خلاصه

سیل ناگهانی یکی از مخرب ترین بلایای طبیعی است. شناسایی جامع ویژگی‌های مکانی و زمانی و عوامل محرک یک سیل ناگهانی، مبنایی برای درک علمی مکانیسم تشکیل و ویژگی‌های توزیع سیل‌های ناگهانی است. در این مطالعه، الگوهای مکانی و زمانی سیل ناگهانی در استان فوجیان از سال 1951 تا 2015 بررسی شد. سپس، نیروهای محرک سیل ناگهانی در مناطق ژئومورفیک با سه درجه متفاوت بر اساس سه روش آشکارساز جغرافیایی، تجزیه و تحلیل مؤلفه‌های اصلی مورد تجزیه و تحلیل قرار گرفت. و رگرسیون خطی چندگانه. در نهایت، حساسیت سیلاب های ناگهانی به تولید ناخالص داخلی، تراکم نقطه روستا، حداکثر بارش سالانه یک روزه (Rx1day) و بارش کل سالانه از روز > صدک 95 (R95p) مورد تجزیه و تحلیل قرار گرفت. نتایج تحلیلی نشان داد که (1) تعداد سیلاب‌های ناگهانی از سال 1988 به شدت افزایش یافته است، و توزیع مکانی سیل‌های ناگهانی عمدتاً از کوه‌های کم ارتفاع ساحلی، تپه‌ها و مناطق دشت فوجیان (IIA2) تا کوه‌های میانی کم گسترش یافته است. تپه‌ها و مناطق دره‌ای در کوه‌های Wuyi (IIA4) از سال 1951 تا 2015. (2) از IIA2 تا IIA4، تأثیر فعالیت‌های انسانی بر سیل‌های ناگهانی به تدریج تضعیف شد، در حالی که سهم شاخص‌های بارش به تدریج تقویت شد. (3) نتایج تحلیل حساسیت نشان داد که عوامل خطر سیل ناگهانی در دوره‌ها و مناطق مختلف در استان فوجیان تفاوت معنی‌داری دارند. بر اساس نتایج فوق، پیش‌بینی دقیق بارش‌های شدید و بهبود مدل توسعه اقتصادی منطقه IIA2 ضروری است.

کلید واژه ها:

سیل ناگهانی ؛ الگوهای فضایی و زمانی نیروهای محرک ؛ منطقه بندی ژئومورفیک ; حساسیت ؛ استان فوجیان

1. معرفی

سیل ناگهانی یک روان آب شدید سطحی است که در اثر بارش شدید در یک حوزه آبخیز کوچک با مساحت کمتر از 100 کیلومتر مربع ایجاد می شود. سیل های ناگهانی با ناگهانی، آسیب شدید و تخریب شدید مشخص می شوند [ 1 ، 2 ]. طبق آمار سازمان جهانی هواشناسی، سیل‌های ناگهانی بیشترین تلفات را در بین تمام حوادث بلایای ناشی از سیل ایجاد می‌کنند و سیل‌های ناگهانی با در نظر گرفتن تمام بلایای طبیعی در 75 درصد موارد، از نظر تلفات دارایی جزو 10 کشور برتر هستند. کشورهای تحت تأثیر [ 3 ]. در ایالات متحده، در مجموع 21549 سیل ناگهانی از سال 2006 تا 2010 رخ داده است. این سیل ها باعث مجروح شدن 224 نفر و مرگ 326 نفر شدند [ 4 ]]. سیل ناگهانی فاجعه بار در سال 1997 در سومالی باعث مرگ 2311 نفر شد که تقریباً 18٪ از کل جمعیت آسیب دیده را شامل می شود [ 5 ]. در حوضه رودخانه روبی در اسپانیا، 441 مرگ و خسارات تقریباً 2650 میلیون یورویی به سیل‌های ناگهانی که در سپتامبر 1962 رخ داد نسبت داده شد [ 6 ]. چین دارای قلمرو وسیع و محیط زیست جغرافیایی پیچیده ای است و به طور همزمان تحت تأثیر آب و هوای شدید، فعالیت های اجتماعی انسانی و سایر عوامل قرار دارد [ 7 ، 8 ]. به دلیل این شرایط، چین تحت تاثیر شدیدترین اثرات در جهان به دلیل سیل های ناگهانی قرار گرفته است [ 9 ]]. از آغاز قرن بیست و یکم، 80 درصد از کل مرگ و میر ناشی از سیل در چین ناشی از سیل ناگهانی بوده است [ 9 ]. در این زمینه، شورای ایالتی “طرح ملی پیشگیری و کنترل بلایای سیل ناگهانی (NFFDPCP)” را در اکتبر 2006 تصویب کرد [ 10 ]، و “پروژه ملی بررسی و ارزیابی سیل ناگهانی (NFFIEP)” در سال 2013 راه اندازی شد [ 11 ]. . این برنامه ها یک پایه داده قابل اعتماد برای پایش و پیش بینی سیلاب های ناگهانی فراهم می کنند.
پس از بررسی مطالعات قبلی، تحقیقات در مورد سیل های ناگهانی بر جنبه های زیر متمرکز شده است: اول، ارزیابی خطر سیل های ناگهانی، که شامل ارزیابی خطر و آسیب پذیری است [ 12 ، 13 ]. این مطالعات تحقیقاتی عمدتاً در مقیاس شهرستانی و استانی انجام شد [ 14 ، 15 ، 16 ]. دوم، مکانیسم‌های سیل ناگهانی، از جمله فرآیند وقوع، توسعه، و تأثیر [ 6 ، 17 ]. به طور خاص، سیستم های هشدار سیل ناگهانی بر اساس این مطالعات مکانیزم ایجاد شده است که با بارندگی بحرانی، سطح بحرانی آب و سایر عوامل ترکیب شده است [ 18 ، 19 ]]. شبیه‌سازی‌های سناریوی سیل‌های ناگهانی با استفاده از سیستم Mike Flood and Flood Area توسط برخی محققین انجام شده است [ 20 ، 21 ]. این مطالعات عمدتاً بر روی خندق های سیل آسا یا در مقیاس حوضه آبخیز انجام شده است [ 22 ، 23 ]. در نهایت، برخی از محققان الگوهای مکانی و زمانی و نیروهای محرک سیل های ناگهانی را بررسی کرده اند [ 24 ، 25 ]. تحلیل‌های الگوی مکانی-زمانی مبتنی بر تغییرات مکانی-زمانی تاریخی در یک سری زمانی طولانی بود. شرایط سطوح زیرین، توزیع فعالیت جمعیت و بارش برای تشخیص نیروی محرکه انتخاب شدند [ 25 ، 26 ، 27]. علاوه بر این، یک تجزیه و تحلیل کمی برای نیروی محرکه عوامل متعددی انجام شد که می‌تواند به درک شکل‌گیری سیلاب‌های ناگهانی کمک کند [ 28 ]. به طور کلی، یک استان داخلی یا یک شهرستان به عنوان هدف پژوهش انتخاب شد.
با این حال، مطالعات موجود در مورد الگوهای مکانی-زمانی و عوامل محرک برای سیلاب‌های ناگهانی مشکلاتی نیز دارد. ابتدا برخی از عوامل دینامیکی توسط عوامل ایستا منعکس شدند و جنبه تغییرات مکانی – زمانی عوامل پویا نادیده گرفته شد. این عوامل پویا شامل توزیع جمعیت، بارندگی، پوشش گیاهی و کاربری زمین است. بنابراین، نتایج مربوطه به اندازه کافی دقیق و عینی نبود. دوم، چند مطالعه اثر فعالیت‌های انسانی را بر سیلاب‌های ناگهانی نشان داده‌اند، اما تحقیقات در مورد واکنش سیل‌های ناگهانی به تشدید تدریجی فعالیت‌های انسانی و بارش هنوز نادر است. در نهایت، مطالعات قبلی تعامل بین دو عامل محرک را شناسایی کرده‌اند [ 28 ، 29]، اما نتایج به اندازه کافی نرخ سهم هر یک از عوامل محرک را منعکس نمی کند. بنابراین، تحقیق از منظر اثر متقابل عوامل متعدد با سیلاب‌های ناگهانی بسیار توصیه می‌شود. به طور خاص، استان فوجیان، در خط مقدم اصلاحات و گشایش در چین، دارای تراکم جمعیت بالا و اقتصاد توسعه یافته است [ 30 ]، اما به شدت تحت تاثیر رویدادهای بارش شدید، مانند طوفان های استوایی [ 31 ] است. علاوه بر این، ویژگی های سیل ناگهانی در استان فوجیان هنوز ناشناخته است. علاوه بر این، توزیع بارش و فعالیت های انسانی توسط اشکال توپوگرافی در استان فوجیان محدود شده است [ 32]. به طور کلی، دانستن تفاوت توزیع فضایی از ساحل به داخل کشور ضروری است.
بنابراین، در این مطالعه، یک سری طولانی‌مدت از رویدادهای سیل ناگهانی برای تجزیه و تحلیل تغییرات مکانی-زمانی در استان فوجیان از سال 1951 تا 2015 با استفاده از آزمون من-کندال و روش بیضی انحراف استاندارد (SDE) استفاده شد. سپس، یک مدل آشکارساز جغرافیایی، تجزیه و تحلیل مؤلفه اصلی (PCA) و رگرسیون خطی چندگانه (MLR) برای ارزیابی کمی قدرت توضیحی تک عاملی و نرخ مشارکت تعامل عوامل محرک چندگانه (شامل عوامل دینامیکی چند دوره) با الگوهای فضایی سیل‌های ناگهانی بر اساس منطقه‌بندی ژئومورفیک سه درجه (GR). در نهایت، یک مدل رگرسیون وزن‌دار جغرافیایی و زمانی (GTWR) برای بررسی حساسیت‌های سیل ناگهانی به تراکم جمعیت (POP)، تراکم تولید ناخالص داخلی (GDP)، تراکم نقطه روستا (VPD) اتخاذ شد. و طوفان باران (PII). هدف اصلی ارائه منابع اولیه برای پیشگیری از سیلاب‌های ناگهانی بود.

2. مواد و روشها

2.1. منطقه مطالعه

استان فوجیان (115°40′-120°30′ شرقی، 23°30′-28°20′ شمالی) در سواحل جنوب شرقی چین واقع شده است ( شکل 1 )، در لبه قاره آسیا، رو به شرق به سمت شرق. تنگه تایوان استان فوجیان به عنوان خط مقدم اصلاحات و گشایش در چین، با اقتصاد توسعه یافته و تراکم جمعیت بالا مشخص می شود. جمعیت و تراکم تولید ناخالص داخلی در پایان سال 2017 به ترتیب 39.11 میلیون و 3.58 تریلیون RMB بود [ 33 ]. علاوه بر این، استان فوجیان دارای زمین های پیچیده است و رشته کوه های غربی و مرکزی به موازات تپه های ساحلی هستند که اسکلت توپوگرافی استان فوجیان را تشکیل می دهند [ 34 ]. دارای سیستم آبی متراکم با رودخانه های متعدد و تراکم شبکه رودخانه 0.1 کیلومتر بر کیلومتر مربع است .. ساختار خاک در ناحیه شمال مرکزی سست، با هوازدگی قوی و تپه های کم شیب در جنوب شرقی [ 35 ]. از نظر شرایط آب و هوایی، استان فوجیان در سواحل غربی اقیانوس آرام با آب و هوای نیمه گرمسیری اقیانوسی موسمی واقع شده است و این منطقه به شدت تحت تأثیر طوفان های استوایی قرار دارد. در این منطقه، نور کافی و بارندگی فراوان است، با میانگین دمای سالانه 17 درجه سانتیگراد تا 21 درجه سانتیگراد و دامنه بارندگی سالانه 1400-2000 میلی متر [ 36 ]. طبق تحقیقات قبلی، تقریباً 95٪ از مساحت زمین و 84٪ از جمعیت در معرض خطر سیلاب قرار دارند [ 37 ]. بنابراین، این یکی از مناطقی است که آسیب پذیرترین مناطق در برابر سیلاب های مکرر در چین است.

