بهاره قره داغی؛ امیر قاسم زاده
چکیده
ایران به دلیل تنـوع محیطـی بالا، رتبـه بالایی در بحرانهای ناشی از سوانح طبیعی دارد. سیل بعنوان یکی از سوانح طبیعی، در پی رشد سریع شهرها و تغییرات اقلیمی در بسیاری از مناطق سبب ایجاد خسارات اجتماعی و اقتصادی، بهداشتی و آسیبهای محیط زیستی شدیدی شده است. لذا پیشبینی فضایی سیل به قدری حیاتی است که عدم شناسایی مناطق مستعد سیل در یک ...
بیشتر
ایران به دلیل تنـوع محیطـی بالا، رتبـه بالایی در بحرانهای ناشی از سوانح طبیعی دارد. سیل بعنوان یکی از سوانح طبیعی، در پی رشد سریع شهرها و تغییرات اقلیمی در بسیاری از مناطق سبب ایجاد خسارات اجتماعی و اقتصادی، بهداشتی و آسیبهای محیط زیستی شدیدی شده است. لذا پیشبینی فضایی سیل به قدری حیاتی است که عدم شناسایی مناطق مستعد سیل در یک حوضه آبریز ممکن است اثرات مخرب آن را افزایش دهد. اخیرا با پیشرفت ابزارهای سنجش از دور، اطلاعات جغرافیایی، یادگیری ماشین و مدلهای آماری، امکان ایجاد نقشه دقیقتر حساسیت به سیل کاملاً امکانپذیر است. به همین منظور در این پژوهش، با استفاده از تصاویر ماهواره Sentinel و استفاده از رویکرد نوین همادی با شش مدل یادگیری ماشین به پیشبینی مکانهای مستعد سیل در حوضه آبریز کارون پرداخت شد. مدلهای منفرد شامل مدل خطی تعمیم یافته (GLM)،رگرسیون درختی پیشرفته (BRT)، مدل ماشین بُردار پشتیبان (SVM)، مدل جنگل تصادفی (RF)، مدل رگرسیون سازشی چندمتغیره (MARS)، مدل بیشینه بینظمی (MAXENT) است. نتایج این مطالعه نشان میدهد شمال شرق شهرستان الیگودرز، بخشهایی از دورود و ازنا در استان لرستان، خادممیرزا، شهرکرد و کیار در استان چهارمحال بختیاری، دنا و بویراحمد در استان کهکیلویه و بویراحمد، شهرستان سمیرم در استان اصفهان و مناطق جنوبی حاشیهی رودخانه کارون در استان خوزستان بیشترین پتانسیل وقوع سیل را در این حوضه دارند. نتایج این پژوهش برای مدیران و برنامهریزان کارامد بوده و سبب جلوگیری از توسعه در مناطق آسیبپذیر و کاهش زیان مالی و اقتصادی در آینده میشود.