چکیده

سیل یکی از رایج ترین مخاطرات طبیعی در سراسر جهان است. نقشه برداری و ارزیابی خطرات احتمالی سیل برای مدیریت ریسک سیل و استراتژی های کاهش، به ویژه در مناطق ساحلی ضروری است. عوامل متعددی نقش مهمی در سیل بازی می کنند و شناخت نقش این عوامل مرتبط با سیل ممکن است پیش بینی بلایای سیل و استراتژی های کاهش را افزایش دهد. این مطالعه بر استفاده از مدل آنتروپی شانون برای پیش‌بینی نقش هفت عامل در ایجاد سیل در استان مسقط، سلطنت عمان و نقشه‌برداری مناطق سیل‌خیز ساحلی تمرکز دارد. هفت عامل انتخاب شده (شامل ارتفاع زمین، درجه شیب، گروه خاک هیدرولوژیکی (HSG)، کاربری زمین، فاصله از ساحل، فاصله از وادی، و فاصله از جاده) در ابتدا تهیه و بر اساس سهم آنها در وقوع سیل به طبقات طبقه بندی شدند. در مرحله بعد از مدل آنتروپی برای تعیین وزن و سهم هر عامل در حساسیت کلی استفاده شد. در نهایت، نتایج حاصل از دو مرحله قبل با استفاده از نرم افزار ArcGIS برای تهیه نقشه نهایی شاخص حساسیت به سیل ساحلی که در پنج منطقه حساس طبقه بندی شده بود، ترکیب شدند. نتایج نشان داد که کاربری اراضی و HSG بیشترین عامل ایجاد سیلاب در منطقه بوده و حدود 133.5 کیلومتر نتایج حاصل از دو مرحله قبلی با استفاده از نرم افزار ArcGIS برای تهیه نقشه نهایی شاخص حساسیت به سیل ساحلی که در پنج منطقه حساس طبقه بندی شده بود، ترکیب شدند. نتایج نشان داد که کاربری اراضی و HSG بیشترین عامل ایجاد سیلاب در منطقه بوده و حدود 133.5 کیلومتر نتایج حاصل از دو مرحله قبلی با استفاده از نرم افزار ArcGIS برای تهیه نقشه نهایی شاخص حساسیت به سیل ساحلی که در پنج منطقه حساس طبقه بندی شده بود، ترکیب شدند. نتایج نشان داد که کاربری اراضی و HSG بیشترین عامل ایجاد سیلاب در منطقه بوده و حدود 133.5 کیلومتر2 منطقه استخراج شده در معرض خطر سیلاب های ساحلی است. نتایج این مطالعه می‌تواند اطلاعات ضروری برای شناسایی خطرات سیل و ارتقای استراتژی‌های سازگاری و کاهش را در اختیار تصمیم‌گیرندگان قرار دهد. برای کار آینده، ارزیابی قابلیت اطمینان نتیجه به‌دست‌آمده با مقایسه آن با یک رویداد سیل واقعی، مانند سیل در طول طوفان‌های Gonu و Phet، توصیه می‌شود.

کلید واژه ها:

نرم افزار ArcGIS ; شاخص حساسیت به سیل ساحلی ; مدل ارتفاعی دیجیتال DEM ; عوامل موثر ؛ عوامل پیش شرط ; عوامل محرک ؛ استان مسقط ; سلطان نشین عمان ؛ مدل آنتروپی شانون ؛ وادی

