سال 14، شماره 1 - ( بهار 1403 1403 )
جلد 14 شماره 1 صفحات 17-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ghahraman K, Yamani M, Nagy B. Flood Inundation Mapping Using HAND (A Case Study of Kashkan River, Western Iran). E.E.R. 2024; 14 (1) :1-17
URL: http://magazine.hormozgan.ac.ir/article-1-798-fa.html
URL: http://magazine.hormozgan.ac.ir/article-1-798-fa.html
قهرمان کاوه، یمانی مجتبی، نایج بالاژ. پیش بینی پهنه‌های سیل‌گیر با استفاده از مدل HAND (مطالعه موردی: رودخانه کشکان). پژوهش هاي فرسايش محيطي. 1403; 14 (1) :1-17
دانشکده جغرافیای طبیعی، دانشگاه اِتووش لورند، بوداپست، مجارستان ، kevingh70@gmail.com
چکیده: (445 مشاهده)
سیلاب به عنوان یکی از مخرب‌ترین مخاطرات طبیعی در ایران و جهان، هرساله خسارات جانی و مالی زیادی بر جوامع وارد می‌آورد. بر همین اساس تعیین مناطق مستعد سیلاب می‌تواند نقش مهمی در کاهش خسارات ناشی از سیلاب‌های احتمالی در آینده ایفا کند. در این پژوهش، پهنه‌های سیل‌گیر در محدوده رودخانه کشکان با استفاده از مدل HAND تعیین شدند. به منظور تعیین پهنه‌های سیل‌گیر، از مدل رقومی ارتفاعی منطقه مورد مطالعه استفاده شد. همچنین از نرم افزارهای QGIS و Excel برای تهیه نقشه مناطق مستعد سیلاب و نیمرخ‌های ارتفاعی استفاده شد. در نهایت به منظور صحت‌سنجی نتایج مدل HAND، مناطق سیل‌زده در سیلاب فروردین ماه 1398 با استفاده از تصاویر راداری ماهواره سنتینل-1، نرم‌افزار SNAP و روش آستانه گذاری OTSU استخراج شدند و نقشه مناطق سیل‌زده در منطقه مورد مطالعه تهیه شد. نتایج این تحقیق نشان داد که تقریباً تمام مناطق شهری و روستایی در اطراف رودخانه کشکان در طبقه بسیار پرمخاطره و پرمخاطره قرار دارند. مقایسه نقشه HAND و مناطق سیل‌زده مستخرج از تصاویر راداری نشان داد که مدل HAND توانسته است با دقت بسیار بالایی پهنه‌های سیل‌گیر را تعیین کند. همچنین نتایج این پژوهش مشخص کرد که بخش‌های داخلی مئاندر در محدوده رودخانه کشکان جزو مناطق مهم مستعد سیلاب به شمار می‌روند. بر اساس نتایج، در رودخانه‌های مئاندری واقع در مناطق کوهستانی، محدودیت یا عدم محدودیت توپوگرافی نقش تعیین کننده‌ای در سیل‌خیزی بخش‌های بیرونی یا داخلی مئاندر دارد. این در حالی است که در رودخانه‌های مئاندری مستقر در دشت‌های سیلابی، به دلیل عدم وجود محدودیت توپوگرافی، بخش بیرونی مئاندر بیشتر از بخش داخلی آن مستعد سیل‌خیزی و غرق‌شدگی است.
mouseout="msoCommentHide('_com_1')" onmouseover="msoCommentShow('_anchor_1','_com_1')">
واژه‌های کلیدی: پهنه سیل‌گیر، سیلاب، کشکان، مدل HAND.
