سید رمضان موسوی

زمینه و هدف: پارک آبخیز با نمایش فعالیت های آبخیزداری و آبخوان داری به عنوان عناصر اصلی چیدمان فضای پارک، ضمن حفاظت از منابع طبیعی و کاهش مخاطرات طبیعی، امکانات تفرجی و آموزشی را فراهم می آورد. این پژوهش به تعیین ابعاد و معیارهای انتخاب پارک آبخیز مبتنی بر روش دیمتل در حوزه های آبخیز اداره کل منابع طبیعی استان مازندران - ساری (گلوگاه تا نور) می پردازد. روش شناسی: در بخش کیفی مطالعه از مصاحبه خبرگان و بررسی اسناد و مقالات استفاده شد. از داده های حاصل از مطالعات کیفی، در بخش کمی مطالعه نیز استفاده شد. بخش کمی از نوع توصیفی - تحلیلی بوده که در آن از روش دیمتل استفاده شده است. یافته ها: با توجه به مصاحبه و بررسی اسناد و مقالات مرتبط 5 بعد و 26 معیار انتخاب پارک آبخیز شناسایی شد. به ترتیب بیشترین تأثیرگذاری معیارها اقتصادی و ارتفاع متوسط وزنی؛ بیشترین تأثیرپذیری اقتصادی و اجتماعی؛ بیشترین میزان تعامل اقتصادی و اجتماعی؛ بیشترین میزان علیت ارتفاع متوسط وزنی و شیب متوسط وزنی؛ بیشترین میزان معلول بودن تعداد عملیات سازه ای آبخیزداری و حجم عملیات سازه ای آبخیزداری شناسایی شد. نتیجه گیری و پیشنهادات: این مطالعه با شناسایی و معرفی بر روی شاخص هایی که نقش آشکارتری در انتخاب مکان هدف توسط گردشگران داشته باشند، به افزایش احتمال انتخاب آن محل توسط گردشگران و در نتیجه به رشد صنعت طبیعت گردی ازجمله پارک آبخیز کمک می کند و با شفاف ساختن این عوامل به مدیران و تصمیم گیرندگان برای اتخاذ تصمیمات آگاهانه تر و روشن تر در مکان نمایی بهینه یاری می رساند. نوآوری و اصالت: با توجه به بازتعریف و نوپا بودن احداث پارک آبخیز این پژوهش برای نخستین بار به معرفی عوامل دخیل در مکان نمایی این نوع از پارک ها در حوزه های آبخیز استان مازندران می پردازد.

تهیه نقشه حساسیت زمین لغزش با استفاده از یادگیری ماشین ابزاری مفید برای مدیریت زمین در مناطق مستعد به این پدیده است. هدف این مطالعه، تهیه نقشه حساسیت زمین لغزش در حوضه تجن با یادگیری ماشین است. بدین منظور 21 عامل مؤثر در وقوع زمین لغزش در چهار طبقه عوامل زمین شناسی، اقلیمی و محیطی، توپوگرافی و هیدرولوژیکی شناسایی و رستر آنها در نرم افزارهای ENVI 5.6، SAGA GIS و ArcGIS تهیه شد. با بازدیدهای میدانی موقعیت 155 زمین لغزش ثبت و در ArcGIS به لایه نقطه ای تبدیل شدند. کلیه عوامل با فرمت ASCII و لایه نقطه ای (لایه آموزشی) وارد نرم افزار R شدند. برای آموزش مدل های ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF)، 70 درصد از داده ها (109 واقعه) و برای آزمون 30 درصد (46 واقعه) استفاده شد. ارزیابی مدل RF با منحنی ROC نشان داد که نمره های 972/0 و 949/0 در مراحل آموزش و آزمون را کسب کرده است. اطلاعات مدل RF نشان می دهد که مؤثرترین عوامل شامل جهت شیب، فاصله از آبراهه، فاصله از جاده، درجه شیب و شاخص موقعیت توپوگرافی هستند. نتایج مدل SVM نشان داد که پتانسیل طبقه حساسیت زیاد در حوضه بیشتر از RF است و نمرات AUC به ترتیب 906/0 و 831/0 به دست آمد. نتایج مدل SVM نشان داد که پتانسیل طبقه حساسیت زیاد در حوضه نسبت به پیش بینی مدل RF بیشتر شده است. مؤثرترین عوامل در مدل SVM شامل طبقات ارتفاعی، بارندگی، جهت شیب، فاصله از آبراهه و فاصله از جاده می باشند. مدل SVM در مقایسه با مدل RF عملکردی ضعیفی در پیش بینی نقشه حساسیت زمین لغزش دارد. نتایج دسته بندی سطح خطر در مدل RF، بترتیب خیلی زیاد (19/10%)، زیاد (17/4%)، متوسط (76/10%)، کم (62/15%) و خیلی کم (26/59%) از مساحت حوضه است. در مدل SVM نیز بترتیب سهم طبقات خیلی زیاد 51/5%، زیاد 58/15%، متوسط 33/5%، کم 47/4% و خیلی کم 09/69% محاسبه شده است.

سیل یکی از بلایای طبیعی است که اغلب مناطق کشور را تحت تاثیر قرار داده و موجب وارد آمدن خسارت می گردد. لذا شناسایی اصولی مناطق با پتانسیل تولید سیل از جمله اقدامات بسیار مهم در کاهش خسارات ناشی از آن می باشد. در این مطالعه نقش روند یابی سیل در تفکیک و شناسایی مناطق سیل خیز پس از برآورد دبی زیر حوضه ها در آبراهه های اصلی تا خروجی کل حوضه بررسی شد. بدین منظور حوضه آبخیز کسیلیان که حوضه معرف البرز شمالی است به 3 زیر حوضه تقسیم گردید و خصوصیات فیزیکی کل حوضه و زیر حوضه ها از طریق GIS و الحاقیه HEC-GeoHMS تعیین شد.با کاربرد روش تکرار حذف انفرادی زیر حوضه هیدروگراف های سیل متناظر با بارش، برای هر یک از زیر حوضه ها محاسبه و سپس با حذف متوالی زیر حوضه ها میزان تاثیر هر یک از آن ها در تولید سیل خروجی بدست آمد. زیر حوضه ها به ترتیب نقش آن ها در سیل خروجی اولویت بندی گردیدند نتایج نشان داد که میزان مشارکت زیر حوضه ها در سیل خروجی متناسب با دبی اوج نبوده و لزوماً زیر حوضه هایی که دبی بیشتری دارند، بیشترین مشارکت را در سیل خروجی حوضه ندارند.