نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار گروه عمران سازه های هیدرولیکی دانشگاه آزاد اسلامی، واحد دزفول، باشگاه پژوهشگران جوان و نخبگان، دزفول، ایران

2 دانشجوی کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه ملایر، همدان، ایران

3 دانشگاه آزاد اسلامی، واحد مهاباد، باشگاه پژوهشگران جوان و نخبگان، مهاباد

4 دانشجوی دکتری آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، مازندران

چکیده

 



یکی از راهکارهای اساسی جهت کاهش خسارت جانی و مالی ناشی از سیل، تهیه نقشه های حساسیت به وقوع سیل می باشد. در این تحقیق از مدل آنتروپی شانون (SE) که مدلی آماری و دو متغیره می‌ باشد، جهت تهیه نقشه‌های حساسیت به وقوع سیل استفاده شده است. در این تحقیق 211 موقعیت نقاط سیلابی آماده گردید. از 211 موقعیت، 70 درصد آن جهت مدلسازی و تهیه نقشه استفاده گردید. از 30 درصد باقی مانده که به صورت تصادفی تهیه شدند جهت اعتبارسنجی نقشه تولید شده استفاده گردید. در این تحقیق از 10 فاکتور موثر شامل شیب، انحنای زمین، فاصله از رودخانه، طبقات ارتفاعی، بارش، شاخص توان رودخانه ، شاخص رطوبت توپوگرافی، لیتولوژی، کاربری اراضی و NDVI استفاده گردید. توسط مدل یاد شده وزن تاثیر هر فاکتور موثر در وقوع سیل مشخص گردید. منحنی ROC ترسیم و سطح زیرمنحنی (AUC) برای اعتبارسنجی نقشه حساسیت به وقوع سیل محاسبه گردید. نتایج نشان داد که سطح زیرمنحنی با موقعیت های نقاط آموزش برای مدل آنتروپی شانون برابر با 9253/0 (53/92 %) با صحت پیش بینی 9142/0 (42/91 %) می باشد. پس صحت بالای این مدل حاکی از قابل اعتماد بودن آن، جهت نهیه نقشه حساسیت به وقوع سیل می باشد. 
یکی از راهکارهای اساسی جهت کاهش خسارت جانی و مالی ناشی از سیل، تهیه نقشه های حساسیت به وقوع سیل می باشد. در این تحقیق از مدل آنتروپی شانون (SE) که مدلی آماری و دو متغیره می‌ باشد، جهت تهیه نقشه‌های حساسیت به وقوع سیل استفاده شده است. در این تحقیق 211 موقعیت نقاط سیلابی آماده گردید. از 211 موقعیت، 70 درصد آن جهت مدلسازی و تهیه نقشه استفاده گردید.

کلیدواژه‌ها

عنوان مقاله [English]

Evaluation of Shannon entropy in order to flood probability and susceptibility mapping at Haraz catchment

نویسندگان [English]

  • Ebrahim Nohani 1
  • fariba darabi 2
  • edris maroofinia 3
  • khebat khosravi 4

1 Assistant professor, Department of Hydraulic Structures, Young Researchers and Elite Club, Dezful Branch, Islamic Azad University, Dezful, Iran

2 MS Student of watershed management engineering, faculty of natural resources, Sari agricultural and natural resources,Malayer University, Hamedan, Iran

3 Young Researchers and Elite Club, Mahabad Branch, Islamic Azad University, Mahabad, Iran

4 Ph.D Student of watershed management engineering, faculty of natural resources, Sari agricultural and natural resources, Mazandaran, Iran

چکیده [English]

One of the main measures in order to financial and life damages reduction is a production of flood susceptibility mapping. In the current research, Shannon entropy has been studied to determine the flood probability and susceptibility mapping. In this research 211, flood locations were prepared. 211 flood locations are divided into two categories based on random selection: 70 % for training and 30% for validation of final map. In the next step, 10 flood conditioning factors such as slope, plan curvature, distance from the river, altitude, rainfall, stream power index, topographic wetness index, lithology, land use and NDVI was selected. By using the Shannon entropy the weight of each factor in flooding have been determined.  ROC curve has been drowned and area under the curve (AUC) was determined for validation of flood susceptibility mapping by success rate and prediction rate. The result showed that AUC for success rate in entropy model was 92.53% with a prediction accuracy of 91.42%. The high accuracy of the Shannon entropy model showed that this model is proper for flood susceptibility mapping.

