مقایسه و اولویت‌بندی سیل‌خیزی زیر حوضه‌های نکارود با استفاده از روش مورفومتریک در سامانه اطلاعات جغرافیایی
الموضوعات :مهراب زالی 1 , کریم سلیمانی 2 , محمود حبیب نژاد روشن 3 , میرحسن میریعقوب زاده 4
1 - دانشجوی کارشناسی ارشد مدیریت حوضه های آبخیز، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
2 - استاد گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
3 - استاد گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
4 - استادیار گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، آذربایجان غربی، ایران
الکلمات المفتاحية: آبخیز نکارود, اولویت‌بندی, تجزیه‌وتحلیل مورفولوژی, سیل,
ملخص المقالة :
پیشینه و هدف سیلاب از فاجعه بارترین و خطرناک‌ترین خطرات طبیعی است، زیرا ناگهانی و غیرقابل پیش‌بینی است و منجر به تخریب زیرساخت‌ها، تهدیدی برای جان و مال انسان می شود. شناسایی مناطق دارای پتانسیل سیل‌خیز بالا ازجمله کارهای بسیار مهم در کنترل سیلاب و کاهش خسارات ناشی از آن می‌باشد. سیل یکی از جدی‌ترین خطرات طبیعی است که تهدیدهای جدی برای مناطق مسکونی به وجود می آورد و همچنین باعث خطرات مالی و/جانی می شود. سیلاب ازنظر خسارت در مقایسه با خسارات ناشی از زمین‌لرزه، آتشفشان و رانش زمین، در رتبه اول قرار دارد پیامدهای این بلایا را می توان در قالب اقتصادی و زیست محیطی شدیدی ازجمله از بین بردن زمین‌های کشاورزی، کاهش عملکرد محصول و ایجاد کمبود آب شیرین در منطقه سیل‌خیز اشاره کرد. سیلاب نه تنها در مناطق جلگه ای بلکه در محیط های کوهستانی نیز می تواند رخ دهد. تجزیه و تحلیل سیل و روابط آن با متغیرهای توضیحی می تواند به مدیران آب کمک کند تا مؤثرترین متغیر را در سیلاب شناسایی کنند. جوامع، کشورها و قاره ها، به دلیل افزایش شدت و فراوانی این بلایای طبیعی، با تلفات شدید انسانی و هزینه های اقتصادی روبرو شده است). در جهان به دلیل افزایش های این بلایای طبیعی، مرگ انسان در دوره پیش رو احتمالاً دو برابر تخمین زده می شود. سیل یکی از جدی ترین خطرات طبیعی است که تهدیدهای جدی برای مناطق مسکونی به وجود. تغییرات آب و هوا و افزایش مداوم شهرنشینی که با افزایش جمعیت رخ می دهد، به دنبال آن ساخت و سازها توسط بشر افزایش می یابد و در نهایت باعث کاهش سطح نفوذپذیر و احتمالاً خطر سیل و پتانسیل خسارت اقتصادی-اجتماعی را بیشتر افزایش می دهد. با تأیید خطرات در حال رشد و افزایش دفعات وقایع سیل، یک تغییر الگوی در مدیریت ریسک سیل در بسیاری از کشورها مانند اروپا مشاهده می شود. مدیریت سیل و کاهش خطرات ناشی از آن مستلزم اتخاذ دیدگاه‌های جامع است که مجموعه متنوعی از اقدامات مدیریت ریسک سیل شامل مشارکت فعال ذینفعان، ارتباطات و افزایش آگاهی را در نظر می‌گیرند. مطالعه حاضر در آبخیز نکارودرودرود در استان مازندران انجام گرفته است. استفاده از سامانه های جغرافیایی می تواند در حداقل زمان با استفاده از لایه‌های اطلاعاتی، مناطق حساس به سیل را با دقت بالایی شناسایی کند این آبخیز یکی از مهمترین آبخیزهای این استان می باشد و مطالعه آن از لحاظ خطرات سیلابی با توجه به بارندگی بالایی که دارد، از اهمیت بالایی برخوردار است. هدف کلی این مطالعه اولویت بندی زیر حوضه‌ها با توجه به جاری شدن سیل بر اساس تجزیه و تحلیل مورفولوژی و نیز استفاده از نرم افزار GIS به عنوان ابزاری کارآمد و مقرون به صرفه است. در این مطالعه به بررسی مورفومتریک آبخیز پرداخته شد و زیر حوضه های سیلابی مورد شناسایی قرار گرفت. هدف از انجام این تحقیق، شناسایی مناطقی با پتانسیل سیل بالا در آبخیز نکارودرودرود استان مازندران جهت جلوگیری از خطرات ناشی از این بلای طبیعی و مانع از ایجاد خسارت به صورت مالی و جانی است.