1. مقدمه

اثرات جهانی تغییر اقلیم و پدیده های مرتبط با آن، محیط های ساحلی را در برابر خطرات طبیعی آسیب پذیرتر می کند [ 1 ]. سیلاب سواحل یکی از مسائل معاصر جهان است، به ویژه برای جان انسان ها (تلفات جانی و جراحت)، اموال و زیرساخت ها [ 2 ]. سیلاب های ساحلی همچنین منابع و محیط های قابل توجهی را در امتداد مناطق ساحلی تهدید می کند. به عنوان مثال، طبق گزارش آماری منتشر شده در [ 3]، سیل در سال 2019، 49 درصد از تعداد کل بلایای طبیعی، حدود 33 درصد از کل افراد آسیب دیده و حدود 43 درصد از قربانیان در سراسر جهان را به خود اختصاص داده است. در نواحی ساحلی، سیل اغلب زمانی اتفاق می‌افتد که سطح دریا در امتداد ساحل بالاتر از سطح جزر و مد معمولی باشد، که منجر به طغیان‌هایی می‌شود که ممکن است چند روز طول بکشد [ 4 ]. تغییرات جزر و مدی، طوفان ها، باران های شدید یا جریان های طغیان شده از جمله منابعی هستند که ممکن است باعث ایجاد سیل در مناطق ساحلی شوند [ 5 ]. حتی اگر پیشگیری از سیل تقریباً غیرممکن است، رویکردهای مدیریت سیل موفقی را می توان به منظور جلوگیری یا کاهش تهدیدات ناشی از این خطرات اتخاذ کرد [ 6 ]. به طور کلی، چهار مرحله اصلی (کاهش، آمادگی، پاسخ، و بازیابی) در مدیریت هر خطری دخیل هستند [ 7 ]]. نقشه‌برداری حساسیت سیل یک گام اساسی در رویکردهای مدیریت ریسک سیل است که می‌تواند به عنوان ارزیابی کمی یا کیفی توزیع فضایی سیل که در یک محیط رخ می‌دهد یا احتمال وقوع آن وجود دارد [ 8 ] تعریف شود. از آن برای پیش بینی محل وقوع سیل استفاده می شود، صرف نظر از احتمال زمانی وقوع سیل، مانند زمان یا تعداد دفعات وقوع سیل [ 9 ]. به عنوان مثال، مطالعه ای توسط الحداد و همکاران. [ 10] چهار مدل جدید به نام‌های درخت رگرسیون تقویت‌شده (BRT)، تجزیه و تحلیل داده‌های عملکردی (FDA)، مدل خطی عمومی (GLM)، و تحلیل تفکیک چند متغیره (MDA) را برای انجام نقشه‌برداری حساسیت سیل در حوضه وادی قنا، مصر اعمال کرد. این مطالعه نشان داد که نقشه های ایجاد شده می تواند توسط دولت محلی و تصمیم گیرندگان برای اجرای طرح های کاهش مناسب برای خسارات سیل آینده اتخاذ شود. مطالعه دیگری توسط سامانتا و همکاران. [ 2] با استفاده از مشاهدات زمینی و تکنیک نسبت فراوانی برای انجام مدیریت مناسب سیل و استراتژی‌های برنامه‌ریزی آتی، حساسیت بخش‌های میانی و پایینی حوضه سوبارنارخا (هند) به سیل را ارزیابی کرد. از این رو، شناسایی آسیب پذیرترین مناطق در برابر سیل به تصمیم گیرندگان کمک می کند تا استراتژی های کاهش مناسب و آمادگی قبل و بعد از بلایا را توسعه دهند.
عوامل متعددی در بروز سیل نقش بسزایی دارند. پیش‌بینی مناطق ساحلی مستعد سیل مستلزم در نظر گرفتن تمام عوامل مؤثر بر آن است. این عوامل که به‌عنوان عوامل مسبب [ 8 ، 11 ، 12 ]، عوامل شرطی‌کننده [ 2 ، 6 ، 13 ]، عوامل تأثیرگذار [ 14 ، 15 ] یا شاخص‌های تأثیرگذار [ 16 ] نیز شناخته می‌شوند، به‌عنوان یک عامل مستقل در ایجاد سیل مورد نیاز هستند. بروز در یک منطقه خاص [ 17 ]، و می تواند تأثیر عمده ای بر دقت نقشه های تولید شده داشته باشد [ 12 ]]. آنها همچنین ویژگی های فیزیکی منطقه مورد بررسی را منعکس می کنند و هر کدام به طور متفاوت و تجمعی باعث سیل می شوند [ 13 ]. به عنوان مثال، مناطق کم ارتفاع نسبت به سایرین مستعد سیل هستند، زیرا آب بیشتر از مناطق مرتفع به پایین جریان دارد. از سوی دیگر، شیب های تند تمایل به کاهش نفوذ و افزایش رواناب سطحی دارند که منجر به افزایش خطر سیل می شود [ 14 ، 18 ]. علاوه بر این، تغییرات در الگوهای کاربری زمین که یک سطح غیر قابل نفوذ را تشکیل می‌دهند می‌توانند سرعت جریان را افزایش داده و در نتیجه به سیل در منطقه کمک کنند [ 19 ].]. بر این اساس، عوامل ارتفاعات پایین تر و شیب های تند و همچنین سطوح غیرقابل نفوذ باعث افزایش حساسیت به سیل در یک منطقه خاص می شود. عوامل موثر بر سیل بر اساس خطرات تشکیل دهنده آنها به عوامل پیش شرط و محرک دسته بندی می شوند. عوامل پیش شرط ثابت هستند یا در یک دوره طولانی تغییر بسیار کمی دارند. با توجه به سیل‌های ساحلی، زمین مسطح و کم ارتفاع، ظرفیت نفوذ سطحی کم و منطقه حائل ساحلی، نمونه‌هایی از عوامل پیش‌شرط هستند. عوامل محرک در مقایسه با عوامل پیش‌شرطی دائماً در حال تغییر هستند. عوامل کلیدی محرکی که باعث سیل‌های ساحلی می‌شوند، باران‌های شدید، طوفان‌های استوایی، امواج جزر و مدی و سونامی هستند [ 20 ، 21 ].
تاکنون مطالعات منطقه‌ای و بین‌المللی متنوعی توسط محققان با استفاده از مدل‌ها و تکنیک‌های مختلف برای نقشه‌برداری دقیق و ارزیابی مناطق احتمالی سیل‌خیز پیشنهاد شده است. چنین مدل‌ها و تکنیک‌هایی را می‌توان برای نقشه‌برداری مقیاس‌های مختلف مناطق، از جمله مقیاس‌های جهانی، منطقه‌ای یا ملی، با استفاده از عوامل مختلف تأثیرگذار بر سیل استفاده کرد [ 8 ، 22 ]. یکی از محبوب ترین مدل ها، مدل آنتروپی شانون [ 23 ] است که به طور گسترده در مطالعات ارزیابی خطر و ریسک برای محاسبه شاخص وزنی خطرات طبیعی استفاده شده است. آنتروپی اضافی در سیستم شاخص توسط چندین عامل مهم فراهم می شود. از این رو مقدار آنتروپی را می توان برای اندازه گیری وزن هدف سیستم شاخص استفاده کرد [ 24]. در تحقیقات خطر سیل، از آنتروپی برای ارزیابی نقش عوامل در ایجاد خطر با اندازه‌گیری اطلاعات موجود در برخی عوامل استفاده می‌شود، جایی که عوامل وزن بالاتر بیشتر از عوامل وزن کمتر در خطر سیل نقش دارند [ 25 ]. به عنوان مثال، تجزیه و تحلیل [ 20 ] حساسیت هر شهرستان در دلتای رودخانه یانگ تسه چین را نسبت به خطرات مختلف با استفاده از مدل آنتروپی وزن اندازه گیری کرد. تحلیل دیگری [ 26 ] با استفاده از مدل آنتروپی، مناطق مستعد سیل را در حوزه آبخیز مادرسو در ایران با موفقیت شناسایی کرد. در همان منطقه، نویسنده [ 27 ] استفاده از نسبت فرکانس و مدل های آنتروپی را برای نقشه برداری حساسیت سیل بررسی کرد. تحقیق دیگری [ 28] نتایج به‌کارگیری مدل نسبت فرکانس و مدل آنتروپی را برای پیش‌بینی حساسیت به سیل در منطقه سیل‌زده مکرر و شدید دشت گنگای میانی مقایسه کرد.
در مطالعه قبلی که توسط الحینایی و عبدالله [ 16 ] برای استان مسقط انجام شد، از مدل آنتروپی در محیط سیستم اطلاعات جغرافیایی (GIS) برای تجزیه و تحلیل چهار شاخص تأثیرگذار برای پیش‌بینی نقش آنها در ایجاد سیل و نقشه‌برداری استفاده شد. مناطق در معرض سیل ساحلی هدف این مطالعه شامل عوامل بیشتر است زیرا آنها نقش مهمی در رفتارهای نفوذ آب و رواناب دارند. شایان ذکر است که تجزیه و تحلیل تنها بر عوامل پیش‌شرطی متمرکز بود که در اینجا به عنوان عوامل تأثیرگذار از آن یاد می‌شود، در حالی که عوامل محرک مورد توجه قرار نگرفتند. ساختار این مقاله به شرح زیر است: بخش 2 به طور خلاصه منطقه مورد مطالعه، بخش 3 را شرح می دهدمواد و روش مورد استفاده برای نقشه برداری مناطق مستعد سیل ساحلی را به تفصیل شرح می دهد، بخش 4 یافته اصلی مطالعه را توضیح می دهد و به آن می پردازد، و در نهایت اظهارات نتیجه گیری در بخش 5 گزارش می شود .

2. منطقه مطالعه

استان مسقط ( شکل 1 )، سلطان نشین پایتخت عمان، در قسمت شمال شرقی کشور قرار دارد که در آن استوایی سرطان از چند کیلومتری جنوب استان می گذرد [ 29 ]. مساحت استان 3500 کیلومتر مربع است و مشرف به دریای عمان با خط ساحلی به طول 200 کیلومتر است [ 30 ]. از نظر اداری، استان مسقط از شش ولایت (منطقه) تشکیل شده است که از این میان تنها پنج ولایت مشرف به دریای عمان هستند که عبارتند از سیب، باوشار، مطرح، مسقط و قریات [ 31 ]. از این رو، این پژوهش تنها به این ولایات اشاره دارد. کل جمعیت استان مسقط در سال 2020 حدود 1,302,440 نفر بود [ 32]. مناطق ساحلی نرخ رشد جمعیت و شهرنشینی بیشتری را نسبت به سایر مناطق نشان می دهند [ 33 ].
آب و هوای این کشور به طور کلی گرم و خشک است، همانطور که در سایر نقاط شبه جزیره عربستان نیز وجود دارد [ 34 ]. دمای سالانه در تابستان به بیش از 45 درجه سانتیگراد می رسد و در زمستان تا 15 درجه سانتیگراد کاهش می یابد. بارندگی سالانه در اکثر نقاط کشور نسبتا کم است و به کمتر از 100 میلی متر می رسد [ 29 ]. استان توسط کوه هایی با ارتفاع توپوگرافی بالا (1967-0.3- متر)، شیب (0-89 درجه)، خاک سطحی ناهموار و شرایط خشک احاطه شده است [ 35 ]. تعداد قابل توجهی از وادی ها (دره ها) وجود دارد که در سراسر استان گسترش یافته و از کوه ها پایین می آیند و به دریای عمان می ریزند [ 35 ، 36 ].]. چنین موج‌هایی منجر به سیل‌های متعددی می‌شوند، از جمله سیل‌های ناگهانی و سیلاب‌های ساحلی که در عمان گزارش شده‌اند [ 36 ، 37 ].
سلطان نشین به دلیل موقعیتش مشرف به صفحه تکتونیکی عربستان و اقیانوس هند، جایی که سونامی و طوفان های استوایی در آن رخ می دهد، در برابر رویدادهای شدید آب و هوایی، طوفان ها و سونامی ها آسیب پذیرتر شده است [ 38 ]. به عنوان مثال، سلطان نشین عمان به طور کلی و استان مسقط به طور خاص تحت تأثیر دو طوفان گرمسیری قدرتمند قرار گرفتند. Gonu در 2007 و Phet در ژوئن 2010 [ 39 ]. علاوه بر این، خط ساحلی عمان چندین بار مورد سونامی قرار گرفته است که شناخته شده ترین آنها سونامی مکران در سال 1945 [ 40 ] و سونامی اقیانوس هند در سال 2004 [ 41 ] بود.
با توجه به این وضعیت، تجزیه و تحلیل و نقشه‌برداری مناطق احتمالی مستعد سیل در استان مسقط برای معرفی اقدامات پیشگیرانه که می‌تواند تلفات سیل را کاهش دهد، بسیار مهم است.

