هیدروژئومورفولوژی

لغزش های دامنه ای تحت تأثیر عوامل درونی، بیرونی (اقلیم) و فعالیت های انسانی قرار دارند. گردنه صلوات آباد، در شرق سنندج و مسیر ارتباطی سنندج–همدان، یکی از مناطق آسیب پذیر با لغزش های مکرر سالانه است که به دلیل عبور محور اصلی، ساخت وساز، باغداری و جاده سازی، این مخاطرات تشدید شده اند. این پژوهش با هدف شناسایی، اندازه گیری و پهنه بندی حرکات دامنه ای، از تداخل سنجی راداری و تحلیل کاربری اراضی بهره برده است. برای بررسی پوشش گیاهی، شاخص NDVI از 8 تصویر سنتینل-2 استخراج و تاریخ مناسب تصاویر راداری انتخاب شد. همچنین، با پردازش 4 تصویر سنتینل-1 طی دوره 2020 تا 2023 در نرم افزار SNAP، جابه جایی های سطحی بررسی شد. نقشه کاربری اراضی با استفاده از تصویر لندست-8 (2023) و روش طبقه بندی نظارت شده در ArcGIS به شش کلاس تقسیم شد. نتایج نشان داد که منطقه سالانه 2.4 سانتی متر جابه جایی و در مجموع 9.5 سانتی متر تغییرات دامنه ای را تجربه کرده است. در تحلیل پهنه بندی، 14.45 درصد مساحت منطقه در طبقه خطر زیاد و 29.33 درصد در طبقه متوسط قرار گرفت. کاربری جاده به سه قطعه تفکیک شد که قطعات اول (6.59 کیلومتر) و دوم (6.6 کیلومتر) به ترتیب در طبقات زیاد و متوسط جای گرفتند. در نهایت، 18 پهنه ناپایدار در امتداد جاده شناسایی شد که 16 مورد عمدتاً در کاربری مرتع و بایر قرار داشتند. بیشترین جابه جایی در دامنه های با جهات شمال، شمال غربی، جنوب و غرب مشاهده شد.

در این پژوهش، زیرحوضه های انجرد واقع در استان آذربایجان شرقی با بهره گیری از تحلیل پارامترهای مورفومتری، از منظر نیاز به اقدامات حفاظت خاک و آب اولویت بندی شده اند. به دلیل عدم دسترسی به مدل رقومی ارتفاع (DEM) با دقت مناسب، از نقشه های توپوگرافی با مقیاس 1:25000 جهت تولید مدل ارتفاعی و تحلیل مورفومتری استفاده شد. در این راستا، 15 پارامتر مورفومتری مؤثر در فرآیندهای هیدروژئومورفولوژیکی شامل تراکم زهکشی، نسبت انشعاب، فراوانی آبراهه ها، نسبت بافت زهکشی، طول جریان سطحی، ضریب گردی، ضریب فرم، نسبت کشیدگی، ضریب فشردگی، عدد نفوذ، ثابت نگهداری، شیب متوسط، عدد ناهمواری، نسبت ناهمواری و انتگرال هیپسومتریک استخراج گردید. سپس زیرحوضه ها بر اساس مقادیر هر پارامتر از رتبه 1 تا 11 طبقه بندی و با محاسبه میانگین رتبه ها، اولویت بندی نهایی انجام شد. برای کاهش تعداد متغیرها و شناسایی شاخص ترین پارامترها، از تحلیل مؤلفه های اصلی (PCA) بهره گرفته شد. نتایج PCA نشان داد که 6 پارامتر شامل تراکم زهکشی، ضریب گردی، نسبت انشعاب، فراوانی آبراهه ها، ضریب فشردگی و انتگرال هیپسومتریک دارای بیشترین اهمیت هستند. مقایسه نتایج اولویت بندی بر اساس تمامی پارامترها با نتایج حاصل از پارامترهای منتخب PCA، تطابق قابل قبولی را نشان داد که مؤید کارایی این روش آماری در ساده سازی فرآیند اولویت بندی است. بر این اساس، زیرحوضه A1-4 با پایین ترین میانگین رتبه، بالاترین اولویت مدیریتی و زیرحوضه A5 کمترین اولویت را به خود اختصاص دادند. نتایج این پژوهش می تواند در تدوین راهبردهای مدیریتی به منظور کاهش ورود رسوبات به مخزن سد عمارت و کاهش آثار مخرب سیلاب مؤثر واقع شود.