مواد و روش ها هفده پارامتر مورفومتریک به منظور توصیف آبخیز و اولویت بندی زیر حوزه های آبخیز نکارودرودرود با توجه به حساسیت به سیل ناگهانی تعیین شد. پارامترهای اساسی با استفاده از تکنیک های GIS مستقیماً از نقشه رقومی ارتفاع (DEM) اندازه گیری شدند و شامل مساحت حوضه، طول حوضه، محیط، تعداد جریان ها و طول جریان ها برای هر رتبه جریان است. در این تحقیق پارامترهای بسیار مهم مورفومتریک کمی انتخاب و برای این تجزیه و تحلیل استفاده شدند. این پارامترها با خطرات رواناب، اوج تخلیه و فرسایش خاک رابطه مستقیم یا معکوس دارند. این پارامترها را به سه بخش خطی، ناهمواری و سطحی تقسیم شدند. درنهایت با استفاده از این روش زیر حوضه ها اولویت بندی شدند. جهت ارزیابی مورفولوژی آبخیز یک DEM با وضوح 12.5 متر بارگیری شد. پارامترهای مورفولوژی به‌طور مستقیم یا معکوس با طغیان در ارتباط هستند. پس از رتبه بندی مورفولوژی، مقادیر مربوط به هر یک از زیر حوضه ها برای طبقه بندی و تعیین حساسیت آن ها به وقوع سیل ناگهانی جمع شد. مقادیر درجه پارامترهای مورفومتریک خلاصه‌شده از 0 برای کمترین مقدار رتبه و 1 برای بالاترین مقدار رتبه برای به دست آوردن شاخص حساسیت سیلاب در برابر هر زیر حوضه نرمال شد و مورد ارزیابی نهایی قرار کرفت. تغییرات واضحی در پارامترهای اساسی زیر حوضه‌های آبخیز مانند مساحت، محیط و طول حوضه مشاهده می‌شود. این پارامترهای حوضه، یک ویژگی هیدرولوژیکی بسیار قابل‌توجه هستند. مساحت آبخیز از 484.37 کیلومترمربع در زیر حوضه N1 تا 48.18 کیلومترمربع در زیر حوضه N8متغییر است. همچنین از محیط می‌توان به‌عنوان یک شاخص از شکل و اندازه زیر آبخیز استفاده کرد. با توجه به نتایج به‌دست‌آمده یک همبستگی بالا بین مساحت و محیط آبخیز وجود دارد.نتایج و بحث حوضه نکارودرودرود با استفاده از جعبه‌ابزار Hydrology از ArcGIS به 12 زیر حوضه تقسیم شد. با توجه به نتایج به‌دست‌آمده مشخص شد که زیر حوضه‌های N8 و N9 از اولویت بالایی برای سیل‌خیزی برخوردار هستند. نتایج نشان می‌دهد که این 2 زیر حوضه بسیار مستعد ازلحاظ سیل‌خیزی هستند. همچنین زیر حوضه‌های N11 و N12 از میزان خطر خیلی کمتری نسبت به سیل‌خیزی برخوردار هستند. تعداد کل جریان‌های 12 زیر حوضه برای آبخیز 366681 مورد است و اولین مرتبه %52 کل جریان‌های آبخیز را تشکیل می‌دهد. مقادیر هندسی برای 12 زیر حوضه آبخیز به‌صورت نمودار و یک خط مستقیم نشان داده می‌شود که مقادیر ورود به سیستم شماره جریان بر روی یک نمودار رسم شده است.نتیجه گیری ازآنجاکه سوابق آب و هوایی و هیدرولوژیکی تاریخی کافی برای مدل‌سازی هیدرولوژیکی وجود ندارد، از تحلیل مورفومتریک برای ارزیابی حساسیت زیر آبخیز به سیل استفاده‌شده است. نتایج و تجزیه‌وتحلیل‌های به‌دست‌آمده در مطالعه حاضر دارای زمینه‌های متعددی برای کاربرد عملی و توسعه آینده است. تجزیه‌وتحلیل مورفومتری حوضه نکارودرودرود نشان داده است که آبخیز یک سیستم زهکشی که دارای 6مرتبه است که دارای حساسیت بسیار بالا به سیلاب است. با توجه به نتایج، زیر حوضه N8 و N9 از میزان خطر بالای سیل‌خیزی برخوردار هستند. در مقابل زیر حوضۀ N12 از میزان طغیان سیلاب خیلی کمتری برخوردار هستند. بررسی حوضه نشان داد که علت پایین بودن طغیان در زیر حوضۀ N12، شکل حوضه و میزان شیب می‌باشد که دارای شکل کشیده و منطقه ازلحاظ ناهمواری تقریباً مسطح است، که میزان خطر سیلاب را کاهش می‌دهد. این مطالعه نشان داد شد که حفاظت از منطقه در برابر سیل ناگهانی باید در اولویت اصلی مقامات ذیصلاح برای محافظت از جان انسان‌ها و مزارع کشاورزی و درنهایت جلوگیری از فاجعه‌ای سیل باشد. در این مطالعه ثابت شد که ادغام و تجزیه‌وتحلیل مورفولوژی با GIS می‌تواند ابزاری قابل‌توجه برای درک ویژگی‌های زیر حوضه‌های آبخیز مربوط به مدیریت سیل فراهم کند.