3. داده های مورد استفاده و روش

اقدامات متعددی برای شناسایی و نقشه برداری مناطق سیل بالقوه ساحلی در استان مسقط انجام شده است. اولین مرحله شامل انتخاب، آماده سازی و طبقه بندی عوامل تأثیرگذار با استفاده از نرم افزار ArcGIS 10.4 بود. بر این اساس، در مرحله دوم از مدل آنتروپی برای تعیین وزن و سهم هر یک از عوامل در حساسیت کلی با استفاده از نرم افزار مایکروسافت اکسل استفاده شد. در نهایت، نتایج حاصل از دو مرحله قبل در مرحله سوم با استفاده از نرم افزار ArcGIS 10.4 برای تهیه نقشه نهایی حساسیت به سیل ساحلی ادغام شد. روش اتخاذ شده برای این مطالعه در شکل 2 نشان داده شده است .

3.1. عوامل موثر بر سیل ساحلی

انتخاب عوامل تأثیرگذار مهم‌ترین مرحله در تهیه نقشه‌های نهایی سیل‌پذیری سواحل است. حتی اگر هیچ راهنمایی روشنی در تعیین عوامل موثر بر سیل وجود ندارد، چندین متون از عوامل خاصی استفاده کرده اند که نقش حیاتی آنها را در نقشه برداری حساسیت سیل نشان می دهد [ 42 ]. بنابراین، این مطالعه از هفت عامل تأثیرگذار برای اهداف مدل‌سازی استفاده کرد. اینها عبارتند از ارتفاع زمین، زاویه شیب، گروه خاک هیدرولوژیکی (HSG)، کاربری زمین، فاصله از ساحل، فاصله از وادی (جریان) و فاصله از جاده.
ارتفاع از سطح زمین، از آنجایی که جهت حرکت جریان را تنظیم می کند (به دلیل گرانش زمین، آب ها همیشه از ارتفاعات بالاتر به پایین تر حرکت می کنند) و همچنین عمق و وسعت سیل [ 43 ]، یکی از مهم ترین عواملی است که معمولا در مطالعات سیل ارتفاع و سیل رابطه معکوس دارند. سیل با کاهش ارتفاع افزایش می یابد و از این رو مناطق کم ارتفاع در برابر سیل آسیب پذیرتر هستند [ 44 ]. زاویه شیب (بر حسب درجه) یکی دیگر از عوامل مهم سیل است زیرا مستقیماً بر رواناب سطحی و نفوذ تأثیر می گذارد. با افزایش گرادیان، رواناب سطحی به طور قابل توجهی افزایش می یابد. در نتیجه، زمان نفوذ کاهش می یابد و منجر به سیل می شود [ 45]. فاکتور HSG به طور گسترده ای به عنوان یک عامل اصلی موثر بر فرآیندهای رواناب شناخته شده است، جایی که تنوع خاک رواناب سطحی و مقدار آبی را که می تواند به داخل زمین نفوذ کند، کنترل می کند. به عبارت دیگر، با کاهش توانایی خاک برای نفوذ، خطر سیل افزایش می یابد [ 2 ]. سرویس حفاظت از منابع طبیعی خاک ها را به چهار گروه هیدرولوژیکی طبقه بندی کرده است. A، B، C و D. خاک های گروه A دارای بالاترین میزان نفوذ و کمترین رواناب بالقوه و خاک های گروه D کمترین میزان نفوذ و بیشترین پتانسیل رواناب را دارند [ 46 ]. انواع مختلف کاربری زمین قابلیت نفوذ، تبخیر و تعرق و ضرایب رواناب متفاوتی دارند [ 47 ].]. به عنوان مثال، مناطق زیر کشت، سطوحی از مکانیسم‌های حفاظتی را فراهم می‌کنند که زمین را در برابر سیل آسیب‌پذیرتر می‌کند، در حالی که مناطق شهری به دلیل سطوح تا حد زیادی غیرقابل نفوذ، رواناب آب را افزایش می‌دهند، که زمین را در برابر سیل آسیب‌پذیرتر می‌کند [ 48 ]. از این رو، عامل کاربری زمین نیز ممکن است سهم عمده ای در سیل داشته باشد. فاکتورهای فاصله از وادی و فاصله از ساحل نقش مهمی در تعیین منطقه سیل دارند. مناطق نزدیک به ساحل یا وادی بیشتر از مناطق دورتر مستعد سیل هستند [ 15 ]. همین شرایط در مورد فاصله از جاده نیز صدق می‌کند، زیرا جاده‌ها و مناطق اطراف سطوح آب‌بندی را فراهم می‌کنند که پتانسیل نفوذ را به حداقل می‌رساند و منبع رواناب با تأثیر قابل‌توجهی بر نرخ سیل است [ 49 ]].
در این تحقیق شایان ذکر است که فرض بر این بود که حداکثر حد پتانسیل سیلاب ساحلی از 2 کیلومتری ساحل تجاوز نکند. بر اساس این فرض، مناطق بین ساحل و 2 کیلومتری داخلی تنها در این مطالعه گنجانده شدند. در محیط‌های نرم‌افزار ArcGIS 10.4، نقشه‌های ارتفاع و شیب زمین با تحلیل مدل رقومی ارتفاع (DEM) با وضوح فضایی 5 متر ایجاد شد. داده‌های شطرنجی DEM از پورتال زیرساخت داده‌های فضایی ملی عمان (NSDI) [ 50 ] که از عکس‌های هوایی (در اندازه پیکسل 50 سانتی‌متر) تولید شده‌اند، به‌دست آمد. لایه‌های برداری کانال وادی به‌دست‌آمده از پایگاه داده وزارت کشاورزی، شیلات و منابع آب و شبکه جاده‌ای به‌دست‌آمده از پورتال NSDI [ 50] برای تولید فاصله از وادی و فاصله از نقشه راه با استفاده از ابزار اقلیدسی استفاده شد. یک لایه خط ساحلی به دست آمده از پورتال NSDI [ 50 ] و یک ابزار بافر حلقه چندگانه برای تهیه پنج کلاس فاصله از ساحل، همانطور که در جدول 1 مشخص شده است، استفاده شد . لایه کاربری محلی به دست آمده از وزارت مسکن بر اساس سهم آنها در سیل همانطور که قبلا در این بخش توضیح داده شد به پنج دسته طبقه بندی شد. لایه جزئیات خاک محلی به دست آمده از پایگاه داده وزارت کشاورزی، شیلات و منابع آب برای تعریف HSG همانطور که در [ 36 ، 37 ] پیشنهاد شده است استفاده شد. تنها سه گروه HSG در منطقه مورد مطالعه (گروه A، B و C) مشاهده شد.
برای تبدیل الگوی نقشه ها به کلاس های قابل اندازه گیری و مقایسه، چندین رویکرد طبقه بندی به طور گسترده مورد استفاده قرار گرفته است. هر رویکرد بسته به پیچیدگی داده ها و هدف مطالعه برای یک کاربرد خاص ایده آل است [ 51 ]. نرم‌افزار ArcGIS شامل چندین رویکرد برای طبقه‌بندی مجدد نقشه‌های حساسیت می‌باشد، از جمله رویکردهایی، «فاصله‌های مساوی»، «وقفه‌های طبیعی»، «انحراف استاندارد»، «فاصله دستی» و «چک» (Quantile). به عنوان مثال، فواصل مساوی برای تقسیم دامنه مقادیر مشخصه به کلاس هایی با اندازه مساوی [ 52 ] استفاده می شود، و این رویکرد زمانی دقیق است که یک توزیع نرمال از داده ها وجود داشته باشد [ 53 ]]. کلاس‌ها در روش جنک breaks طبیعی بر اساس گروه‌بندی‌های طبیعی ذاتی در داده‌ها هستند که در آن شکست‌های کلاس برای گروه‌بندی مقادیر مشترک و کاهش تفاوت‌های کلاس تعریف می‌شوند [ 52 ]. این رویکرد زمانی مناسب است که یک جهش ناگهانی و بزرگ در مجموعه داده وجود داشته باشد [ 53 ]، و معمولاً برای طبقه بندی داده های پیوسته استفاده می شود [ 28 ]. در انحراف معیار، ویژگی ها بر اساس تفاوت مقادیر آنها با میانگین طبقه بندی می شوند. فاصله دستی برای تعریف و تنظیم دستی محدوده های کلاس مناسب برای داده استفاده می شود [ 52]. در روش طبقه‌بندی چندکی، هر کلاس دارای تعداد مساوی ویژگی است و پیکسل‌ها را در کلاس‌هایی با اندازه یکسان گروه‌بندی می‌کند. این رویکرد برای به حداقل رساندن تأثیر الگوریتم طبقه بندی بر نتایج مفید است [ 6 ، 42 ]. در این تحقیق، ارتفاع زمین، زاویه شیب، فاصله از وادی و فاصله از عوامل جاده با استفاده از روش طبقه‌بندی کمیت در پنج طبقه بسیار زیاد، زیاد، متوسط، کم و بسیار کم طبقه‌بندی شد. برای نیازهای پردازش بیشتر این مطالعه، لایه‌های کاربری اراضی و HSG از فرمت برداری به فرمت شطرنجی با همان اندازه سلول 5 متر با وضوح DEM تبدیل شدند. میز 1عوامل انتخاب شده درگیر در ترسیم حساسیت سیل ساحلی، طبقات آنها و نرخ مشارکت آنها را خلاصه می کند، که در آن 5 سهم بسیار بالا و 1 سهم بسیار کم را نشان می دهد. شکل 3 a-g توزیع فضایی هفت عامل تأثیرگذار را در امتداد ساحل استان مسقط نشان می دهد.

