مدل‌سازی خطر یکپارچه برای شبیه‌سازی واکنش جریان سیل‌آمیز به رویدادهای سیل فلش

خلاصه

این مطالعه با هدف پایش واکنش سیل ناگهانی تونت تپه Vidor/Wadore در پاکستان با ادغام مدل‌های مدیریت آب طوفان رایانه شخصی PCSWMM (هیدرولوژیک) و HEC-RAS 5.x (هیدرولیک) انجام می‌شود. این روش از سنجش از دور و برآوردهای GIS از پارامترهای اندازه‌گیری شده و استنباط‌شده حوضه آبریز روستایی ویدور برای تعیین کمیت رویدادهای سیل ناگهانی چهار سال گذشته استفاده می‌کند: 2014-2017. کالیبراسیون PCSWMM با استفاده از ابزار کالیبراسیون تنظیم رادیویی مبتنی بر حساسیت (SRTC) انجام می شود. راندمان نش-ساتکلیف (NSE)، ضریب تعیین ( ^R2و مقادیر خطای نسبی (RE) به ترتیب بین 0.75-0.97، 0.94-0.98 و -0.22–0.09 یافت شد. شاخص های آماری صحت PCSWMM را برای حوضه های آبریز روستایی اثبات می کند. پاسخ رواناب تورنت ویدور نیز برای هیتوگراف های بارندگی 0.5/12.7، 1.5/38.1 و 2.0/50.8 اینچ بر میلی متر تجزیه و تحلیل می شود. هیدروگراف های تولید شده برای شبیه سازی ماژول دو بعدی در HEC-RAS 5.x برای مرزبندی دشت سیلابی در منطقه پیمونت استفاده می شود. دقت وسعت سیل با استفاده از قیاس پوشش فضایی در محیط ArcGIS با مقایسه گستره‌های سیل شبیه‌سازی‌شده و تاریخی موجود تحلیل می‌شود. وسعت سیل شبیه سازی شده با گستره سیل تاریخی 76 درصد دقت را نشان می دهد. تأثیر حوادث سیلاب ناگهانی نشان می دهد که گندم، ذرت و باغات میوه بیشترین تأثیر را در کشاورزی در منطقه پیمونت دارند. نتایج نشان داد که ادغام هیدرولوژیکی، هیدرولیک،

کلید واژه ها:

سیل ناگهانی ؛ PCSWMM _ عدد منحنی ؛ مدل بارش-رواناب ; HEC-RAS ; پاکستان

1. معرفی

سیل های ناگهانی به دلیل تاثیر ناگهانی و شدیدشان یکی از فاجعه بارترین مخاطرات طبیعی در نظر گرفته می شوند [ 1 ]. بارش شدید باران در شیب های تند سیلاب های تپه ای باعث ایجاد سیل ناگهانی با تاخیر کوتاه می شود که باعث خسارات اقتصادی غیرقابل تحمل می شود. نفوذ انسان و تنوع در آب و هوا، شرایط طبیعی غالب و فرآیندهای بارش-رواناب در حوضه های کوهستانی را تغییر داده است و در نتیجه افزایش فراوانی حوادث سیل ناگهانی را به دنبال دارد. با توجه به رکورد آماری امور عمرانی ملی (NCA)، به طور متوسط، هر ساله سیل‌های ناگهانی 3 تا 6 درصد از تولید ناخالص ملی را از دست می‌دهند [ 2 ، 3 ، 4 ، 5 ، 6 ، 7 .، 8 ].

رفتار بارش-رواناب در حوضه آبریز کوهستانی شیب دار یک فرآیند پیچیده است که صرفاً به پارامترهای فیزیکی (شکل، اندازه، نوع جریان و غیره) حوضه بستگی دارد [ 9 ]. اندازه گیری دقیق دبی برای چنین حوضه ای به دلیل محاسبه عمیق پارامترهای فیزیکی یک چالش باقی می ماند. با این حال، بهبود و پیشرفت در مطالعات، در مورد تعادل آب و تغییر محیط طبیعی، مطالعات هیدرولوژیکی – و همچنین هیدرولیک – را در دهه‌های گذشته سوق داده است [ 10 ]. استراتژی های مختلفی توسط محققان توسعه داده شده است [ 11 ، 12 ، 13 ، 14 ، 15] برای ادغام اثرات عوامل فیزیکی و انسانی بر رواناب برای رویدادهای طوفان. در میان روش های مختلف (گرین آمپت، هورتون، هولتون، و غیره)، شماره منحنی خدمات حفاظت از خاک (SCS-CN) ثابت کرده است که یک تکنیک پایدار برای تعیین کمیت حجم تخلیه سیل ناگهانی در حوضه های آبریز است [ 9 ، 16 ].

در دهه‌های اخیر، مدل‌های هیدرولوژیکی به عنوان یکی از اقدامات مؤثر مورد استفاده برای پیش‌بینی و پایش سیلاب‌های ناگهانی ثابت شده‌اند. در سطح جهانی، رویکردهای آب و هواشناسی به عنوان بهترین شیوه های مدیریت برای سیلاب های ناگهانی طبقه بندی شده اند. مدل‌های هیدرولوژیکی به طرح‌واره‌های توده‌ای، نیمه توزیع‌شده و توزیع‌شده طبقه‌بندی می‌شوند. مدل‌سازی توده‌ای شامل شرایط فرضی یکنواخت است. با این حال، مدل‌های توزیع‌شده می‌توانند داده‌های اندازه‌گیری شده و استنباطی توزیع‌شده (به عنوان مثال، بارش، تابش خورشید، دما، توزیع رطوبت خاک، و غیره) را در بر گیرند. مدل‌های توزیع‌شده محاسبات را در مقیاس‌های کرولوژیکی و همچنین زمانی انجام می‌دهند. مدل های نیمه پراکنده مانند مدل های توزیع شده با تفاوت مقیاس های حوضه عمل می کنند. در مدل نیمه توزیع شده، کوچکترین واحد حوضه، حوضه فرعی است، اما در مدل توزیع شده، فرآیند را در مقیاس پیکسلی (بر اساس شطرنجی) محاسبه می کند. مدل های توزیع شده و نیمه توزیع شده به طور مساوی برای پایش سیل ناگهانی اجرا می شوند و عملکرد بهتری نسبت به مدل های توده ای دارند. Zoccatelli و همکاران، Anquetin و همکاران، و Jia، P و همکاران، تأیید می‌کنند که نتایج مدل با داده‌های فشار فضایی توزیع‌شده (بارندگی، دما، وضعیت رطوبت خاک، و غیره) به طور قابل‌توجهی بهبود می‌یابد.17 ، 18 ، 19 ]. با این حال، محاسبه هیدرولوژیکی به دلیل رفتار غیر خطی سیلاب‌های ناگهانی در حوزه مکانی-زمانی یک چالش باقی می‌ماند. به طور کلی، عدم قطعیت های مختلف در داده های ورودی منبع بر مدل های هیدرولیک تأثیر می گذارد، به ویژه داده های پشتیبانی موجود که خروجی مدل را تعیین می کند. به طور خلاصه، محدودیت‌های داده، اجرای مدل‌های مبتنی بر فیزیکی دقیق برای پیش‌بینی سیل‌های ناگهانی را تضعیف می‌کند [ 20 ، 21 ، 22 ، 23 ، 24 ، 25 ].

پایش متغیرهای هیدرولوژیکی ماهیت پیچیده ای دارد. محققان از برنامه‌ها و مدل‌های مختلف به کمک رایانه برای درون‌یابی و برون‌یابی متغیرهای متنوع در زمینه‌های مکانی و زمانی استفاده می‌کنند [ 26 ]. چنین پلتفرم‌ها و مدل‌هایی برای کاوش و درک رفتار سیستم ارزشمند هستند، زیرا از مدل‌ها برای شناسایی خطاها و ناسازگاری‌ها در سیستم استفاده می‌شود. مزیت مدل های مختلف بهبود سناریوهای تعریف شده توسط کاربر است. تنظیمات توسعه یافته واقعیت یک سیستم را با دقت کافی نشان می دهد [ 26 ، 27 ]. محققان وضعیت سیل را شبیه سازی کرده اند و منطقه بندی خطر سیل را انجام داده اند که پشتیبانی فنی برای کنترل سیل ناگهانی و کاهش بلایا در مناطق شهری فراهم می کند [ 28 , 29 ], 30 , 31 ]. مدل مدیریت آب طوفان رایانه شخصی (PCSWMM) یکی از مدل هایی است که قابلیت های هیدرولوژیکی (مجموعه، نیمه توزیع شده و پراکنده) و هیدرولیکی را ارائه می دهد. با این حال، بیشتر برای حوضه های آبریز شهری با استفاده از داده های اندازه گیری و جریان جمع آوری شده از سایت [ 32 ، 33 ، 34 ، 35 ] کالیبره شده است. مدل های دیگری مانند سری MIKE (دانمارک) و InfoWorks ICM (بریتانیا) با قابلیت هیدرودینامیک قوی و پیش پردازش نیز تعداد کاربران خوبی دارند. در مقایسه، مدل SWMM (ایالات متحده) به طور گسترده استفاده می شود زیرا کد آن منبع باز است و استفاده از آن رایگان است [ 36 ]]. SWMM به طور گسترده برای سیلاب شهری استفاده شده است، با این حال، مطالعات محدود نشان داده است که آن را به همان اندازه در حوضه های روستایی با داده های اندازه گیری موفق است [ 7 ، 37 ].

فراوانی سیلاب های ناگهانی در رشته کوه های مختلف پاکستان به دلیل تغییر الگوی بارندگی در سال های اخیر افزایش یافته است [ 38 ، 39 ، 40 ، 41 ]. فراوانی سیلاب های ناگهانی کوچک تا وسیع در ناحیه DG Khan بسیار زیاد است. ویدور یکی از سیلاب‌های تپه‌های اصلی رشته کوه سلیمان در ناحیه دی‌جی خان است. رویدادهای مکرر سیل ناگهانی در حوضه آبریز ویدور به زیرساخت ها، محصولات ارزشمند و روستاهای کوچک در منطقه پیمونت آسیب می زند. سیل شدید سال‌های 2012 و 2015 همچنین به سیستم‌های کانال آبیاری در پایین دست دشت پیمونت در فواصل مختلف کاهش‌یافته با RD آسیب وارد کرد [ 7 ].