Abuzied S, Yuan M, Ibrahim S, Kaiser M, Saleem T. 2016. Geospatial risk assessment of flash floods in Nuweiba area, Egypt. Journal of Arid Environments, 133: 54-72. doi:https://doi.org/10.1016/j.jaridenv.2016.06.004.
Akay H, Baduna Koçyiğit M. 2020. Flash flood potential prioritization of sub-basins in an ungauged basin in Turkey using traditional multi-criteria decision-making methods. Soft Computing, 24(18): 14251-14263. doi:10.1007/s00500-020-04792-0.
Alam A, Ahmed B, Sammonds P. 2021. Flash flood susceptibility assessment using the parameters of drainage basin morphometry in SE Bangladesh. Quaternary International, 575-576: 295-307. doi:https://doi.org/10.1016/j.quaint.2020.04.047.
Altın TB, Altın BN. 2011. Development and morphometry of drainage network in volcanic terrain, Central Anatolia, Turkey. Geomorphology, 125(4): 485-503. doi:https://doi.org/10.1016/j.geomorph.2010.09.023.
Asfaw D, Workineh G. 2019. Quantitative analysis of morphometry on Ribb and Gumara watersheds: Implications for soil and water conservation. International Soil and Water Conservation Research, 7(2): 150-157. doi:https://doi.org/10.1016/j.iswcr.2019.02.003.
Barman BK, Rao CUB, Rao KS, Patel A, Kushwaha K, Singh SK. 2021. Geomorphic Analysis, Morphometric-based Prioritization and Tectonic Implications in Chite Lui River, Northeast India. Journal of the Geological Society of India, 97(4): 385-395. doi:10.1007/s12594-021-1696-0.
Bhat MS, Alam A, Ahmad S, Farooq H, Ahmad B. 2019. Flood hazard assessment of upper Jhelum basin using morphometric parameters. Environmental Earth Sciences, 78(2): 54. doi:https://doi.org/10.1007/s12665-019-8046-1.
Borga M, Gaume E, Creutin JD, Marchi L. 2008. Surveying flash floods: gauging the ungauged extremes. Hydrological Processes, 22(18): 3883. doi:https://doi.org/10.1002/hyp.7111.
Bui DT, Hoang N-D, Martínez-Álvarez F, Ngo P-TT, Hoa PV, Pham TD, Samui P, Costache R. 2020. A novel deep learning neural network approach for predicting flash flood susceptibility: A case study at a high frequency tropical storm area. Science of The Total Environment, 701: 134413. doi:https://doi.org/10.1016/j.scitotenv.2019.134413.
Charizopoulos N, Mourtzios P, Psilovikos T, Psilovikos A, Karamoutsou L. 2019. Morphometric analysis of the drainage network of Samos Island (northern Aegean Sea): Insights into tectonic control and flood hazards. Comptes Rendus Geoscience, 351(5): 375-383. doi:https://doi.org/10.1016/j.crte.2019.03.001.
Faniran A. 1968. The index of drainage intensity: a provisional new drainage factor. Australian Journal of Science, 31(9): 326-330. doi:https://doi.org/10.1007/s13201-017-0534-4.
