلیل مناسب بودن سایت سد جیبریل، MB با استفاده از یک رویکرد یکپارچه GIS و یادگیری ماشین. Water 2019 ، 11 ، 1880. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  32. جنکس، GF مفهوم مدل داده در نقشه برداری آماری. بین المللی سالب. کارتوگر. 1967 ، 7 ، 186-190. [ Google Scholar ]
  33. عثمان، ع.ا. گلوگوئن، آر. آندرانی، ال. رهنما، م. بهبود نقشه‌برداری حساسیت زمین لغزش با استفاده از ویژگی‌های مورفومتریک در منطقه ماوات، منطقه کردستان، شمال شرق عراق: مقایسه مدل‌های آماری مختلف. ژئومورفولوژی 2018 ، 319 ، 147-160. [ Google Scholar ] [ CrossRef ]
  34. مولینر، ای. مالیس، ن. Maliene، V. تحلیل مقایسه ای روش های MCDM برای ارزیابی مقرون به صرفه بودن مسکن پایدار. امگا (بریتانیا) 2016 ، 59 ، 146-156. [ Google Scholar ] [ CrossRef ]
  35. گیتونی، ع. مارتل، جی.-ام. دستورالعمل های آزمایشی برای کمک به انتخاب یک روش MCDA مناسب. یورو جی. اوپر. Res. 1998 ، 109 ، 501-521. [ Google Scholar ] [ CrossRef ]
  36. روی، بی. Słowiński، R. سوالاتی که انتخاب یک روش کمکی تصمیم گیری چند معیاره را راهنمایی می کند. EURO J. Decis. روند. 2013 ، 1 ، 69-97. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  37. تریانتافیلو، ای. روشهای تصمیم گیری چند معیاره: مطالعه تطبیقی ; بهینه سازی کاربردی؛ Springer: New York, NY, USA, 2000; ISBN 9780792366072. [ Google Scholar ]
  38. هوانگ، CL; Yoon, K. تصمیم گیری با ویژگی های چندگانه: روش ها و کاربردها یک نظرسنجی پیشرفته . نکات سخنرانی در اقتصاد و سیستم های ریاضی. Springer: برلین/هایدلبرگ، آلمان، 2012; ISBN 9783642483189. [ Google Scholar ]
  39. میلر، DW; Starr، MK Executive Decisions and Operations Research ; سری بین المللی Prentice-Hall در مدیریت; Prentice-Hall: Upper Saddle River، نیوجرسی، ایالات متحده آمریکا، 1969. [ Google Scholar ]
  40. داماشنو پاوانی، آی. انس سیسرلی، آر. د آلمیدا، تی. زندونادی مورا، ل. Contreras، F. تخصیص محل دفن بهداشتی در کنسرسیوم: استراتژی برای شهرداری های برزیل در ایالت آمازوناس. محیط زیست نظارت کنید. ارزیابی کنید. 2019 , 191 . [ Google Scholar ] [ CrossRef ]
  41. اکمکچیولو، م. کایا، تی. قهرمان، سی. روش دفع چند معیاره فازی و انتخاب مکان برای زباله جامد شهری. مدیریت زباله 2010 ، 30 ، 1729-1736. [ Google Scholar ] [ CrossRef ]
  42. کوبان، ا. Ertis، IF; Cavdaroglu، NA مدیریت زباله های جامد شهری از طریق روش های تصمیم گیری چند معیاره: مطالعه موردی در استانبول، ترکیه. جی. پاک. تولید 2018 ، 180 ، 159-167. [ Google Scholar ] [ CrossRef ]