بر اساس سوابق تاریخی و رویدادهای سیل ناگهانی مکرر در DG Khan از حوضه حوضه Vidor، این مقاله کاربرد PCSWMM را با استفاده از رویکرد مدل‌سازی نیمه توزیع شده تأیید می‌کند و تأثیر سیلاب‌های ناگهانی در دشت‌های پیمونت پایین دست را با استفاده از مدل‌سازی هیدرولیک HEC-RAS 2D تحلیل می‌کند. . دقت PCSWMM برای حوضه های آبریز روستایی مورد بررسی قرار می گیرد زیرا به طور گسترده برای حوضه های شهری استفاده شده است. ویژگی های حوضه آبریز ویدور با استفاده از منبع داده آنلاین در سنجش از دور و حوزه GIS مورد بررسی قرار می گیرد. در نهایت، گستره‌های سیل ناگهانی برای کلاس‌های متوسط، زیاد و شدید برای تحلیل آسیب‌پذیری با استفاده از قیاس پوشش فضایی مشخص می‌شوند. مطالعه پیشنهادی با توجه به اهمیت استراتژی‌های کاهش CCA (انطباق با تغییرات آب و هوا) و DRR (خطر بلایا) به مزایای اجتماعی اضافه می‌کند.

2. مواد و روشها

2.1. منطقه مطالعه

برای این تحقیق ارزیابی، حوضه آبخیز / حوضه ویدور در مرز اداری ناحیه DG Khan برای بررسی دقیق رفتار بارش-رواناب برای ترتیبات مختلف منحنی (CN) انتخاب شد. حوضه آبریز ویدور کوهستانی بی‌ثمر با شیب‌های تند که جریان‌های غیر دائمی را در طول طوفان دریافت می‌کنند، مستعد سیل‌های ناگهانی فاجعه‌بار است [ 7 ]. این منطقه به دو بخش حوضه آبخیز ویدور، منطقه منبع تولید رواناب و ناحیه پیمونت ویدور تقسیم شد. این منطقه دارای زمین های متنوع با ارتفاع بیش از 200 متر تا <2500 متر است. حوضه حوضه عمدتاً از لایه های سنگی سخت با تشکیل زمین بایر و خاک شنی غالب تشکیل شده است [ 42]. این منطقه در مناطق کم بارش سالانه با میانگین بارندگی قرار دارد که طرح‌های بارندگی عمدتاً موج‌های ناگهانی ناشی از طوفان‌های ابری یا رعد و برق را اتخاذ می‌کنند و بنابراین جریان‌های حوزه آبخیز را به عنوان جریان‌های اپیزودیک دسته‌بندی می‌کنند ( شکل 1 ).

از نظر زمین شناسی، این منطقه بخشی از فرورفتگی ساختاری بود که توسط بازویی از دریای قدیمی تتیس اشغال شده بود که پیوسته رسوبات آهکی و آرژیلوس را دریافت می کرد. نهشته های کواترنر و سوم تشکیلات زمین شناسی منطقه هستند. به طور کلی خاک شنی و دشت آبرفتی/پیمونت در منطقه مورد مطالعه وجود دارد. این منطقه شامل خاک‌های لوم، لوم سیلتی، لوم شنی و خاک‌های شنی است [ 43]. این نوع خاک ها برای کشاورزی مفید هستند. با این حال، خاک های شنی در منطقه مورد مطالعه استثنا هستند. هیدرولوژی سطح منطقه عمدتاً توسط جریان های سیل آسا در غرب کنترل می شود. الگوی نهرها رفتاری را در جهت غرب به شرق با تمایل به سمت جنوب نشان می دهد و شاخه های فرعی در حوضه آبریز ترکیبی از الگوهای دندریتی و منقبض را نشان می دهد. با این حال، شاخه‌های فرعی از خط پیمونت خارج می‌شوند و از یک سیستم کانال توزیعی در دشت پیمونت پیروی می‌کنند. شبکه جریان از جریان اصلی مرتب شده به شاخه های کوچکتر پراکنده در همه جهات در منطقه پیمونت پراکنده می شود. بیشتر مناطق کشاورزی و شهری از حوضه های آبریزی که سیلاب های سیل آسا ایجاد می کنند دور هستند. گاهی، شرایط آب و هوایی ثبت شده توسط ایستگاه هواشناسی پایین دست در شهر و حوضه های آبریز بسیار متفاوت از یکدیگر است. اغلب، این جریان ها به طور ناگهانی بدون هیچ گونه علائم آب و هوایی یا هیچ علامت هشداری فعال می شوند.38 ].

حوضه آبریز شامل بوته زار در غرب و زمین های بایر متنوع با مخلوطی از دشت های صخره ای است. تراکم پوشش بوته ای در قسمت غربی زیاد است. با این حال، پوشش گیاهی کمیاب در حوضه فوقانی گسترده شده است. منطقه پیمونت دارای الگوهای محصول فصلی از جمله گندم، پنبه، ذرت و برنج است. در پاکستان محصولات زراعی برای دو فصل طبقه بندی می شوند: خاخام (نوامبر-مه) و خریف (ژوئن-اکتبر). طبقات زراعی در معرض سیلاب‌های ناگهانی به دسته‌های تک، دوتایی و سه‌گانه طبقه‌بندی می‌شوند. منطقه با دو و سه محصول در یک سال به ترتیب در دو و سه محصول طبقه بندی می شود. منطقه مورد مطالعه همچنین شامل الگوهای زراعی دوگانه (گندم و پنبه، گندم و ذرت، گندم و برنج) و سه گانه (برنج) در یک سال تقویمی است.

2.2. توضیحات مدل ها

PCSWMM نسخه به روز شده SWMM است که توسط آژانس حفاظت از محیط زیست ایالات متحده (US-EPA) توسعه یافته است. بسیاری از محققان از SWMM/PCSWMM در حوزه آبخیز شهری برای مدل‌سازی بارش-رواناب استفاده کرده‌اند [ 7 ، 44 ]. با این حال، ر. [ 10 و 45 ] همچنین SWMM را برای مدل‌سازی هیدرولوژیکی حوضه‌های آبخیز روستایی تمرین کرد و آن را بسته‌ای مناسب برای پیاده‌سازی بر دیگر حوضه‌های آبخیز روستایی یافت. این مدل بر روی بلوک‌های مختلفی کار می‌کند که در میان آنها بلوک رواناب رواناب سطحی ایجاد می‌کند که توسط معادله تداوم کنترل می‌شود.

کل فرآیند بلوک رواناب PCSWMM برای تولید رواناب توسط معادله تداوم دنبال می شود که حجم رواناب تولید شده را در یک زیرحوضه دنبال می کند. بلوک رواناب هر یک از حوضه های فرعی را به عنوان یک مخزن مستطیلی غیرخطی همانطور که در شکل 2 نشان داده شده است، قرار می دهد .

زیرحوضه های مستطیلی شکل تنها زمانی رواناب تولید می کنند که عمق آب (d) از ذخیره فرورفتگی (d _p ) زیرحوضه فراتر رود. این سیستم عمق آب (d) را برای زیرحوضه مستطیلی، مخزن غیرخطی، با جفت کردن معادله پیوستگی (1) با معادله مانینگ (2) محاسبه می کند.

د v د تی = د ( A. d _ ) د تی = (A \times i e) - Q

(1)

جایی که $d v$ = $d (A . d)$ = تغییر حجم ذخیره در واحد زمان، A $\times$ یعنی = ورودی خالص به حوضه، Q = رواناب (خروجی از حوضه)

Q = w 1.49 n (د - د پ) 5 3 / \times اس 1 2 /

(2)

جایی که $w$ = عرض حوضه فرعی، $n$ = ضریب منینگ، $d$ = عمق آب $d_{p}$ = ذخیره افسردگی، $S$ = شیب متوسط زیرحوضه.

برای محاسبه عمق آب از جفت شدن معادله منینگ و پیوستگی در یک معادله دیفرانسیل غیرخطی استفاده می شود. معادله برای محاسبه جریان در کانال های باز توسعه داده شد. با این حال، معادله برای کاربردهای جریان زمینی اقتباس شده است [ 45 ، 46 ]. معادله دیفرانسیل غیرخطی برای رفتار زیرحوضه به صورت مخزن غیرخطی در زیر آورده شده است.

δ د δ t = i - w 1.49 n (د - د پ) 5 3 / \times اس 1 2 /

(3)

مدل معادله غیرخطی فوق را در هر مرحله زمانی طراحی شده حل می کند تا پاسخ هر زیرحوضه برای یک هیتوگراف معین را تعیین کند. جایی که

\frac{δ d}{δ t}

= تغییر در عمق آب،

i

= شدت بارندگی

هیدروگراف تولید شده از PCSWMM به عنوان ورودی اصلی برای مدل‌سازی هیدرولیکی دو بعدی از طریق HEC-RAS نسخه 5.0 استفاده می‌شود. سیستم دو بعدی مدل، دشت سیلابی یا مناطق رودخانه را به تعدادی سلول شبکه تفکیک می کند. سلول های شبکه به مقادیر اصطکاک (Manning’s n) و ارتفاع (DEM) در امتداد سطح نسبت داده می شوند. ارتفاع سطح آب با استفاده از توپوگرافی سلول شبکه منفرد، که بیشتر به عنوان تجزیه و تحلیل منحنی ذخیره سازی مرحله نامیده می شود، توسعه می یابد. معادله تکانه (شکل انتشار-موج) با معادله پیوستگی برای محاسبه ارتفاع سطح آب برای سلول‌های شبکه منفرد در فاصله زمانی همراه است. معادله دیفرانسیل بقای جرم به شکل ناپایدار به صورت

δ D δ t + δ ( u d ) δ x + δ ( v d ) δ y + q = 0

(4)

مدل معادله (4) را در هر بازه زمانی برای سلول شبکه جداگانه حل می کند. جایی که t = زمان; D = ارتفاع سطح آب. d = عمق آب؛ u و v به ترتیب سرعت در جهت x و y هستند. و q = منبع یا اصطلاح سینک.

2.3. داده ها و پردازش

داده های مورد استفاده برای مدل سازی هیدرولوژیکی و هیدرولیکی دو بعدی از منابع مختلف آنلاین و همچنین از سازمان های دولتی جمع آوری شد ( جدول 1 ).