2.2. داده ها

در این مطالعه، داده های سیل ناگهانی از مجموعه داده NFFIEP به دست آمد. این مجموعه داده شامل 30 استان در چین با مساحت 7.55 میلیون کیلومتر مربع و جمعیتی نزدیک به 900 میلیون است. علاوه بر این، داده های ویژگی (به عنوان مثال، موقعیت و زمان) سیلاب های ناگهانی در قالب نقاط [ 2 ] جمع آوری شد. در این تحقیق داده ها بر اساس سه بعد شاخص فعالیت انسانی، شاخص بارش و شاخص محیطی سطحی جمع آوری شد. مجموعه داده ها در جدول 1 فهرست شده اند .
عوامل فعالیت انسانی شامل تراکم جمعیت (POP؛ واحد: فرد/کیلومتر مربع ) ، تراکم تولید ناخالص داخلی (GDP؛ واحد: یوان/کیلومتر مربع ) ، تراکم جاده (RD؛ واحد: کیلومتر/کیلومتر 2 )، و تراکم نقطه روستا ( VPD؛ واحد: روستا/کیلومتر 2 ). این شاخص ها شدت فعالیت های انسانی در استان فوجیان را منعکس می کند.
شاخص های بارش از مشاهدات روزانه بارش محاسبه شد. داده های بارش روزانه برای 50 ایستگاه هواشناسی از سال 1951 تا 2015 در استان فوجیان و اطراف آن از اطلاعات ملی هواشناسی چین (CMA) به دست آمد [ 38 ]]، و داده ها برای تجزیه و تحلیل تغییرات مکانی و زمانی بارش در استان فوجیان استفاده شد. علاوه بر این، با توجه به میزان بارش روزانه، چهار شاخص بارش استخراج شد: حداکثر بارش سالانه یک روزه (Rx1day; mm)، بارش کل سالانه از روزهای > صدک 95 (R95p; mm)، بارش کل سالانه از روزها > صدک 99 R99p؛ میلی متر)، شمارش سالانه زمانی که بارندگی ≥ 50 میلی متر (روز P50) بود. این عوامل توسط تیم متخصص در تشخیص و شاخص‌های تغییرات آب و هوایی (ETCCDI) [ 39 ] توصیه شد. این شاخص‌های بارش برای انعکاس تأثیر شدت بارش بر سیل‌های ناگهانی در فوجیان استفاده شد.
شاخص محیط سطح شامل پوشش کسری پوشش گیاهی (VFC؛ بدون واحد)، ارتفاع (ELE؛ واحد: m)، کاربری زمین (LU؛ بدون واحد)، بافت خاک (ST؛ بدون واحد)، و سنگ‌شناسی سازند (FL؛ بدون واحد) بود. در میان آنها، ELE از مدل رقومی ارتفاع (DEM) استخراج شد که از سایت ابر داده های جغرافیایی، مرکز اطلاعات شبکه کامپیوتری، آکادمی علوم چین (GDC) [ 40 ] به دست آمد. VFC، LU، ST، و FL از مرکز داده برای منابع و علوم محیطی، آکادمی علوم چین (RESDC) جمع آوری شد [ 41 ].
علاوه بر این، منطقه‌بندی ژئومورفیک سه درجه‌ای (GR) از آزمایشگاه کلیدی دولتی منابع و سیستم اطلاعات محیطی، مؤسسه علوم جغرافیایی و تحقیقات منابع طبیعی استخراج شد. GR سه درجه در استان فوجیان به کوه های کم ارتفاع ساحلی، تپه ها و مناطق دشت فوجیان (IIA2) تقسیم شد. کوه‌ها، تپه‌ها و نواحی دره‌ای در مرکز فوجیان وسطی (IIA3)؛ و کوه‌ها، تپه‌ها و دره‌های میانی پایین در کوه‌های Wuyi (IIA4).

2.3. روش شناسی

2.3.1. تحلیل فضایی و زمانی

(1) آزمون من-کندال (MK).
برای تجزیه و تحلیل الگوی زمانی، آزمون آماری MK در بسیاری از مطالعات شناسایی و استفاده شده است [ 42 ]، و به طور گسترده در تجزیه و تحلیل روند سری زمانی برای مطالعات هیدرولوژی، هواشناسی و بلایای طبیعی استفاده می شود [ 43 ].]. در این مطالعه، از آزمون MK برای تجزیه و تحلیل تغییرات زمانی سیلاب های ناگهانی از سال 1951 تا 2015 و برای تعیین نقطه جهش، یعنی زمانی که روند تغییرات سیلاب های ناگهانی تغییر می کند، استفاده شد. در میان آنها، UF از توزیع نرمال پیروی می کند که یک دنباله آماری است که بر اساس سری های زمانی محاسبه می شود، و UB یک دنباله آماری است که بر اساس سری های زمانی معکوس محاسبه می شود. اگر مقدار UF بزرگتر از 0 باشد، نشان دهنده این است که دنباله در یک روند صعودی قرار دارد. اگر کمتر از 0 باشد به معنای روند نزولی است. وقتی مقدار از خط بحرانی فراتر رفت ( P= 0.05)، نشان می دهد که روند صعودی یا نزولی قابل توجه است. اگر منحنی های UF و UB همدیگر را قطع کنند، مقدار نقطه تقاطع نقطه جهش است. اطلاعات دقیق در مورد آزمون MK در مطالعات قبلی [ 44 ] توضیح داده شده است.
(2) روش بیضی انحراف معیار (SDE)
روش SDE توسط Lefever در سال 1926 [ 45 ] ارائه شد. این یک روش موثر برای تجزیه و تحلیل تغییرات مکانی عوامل نقطه ای است [ 46]. این یک مدل ساده است که در نرم افزار ArcGIS 10.5 (ESRI, Inc., Redlands, CA, USA) با پارامترهایی که شامل نقطه مرکزی، آزیموت و مساحت است تعبیه شده است. نقطه مرکزی برای منعکس کردن موقعیت مرکزی ویژگی های جغرافیایی و تکامل آنها استفاده می شود. آزیموت منعکس کننده جهت روند اصلی ویژگی های جغرافیایی در توزیع فضایی است. منطقه نشان دهنده تمرکز یا واگرایی ویژگی های جغرافیایی در توزیع فضایی است. در این مطالعه، از روش SDE برای آشکار کردن روند جهت‌گیری و در نتیجه درجه پراکندگی فضایی سیل‌های ناگهانی از دهه 1950 تا 2010 در استان فوجیان استفاده شد.
2.3.2. تحلیل عامل محرک
در این مطالعه 13 عامل محرک از دسته‌های فعالیت انسانی، بارش و محیط سطحی انتخاب شدند. علاوه بر این، قدرت توضیحی آنها برای سیل ناگهانی در استان فوجیان مورد تجزیه و تحلیل قرار گرفت. تجزیه و تحلیل نیروی محرکه برای دوره 1981 تا 2015 انجام شد و 35 سال دوره مورد مطالعه به دو دوره تقسیم شد: 1981 تا 2000 (D1) و 2001 تا 2015 (D2). به طور خاص، تغییرات در خاک، پوشش گیاهی، آب و هوا، هیدرولوژی، و فعالیت های انسانی توسط ژئومورفولوژی در مقیاس های مختلف محدود شد [ 47 ، 48 ]. در این مطالعه، ما رابطه بین سیلاب های ناگهانی و عوامل محرک در GR سه درجه را که در تحقیقات قبلی پیشنهاد شده بود، تجزیه و تحلیل کردیم [ 49 ]]. ما 3000 امتیاز تصادفی در استان فوجیان ایجاد کردیم. مقادیر چگالی هسته و عوامل محرک برای سیل ناگهانی در سه GRs توسط این نقاط تصادفی استخراج شد. سپس داده‌های استخراج‌شده با استفاده از روش «شکست‌های طبیعی» در ArcGIS (به جز متغیرهای نوع: کاربری، بافت خاک) به 10 سطح تقسیم شدند. علاوه بر این، مقدار متوسط ​​هر عامل محرک برای محاسبه نیروی محرکه هر عامل محرک بر روی سیل ناگهانی اتخاذ شد.
(1) کاربری زمین (LU):
شرایط رواناب برای کاربری های مختلف زمین بسیار متفاوت بود و یک ضریب رواناب برای متمایز کردن انواع کاربری ها اتخاذ شد. با توجه به مطالعات قبلی [ 50 ، 51 ] و استانداردهای اجرا شده بر اساس “کد طراحی تامین آب و زهکشی ساختمان چین (GB 50015-2003)” و “کد طراحی مهندسی فاضلاب در فضای باز چین (GB 50014- 2006)» [ 51 ]، ده نوع کاربری اراضی انتخاب شد و ضرایب رواناب متفاوتی به آنها داده شد، همانطور که در جدول 2 فهرست شده است :
(2) بافت خاک (ST)
بافت یک ویژگی مهم خاک است که نشان‌دهنده نسبت‌های نسبی اندازه‌های مختلف ذرات ذرات در خاک است و با تولید رواناب سطحی و فرآیند غرقابی تعیین می‌شود [ 15 ، 52 ]. در این مطالعه، بر اساس مطالعات قبلی، و همانطور که توسط پایگاه داده جهانی خاک [ 51 ] توضیح داده شد، کدهای متناظر به بافت های مختلف خاک داده شد. به طور خاص، مقادیر کد بزرگتر نشان دهنده قابلیت های نفوذ قوی تر است، همانطور که در جدول 3 نشان داده شده است.
(3) محاسبه شاخص بارش
سیل‌های ناگهانی اغلب در اثر رویدادهای همرفتی کوتاه، مانند بارش‌های روزانه و رویدادهای بارش شدید زیرروزانه ایجاد می‌شوند. با این حال، داده های بارش زیر روزانه برای این منطقه مورد مطالعه در دسترس نبود. بنابراین، داده‌های بارش روزانه برای محاسبه چهار شاخص بارش (R95p، R99p، Rx1day، و P50) با استفاده از نرم‌افزار ویژه طراحی شده RClimDEX (1.0) [ 53 ] استفاده شد.]. به طور خاص، با توجه به تعریف “دستورالعمل های WMO در مورد محاسبه نرمال های آب و هوایی (ویرایش 2017)”، نرمال استاندارد بارش (میانگین داده های بارش محاسبه شده برای دوره های متوالی 30 ساله زیر: 1 ژانویه 1981 تا 31 دسامبر 2010، 1 ژانویه 1991 تا 31 دسامبر 2020، و غیره) برای تجزیه و تحلیل تغییرات زمانی بارش در استان فوجیان استفاده شد، و این چهار شاخص بارش به عنوان میانگین دوره (میانگین داده های اقلیم شناسی محاسبه شده برای هر دوره حداقل 10) محاسبه شدند. سالهایی که از 1 ژانویه شروع می شوند و با رقم 1 ختم می شوند). سپس چهار عامل بارش برای 50 ایستگاه هواشناسی بر اساس روش درونیابی کریجینگ در نرم افزار ArcGIS 10.5 با وضوح 1 کیلومتر × 1 کیلومتر درونیابی شدند. به طور مشخص، 45 ایستگاه هواشناسی به عنوان نمونه درونیابی استفاده شد. بقیه ایستگاه‌ها نمونه‌های آزمایشی بودند و از ریشه میانگین مربعات خطا (RMSE) به عنوان ارزیابی دقت استفاده شد.
(4) آشکارساز جغرافیایی

