فهرست نشریات علمی دسترسی آزاد ایران

مقدمه و هدفبر اساس آمار جهانی، سیلاب بر بیش از ۴۰% از جمعیت جهان اثرگذار است و سبب خسارت جانی و مالی قابل توجهی می‌شود. در ایران، بیش از ۸۰% از شهرها در معرض خطر سیلاب هستند. ازاین‌رو، سرمایه‌گذاری برای انجام اقدامات پیشگیرانه و فناوری‌های پیشرفته برای مبارزه با سیلاب بیش از هر زمان دیگری ضروری است. آمادگی داشتن و کاهش خطر پیش از رویداد بلایا سبب کاهش معنادار هزینه بازیابی پس از آن می‌شود. نقشه‌برداری دقیق و پایش بلند‌مدت سیلاب نقش مهمی در برنامه‌ریزی و پیشگیری دارد. یکی از ابزارهای کارآمد برای پایش و نقشه‌برداری سیلاب در مدیریت بهینه بلایا، استفاده از تصویرهای ماهواره‌ای است. اگرچه تصویرهای راداری با دیافراگم مصنوعی (SAR) سنتینل-1 در شرایط ابری برای شناسایی مناطق سیلابی مفید هستند، اما این روش نیز محدودیت‌هایی دارد. حساسیت داده‌های راداری به پوشش گیاهی متراکم و سازه‌های عمودی ممکن است باعث برآورد کم یا زیاد مناطق آب‌گرفته شود. هم‌چنین، شاخص آب تفاضلی بهنجار‌شده (NDWI)، شاخص آب تفاضلی بهنجار‌شده اصلاح‌شده (MNDWI) و شاخص استخراج خودکار آب (AWEI) به‌دست آمده از داده‌های نوری در شرایط ابری یا سایه گیاهان ممکن است خطا داشته باشند و باعث شناسایی ناقص یا اشتباه مناطق سیلابی شوند. ازاین‌رو، نتایج به‌دست آمده از هر دو روش باید با دقت تفسیر شوند و با ترکیب داده‌های راداری و نوری می‌توان این محدودیت‌ها را کاهش داد، ولی آن‌ها را به‌طور کامل از بین نمی‌برد. ازاین‌رو، در این پژوهش داده‌های رادار و نوری با استفاده از شاخص‌های سنجش از دور مرتبط با طیف آب، تحلیل و مقایسه شدند و مناطق سیلابی در آبخیز کرخه در استان خوزستان شناسایی شد.مواد و روش‌هادر آبخیز کرخه در ماه‌های فروردین و اردیبهشت 1398 سیلاب گسترده و غیرقابل پیش‌بینی رخ می‌‌دهد که منجر به خسارت قابل توجهی می‌شود. بر این اساس، منطقه‌ای به مساحت 3/3838 کیلومترمربع انتخاب شد. در این پژوهش، از سه روش مختلف برای شناسایی و تحلیل آب‌های سطحی ناشی از سیلاب استفاده شد: (1) در راستای آشکارسازی تغییرات، از داده‌های سه بازه زمانی شامل پیش از فصل کشاورزی (6 مهر تا 3 آبان 1397)، پس از فصل کشاورزی (9 اسفند 1397 تا 5 فروردین 1398) و هنگام سیلاب (8 فروردین تا 5 اردیبهشت 1398) استفاده شد. (2) تصویرهای SAR به‌دست آمده از ماهواره سنتینل-1 با قطبش‌های VV و VH با استفاده از فیلتر Refined Lee و الگوریتم آستانه Otsu به‌منظور شناسایی پهنه‌های سیلابی، پردازش شدند. (3) برای استخراج دقیق‌تر آب‌های سطحی از تصویرهای نوری، شاخص‌های طیفی آب شامل NDWI، MNDWI و AWEI به‌دست آمده از ماهواره سنتینل-2 استفاده شد. شایان ذکر است که AWEI در دو نسخه بدون سایه برای مناطق باز و با سایه برای کاهش اثر سایه در نواحی شهری و کوهستانی وجود داشت که در این پژوهش از نسخه بدون سایه استفاده شد. در پایان، با تلفیق نتایج به‌دست آمده از روش‌های راداری و نوری و تحلیل تغییرات چندزمانه، نقشه‌های جامعی از گسترش سیلاب تولید و اعتبارسنجی شد.