برای یک رویداد طوفانی خاص، داده های تخلیه مشاهده شده برای سیل ویدور از بخش آبیاری محدود است و برای پر کردن شکاف های داده از قبل پردازش شده است. فرآیند اسپلاین مکعبی به هیدروگراف های مشاهده شده اعمال می شود تا مقادیر پیوسته در فاصله 30 دقیقه داشته باشند. بازه زمانی مطابق با نتایج شبیه سازی شده رواناب تنظیم شده است. فرآیند یک معادله چند جمله ای مرتبه سوم است. معادله چند جمله ای مرتبه بالاتر بر معادلات خطی ترجیح داده می شود زیرا فرآیندهای رواناب از روندهای صاف پیروی می کنند. معادله کلی به صورت داده شده است

f 3 (x) = ب 0 + ب 1 (x-_ایکس 0) + ب 2 (x-_ایکس 0) + ب 3 (x-_ایکس 0) (x - ایکس 1) (x - ایکس 2)

(5)

که در آن، x، x ₀ ، x ₁ ، x ₂ مقادیر شناخته شده متغیرها هستند. و b ₀ , b ₁ , b ₂ , b ₃ ضریب مجهول هستند.

2.4. تخمین پارامتر ورودی PCSWMM

تنها یک ایستگاه در حوضه آبخیز ویدور برای اندازه گیری دبی وجود دارد و دارای شکاف داده ها و رکوردهای محدودی است. بنابراین، تنها رویدادهای اوج برای سال 2014-2017 برای تجزیه و تحلیل رفتار تورنت Vidor استفاده شد. حداکثر پیک مشاهده شده برای هر سال برای شبیه سازی PCSWMM انتخاب می شود.

سیلاب های سیل آسا بسیار سریع و رویدادهای کوتاه هستند که فقط از 3 ساعت تا 8 ساعت بارندگی ایجاد می شوند. داده‌های بارندگی ساعتی برای منطقه مورد مطالعه در دسترس نبود، بنابراین، داده‌های بارش ماهواره‌ای از اندازه‌گیری بارش جهانی (GPM) به دلیل وضوح زمانی بالا (30 دقیقه) برای ثبت بارندگی استفاده شد.

برای ترسیم حوضه ویدور از ابزار Arc Hydro سکوی Arc-GIS استفاده شد. مجموعه ابزار از DEM و جهت جریان به عنوان ورودی اصلی برای محاسبات مشخصه های مورفومتریک حوضه استفاده می کند. برای مدل‌سازی هیدرودینامیکی، پارامترهای ورودی به‌عنوان اندازه‌گیری شده (ارتفاع سطح، هندسه حوضه و کانال، گره، و غیره) و پارامترهای استنباط‌شده (پارامترهای نفوذ، ذخیره‌سازی فرورفتگی، درصد نفوذناپذیری، ضریب زبری و غیره) طبقه‌بندی می‌شوند [ 47 ]. پارامترهای استنباط شده توسط مدل محاسبه شده و برای کالیبراسیون مدل استفاده می شود. ابراهیمیان و همکاران از تکنیک RS و GIS برای تخمین پارامترهای حوزه زیرحوضه برای SWMM استفاده کنید [ 48 ].

پوشش کاربری اراضی (LULC) حوضه آبریز ویدور از طریق تصویر ماهواره‌ای Landsat-8 طبقه‌بندی شد. تصویر تحت یک الگوریتم طبقه‌بندی کننده حداکثر احتمال (MLC) پردازش شد. مجموعه داده‌های LULC و خاک طبقه‌بندی‌شده برای تولید CN حوضه آبخیز Vidor همراه شدند. جیمز و همکاران گزارش می دهد که در حوزه آبخیز، منطقه ای با شیب بیشتر از پنج درصد باید برای مقادیر CN تنظیم شود [ 49 ]. CN تنظیم شده با ضرب مقادیر CN بدست آمده از راهنمای کلی SCS با یک عدد محاسبه می شود. $K$ عامل.

سی ن 2 α = سی ن 2 \times K

(6a)

جایی که

ک = 322.79 + 15.63 ( α ) α + 323.52

(6b)

مقادیر CN، DEM (مدل ارتفاعی دیجیتال)، و مجموعه داده‌های مرتبط همگی در قالب شطرنجی و متوسط به سطح حوضه کوچک بودند، بنابراین ضریب شیب در چنین سطحی با استفاده از ضریب شیب وزنی تبدیل شد.

دبلیو e i g h t e d اس l o p e = \sum n من - 1 α من \times س من آ

(7)

جایی که، $α$ مساحت (ha) شیب است، $s_{i}$ یک شیب درصد است و $A$ حوزه زیرحوضه است.

محاسبه پارامترهای ورودی در سطح پیکسل 30 متر و 12.5 متر انجام می شود. مجموعه داده های تولید شده در سطوح زیرحوضه برای PCSWMM کاهش می یابد. مدل دارای یک سیستم پایگاه داده منحصر به فرد است که هر زیرحوضه را با یک سیستم شناسه مرجع مرتبط می کند. فایل سیستم کامل با فرمت INP.

2.5. کالیبراسیون و اعتبارسنجی

نهرهای ویدور ماهیتی غیر دائمی دارند و برای فصل باران های موسمی فعال باقی می مانند. پاسخ ناگهانی به طلسم های کوتاه بارندگی، پیک هایی بیش از 0.1 میلیون کیوسک ایجاد می کند. بنابراین، PCSWMM فقط برای رویدادهای اوج کالیبره و تأیید شد. مدل هیدرولوژیکی توسعه‌یافته تحت فرآیند کالیبراسیون برای تنظیم پارامترهای ورودی قرار می‌گیرد و اعتبارسنجی با استفاده از داده‌های گیج زمان واقعی انجام می‌شود. ابزار کالیبراسیون تنظیم رادیویی مبتنی بر حساسیت (SRTC) برای کالیبراسیون PCSWMM استفاده شد. مدل تولید شده برای یک رویداد اوج سال 2014 کالیبره شد و پیش‌بینی برای رویدادهای اوج سال 2015، 2016 و 2017 مورد تجزیه و تحلیل قرار گرفت. ابزار SRTC اجازه می دهد تا مدل را برای پارامترهای استنتاجی انتخاب شده با درصد تأثیر تنظیم کنید. با این حال، انتخاب پارامتر صرفاً به عملکرد مدل و عدم قطعیت در داده ها بستگی دارد. برای عرض کالیبراسیون، منینگ (n) برای منطقه عبوری، زمان خشک کردن و CN استفاده شد. عدم قطعیت برای فرآیند کالیبراسیون بر اساس [50 ، 51 ، 52 ] در جدول 2 نشان داده شده است.

با این حال، شرایط مرزی (BC) برای شبیه‌سازی هیدرولیکی دو بعدی شامل موارد زیر است: (1) قبل از میلاد برای بالادست در محل خروجی حوضه ویدور (به طور محلی به عنوان سایت Darra نامیده می‌شود) و (2) قبل از میلاد برای پایین دست در فاصله کاهش‌یافته RD-241 تعریف شده است. RD-242 کانال DG Khan.

نتایج کالیبراسیون- اعتبارسنجی با استفاده از معیارهای آماری مانند کارایی نش- ساتکلیف (NSE)، خطای نسبی (RE) (%)، و ضریب تعیین (R2 ⁾ مورد ارزیابی قرار گرفت . در حالی که، محدوده سیل مشخص شده با استفاده از یک طرح هیدرولیک دو بعدی از طریق قیاس پوششی پلت فرم ArcGIS با استفاده از گستره سیل تاریخی جمع آوری شده از دپارتمان آبیاری، پاکستان تایید شد. محققین مختلف عملکرد ابزار ارزیابی خاک و آب (SWAT) را بر اساس NSE به صورت زیر مورد بحث قرار داده اند: NSE > 0.65، 0.54 < NSE < 0.65، و 0.5 < NSE < 0.54 به ترتیب به عنوان بسیار خوب، خوب و رضایت بخش [ 53 ، 54 ]. ، 55 ]. با این حال، ر. [ 56] از RE برای ارزیابی دقت PCSWMM استفاده کرده اند و آن را یک شاخص معقول برای ارزیابی عملکرد مدل یافته اند. علامت مثبت و منفی RE به ترتیب نشان دهنده دست کم گرفتن و بیش از حد برآورد مدل است.

نمودار جریان روش شناختی در شکل 3 نشان داده شده است .

2.6. ارزیابی قرار گرفتن در معرض سیل ناگهانی

تجزیه و تحلیل قرار گرفتن در معرض سیل ناگهانی با استفاده از قیاس پوشش فضایی در محیط ArcGIS انجام می شود. به دلیل پوشش ابری در تصاویر، ترجیح داده شد که نتایج را با داده های میدانی اداره آبیاری به جای محصول MODIS مقایسه کنید. منطقه پیمونت در برابر سیل آسیب پذیر است. با این حال، جامعه محلی تولید محصول تکه تکه در منطقه را مدیریت می کند. سازه های انحرافی کوچک در منطقه ساخته شده اند تا بر اثرات حوادث سیل ناگهانی غلبه کنند. داده های LULC به دست آمده از دپارتمان آبیاری پنجاب برای تجزیه و تحلیل آسیب پذیری محصول در دشت های پیمونت استفاده شد. شبیه‌سازی‌های دوبعدی منجر به سناریوهای مختلف طغیان سیل فلش می‌شوند.

3. نتایج

3.1. پارامترهای اندازه گیری و استنباط شده

ابزار Arc Hydro برای استخراج خصوصیات مورفومتری حوضه ویدور استفاده شد. مدل هیدرودینامیکی تولید شده از پارامترهای اندازه گیری شده و استنباط شده تشکیل شده است. EI Alfy و Santhi و همکاران. از روش Arc Hydro برای ترسیم مرز حوضه استفاده کرد و آن را روشی مناسب برای استخراج مشخصات مورفومتریک حوضه های آبخیز دانست [ 53 ، 54 ]. حوضه آبخیز ویدور در مجموع از 88 حوضه فرعی با ویژگی های متفاوت تشکیل شده است. محدوده پارامترهای اندازه گیری شده و استنباط شده در جدول 3 نشان داده شده است.