آشکارساز جغرافیایی یک روش معمولی است که برای تشخیص ناهمگنی طبقه بندی شده فضایی و آشکارسازی همبستگی بین دو متغیر استفاده می شود [ 54 ]. ایده اصلی یک آشکارساز جغرافیایی این است که اگر الگوی فضایی یک متغیر مستقل (مثلاً بارش) شبیه به یک متغیر وابسته (به عنوان مثال، چگالی سیل ناگهانی) باشد، این متغیر به میزان معینی از خطر کمک می‌کند [ 55 ] . در این مطالعه، یک آشکارساز جغرافیایی برای کشف قدرت توضیحی عوامل محرک برای سیل‌های ناگهانی در استان فوجیان به کار گرفته شد و از مقدار Q برای اندازه‌گیری قدرت توضیحی عوامل مختلف محرک سیل‌های ناگهانی استفاده شد. فرمول به شرح زیر است:

س=1-∑ساعت=1nنساعتσساعت2نσ2،

که در آن n تعداد واحدها در منطقه مورد مطالعه است، σ2 نشان دهنده واریانس عامل محرک و N نشان دهنده اندازه منطقه مورد مطالعه است. Q ∈ (0، 1)، Q = 1 نشان می دهد که الگوهای فضایی سیل ناگهانی به طور کامل توسط عوامل محرک تعیین شده است، در حالی که Q = 0 نشان می دهد که هیچ ارتباطی بین سیل ناگهانی و عوامل تأثیرگذار وجود ندارد [ 56 ].

(5) اثر متقابل عوامل متعدد برای سیلاب های ناگهانی
وقوع سیل ناگهانی نتیجه تعامل دو یا چند عامل است. بنابراین، ما ترکیبی از تجزیه و تحلیل مؤلفه اصلی (PCA) و رگرسیون خطی چندگانه (MLR) را برای بررسی میزان مشارکت عوامل متعدد در سیلاب‌های ناگهانی اتخاذ کردیم. PCA یک تکنیک سنتی چند متغیره است. هدف آن کاهش ابعاد متغیرهای متعدد و دشواری تجزیه و تحلیل داده ها است. اطلاعات دقیق در مورد PCA در مطالعات قبلی توضیح داده شده است [ 57]. تعداد مولفه های اصلی با واریانس کل تعیین شد که بیش از 85 درصد بود. علاوه بر این، دو بسته R (“روان” و “FactoMineR”) برای محاسبه نرخ مشارکت اجزای اصلی در سیلاب‌های ناگهانی اتخاذ شد. MLR یک ابزار آماری معمولی است که می تواند برای اندازه گیری همبستگی بین دو یا چند متغیر و پیش بینی با استفاده از رابطه انجام شود [ 58 ]. در این مطالعه، از نتایج PCA به عنوان متغیرهای ورودی MLR استفاده شد و از آنها برای محاسبه نرخ مشارکت یک جزء اصلی یا چند مؤلفه اصلی استفاده شد.
2.3.3. تجزیه و تحلیل میزان حساسیت

حساسیت سیل ناگهانی به شدت هر رویداد سیل ناگهانی تحت تأثیر عوامل محرک اشاره دارد. در این مطالعه، از مدل رگرسیون وزن‌دار جغرافیایی و زمانی (GTWR) برای محاسبه حساسیت یک سیل ناگهانی استفاده شد. این مدل توسط هوانگ و همکاران بهبود یافته است. بر اساس GWR [ 59 ، 60 ]. مدل GTWR به صورت زیر ارائه شده است:

yمن=β0(μمن،vمن،تیمن)+∑کβک(μمن،vمن،تیمن)ایکسمنک+εمن،

که در آن ( u i ، v i ، t i ) مختصات مکانی -زمانی نقطه سیل من است. β 0 ( u i , v i , t i ) ثابت رگرسیون من نقطه سیل فلاش است که عبارت ثابت GTWR است. X ik مقدار متغیر مستقل X i در منقطع سیل فلاش من است که مقدار هر استاندارد کمی در سیستم شاخص GTWR است. ε iنشان دهنده باقیمانده GTWR است. و β k ( u i , v i , t i ) k امین پارامتر رگرسیون نقطه سیل فلش i است که وزن ( u i , v i , t i ) است. تخمین های β k ( u i ، v i ، t i ) به شرح زیر است:

β^(μمن،vمن،تیمن)=(ایکستیدبلیو(μمن،vمن،تیمن)ایکس)-1ایکستیدبلیو(μمن،vمن،تیمن)y،

که در آن W ( u i , v i , t i ) ماتریس وزن مکانی-زمانی است که عناصر قطری آن به عنوان وزن جغرافیایی مشاهده i نشان داده شده است و عناصر خارج از مورب به عنوان صفر نشان داده شده اند [ 61 , 62 ] . پارامترهای R2 تنظیم شده و ضرایب GTWR به ترتیب نشان دهنده میزان برازش داده ها و سطح حساسیت هستند. حساسیت به چهار سطح تقسیم شد که در جدول 4 ذکر شده است :

3. نتایج

3.1. الگوی فضایی و زمانی سیلاب‌های ناگهانی

3.1.1. تغییر زمانی

برای بررسی تغییرات سیل‌های ناگهانی در سری‌های زمانی از سال 1951 تا 2015، تحلیلی در سه مقیاس زمانی ماهانه، سالانه و بین دهه‌ای انجام شد. همانطور که در شکل 2 الف نشان داده شده است، نتایج نشان داد که تغییرات زمانی سیل ناگهانی در استان فوجیان از سال 1951 تا 1980 اندکی کاهش یافت (شیب = 0.289-) اما سپس به سرعت افزایش یافت (شیب = 2.287) از سال 1981 تا 2015 بیشتر. برای دوره های 1951-1952، 1957-1970، و 1983-2015 ( شکل 2)ب)، تمام مقادیر UF مثبت بودند (میانگین مقادیر به ترتیب 0.5، 0.9 و 3.081 بود). این نشان می‌دهد که در این دوره‌ها فراوانی سیلاب‌های ناگهانی رو به افزایش بوده و در دوره‌های باقیمانده کاهش داشته است. به طور خاص، نقطه جهش (نقطه تقاطع UF و UB) در سال 1988 رخ داد ( شکل 2 ب)، و نشان داد که سیلاب های ناگهانی پس از سال 1988 به طور پیوسته افزایش یافتند. علاوه بر این، مقادیر UF بیشتر از حد بالایی بود ( P = 0.05) در سال 1995، که نشان می دهد که تعداد سیلاب های ناگهانی پس از سال 1995 به شدت افزایش یافته است. در هفت دوره از دهه 1950 تا 2010 ( شکل 2)د)، تعداد سیلاب‌های ناگهانی دهه‌های 1990، 2000 و 2010، 75.3 درصد از کل را به خود اختصاص داده است، با روند افزایش قابل توجهی سیل‌های ناگهانی ( R2 = 0.72). یک تغییر فصلی آشکار رخ داد ( شکل 2 d-f)، و تفاوت های قابل توجهی در زمان و کمیت وقوع سیل ناگهانی در GR های مختلف وجود داشت. در منطقه IIA2، سیل‌های ناگهانی عمدتاً از ماه می تا سپتامبر رخ داده‌اند. برای منطقه IIA3، سیل‌های ناگهانی عمدتاً در ژوئن و آگوست متمرکز بودند. در مورد منطقه IIA4، بیشترین تعداد سیل ناگهانی در ماه ژوئن رخ داده است.
3.1.2. تغییر فضایی
SDE برای اندازه گیری الگوی فضایی سیلاب های ناگهانی از دهه 1950 تا 2010 انجام شد. همانطور که در شکل 3 نشان داده شده است ، از دهه 1950 تا 2010، آزیموت SDE از 21.767 درجه تا 41.157 درجه متغیر بود و منطقه SDE از 24602.69 کیلومتر مربع تا 65099.24 کیلومتر مربع متغیر بود .. علاوه بر این، از نقطه جابجایی گرانش، مرکز ثقل سیل‌های ناگهانی عمدتاً در نواحی پوتیان، کوانژو، فوژو و سانمینگ قرار داشت، با تغییر مرکز ثقل از مناطق مرکزی و شرقی به ناحیه شمال غربی فوجیان. . به طور کلی، تعداد حوادث سیل ناگهانی به وضوح پس از دهه 1980 افزایش یافت، و توزیع مکانی سیل‌های ناگهانی عمدتاً از IIA2 تا IIA3 و به IIA4 از دهه 1950 تا 2010 گسترش یافت.