  43. باه، ی. Tsiko، انتخاب محل دفن زباله RG با ادغام سیستم های اطلاعات جغرافیایی و تجزیه و تحلیل تصمیم گیری چند معیاره: مطالعه موردی فری تاون، سیرالئون. جغرافیای آفریقایی Rev. 2011 , 30 , 67-99. [ Google Scholar ] [ CrossRef ]
  44. شهابی، ح. کیهان فرد، س. احمد، بی بی. امیری، MJT ارزیابی روش های Boolean، AHP و WLC برای انتخاب مکان های دفن زباله با استفاده از GIS و تصاویر ماهواره ای. محیط زیست علوم زمین 2014 ، 71 ، 4221-4233. [ Google Scholar ] [ CrossRef ]
  45. چنگ، اس. چان، CW; Huang، GH با استفاده از تجزیه و تحلیل تصمیم چند معیاره برای حمایت از تصمیمات مدیریت پسماند جامد. جی. محیط زیست. علمی شفا دادن. – قسمت A ماده سمی/خطرناک محیط زیست مهندس 2002 ، 37 ، 975-990. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  46. بلهومور، سی. واسور، ال. آنسو، سی. مارکوس، بی. اجرای یک مدل مدیریت لجن فاضلاب چند معیاره در شهرداری جنوب کبک در لاک-مگانتیک، کانادا. جی. محیط زیست. مدیریت کنید. 1997 ، 50 ، 51-66. [ Google Scholar ] [ CrossRef ]
  47. Saaty، TL فرآیند تحلیل سلسله مراتبی در مدیریت تعارض. بین المللی J. Confl. مدیریت 1990 ، 1 ، 47-68. [ Google Scholar ] [ CrossRef ]
  48. ژانگ، ال. Lavagnolo، MC; بای، اچ. پیواتو، ا. راگا، ر. Yue, D. ارزیابی زیست محیطی و اقتصادی فن آوری های تصفیه شیرابه کنسانتره با استفاده از فرآیند تحلیل سلسله مراتبی. منبع. حفظ کنید. بازیافت. 2019 ، 474-480. [ Google Scholar ] [ CrossRef ]
  49. سالار، اس جی; عثمان، ع.ا. حسن، SE شناسایی مکان‌های مناسب برای تغذیه آب‌های زیرزمینی در حوزه آبخیز آواسپی با استفاده از تکنیک‌های GIS و سنجش از دور. محیط زیست علوم زمین 2018 , 77 . [ Google Scholar ] [ CrossRef ]
  50. کلینتون، ن. هولت، ا. اسکاربرو، جی. Yan, LI; Gong, P. سنجش دقت برای تقسیم بندی تصویر مبتنی بر شی. فتوگرام مهندس Remote Sens. 2010 , 76 , 289-299. [ Google Scholar ] [ CrossRef ]
  51. آیالو، ال. یاماگیشی، H. کاربرد رگرسیون لجستیک مبتنی بر GIS برای نقشه‌برداری حساسیت زمین لغزش در کوه‌های Kakuda-Yahiko، ژاپن مرکزی. ژئومورفولوژی 2005 ، 65 ، 15-31. [ Google Scholar ] [ CrossRef ]
  52. Sissakian, VK Geological Report on Al-Mosul Quadrangle, Sheet No. NJ–38–03, Scale 1:250 000 ; سازمان زمین شناسی عراق: بغداد، عراق، 1995.
  53. الموسوی، ح. سیساکیان، VK; فواد، اس.اف. Survey, IG The Geology of Zakhoquadrangle, Scale 1:250000 ; سازمان زمین شناسی عراق: بغداد، عراق، 2008.