Hajam RA, Hamid A, Bhat S. 2013. Application of morphometric analysis for geo-hydrological studies using geo-spatial technology–a case study of Vishav Drainage Basin. Hydrology Current Research, 4(3): 1-12. doi:https://doi.org/10.4172/2157-7587.1000157.
Hamdi SA, Ali SA, Ghareb JISA. 2019. Analysis of Basin Geometry in Ataq Region, Part of Shabwah Yemen: Using Remote Sensing and Geographic Information System Techniques. Bulletin of Pure & Applied Sciences-Geology, 38-F (Geology)(1): 1-15. doi:https://doi.org/10.5958/23203234.2019.00001.5.
Horton RE. 1945. Erosional development of streams and their drainage basins; hydrophysical approach to quantitative morphology. Geological society of America bulletin, 56(3): 275-370. doi:https://doi.org/10.1177/030913339501900406.
Jodar-Abellan A, Valdes-Abellan J, Pla C, Gomariz-Castillo F. 2019. Impact of land use changes on flash flood prediction using a sub-daily SWAT model in five Mediterranean ungauged watersheds (SE Spain). Science of The Total Environment, 657: 1578-1591. doi:https://doi.org/10.1016/j.scitotenv.2018.12.034.
Magesh NS, Chandrasekar N, Soundranayagam JP. 2011. Morphometric evaluation of Papanasam and Manimuthar watersheds, parts of Western Ghats, Tirunelveli district, Tamil Nadu, India: a GIS approach. Environmental Earth Sciences, 64(2): 373-381. doi:https://doi.org/10.1007/s12665-010-0860-4.
Mansor P. 2020. Investigating the relationship between basin morphometric conditions and groundwater resources: Case study of Kamyaran Basin. Quantitative Geomorphological Research, 8(4): 18-33. doi:https://doi.org/10.22034/GMPJ.2020.106408.
Melton MA. 1958. Correlation structure of morphometric properties of drainage systems and their controlling agents. The Journal of Geology, 66(4): 442-460. doi:https://doi.org/10.1086/626527.
Miller VC. 1953. A quantitative geomorphic study of drainage basin characteristics on the Clinch Mountain area, Virgina and Tennessee. Columbia Univ New York, Proj. NR 389–402, Tech Rep 3. New York: Columbia University, Department of Geology, ONR. https://doi.org/10.1086/626413.
Patel DP, Dholakia MB, Naresh N, Srivastava PK. 2012. Water Harvesting Structure Positioning by Using Geo-Visualization Concept and Prioritization of Mini-Watersheds Through Morphometric Analysis in the Lower Tapi Basin. Journal of the Indian Society of Remote Sensing, 40(2): 299-312. doi:https://doi.org/10.1007/s12524-011-0147-6.
Ratna Reddy V, Saharawat YS, George B. 2017. Watershed management in South Asia: A synoptic review. Journal of Hydrology, 551: 4-13. doi:https://doi.org/10.1016/j.jhydrol.2017.05.043.
Ratnam KN, Srivastava YK, Venkateswara Rao V, Amminedu E, Murthy KSR. 2005. Check dam positioning by prioritization of micro-watersheds using SYI model and morphometric analysis-Remote sensing and GIS perspective. Journal of the Indian Society of Remote Sensing, 33(1): 25. doi:https://doi.org/10.1007/BF02989988.
Schumm SA. 1956. Evolution of drainage systems and slopes in badlands at Perth Amboy, New Jersey. Geological Society of America Bulletin, 67(5): 597-646. doi:https://doi.org/10.1130/0016-7606(1956)67[597.
Siahkamari S, Zeinivand H. 2017. Flood prone areas mapping by using statistical index and weights of evidence models (Case study: Madar Soo watershed, Golestan). Journal of RS and GIS for Natural Resources, 7(4): 116-133. ( In Persion).
Strahler AN. 1952. Hypsometric (area-altitude) analysis of erosional topography. Geological society of America bulletin, 63(11): 1117-1142. doi:https://doi.org/doi.org/10.1130/0016-7606(1952)631117.
Strahler AN. 1964. Quantitative geomorphology of drainage basin and channel networks. Handbook of Applied Hydrology In V Chow (Ed), Handbook of applied hydrology (pp 439– 476) New York: McGraw Hill https://doiorg/101130/0016-7606(1952)631117.