3.2. پیاده سازی مدل آنتروپی

مدل آنتروپی که در ابتدا توسط شانون [ 23 ] معرفی شد، یک رویکرد مدیریتی است که برای از بین بردن بی نظمی، بی ثباتی و عدم قطعیت در سیستم استفاده می شود. در مطالعات ارزیابی خطر و خطر، مدل آنتروپی به طور گسترده برای تعیین شاخص وزنی مخاطرات طبیعی و برای منعکس کردن اولویت در عوامل خاص در تأثیرگذاری بر یک خطر خاص استفاده شده است [ 15 ، 19 ، 20 ، 21 ، 22 .]. برای نقشه‌برداری حساسیت سیل، مدل آنتروپی سهم عوامل مؤثر بر سیل در منطقه را اندازه‌گیری و منعکس می‌کند، که در آن عوامل وزن بالاتر بیشتر از عوامل وزن کم به خطر سیل کمک می‌کنند. بر اساس وزن عوامل می توان نقشه نهایی شاخص حساسیت به سیل ساحلی تهیه کرد. فرآیند محاسبه وزن در این مطالعه با کمک نرم افزار Microsoft Excel و ArcGIS 10.4 به شرح زیر است [ 16 ، 20 ].

اول، فرض کنید x j ( j = 1، 2، 3، …) فاکتورهای مختلف را نشان می دهد، و x i ( i = 1، 2، 3، …) نشان دهنده کلاس های این عوامل است. سپس مقدار صفت کلاس i در ضریب j با x ij نشان داده می شود و روش ارزیابی وزن را می توان بر اساس آن ساخت. از آنجایی که ابعاد مختلف بین عوامل مختلف در طول ارزیابی یکسان نیست، این عوامل باید با استفاده از رابطه (1) استاندارد شوند.

yمنj=ایکسمنj∑من=0مترایکسمنj ، 0≤yمنj ≤1

که در آن y ij مقدار وزن مخصوص در x ij است و m تعداد طبقات است.

دوم، آنتروپی هر عامل ej را با استفاده از رابطه (2) محاسبه کنید .

هj= -ک ∑من=1مترyمنjلوگاریتمyمنj، ک= 1لوگاریتممتر

که در آن e j مقدار آنتروپی است، و k یک مقدار ضریب مثبت است که با اندازه نمونه m (تعداد کلاس‌ها) تعیین می‌شود. k = 1/ln( m ) برای اطمینان از اینکه 0 ≤ e j ≤1 است.

درجه اختلاف ضریب بین عوامل مختلف h j با زیر معادله (3) محاسبه می شود، که در آن مقدار ضریب آنتروپی کوچکتر e j نشان دهنده تفاوت بیشتر بین عوامل h j است. از این رو، نشان می دهد که اثر عامل بیشتر است.

ساعتj=1-هj

سوم، وزن w j هر عامل j را با استفاده از رابطه (4) محاسبه کنید.

wj=ساعتj∑j=1nساعتj

که در آن w j وزن عوامل j و n تعداد فاکتورهای شرطی است که هر چه مقدار آنتروپی عامل کوچکتر باشد، وزن بیشتری در ارزیابی جامع می باشد.

پس از تعیین وزن نهایی برای هر عامل، نقشه شاخص حساسیت سیلاب ساحلی با استفاده از ابزار محاسبه‌گر شطرنجی ArcGIS تهیه و با استفاده از رابطه (5) محاسبه شد.

افاسمن=∑j=1nدبلیوj نorافj

در جایی که FSI درجه ای از شاخص حساسیت به سیل است، W j وزن هر عامل را نشان می دهد و Nor (F j ) نرخ نرمال شده برای هر عامل تأثیرگذار سیل است که مقداری بین 0 و 1 داشته باشد.