  54. Foad, S. Tectonic Map of Iraq, Scale 1:1,000,000 ; سازمان زمین شناسی عراق: بغداد، عراق، 2012.
  55. علوی، م. سازه های کمربند رانش چین خورده زاگرس در ایران. صبح. J. Sci. 2007 ، 307 ، 1064-1095. [ Google Scholar ] [ CrossRef ]
  56. عبید، ع.ک. آلن، بلوغ منظره MB، توالی رشد چین خوردگی و سبک ساختاری در فروافتادگی کرکوک زاگرس، شمال عراق. تکتونوفیزیک 2017 ، 717 ، 27-40. [ Google Scholar ] [ CrossRef ]
  57. عبید، ع.ک. آلن، MB بیان منظر زمین ساختی در کمربند چین و رانش زاگرس. تکتونوفیزیک 2019 ، 766 ، 20-30. [ Google Scholar ] [ CrossRef ]
  58. عثمان، ع.ا. Gloaguen، R. مسیرهای رودخانه متاثر از زمین لغزش و پیامدهایی برای ارزیابی خطر: مطالعه موردی سنجش از دور با وضوح بالا در شمال عراق-غرب ایران. Remote Sens. 2013 ، 5 ، 1024-1044. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  59. عثمان، ع.ا. Gloaguen, R. استخراج خودکار و توزیع اندازه زمین لغزش ها در منطقه کردستان، شمال شرقی عراق. Remote Sens. 2013 ، 5 ، 2389–2410. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  60. دی ورا، جی. Gines, J. ساختار کمربند چین و رانش زاگرس در منطقه کردستان، شمال عراق. Trabajos de Geología 2009 ، 217 ، 213-217. [ Google Scholar ]
  61. فورزیری، جی. گاردنتی، م. کاپارینی، اف. Castelli، F. روشی برای پیش انتخاب مکان های مناسب برای سدهای کوچک سطحی و زیرزمینی در مناطق خشک: مطالعه موردی در منطقه Kidal، مالی. فیزیک شیمی. Earth Parts A/B/C 2008 ، 33 ، 74-85. [ Google Scholar ] [ CrossRef ]
  62. جوهر، ع. چن، ایکس. بائو، ا. جمشد، ع. یونس، م. جووید، ا. Latipa، T. مقایسه داده‌های لندست-8، Sentinel-2 و رادار Sentinel-1 با وضوح چندگانه برای استخراج خط خطی خودکار: مطالعه موردی منطقه آلیچر، SE Pamir. Remote Sens. 2019 , 11 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  63. ESRI. ArcGIS Desktop: Release 10 2011. موجود به صورت آنلاین: https://desktop.arcgis.com/en/ (در 27 فوریه 2020 قابل دسترسی است).
  64. EROS Landsat OLI. در دسترس آنلاین: https://earthexplorer.usgs.gov/ (در 27 فوریه 2020 قابل دسترسی است).
  65. Geomatica, P. PCI Geomatica 2016. موجود به صورت آنلاین: https://www.pcigeomatics.com/ (دسترسی در 27 فوریه 2020).
  66. Nachtergaele، F. ون ولتویزن، اچ. ون انگلن، وی. فیشر، جی. جونز، ا. مونتانارلا، ال. پتری، م. پریلر، اس. تکسیرا، ای. Shi, X. پایگاه داده جهانی خاک (نسخه 1.2) ; ORNL DAAC: Oak Ridge, TN, USA, 2012; صص 1-50. در دسترس آنلاین: https://daac.ornl.gov/cgi-bin/dsviewer.pl?ds_id=1247 (در 27 فوریه 2020 قابل دسترسی است).
  67. ادهم، ع. ریکسن، ام. اوسر، م. عابد، ر. Ritsema، C. توسعه روش برای ارزیابی برداشت آب باران موجود در مناطق (نیمه) خشک BT. در امنیت آب و زمین در سرزمین های خشک: واکنش به تغییرات آب و هوا . Ouessar, M., Gabriels, D., Tsunekawa, A., Evett, S., Eds. انتشارات بین المللی اسپرینگر: چم، سوئیس، 2017; صص 171-184. شابک 978-3-319-54021-4. [ Google Scholar ]
  68. کاهیندا، جی.ام. لیلی، ESB؛ Taigbenu، AE; تاوت، م. Boroto، RJ در حال توسعه نقشه های مناسب برای برداشت آب باران در آفریقای جنوبی. فیزیک شیمی. Earth Parts A/B/C 2008 , 33 , 788-799. [ Google Scholar ] [ CrossRef ]
  69. Mbilinyi، BP; Tumbo، SD; ماهو، HF; Mkiramwinyi، سیستم پشتیبانی تصمیم مبتنی بر FO GIS برای شناسایی مکان‌های بالقوه برای برداشت آب باران. فیزیک شیمی. Earth Parts A/B/C 2007 , 32 , 1074–1081. [ Google Scholar ] [ CrossRef ]
  70. USDA. مکانیک خاک سطح 1، ماژول 3. راهنمای مطالعه طبقه بندی بافتی USDA ; USDA: واشنگتن، دی سی، ایالات متحده آمریکا، 1987.