کلیدواژه‌ها [English]

  • Shannon entropy
  • Haraz
  • Flood susceptibility
  • AUC

پورقاسمی، حمیدرضا؛ مرادی، حمیدرضا؛ فاطمی عقدا، سید محمود (1393). اولویت‌ بندی عوامل مؤثر بر وقوع زمین‌لغزش و پهنه‌بندی حساسیت آن، مجله علوم آب و خاک، دوره ۱۸، شماره ۷۰، صفحات ۱۸۱-۱۹۲.

  خسروشاهی، محمد؛ ثقفیان، بهرام (1382). بررسی نقش مشارکت زیرحوزه­های آبخیز در شدت سیل خیزی حوزه، مجله پژوهش و سازندگی، تابستان 1382، دوره 16 شماره 2، صفحات 75-67.

زرین، هدایت الله؛ مقدم نیا، علیرضا؛ نام درست، جواد؛ مساعدی، ابوالفضل( 1392). شبیه سازی رواناب خروجی در حوزه های آبخیز فاقد آمار با استفاده از مدل بارش رواناب AWBM در سیستان و بلوچستان، مجله پژوهش های حفاظت اب و خاک، دوره 20، شماره 2، صفحات 208-195.

مسلمی، عبدالرضا (1385). آشنایی با بلاهای طبیعی وشرایط غیرمترقبه واقدامات امدادی، انتشارات معاونت ترویج ومشارکت مردمی وزارت جهادسازندگی سابق. جلد اول، چاپ دوم.56 ص.

Bednarik,  M.,  B.  Magulova,  M.  Matys  and  M.  Marschalko.  2010.  Landslide susceptibility assessment of theKralovany–Liptovsky Mikulaš railway case study. Phys. Chem. Earth 35: 162–171

Bronstert, A., 2003. Floods and climate change: interactions and impacts. Risk Anal. 23, 545–557.

Bubeck, P., Botzen, W., Aerts, J., 2012. A review of risk perceptions and other factors that in fl uence fl ood mitigation behavior. Risk Anal. 32, 1481–1495.

Fawcett, T., 2006- An introduction to ROC analysis. Pattern Recognition Letters, V. 27, p. 861-874.

Feng  CC,  Wang  YC  (2011)  GIScience  research  challenges  for emergency   management   in   Southeast   Asia.   Nat   Hazards, 59:597–616.

Gokceoglu, C., Sonmez, H., Nefeslioglu, H.A., Duman, T.Y., Can, T., 2005. The 17 March 2005 Kuzulu landslide (Sivas, Turkey) and landslide-susceptibility map of its near vicinity. Eng. Geol. 81, 65–83.

Kjeldsen TR (2010) Modelling the impact of urbanization on flood frequency relationships in the UK. Hydrol Res 41:391–405.

Khosravi, K., Pourghasemi, H.R., Chapi, K. Bahri, M. 2016. Environ Monit Assess, 188: 656. doi:10.1007/s10661-016-5665-9.

 Komac, M.A. 2006. Landslide susceptibility model using the Analytical Hierarchy Process method and multivariate statistics in perialpine Sloveni. Geomorphology 74: 17-28.

Kourgialas, N.N., Karatzas, G.P., 2011. Flood management and a GIS modelling method to assess fl ood-hazard areas—a case study. Hydrol. Sci. J. 56, 212–225.

Lee, M.J., J.E. Kang and S. Jeon. 2012. Application of frequency ratio model and validation for predictive flooded area susceptibility mapping using GIS. In: Geoscience and Remote Sensing Symposium (IGARSS), Munich. 895–898.

Levy, J.K., Hartmann, J., Li, K.W., An, Y., Asgary, A., 2007. Multi‐criteria decision support systems for fl ood hazard mitigation and emergency response in urban watersheds 1. J. Am. Water Resour. Assoc. 43, 346–358.

 Manandhar, B., 2010. Flood Plain Analysis and Risk Assessment of Lothar Khola, MSc Thesis, Tribhuvan University, Phokara, Nepal, pp. 64.

Massey DS, Nancy AD (1988) The Dimensions of Residential. Social Forces 67(2):281–315

Merz, B., Thieken, A.H., Gocht, M., 2007. Flood Risk Mapping at the Local Scale: Concepts   and   Challenges,   Flood   Risk   Management   in   Europe.   Springer, Netherlands, pp. 231–251.

Miller JR, Ritter DF, Kochel RC. 1990. Morphometric assessment of lithologic controls on drainage basin evolution in the Crawford Upland, south-central Indiana. Am J Sci. 290:569–599.