نقشه های حاصل از معادله (5) سپس به پنج کلاس حساسیت برای نقشه برداری، اعتبار سنجی و بحث، که شامل بسیار زیاد، زیاد، متوسط، کم و بسیار کم بود، طبقه بندی شدند. این طبقه بندی با استفاده از روش طبقه بندی کمی انجام شد.

4. نتایج و بحث

برای پیش‌بینی و ترسیم حساسیت استان مسقط به سیلاب‌های ساحلی، هفت عامل بر اساس رابطه (4) با استفاده از نرم‌افزار ArcGIS 10.4 و Microsoft Excel ارزیابی و وزن‌دهی شد. وزن های به دست آمده از این مدل آنتروپی برای هر عامل در شکل 4 خلاصه شده است، که در آن هر چه ضریب وزن بیشتر باشد، سهم احتمال سیل توسط آن عامل بیشتر است.
با توجه به مقادیر فاکتورهای وزنی، کاربری اراضی دارای بیشترین مقدار (0.7366) و پس از آن HSG (0.1221)، ارتفاع از سطح زمین (0.0568)، فاصله از ساحل (0.0344)، فاصله از وادی (0.0320) و فاصله از جاده قرار دارند. (0.0131)، در حالی که درجه شیب کمترین مقدار وزن (0.0049) را دارد. در نتیجه، کاربری زمین بیشترین سهم را در خطر سیل دارد، در حالی که درجه شیب کمترین تاثیر را بر سیلاب‌های ساحلی در منطقه دارد. این نتایج با تحقیقات قبلی ناسازگار است [ 16] برای همان منطقه انجام شد که نتیجه می‌گیرد که عامل HSG بیشترین سهم را در خطر سیل در ولایت‌های باوشار، موتره، مسقط و قریات دارد، در حالی که ضریب ارتفاع بالاترین سهم را در ولایت سیب دارد. این تفاوت ها به سه دلیل برمی گردد. اولین مورد این است که این مطالعه هفت عامل (ارتفاع زمین، درجه شیب، HSG، کاربری زمین، فاصله از خط ساحلی، فاصله از وادی و فاصله از جاده) را تجزیه و تحلیل کرد، در حالی که چهار عامل (ارتفاع زمین، درجه شیب، HSG، و فاصله از خط ساحلی) در مطالعه قبلی مورد تجزیه و تحلیل قرار گرفت. این نشان می دهد که اگر عوامل ورودی مدل تغییر کند، نتایج ارزیابی متعاقبا تغییر خواهد کرد. دلیل دوم مربوط به تکنیک‌های طبقه‌بندی به کار رفته در هر عامل برای طبقه‌بندی سهم آن‌ها در تأثیرگذاری بر سیل است. از آنجایی که تکنیک طبقه بندی عوامل ورودی تأثیرات عمده ای بر پیامدهای خطر سیل دارد. مطالعه قبلی عوامل را بر اساس ادبیات منتشر شده طبقه بندی کرد [26 ، 39 ، 54]. در حالی که در این مطالعه، یک تکنیک طبقه‌بندی کمی برای ارتفاع زمین، درجه شیب، فاصله از وادی و فاصله از عوامل جاده استفاده شد، در حالی که عوامل کاربری اراضی و HSG از طبقه‌بندی مبتنی بر واحد استفاده کردند. دلیل سوم به وسعت منطقه مورد مطالعه مربوط می شود، زیرا محدوده طبقه بندی بین دسته های هر عامل بر اساس اندازه منطقه مورد مطالعه تغییر می کند. مطالعه قبلی حساسیت به سیل ساحلی را برای هر ولایت استان مسقط به صورت جداگانه تحلیل کرد، در حالی که در این مطالعه استان مسقط به عنوان یک منطقه مورد تجزیه و تحلیل قرار گرفت. همچنین، شایان ذکر است که اکثر مطالعاتی که از روش آنتروپی برای ارزیابی رابطه بین وقوع سیل و عوامل مؤثر استفاده می‌کنند، نشان می‌دهند که هیچ عامل مشترکی بیش از سایر عوامل در خطر سیل وجود ندارد. برای مثال، نتایج این تحقیق نشان می دهد که کاربری اراضی بیشترین وزن را دارد که سهم بیشتری در وقوع سیل دارد. در مقایسه، نتیجه مطالعه [26 ] نشان داد که حداکثر وزن به ضریب چگالی زهکشی اختصاص می یابد، در حالی که مطالعه دیگری [ 54 ] به این نتیجه رسید که سنگ شناسی و انحنای بیشترین سهم را در وقوع سیل دارند. این امر ثابت می کند که نتایج هر مطالعه با استفاده از روش آنتروپی برای تجزیه و تحلیل رابطه بین وقوع سیل و عوامل بر اساس ویژگی های فیزیکی منطقه مورد بررسی و تعداد عوامل مورد استفاده است.
پس از تعیین وزن هر عامل، درجه نهایی شاخص حساسیت به سیل ساحلی با استفاده از رابطه (5) محاسبه شد. محدوده بین 1.028 و 5.311 یافت شد، که در آن مقادیر بالاتر نشان دهنده احتمال بالاتر سیل ساحلی است. برای اهداف نقشه برداری و بحث، از یک روش طبقه بندی کمی برای طبقه بندی مقدار به پنج ناحیه حساس استفاده شد: بسیار زیاد، زیاد، متوسط، کم و بسیار کم همانطور که در شکل 5 ارائه شده است. در این شکل رنگ قرمز مناطق با پتانسیل سیلابی بسیار بالا را منعکس می کند در حالی که رنگ سبز تیره مناطقی با پتانسیل سیل بسیار کم را منعکس می کند.
با توجه به شاخص حساسیت به سیل ساحلی، حدود 133.5 کیلومتر مربع از منطقه استخراج شده در معرض خطر سیلاب های ساحلی است. از این میزان، 23.29 کیلومتر مربع ( 17٪) به عنوان یک منطقه حساس به سیل بسیار بالا و حدود 27.59 کیلومتر مربع ( 21٪) به عنوان یک منطقه حساس به سیل شناخته شده است. ناحیه نسبتاً حساس 31.49 کیلومتر مربع ( 24٪) را تشکیل می دهد، در حالی که مناطق کم و بسیار کم حساسیت تقریباً 51.2 کیلومتر مربع ( 38٪) از منطقه در معرض را تشکیل می دهند. در داخل ولایت، ولایت قریات با حدود 39.21 کیلومتر مربع (29%) از کل منطقه در معرض تهدید، بیشترین سهم را از این تهدید دریافت می کند و پس از آن ولایت سیب با حدود 38.5 کیلومتر مربع قرار دارد .(29%). از سوی دیگر، نتایج حاکی از آن است که ولایات مسقط، باوشار و مطرح به ترتیب با حدود 30.42 کیلومتر مربع ( 23 درصد)، 18.79 کیلومتر مربع ( 14 درصد) و 6.62 کیلومتر مربع ( 5 درصد) در معرض خطر سیل هستند. . شایع ترین دلایلی که ولایت قریات بیشترین سهم را از این خطر دریافت می کند، مساحت ولایت در مقایسه با سایر ولایات است، در حالی که شایع ترین دلایل دریافت این خطر توسط ولایت سیب، نرخ بالای جمعیت و شهرنشینی در منطقه است. علاوه بر این، نوع کاربری زمین و عوامل HSG نیز بر اساس مدل آنتروپی به میزان زیادی در خطر سیل در این ولایت‌ها کمک می‌کنند.

