ارزیابی کارایی مدل‏ های ویکور، L-THIA و شبکۀ عصبی مصنوعی در تحلیل منطقه‏ ای سیلاب (مطالعۀ موردی: استان خراسان رضوی)

نویسندگان

1 دانشیار ژئومورفولوژی دانشگاه حکیم سبزواری، دانشکدۀ جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، ایران

2 استاد تمام ژئومورفولوژی، دانشکدۀ جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، ایران

3 دانش‌آموختۀ کارشناسی ارشد ژئومورفولوژی‏، دانشکدۀ جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، ایران

doi
10.22059/ije.2021.305168.1346
چکیده

با توجه به شرایط طبیعی ایران، بی‌توجهی به موضوع سیلاب‏‏ها می‏تواند خسارت‏های جبران‌ناپذیری به بار آورد که در این میان، برآورد سیلاب و پهنه‏بندی نواحی سیل‌گیر اهمیت بسیار زیادی در کنترل خطرات دارد. بنابراین، پهنه‏بندی بر اثر تغییرات اقلیمی، امری ضروری است. از این‌رو، در پژوهش حاضر به منظور بررسی خطر‏پذیری سیلاب در حوضه‏های منتخب خراسان رضوی با استفاده از مدل ویکور، L-THIA و شبکۀ عصبی مصنوعی انجام شده است. سپس، از متغیرهای چهارده‌گانۀ مؤثر بر وقوع سیلاب شامل اقلیم، کاربری اراضی، ارتفاع، تراکم زهکشی، واحدهای ژئومورفولوژی، لیتولوژی، ارتفاع رواناب، نفوذپذیری، شیب و جهت آن، فاصله از آبراهه، بارش، دما و خاک استفاده شده است. نتایج نشان داد از میان عوامل نامبرده، پارامترهای اقلیم، کاربری اراضی، شیب، تراکم زهکشی، فاصله از آبراهه، بارش، خاک و واحدهای ژئومورفولوژی بر اساس محاسبات آماری تأثیر بیشتری را در وقوع سیلاب دارند. ارزیابی کمی و کیفی نتایج با استفاده از آماره‏های گوناگون نشان داد مدل ‏L-THIA‏، با گامای 8/0 بیشترین مقدار همبستگی را با لایه‏های اولیه دارد ‌و از دقت و کارایی بیشتری نسبت به دو مدل ویکور و شبکۀ عصبی مصنوعی در پیش‏بینی سیلاب برخوردار است.