3.2. عوامل محرک سیل ناگهانی در استان فوجیان

3.2.1. توزیع عوامل اصلی محرک

(1) عوامل بارش
تغییرات زمانی بارش از سال 1951 تا 2015 یک روند افزایشی کلی را نشان داد ( شکل 2 a). برای هفت دوره از دهه 1950 تا 2010 ( شکل 2 ج)، روند افزایشی آشکاری از بارش وجود داشت ( R2= 0.66). نرمال استاندارد بارندگی 1563.156 میلی‌متر در سال، 1580.379 میلی‌متر در سال، 1617.906 میلی‌متر در سال، 1629.948 میلی‌متر در سال و 1642.282 میلی‌متر در سال در دوره‌های 1951-1980، 1961-1980، 1961-1980، 1961-19701-1961-19701-1961-1901-1961-1961-19701-1961-1970، 1617.906 میلی‌متر در سال بود. 2015 به ترتیب. این تجزیه و تحلیل بیشتر ثابت کرد که بارش در حال افزایش است. علاوه بر این، ماه‌ها و پیک‌های بارندگی بارش‌های سنگین برای GRهای مختلف در مناطق IIA2، IIA3 و IIA4 تفاوت معنی‌داری داشتند و بارش عمدتاً به ترتیب در ماه‌های آوریل تا سپتامبر، می تا آگوست و می تا ژوئن متمرکز بود. . همانطور که در شکل 4 نشان داده شده استدر دوره های D1 و D2، میانگین مقادیر RMSE به ترتیب 3.39 و 3.32 بود و نتیجه درون یابی می تواند به طور دقیق توزیع مکانی بارش را نشان دهد. برای توزیع فضایی، شکل 4 a,b,e,f افزایش شدت و دامنه نفوذ بیشتر R95p و R99p را از D1 تا D2 نشان می دهد. شکل 4 c,d این واقعیت را نشان می دهد که Rx1day از جنوب شرقی به شمال شرقی از D1 به D2 منتقل شده است. شکل 4 c,d شمارش سالانه را نشان می دهد که میزان بارندگی ≥ 50 میلی متر از D1 به D2 کاهش یافته است.
(2) عوامل فعالیت انسانی
در این مطالعه، ما تراکم VPD، RD، GDP و POP را برای منعکس کردن توزیع فضایی و شدت فعالیت انسانی اتخاذ کردیم. همانطور که در شکل 5 نشان داده شده است، متمرکزترین مناطق فعالیت انسانی عمدتاً در مناطق ساحلی توزیع شده اند، و این مناطق عمدتاً در IIA2 واقع شده اند، با روستاهای متراکم، شبکه های جاده ای، جمعیت و اقتصاد توسعه یافته. به طور خاص، تولید ناخالص داخلی به سرعت افزایش یافت ( شکل 5 b,e)، با تغییر قابل توجهی در توزیع فضایی Longyan، و رشد آشکار در فوجیان، کوانژو، پوتیان، و Xiamen وجود داشت. علاوه بر این، توزیع فضایی POP در دوره‌های D1 و D2 تقریباً یکسان بود، به جز مناطق Longyan. با این حال، تفاوت در تراکم POP در فوجیان آشکار بود ( شکل 5c,f)، Quanzhou، Sanming، Longyan، Putian، و Xiamen، با افزایش قابل توجهی از D1 به D2.
3.2.2. تشخیص فاکتور رانندگی
در این مطالعه، قدرت توضیحی عوامل مختلف محرک با توجه به الگوهای فضایی سیلاب‌های ناگهانی از سال 1981 تا 2015 در جدول 5 آورده شده است. علاوه بر این، نتایج برهمکنش عوامل محرک مختلف برای سیل های ناگهانی برای GR های مختلف از D1 تا D2 توسط PCA و MLR در شکل 6 نشان داده شده است.
برای منطقه IIA2: در دوره D1، بالاترین مقدار Q مربوط به R99p ( Q = 0.483، P <0.01) و به دنبال آن R95p ( Q = 0.342، P <0.01)، VPD ( Q = 0.318، P <0.01 بود. و POP ( Q = 0.293، P <0.01). مطابق شکل 6 a,d، برهمکنش Dim 1 و Dim 2 بیشترین مقدار R 2 را به همراه داشت ( R2= 0.332)، که به عوامل محرک VPD (18.44٪)، GDP (16.27٪)، P50 (15.62٪)، POP (14.10٪)، R95p (11.28٪)، و RD (10.85٪) نسبت داده شد. در دوره D2، VPD ( Q = 0.424، P <0.01)، R99p ( Q = 0.396، P <0.01)، Rx1day ( Q = 0.392، P <0.01)، و تولید ناخالص داخلی ( Q = 0.246، P <0.01) عوامل اصلی محرک بودند. همانطور که در شکل 6 b,e ارائه شده است، بالاترین مقدار R 2 ( R2 = 0.429) نتیجه تعامل Dim 1 و Dim 3 بود.و عوامل محرک اصلی عبارت بودند از VPD (14.01%)، GDP (13.86%)، POP (13.26%)، R99p (13.11%)، R95p (11.77%)، RD (11.48%) و Rx1day (11.18%). .
منطقه IIA3: در دوره D1، بالاترین مقادیر Q مربوط به P50 ( Q = 0.208، P <0.01)، R95p ( Q = 0.197، P <0.01)، R99p ( Q = 0.181، P <0.01) بود. و Rx1day ( Q = 0.152، P <0.01). همانطور که در شکل 6 c,f نشان داده شده است، برهمکنش Dim 1 ، Dim 2 ، Dim 3 و Dim 4 بیشترین مقدار R 2 ( R2= 0.126)، که عوامل محرک VPD (18.24٪)، POP (17.06٪)، R99p (14.44٪)، R95p (14.44٪)، تولید ناخالص داخلی (12.86٪)، و Rx1day (12.47٪) را به خود اختصاص داده است. در دوره D2، بالاترین مقادیر Q عوامل محرک رتبه‌بندی‌های زیر را نشان داد: Rx1day ( Q = 0.344، P <0.01)، VPD ( Q = 0.337، P <0.01)، R99p ( Q = 0.304، P <0.01) ، R95p ( Q = 0.304، P <0.01)، P50 ( Q = 0.261، P <0.01)، و POP ( Q = 0.211، P <0.01). همانطور که در شکل 6 g,j نشان داده شده است، بالاترین مقدار R 2 (R 2 = 0.427) به دلیل تعامل Dim 1 ، Dim 2 ، Dim 3 ، و Dim 4 بود، و عوامل محرک اصلی شامل VPD (20.08٪)، Rx1day (19.82٪)، POP (16.25٪)، R99p (12.95%)، R95p (11.49%) و GDP (10.04%).
منطقه IIA4: در دوره D1، بالاترین مقادیر Q مربوط به GDP ( Q = 0.208، P < 0.01)، Rx1day ( Q = 0.238 ، P <0.01)، R95p ( Q = 0.232، P <0.01)، R99p ( Q = 0.190، P <0.01)، و P50 ( Q = 0.179، P <0.01). همانطور که در شکل 6 h,k نشان داده شده است، برهمکنش Dim 1 ، Dim 2 و Dim 3 بیشترین مقدار R2 را به همراه داشت ( R2= 0.175)، که به عوامل محرک R99p (30.52٪)، Rx1day (27.27٪)، R95p (26.30٪)، POP (14.94٪)، و P50 (11.69٪) نسبت داده شد. در دوره D2، P50 ( Q = 0.285، P <0.01)، Rx1day ( Q = 0.281، P <0.01)، GDP ( Q = 0.162، P <0.01)، VPD ( Q = 0.138، P <0.01)، و POP ( Q = 0.118، P <0.01) عوامل اصلی محرک بودند. همانطور که در شکل 6 نشان داده شده است، بالاترین مقدار R 2 ( R2 = 0.033) نتیجه تعامل Dim 1 ، Dim 2 بود.و Dim 3 ، و عوامل اصلی کمک کننده R95p (46.22٪)، P50 (44.96٪)، R99p (43.28٪)، Rx1day (38.66٪)، و RD (16.81٪) بودند.

3.3. تجزیه و تحلیل میزان حساسیت

حساسیت نقاط سیل ناگهانی به فعالیت های انسانی (GDP و VPD) و بارش (R95P و Rx1day) توسط GTWR تجزیه و تحلیل شد و این چهار عامل محرک نیروی محرکه بیشتری برای سیل های ناگهانی فوجیان در دوره های D1 و D2 نسبت به 9 دوره دیگر داشتند. عوامل محرک این نتایج نشان می‌دهد که میانگین مقدار تنظیم‌شده R2 0.695، مقدار پهنای باند 0.115، و مقدار معیار اطلاعات Akaike (AIC) کمتر از 3000- بود، که نشان‌دهنده درجه برازش ترجیحی مدل GTWR است . از دیدگاه تولید ناخالص داخلی ( شکل 7 a,e)، مناطق حساس از D1 به D2 افزایش یافتند. حساسیت کم و حساسیت متوسط ​​در مناطق Ningde وجود داشت و مناطق مرزی Sanming و Nanping به طور قابل توجهی افزایش یافت. برای VPD (شکل 7 b,f)، حساسیت متوسط ​​و حساسیت بالا در مناطق مرزی Sanming و Nanping به طور قابل توجهی افزایش می یابد. در مقابل، مناطق حساس در جنوب غربی Ningde به طور قابل توجهی کاهش یافت. از دیدگاه R95p ( شکل 7 c,g)، حساسیت متوسط ​​و حساسیت بالا در مناطق Ningde وجود داشت و مناطق مرزی Sanming و Nanping به طور قابل توجهی افزایش یافت. برای Rx1day ( شکل 7 d,h)، به جز سواحل استان فوجیان (Quanzhou، Putian Fuzhou و Ningde)، حساسیت کلی استان فوجیان ضعیف شد. از دیدگاه کلی، سیل های ناگهانی به تولید ناخالص داخلی، VPD، R95p و Rx1day در Quanzhou بسیار حساس بودند.

4. بحث

4.1. الگوهای فضایی و زمانی سیلاب های ناگهانی

در این مطالعه، ما تغییرات قابل توجه سالانه، ماهانه و بین سالانه سیل‌های ناگهانی در استان فوجیان را نشان دادیم. سیل‌های ناگهانی از سال 1951 تا 2015 روند افزایشی را نشان دادند ( شکل 2 الف). به ویژه، پس از سال 1980، مقدار سیلاب های ناگهانی به شدت افزایش یافت ( شکل 2 ب). این الگو با الگوی استان سیچوان در چین مطابقت دارد [ 28 ، 29 ]. دلایل احتمالی شامل تشدید فعالیت انسانی و افزایش رویدادهای بارش شدید در فوجیان [ 63 ] است. غیرقابل انکار، احتمال دیگر این است که مقدار سیل ناگهانی به دلیل بلایای سیل ناگهانی ثبت نشده قبل از سال 1980 دقیق نبوده است.شکل 2 d-f)، و در برخی از ماه‌ها، سیلاب‌های ناگهانی با فرکانس بالا اغلب با بارندگی شدید همراه بودند. به این معنی که بارش به طور قابل توجهی در ایجاد سیلاب های ناگهانی نقش داشته است [ 64 ]. مطالعات قبلی گزارش کردند که سیل‌های ناگهانی عمدتاً در ماه‌های ژوئیه و آگوست در تبت رخ داده است [ 26 ]، و در ژوئن، ژوئیه، آگوست و سپتامبر در سیچوان متمرکز شده‌اند [ 28 ]. این تفاوت‌ها احتمالاً به این دلیل است که بارش یک نیروی محرکه بزرگ برای وقوع سیل‌های ناگهانی [ 65 ] است، و شرایط اقلیمی منحصر به فرد و محیط‌های جغرافیایی در آن مناطق باعث تفاوت‌های قابل‌توجهی در توزیع مکانی و زمانی بارش می‌شود [ 66 ، 67 ].
نتیجه تجزیه و تحلیل SDE نشان داد که روند کلی تغییرات فضایی سیلاب های ناگهانی از مناطق ساحلی به مناطق داخلی از دهه 1950 تا 2010 گسترش یافته است ( شکل 3 ). مطالعات قبلی روند افزایشی آشکاری از بارش شدید را در مناطق ساحلی شمالی، مرکزی و جنوب شرقی فوجیان نشان داد [ 68 ]. علاوه بر این، تشدید فعالیت های انسانی و افزایش بارندگی پس از دهه 1980 منجر به تغییر در الگوی بارش و فرآیندهای رواناب سطحی شد [ 69 ، 70 ].]، به طور غیرمستقیم باعث وقوع سیل ناگهانی می شود. همچنین ممکن است سیل ناگهانی ثبت نشده باشد زیرا رد پای انسان در مناطق IIA3 یا IIA4 قبل از دهه 1980 نادر بود. این امر به ویژه در منطقه IIA2 با فعالیت‌های انسانی بالا صادق بود و سیل‌های ناگهانی عمدتاً در مناطق مرکزی و شرقی فوژو و کوانژو، مناطق شمال شرقی Xiamen، کل قلمرو Zhangzhou و Ningde، مناطق جنوبی Longyan متمرکز شدند. و مناطق شمالی Sanming ( شکل 3 ). علاوه بر این، از شکل 4 و شکل 5ما دریافتیم که بارش با شدت بالا، جمعیت متراکم و اقتصاد توسعه یافته از ویژگی های این مناطق است. بنابراین مشاهده می‌شود که وقوع سیلاب‌های ناگهانی عمدتاً تحت تأثیر بارش و فعالیت‌های انسانی بوده است.