5. نتیجه گیری ها

استان مسقط بارها تحت تاثیر سیل و تخریب های مرتبط با آن قرار گرفته است. بنابراین، ارزیابی احتمال وقوع سیل و وسعت مناطق مستعد در معرض این خطر به بخشی ضروری از راهبردهای پیش‌بینی و کاهش تبدیل شده است. در این مطالعه ابتدا از مدل آنتروپی شانون برای نقشه برداری و پیش بینی نقش هفت عامل تأثیرگذار در ایجاد سیلاب های ساحلی استفاده شد. با توجه به نتایج آنتروپی به‌دست‌آمده، فاکتورهای کاربری اراضی و HSG بیشترین رابطه را با وقوع سیل در منطقه مورد نظر دارند، زیرا نقش عمده‌ای در نفوذ آب و رواناب سطحی دارند. از سوی دیگر، عامل تأثیرگذار درجه شیب کمترین تأثیر را بر حساسیت سیل دارد. در مرحله بعد با استفاده از رابطه (5) شاخص حساسیت به سیل ساحلی محاسبه شد. سرانجام، نقشه پهنه‌بندی حساسیت سیلاب ساحلی با طبقه‌بندی شاخص حساسیت به سیل با استفاده از روش طبقه‌بندی کمیت در پنج کلاس پتانسیل سیل شامل خیلی زیاد، زیاد، متوسط، کم و خیلی کم تهیه شد. در نتیجه 133.5 کیلومتر2 که 36 درصد از مساحت استخراج شده را در معرض خطر سیل قرار می دهد.
بر اساس ارزیابی کلی، نتیجه این مطالعه می تواند به عنوان یک منبع مفید برای مطالعات آتی باشد. سازمان‌های دولتی محلی و تصمیم‌گیرندگان نیز می‌توانند نقشه حساسیت تولید شده در این مطالعه را به عنوان گامی مقدماتی در برنامه‌ها و استراتژی‌های کلی مدیریت سیل برای کاهش خسارات و خسارات احتمالی سیل اتخاذ کنند. به عنوان یک مرحله دیگر، توصیه می شود صحت نتیجه به دست آمده را با مقایسه آن با یک رویداد سیل واقعی، مانند سیل در طول طوفان های Gonu و Phet تأیید کنید.