نتایج و بحثنتایج این پژوهش نشان داد عملکرد قطبش VH با اندازة 254 کیلومترمربع در تشخیص مناطق سیلابی کمی بهتر از قطبش VV با اندازة 252 کیلومترمربع بود. با یک روش ترکیبی و استفاده از هر دو قطبش و فقط با انتخاب مناطقی با پراکندگی بازگشتی کم در هر دو قطبش، 239 کیلومترمربع از مناطق سیلابی، شناسایی شد. ترکیب قطبش‌ها دقت و قابلیت اطمینان نقشه‌برداری سیلاب را بهبود بخشید و به‌دلیل حساس نبودن رادار به پوشش ابر و شرایط روشنایی، نسبت به داده‌های نوری، برتری داشت. نتایج تجزیه و تحلیل زمانی آب‌های دائمی و موقت در روش ترکیبی (VV+VH) در سه دوره نشان داد که پوشش آب پیش از فعالیت‌های کشاورزی زیاد (1560 کیلومترمربع) بود، در اواخر زمستان به اندازة 847 کیلومترمربع کاهش یافت. سپس، در طول رویداد سیلاب به تقریباً 974 کیلومترمربع افزایش یافت. با وجود آب کمتر در مقایسه با دوره پیش از فعالیت‌های کشاورزی، سیلاب گسترده‌ای به‌دلیل بارندگی شدید، ناگهانی و ظرفیت محدود زمین و زیرساخت‌ها رخ داد. با استفاده از MNDWI با اندازة 227 کیلومترمربع بیشترین مساحت پوشیده از آب، شناسایی شد. در حالی‌که با استفاده از AWEI، با اندازة  126 کیلومترمربع با رویکردی محافظه‌کارانه‌تر، فقط مناطق با احتمال بسیارزیاد وجود آب‌های سطحی، شناسایی شد. با ترکیب هر سه شاخص طیفی، مساحتی معادل ۶۲ کیلومترمربع به‌عنوان مناطق مستعد سیلاب، شناسایی شد. تغییرات میان شاخص‌ها به‌دلیل تفاوت در باندهای طیفی و حساسیت به وجود آب است. نتایج تحلیل NDWI، MNDWI و AWEI، نشان داد تغییرات گستردگی آب دائمی و موقت در طول سیلاب قابل توجه بود به‌طوری که از 98 کیلومترمربع به 324 کیلومترمربع افزایش یافت. روش آستانه‌گذاری Otsu به‌طور مؤثر برای استانداردسازی و طبقه‌بندی مناطق آبی در میان شاخص‌ها به‌کار گرفته شد.نتیجه‌گیری و پیشنهادهابر اساس نتایج این پژوهش می‌توان نتیجه گرفت که تلفیق داده‌های راداری و نوری منجر به شناسایی ۵۸ کیلومترمربع از مناطق سیلابی شد و میان نتایج دو ماهواره 39% هم‌پوشانی بود. استفاده از این تلفیق، سبب افزایش چشم‌گیر دقت و قابلیت اطمینان شناسایی مناطق سیلابی شد. از آنجایی‌که تغییرات در گسترة آب فقط نشان‌دهنده رویداد یا شدت سیلاب نیست و بیانگر آن است که عامل‌های آب‌شناختی و مدیریتی نقش مهمتری در رویداد سیلاب دارند. ازاین‌رو، پیشنهاد می‌شود به‌منظور توسعه سامانه‌های هشدار اولیه و برنامه‌ریزی مدیریت بحران، از داده‌های ترکیبی ‌همراه با تجزیه و تحلیل عامل‌های محیطی، استفاده شود. افزون بر این، با بهره‌گیری از این روش امکان پهنه‌بندی دوره‌ای از سیلاب فراهم‌شده است که پیشنهاد می‌شود در توسعه اقدام های پیشگیرانه، مدیریت بهینه سیلاب و برنامه‌ریزی کشاورزی از آن استفاده شود.