3.2. شبیه سازی PCSWMM

ادغام پارامترهای اندازه گیری شده و استنباط شده در سطح زیرحوضه به هر حوضه اجازه می دهد تا به طور مستقل برای هیتوگراف بارندگی رفتار کند. سیستم حوضه های فرعی یک طرح نیمه توزیع شده ایجاد می کند که در شکل 4 نشان داده شده است.. هر زیرحوضه به عنوان کوچکترین واحد سیستم رفتار می کند. هر حوضه دارای یک رفتار دوگانه در سیستم طراحی شده برای یک رویداد خاص است که شامل (1) رواناب تولید شده توسط زیرحوضه جداگانه، و (2) تخلیه کمکی از حوضه بالادست متصل به نام روان است. حوضه فرعی مجزا برای یک رویداد بارشی خاص رواناب تولید می کند. با این حال، به دلیل اتصالات حوضه بالادست و پایین دست، حجم کل رواناب و اوج رواناب ترکیبی از رواناب و رواناب است. تغییرات دبی برای هر زیرحوضه برای رویدادهای اوج 2014-2017 با فاصله زمانی ثابت Δt = 30 دقیقه همانطور که در شکل 4 نشان داده شده است مشاهده شد .

نتایج کالیبراسیون و اعتبارسنجی همبستگی بالایی با اندازه‌گیری‌های دبی مشاهده‌شده نشان می‌دهد. شکل 5 نمودارهای پراکندگی کالیبره شده و تایید شده را بر اساس رویداد نشان می دهد.

از جدول 4 می توان مشاهده کرد که این مدل برای تورنت Vidor هنگام آزمایش بر روی رویدادهای اوج بر روی معیارهای آماری NSE، RE و R2 کارآمد عمل ^کرد . این مدل ارزش NSE و R ² را برای سال 2016 کاهش داد و در یک کلاس عالی برای دوره های کالیبره شده و معتبر باقی می ماند. مشاهده شده است که مدل برای کل رویدادها نتایج را با کسری از تفاوت (-0.22 <RE <-0.09) بیش از حد برآورد می کند.

رویداد سیل ناگهانی سال 2012 به عنوان حداکثر قله حوضه ویدور ثبت شد [ 7 ]. اما به دلیل عدم وجود داده های با دقت بالا، رویدادهای تاریخی بارندگی و دبی شبیه سازی نشده است. داده‌های GPM از سال 2014 با وضوح 30 دقیقه در دسترس بود و به طور گزافی در سراسر جهان برای مطالعات سیل استفاده شده است [ 57 ، 58 ، 59 ]. داده‌های ماهواره‌ای GPM برای شبیه‌سازی رویداد انفجار طوفان برای تورنت Vidor مناسب است. مشاهده شد که GPM دقت بالایی (NSE، RE و R2 ⁾ برای رویدادهای بارندگی با شدت بالا ایجاد می‌کند و دقت برای رویدادهای اوج با شدت پایین کاهش می‌یابد ( جدول 4 ).

طبیعت خشک و ناگهانی در توپوگرافی سیل ویدور آن را به یک حوضه آبریز بی نظیر تبدیل کرده است. رواناب کاملاً به رفتار بارندگی در حوضه بدون جریان پایه بستگی دارد. ماهیت ناگهانی بارندگی در سیل ویدور به دلیل شیب های تند واکنش ناگهانی را به همراه دارد. نتیجه عدم تأثیر تبخیر و تعرق بر رواناب به دلیل زمان بسیار کوتاه وقوع سیل ناگهانی را اثبات می کند. درون یابی داده های دبی مشاهده شده و رابطه مستقیم بارندگی-رواناب منجر به دستیابی به چنین مقادیر بالایی از شاخص های آماری می شود.

3.3. محدودیت داده ها و درون یابی

رکورد داده های مشاهده شده (2014-2017) دارای تعداد محدودی مشاهدات است و با استفاده از آمار spline مکعبی درون یابی شده است. داده ها برای رویدادهای اوج تکمیل شد و برای ارزیابی دقت استفاده شد. تعداد محدودی از رکوردهای مشاهده شده در شکل 6 نشان داده شده است. محققین مختلف از متدولوژی spline مکعبی برای محاسبه مجموعه داده های گمشده استفاده کرده اند [ 60 , 61 , 62 , 63 , 64 , 65 , 66 .]. برای توزیع نابرابر شکاف، ترجیح داده می شود که درون یابی اسپلاین مکعبی تکه ای اعمال شود. در این تکنیک، هر شکاف به صورت جداگانه درون یابی می شود. با این حال، اندازه شکاف بین دو مشاهده بر دقت درونیابی تأثیر می گذارد.

تنوع زیاد در شیب تورنت ویدور، پاسخ تصادفی و ناگهانی را بسته به شکل هیتوگراف اثبات می کند. شدت و مدت بارندگی، زمان تأخیر (زمان بین قله های هیتوگراف و هیدروگراف) واکنش سیل به رویدادهای سیل ناگهانی را مشخص می کند. جدول 4 مدت زمان طوفان، کل بارندگی و زمان تاخیر حاصل را خلاصه می کند. نتایج PCSWMM یک تطابق عالی بین پیک‌های سیل ناگهانی شبیه‌سازی‌شده و مشاهده‌شده برای داده‌های چهار ساله را نشان می‌دهد.

مشخص شد که طرح CN تنظیم‌شده شیب به طور موثر برای شبیه‌سازی مبتنی بر رویداد عمل می‌کند [ 7 ، 16 ، 49 ، 67 ]. با این حال، مدل‌های نفوذ فیزیکی خاک (هورتون، گرین آمپت، و غیره) برای تعیین کمیت ماهانه و سالانه رواناب کارآمدتر عمل می‌کنند [ 68 ]. این مطالعه برتری تکنیک‌های جفت‌سازی مدرن GIS و RS را در ادغام پارامترهای مختلف در سطح پیکسل نشان می‌دهد. شیب تأثیر زیادی بر اصلاح CN و در نتیجه رواناب سطحی نشان می دهد. [ 69 ، 70 ، 71 ، 72 ، 73] از تکنیک های GIS و RS برای اندازه گیری دقیق مقادیر CN استفاده می کند.

3.4. تجزیه و تحلیل وسعت سیل (شبیه سازی دوبعدی)

دشت های سیلابی با شبیه سازی های هیدرولیکی دو بعدی بازگشتی مشخص شده اند. طوفان های طراحی شده با شدت های 0.5، 1.0 و 1.5 اینچی از نوع SCS در مدت زمان 6 ساعت در PCSWMM تولید شدند. هیدروگراف های شبیه سازی شده بیشتر برای پهنه بندی دشت سیلابی در دشت های پیمونت پایین مورد استفاده قرار گرفتند. علاوه بر این، تغییرات در عمق و منطقه جریان برای طوفان های طراحی شده مورد بررسی قرار گرفت.

مشاهده شد که رفتار سیلاب ناگهانی در دشت پیمونت تنها به شکل هیتوگراف، زمان پیک، زمان تاخیر، ضریب زبری (خاک × LULC) و DEM (ارتفاع و شیب) بستگی دارد. با این حال، مسیر جریان اصلی با افزایش عمق آبگرفتگی ثابت می ماند. جریان در دشت پیمونت به دلیل وقوع سیل ناگهانی و ماهیت غیر چند ساله آن فاقد جریان کانال بود.

رفتار سیلاب ناگهانی برای هیتوگراف طوفانی 0.5، 1.0 و 1.5 اینچی SCS 6 ساعته در مقایسه با رویداد سیل ناگهانی 2015 در شکل 7 نشان داده شده است.. نتایج برای شدت های مختلف طوفان، تغییر در گسترش پهنه سیلابی منشعب از مسیر طبیعی نوالله را نشان می دهد. با افزایش شدت طوفان، عرض دشت سیلابی نیز با گستردگی افزایش می‌یابد و ناحیه‌ای به شکل بادبزنی در ناحیه پیمونت ایجاد می‌کند. برعکس، رویدادهای سیل با شدت کم نیز مسیر اصلی نولای طبیعی را دنبال می‌کنند، اما عرض دشت سیلابی به اندازه کافی کاهش می‌یابد، و یک منطقه کوچک بادبزن شکل در ناحیه پیمونت ایجاد می‌کند. عمق سیلاب در نولای موجود زیاد است، اما در حومه نولا به دلیل شیب تند دشت پیمونت (بالا دست به پایین دست) و ردپای مبهم نولای طبیعی، عمق آن کاهش یافته است. مشاهده شد که برای همه سناریوهای توسعه‌یافته، اوج عمق سیل در نزدیکی خروجی حوضه که در آن عمق کانال زیاد است ظاهر می‌شود. اما در دشت پیمونت به دلیل پراکندگی سیلاب در جهات مختلف، عمق آب سیلاب به اندازه کافی کاهش می یابد.

روش‌های مدل‌سازی هیدرولیک دوبعدی در HEC-RAS 5.x نه تنها مرزبندی دشت سیلابی بهتر و دقیق (وابسته به وضوح DEM) را در مقایسه با مدل‌سازی هیدرولیک 1 بعدی ارائه می‌کند، بلکه این روش در مناطق محدود از داده‌ها نیز در زمان و تلاش کارآمد است. با این حال، مدل مدل‌سازی هیدرولیک 1 بعدی به ورودی‌های داده گسترده از جمله فضای ذخیره‌سازی، مقاطع عرضی، ساختارهای سرریز نیاز دارد که به زمان و تلاش زیادی نیاز دارد [ 34 ].

در مطالعه حاضر، شبیه‌سازی‌های هیدرولیکی دوبعدی چندگانه منجر به طبقه‌بندی وسعت سیل برای سناریوهای سیل متوسط، زیاد و شدید می‌شود. این طبقه بندی بر اساس دبی های رخداد اوج مشاهده شده در سال های گذشته و تخریب منطقه ای ثبت شده (دانش محلی) در طول رویداد است. قدر دبی 0.05-0.1 میلیون cusec، 0.1-0.15 میلیون cusec و 0.15-0.2 میلیون cusec به ترتیب به عنوان سیل متوسط، زیاد و شدید طبقه بندی می شوند. سیل متوسط، زیاد و شدید به ترتیب 58/19557، 28/26875 و 97/29087 هکتار مساحت را پوشش می‌دهد که در شکل 8 نشان داده شده است. در حالی که گستره سیل در دسترس تاریخی، استخراج شده از داده های MODIS، برای سال 2012 در طول یک رویداد سیل بالا، 20519 هکتار است.

3.5. قرار گرفتن در معرض سیل فلش و آسیب پذیری LULC

مرز وسعت سیل شبیه سازی شده، با در نظر گرفتن سناریوی سیل شدید، 76 درصد با مرز گستره سیل در دسترس تاریخی مطابقت دارد. منطقه جریان اصلی در مقایسه با داده‌های وسعت سیل ناگهانی جمع‌آوری‌شده از بخش آبیاری یکسان باقی می‌ماند. احمد و همکاران از محصولات ماهواره ای لندست-8 و MODIS چند زمانی برای تجزیه و تحلیل تأثیر سیل ناگهانی بر محصولات برنج استفاده کنید [ 74 ]. با این حال، ر. [ 75 ] از Landsat 7 برای ترسیم حداکثر وسعت سیل در کارولینای شمالی استفاده می کند. تانگوی و همکاران از مجموعه داده Radarset-2 با وضوح بالا برای پایش سیل استفاده کنید [ 76 ].

مشاهده شد که زمین‌های بایر، سکونتگاه‌های روستایی و طبقات گندم بیشتر دشت سیلابی را پوشش می‌دهند که به‌وسیله رویدادهای شدید سیل‌های ناگهانی ثابت شده است همانطور که در جدول 5 و شکل 9 نشان داده شده است.

4. بحث

پاکستان کشوری است با توپوگرافی متنوع – از جنگل های آلپ در شمال تا حوضه آبریز کوهستانی بایر در مناطق جنوب و غرب. عمدتاً نواحی کم ارتفاع از جمله دشت های پیمونت در پایین دست حوضه آبریز کوهستانی با حوادث سیل ناگهانی کم تا شدید روبرو هستند و طی چند سال اخیر، پاکستان به دلیل تغییرات الگوی آب و هوا، تعداد فزاینده ای از رویدادهای سیل ناگهانی را تجربه کرده است [ 38 , 39 ]. سیل‌های ناگهانی در پاکستان عمدتاً ناشی از باران‌های سیل آسای موسمی است و تغییر الگوهای موسمی فراوانی سیل را افزایش داده است [ 30 ]]. سیلاب های تپه ای جنوب غربی پنجاب (پاکستان) در برابر سیلاب های ناگهانی بسیار آسیب پذیر هستند. از نظر تاریخی، سیل‌های ناگهانی با شدت کم تا زیاد اغلب به کشاورزی در غرب ولسوالی دره غازی (DG) خان آسیب می‌رسانند. منبع اصلی سیل ناگهانی در این مناطق، سیلاب های تپه ای واقع در مجاورت این منطقه از جمله ویدور، چاچار، میثوان، سخی سرور، کها، سنقر و سوری لوند هستند. سیلاب‌های تپه‌ای در جنوب پنجاب، پس از دریافت باران‌های سیل آسا در طول فصل باران‌های موسمی، اغلب سیل‌های ناگهانی را در این منطقه ایجاد می‌کنند. در سپتامبر 2012، دوره‌های شدید باران موسمی بر روی تپه‌های سلیمان (حوضه آبریز ویدور) DG Khan شرایط فاجعه‌باری را در منطقه شهر و مناطق روستایی مجاور ایجاد کرد [ 7 ].

در پاکستان، اقدامات مدیریت سیل ناگهانی به صورت ساختاری توسط خاکریزها، گل میخ ها، خارها و تکنیک های مختلف حفاظت در برابر سیل انجام می شود. برای ایمنی از تخریب کوچک و همچنین در مقیاس بزرگ، دیوارهای سیل با سازه های انحرافی ساخته شده است. اقدامات سازه ای باعث تاخیر در سدهای عملی و کانالیزه کردن آب سیلاب از طریق نهرهای کوچک نیز تکنیک هایی است که برای حفاظت در برابر سیل در سطح محلی استفاده می شود. سد میرانی که در سال 2006 ساخته شد، نمونه‌ای از یک سد تاخیری در بلوچستان برای ذخیره‌سازی آب سیلاب تپه‌ای به منظور آبیاری و حفاظت از منطقه کم ارتفاع در برابر هرگونه رویداد ناگهانی است [ 38 ].

این مطالعه تلاش می‌کند تا روش‌شناسی چند مرحله‌ای را برای روش‌های صرفه‌جویانه جایگزین هزینه و زمان مورد استفاده برای ارزیابی آب سیل ناگهانی در مناطق روستایی ترکیب کند. هدف اصلی این تحقیق استفاده از یک رویکرد مدلسازی نیمه توزیع شده برای کالیبره کردن PCSWMM برای حوضه حوضه روستایی Vidor مستعد سیلاب بود. بارش ماهواره‌ای، GPM، داده‌ها با وضوح زمانی 30 دقیقه به دقت اوج دبی‌ها را برای رویدادهای سیل ناگهانی 2014-2017 پیش‌بینی می‌کنند. نتایج قابل اعتماد آزمون‌های آماری کاربرد داده‌های GPM را برای حوضه‌های سیل‌آمیز در یک رویکرد مدل‌سازی نیمه توزیع‌شده اثبات می‌کند. مدل‌سازی هیدرولوژیکی به سوابق داده‌های گسترده برای پردازش در هنگام انجام رویدادهای سیلاب نیاز دارد. پارامترهای ورودی با استفاده از تکنیک های سنجش از دور و GIS تولید شدند. تحقیقات مختلف دقت مدل‌سازی هیدرولوژیکی نیمه‌توزیع و پراکنده را برای پیش‌بینی و پایش سیل‌های ناگهانی نشان داده‌اند. این مدل ها به همان اندازه برای حوضه های آبریز با شیب های تند و تسکین توپوگرافی بالا قابل استفاده هستند [17 ، 18 ، 19 ]. طرح CN تنظیم‌شده شیب ایجاد شده و روش‌شناسی طراحی‌شده برای مدل نیمه توزیع‌شده، نتایج منسجمی را با نیاز به داده‌های کمتر ایجاد می‌کند و در دیگر حوضه‌های سیل‌آمیز به راحتی قابل تکرار است. طرح CN با شرایط رطوبت قبلی مختلف منجر به دقت بالای دبی‌های پیک می‌شود. Rozalis و همکاران، همچنین از طرح‌های CN در حوزه آبخیز Merhavia در شمال شرقی اسرائیل استفاده کردند و آن را یک رویکرد قابل اعتماد برای پیش‌بینی سیل ناگهانی یافتند [ 77 ]. با این حال، ر. [ 78] از مدل مبتنی بر GIS برای ارزیابی دبی سیلاب سیلاب Xirolaki در شمال یونان استفاده کرد. برعکس، روش‌های مدل‌سازی طغیان سیل ناگهانی به اندازه‌گیری داده‌های گسترده نیاز دارد. نتایج نشان می‌دهد که برای مناطق کوهپایه‌ای، دشت‌های پیمونت با مقطع مبهم، مدل‌سازی هیدرولیکی دوبعدی بدون ترکیب داده‌های مقطع در دشت‌های پیمونت می‌تواند با مدل‌سازی هیدرولیکی یک بعدی جایگزین شود. با این حال، شبیه‌سازی هیدرولیک دوبعدی تنها به دقت و پالایش داده‌های ارتفاع بستگی دارد، بنابراین پیش‌پردازش شامل سینک‌های پر، ارزیابی فرورفتگی، و بازسازی DEM باید قبل از شبیه‌سازی مدل هیدرولیک دوبعدی انجام شود. داده‌های ارتفاعی پردازش‌شده در مدل هیدرولیک دوبعدی، دقت کافی را برای گستره‌های سیل ناگهانی نشان می‌دهد.

این مطالعه همچنین ارزش اطلاعات منبع باز برای ارزیابی خطر سیل ناگهانی را برجسته می کند. داده‌های ارتفاعی ALOS PALSAR که به‌طور رایگان در دسترس است، با وضوح فضایی 12.5 متر، پیش‌بینی خوبی از گستره سیل در دشت‌های پیمونت ایجاد می‌کند. طرح چند مرحله ای برای ارزیابی سیل ناگهانی در طبیعت برای مناطق با داده های محدود ساده و موثر است و از این رو می تواند در سایر حوضه های کوهستانی با توپوگرافی مشابه اجرا شود.

5. نتیجه گیری ها

این مطالعه از یک روش یکپارچه برای تعیین کمیت رویدادهای سیلاب ناگهانی و تعیین مرز دشت سیلابی در منطقه کوهپایه‌ای از رودخانه ویدور استفاده می‌کند. تحقیقات هیدرولوژیکی با استفاده از لباس PCSWMM برای بررسی دقیق رابطه بارش-رواناب انجام شد. هیدروگراف های تولید شده برای دشت پیمونت برای تجزیه و تحلیل وسعت سیل شبیه سازی شده (متوسط، زیاد و شدید) و توزیع عمق با استفاده از حوزه مدل سازی هیدرولیکی دوبعدی HEC-RAS 5.x مورد آزمایش قرار گرفتند. تحقیق فوق سعی دارد استراتژی کاهش خطر بلایا را در DG Khan برای تورنت Vidor امتحان کند. رویکرد یکپارچه هیدرولوژیکی، مدل‌سازی دو بعدی هیدرولیک و رویکرد GIS-RS برای شناسایی فاجعه بالقوه تورنت ویدور استفاده می‌شود. این مطالعه میزان سیل ناگهانی را برای رویدادهای طراحی شده و اوج مشاهده شده در سال های گذشته 2014-2017 کمیت می کند. منطقه مورد نظر حوضه آبریز ویدور (منبع سیل ناگهانی) و منطقه پیمونت در دشت های پایین حوضه منبع را پوشش می دهد. شبیه‌سازی بارش-رواناب و مرزبندی گستره سیل با دقت کافی، مشکل سیل ناگهانی در منطقه را آشکار می‌کند. گستره سیل مشخص شده در سناریوهای سیل متوسط تا شدید طبقه بندی می شود که اصول اولیه یک سیستم هشدار اولیه در منطقه را ثابت می کند. این مطالعه به شواهد زیر پایان می دهد: گستره سیل مشخص شده در سناریوهای سیل متوسط تا شدید طبقه بندی می شود که اصول اولیه یک سیستم هشدار اولیه در منطقه را ثابت می کند. این مطالعه به شواهد زیر پایان می دهد: گستره سیل مشخص شده در سناریوهای سیل متوسط تا شدید طبقه بندی می شود که اصول اولیه یک سیستم هشدار اولیه در منطقه را ثابت می کند. این مطالعه به شواهد زیر پایان می دهد:

طرح CN تعدیل‌شده شیب در سطح زیرحوضه به‌طور دقیق رویدادهای اوج را برای تورنت Vidor تعیین می‌کند و کاربرد روش اتخاذ شده برای مناطق سیل‌زده را ثابت می‌کند. شاخص های آماری (NSE، R2 ^، RE) نتیجه را به ترتیب با مقادیر بالا (0.75-0.97، 0.94-0.98، و -0.22–0.09) توجیه می کنند. رویکرد مدل‌سازی هیدرولوژیکی نیمه توزیع‌شده با استفاده از بارش ماهواره‌ای-GPM در PCSWMM به بهترین وجه برای تعیین کمیت رویدادهای اوج سیل ناگهانی در حوضه‌های حوضه روستایی بدون باران‌سنج نصب شده است. با این حال، دقت ممکن است برای رویدادهای با شدت پایین کاهش یابد.
نتایج دقت مدل‌سازی هیدرولیک دوبعدی را در مقایسه، 76 درصد، با گستره‌های سیل فلش موجود ثابت می‌کند. مناطق با حداکثر عمق آبگرفتگی در تطابق دقیق با داده های موجود جمع آوری شده از کارکنان صحرایی اداره آبیاری پاکستان مشاهده شد.
نمایش بصری عمق طغیان و گستره سیل بر اساس 0.5/12.7، 1.5/38.1، و 2.0/50.8 اینچ در میلی متر بارندگی و رویداد سیل ناگهانی سال 2015 (رویداد سیل ناگهانی شدید مشاهده شده در سال های گذشته) برای ارزیابی رفتار سیلاب ناگهانی در دشت پیمونت شبیه‌سازی‌های هیدرولیکی دوبعدی بازگشتی، مناطقی را با حداکثر سیلاب شناسایی می‌کنند. حداکثر عمق در نزدیکی ردپای مبهم نالله طبیعی مشاهده شد.
از قیاس پوششی طرح‌های GIS و RS برای تحلیل آسیب‌پذیری در برابر وسعت سیل شدید استفاده شد. سکونتگاه های روستایی تکه تکه و محصول گندم در مناطق پیمونت بیشترین آسیب پذیری را برای سناریوهای سیل ناگهانی ایجاد شده مشاهده کردند. ثابت شده است که طرح همپوشانی برای آسیب‌پذیری و تجزیه و تحلیل ریسک برای مناطق فقیر داده مفید است.
روش‌شناسی و نتایج اثبات‌شده کاربرد PCSWMM را با ماژول کالیبراسیون SRTC پیشرفته و شبیه‌سازی هیدرولیکی دوبعدی HEC-RAS در حوزه‌های کرولوژیکی (از نظر فضا) و زمانی (از لحاظ زمانی) تأیید کرد. با این حال، نتیجه تحقیق نشان می دهد که مشاهدات تخلیه بلادرنگ باید به صورت ساعتی انجام شود تا دقت PCSWMM بهتر بررسی شود. گستره سیل ناگهانی با استفاده از DEM منبع باز ALOS-PALSAR 12.5 متر مشخص شد. با این حال، وسعت ممکن است با استفاده از DEM با وضوح بالا بهبود یابد.

6. توصیه ها

انتظار می رود تغییر رفتار آب و هوا بر سیل از طریق الگوهای مزاحم بارندگی تأثیر بگذارد. ناهنجاری در بارندگی اثرات موجود سیل ناگهانی را بر خدمات اجتماعی، زیرساخت ها و غیره در پاکستان تشدید می کند. بنابراین، اولویت‌های مدیریت ریسک سیل باید برای انطباق با رفتار متغیر آب و هوا تغییر کند. ویدور یک سیلاب غیر دائمی فعال است و اغلب بر سکونتگاه ها و محصولات زراعی منطقه پیمونت تأثیر می گذارد. مدیریت خطر فعلی و آینده ناشی از سیل ناگهانی ویدور باید ترکیبی از کاهش خطر احتمالی از طریق اقدامات ساختاری یا نظارتی باشد. در مطالعه ای توسط [ 7 ]، آنها دو سد کوچک با ظرفیت ذخیره سازی 13.31 و 14.29 میلیون متر مکعب را پیشنهاد کردند. اقدامات ساختاری پیشنهادی توسط [ 7] بخشی از مدیریت ریسک بلایا هستند و جوامع را در آینده بدون خطر ناشی از سیل ناگهانی قفل می کند.