  71. Vapnik، VN ماهیت نظریه یادگیری آماری ، ویرایش دوم. Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 1999. [ Google Scholar ]
  72. عثمان، ع.ا. Gloaguen, R. بهبود نقشه برداری سنگ شناسی با طبقه بندی SVM ویژگی های طیفی و مورفولوژیکی: کشف یک جسم کرومیت جدید در مجموعه افیولیتی ماوات (کردستان، شمال شرقی عراق). Remote Sens. 2014 , 6 , 6867–6896. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  73. یانگ، X. پارامترسازی ماشین‌های بردار پشتیبان برای طبقه‌بندی پوشش زمین. فتوگرام مهندس Remote Sens. 2011 ، 77 ، 27-38. [ Google Scholar ] [ CrossRef ]
  74. عثمان، ع. السعدی، ی. الخفاجی، ع. Gloaguen, R. تشخیص تغییرات محیطی در بخش مرکزی عراق با استفاده از داده های سنجش از دور و GIS. عرب جی. ژئوشی. 2014 ، 7 ، 1017-1028. [ Google Scholar ] [ CrossRef ]
  75. Congalton، RG مروری بر ارزیابی دقت طبقه‌بندی داده‌های سنجش از دور. سنسور از راه دور محیط. 1991 ، 37 ، 35-46. [ Google Scholar ] [ CrossRef ]
  76. کوهن، جی. ضریب توافق مقیاس های اسمی. روانی Meas. 1960 ، 2 ، 37-46. [ Google Scholar ] [ CrossRef ]
  77. Charnpratheep، K. ژو، Q. گارنر، ب. غربالگری مقدماتی محل دفن زباله با استفاده از سیستم های اطلاعات جغرافیایی فازی. مدیریت زباله Res. 1997 ، 15 ، 197-215. [ Google Scholar ] [ CrossRef ]
  78. دمسوکا، OE; Vavatsikos، AP; آناگنوستوپولوس، تجزیه و تحلیل مناسب بودن محل دفن زباله های جامد شهری مبتنی بر GIS مبتنی بر KP: بررسی روش های انجام شده و معیارهای اجرا شده. مدیریت زباله Res. 2014 ، 32 ، 270-296. [ Google Scholar ] [ CrossRef ]
  79. Buraihi, FH; شریف، ARM انتخاب مکان های برداشت آب باران با استفاده از تکنیک های سنجش از دور و GIS: مطالعه موردی کرکوک، عراق. جی. تکنول. 2015 ، 76 ، 75-81. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  80. حمزه، م. علی عباسپور، ر. روش برتری بر مبنای رستر داوالو: رویکردی جدید برای مکان‌یابی محل دفن زباله‌های جامد شهری (MSW). محیط زیست علمی آلودگی Res. 2015 ، 22 ، 12511-12524. [ Google Scholar ] [ CrossRef ]
  81. پروژه ماموریت اندازه گیری بارندگی گرمسیری GSFC_DAAC (TRMM; 3B43 V7). در دسترس آنلاین: https://disc.gsfc.nasa.gov/datacollection/TRMM_3B42_daily_V6.shtml (در 27 فوریه 2020 قابل دسترسی است).
  82. کومرو، سی. بارنز، دبلیو. کوزو، تی. شیو، جی. سیمپسون، جی. بسته سنسور ماموریت اندازه‌گیری باران گرمسیری (TRMM). J. Atmos. اقیانوس. تکنولوژی 1998 ، 15 ، 809-817. [ Google Scholar ] [ CrossRef ]
  83. یوسف، م. راپانتووا، ن. یونس، JH مدیریت پایدار آب در عراق (کردستان) به عنوان یک چالش برای مسئولیت دولتی. Water 2018 ، 10 ، 1651. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  84. دیوس، دی. Gloaguen، R. تحلیل سنجش از دور دینامیک دریاچه در مناطق نیمه خشک: مفهومی برای مدیریت منابع آب. دریاچه مانیارا، شکاف آفریقای شرقی، شمال تانزانیا. آب 2013 ، 5 ، 698-727. [ Google Scholar ] [ CrossRef ]
  85. آندرانی، ال. گلوگوئن، آر. شهزاد، ف. مجموعه جدیدی از توابع متلب (جعبه ابزار TecDEM) برای تجزیه و تحلیل مراحل فرسایش در مناظر و تغییرات سطح پایه در پروفایل رودخانه. ژئوفیز. Res. Abstr. 2014 ، 16 . در دسترس آنلاین: https://ui.adsabs.harvard.edu/abs/2014EGUGA..1616682A/abstract (در 27 فوریه 2020 قابل دسترسی است).