Taha MMN, Elbarbary SM, Naguib DM, El-Shamy IZ. 2017. Flash flood hazard zonation based on basin morphometry using remote sensing and GIS techniques: A case study of Wadi Qena basin, Eastern Desert, Egypt. Remote Sensing Applications: Society and Environment, 8: 157-167. doi:https://doi.org/10.1016/j.rsase.2017.08.007.
Valizadeh Kamran K, Delire Hasannia R, Azari Amghani K. 2019. Flood zoning and its impact on land use in the surrounding area using unmanned aerial vehicles (UAV) images and GIS. Journal of RS and GIS for Natural Resources, 10(3): 59-75. (In Persion).
_||_Abuzied S, Yuan M, Ibrahim S, Kaiser M, Saleem T. 2016. Geospatial risk assessment of flash floods in Nuweiba area, Egypt. Journal of Arid Environments, 133: 54-72. doi:https://doi.org/10.1016/j.jaridenv.2016.06.004.
Akay H, Baduna Koçyiğit M. 2020. Flash flood potential prioritization of sub-basins in an ungauged basin in Turkey using traditional multi-criteria decision-making methods. Soft Computing, 24(18): 14251-14263. doi:10.1007/s00500-020-04792-0.
Alam A, Ahmed B, Sammonds P. 2021. Flash flood susceptibility assessment using the parameters of drainage basin morphometry in SE Bangladesh. Quaternary International, 575-576: 295-307. doi:https://doi.org/10.1016/j.quaint.2020.04.047.
Altın TB, Altın BN. 2011. Development and morphometry of drainage network in volcanic terrain, Central Anatolia, Turkey. Geomorphology, 125(4): 485-503. doi:https://doi.org/10.1016/j.geomorph.2010.09.023.
Asfaw D, Workineh G. 2019. Quantitative analysis of morphometry on Ribb and Gumara watersheds: Implications for soil and water conservation. International Soil and Water Conservation Research, 7(2): 150-157. doi:https://doi.org/10.1016/j.iswcr.2019.02.003.
Barman BK, Rao CUB, Rao KS, Patel A, Kushwaha K, Singh SK. 2021. Geomorphic Analysis, Morphometric-based Prioritization and Tectonic Implications in Chite Lui River, Northeast India. Journal of the Geological Society of India, 97(4): 385-395. doi:10.1007/s12594-021-1696-0.
Bhat MS, Alam A, Ahmad S, Farooq H, Ahmad B. 2019. Flood hazard assessment of upper Jhelum basin using morphometric parameters. Environmental Earth Sciences, 78(2): 54. doi:https://doi.org/10.1007/s12665-019-8046-1.
Borga M, Gaume E, Creutin JD, Marchi L. 2008. Surveying flash floods: gauging the ungauged extremes. Hydrological Processes, 22(18): 3883. doi:https://doi.org/10.1002/hyp.7111.
Bui DT, Hoang N-D, Martínez-Álvarez F, Ngo P-TT, Hoa PV, Pham TD, Samui P, Costache R. 2020. A novel deep learning neural network approach for predicting flash flood susceptibility: A case study at a high frequency tropical storm area. Science of The Total Environment, 701: 134413. doi:https://doi.org/10.1016/j.scitotenv.2019.134413.
Charizopoulos N, Mourtzios P, Psilovikos T, Psilovikos A, Karamoutsou L. 2019. Morphometric analysis of the drainage network of Samos Island (northern Aegean Sea): Insights into tectonic control and flood hazards. Comptes Rendus Geoscience, 351(5): 375-383. doi:https://doi.org/10.1016/j.crte.2019.03.001.
Faniran A. 1968. The index of drainage intensity: a provisional new drainage factor. Australian Journal of Science, 31(9): 326-330. doi:https://doi.org/10.1007/s13201-017-0534-4.
Hajam RA, Hamid A, Bhat S. 2013. Application of morphometric analysis for geo-hydrological studies using geo-spatial technology–a case study of Vishav Drainage Basin. Hydrology Current Research, 4(3): 1-12. doi:https://doi.org/10.4172/2157-7587.1000157.
Hamdi SA, Ali SA, Ghareb JISA. 2019. Analysis of Basin Geometry in Ataq Region, Part of Shabwah Yemen: Using Remote Sensing and Geographic Information System Techniques. Bulletin of Pure & Applied Sciences-Geology, 38-F (Geology)(1): 1-15. doi:https://doi.org/10.5958/23203234.2019.00001.5.