Moore, I.D., Grayson, R.B., Ladson, A.R., 1991. Digital terrain modelling: a review of hydrological, geomorphological, and biological applications. Hydrol. Proc. 5, 3–30.

Naghibi.S.A., Pourghasemi, H.R., Pourtaghi, Z.S., Rezaei A. 2014. Groundwater qanat potential mapping using frequency ratio and Shannon’s entropy models in the Moghan watershed, Iran. Earth Sci Inform, DOI 10.1007/s12145-014-0145-7.

Nandi, A. & Shakoor, A., 2009- A GIS-based landslide susceptibility evaluation using bivariate and multivariate statistical analyses. Engineering Geology, V. 110, p. 11–20.

Nefeslioglu, H.A., T.Y. Duman and S. Durmaz. 2008, Landslide susceptibility mapping for a part of tectonic Kelkit Valley (Easten Black Sea Region of Turkey), Geomorphology 94: 401-418.

Oh,  H.  J.  &  Lee,  S.,  2010-  Cross-validation  of  logistic  regression  model  for  landslide  susceptibility  mapping  at  Geneoung  areas,  Korea. Disaster Advances, V. 3, p. 44–55.

Oh,  H.J.,  Pradhan,  B.,  2011.  Application  of  a  neuro-fuzzy  model  to  landslide- susceptibility mapping for shallow landslides in a tropical hilly area. Computer and Geoscience, 37, 1264–1276.

Pourghasemi, H.R., H.R. Moradi, S.M. Fatemi Aghda, C. Gokceoglu and  B. Pradhan. 2012. GIS-based landslide susceptibility mapping with probabilistic likelihood ratio and spatial multi-criteria evaluation models (North of Tehran, Iran). arabian journal of geosciences, 7: 1857-1878.

Pradhan, B., Oh, H.J., Buchroithner, M., 2010. Weights-of-evidence model applied to landslide susceptibility mapping in a tropical hilly area. Geomat. Nat. Haz. Risk, 1, 199-223

Ramakrishna, D., M.K., Ghose, R., Vinu Chandra and A. Jeyaram. 2005. Probabilistic techniques, GIS and remote sensing in landslide hazard  mitigation: a case study from  Sikkim  Himalayas, India. Geocartography Int. 20 (4): 53–58.

Sharma, L.P., N. Patel, M. K. Ghose and P. Debnath. 2010. Influence of Shannon’s entropy on landslide-causing parameters for vulnerability study and zonation-a case study in Sikkim, India. Arab. J. Geosci. 5 (3): 421-431.

Swets, J.A. 1988. Measuring the accuracy of diagnostic systems. Sci. 240: 1285-1293.

Taylor J, Davies M, Clifton D, Ridley I, Biddulph P (2011) Flood management:  prediction of microbial contamination in large- scale floods in urban environments. Environ Int 37:1019–1029

Tehrany, M.S., Lee, M.J., Pradhan, B., Jebur, M.N., Lee, S. 2014b. Flood susceptibility mapping using integrated bivariate and multivariate statistical models. Environ. Earth sci. 72(10): 4001-4015.

Tehrany, M.S., Pradhan, B and Jebur, M.N. 2014a. Flood susceptibility mapping using a novel ensemble weights-of-evidence and support vector machine models in GIS. J. Hydrol. 512: 332-343.

Tehrany, M.S., Pradhan, B., Jebur, M.N., 2013. Spatial prediction of flood susceptible areas using rule based decision tree (DT) and a novel ensemble bivariate and multivariate statistical models in GIS. J. Hydrol. 504, 69-79.

Tehrany, M.S., Pradhan, B., Jebur, M.N., 2015b. Flood susceptibility analysis and its verification using a novel ensemble support vector machine and frequency ratio method. Stoch Environ Res Risk Assess 29:1149–1165.

Tehrany, M.S., Pradhan, B., Mansor, Sh., Ahmad, N., 2015a. Flood susceptibility assessment using GIS-based support vector machine model with different kernel types. Catena 125, 91-101.

Theil H (1972) Statistical decomposition analysis. North-Holland Publishing Company, Amsterdam

Youssef, A.M., Pradhan, B., Hassan, A.M., 2011. Flash fl ood risk estimation along the St. Katherine road, southern Sinai, Egypt using GIS based morphometry and satellite imagery. Environ. Earth Sci. 62, 611–623.

Yufeng S, Fengxiang J (2009) Landslide Stability Analysis Based on Generalized Information Entropy. 2009 International Conference on Environmental Science and Information Application Technology: 83–85.