  86. شهزاد، ف. Gloaguen, R. TecDEM: جعبه ابزار مبتنی بر MATLAB برای ژئومورفولوژی تکتونیکی، بخش 2: دینامیک سطح و تجزیه و تحلیل حوضه. محاسبه کنید. Geosci. 2011 ، 37 ، 261-271. [ Google Scholar ] [ CrossRef ]
  87. شهزاد، ف. Gloaguen, R. TecDEM: جعبه ابزار مبتنی بر MATLAB برای ژئومورفولوژی تکتونیکی، بخش 1: پیش پردازش شبکه زهکشی و تجزیه و تحلیل مشخصات جریان. محاسبه کنید. Geosci. 2011 ، 37 ، 250-260. [ Google Scholar ] [ CrossRef ]
  88. باناسیک، ک. روتکووسکا، ا. Kohnová، S. تغییرپذیری تعداد منحنی و حفظ در یک حوضه کوچک کشاورزی: ​​رویکرد احتمالی. آب 2014 ، 6 ، 1118-1133. [ Google Scholar ] [ CrossRef ]
  89. هاوکینز، RH; Hjelmfelt، AT، جونیور. Zevenbergen، احتمال رواناب AW، عمق طوفان و اعداد منحنی. جی. آیریگ. زه کشی. مهندس 1985 ، 111 ، 330-340. [ Google Scholar ] [ CrossRef ]
  90. پونس، VM؛ هاوکینز، عدد منحنی رواناب RH: آیا به بلوغ رسیده است؟ جی هیدرول. مهندس 1996 ، 1 ، 11-18. [ Google Scholar ] [ CrossRef ]
  91. نوروزی، ع. حبیبی، ح. نظری، ب. نه، SJ; سئو، دی.-جی. ژانگ، ی. به سمت مدل‌سازی صرفه‌جویی فراوانی رواناب منطقه‌ای از بارش شدید تا شدید در مناطق بزرگ شهری تحت شرایط متغیر: رویکرد لحظه‌ای مشتق شده. استوک. محیط زیست Res. ارزیابی ریسک 2019 ، 33 ، 1263-1281. [ Google Scholar ] [ CrossRef ]
  92. فلمینگ، ام جی; Doan، JH HEC-GeoHMS ; دیویس، کالیفرنیا، ایالات متحده آمریکا، 2013. در دسترس آنلاین: https://www.hec.usace.army.mil/software/hec-geohms/ (در 27 فوریه 2020 قابل دسترسی است).
  93. سینگ، پی کی. Mishra, SK; برندتسسون، آر. جین، MK; Pandey، توسعه RP یک مدل MSCS-CN بر اساس SMA اصلاح شده برای تخمین رواناب. منبع آب مدیریت 2015 ، 29 ، 4111-4127. [ Google Scholar ] [ CrossRef ]
  94. رولان، آ. Rangarajan, R. برآورد رواناب و ترسیم محل شارژ بالقوه با استفاده از فرآیند تحلیل سلسله مراتبی. Geocarto Int. 2013 ، 28 ، 159-170. [ Google Scholar ] [ CrossRef ]
  95. OCHA-Iraq عراق—مجموعه داده ها. 2018. در دسترس آنلاین: https://www.unocha.org/iraq (در 27 فوریه 2020 قابل دسترسی است).
  96. جمالی، ع.ا. راندیر، TO; نصرتی، ج. تحلیل تناسب مکان برای سدهای زیرسطحی با استفاده از منطق بولی و فازی در حوضه های آبخیز خشک. ج. منبع آب. طرح. مدیریت 2018 , 144 . [ Google Scholar ] [ CrossRef ]
  97. شاو، ای.ام. Beven، KJ; چاپل، NA; Lamb, R. Hydrology in Practice , 4th ed.; تیلور و فرانسیس: ابینگتون، تیمز، بریتانیا، 2010; ISBN 9780203030233. [ Google Scholar ]
  98. جوزاقی، ع. علیزاده، ب. حاتمی، م. سیل، I. خرمی، م. خدایی، ن. طوسی، EG مطالعه تطبیقی ​​تکنیک‌های AHP و TOPSIS برای انتخاب مکان سد با استفاده از GIS: مطالعه موردی استان سیستان و بلوچستان، ایران. Geosciences 2018 , 8 , 494. [ Google Scholar ] [ CrossRef ][ Green Version ]
  99. نوری، ع. بنکداری، ح. مروتی، ک. قره باغی، ب. انتخاب محل بهینه سد با استفاده از روش تصمیم گیری گروهی از طریق مدل تاپسیس فازی. محیط زیست سیستم تصمیم می گیرد. 2018 ، 38 ، 471-488. [ Google Scholar ] [ CrossRef ]
  100. شایکنر-گراتل، اف. ایگر، پی. راوش، دبلیو. Kleidorfer, M. مقایسه روش های پشتیبانی تصمیم چند معیاره برای اولویت بندی توانبخشی یکپارچه. Water 2017 , 9 , 68. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  101. آدامچک، ام. دومانسکی، آر. سیپلیک، پ. Malinowska، K. شناسایی تأثیر تبدیل پارامترهای روش تصمیم‌گیری چند معیاره بر کارایی آنها – نتایج مطالعه شبیه‌سازی. IFAC-PapersOnLine 2017 ، 50 ، 3505–3510. [ Google Scholar ] [ CrossRef ]
Ijgi 09 00244 g001 550
شکل 1. نقشه موقعیت حوضه رودخانه الخابور (KhRB).