4.2. عوامل محرک موثر بر سیلاب های ناگهانی

4.2.1. کوه‌های ساحلی کم ارتفاع، تپه‌ها و مناطق دشت فوجیان (IIA2)

منطقه شمالی IIA2 به وضوح تحت تأثیر رویدادهای بارش شدید از D1 تا D2 قرار گرفت ( شکل 4 ). میانگین مقادیر Q شاخص بارش به ترتیب 346/0 و 301/0 بود. این نتایج به قوی ترین تأثیر بر بارش شدید توسط نوسان ال نینو-جنوبی و ویژگی غیر ثابت بارش شدید در این منطقه نسبت داده شد [ 68 ، 71 ]. علاوه بر این، این منطقه پرجمعیت، با اقتصاد توسعه یافته است ( شکل 5 ) و میانگین Q شاخص های فعالیت انسانی 0.26 بود که بالاترین میانگین Q بود.ارزش سه مقدار منطقه‌بندی ژئومورفیک. دلیل این امر این بود که از زمان اصلاحات و بازگشایی، جمعیت های خارجی زیادی به مناطق ساحلی استان فوجیان جذب شده اند [ 72 ]. متعاقبا، با جنگل‌زدایی، گسترش شهری و احیای زمین‌های بایر، حفاظت پوشش طبیعی زمین برداشته شد [ 73 ]، فرآیندهای رواناب سطحی تغییر کرد و زمان‌های تلاقی آب باران کوتاه شد [ 64 ] و سیل‌های ناگهانی مستعد وقوع سیل تحت تأثیر بودند. از بارش اینها دلایلی است که نشان می دهد نشانگر فعالیت انسانی و نشانگر بارش نیروی محرکه زیادی بر روی سیلاب های ناگهانی در تجزیه و تحلیل تشخیص تعامل داشتند ( شکل 6 ). به طور خاص، Qمقادیر VPD و Rx1day به طور قابل توجهی از D1 به D2 افزایش یافت ( جدول 5 )، و نرخ مشارکت از 10٪ عوامل محرک از شاخص های بارش و فعالیت انسانی برای هر دو دوره D1 و D2 (شکل 6) فراتر رفت ( شکل 6 )، این نتایج نشان داد که اثر متقابل بارش و فعالیت انسانی عامل وقوع سیل ناگهانی در منطقه IIA2 بود.
4.2.2. منطقه کوه‌ها، تپه‌ها و دره‌های پایین میانی در فوجیان مرکزی (IIA3)
این منطقه با توزیع فضایی واضح بارندگی به دلیل انسداد گردش جوی توسط چندین رشته کوه مشخص شد [ 74 ، 75 ]. علاوه بر این، شاخص بارش بالاترین مقدار میانگین Q را در هر دو دوره با افزایش آشکار از 0.185 به 0.303 داشت ( جدول 5 ). یک دلیل احتمالی برای این امر این است که منطقه IIA3 نسبت به منطقه IIA2 فعالیت جمعیتی کمتری داشت ( شکل 5 )، با تشدید چرخه جهانی آب جوی [ 76 ]، و چندین رشته کوه بر حرکت بادهای موسمی جنوب شرقی تأثیر می‌گذارد. افزایش به باران کوه نگاری [ 66]، و منجر به رویدادهای بارندگی بیشتر می شود [ 77 ]. علاوه بر این، یک سری از سیاست ها برای ترویج توسعه هماهنگ مناطق داخلی و ساحلی در استان فوجیان، مانند انتقال منطقه ای صنعت و جریان های منابع بین منطقه ای استفاده شد [ 78 ]. شایان ذکر است که مقدار Q از VPD به طور قابل توجهی از 0.106 به 0.337 افزایش یافته است و مقدار Q P50 به طور قابل توجهی از 0.152 به 0.344 افزایش یافته است. تغییرات آشکار به توسعه ساخت و ساز شهری نسبت داده شد. حفاظت پوشش طبیعی آسیب دید [ 79 ]، منطقه غیرقابل نفوذ شهری افزایش یافت و خندق های رودخانه اشغال شد [ 80 ]]، در نتیجه کاهش آستانه های بارندگی مورد نیاز برای وقوع یک سیل ناگهانی [ 29 ].
4.2.3. کوه‌های میانی پایین، تپه‌ها و منطقه دره در کوه‌های وویی (IIA4)
برخلاف مناطق IIA2 و IIA3، IIA4 دارای جمعیت کم و اقتصاد توسعه نیافته است ( شکل 5 ). دلیل بارش فراوان در این منطقه این است که گردش جوی توسط کوه‌های Wuyi مسدود شده است [ 81 ]. از طریق تشخیص عامل محرک ( جدول 5 ) و تشخیص عوامل چندگانه ( شکل 6 )، متوجه شدیم که فعالیت های انسانی تأثیر کمی بر سیلاب های ناگهانی دارد. این دلایل احتمالی احتمالاً به دلیل این واقعیت است که توزیع فضایی POP و GDP تقریباً بدون تغییر در هر دو دوره باقی مانده است، شدت فعالیت انسانی در سه منطقه‌بندی ژئومورفیک ضعیف‌ترین بود ( شکل 5 و شکل 6).و ساختار اولیه زیست محیطی نسبتاً کامل بود [ 82 ]. همانطور که در شکل 4 نشان داده شده است ، از D1 تا D2، متوجه شدیم که شدت بارش شدید در این منطقه افزایش یافته است و نرخ سهم تحت سلطه شاخص های بارش قرار دارد ( شکل 6 ). این نتایج نشان داد که بارش عامل وقوع سیلاب های ناگهانی در این منطقه بوده است.
از دیدگاه کل قلمرو استان فوجیان، نیروهای محرک شاخص‌های فعالیت انسانی برای سیل‌های ناگهانی به تدریج از IIA2 به IIA3 و IIA4 تضعیف شد. این تفاوت ها عمدتاً به شدت فعالیت انسانی مربوط می شد. در مقابل، سهم شاخص های بارش به تدریج از IIA2 به IIA3 و IIA4 تقویت شد. این انتقال‌ها ناشی از تفاوت‌های توزیع فضایی قابل‌توجه بارش بود و این توزیع فضایی ارتباط نزدیکی با توپوگرافی داشت. به طور خاص، اثرات فصل باران های موسمی (مارس تا ژوئن) و فصل طوفان (ژوئیه تا سپتامبر) در مناطق مختلف ناسازگار هستند [ 32 ]. علاوه بر این، بارش شدید ناشی از طوفان های استوایی به شدت تحت تأثیر توپوگرافی قرار گرفت.83 ]. اینها دلایل تفاوت های قابل توجه در زمان و مقدار سیلاب های ناگهانی در GR های مختلف بود. با این حال، تاثیر عوامل محیطی سطحی بر سیلاب‌های ناگهانی در هر دو دوره بسیار کم بود. این نتایج نشان داد که محیط سطحی تنها حاملی برای وقوع سیل ناگهانی است، نه عامل تعیین کننده [ 84 ]. از تشخیص تعامل ( شکل 6 )، دریافتیم که هر چه فاصله به مناطق ساحلی پرجمعیت نزدیک‌تر باشد، عوامل محرک سیل‌های ناگهانی بیشتر ناشی از فعالیت‌های انسانی است. وقتی انسان‌ها طبیعت را تغییر می‌دهند، توانایی طبیعی خود تنظیمی را نیز از بین می‌برند و قرار گرفتن انسان در معرض بلایای طبیعی را افزایش می‌دهند [ 85 ].

4.3. تجزیه و تحلیل حساسیت سیلاب های ناگهانی

تجزیه و تحلیل حساسیت سیلاب های ناگهانی به تولید ناخالص داخلی، VPD، R95p، و Rx1day برای منعکس کردن واکنش سیل های ناگهانی به فعالیت های انسانی و بارش در استان فوجیان استفاده شد. بر اساس شکل 7 ، ما دریافتیم که سیل های ناگهانی در Quanzhou حساسیت متوسط ​​و بالایی به چهار عامل محرک در دو دوره داشتند. پس از اصلاحات و گشایش، بندر کوانژو نقش مهمی در تجارت خارجی چین ایفا کرد [ 86 ]. با این حال، با توسعه اقتصادی و ساخت زیرساخت ها، تعداد سیلاب های ناگهانی به تدریج افزایش یافت. شرایط و مزایای خوب جغرافیایی باعث شد که کوانژو به سرعت به یک شهر بندری با قدرت اقتصادی قوی تبدیل شود [ 87 ]]. به همین دلیل است که سیل های ناگهانی در دوره D1 به VPD حساس تر از GDP بودند. در قرن 21، اقداماتی مانند “انتقال منطقه ای صنعت” برای کاهش فشار توسعه مناطق ساحلی و ترویج توسعه اقتصادی در مناطق داخلی مورد استفاده قرار گرفت [ 78 ]. اگرچه اقتصاد نواحی داخلی توسعه یافت، اما محیط زیست محیطی را نیز از بین برد و به سیل های ناگهانی مکرر منجر شد. علاوه بر این، مناطق مرزی Sanming و Nanping دارای منابع معدنی غنی هستند که نقش مهمی در توسعه اقتصادی محلی ایفا کردند، در حالی که محیط زیست بومی محلی نیز از بین رفت [ 88 ]]. سیل‌های ناگهانی تحت تأثیر بارش شدید مستعد وقوع بودند. به طور خاص، در مورد نواحی شمال شرقی فوجیان در دوره D2، میزان بارش نسبت به دوره D1 تأثیر معنی‌داری داشت. علاوه بر این، با اجرای برخی سیاست ها برای ارتقای توسعه هماهنگ منطقه ای در استان فوجیان، این مناطق پس از ورود به قرن 21 به سرعت توسعه یافتند [ 89 ]. دلیل حساسیت متوسط ​​و بالای سیلاب های ناگهانی به R95p، Rx1day و GDP در این مناطق است. بنابراین، عوامل خطر سیل ناگهانی در استان فوجیان در دوره های مختلف و مناطق مختلف تفاوت معنی داری داشتند.

4.4. محدودیت های مطالعه فعلی

در این مطالعه، ما یک تحلیل اولیه از توزیع مکانی-زمانی و عوامل محرک سیل‌های ناگهانی در استان فوجیان انجام دادیم و حساسیت سیل‌های ناگهانی به VPD، GDP، R95p و Rx1day را شناسایی کردیم. با این وجود، در مطالعه حاضر کاستی هایی وجود دارد. اولاً، قبل از سال 1980، فقدان داده‌های ثبت جامع وجود داشت، به همین دلیل است که تحلیل عامل محرک در سال 1981 آغاز شد. سیل ناگهانی در این مطالعه مورد بررسی قرار نگرفت. علاوه بر این، ما داده‌های بارش روزانه را به‌جای داده‌های بارش زیرروزانه اتخاذ کردیم، که به‌طور دقیق اثرات بارش کوتاه‌مدت بر سیل‌های ناگهانی را منعکس نمی‌کرد. سرانجام، تجزیه و تحلیل عوامل محرک سیل ناگهانی بر اساس سه درجه GR به دلیل ناهمگونی مکانی عوامل محرک سیل ناگهانی بسیار دقیق نبود. علیرغم این کمبودها، این کار مراجع اولیه برای الگوی مکانی و زمانی سیل ناگهانی در استان فوجیان ارائه کرده است و آگاهی عمومی را از سیل ناگهانی بهبود بخشیده است.