Horton RE. 1945. Erosional development of streams and their drainage basins; hydrophysical approach to quantitative morphology. Geological society of America bulletin, 56(3): 275-370. doi:https://doi.org/10.1177/030913339501900406.
Jodar-Abellan A, Valdes-Abellan J, Pla C, Gomariz-Castillo F. 2019. Impact of land use changes on flash flood prediction using a sub-daily SWAT model in five Mediterranean ungauged watersheds (SE Spain). Science of The Total Environment, 657: 1578-1591. doi:https://doi.org/10.1016/j.scitotenv.2018.12.034.
Magesh NS, Chandrasekar N, Soundranayagam JP. 2011. Morphometric evaluation of Papanasam and Manimuthar watersheds, parts of Western Ghats, Tirunelveli district, Tamil Nadu, India: a GIS approach. Environmental Earth Sciences, 64(2): 373-381. doi:https://doi.org/10.1007/s12665-010-0860-4.
Mansor P. 2020. Investigating the relationship between basin morphometric conditions and groundwater resources: Case study of Kamyaran Basin. Quantitative Geomorphological Research, 8(4): 18-33. doi:https://doi.org/10.22034/GMPJ.2020.106408.
Melton MA. 1958. Correlation structure of morphometric properties of drainage systems and their controlling agents. The Journal of Geology, 66(4): 442-460. doi:https://doi.org/10.1086/626527.
Miller VC. 1953. A quantitative geomorphic study of drainage basin characteristics on the Clinch Mountain area, Virgina and Tennessee. Columbia Univ New York, Proj. NR 389–402, Tech Rep 3. New York: Columbia University, Department of Geology, ONR. https://doi.org/10.1086/626413.
Patel DP, Dholakia MB, Naresh N, Srivastava PK. 2012. Water Harvesting Structure Positioning by Using Geo-Visualization Concept and Prioritization of Mini-Watersheds Through Morphometric Analysis in the Lower Tapi Basin. Journal of the Indian Society of Remote Sensing, 40(2): 299-312. doi:https://doi.org/10.1007/s12524-011-0147-6.
Ratna Reddy V, Saharawat YS, George B. 2017. Watershed management in South Asia: A synoptic review. Journal of Hydrology, 551: 4-13. doi:https://doi.org/10.1016/j.jhydrol.2017.05.043.
Ratnam KN, Srivastava YK, Venkateswara Rao V, Amminedu E, Murthy KSR. 2005. Check dam positioning by prioritization of micro-watersheds using SYI model and morphometric analysis-Remote sensing and GIS perspective. Journal of the Indian Society of Remote Sensing, 33(1): 25. doi:https://doi.org/10.1007/BF02989988.
Schumm SA. 1956. Evolution of drainage systems and slopes in badlands at Perth Amboy, New Jersey. Geological Society of America Bulletin, 67(5): 597-646. doi:https://doi.org/10.1130/0016-7606(1956)67[597.
Siahkamari S, Zeinivand H. 2017. Flood prone areas mapping by using statistical index and weights of evidence models (Case study: Madar Soo watershed, Golestan). Journal of RS and GIS for Natural Resources, 7(4): 116-133. ( In Persion).
Strahler AN. 1952. Hypsometric (area-altitude) analysis of erosional topography. Geological society of America bulletin, 63(11): 1117-1142. doi:https://doi.org/doi.org/10.1130/0016-7606(1952)631117.
Strahler AN. 1964. Quantitative geomorphology of drainage basin and channel networks. Handbook of Applied Hydrology In V Chow (Ed), Handbook of applied hydrology (pp 439– 476) New York: McGraw Hill https://doiorg/101130/0016-7606(1952)631117.
Taha MMN, Elbarbary SM, Naguib DM, El-Shamy IZ. 2017. Flash flood hazard zonation based on basin morphometry using remote sensing and GIS techniques: A case study of Wadi Qena basin, Eastern Desert, Egypt. Remote Sensing Applications: Society and Environment, 8: 157-167. doi:https://doi.org/10.1016/j.rsase.2017.08.007.
Valizadeh Kamran K, Delire Hasannia R, Azari Amghani K. 2019. Flood zoning and its impact on land use in the surrounding area using unmanned aerial vehicles (UAV) images and GIS. Journal of RS and GIS for Natural Resources, 10(3): 59-75. (In Persion).