Ijgi 09 00244 g002 550
شکل 2. بارش ماهانه، تبخیر احتمالی، حداکثر، حداقل و میانگین دما در شهر زاخو و مناطق اطراف آن بین سال های 2001 تا 2005 (ایستگاه هواشناسی زاخو) ثبت شده است [ 22 ].
Ijgi 09 00244 g003 550
شکل 3. نقشه زمین شناسی [ 52 و 53 ] و زمین ساختی [ 53 ] منطقه مورد مطالعه.
Ijgi 09 00244 g004 550
شکل 4. نقشه های ( A ) فاصله تا گسل ها، ( B ) فاصله تا خطواره ها.
Ijgi 09 00244 g005 550
شکل 5. طبقه بندی بافتی خاک [ 70 ]. نقاط کوچک نشان دهنده درصد سیلت، خاک رس و ماسه است.
Ijgi 09 00244 g006 550
شکل 6. نقشه ها نشان می دهند: ( الف ) انواع خاک [ 66 ]، و ( ب ) واحدهای پوشش زمین (LC).
Ijgi 09 00244 g007 550
شکل 7. نقشه های: ( الف ) ارتفاع، و ( ب ) شیب شیب منطقه مورد مطالعه.
Ijgi 09 00244 g008 550
شکل 8. ( الف ) مقایسه بارندگی مشاهده شده از ایستگاه مترولوژی دهوک و داده های ماموریت اندازه گیری بارش استوایی (TRMM) برای پیکسل واقع در همان سایت برای دوره سپتامبر 2002 تا مارس 2010، و ( B ) توزیع بارش در مطالعه حوزه.
Ijgi 09 00244 g009 550
شکل 9. نقشه های ( A ) نقشه عرض جریان، و ( B ) شماره منحنی (CN) منطقه مورد مطالعه.
Ijgi 09 00244 g010 550
شکل 10. نقشه عوامل: ( الف ) فاصله از شهرها و شهرها، و ( ب ) فاصله تا روستاها.
Ijgi 09 00244 g011 550
شکل 11. نقشه فاصله تا جاده.
Ijgi 09 00244 g012 550
شکل 12. توزیع نقشه های تناسب سایت سد با استفاده از ( A ) روش جمع وزنی (WSM) و ( B ) فرآیند تحلیل سلسله مراتبی (AHP) با بافر 1000 متری.
Ijgi 09 00244 g013 550
شکل 13. نقشه تفاوت (AHP منهای WSM).
Ijgi 09 00244 g014 550
شکل 14. دقت کلی مدل های SWM و AHP منطقه حایل ( A ) 1000 متر، ( B ) منطقه حائل 500 متر، ( C ) منطقه حائل 250 متر، و ( D ) میانگین همه مناطق حائل.
Ijgi 09 00244 g015 550
شکل 15. دقت کلی با استفاده از میانگین تمام مناطق بافر برای 21 سایت سد برای هر یک از مدل های SWM و AHP.
Ijgi 09 00244 g016 550
شکل 16. سایت های پیشنهادی سد بر اساس مدل های AHP و WSM.

مقالات داخلی و بین المللی

مطالب مرتبط ...

1 نظر

دیدگاهتان را بنویسید