منابع

  1. اثرات تغییر آب و هوا – سواحل – محیط زیست – کمیسیون اروپا. در دسترس آنلاین: https://ec.europa.eu/environment/iczm/state_coast.htm (در 17 ژانویه 2021 قابل دسترسی است).
  2. سامانتا، RK; Bhunia، GS; شیت، پی کی; پورقاسمی، نگاشت حساسیت به سیل منابع انسانی با استفاده از تکنیک نسبت فرکانس جغرافیایی: مطالعه موردی حوضه رودخانه سوبارنارخا، هند. مدل. سیستم زمین محیط زیست 2018 ، 4 ، 395-408. [ Google Scholar ] [ CrossRef ]
  3. خبرنامه Cred Crunch، شماره 58 (آوریل 2020)—فاجعه 2019: سال در حال بررسی. در دسترس آنلاین: https://reliefweb.int/report/world/cred-crunch-newsletter-issue-no-58-april-2020-disaster-2019-year-review (در 5 آوریل 2021 قابل دسترسی است).
  4. واژه نامه EM-DAT. در دسترس آنلاین: https://www.emdat.be/Glossary#letter_c (در 5 آوریل 2021 قابل دسترسی است).
  5. مراکز کنترل و پیشگیری از بیماری (CDC). سیل ساحلی، تغییرات آب و هوایی و سلامتی شما: برای آماده سازی چه کاری می توانید انجام دهید . مراکز کنترل و پیشگیری از بیماری (CDC): آتلانتا، GA، ایالات متحده آمریکا، 2017. [ Google Scholar ]
  6. تهرانی، ام اس; کومار، ال. شعبانی، ف. تکنیک جدید گروه مبتنی بر GIS برای نگاشت حساسیت به سیل با استفاده از تابع اعتقاد شواهد و ماشین بردار پشتیبان: بریزبن، استرالیا. PeerJ 2019 ، 7 . [ Google Scholar ] [ CrossRef ]
  7. Abdalla, R. یک چارچوب مبتنی بر وابستگی متقابل زیرساخت برای استفاده از GIS شبکه محور به عنوان فناوری اصلی در مدیریت بلایا ، ویرایش اول. انتشارات پژوهشگران: موریس، 2018; شابک 978-620-2-31105-2. [ Google Scholar ]
  8. رحمان، م. نینگشنگ، سی. اسلام، م.م. دوان، ا. اقبال، ج. Washakh, RMA; Shufeng، T. ارزیابی حساسیت به سیل در بنگلادش با استفاده از یادگیری ماشین و تجزیه و تحلیل تصمیم گیری چند معیاره. سیستم زمین محیط زیست 2019 ، 3 ، 585–601. [ Google Scholar ] [ CrossRef ]
  9. سانتانجلو، ن. سانتو، آ. دی کرچنزو، جی. فوسکاری، جی. لیوزا، وی. اسکیروتا، اس. Scorpio، V. ارزیابی حساسیت به سیل در یک مخروط افکنه بسیار شهری شده: مطالعه موردی سالا کونسیلینا (جنوب ایتالیا). نات. سیستم خطرات زمین. علمی 2011 ، 11 ، 2765-2780. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  10. الحداد، کارشناسی; یوسف، ع.م. پورقاسمی، HR; پرادان، بی. الشاطر، ع.-ح. پیش‌بینی حساسیت سیل الخشاب، MH با استفاده از چهار تکنیک یادگیری ماشین و مقایسه عملکرد آنها در حوضه وادی قنا، مصر. نات. خطرات 2020 ، 105 ، 83-114. [ Google Scholar ] [ CrossRef ]
  11. چودوری، آی. پال، SC; چاکرابورتی، R. نگاشت حساسیت به سیل توسط تابع باور شواهدی گروه و مدل رگرسیون لجستیک دو جمله ای در حوضه رودخانه شرق هند. Adv. Space Res. 2020 ، 65 ، 1466-1489. [ Google Scholar ] [ CrossRef ]
  12. تهرانی، ام اس; کومار، ال. جبور، MN; شعبانی، ف. ارزیابی کاربرد روش شاخص آماری در نقشه‌برداری حساسیت به سیل و مقایسه آن با روش‌های نسبت فراوانی و رگرسیون لجستیک. Geomat. نات. خطر خطرات 2019 ، 10 ، 79-101. [ Google Scholar ] [ CrossRef ]
  13. تهرانی، ام اس; جونز، اس. شعبانی، ف. شناسایی عوامل شرطی‌سازی سیلاب برای نقشه‌برداری مناطق مستعد سیل با استفاده از تکنیک‌های یادگیری ماشین. Catena 2019 ، 175 ، 174–192. [ Google Scholar ] [ CrossRef ]
  14. ابوالمغد، س. عامر، RA; Embaby، A. تصمیم گیری چند معیاره برای تجزیه و تحلیل سیلاب های ناگهانی: مطالعه موردی اولاد توق-شرق، جنوب شرقی سوهاگ، مصر. ج.عفر. علوم زمین 2020 , 162 , 103709. [ Google Scholar ] [ CrossRef ]
  15. خسروی، ک. فام، بی تی؛ چاپی، ک. شیرزادی، ع. شهابی، ح. Revhaug، I. پراکاش، آی. Tien Bui, D. A Comparative Assessment of Decision Trees Algorithms for Decision Trees Algorithms for Stream flood Stability Modeling در حوزه آبخیز هراز، شمال ایران. علمی کل محیط. 2018 ، 627 ، 744-755. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  16. الحنایی، حی; Abdalla, R. پیش بینی فضایی مناطق مستعد سیل ساحلی در استان مسقط با استفاده از روش وزنی آنتروپی. در معاملات WIT در علوم مهندسی ; WIT Press: ساوتهمپتون، بریتانیا، 2020؛ جلد 129، ص 121–133. [ Google Scholar ]
  17. لیو، YB; De Smedt, F. مدلسازی سیل برای زمین های پیچیده با استفاده از GIS و اطلاعات سنجش از دور. منبع آب مدیریت 2005 ، 19 ، 605-624. [ Google Scholar ] [ CrossRef ]
  18. کاستاش، آر. فام، QB; آوند، م. Thuy Linh، NT; ووتک، م. ووتکووا، جی. لی، اس. خوی، DN; تائو نی، PT; Dung، مدل‌های ترکیبی جدید TD بین آمار دو متغیره، شبکه‌های عصبی مصنوعی و الگوریتم‌های تقویت‌کننده برای ارزیابی حساسیت سیل. جی. محیط زیست. مدیریت 2020 , 265 , 110485. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  19. چارلتون، آر. فیلی، آر. مور، اس. سوینی، جی. مورفی، سی. ارزیابی تاثیر تغییر آب و هوا بر تامین آب و خطر سیل در ایرلند با استفاده از روش‌های کاهش مقیاس آماری و مدل‌سازی هیدرولوژیکی. صعود چانگ. 2006 ، 74 ، 475-491. [ Google Scholar ] [ CrossRef ]
  20. لیو، بی. مدل‌سازی ارزیابی ریسک چند خطر: مطالعه موردی در دلتای رودخانه یانگ تسه، چین. Ph.D. پایان نامه، دانشگاه لیدز، لیدز، انگلستان، 2015. [ Google Scholar ]
  21. لیو، بی. Siu، YL; میچل، جی. تجزیه و تحلیل تعامل خطر برای ارزیابی ریسک چند خطر: طبقه‌بندی سیستماتیک بر اساس محیط شکل‌دهنده خطر. نات. سیستم خطرات زمین. علمی 2016 ، 16 ، 629-642. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  22. کاستاش، آر. فام، QB; شریفی، ا. Linh، NTT؛ آبا، SI; ووتک، م. ووتکووا، جی. Nhi، PTT; Khoi، DN ارزیابی حساسیت فلاش-سیلاب با استفاده از تصمیم گیری چند معیاره و یادگیری ماشینی با پشتیبانی از تکنیک های سنجش از دور و GIS. Remote Sens. 2020 , 12 , 106. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  23. شانون، سی تئوری ریاضی ارتباطات. بل سیست. فنی J. 1948 , 27 , 379-423. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  24. جعفری، ع. نجفی، ع. پورقاسمی، HR; رضاییان، ج. ستاریان، الف. نسبت فراوانی مبتنی بر GIS و شاخص مدل‌های آنتروپی برای ارزیابی حساسیت زمین لغزش در جنگل خزر، شمال ایران. بین المللی جی. محیط زیست. علمی تکنولوژی 2014 ، 11 ، 909-926. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. لیو، آر. چن، ی. وو، جی. گائو، ال. بارت، دی. خو، تی. لی، ایکس. لی، ال. هوانگ، سی. یو، جی. ادغام بیزهای ساده بر اساس آنتروپی و GIS برای ارزیابی فضایی خطر سیل. ریسک مقعدی 2017 ، 37 ، 756-773. [ Google Scholar ] [ CrossRef ]
  26. حقی زاده، ع. سیاهکمری، س. حقيابي، ق. رحمتی، او. پیش بینی مناطق سیل خیز با استفاده از مدل آنتروپی شانون. J. Earth Syst. علمی 2017 ، 126 ، 39. [ Google Scholar ] [ CrossRef ]
  27. سیاهکمری، س. حقی زاده، ع. زینی وند، ح. طهماسبی پور، ن. رحمتی، او. پیش‌بینی فضایی مناطق مستعد سیل با استفاده از مدل‌های نسبت فرکانس و حداکثر آنتروپی. Geocarto Int. 2018 ، 33 ، 927-941. [ Google Scholar ] [ CrossRef ]
  28. آرورا، ا. پاندی، م. صدیقی، م. هونگ، اچ. میشا، VN پیش‌بینی حساسیت سیلاب فضایی در دشت گنگای میانی: مقایسه نسبت فرکانس و مدل‌های آنتروپی شانون. Geocarto Int. 2019 ، 1–32. [ Google Scholar ] [ CrossRef ]