مطالعات سیل خیزی و ارزیابی میزان خطرات آن امروزه به دلیل افزایش فراوانی و شدت آن از یک سو و اثرگذاری و پیامدهای خسارت بار مالی و جانی آن از سوی دیگر، مورد توجه علوم مختلف قرار گرفته است. این پژوهش به دنبال بررسی اثرات عوامل مهم ایجاد سیل، تعیین اهمیت آنها و شدت اثرات هر عامل در بخشهای مختلف حوضه آبریز هر رود در استان لرستان است. برای این مهم از روش فازی-تاپسیس استفاده شده است. در ابتدا مهمترین شاخص ها بر حسب مطالعات قبلی و تجربه شامل بارش، جنس زمین، خاک، کاربری اراضی، شبکه زهکشی، ارتفاع، شیب و جهت شیب مشخص شدند. سپس، این شاخصها به شکل لایه های اطلاعاتی درآمده و بازطبقه بندی گردیدند. به منظور فازی سازی لایه ها، برای هر یک از آنها بر حسب نوع اثرگذاری، توابع عضویت خاصی تعریف گردید. یافته ها نشان داد که توابع عضویت خطی شامل مثلثی و ذوذنقه ای عملکرد بهتری در فازی سازی داده ها داشته اند و عملگر فازی گامای 0.9 همبستگی بالاتری را بین مؤلفه های تعریف شده در سیل خیزی نشان داد. بر اساس این نقشه، شیب های 0-10 درصد، جهت شیب 315-360 درجه، طبقات ارتفاعی 1500-1800 متر، خاک های گروه هیدرولوژیکی D، کاربری اراضی کشت دیم، سنگهای کنگلومرا، فاصله 300 متری آّبراهه های اصلی و بارش های 500-800 میلی متر مهمترین سطوح در ایجاد پهنه های سیل خیز حوضه بوده اند. نتیجه نقشه حاصله از مدل فازی- تاپسیس نشان داد که جنس زمین و کاربری زمین بویژه در ساحل رودخانه اصلی در مناطق میانی حوضه، مهمترین عوامل تعیین کننده سیل خیزی از نظر فراوانی و شدت است که با واقعیت های حوضه مطابقت دارد.

استقرار جوامع انسانی در سطح زمین همواره در راستای دستیابی به حداکثر منابع طبیعی همچون منابع آبی، پوشش گیاهی مناسب و دسترسی به زمینهای قابل کشت صورت گرفته است. بی شک این تلاش بر پایه اصولی است که امروزه به عنوان علم مکان یابی تعبیر می شود. هدف اصلی از این پژوهش بررسی نقش عوامل هیدرو-ژئومورفولوژیکی در الگوی استقرار تپه های باستانی شهرستان مراغه با استفاده از مدل های MACBETH و SWARA بوده و برای رسیدن به این هدف از متغیرهای توپوگرافی (شیب، جهت شیب، طبقات ارتفاعی)، هیدرولوژی (فاصله از رودخانه، فاصله از قنات، فاصله از چشمه)، لیتولوژی، خاک و کاربری اراضی استفاده شده است. براساس نتایج بدست آمده، طبقات ارتفاعی، فاصله از رودخانه و شیب به ترتیب بیشترین و فاصله از قنات کمترین نقش را در توزیع الگوی استقرار تپه های باستانی شهرستان مراغه دارد. همچنین نتایج صحت سنجی نشان داد که در نتایج مدل SWARA به ترتیب 51، 19 و 7 مورد از تپه های باستانی شهرستان مراغه در پهنه های بسیارمساعد، مساعد و سایر پهنه ها قرار گرفته اند ولی در مدل مکبث به ترتیب 35، 20 و 22 از تپه های باستانی در پهنه های بسیارمساعد، مساعد و سایر پهنه ها مشاهده می شود. بنابراین می توان گفت که کارایی مدل SWARA در این منطقه بهتر از مدل MACBETH می باشد.

