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.2021.305168.1346چکیده
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.