نوع مطالعه: پژوهشي |
موضوع مقاله:
روشهای نوین و دقیق در تهیّه نقشه فرسایش (سنجش از دور و سیستم‌های اطلاعات جغرافیایی)
دریافت: 1402/3/14 | انتشار: 1403/1/20
دریافت: 1402/3/14 | انتشار: 1403/1/20
فهرست منابع
1. Afshari, S., Tavakoly, A. A., Rajib, M. A., Zheng, X., Follum, M. L., Omranian, E., & Fekete, B. M. (2018). Comparison of new generation low-complexity flood inundation mapping tools with a hydrodynamic model. Journal of Hydrology, 556, 539-556. [DOI:10.1016/j.jhydrol.2017.11.036]
2. Ashtari, N., Goorabi, A., Rahmati, M., & Darban Astaneh, A. (2022). Evaluation of Flood Hazard Potential and Investigation of Damage Caused by it in Talar Drainage Watershed. Environmental Erosion Research, 12(4), 1-25. http://magazine.hormozgan.ac.ir/article-1-708-en.html (in Persian)
3. Dastoorani, M., Hayatzadeh, M., Fathzadeh, A., & Hakimzadeh, M. (2014). Review the Efficiency of Empirical Relations on Estimating the Peak Flow Rate of Flood in Arid Areas of Central Iran. Geography and Development, 12(36), 145-160.
https://doi.org/10.1016/j.jtrangeo.2013.12.014 [DOI:10.22111/gdij.2014.1715 (in Persian)]
4. Ezzine, A., Saidi, S., Hermassi, T., Kammessi, I., Darragi, F., & Rajhi, H. (2020). Flood mapping using hydraulic modeling and Sentinel-1 image: Case study of Medjerda Basin, northern Tunisia. The Egyptian Journal of Remote Sensing and Space Science, 23(3), 303-310. [DOI:10.1016/j.ejrs.2020.03.001]
5. Geravand, F., Mohamadkhan, S., Hosseini, S. M., & Pirani, P. (2021). Evaluating of Land Use Changes on Hydrological Characteristics of Basins and River Flood Plains (Case Study: Kashkan Basin in Lorestan Province). Iranian Water Research Journal, 15(2), 87-98. https://iwrj.sku.ac.ir/article_10770.html?lang=en (in Persian)
6. Ghahraman, K., & Zanganeh Asadi, M. (2022). Determination of flood-prone areas using Sentinel-1 Radar images (Case study: Flood on March 2019, Kashkan River, Lorestan Province) [Applicable]. Journal title, 9(3), 103-118. http://jsaeh.khu.ac.ir/article-1-3276-en.html (in Persian)
7. Hosseini, Jafarbeiglu, M., Yamani, M., & Geravan, F. (2015). Prediction of historical floods of Kashkan river using HEC-HMS hydrological model. Quantitative Geomorphology Research, 4(1), 118-133. https://dorl.net/dor/20.1001.1.22519424.1394.4.1.9.2 (in Persian)
8. Hosseini, S., JafarBeiglu, M., & Geravand, F. (2015). Modeling of Hydraulic Behavior of Kashkan River and Determination of Floodplain Limits Using HEC-Geo-RAS. Environmental Hazards Management, 2(3), 355-369. [DOI:10.22059/jhsci.2015.58102 (in Persian)]
9. Hu, A., & Demir, I. (2021). Real-time flood mapping on client-side web systems using hand model. Hydrology, 8(2), 65. [DOI:10.3390/hydrology8020065]
10. Khosravi, K., Panahi, M., Golkarian, A., Keesstra, S. D., Saco, P. M., Bui, D. T., & Lee, S. (2020). Convolutional neural network approach for spatial prediction of flood hazard at national scale of Iran. Journal of Hydrology, 591, 125552. [DOI:10.1016/j.jhydrol.2020.125552]
11. Li, Z., Mount, J., & Demir, I. (2020). Evaluation of model parameters of HAND model for real-time flood inundation mapping: Iowa case study. Hydrological Science Journal. EarthArXiv. July, 1.
