تحلیل فضایی مخاطرات محیطی

تحلیل فضایی مخاطرات محیطی

بررسی تغییر کاربری اراضی برپهنه بندی خطر وقوع سیل در حوضه آبخیز سامیان

نویسندگان
صیاد اصغری سراسکانرود 1
فاطمه صمدی شلوه علیا 2
زینب حزباوی 3
1 استاد،گروه جغرافیای طبیعی، دانشکده علوم اجتماعی،دانشگاه محقق اردبیلی، اردبیل، ایران
2 دانشجوی کارشناسی ارشد، رشته سنجش از دور و سیستم اطلاعات جغرافیایی،گروه جغرافیای طبیعی،دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران
3 دانشیار، گروه مرتع و آبخیزداری ، دانشکده منابع طبیعی، مرکز تحقیقات مدیریت آب، دانشگاه محقق اردبیلی، اردبیل، ایران
10.66224/jsaeh.12.3.6
چکیده
هدف: تغییرات کاربری اراضی به عنوان یکی از عوامل انسانی باعث تشدید سیلاب می شود که می تواند الگوی رواناب و شدت وقوع سیل را به طور چشمگیری تحت تاثیر قرار دهد. هدف از این پژوهش بررسی تاثیرات تغییر کاربری اراضی بر پهنه بندی خطر وقوع سیل در بازه زمانی 2015 تا 2024 در حوضه آبخیز سامیان واقع در استان اردبیل است.

روش پژوهش: به منظور استخراج نقشه های کاربری اراضی از تصاویر ماهواره لندست 7و 8 وسنتینل2 برای سال های 2015و 2024 در محیط ارث انجین استفاده شد و طبقه بندی با استفاده از الگوریتم درخت تصمیم گیر(CART) انجام شد. سپس با استفاده از مدل توسعه یافته سیلاب ناگهانی و تلفیق لایه های اطلاعاتی شامل: شیب ،تجمع جریان ،کاربری اراضی ،نقشه زمین شناسی، انحنا دامنه، بافت خاک در محیط ArcMap نقشه پهنه بندی خطرسیلاب تهیه شد.

یافته ها: نتایج نشان داد بین سال های 2015 تا 2024 تغییرات قابل توجهی در کاربری اراضی رخ داده است. از جمله افزایش ۱۸٫۴۷٪ زمین های کشاورزی آبی ، 9٫38٪ مناطق مسکونی، 25٫85٪ مراتع کم تراکم و درمقابل کاهش 25٫21٪- اراضی دیم، 9٫14٪- مراتع متراکم و 98٫61٪- کلاس برف. این تغییرات منجربه افزایش مساحت پهنه های باخطر بالا شده است. دقت طبقه بندی کاربری اراضی نیز با دقت کلی و ضریب کاپای بالای 0٫98٪ اعتبار بالای نتایج به دست آمده را نشان می دهد.

نتیجه گیری: افزایش سطوح نفوذناپذیر و کاهش پوشش گیاهی طبیعی باعث افزایش رواناب سطحی و در نتیجه گسترش نواحی پرخطر شده است. مدل Mffpi با بهره گیری از عوامل محیطی و انسانی توانسته است ابزای موثر برای پیش بینی و مدیریت خطر سیلاب ارائه دهد.
کلیدواژه‌ها
تغییرات پویا
منابع آب
پتانسیل سیل خیزی
لندست

عنوان مقاله English

Assessment of Land Use/Land Cover Change Impact on Flood Hazard Zonation in the Samian Watershed"

نویسندگان English

Sayyad Asghari Saraskanroud 1
Fatemeh Samadi Shalveh Alia 2
Zeinab Hazbavi 3
1 Professor ، Department of Physical Geography ، Faculty of Social Sciences ، University of Mohaghegh Ardabili ، Ardabil ، Iran
2 Master's Student ، Remote Sensing and Geographic Information Systems (GIS) ، Department of Physical Geography ، Faculty of Social Sciences ، University of Mohaghegh Ardabili ، Ardabil ، Iran.
3 Associate Professor, Department of Range and Watershed Management, Faculty of Natural Resources, Water Management Research Center, University of Mohaghegh Ardabili, Ardabil, Iran.
چکیده English

Objective: Land use/land cover (LULC) changes, as one of the main anthropogenic drivers, significantly influence runoff patterns and intensify flood hazards. This study aims to assess the impact of land use changes on flood hazard zonation over the period 2015 to 2024 in the Samian watershed, located in Ardabil Province, Iran.

Methodology: Satellite imagery from Landsat 7, Landsat 8, and Sentinel-2 was utilized to extract land use maps for the years 2015 and 2024 using the Google Earth Engine platform. LULC classification was performed using the Classification and Regression Trees (CART) algorithm. Subsequently, the Modified Flash Flood Potential Index (MFFPI) model was applied by integrating key environmental layers, including slope, flow accumulation, land use, geology, curvature, and soil texture, within the ArcMap environment to generate flood hazard zonation maps.

Findings: The results indicated substantial LULC changes between 2015 and 2024, including an 18.47% increase in irrigated agricultural lands, a 9.38% increase in residential areas, and a 25.85% rise in sparse rangelands. In contrast, dry farming lands decreased by 25.21%, dense rangelands by 9.14%, and snow-covered areas by 98.61%. These changes have led to a notable expansion of high-risk flood zones. The LULC classification achieved a high overall accuracy and Kappa coefficient exceeding 0.98, indicating reliable results.

Conclusion: The expansion of impervious surfaces and reduction in natural vegetation cover have increased surface runoff and, consequently, the extent of high-risk flood-prone areas. The MFFPI model, by incorporating both environmental and anthropogenic factors, proved to be an effective tool for flood hazard prediction and management.

کلیدواژه‌ها English

Dynamic changes
Water Resources
Flooding potential
Landsat
Azizi, E.; R.Mostafazadeh, Z.Hazbavi, A.Esmali Ouri, S. Mirzaie, G.Huang and X. Qian. 2022. Spatial distribution of flood vulnerability index in Ardabil province, Iran. Stochastic Environmental Research and Risk Assessment, 36: 4355-4375.‌
Bates, P. D. (2022). Flood inundation prediction. Annual Review of Fluid Mechanics, 54: 287-315.‌
Beckers, A.; B.Dewals, S.Erpicum, S.Dujardin, S.Detrembleur, J.Teller and P. Archambeau. 2013. Contribution of land use changes to future flood damage along the river Meuse in the Walloon region. Natural Hazards and Earth System Sciences, 13:2301-2318.‌
Dammalage. T. L.; and N. T. Jayasinghe. 2019. Land-Use Change and Its Impact on Urban Flooding: A Case Study on Colombo District Flood on May 2016. Engineering, Technology & Applied Science Research, 9:3887-3891
Domeneghetti. A.; G. J. P.Schumann and A. Tarpanelli. 2019. Preface: remote sensing for flood mapping and monitoring of flood dynamics. Remote Sensing, 11: 943.‌
Du. W.; G. J. FitzGerald, M. Clark, and X. Y. Hou. 2010.Health impacts of floods. Prehospital Disaster Medicine, 25: 265-272.‌
Estelaji. F.; A. A.Aghajari, and R. Zahedi. 2023. Flood zoning and developing strategies to increase resilience against floods with a crisis management approach. Asian Rev Environ Earth Sci, 10: 14-27.‌
Hamers. E. M.; H. R .Maier, A. C.Zecchin and H.van Delden. 2024. Framework for considering the interactions between climate change, socio-economic development and land use planning in the assessment of future flood risk. Environmental Modelling & Software, 171: 105886.‌
Kundzewicz. Z. W.; I.Pińskwar and G. R .Brakenridge. 2013. Large floods in Europe, 1985–2009. Hydrological Sciences Journal, 58: 1-7.
Lechowska. E. 2018. What determines flood risk perception? A review of factors of flood risk perception and relations between its basic elements. Natural Hazards, 94: 1341-1366.‌
Loukika. K. N.; V. R.Keesara and V.Sridhar. 2021. Analysis of land use and land cover using machine learning algorithms on google earth engine for Munneru River Basin, India. Sustainability, 13:13758.‌
Munawar. H. S.; A. W.Hammad and S. T. Waller. 2022. Remote sensing methods for flood prediction: A review. Sensors, 22: 960.
Murphy. S.; M.Wang, C. S.Cheng, P.Passalacqua and F.Leite. 2025. Land-use analysis using infrastructure representations and high-resolution flood inundation mapping techniques. International Journal of Disaster Risk Reduction, 105518.
Patel. K. F.; S. J.Fansler, T. P.Campbell, B.Bond-Lamberty, A.Smith, T.RoyChowdhury and V. L. Bailey. 2021. Soil texture and environmental conditions influence the biogeochemical responses of soils to drought and flooding. Communications Earth & Environment, 2: 127.‌
Rentschler. J.; M. Salhab and B. A. Jafino . 2022. Flood exposure and poverty in 188 countries. Nature communications, 13: 1-11.‌
Rogger. M.; M.Agnoletti, A.Alaoui, J. C.Bathurst, G.Bodner, M.Borga and G.Blöschl. 2017. Land use change impacts on floods at the catchment scale: Challenges and opportunities for future research. Water resources research, 53: 5209-5219.‌
Sajjad. A.; M.Ahmad, R. W.Aslam, M.Bibi and A.Tabassum. 2025. Remote sensing-based flash flood mapping and damage assessment in Dera Ismail Khan, Khyber Pakhtunkhwa, Pakistan. Environmental Monitoring and Assessment, 197: 1-18.‌
Samanta. S.; D. K .Pal and B.Palsamanta. 2018. Flood susceptibility analysis through remote sensing, GIS and frequency ratio model. Applied Water Science, 8:66.
Silgram.M.; D.R.Jackson, B.Alison, Q.John and s.Carly. .2010. Hillslope scale surface runoff, sediment and nutrient losses associated with tramline wheelings, Earth Surf. Pro cesses Landforms, 35: 699–706.
Song. J.; X.Fu, Y.Gu, Y .Deng and Z. R. Peng. 2017. An examination of land use impacts of flooding induced by sea level rise. Natural Hazards and Earth System Sciences, 17:315-334.‌
Taloor. A. K.; S.Sharma, D.Sharma, R.Chib, R.Jasrotia, S.Gupta and R. V. Kale. 2024. Estimation of MFFPI for flood hazards assessment using geospatial technology in the Tawi Basin, India. Geosystems and Geoenvironment, 3: 100233.‌
Tincu. R.; G.Lazar and I.Lazar. 2018. Modified flash flood potential index in order to estimate areas with predisposition to water accumulation. Open Geosciences, 10: 593-606.
Wang. X.; and H. Xie. 2018. A review on applications of remote sensing and geographic information systems (GIS) in water resources and flood risk management. Water, 10: 608.
Wang. Y. 2015. Advances in remote sensing of flooding. Water, 7: 6404-6410.‌
Wheater. H.; and E. Evans. 2009. Land use, water management and future flood risk. Land Use Policy, 26: 251–264,
Yang. X.; H.Chen, Y.Wang and C. Y. Xu. 2016. Evaluation of the effect of land use/cover change on flood characteristics using an integrated approach coupling land and flood analysis. Hydrology Research, 47: 1161-1171.‌
Zope. P. E.; T. I .Eldho and V.Jothiprakash. 2016. Impacts of land use–land cover change and urbanization on flooding: A case study of Oshiwara River Basin in Mumbai, India. Catena, 145: 142-154.‌