اندازه گیری دبی رودخانه همواره یکی از چالش های اساسی در مدیریت رودخانه است. استفاده از ابزارهای دقیق برای محاسبه آن ضروری است. روش های عددی، تحلیلی، هوش مصنوعی و تجربی، رایج ترین روش ها برای اندازه گیری جریان روزانه رودخانه هستند. در این تحقیق، یک مدل هوشمند ترکیبی مبتنی بر رویکرد مدل رگرسیون بردار پشتیبان برای شبیه سازی دبی رودخانه توسعه داده شده است. بدین منظور در این پژوهش از سه الگوریتم بهینه سازی شامل موجک، تفنگدار خلاق و عنکبوت بیوه سیاه برای شبیه سازی دبی رودخانه استفاده شد. جهت مدلسازی از آمار و اطلاعات ایستگاه های هیدرومتری حوضه آبریز کرخه شامل چم انجیر، کشکان، پل زال و جلوگیر بعنوان مطالعه موردی طی4 سناریو ترکیبی از پارامترهای ورودی در سالهای 1372 تا 1402 استفاده شد. به منظور ارزیابی عملکرد مدلها از معیارهای ارزیابی ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش ساتکلیف استفاده شد. همچنین جهت تحلیل نتایج مدلها از نمودار پراکنش و خطای نسبی و تیلور استفاده شد. نتایج نشان داد سناریو های ترکیبی در مدلهای مورد بررسی باعث بهبود عملکرد مدل می شود. همچنین نتایج حاصل از معیار ارزیابی نشان داد مدل رگرسیون بردار پشتیبان-موجک دارای ضریب همبستگی 974-941/0 ، ریشه میانگین مرعات خطا (m3/s) 054-022/0 ، میانگین قدر مطلق خطا (m3/s) 011-025/0 و ضریب نش ساتکلیف 986-962/0 در مرحله صحت سنجی برخوردار است. در مجموع نتایج نشان داد استفاده از مدلهای هوشمند مبتنی بر رویکرد رگرسیون بردار پشتیبان می تواند رویکردی موثر در پایداری مهندسی رودخانه باشد.

لازمه مدیریت بهینه منابع آبی اطلاع از میزان جریان در رودخانه و پیش بینی آن می باشد. افزایش دقت نتایج پیش بینی، هدف بسیاری از محققان است. وجود نویز در داده های هیدرولوژیکی می تواند منجر به کاهش دقت پیش بینی گردد بنابراین در تحقیقات اخیر در کنار توجه به توسعه و ارائه مدل با قابلیت های محاسباتی بالاتر، به بررسی داده های مورد استفاده نیز اهمیت داده می شود. هدف از این تحقیق بررسی تأثیر کاهش نویز (NR) داده های ورودی بر میزان دقت مدل ها می باشد. جهت مطالعه دو رودخانه ی آجی چای و صوفی چای انتخاب و نویز جریان رودخانه با دو روش نظریه آشوب و موجک کاهش گردید. سپس پیش بینی جریان ماهانه ی آنها با مدل ANN در سه حالت استفاده از داده های خام، NRیافته با آشوب و موجک انجام شده است. برای بررسی نتایج، RMSE، ضریب همبستگی و نش-ساتکلیف در این سه حالتِ مدلسازی محاسبه و به ترتیب ذکر می گردد. در رودخانه صوفی چای RMSE با داده های خام و NRیافته با آشوب و موجک 078/0، 045/0 و 034/0، مقدار R2، 846/0، 974/0 و 979/0 و همچنین نش-ساتکلیف 715/0، 948/0 و 958/0 می باشد. در رودخانه آجی چای RMSE در این سه حالت به ترتیب 126/0، 06/0 و 078/0، مقادیر R^2 74/0، 94/0 و 91/0 و نش-ساتکلیف 545/0، 882/0 و 815/0 بدست آمد. می توان گفت به کارگیری داده های NR یافته در مدلسازی جریان رودخانه موجب افزایش دقت پیش بینی می شود. همچنین مقایسه نتایج بین دو روش NR نشان می دهد که در رودخانه آجی چای روش آشوب و در صوفی چای موجک عملکرد بهتری دارد و نمی توان به صورت قطعی یکی از این روش ها را به عنوان روش بهتر جهت NR معرفی نمود.

زمین لغزش ها سالانه باعث آسیب های قابل توجهی به مناطق مسکونی و محیط زیست، از جمله جنگل ها و مزارع می شوند. این مخاطره در ایران اهمیت ویژه ای دارد، چون بخش زیادی از کشور، به ویژه نواحی شمالی، کوهستانی است. این تحقیق با هدف تهیه نقشه خطر وقوع زمین لغزش در حوضه آبریز مهران رود، واقع در شمال غربی ایران، انجام شده است. برای دستیابی به این هدف، لایه های اطلاعاتی مرتبط با ۸ عامل مؤثر در وقوع زمین لغزش، شامل زمین شناسی، کاربری اراضی، شیب، جهت شیب، طبقات ارتفاعی، بارش، فاصله از رودخانه و فاصله از گسل، در محیط نرم افزار ArcGIS تهیه شدند. سپس، وزن دهی این عوامل با استفاده از روش فرآیند تحلیل شبکه ای (ANP) در نرم افزار Super Decisions انجام شد. نتایج تحقیق نشان داد که وزن های این هشت عامل به ترتیب 331/0، 080/0، 117/0، 036/0، 055/0، 233/0، 112/0 و 032/0 هستند. در نهایت، نقشه پهنه بندی خطر زمین لغزش با ادغام لایه های وزندار تهیه شد که حوضه مورد مطالعه را به پنج کلاس خطر شامل مناطق با پتانسیل خیلی زیاد (21 کیلومترمربع)، زیاد (134 کیلومترمربع)، متوسط (94 کیلومترمربع)، کم (60 کیلومترمربع) و خیلی کم (51 کیلومترمربع) تقسیم می کند. مناطق با پتانسیل زیاد بیشترین مساحت حوضه را پوشش می دهند. مقایسه نقشه پهنه بندی با نقاط پراکنده زمین لغزش که از بررسی تصاویر ماهواره ای و فعالیت های میدانی به دست آمده اند، نشان می دهد که 7/85 درصد از زمین لغزش ها در مناطق با پتانسیل بالا و بسیار بالا رخ داده اند. بر اساس نتایج به دست آمده، لازم است در سیاست گذاری های محیطی، اقدامات لازم برای مدیریت این پدیده و کاهش پیامدهای انسانی و مالی آن در مناطق حساس در نظر گرفته شود.

این پژوهش با رویکردی کاربردی و تحلیلی، به شناسایی نواحی مستعد سیل خیزی در حوضه آبخیز یامچی پرداخته است. در ابتدا، داده های دبی روزانه ایستگاه های لای، نیر و یامچی طی سال های 2014 تا 2021 از شرکت آب منطقه ای استان اردبیل جمع آوری شد. سپس، پارامترهای محیطی مؤثر شامل شیب زمین، فاصله از آبراهه، کاربری اراضی و رطوبت خاک در محیط ArcGIS و گوگل ارث انجین ترسیم شدند. همچنین، شاخص های طیفی NDWI، AWEI، WRI و LSWI از تصاویر لندست 8 استخراج گردید. پس از استانداردسازی متغیرها، مدل جنگل تصادفی رگرسیونی با 100 درخت تصمیم آموزش داده شد. 70 درصد داده ها برای آموزش و 30 درصد برای آزمون مدل استفاده شد. عملکرد مدل با شاخص های آماری R² و MSE به ترتیب برابر با 9353/0 و 000210/0 ارزیابی شد. در نهایت نواحی مستعد سیل خیزی شناسایی گردیدند. به منظور اعتبارسنجی، رویداد سیل آوریل 2017 به عنوان نمونه موردی تحلیل شد. نتایج نشان داد که بخش شمالی حوضه، به دلیل ارتفاع زیاد، شیب تند، رطوبت خاک ۳۵ درصد و مقادیر بالای AWEI و WRI، بیشترین پتانسیل برای وقوع سیل خیزی را دارد. در مقابل، نواحی مرکزی و جنوبی به علت شیب ملایم تر و رطوبت کمتر خاک، احتمال کمتری برای سیل خیزی نشان دادند. مدل جنگل تصادفی صحت این الگو را تأیید کرد و عملکرد آن با منحنی ROC و مقدار AUC برابر با 616/0، قابل قبول ارزیابی شد. تحلیل داده های راداری نیز نشان داد که بازتاب سیگنال ها در مناطق شمالی، پیش و پس از وقوع سیلاب، تغییر محسوسی داشته و بیانگر تمرکز منابع آبی در این بخش از حوضه است.