5. نتیجه گیری ها

سیل‌های ناگهانی، بلایای طبیعی فاجعه‌بار و جدی هستند که عملاً در هر جایی ممکن است رخ دهند. مناطق مستعد در معرض سیلاب به عنوان یک ملاحظات حیاتی در سراسر جهان شناسایی شده اند. اکتشاف مکانی-زمانی و تحلیل نیروی محرکه سیل ناگهانی ابزار مؤثری برای پیش‌بینی و کنترل این رویدادها است. در این مطالعه، یک سری طولانی‌مدت از رویدادهای سیل ناگهانی برای تجزیه و تحلیل تغییرات مکانی و زمانی در استان فوجیان از سال 1951 تا 2015 استفاده شد. GR سه درجه برای تشخیص قدرت توضیحی تک عاملی و نرخ مشارکت عوامل محرک چندگانه استفاده شد. با الگوهای فضایی سیل‌های ناگهانی از D1 تا D2 در تعامل است. علاوه بر این، حساسیت‌های سیل‌های ناگهانی به تولید ناخالص داخلی، VPD، R95p و P50 مورد بررسی قرار گرفت. سه نتیجه گیری اصلی به شرح زیر خلاصه شد.
(1) مقدار سیلاب های ناگهانی از دهه 1980 به شدت افزایش یافته است و فراوانی سیلاب های ناگهانی از IIA2 به IIA4 به تدریج کاهش یافته است. علاوه بر این، مشابه بارندگی، ماه‌های سیل ناگهانی در GRهای مختلف سازگار نبود. دلیل اصلی این امر این است که توزیع مکانی و زمانی بارش در استان فوجیان به وضوح تحت تأثیر توپوگرافی قرار دارد و فعالیت‌های انسانی باعث افزایش وقوع سیل‌های ناگهانی به‌ویژه در منطقه IIA2 شده است.
(2) در منطقه IIA2، منطقه پر بروز سیل های ناگهانی عمدتاً به تعامل فعالیت های انسانی و بارش نسبت داده می شود که باعث سیل های ناگهانی مکرر می شود. در منطقه IIA3، بارش عمدتاً عامل وقوع سیلاب‌های ناگهانی بود و پس از ورود به قرن بیست و یکم نمی‌توان تأثیر فعالیت‌های انسانی را نادیده گرفت. در خصوص منطقه IIA4، به دلیل شدت ضعیف فعالیت های انسانی در منطقه و انسداد گردش جوی توسط کوه وویی، بارش به عامل اصلی وقوع سیلاب های ناگهانی تبدیل شده است.
(3) نتایج تجزیه و تحلیل حساسیت نشان داد که عوامل خطر سیل ناگهانی در دوره های مختلف و مناطق مختلف در استان فوجیان تفاوت معنی داری دارند. این تفاوت ها عمدتاً به شدت متفاوت فعالیت های انسانی و اقلیم منطقه ای در مناطق مختلف نسبت داده می شود.
بر اساس تحقیقات انجام شده، پیش بینی بارش های شدید و پیشگیری و کنترل سیلاب های ناگهانی به ویژه در مناطق ساحلی باید تقویت شود. علاوه بر این، مدل توسعه اقتصادی مناطق ساحلی باید بهبود یابد، محیط زیست محیطی مناطق داخلی باید محافظت شود و توسعه هماهنگ انسان و طبیعت باید ترویج شود. علاوه بر این، نتایج نشان داد که برای برخی از مناطق، اقلیم منطقه‌ای و فعالیت‌های انسانی مهم‌ترین عوامل تأثیرگذار بر زمان و مکان وقوع سیل‌های ناگهانی در استان فوجیان بوده است. به طور کلی، این مطالعه مرجعی برای کمک به دولت‌ها، برنامه‌ریزان و مهندسان برای انجام اقدامات مناسب در استان فوجیان و جلوگیری و کاهش سیل‌های ناگهانی در آینده است.