  29. Hereher، ME تخمین ماهانه دمای هوای سطحی از داده‌های سری زمانی MODIS LST: کاربرد در بیابان‌ها در سلطان نشین عمان. محیط زیست نظارت کنید. ارزیابی کنید. 2019 ، 191 ، 592. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  30. Al-Awadhi, T. استفاده از RS و GIS برای ارزیابی اثرات طوفان های استوایی: مطالعه موردی از A’Seeb، مسقط پس از طوفان GONU. در WWRP 2-2010، مجموعه مقالات اولین کنفرانس بین المللی WMO در مورد طوفان های استوایی اقیانوس هند و تغییرات آب و هوایی، مسقط، سلطان نشین عمان، 8 تا 11 مارس 2009 . سازمان جهانی هواشناسی: ژنو، سوئیس، 2010; صص 95-104. [ Google Scholar ]
  31. وب سایت وزارت کشور، سلطان نشین عمان. در دسترس آنلاین: https://www.moi.gov.om/ar-om/governorates/muscat (در 5 آوریل 2021 قابل دسترسی است).
  32. داشبورد جمعیت مرکز ملی آمار و اطلاعات. در دسترس آنلاین: https://portal.ecensus.gov.om/ecen-portal/ (در 16 ژانویه 2021 قابل دسترسی است).
  33. العوضی، ت. چودری، BS; Charabi, Y. رشد جمعیت ساحلی: قرار گرفتن در معرض احتمالی در معرض افزایش سطح دریا و سیل ناشی از طوفان ناشی از آن در سلطان نشین عمان. جی. محیط زیست. مدیریت تور. 2016 ، 7 . [ Google Scholar ] [ CrossRef ]
  34. بیوزن-والر، تی. استفان، پی. پاولوپولوس، ک. دسرولس، اس. مراست، ا. پوئو، اس. ژیرو، جی. فواش، É. بررسی زمین باستان شناسی دشت ساحلی قریات (عمان). کوات. بین المللی 2019 ، 532 ، 98-115. [ Google Scholar ] [ CrossRef ]
  35. Kwarteng، AY ارزیابی تصاویر سنجش از دور مناطق تحت تأثیر شدید طوفان Gonu در مسقط، سلطان نشین عمان. در اقیانوس هند طوفان های استوایی و تغییرات آب و هوایی ; چارابی، ی.، ویرایش. Springer: Dordrecht، هلند، 2010; صص 223-232. شابک 978-90-481-3108-2. [ Google Scholar ]
  36. الرواس، ج.ا. والئو، سی. خان، UT; الحافظ، OH اثرات فرم شهری بر تحلیل فرکانس جریان وادی در حوضه آبخیز وادی عدی در مسقط، عمان. Urban Water J. 2015 ، 12 ، 263-274. [ Google Scholar ] [ CrossRef ]
  37. الرواس، GA مدل سازی سیل فلش در عمان وادیس. Ph.D. پایان نامه، گروه مهندسی عمران، دانشگاه کلگری، کلگری، AB، کانادا، 2009. [ Google Scholar ]
  38. الحنای، ارزیابی خطر سونامی HY در امتداد سواحل سلطان نشین عمان با استفاده از فناوری های زمین فضایی. پایان نامه کارشناسی ارشد، دانشگاه خلیج عربی، منامه، بحرین، 2013. [ Google Scholar ]
  39. الحتروشی، س. العلوی، ح. ارزیابی تأثیر خطر سیل ناشی از طوفان های استوایی بر استفاده از زمین با استفاده از سنجش از دور و GIS در وادی عدی: سلطنت عمان. در مجموعه مقالات سی و چهارمین سمپوزیوم بین المللی سنجش از دور محیط زیست – عصر GEOSS: به سوی پایش محیطی عملیاتی، سیدنی، NSW، استرالیا، 10 تا 15 آوریل 2011. [ Google Scholar ]
  40. بیرن، دی. Sykes, LR; زمین لرزه های دیویس، DM بزرگ رانش و لغزش لرزه ای در امتداد مرز صفحه منطقه فرورانش مکران. جی. ژئوفیس. Res. زمین جامد 1992 ، 97 ، 449-478. [ Google Scholar ] [ CrossRef ]
  41. اوکال، EA؛ فریتز، اچ ام. رعد، PE; سینولاکیس، سی. الشیجبی، ی. السیفی، M. بررسی میدانی عمان پس از سونامی اقیانوس هند در دسامبر 2004. زمین Spectra 2006 , 22 , 203-218. [ Google Scholar ] [ CrossRef ]
  42. تهرانی، ام اس; کومار، ال. کاربرد یک تابع اعتقاد شواهد مبتنی بر دمپستر-شفر در نگاشت حساسیت به سیل و مقایسه با نسبت فرکانس و روش‌های رگرسیون لجستیک. محیط زیست علوم زمین 2018 ، 77 ، 1-24. [ Google Scholar ] [ CrossRef ]
  43. رحمتی، ا. زینی وند، ح. بشارت، م. پهنه بندی خطر سیل در منطقه یاسوج، ایران، با استفاده از GIS و تجزیه و تحلیل تصمیم گیری چند معیاره. Geomat. نات. خطر خطرات 2016 ، 7 ، 1000-1017. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  44. خسروی، ک. نوهانی، ا. ماروفی نیا، ای. پورقاسمی، HR ارزیابی حساسیت سیل مبتنی بر GIS و نقشه برداری آن در ایران: مقایسه ای بین نسبت فراوانی و مدل های آماری دو متغیره وزن شواهد با تکنیک تصمیم گیری چند معیاره. نات. خطرات 2016 ، 83 ، 947-987. [ Google Scholar ] [ CrossRef ]
  45. ابراهیم بثیس، ک. احمد، SA فناوری ژئوفضایی برای تعیین مناطق بالقوه آب زیرزمینی در حوضه آبخیز Doddahalla در منطقه Chitradurga، هند. مصر. J. Remote Sens. Space Sci. 2016 ، 19 ، 223-234. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  46. نیلسن، RD; Hjelmfelt، AT Hydrologic Soil Assignment. Proc. منبع آب مهندس 1998 ، 1297-1302. [ Google Scholar ]
  47. رحمتی، ا. پورقاسمی، HR; زینی وند، ح. نگاشت حساسیت به سیل با استفاده از مدل های نسبت فراوانی و وزن شواهد در استان گلستان، ایران. Geocarto Int. 2016 ، 31 ، 42-70. [ Google Scholar ] [ CrossRef ]
  48. الزهرانی، م. العارق، ع. شریف، HO برآورد پتانسیل سیل شهری در نزدیکی خروجی یک حوضه آبریز خشک در عربستان سعودی. Geomat. نات. خطر خطرات 2017 ، 8 ، 672-688. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  49. شوستر، دبلیو. بونتا، جی. ترستون، اچ. وارنمونده، ای. اسمیت، DR تأثیرات سطح نفوذناپذیر بر هیدرولوژی حوضه: بررسی. Urban Water J. 2005 , 2 , 263-275. [ Google Scholar ] [ CrossRef ]
  50. مرکز ملی آمار و اطلاعات عمان. زیرساخت ملی داده های مکانی (NSDI). در دسترس آنلاین: https://ncsi.gov.om/Pages/NCSI.aspx (در 5 آوریل 2021 قابل دسترسی است).
  51. تهرانی، ام اس; پرادان، بی. منصور، س. احمد، ن. ارزیابی حساسیت به سیل با استفاده از مدل ماشین بردار پشتیبان مبتنی بر GIS با انواع مختلف هسته. Catena 2015 ، 125 ، 91-101. [ Google Scholar ] [ CrossRef ]
  52. روش های طبقه بندی داده ها – ArcGIS Pro. مستندات. در دسترس آنلاین: https://pro.arcgis.com/en/pro-app/help/mapping/layer-properties/data-classification-methods.htm (در 27 آوریل 2020 قابل دسترسی است).
  53. چاپی، ک. سینگ، معاون; شیرزادی، ع. شهابی، ح. Bui، DT; فام، بی تی؛ خسروی، ک. یک رویکرد جدید هوش مصنوعی ترکیبی برای ارزیابی حساسیت به سیل. محیط زیست مدل. نرم افزار 2017 ، 95 ، 229-245. [ Google Scholar ] [ CrossRef ]
  54. جوارنه، ر.ن. الموشایکی، نقش SS تنظیمات فیزیکی در افزایش خطر سیل در مناطق ساخته شده مسقط (2007-2015) با استفاده از GIS. J. Arts Soc. علمی 2018 ، 9 ، 65-78. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Ijgi 10 00252 g001 550
شکل 1. نقشه موقعیت استان مسقط و ولایات آن.
Ijgi 10 00252 g002 550
شکل 2. روش اتخاذ شده برای این مطالعه: (VL) بسیار کم، (L) کم، (M) متوسط، (H) زیاد و (VH) بسیار زیاد است.
Ijgi 10 00252 g003a 550 Ijgi 10 00252 g003b 550
شکل 3. توزیع فضایی عوامل تأثیرگذار. ( الف ) ارتفاع زمین؛ ( ب ) شیب؛ ( ج ) HSG; د ) کاربری زمین؛ ( ه ) فاصله از وادی; ( و ) فاصله از ساحل؛ و ( ز ) فاصله از جاده.
Ijgi 10 00252 g004 550
شکل 4. مقادیر عامل آنتروپی ( e j ) و وزن ( w j ).
Ijgi 10 00252 g005 550
شکل 5. شاخص حساسیت به سیل ساحلی برای ( الف ) استان مسقط، ( ب ) ولایت سیب، ( ج ) ولایت باوشار، ( د ) ولایت مسقط، ( ه ) ولایت موتره و ( f ) ولایت قریات.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید