ارزیابی خطر سیلاب با استفاده از تلفیق مدل‌های اتومات سلولی و SCS در دامنه های شمالی البرز مرکزی (مطالعه موردی: حوضه آبخیز لاویج‌رود)

الموضوعات : فصلنامه علمی برنامه ریزی منطقه ای

صدرالدین متولی ¹ (دانشیار گروه جغرافیای دانشگاه آزاد اسلامی واحد نور.)

تاريخ الإرسال : 10 الثلاثاء , جمادى الأولى, 1443 تاريخ التأكيد : 18 السبت , رجب, 1443 تاريخ الإصدار : 20 الخميس , رمضان, 1443

الکلمات المفتاحية: SCS, ارزیابی خطر سیلاب, اتومات سلولی, دامنه های شمالی البرز مرکزی, حوضه آبخیز لاویج‌رود,

ملخص المقالة :

رشد جمعیت، تجمع سرمایه ها و گسترش شهرنشینی در مکان های مستعد خطر، منجر به پدید آمدن جامعه شهری با آسیب پذیری بالا در برابر سوانح می گردد. توسعه روز افزون جوامع و پیچیده شدن روابط درونی و خارجی آنها، اهمیت پرداختن به مدیریت و برنامه ریزی در کاهش بلایا و اثرات آنها بر سکونتگاه های انسانی را بیش از پیش نمایان میکند. دامنه‌های شمالی البرز مرکزی بویژه حوضه آبخیز لاویج‌رود عمدتاً به دلیل وضعیت توپوگرافی و فیزیوگرافی، موقعیت اقلیمی، عدم رعایت مشخصات فنی در احداث راه و ابنیه فنی و تجاوز به حریم رودخانه، زمین-شناسی و دیگر عوامل مؤثر در ایجاد رواناب، دارای پتانسیل تولید سیل در برخی از مواقع سال می‌باشد. در این پژوهش کارایی مدل‌های اتومات سلولی و SCS به منزله روش‌های نوین و امکان تلفیق آن‌ها با برنامه‌های GIS برای شبیه-سازی خطر سیلاب و هیدروگراف جریان برای لاویج‌رود مطالعه شد. از داده‌های کاربری اراضی، گروه‌های هیدرولوژیک خاک، DEM، داده‌های بارش و ضریب زبری استفاده شد که همه لایه‌ها در قالب رسترهای با اندازه سلول 30×30 تهیه شدند. بخش زیادی از حوضه دارای گروه هیدرولوژیکی C و D است که نفوذپذیری کم و خیلی کم دارند؛ بدین-معنی که حجم زیادی از بارش در این قسمت‌ها می‌تواند تبدیل به رواناب شود. نیمه شمالی به‌ویژه شمال غربی حوضه، به‌دلیل قابلیت نفوذ کم و نیز نزدیکی به خروجی حوضه، دارای ارتفاع و عمق رواناب بسیار زیادی است. همچنین، خطر سیلاب در مسیر رودخانه لاویج و در اراضی اطراف آن (دشت سیلابی رودخانه) به‌ویژه در پایین‌دست رودخانه بالاست. شبیه‌سازی سیلاب در حوضه لاویج‌رود نشان داد که علاوه بر کاربری اراضی، خاک، نفوذپذیری و شیب، پراکنش مکانی مقدار بارش عامل مهمی در تجمع رواناب به یک سمت از جریان پایین‌دست حوضه و تولید سیلاب است.

المصادر:

 

1.Abou El-Magd, I., Hermas, E., & El Bastawesy, M., (2010). GIS-modeling of the spatial variability of flash flood hazard in Abu Dabbab catchment, Red Sea Region, Egypt, the Egyptian Journal of Remote Sensing and Space Sciences, Vol. 13, pp. 81-88.

2.Aboudagga, N. (2005). Simulations by cellular automata of the floods in littoral lagoon areas, www.isn-oldenburg.de/projects/earselabstracts2005/ABS-Aboudagga-Nader.html.

3.Aelami, M.T., Malekani, L., & Ghorbani, M.A., (2015). Precipitation - Runoff modeling in Lighvan basin using cellular automata model. Quantitative Geomorphological Researches, 3(4): 60-73.

4.Cirbus, J., & Podhoranyi, M. (2013). Cellular Automata for the Flow Simulations on the Earth Surface, Optimization Computation Process. Applied Mathematics & Information Sciences, v. 7(6), p. 2149-2158.

5.Dewan, A.M., Islam, M.M., Kumamoto, T., & Nishigaki, M., (2007). Evaluating flood hazard for land-use planning in Greater Dhaka of Bangladesh using remote sensing and GIS techniques, Water Resources Manage, Vol. 21, pp. 1601-1612.

6.Elkhrachy, I., (2015). Flash flood hazard mapping using satellite images and GIS tools: a case study of Najran City, Kingdom of Saudi Arabia (KSA), The Egyptian Journal of Remote Sensing and Space Sciences, Vol. 18, pp. 261-278.

7.Fahimifar, A., Bahri, M.A., & Bakhshayesh Eghbali, N., (2006). Analysis of the Landslide moving and sliding process based on cellular automata model. The ²⁵th Gathering of Geosciences, Geological Survey of Iran, Tehran.

8. Foodi, G.M., Ghoneim E.M., & Arnell, W.N., (2004). Predicting Location Sensitive to Flash Flooding in Arid Environment, Journal of Hydrology, Vol. 292, pp. 48-58


9. Haq, M., Akhtar, M., Muhammad, S., Paras, S., & Rahmatullah, J., (2012). Techniques of Remote Sensing and GIS for flood monitoring and damage assessment: A case study of Sindh province, Pakistan, the Egyptian Journal of Remote Sensing and Space Sciences, Vol. 15, pp. 135-141.


10. Hejazi, A., & Mezbani, M., (2017). Estimation of maximum runoff height and discharge using curve number method (case study: Sarab-E DarehShahr watershed), Hydro-geomorphology, Vol. 5, pp. 63-81.

11.Hjelmfelt, A.T., & Mockus, V., (2004). Estimation of Direct Runoff from Storm Rainfall, Part 630 Hydrology National Engineering Handbooks, Chapter 10, United States Department of Agriculture, Natural Resources Conservation Service, 235p.

12.Hosseinzadeh, M.M., Nosrati, K., & Imeni, S., (2018). Detection of curve number and estimation of runogg potential in Hesarak watershed, Journal of Applied Geoscience Research, Vol. 18(51), pp. 133-150.

13.Inci, T.Y., Akguül, S., Dengiz, O., & Aküzüm, T., (2006). Estimation of flood discharge for small watershed using SCS curves number and geographic Information System, River basin flood management journal, pp. 527-538.

14.June, S., Yuan, Y., & Jing, Z., (2001). The effect of landuse/cover change on surface Runoff in Shenzheh Region, china, Institute of Resouecess ScienceBeigining normal university, 100875, Beijing.

15.Khaleghi, S., & Malekani, L., (2016). Flood risk simulation using cellular automata model based on GIS (case study: CherCher watershed), Journal of Natural Geography Studies, Vol. 48(4), pp. 589-605.

16.Kopp, S., & Noman, N. (2008). ArcGIS Spatial Analyst - Hydrologic Modeling, ESRI User Conference Technical Workshop, http://www.scdhec.gov/gis/presentations/ESRI_Conference_08/tws/workshops/tw_37.pdf

17.Kumar RAI, P., & Mohan, K., (2014). Remote Sensing data & GIS for flood risk zonation mapping in Varanasi District, India, Forum geografic, Studii și cercetări de geografie și protecția mediului, Vol. 13, pp. 25-33.

18.Lewis, D., Singer, M.J., & Kate, K.W., (2000), Applicability of SCS curve number method for a California Woodlands Watershed, Journal of Soil and Water Conservation, Second Quarter, pp. 48-55.

19.Mostafazadeh, R., Mirzai, Sh., & Nadiri, P., (2017). Determination of the curve number from rainfall and runoff events and its changes with rainfall components in a forest watershed, Journal of water and soil sciences (Agriculture and Natural Resources Sciences and Technologies), Vol. 14, pp. 15-28.

20. Motevalli. S. Hosseinzadeh, M.M., & Esmaili. R. (2013). Formation mechanism of debris flows in Roodbarak sub-basin, Mazandaran,Iran, Journal of life science ,vol 10(1s), pp8-20

21.Motevalli. S. hosseinzadeh, M.M., & Esmaili. R. (2013). Relationship between Labbalbi discharge and geomorphic units in mountain rivers: A case study of Lavij river in the northern slope of central Alborz, Journal of Researches in Earth Science, vol 14, pp.17-33

22.Rinaldi, P.R., Dalponte, D.D., Vénere, M.J., & Clausse, A. (2012). Graph-based cellular automata for simulation of surface flows in large plains. Asian Journal of Applied Science, v. 5, p. 224-231.

23.Sanikhani, H., Khorasani, A., & Dinpajhooh, Y., (2012). Runoff and soil erosion model using cellular automata model. Iranian Water Research Journal, 6(11): 123-133.

24.Saravanan, S., & Manjula, R., (2015). Geomorphology based semi-distributed approach for modeling rainfall-runoff modeling using GIS, Aquatic Processes, Vol. 4, pp. 908-916.

25.Satheeshkumar, S., Venkateswaran, S., & Kannan, R., (2017). Rainfall–runoff estimation using SCS–CN and GIS approach in the Pappiredipatti watershed of the Vaniyar sub basin, South India, Modeling Earth Systems and Environment, Vol. 3(24), pp. 1- 8.

26.Schroeder, S.A., & Larsen, J.K., (1990). Antecedent moisture conditions for North Dakota runoff predictions North Dakota, Farm Research, Vol. 48(0097, 5338), pp. 8-11.

27.Soulis, K.X., & Valiantzas, J.D., (2012). SCS-CN parameter determination using rainfall-runoff data in heterogeneous watershed-the two-CN system approach, Hydrology Earth System Science, Vol. 16, pp. 1001-1015.

28.Van, T.P.D., Carling, Paul, A., Coulthard, Tom, J., & Atkinson Peter, M. (2007). Cellular automata approach for flood forecasting in a bifurcation river system, PUBLS. INST. GEOPHYS. POL. ACAD. SC., v. E-7 (401), 256 pages.

29.Vinithra, R., & Yeshodha, L., (2016). Rainfall–runoff modelling using SCS–CN method: a case study of Krishnagiri District, Tamilnadu, International Journal of Science Research, Vol. 5(3), pp. 2319–7064.

30.Xiao, B., Wang, Q.H., Fan, J., Han, F.P., & Dai, Q.H., (2011). Application of the SCSCN model to runoff estimation in a small watershed with high spatial heterogeneity, Pedosphere, Vol. 21(6), pp. 738-749.

31.Zhan, X., & Huang, M.L. (2004). ArcCN-Runoff: an ArcGIS tool for generating curve number and runoff maps, Environmental Modeling & Software, v. 19, p. 875-879.