منابع

  1. تانگ، سی. Zhu, J. منطقه‌بندی خطر تورنت منطقه‌ای مبتنی بر GIS. Acta Geogr. گناه 2005 ، 60 ، 87-94. [ Google Scholar ]
  2. گوا، ال. ژانگ، دستاوردهای XL و تجزیه و تحلیل اولیه در مورد بررسی و ارزیابی سوانح سیل ملی چین. J. Geo-Inf. علمی 2017 ، 19 ، 1548-1556. [ Google Scholar ]
  3. اشلی، ST; اشلی، WS تلفات سیل در ایالات متحده. J. Appl Meteorol. کلیماتول. 2008 ، 47 ، 805-818. [ Google Scholar ] [ CrossRef ]
  4. اشپیتالار، ام. گورلی، جی جی. لوتوف، سی. کرستتر، پی.-ای. بریلی، م. Carr، N. تجزیه و تحلیل پارامترهای سیل ناگهانی و اثرات انسانی در ایالات متحده از 2006 تا 2012. J. Hydrol. 2014 ، 519 ، 863-870. [ Google Scholar ] [ CrossRef ]
  5. لی، سی.-جی. چای، Y.-Q. یانگ، ی.-اس. لی، اچ.-ر. توزیع مکانی-زمانی بلایای سیل و تجزیه و تحلیل عوامل تأثیرگذار در آفریقا. نات. خطرات 2016 ، 82 ، 721-731. [ Google Scholar ] [ CrossRef ]
  6. مارتین-وید، جی پی؛ Llasat، MC سیل ناگهانی 1962 در جریان روبی (بارسلونا، اسپانیا). جی هیدرول. 2018 ، 566 ، 441-454. [ Google Scholar ] [ CrossRef ]
  7. لیو، ی. یانگ، ی. توزیع فضایی بلایای طبیعی عمده چین در دوره تاریخی. Acta Geogr. گناه 2012 ، 67 ، 291-300. [ Google Scholar ]
  8. خو، اس. وانگ، جی. شی، سی. Yan, J. تحقیق در مورد خطر بلایای طبیعی در شهرهای ساحلی. Acta Geogr. گناه 2006 ، 61 ، 127-138. [ Google Scholar ]
  9. گوا، ال. دینگ، ال. Sun، D. فن‌آوری‌های کلیدی و کاربردهای بررسی و ارزیابی بلایای ناگهانی سیل در چین. خشکسالی سیل چین Manag. 2018 ، 28 ، 7–11، 32. [ Google Scholar ]
  10. نیکولوپولوس، EI; دسترو، ای. Bhuiyan، MAE; بورگا، م. Anagnostou، EN ارزیابی مدل های پیش بینی برای وقوع جریان زباله پس از آتش سوزی در غرب ایالات متحده. نات. سیستم خطرات زمین. علمی 2018 ، 18 ، 2331-2343. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. گوا، ال. لیو، جی سی. طرح کاری دینگ، LQ برای بررسی و ارزیابی سیل کوهستانی در چین. منبع آب چین 2012 ، 23 ، 10-12. [ Google Scholar ]
  12. ژانگ، ی. چنگ، دبلیو. Wang, N. ارزیابی ریسک سیل کوه بر اساس GIS و مدل رگرسیون لجستیک. خشکسالی سیل چین Manag. 2018 ، 28 ، 21–26، 30. [ Google Scholar ]
  13. کاستاش، آر. فام، QB; شریفی، ا. Linh، NTT؛ آبا، SI; Vojtek، M. ارزیابی حساسیت به فلش-سیل با استفاده از تصمیم گیری چند معیاره و یادگیری ماشینی با پشتیبانی از تکنیک های سنجش از دور و GIS. Remote Sens. 2019 ، 12 ، 106. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  14. شحاتا، م. Mizunaga، H. ارزیابی خطر سیل ناگهانی برای جزیره کیوشو، ژاپن. محیط زیست علوم زمین 2018 ، 77 ، 76. [ Google Scholar ] [ CrossRef ]
  15. شحاتا، م. Mizunaga، H. تجزیه و تحلیل جغرافیایی پارامترهای هیدرولوژیکی سطح برای جزیره کیوشو، ژاپن. نات. خطرات 2019 ، 9 ، 33-52. [ Google Scholar ] [ CrossRef ]
  16. شیونگ، جی. لی، جی. چنگ، دبلیو. وانگ، ن. Guo, L. مدل ماشین بردار پشتیبانی مبتنی بر GIS برای ارزیابی آسیب‌پذیری و نقشه‌برداری آسیب‌پذیری سیل فلش در چین. ISPRS Int. J. Geo-Inf. 2019 ، 8 ، 297. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  17. وارلاس، جی. Anagnostou، MN; اسپیرو، سی. پاپادوپولوس، آ. کالوگیروس، جی. منتضافو، ع. مایکلیدس، اس. بالتاس، ای. کریمبالیس، ای. Katsafados, P. A Multi-Platform Hydrometeorological Analysis of the Flash Flood Event of 15 نوامبر 2017 در آتیکا، یونان. Remote Sens. 2018 ، 11 ، 45. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  18. هودجس، ج. کویمان، ع. مااتویس، بی. گفت، م. بچت، آر. لیمو، ا. مومو، م. Nduhiu-Mathenge، J. شاکا، ا. Su، B. سیستم هشدار اولیه سیل ناگهانی برای آفریقا، بر اساس پیوندهای مایکروویو زمینی و راهنمای سیل فلش. ISPRS Int. J. Geo-Inf. 2014 ، 3 ، 584-598. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  19. هوانگ، تلویزیون؛ چو، TY; نگوین، NT; نیش، YM; بله، ام ال. نگوین، QH; Nguyen, XL یک سیستم هشدار اولیه قوی برای جلوگیری از سیل ناگهانی در مناطق کوهستانی در ویتنام. ISPRS Int. J. Geo-Inf. 2019 ، 8 ، 228. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  20. تیرنا، بی. آسمان، ا. فریچ، ک. Johann, G. نقشه‌برداری خطر سیل با وضوح بالا در مقیاس بزرگ با استفاده از مدل دو بعدی هیدرودینامیکی مبتنی بر شطرنجی FloodAreaHPC. J. مدیریت خطر سیل. 2018 ، 11 ، S1024–S1037. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  21. هنریکسن، اچ جی; رابرتز، ام جی. ون در کور، پ. هارجان، ا. اگیلسون، دی. آلفونسو، L. سیستم‌های هشدار اولیه و نظارت مشارکتی: یک چارچوب نوردیک برای مدیریت ریسک سیل مبتنی بر وب. بین المللی J. کاهش خطر بلایا. 2018 ، 31 ، 1295-1306. [ Google Scholar ] [ CrossRef ]
  22. گان، BR; لیو، XN; یانگ، XG تأثیر فعالیت‌های انسانی بر وقوع خطرات سیل کوهستانی: درس‌هایی از رویداد سیل ناگهانی / جریان آوار در 17 اوت 2015 در شهرستان Xuyong، جنوب غربی چین. Geomat. نات. خطر خطرات 2018 ، 9 ، 816-840. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  23. وانگ، ی. کوی، پی. وانگ، ز. Liang, S. مطالعه بر روی شکل گیری و ویژگی های ارتفاع سر جریان زباله. جی هیدرول. مهندس 2017 ، 48 ، 437-479. [ Google Scholar ]
  24. پاپاگیانکی، ک. لاگوواردوس، ک. کوترونی، وی. بز، الف. وقوع سیل ناگهانی و ارتباط با خطر بارندگی در یک منطقه بسیار شهری. نات. سیستم خطرات زمین. علمی 2015 ، 15 ، 1859-1871. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. شیونگ، جی. بله، سی. چنگ، دبلیو. گوا، ال. ژو، سی. ژانگ، X. توزیع فضایی و زمانی سیل‌های ناگهانی و تجزیه و تحلیل نیروهای محرک پارتیشن در استان یوننان. پایداری 2019 ، 11 ، 2926. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  26. شیونگ، جی. گونگ، ی. چنگ، دبلیو. ویژگی های توزیع زمانی و مکانی سیلاب های کوهستانی در تبت، چین در 30 سال اخیر. Mt. Res. 2018 ، 36 ، 557-570. [ Google Scholar ]
  27. Djimesah، IE; Okine، AND. Kissi Mireku, K. عوامل مؤثر در ایجاد سیستم های هشدار دهنده نسبت به مدیریت بلایای سیل در غنا: تجزیه و تحلیل سیل شمالی 2007. بین المللی J. کاهش خطر بلایا. 2018 ، 28 ، 318-326. [ Google Scholar ] [ CrossRef ]
  28. شیونگ، جی. ژائو، ی. چنگ، دبلیو. توزیع زمانی-مکانی و عوامل مؤثر بر بلایای سیل کوهستانی در استان سیچوان. Geo-Inf. علمی 2018 ، 20 ، 1443-1456. [ Google Scholar ]
  29. لیو، ی. یوان، ایکس. گوا، ال. هوانگ، ی. Zhang، X. تحلیل نیروی محرکه توزیع زمانی و مکانی سیل‌های ناگهانی در استان سیچوان. Sustainability 2017 , 9 , 1527. [ Google Scholar ] [ CrossRef ][ Green Version ]
  30. وانگ، بی. وانگ، ی. توسعه مرکز گرانش اقتصادی و تفاوت فضایی اقتصاد در فوجیان از سال 1989 تا 2008. Geogr. Res. 2011 ، 30 ، 1882-1890. [ Google Scholar ]
  31. ژونگ، اس. وانگ، سی. یو، ز. یانگ، ی. هوانگ، Q. اکتشاف فضایی و زمانی و نقشه برداری خطر از طوفان های استوایی در امتداد خط ساحلی چین. Adv. هواشناسی 2018 ، 2018 ، 1-15. [ Google Scholar ] [ CrossRef ]
  32. ژانگ، اس. چانگ، تی. وانگ، ی. تغییرپذیری بارش فضایی و فصلی در فوجیان شرقی بر اساس داده‌های مشاهده ایستگاه خودکار. حس ماتر. 2018 ، 30 ، 525-538. [ Google Scholar ] [ CrossRef ]
  33. سالنامه آماری چین 2018. در دسترس آنلاین: https://www.stats.gov.cn/tjsj/ndsj/2018/indexch.htm (در 30 دسامبر 2019 قابل دسترسی است).
  34. ژائو، زی. رابطه بین شخصیت‌های ژئومورفیک پایه و تولید کشاورزی در فوجیان. Acate Geogr. گناه 1993 ، 48 ، 143-151. [ Google Scholar ]
  35. ژائو، ZB ویژگی های محیط کوهستانی فوجیان و مشکلات توسعه آن. Acta Geogr. گناه 1984 ، 39 ، 409-417. [ Google Scholar ]
  36. ژو، ی. شیائو، اف. لو، ی. ژائو، اس. مطالعه بر روی شاخص تاثیر بالقوه طوفان استوایی در چین. Acta Geogr. گناه 2011 ، 66 ، 367-375. [ Google Scholar ]
  37. دونگ، جی. وی، جی. Hu, G. تمرین پیشگیری از سیل کوهستان در استان فوجیان. منبع آب چین 2012 ، 13 ، 47-48. [ Google Scholar ]
  38. اطلاعات ملی هواشناسی چین (CMA). در دسترس آنلاین: https://data.cma.cn/data/detail/dataCode/A.0029.0001.html (در 30 دسامبر 2019 قابل دسترسی است).
  39. تیم متخصص در تشخیص و شاخص های تغییرات آب و هوا (ETCCDI). در دسترس آنلاین: https://cccma.seos.uvic.ca/ETCCDI/list27indices.html (در 30 دسامبر 2019 قابل دسترسی است).
  40. سایت ابر داده های جغرافیایی، مرکز اطلاعات شبکه کامپیوتری، آکادمی علوم چین (GDC). در دسترس آنلاین: https://www.gscloud.cn (در 30 دسامبر 2019 قابل دسترسی است).
  41. مرکز داده برای منابع و علوم محیطی، آکادمی علوم چین (RESDC). در دسترس آنلاین: https://www.resdc.cn (در 30 دسامبر 2019 قابل دسترسی است).
  42. کندال، ام جی; استوارت، الف. تئوری پیشرفته آمار: طراحی و تجزیه و تحلیل، و سری زمانی. JR Stat. Soc. سر. A 1984 , 147 , 523. [ Google Scholar ]
  43. گوچیچ، م. Trajkovic, S. تجزیه و تحلیل تغییرات در متغیرهای هواشناسی با استفاده از آزمون های آماری برآوردگر شیب Mann-Kendall و Sen’s در صربستان. گلوب. سیاره. چانگ. 2013 ، 100 ، 172-182. [ Google Scholar ] [ CrossRef ]
  44. پنگ، ی. آهنگ، جی. کوی، تی. چنگ، X. تنوع زمانی-مکانی بلایای طبیعی جوی و هیدرولوژیکی در طول 500 سال اخیر در مغولستان داخلی، چین. نات. خطرات 2017 ، 89 ، 441-456. [ Google Scholar ] [ CrossRef ]
  45. Lefever، DW اندازه گیری غلظت جغرافیایی با استفاده از بیضی انحراف استاندارد. صبح. جی. سوسیول. 1926 ، 32 ، 88-94. [ Google Scholar ] [ CrossRef ]
  46. شی، ی. ماتسوناگا، تی. یاماگوچی، ی. لی، ز. گو، ایکس. چن، X. روندهای بلند مدت و الگوهای فضایی غلظت PM2.5 بازیابی شده توسط ماهواره در آسیای جنوبی و جنوب شرقی از سال 1999 تا 2014. Sci Total Environ. 2018 ، 615 ، 177-186. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  47. شرستا، AB; Bajracharya، SR; شارما، آر. دوو، سی. Kulkarni، A. مشاهده روند و تغییرات در دمای روزانه و بارش شدید بیش از حوضه رودخانه کوشی 1975-2010. بین المللی جی.کلیماتول. 2017 ، 37 ، 1066-1083. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  48. جیانگ، جی. مو، دی. لو، جی. لیائو، ی. لو، پی. رن، X. تکامل ژئومورفیک هولوسن حوضه تایوان در استان شانشی و تأثیر آن بر توزیع سکونتگاه‌های باستانی انسان. J. Palaeogr. 2016 ، 18 ، 895. [ Google Scholar ]
  49. لو، اچ. پیشرفت در ژئومورفولوژی و مطالعه آینده: مروری کوتاه. Prog. Geogr. 2018 ، 37 ، 8-15. [ Google Scholar ]
  50. شفاپور تهرانی، م. پرادان، بی. جبور، MN پیش‌بینی فضایی مناطق مستعد سیل با استفاده از درخت تصمیم‌گیری مبتنی بر قانون (DT) و مجموعه‌ای جدید از مدل‌های آماری دو متغیره و چند متغیره در GIS. جی هیدرول. 2013 ، 504 ، 69-79. [ Google Scholar ] [ CrossRef ]