https://doi.org/10.31223/OSF.IO/HQPZG [DOI:10.31223/osf.io/hqpzg]
12. Mehdinasab, M. (2019). Analysis of the flooding events on Kashkan river in March 2019. Environment and Interdisciplinary Development, 5(67), 17-30. [DOI:10.22034/envj.2020.181143 (in Persian)]
13. Mohamad Nejhad, V. (2021). Flood extent area mapping using sentinel 1 SAR image (a case study: the flood of Poledokhtar, march 1398). Geographical Planning of Space, 11(41), 69-80. [DOI:10.30488/gps.2020.226387.3224 (in Persian)]
14. Negaresh, H., Azhdareimogadam, M., & Aramesh, M. (2013). The Usage of Artificial Neural Network in Simulation and Prediction of Flood at Sarbaz Drainage Basin. Geography and Development, 11(31), 15-28. [DOI:10.22111/gdij.2013.791 (in Persian)]
15. Nobre, A. D., Cuartas, L. A., Hodnett, M., Rennó, C. D., Rodrigues, G., Silveira, A., & Saleska, S. (2011). Height Above the Nearest Drainage-a hydrologically relevant new terrain model. Journal of Hydrology, 404(1-2), 13-29. [DOI:10.1016/j.jhydrol.2011.03.051]
16. Nobre, A. D., Cuartas, L. A., Momo, M. R., Severo, D. L., Pinheiro, A., & Nobre, C. A. (2016). HAND contour: a new proxy predictor of inundation extent. Hydrological Processes, 30(2), 320-333. [DOI:10.1002/hyp.1058]
17. Rahmati, O., Kornejady, A., Samadi, M., Nobre, A. D., & Melesse, A. M. (2018). Development of an automated GIS tool for reproducing the HAND terrain model. Environmental modelling & software, 102, 1-12. [DOI:10.1016/j.envsoft.2018.01.004]
18. Rebolho, C., Andréassian, V., & Le Moine, N. (2018). Inundation mapping based on reach-scale effective geometry. Hydrology and Earth System Sciences, 22(11), 5967-5985. [DOI:10.5194/hess-22-5967-2018]
19. Rennó, C. D., Nobre, A. D., Cuartas, L. A., Soares, J. V., Hodnett, M. G., & Tomasella, J. (2008). HAND, a new terrain descriptor using SRTM-DEM: Mapping terra-firme rainforest environments in Amazonia. Remote Sensing of Environment, 112(9), 3469-3481. [DOI:10.1016/j.rse.2008.03.018]
20. Saghafi, M., & RezaeiMoghadam, M. H. (2012). Evaluation of geomorphology method application for flood Hazards risk classification using Fuzzy Logic (Case study: Ojan Chay drainage basin) [Research]. Environmental Erosion Research, 2(1), 13-28. http://magazine.hormozgan.ac.ir/article-1-84-en.html (in Persian)
21. Tamiru, H., & Dinka, M. O. (2021). Application of ANN and HEC-RAS model for flood inundation mapping in lower Baro Akobo River Basin, Ethiopia. Journal of Hydrology: Regional Studies, 36, 100855. [DOI:10.1016/j.ejrh.2021.100855]
22. Willetts, B., & Hardwick, R. (1993). Stage dependency for overbank flow in meandering channels. Proceedings of the Institution of Civil Engineers-Water Maritime and Energy, 101(1), 45-54. [DOI:10.1680/iwtme.1993.22989]
23. Yamani, M., Toorani, M., & Chezghe, S. (2012). Determination of the Flooding Zones by using HEC-RAS Model (Case Study: Upstream the Taleghan Dam). Journal of Geography and Environmental Hazards, 1(1), 1-16. [DOI:https://doi.org/10.22067/geo.v1i1.16519 (in Persian)]
24. Yousefi, H., Yonesi, H. a., Davoudimoghadam, D., Arshia, A., & Shamsi, Z. (2022). Determination of Flood potential Using CART, GLM and GAM Machine learning Models. Irrigation and Water Engineering, 12(4), 84-105. [DOI:https://doi.org/10.22125/iwe.2022.150684 (in Persian)]
25. Zhang, J., Huang, Y. F., Munasinghe, D., Fang, Z., Tsang, Y. P., & Cohen, S. (2018). Comparative analysis of inundation mapping approaches for the 2016 flood in the Brazos River, Texas. JAWRA Journal of the American Water Resources Association, 54(4), 820-833.
https://doi.org/10.1111/1752-1688.12623 [DOI:https://doi.org/10.1111/1752-1688.12623]
26. Zheng, X., Maidment, D. R., Tarboton, D. G., Liu, Y. Y., & Passalacqua, P. (2018). GeoFlood: Large-Scale Flood Inundation Mapping Based on High-Resolution Terrain Analysis. Water Resources Research, 54(12), 10,013-010,033.
https://doi.org/10.1029/2018WR023457 [DOI:https://doi.org/10.1029/2018WR023457]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