منابع

ون وستن، سی جی; آلکما، دی. دیمن، MCJ; کرل، ن. کینگما، NC ارزیابی خطر چندگانه: کتاب راهنمای دوره آموزش از راه دور . دانشگاه سازمان ملل-دانشگاه ITC در مدیریت اطلاعات جغرافیایی بلایا: توکیو، ژاپن، 2009. [ Google Scholar ]
نوربیاتو، دی. بورگا، م. دگلی اسپوستی، س. گاوم، ای. Anquetin، S. هشدار سیل بر اساس آستانه بارندگی و شرایط رطوبت خاک: ارزیابی برای حوضه های اندازه گیری شده و اندازه گیری نشده. جی هیدرول. 2008 ، 362 ، 274-290. [ Google Scholar ] [ CrossRef ]
گاوم، ای. باین، وی. برناردارا، پ. نیوینگر، او. باربوک، ام. بیتمن، ا. Blaškoviĉová، L. بلوشل، جی. بورگا، م. دومیترسکو، آ. و همکاران مجموعه ای از داده ها در مورد سیل های ناگهانی اروپا. جی هیدرول. 2009 ، 367 ، 70-78. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لیست، ام. گریفول، ام. Monbaliu، J. پراکندگی ستون رودخانه در پاسخ به رویدادهای سیل ناگهانی. درخواست برای قفسه کاتالان. ادامه Shelf Res. 2014 ، 87 ، 96-108. [ Google Scholar ] [ CrossRef ]
بورگا، م. بوسکولو، پی. زانون، ف. سنگاتی، M. تجزیه و تحلیل آب و هواشناسی سیل 29 اوت 2003 در شرق آلپ ایتالیا. J. Hydrometeorol. 2007 ، 8 ، 1049-1067. [ Google Scholar ] [ CrossRef ]
شیائوتائو، ال. شیفنگ، اچ. تائو، اس. Jinfeng، X. طراحی و اجرای سیستم نظارت و ارزیابی سیل. در مجموعه مقالات سمپوزیوم بین المللی 2011 در مورد تلفیق تصویر و داده (ISIDF)، Tengchong، چین، 9-11 اوت 2011; صص 1-3. [ Google Scholar ]
منیر، کارشناسی; اقبال، جی. شیوه های مدیریت آب سیل فلش در شهر دره غازی خان (پاکستان): سنجش از دور و آینده نگر GIS. نات. خطرات 2016 ، 81 ، 1303-1321. [ Google Scholar ] [ CrossRef ]
پتروویچ، A. چالش های مدیریت خطر سیل سیل آسا در صربستان. جی. جئوگر. Inst. Jovan Cvijic SASA 2015 ، 65 ، 131-143. [ Google Scholar ] [ CrossRef ]
فن، اف. دنگ، ی. هو، ایکس. Weng, Q. تخمین عدد منحنی مرکب با استفاده از روش بهبود یافته SCS-CN با متغیرهای سنجش از راه دور. Remote. Sens. 2013 , 5 , 1425-1438. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
موینیهن، ک.پ. Vasconcelos، JG SWMM مدلسازی یک حوضه آبخیز روستایی در دشتهای ساحلی پایین ایالات متحده. J. Water Manag. مدل. 2014 ، 1-12. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
نیلسن، SA; Hansen, E. شبیه سازی عددی فرآیند رواناب بارندگی به صورت روزانه. نورد. هیدرول. Res. 1973 ، 4 ، 171-190. [ Google Scholar ] [ CrossRef ]
Burnash، RJC سیستم پیش‌بینی رودخانه NWS مدل‌سازی حوضه آبریز. محاسبه کنید. مدل های آبخیز هیدرول. 1995 ، 188 ، 311-366. [ Google Scholar ]
وانگ، دبلیو. شائو، کیو. یانگ، تی. پنگ، اس. زینگ، دبلیو. سان، اف. لو، ی. ارزیابی کمی از تاثیر تنوع آب و هوا و فعالیت های انسانی بر تغییرات رواناب: مطالعه موردی در چهار حوضه حوضه رودخانه هایه، چین. هیدرول. روند. 2013 ، 27 ، 1158-1174. [ Google Scholar ] [ CrossRef ]
جیانگ، سی. شیونگ، ال. وانگ، دی. لیو، پی. گوا، اس. Xu, CY جداسازی اثرات تغییرات آب و هوایی و فعالیت های انسانی بر رواناب با استفاده از معادلات نوع Budyko با پارامترهای متغیر با زمان. جی هیدرول. 2015 ، 522 ، 326-338. [ Google Scholar ] [ CrossRef ]
گوتیرز، اف. پاریس، م. دی ویل، جی. Jourde, H. مروری بر مخاطرات زمینی و اثرات طبیعی و انسانی در کارست. علوم زمین Rev. 2014 , 138 , 61-88. [ Google Scholar ] [ CrossRef ]
احمد، من. ورما، وی. Verma, MK کاربرد روش عدد منحنی برای تخمین پتانسیل رواناب در محیط GIS. در مجموعه مقالات دومین کنفرانس بین المللی زمین شناسی و مهندسی عمران 2015 (ICGCE)، سنگاپور، 10-11 ژانویه 2015. جلد 80، ص 16–20. [ Google Scholar ] [ CrossRef ]
زوکاتلی، دی. بورگا، م. ویگلیون، آ. Chirico، GB; Schl، GB لحظات فضایی بارش حوضه: سازماندهی فضایی بارش، مورفولوژی حوضه، و واکنش سیل. هیدرول. سیستم زمین علمی بحث در مورد 2011 ، 8 ، 5811-5847. [ Google Scholar ] [ CrossRef ]
آنکوتین، جی. هورگان، جی. راو، اس. موری، دی. مدن، ا. مکماتونا، پ. دوران، پ. مورفی، PV سنتز آنالوگ های جدید ماکرولاکتام و ماکروکتون میگراستاتین از d-glucal و مقایسه با ماکرولاکتون و آنالوگ های غیر حلقوی: دوریگوسین یک مهارکننده قوی مهاجرت سلول های سرطانی معده است. یورو J. Org. شیمی. 2008 ، 2008 ، 1953-1958. [ Google Scholar ] [ CrossRef ]
جیا، پی. لیو، آر. ما، م. لیو، کیو. وانگ، ی. ژای، ایکس. خو، اس. Wang, D. شبیه‌سازی سیل فلش برای حوضه‌های آبریز اندازه‌گیری نشده بر اساس مدل هیدرولوژیکی توزیع‌شده. Water 2019 ، 11 ، 76. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
النصر، ع.ا. آرنولد، جی جی؛ فاین، جی. برلامونت، جی. مدلسازی هیدرولوژی یک حوضه با استفاده از مدل توزیع شده و نیمه توزیع شده. هیدرول. روند. 2005 ، 19 ، 573-587. [ Google Scholar ] [ CrossRef ]
رید، اس. شاکه، جی. Zhang، Z. یک مدل هیدرولوژیکی توزیع شده و روش مبتنی بر فرکانس آستانه برای پیش‌بینی سیل ناگهانی در مکان‌های اندازه‌گیری نشده. جی هیدرول. 2007 ، 337 ، 402-420. [ Google Scholar ] [ CrossRef ]
والگا، ا. کاپاک، ا. آماتیا، دی.م. Drozdzal، E. مقایسه جریان مستقیم خروجی محاسبه‌شده با روش‌های اصلاح‌شده SCS-CN برای حوضه‌های آبریز کوهستانی و مرتفع در حوضه ویستولای بالایی، لهستان و حوضه حوضه پست در کارولینای جنوبی، ایالات متحده آمریکا Acta Sci. پول فرم. Circumiectus 2017 ، 16 ، 187-207. [ Google Scholar ] [ CrossRef ]
Gironas, J. خصوصیات مورفولوژیکی حوضه های آبخیز شهری و استفاده از آن در کمی سازی پاسخ هیدرولوژیکی . پایان نامه ها پایان نامه ها-Gradworks; دانشگاه ایالتی کلرادو: فورت کالینز، CO، ایالات متحده آمریکا، 2009. [ Google Scholar ]
خالقی، محمدرضا; غلامی، و. قدوسی، ج. کارایی روش هیدروگراف واحد لحظه ای ژئومورفولوژیکی در شبیه سازی هیدروگراف سیلاب. کاتنا 2011 ، 87 ، 163-171. [ Google Scholar ] [ CrossRef ]
بون، ک. Freer, J. Equifinality، جذب داده ها، و برآورد عدم قطعیت در مدل سازی مکانیکی سیستم های محیطی پیچیده با استفاده از روش GLUE. جی هیدرول. 2001 ، 249 ، 11-29. [ Google Scholar ] [ CrossRef ]
مدل‌های هیدرولوژیکی Silberstein، RP بسیار خوب هستند. آیا هنوز به داده نیاز داریم؟ محیط زیست مدل. نرم افزار 2006 ، 21 ، 1340-1352. [ Google Scholar ] [ CrossRef ]
زی، جی. چن، اچ. لیائو، ز. گو، ایکس. زو، دی. ژانگ، جی. ارزیابی یکپارچه از استراتژی های کاهش سیل شهری برای تصمیم گیری قوی. محیط زیست مدل. نرم افزار 2017 ، 95 ، 143-155. [ Google Scholar ] [ CrossRef ]
هو، دبلیو. او، دبلیو. هوانگ، جی. Feng, J. بررسی تکنیک های شبیه سازی آب طوفان شهری. Adv. علوم آب 2010 ، 21 ، 137-144. (به زبان چینی) [ Google Scholar ]
وو، ایکس. وانگ، ز. گوا، اس. لیائو، دبلیو. زنگ، ز. چن، X. پیش بینی های مبتنی بر سناریو از طغیان شهری آینده در چارچوب مدل هیدرودینامیکی همراه: مطالعه موردی در شهر دونگوان، چین. جی هیدرول. 2017 ، 547 ، 428-442. [ Google Scholar ] [ CrossRef ]
هوانگ، Q. وانگ، جی. لی، ام. فی، م. دونگ، جی. مدل‌سازی تأثیر شهرنشینی بر سیلاب شهری: مطالعه موردی مبتنی بر سناریو در شانگهای، چین. نات. خطرات 2017 ، 87 ، 1035-1055. [ Google Scholar ] [ CrossRef ]
چنگ، تی. خو، ز. هونگ، اس. Song، S. منطقه‌بندی خطر سیل با استفاده از مدل‌سازی هیدرودینامیکی دوبعدی: مطالعه موردی در شهر جینان. ریاضی. مشکل مهندس 2017 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
توکل دوانی، ح. بوریان، س. آپول، د. Devkota، J. توسعه رویکرد مدل‌سازی زیرساخت‌های آب شهری برای کنترل خسارات سیل و کاهش اثرات چرخه زندگی. در مجموعه مقالات کنگره جهانی محیط زیست و منابع آب 2013: نمایش آینده، سینسیناتی، OH، ایالات متحده، 19-23 مه 2013. صفحات 2951-2958. [ Google Scholar ]
آویلا، اچ. آویلا، ال. Sisa، A. ذخیره سازی پراکنده به عنوان کنترل رواناب آب طوفان در حوضه های آبخیز شهری ادغام شده با خطر سیل ناگهانی. ج. منبع آب. طرح. مدیریت 2016 , 142 , 04016056. [ Google Scholar ] [ CrossRef ]
آویلا، ال. اویلا، اچ. Sisa، A. یک مدل هشدار اولیه واکنشی برای مدیریت سیل ناگهانی شهری. در مجموعه مقالات کنگره جهانی محیط زیست و منابع آب، ساکرامنتو، کالیفرنیا، ایالات متحده آمریکا، 21 تا 25 مه 2017؛ صص 372-382. [ Google Scholar ]
هوبر، دبلیو. هینی، جی. مدینه، م. پلتز، دبلیو. شیخ، اچ. مدل مدیریت آب طوفان: راهنمای کاربر ، ویرایش دوم. 1975. [ Google Scholar ]
جیروناس، جی. Roesner, LA; راسمن، لس آنجلس؛ دیویس، جی. کتابچه راهنمای کاربردی جدید برای مدل مدیریت آب طوفانی (SWMM). محیط زیست مدل. نرم افزار 2010 ، 25 ، 813-814. [ Google Scholar ]
منطقه بندی سیل مبتنی بر خطر طارق، MAUR با استفاده از خسارات سالانه مورد انتظار: مطالعه موردی رودخانه چناب. استوک. محیط زیست Res. ارزیابی ریسک 2013 ، 27 ، 1957-1966. [ Google Scholar ] [ CrossRef ]
ساهر، FN; Nasly، MA; کدیر، تابا; یاهایا، NKE; ایشاک، WMFW مهار سیلاب سیلاب های تپه ای برای بهبود سیستم آبیاری موجی با استفاده از رویکرد ژئو انفورماتیک. Res. J. علوم اخیر. 2014 ، 3 ، 14-22. [ Google Scholar ]
حنیف، م. خان، ق. عدنان، S. ویژگی ها و روندهای بارش عرضی در پاکستان. جی هیدرول. 2013 ، 492 ، 266-272. [ Google Scholar ] [ CrossRef ]
طارق، ماور; Van de Giesen، N. سیل و مدیریت سیل در پاکستان. فیزیک شیمی. Earth Parts A/B/C 2012 ، 47 ، 11-20. [ Google Scholar ] [ CrossRef ]
احمد، م. فامر روشهای آبیاری تحت سیستم آبیاری رود کوهی، گروه آبیاری و زهکشی، دانشکده مهندسی و فناوری کشاورزی ; دانشگاه کشاورزی: فیصل آباد، پاکستان، 2003. [ Google Scholar ]
احمد، م. مدیریت بهینه منابع آب در منطقه فرماندهی منتخب تپه تورنت دانشگاه کشاورزی: فیصل آباد، پاکستان. 2016. موجود آنلاین: https://prr.hec.gov.pk/jspui/bitstream/123456789/7941/1/Matlob Ahmad Full.pdf (دسترسی در 10 دسامبر 2019).
لئونگ، TM; ابراهیم، سنجش از دور ALB، سیستم اطلاعات جغرافیایی و مدل هیدرولوژیکی برای مدل‌سازی بارش-رواناب. در سی و سومین کنفرانس آسیایی سنجش از دور 2012، ACRS 2012 ; 2012; جلد 2، ص 1334–1343. در دسترس آنلاین: https://www.scopus.com/inward/record.url?eid=2-s2.0-84880019131&partnerID=tZOtx3y1 (در تاریخ 10 دسامبر 2019 قابل دسترسی است).
لوان، کیو. فو، ایکس. آهنگ، سی. وانگ، اچ. لیو، جی. وانگ، Y. ارزیابی اثر رواناب درب از طریق SWMM در مناطق شهری معمولی کوهستانی، کم ارتفاع: مطالعه موردی در چین. Water 2017 , 9 , 439. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ریس، پی. Schoen, J. PCSWMM ارزیابی: پروژه شماره 08-08/319: گزارش فنی نهایی ; دانشگاه ماساچوست: Amherst، MA، ایالات متحده; مرکز تحقیقات منابع آب: توسان، AZ، ایالات متحده آمریکا، 2009. [ Google Scholar ]
Cronshey, R. Urban Hydrology for Small Watersheds-Technical Release 55 , 2nd ed.; بخش کشاورزی، خدمات حفاظت از خاک، بخش مهندسی: واشنگتن، دی سی، ایالات متحده آمریکا، 1986.
جین، جی وی; آگراوال، آر. باندری، RJ; جایپراساد، پ. پاتل، JN; Agnihotri، PG; سمطانی، BM برآورد پارامترهای حوزه زیرحوضه برای مدل مدیریت آب طوفانی (SWMM) با استفاده از ژئو انفورماتیک. Geocarto Int. 2015 ، 31 ، 462-476. [ Google Scholar ] [ CrossRef ]
ابراهیمیان، م. نورالدین، AAB; امین، م. سوم، بی ام؛ سود، AM; برآورد رواناب ننگ، LJ در حوضه آبخیز شیب تند با روش‌های عدد منحنی استاندارد و تعدیل‌شده با شیب. پول جی. محیط زیست. گل میخ. 2012 ، 21 ، 1191-1202. [ Google Scholar ]
جیمز، دبلیو. قوانین برای مدلسازی مسئولانه . Computational Hydraulics International (CHI): Guelph, ON, Canada, 2005. [ Google Scholar ]
هوبر، WC; دیکینسون، مدل مدیریت آب طوفان WT ; نسخه 4; راهنمای کاربر، USEPA. EPA-600-3-88-001a: آتن، جورجیا، 1992. [ Google Scholar ]
راهنمای کاربر مدل مدیریت آب طوفان Rossman، LA نسخه 5.0; آزمایشگاه ملی تحقیقات مدیریت ریسک، دفتر تحقیق و توسعه: سینسیناتی، OH، ایالات متحده; آژانس حفاظت از محیط زیست ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، 2010; پ. 276.
Rai، PK؛ چهار، BR; Dhanya، مدل SWMM مبتنی بر CT GIS برای شبیه‌سازی پاسخ حوضه به رویدادهای سیل. هیدرول. Res. 2016 ، 48 ، 384-394. [ Google Scholar ] [ CrossRef ]
EI Alfy، M. ارزیابی تاثیر شهرنشینی مناطق خشک بر سیل ناگهانی با استفاده از GIS، سنجش از دور، و بارش HEC-HMS – مدل‌سازی رواناب محمد ال الفی. هیدرول. Res. 2016 ، 47 ، 1142-1160. [ Google Scholar ] [ CrossRef ]
سانتی، سی. آرنولد، جی جی؛ ویلیامز، جی آر. دوگاس، WA; سرینیواسان، ر. Hauck، LM اعتبار سنجی مدل swat در حوضه RWER بزرگ با منابع نقطه ای و غیر نقطه ای. مربا. منبع آب دانشیار 2001 ، 37 ، 1169-1188. [ Google Scholar ] [ CrossRef ]
صالح، ع. آرنولد، جی جی؛ Gassman، PWA; هاک، LM؛ روزنتال، WD; ویلیامز، جی آر. مک فارلند، AMS کاربرد SWAT برای حوضه آبخیز رودخانه بوسک شمالی شمالی. ترانس. ASAE 2000 ، 43 ، 1077-1087. [ Google Scholar ] [ CrossRef ]
اختر، م. Hewa، G. استفاده از PCSWMM برای ارزیابی اثرات تغییرات کاربری زمین بر پاسخ های هیدرولوژیکی و عملکرد WSUD در مدیریت اثرات در حوضه مایپوگا، استرالیای جنوبی. Water 2016 , 8 , 511. [ Google Scholar ] [ CrossRef ]
حسین، ف. کتیار، ن. بهبود پیش بینی سیل در حوضه های رودخانه های بین المللی. Eos Trans. صبح. ژئوفیز. اتحادیه 2006 ، 87 ، 49-54. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
قوش، س. نندی، اس. کومار، اس. ارزیابی سریع سیل اخیر در پارک ملی کازیرانگا، آسام با استفاده از داده های ماهواره ای سنجش از دور. کر. علمی 2016 ، 111 ، 1450-1451. [ Google Scholar ]
یوان، اف. ژانگ، ال. چشمک زن.؛ رن، ال. ژائو، سی. زو، ی. لیو، ی. ارزیابی محصولات بارش چند ماهواره ای GPM و TRMM در شبیه سازی جریان در یک حوزه آبخیز کوهستانی پراکنده داده در میانمار. از راه دور. Sens. 2017 , 9 , 302. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
هو، اچ. اندروز، اچ. خطوط مکعبی برای درونیابی تصویر و فیلتر دیجیتال. IEEE Trans. آکوست. فرآیند سیگنال گفتار 1978 ، 26 ، 508-517. [ Google Scholar ]
Sibetheros، IA; Holley، ER; برانسکی، JM Spline درونیابی برای تجزیه و تحلیل چکش آب. جی هیدرول. مهندس 1991 ، 117 ، 1332-1351. [ Google Scholar ] [ CrossRef ]
Kastanek، FJ; Nielsen, DR شرح خصوصیات آب خاک با استفاده از درونیابی اسپلاین مکعبی. علم خاک Soc. صبح. J. 2001 , 65 , 279-283. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
صابر، NR; گوسمن، AD; چوب، NB; کیلنر، پی جی. Charrier، CL; Firmin، DN مدل‌سازی جریان محاسباتی بطن چپ بر اساس داده‌های MRI in vivo: تجربه اولیه. ان Biomed. مهندس 2001 ، 29 ، 275-283. [ Google Scholar ] [ CrossRef ]
دالیاکوپولوس، IN; کولیبالی، پی. Tsanis، IK پیش بینی سطح آب زیرزمینی با استفاده از شبکه های عصبی مصنوعی. جی هیدرول. 2005 ، 309 ، 229-240. [ Google Scholar ] [ CrossRef ]
پلایا، ا. Bondi، AL روش انتساب واحد مقادیر گمشده در مجموعه داده‌های آلودگی محیطی. اتمس. محیط زیست 2006 ، 40 ، 7316-7330. [ Google Scholar ] [ CrossRef ]
فریچ، FN; درونیابی مکعبی تک تکه ای کارلسون، RE. SIAM J. Numer. مقعدی 1980 ، 17 ، 238-246. [ Google Scholar ] [ CrossRef ]
اکبری، ع. تنظیم شیب عدد منحنی رواناب (CN) با استفاده از گسیل گرمایی پیشرفته و رادیومتر بازتابی فضابرد (ASTER) مدل جهانی ارتفاع دیجیتال (GDEM) برای حوضه رودخانه کوانتان . 2015; جلد 9644، ص. 96441 وات. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
گابلانی، س. سیلوسترو، اف. رودری، ر. بونی، جی. Magliotto، A. روش کالیبراسیون عمومی برای یک طرح نفوذ ترکیبی Horton-SCS در مدل‌سازی سیل ناگهانی. نات. سیستم خطرات زمین. علمی 2008 ، 8 ، 1317-1327. [ Google Scholar ] [ CrossRef ]
نایاک، TR; Jaiswal، RK مدل‌سازی بارش-رواناب با استفاده از داده‌های ماهواره‌ای و GIS برای رودخانه بباس در مادهیا پرادش. J. Inst. مهندس هند. مدنی مهندس بخش 2003 ، 84 ، 47-50. [ Google Scholar ]
گاندینی، ام ال. Usunoff، تخمین عدد منحنی EJ با استفاده از سنجش از دور NDVI در یک محیط GIS. جی. محیط زیست. هیدرول. 2004 ، 12. [ Google Scholar ]
آخوندی، س. بررسی مدل عدد منحنی در تخمین سیل با استفاده از سیستم اطلاعات جغرافیایی (GIS). Ph.D. پایان نامه، دانشگاه تربیت مدرس، تهران، ایران.
Pandey، VK؛ پاندا، SN; Sudhakar، S. تخمین تعداد منحنی از حوزه آبخیز با استفاده از تصویر دیجیتال IRS-1D، LISS III ، 2002.
هونگ، ی. Adler، RF برآورد اعداد منحنی SCS جهانی با استفاده از سنجش از دور ماهواره‌ای و داده‌های مکانی. بین المللی جی. ریموت. Sens. 2008 , 29 , 471-477. [ Google Scholar ] [ CrossRef ]
احمد، م. رحمان، ک. کوک، ا. حسن، س. تعیین کمیت مبتنی بر سنجش از دور تأثیر سیل ناگهانی بر تولید برنج: مطالعه موردی در شمال شرقی بنگلادش. Sensors 2017 , 17 , 2347. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
وانگ، ی. با استفاده از داده‌های Landsat 7 TM چند روز پس از وقوع سیل برای تعیین حداکثر وسعت سیل در دشت سیلابی ساحلی. بین المللی جی. ریموت. Sens. 2004 , 25 , 959-974. [ Google Scholar ] [ CrossRef ]
تانگوی، م. چوکمانی، ک. برنیر، ام. پولین، جی. نقشه برداری سیل رودخانه ریموند، S. در مناطق شهری با ترکیب داده های Radarsat-2 و داده های دوره بازگشت سیل. از راه دور. حس محیط. 2017 ، 198 ، 442-459. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
روزالیس، اس. مورین، ای. یایر، ی. قیمت، C. پیش‌بینی سیل ناگهانی با استفاده از یک مدل هیدرولوژیکی کالیبره نشده و داده‌های بارندگی راداری در یک حوزه آبخیز مدیترانه تحت شرایط هیدرولوژیکی متغیر. جی هیدرول. 2010 ، 394 ، 245-255. [ Google Scholar ] [ CrossRef ]
تساناکاس، ک. گاکی پاپاناستاسیو، ک. کالوگروپولوس، ک. چالکیاس، سی. کاتصافادوس، پ. Karymmbalis، E. بررسی علل طبیعی سیل ناگهانی در رودخانه Xirolaki، یونان شمالی بر اساس مدل‌سازی GIS و تحلیل ژئومورفولوژیکی. نات. خطرات 2016 ، 84 ، 1015-1033. [ Google Scholar ] [ CrossRef ]

شکل 1. نقشه منطقه مطالعه.

شکل 2. مفهوم حوضه فرعی به عنوان یک مخزن مستطیلی غیر خطی در PCSWMM [ 36 ].

شکل 3. نمودار جریان روش شناختی.

شکل 4. رفتار حوضه فرعی مشاهده شده در زمان دلخواه t ₀ ( a )، t ₁ + Δt ( b )، t ₂ + Δt ( c ) و t ₃ + Δt ( d ).

شکل 5. نمودارهای پراکنده برای نتایج مشاهده شده و شبیه سازی شده.

شکل 6. سوابق مشاهده شده و هیدروگراف شبیه سازی شده.

شکل 7. رفتار آبگرفتگی برای 0.5/12.7، 1.5/38.1 و 2.0/50.8 اینچ/mm و سیل 2015.

شکل 8. نقشه دشت سیلابی طبقه بندی شده برای تورنت Vidor.

شکل 9. LULC دشت سیلابی و درصد در معرض.

مقالات داخلی و بین المللی

1 نظر

دیدگاهتان را بنویسید لغو پاسخ

برای نوشتن دیدگاه باید وارد بشوید.

مشاورین هوش پیروزی

خلاصه

کلید واژه ها:

1. معرفی