  51. وانگ، ز. لای، سی. چن، ایکس. یانگ، بی. ژائو، SW; مدل ارزیابی خطر سیل بای، XY بر اساس جنگل تصادفی. جی هیدرول. 2015 ، 527 ، 1130-1140. [ Google Scholar ] [ CrossRef ]
  52. کازبی، بی‌جی؛ هورنبرگر، جنرال موتورز; Clapp، RB; Ginn, TR یک اکتشاف آماری از روابط خصوصیات رطوبت خاک با خواص فیزیکی خاک. منبع آب Res. 1984 ، 20 ، 682-690. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  53. چنگ، دبلیو. ژو، سی. لی، بی. شن، ی. سیستم نظریه منطقه‌بندی ژئومورفولوژیکی و روش‌شناسی تقسیم چین. Acta Geogr. گناه 2019 ، 74 ، 839. [ Google Scholar ]
  54. وانگ، جی اف. Xu، CD Geodetector: اصل و آینده نگر. Acate Geogr. گناه 2017 ، 72 ، 116-134. [ Google Scholar ]
  55. وانگ، جی اف. لی، XH; کریستاکوس، جی. لیائو، YL; ژانگ، تی. گو، ایکس. ژنگ، ارزیابی خطر سلامت مبتنی بر آشکارسازهای جغرافیایی XY و کاربرد آن در مطالعه نقص لوله عصبی منطقه هشون، چین. بین المللی جی. جئوگر. Inf. علمی 2010 ، 24 ، 107-127. [ Google Scholar ] [ CrossRef ]
  56. کیائو، پی. یانگ، اس. لی، م. چن، تی. دونگ، ن. تجزیه و تحلیل کمی عوامل موثر بر توزیع فضایی فلزات سنگین خاک بر اساس آشکارساز جغرافیایی. علمی کل محیط. 2019 ، 664 ، 392-413. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  57. عبدی، ح. ویلیامز، LJ تجزیه و تحلیل مؤلفه اصلی. وایلی اینتردیسیپ. ریور کامپیوتر. آمار 2010 ، 2 ، 433-459. [ Google Scholar ] [ CrossRef ]
  58. Uyanık، GK; گولر، ن. مطالعه ای بر روی تحلیل رگرسیون خطی چندگانه. Procedia Soc. رفتار علمی 2013 ، 106 ، 234-240. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  59. هوانگ، بی. وو، بی. Barry, M. رگرسیون وزن‌دار جغرافیایی و زمانی برای مدل‌سازی تغییرات مکانی-زمانی قیمت مسکن. بین المللی جی. جئوگر. Inf. علمی 2010 ، 24 ، 383-401. [ Google Scholar ] [ CrossRef ]
  60. Xu, CD; Xiao، GX؛ لی، جی.ام. الگوهای فضایی-زمانی کائو، HX و عوامل خطر مربوط به عفونت های ویروس هپاتیت B در منطقه پکن-تیانجین-هبی چین. اپیدمیول. آلوده کردن 2019 ، 147 ، 1-8. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  61. دو، ز. وو، اس. ژانگ، اف. لیو، آر. ژو، ی. گسترش رگرسیون وزن‌دار جغرافیایی و زمانی برای محاسبه ناهمگنی مکانی و زمانی و تغییرات فصلی در دریاهای ساحلی. Ecol. آگاه کردن. 2018 ، 43 ، 185-199. [ Google Scholar ] [ CrossRef ]
  62. ژانگ، ایکس. هوانگ، بی. زو، S. تأثیر فضای زمانی محیط شهری بر تاکسی سواری با استفاده از رگرسیون وزنی جغرافیایی و زمانی. ISPRS Int. J. Geo-Inf. 2019 ، 8 ، 23. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  63. استات، PA; ژیلت، NP; هگرل، جی سی; کارولی، دی جی؛ استون، DA; ژانگ، ایکس. Zwiers، F. تشخیص و نسبت تغییرات آب و هوا: دیدگاه منطقه ای. وایلی اینتردیسیپ. کشیش کلیم. چانگ. 2010 ، 1 ، 192-211. [ Google Scholar ] [ CrossRef ]
  64. کورتس، ام. تورکو، ام. للاسات بوتیجا، م. Llasat، MC رابطه بین بارش و داده های بیمه برای سیل در یک منطقه مدیترانه (شمال شرقی اسپانیا). نات. سیستم خطرات زمین. علمی 2018 ، 18 ، 857-868. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  65. هو، جی. گوو، ک. لیو، اف. هان، اچ. لیانگ، کیو. تانگ، ی. لی، پی. ارزیابی اثر جنگل شیب بر فرآیند سیل ناشی از طوفان کوتاه مدت در یک حوضه آبریز کوچک. Water 2018 , 10 , 1256. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  66. ژانگ، اچ. سان، ج. Xiong، J. الگوهای مکانی-زمانی و کنترل تبخیر و تعرق در سراسر فلات تبت (2000-2012). Adv. هواشناسی 2017 ، 2017 ، 1-12. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  67. شیونگ، جی. یونگ، ز. وانگ، ز. چنگ، دبلیو. لی، ی. ژانگ، اچ. بله، سی. یانگ، ی. الگوهای فضایی و زمانی بارش شدید در سراسر فلات تبت (1986-2015). Water 2019 ، 11 ، 1453. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  68. گائو، ال. هوانگ، جی. چن، ایکس. چن، ی. لیو، M. خطر بارش شدید در شرایط غیر ایستایی در طول فصل سیل دوم در منطقه ساحلی جنوب شرقی چین. J. Hydrometeorol. 2017 ، 18 ، 669-681. [ Google Scholar ] [ CrossRef ]
  69. یین، جی. جنتین، پ. ژو، اس. سالیوان، SC; وانگ، آر. ژانگ، ی. Guo, S. افزایش شدید رواناب طوفان جهانی ناشی از تغییرات آب و هوایی و انسانی. نات. اشتراک. 2018 ، 9 ، 4389-4398. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  70. روآ-گارسیا، ام سی; براون، اس. شرایر، اچ. Lavkulich، LM نقش کاربری زمین و خاک در تنظیم جریان آب در حوضه های آبریز کوچک آند. منبع آب Res. 2011 ، 47 ، 5-16. [ Google Scholar ] [ CrossRef ]
  71. چن، اس. ژا، X. اثرات ENSO بر فرسایش بارندگی در استان فوجیان جنوب شرقی چین. علمی کل محیط. 2018 ، 621 ، 1378–1388. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  72. Xiao، ZH چهل سال اصلاحات و گشایش و جریان بزرگ جمعیت در چین. مردمی Soc. 2019 ، 35 ، 30-38. [ Google Scholar ]
  73. لین، جی. Warrilow، DA شبیه سازی تاثیر آب و هوایی منطقه ای جنگل زدایی آمازون. طبیعت 1989 ، 342 ، 411-413. [ Google Scholar ] [ CrossRef ]
  74. هوانگ، ی. دوان، ی. Yu, H. مطالعه تأثیر زمین بر بارش “KROSA”. هواشناسی دوشنبه 2009 ، 35 ، 3-10. [ Google Scholar ]
  75. پانگ، ام. Si، G. تأثیر توپوگرافی مقیاس منطقه ای بر توزیع اقلیمی بارش. جی تروپ. هواشناسی 1993 ، 9 ، 370-374. [ Google Scholar ]
  76. ژو، دی. لو، جی. روبی، LL; Zhang، Y. پاسخ چرخه هیدرولوژیکی در سیستم های موسمی آسیا به گرمایش جهانی از طریق تجزیه و تحلیل فعالیت موج بخار آب عدسی. ژئوفیز. Res. Lett. 2018 ، 45 ، 904–912. [ Google Scholar ] [ CrossRef ]
  77. پادشاه، م. Donat، MG; فیشر، EM; هاوکینز، ای. الکساندر، LV; کارولی، دی جی؛ دیتوس، ای جی; لوئیس، SC; Perkins, SE زمان‌بندی ظهور انسان‌زایی در افراط‌های آب و هوایی شبیه‌سازی شده. محیط زیست Res. Lett. 2015 ، 10 ، 1-9. [ Google Scholar ] [ CrossRef ]
  78. فو، ی. روند انتقال صنعتی در نواحی ساحلی شرقی: بر اساس بررسی ژجیانگ. اکونومیست 2011 ، 10 ، 84-90. [ Google Scholar ]
  79. یون، ی. کشتی.؛ لیو، ی. تأثیر تغییر کاربری زمین بر سیل شهری. جی. نات. بلایا 2003 ، 12 ، 6-13. [ Google Scholar ]
  80. مائو، اچ. یان، ایکس. Xiong, Z. مروری بر تأثیرات تغییر کاربری زمین بر اقلیم. صعود محیط زیست Res. 2011 ، 16 ، 513-524. [ Google Scholar ]
  81. شن، ایکس. شو، س. Xu, Z. شبیه سازی عددی و تجزیه و تحلیل تأثیر توپوگرافی پیچیده بر طوفان باران فوجی. J. Nanjing Inst. هواشناسی 2008 ، 31 ، 546-5544. [ Google Scholar ]
  82. تانگ، دبلیو. ژو، تی. سان، ج. لی، ی. لی، دبلیو. توسعه شتابان شهری در شهر لهاسا و پیامدهای توسعه پایدار در شهر فلات. پایداری 2017 ، 9 ، 1499. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  83. کیو، دبلیو. رن، اف. وو، ال. چن، ال. دینگ، سی. ویژگی‌های بارش شدید طوفان استوایی و علل اولیه آن در جنوب شرقی چین. هواشناسی اتمس. فیزیک 2018 ، 131 ، 613-626. [ Google Scholar ] [ CrossRef ]
  84. لیو، ی. یانگ، ز. هوانگ، ی. لیو، سی. تکامل فضایی و زمانی و عوامل محرک بلایای سیل ناگهانی چین از سال 1949. علم. علوم زمین چین 2018 ، 61 ، 1804-1817. [ Google Scholar ] [ CrossRef ]
  85. دو، اس. چنگ، ایکس. هوانگ، Q. چن، آر. وارد، پی جی. Aerts, JCJH ارتباط کوتاه: بازاندیشی در مورد سیل 1998 چین برای آماده شدن برای آینده ای غیر ثابت. نات. سیستم خطرات زمین. علمی 2019 ، 19 ، 715–719. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  86. شی، تی. خو، اچ. وانگ، اس. نیش، سی. لین، ز. وانگ، ام. تانگ، اف. مطالعه سنجش از دور دینامیک خط ساحلی بندر کوانژو: نقطه شروع جاده ابریشم دریایی باستانی. J. Geo-Inf. علمی 2017 ، 19 ، 407-416. [ Google Scholar ]
  87. هوانگ، ایکس. Huang, M. رابطه بین توسعه پایدار شهری و رشد اقتصادی بر اساس تجزیه و تحلیل emergy: مطالعه موردی شهر Quanzhou. Prog. Geogr. 2015 ، 34 ، 38-47. [ Google Scholar ]
  88. باوا، KS; دایاناندان، S. عوامل اجتماعی و اقتصادی و جنگل زدایی گرمسیری. طبیعت 1997 ، 386 ، 562-563. [ Google Scholar ] [ CrossRef ]
  89. یی، Q. مطالعه ای در مسیر تحول و ارتقاء اقتصاد بیرونی فوجیان. آسیا-پک. اقتصاد Rev. 2012 , 2 , 120-128. [ Google Scholar ]
Ijgi 09 00133 g001 550
شکل 1. منطقه مورد مطالعه: ( الف ) توزیع فضایی سیل ناگهانی در استان فوجیان. ( ب ) موقعیت جغرافیایی فوجیان در چین. ( ج ) منطقه بندی ژئومورفیک سه درجه در استان فوجیان.
Ijgi 09 00133 g002 550
شکل 2. ( الف ) تعداد سالانه سیلاب های ناگهانی و میانگین بارندگی سالانه در استان فوجیان از سال 1951 تا 2015 و ( ب ) تجزیه و تحلیل جهش سیل ناگهانی با استفاده از آزمون من-کندال. ( ج ) تعداد سالانه سیلاب های ناگهانی و میانگین بارش بین سالانه در استان فوجیان. ( d – f ) تعداد ماهانه سیل های ناگهانی در IIA2، IIA3 و IIA4 به ترتیب می باشد. منحنی ها نشان دهنده میانگین بارندگی ماهانه دو دوره تحت منطقه بندی ژئومورفولوژیکی مختلف است.
Ijgi 09 00133 g003 550
شکل 3. توزیع و تکامل مرکز ثقل سیل های ناگهانی طی هفت دوره از دهه 1950 تا 2010 در استان فوجیان. ( a – g ) توزیع‌های فضایی سیل‌های ناگهانی فوجیان هستند که در هفت دوره از دهه 1950 تا 2010 نشان داده شده‌اند. ( h ) مسیر تکامل مرکز گرانش است.
Ijgi 09 00133 g004 550
شکل 4. توزیع مکانی چهار شاخص بارش در استان فوجیان در طول D1 (1981 تا 2000) و D2 (2001 تا 2015): ( الف ) R95p در D1، ( b ) R99p در D1، ( c ) Rx1day در D1، ( د ) P50 در D1، ( e ) R95p در D2، ( f ) R99p در D2، ( g ) Rx1day در D2، و ( h ) P50 در D2.
Ijgi 09 00133 g005 550
شکل 5. ( الف ) VPD و ( د ) RD به ترتیب توزیع فضایی VPD و RD را نشان می‌دهند. ( ب ، ج ) به ترتیب توزیع‌های فضایی تولید ناخالص داخلی و POP را در D1 ارائه می‌کند. ( e , f ) به ترتیب توزیع های فضایی تولید ناخالص داخلی و POP را در دوره D2 نشان می دهد.
Ijgi 09 00133 g006 550
شکل 6. تجزیه و تحلیل تشخیص تعامل بر اساس تجزیه و تحلیل مولفه اصلی و رگرسیون خطی چندگانه در مناطق مختلف ژئومورفولوژیکی از D1 تا D2. ( a ، c ، h ) مقادیر R2 از رگرسیون خطی چندگانه ( MLR) اجزای اصلی برای سیلاب‌های ناگهانی در مناطق IIA2، IIA3 و IIA4 در دوره D1 هستند. ( d ، f ، k ) نرخ مشارکت عوامل محرک به اجزای اصلی در مناطق IIA2، IIA3 و IIA4 در دوره D1 است. ( b ، g ، i ) R2 هستندمقادیر MLR اجزای اصلی سیل‌های ناگهانی در مناطق IIA2، IIA3 و IIA4 در دوره D2. ( e ، j ، l ) نرخ مشارکت عوامل محرک اجزای اصلی در مناطق IIA2، IIA3 و IIA4 در دوره D2 هستند. فونت قرمز بالاترین مقادیر R2 را نشان می دهد، فونت سفید نشان دهنده ضریب قابل توجهی زیر سطح 0.05 و نوارهای قرمز نشان دهنده عدم مشارکت است.
Ijgi 09 00133 g007 550
شکل 7. حساسیت سیل ناگهانی به ( a ) GDP، ( b ) POP، ( c ) R95p، و ( d ) Rx1day در دوره D1 و حساسیت سیل ناگهانی به ( e ) GDP، ( f ) VPD، ( g ) R95p، و ( h ) Rx1day در دوره D2 با استفاده از GTWR.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید