میز خدمت الکترونیک
دوره ویراستاری

  اخبار و اعلانات

 آمار

تعداد نشریات127
تعداد شماره‌ها7,196
تعداد مقالات77,227
تعداد مشاهده مقاله157,210,587
تعداد دریافت فایل اصل مقاله118,401,376
سلیمانی, بهناز, ایلانلو, مریم, غروبی, مجید. (1405). شبیه‌سازی و پهنه‌بندی پتانسیل سیلاب با تلفیق مدل‌های WMS و HEC-RAS (مطالعه موردی: شهرستان سوادکوه). , 13(1), 1220-1240. doi: 10.22059/ije.2026.411871.1908
بهناز سلیمانی; مریم ایلانلو; مجید غروبی. "شبیه‌سازی و پهنه‌بندی پتانسیل سیلاب با تلفیق مدل‌های WMS و HEC-RAS (مطالعه موردی: شهرستان سوادکوه)". , 13, 1, 1405, 1220-1240. doi: 10.22059/ije.2026.411871.1908
سلیمانی, بهناز, ایلانلو, مریم, غروبی, مجید. (1405). 'شبیه‌سازی و پهنه‌بندی پتانسیل سیلاب با تلفیق مدل‌های WMS و HEC-RAS (مطالعه موردی: شهرستان سوادکوه)', , 13(1), pp. 1220-1240. doi: 10.22059/ije.2026.411871.1908
سلیمانی, بهناز, ایلانلو, مریم, غروبی, مجید. شبیه‌سازی و پهنه‌بندی پتانسیل سیلاب با تلفیق مدل‌های WMS و HEC-RAS (مطالعه موردی: شهرستان سوادکوه). , 1405; 13(1): 1220-1240. doi: 10.22059/ije.2026.411871.1908

شبیه‌سازی و پهنه‌بندی پتانسیل سیلاب با تلفیق مدل‌های WMS و HEC-RAS (مطالعه موردی: شهرستان سوادکوه)

مجله اکوهیدرولوژی
دوره 13، شماره 1، فروردین 1405، صفحه 1220-1240    اصل مقاله (1.5 M)
نوع مقاله: پژوهشی
شناسه دیجیتال (DOI): 10.22059/ije.2026.411871.1908
نویسندگان
بهناز سلیمانی1؛ مریم ایلانلو* 2؛ مجید غروبی3
1گروه .ریاضی، واحد ماهشهر. دانشگاه زاد اسلامی، ماهشهر، ایران
2گروه جغرافیا، واحدماهشهر، دانشگاه آزاد اسلامی، ماهشهر، ایران
3گروه جغرافیا، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران
چکیده
شهرستان سوادکوه به ‌دلیل شرایط کوهستانی، شیب‌های تند، بارش‌های شدید و تغییرات گستردۀ کاربری اراضی، از مناطق مستعد سیلاب در استان مازندران به ‌شمار می‌رود. گسترش سکونتگاه‌ها، کشاورزی فشرده و کاهش پوشش گیاهی در سال‌های اخیر موجب افزایش رواناب سطحی و تشدید خطر سیلاب شده است. این پژوهش با هدف تحلیل رفتار هیدرولوژیکی حوضۀ آبریز سوادکوه، شبیه‌سازی جریان سیلاب و پهنه‌بندی خطر سیلاب با استفاده از مدل‌های هیدرولوژیکی و هیدرولیکی انجام شد. ابتدا داده‌های توپوگرافی، کاربری اراضی، گروه‌های هیدرولوژیکی خاک و اطلاعات بارندگی گردآوری و پردازش شد. سپس، با بهره‌گیری از مدل WMS و روش SCS، پارامترهایی نظیر شمارۀ منحنی رواناب (CN)، ظرفیت نگهداشت رطوبتی، عمق و حجم رواناب و هیدروگراف سیلاب محاسبه شد. در ادامه، شبیه‌سازی هیدرولیکی جریان با استفاده از مدل HEC-RAS و بر اساس 21 مقطع عرضی رودخانه انجام شده و نقشه‌های پهنه‌بندی سیلاب و عمق جریان استخراج شد. نتایج نشان داد توپوگرافی، نفوذپذیری خاک، نوع کاربری اراضی و شدت بارش مهم‌ترین عوامل مؤثر بر تولید رواناب و افزایش خطر سیلاب هستند. میانگین CN حوضه حدود 78/3 برآورد شد که بیانگر پتانسیل نسبتاً بالای تولید رواناب است. همچنین، مناطق دارای خاک‌های گروه C و D، کاربری‌های کشاورزی متراکم، نواحی مسکونی و دامنه‌های پرشیب بیشترین حجم رواناب و عمق سیلاب را داشتند. تحلیل هیدروگراف نیز نشان‌دهندۀ پاسخ سریع حوضه، زمان تمرکز کوتاه و دبی اوج بالا و در نتیجه، افزایش احتمال سیلاب‌های ناگهانی بود. نتایج پهنه‌بندی، انطباق مناطق پرخطر با سیلاب‌های رخ‌دادۀ گذشته را تأیید کرد. در پایان، حفاظت پوشش گیاهی، کنترل توسعه در سیلاب‌دشت‌ها، اصلاح مدیریت کاربری اراضی و اجرای اقدامات آبخیزداری به‌ عنوان راهکارهای مؤثر کاهش خطر سیلاب پیشنهاد شد.
کلیدواژه‌ها
سیلاب؛ پهنه‌بندی خطر سیلاب؛ مدل WMS؛ مدل HEC-RAS؛ شهرستان سوادکوه
عنوان مقاله [English]
Simulation and Zonation of Flood Potential by Integrating WMS and HEC-RAS Models (Case Study: Savadkuh County)
نویسندگان [English]
بهناز سلیمانی1؛ maryam ilanloo2؛ Majid Ghorobi3
1Department of Mathematics, Mahs.C. Islamic Azad University, Mahshahr, Iran
2Department of Geography, Mahs.C. Islamic Azad University, Mahshahr, Iran
3Department of Environment, El.C., Islamic Azad University, Tehran, Iran.
چکیده [English]
Objective: This study aimed to analyze the hydrological behavior of the Savadkouh watershed in Savadkouh County, simulate flood flow, and perform flood risk zoning using hydrological and hydraulic models, considering the region’s mountainous conditions, steep slopes, heavy rainfall, and extensive land use changes.
Method: Topographic data, land use maps, soil hydrological groups, and rainfall information were collected and processed. The Watershed Modeling System (WMS) model and the Soil Conservation Service (SCS) method were applied to estimate runoff curve number (CN), moisture retention capacity, runoff depth and volume, and flood hydrograph. Hydraulic flow simulation was then conducted using the Hydrologic Engineering Center’s River Analysis System (HEC-RAS) based on 21 river cross-sections. Finally, flood zoning and flow depth maps were generated.
Results: The findings indicated that topography, soil permeability, land use type, and rainfall intensity are the most influential factors in runoff generation and flood risk increase. The average curve number (CN) of the basin was estimated at approximately 78.3, reflecting a relatively high runoff potential. Areas with hydrological soil groups C and D, intensive agricultural lands, residential areas, and steep slopes showed the highest runoff volume and flood depth. Hydrographic analysis revealed a rapid watershed response, short concentration time, and high peak discharge, increasing the probability of flash floods. Flood zoning results were consistent with locations of previous flood events.
Conclusions: The study concludes that land use change and reduction of vegetation cover have significantly increased flood risk in the basin. Effective flood risk mitigation strategies include vegetation conservation, controlling development within floodplains, reforming land use management practices, and implementing comprehensive watershed management measures.
کلیدواژه‌ها [English]
Flood, Flood Risk Zoning, WMS Model, HEC-RAS Model, Savadkouh County
مراجع
  • Ebrahimi, L., Ilanloo, M. (2024). "Flood Susceptibility Zoning of the Shahrestanak Drainage Basin Using the WMS Hydrological Model and GIS Integration." Journal of Environmental Hazards Management, 11(1), 15–29. [In persian].
  • Esfandiari Darabad, F., Abedini, M., Fakhripour, N., Nazafat Takleh, B. (2023). "Flood Hazard Zoning Using the Hec–Ras Hydrodynamic Model: A Case Study of the Qareh Su Watershed, Kermanshah Province." Journal of Environmental Science Studies, 8(3), 6952–6961. [In persian].
  • Arab, N., Salmanmahini, A., Micaeli Tabrizi, A., Vitte, T. (2023). "Flood Risk Analysis Using the Random Forest Machine Learning Method: A Case Study of Mashhad City." Journal of Ecohydrology, 10(1), 1–15. [In persian].
  • Saffari, A., Ahmadabadi, A., Sedighifar, Z. (2020). "Flood Risk Analysis Based on the WMS Model in Urban Catchments: A Case Study of the Darband, Golabdarreh, and Sa'adabad Catchments in the Tehran Metropolis." Quarterly Journal of Agriculture and Natural Resources, 20(57), 317–334. [In persian].
  • Abdi, K., Kamiabi, S., & Zandmoghadam, M. R. (2019). Integrated assessment of vulnerability, resilience, and spatial risk against floods in Sari city. Journal of Natural Geographical Research, 51(3), 431–445. [In Persian] https://doi.org/10.1007/s10707-020-00461-x
  • Adeniyi, O., Perera, S., Ginige, K., & Feng, Y. (2019). Developing maturity levels for flood resilience of businesses using built environment flood resilience capability areas. Sustainable Cities and Society, 51, 101778. https://doi.org/10.1016/j.scs.2019.101778
  • Arab, N., Salmanmahiny, A. R., Mikaeili Tabrizi, A., & Witte, T. (2023). Flood hazard analysis using random forest machine learning: A case study of Mashhad city. Iranian Journal of Eco Hydrology, 10(1), 1–15.
  • Bertilsson, L., Wiklund, K., de Moura Tebaldi, I., Rezende, O. M., Veról, A. P., & Miguez, M. G. (2019). Urban flood resilience–A multi-criteria index to integrate flood resilience into urban planning. Journal of Hydrology, 573, 970–982. https://doi.org/10.1016/j.jhydrol.2018.06.052
  • Chen, Y., Liu, T., Chen, R., & Zhao, M. (2020). Influence of the built environment on community flood resilience: Evidence from Nanjing City, China. Sustainability, 12(6), 2401. https://doi.org/10.3390/su12062401
  • Ebrahimi, L., & Ilanloo, M. (2024). Flood occurrence zoning in Shahrestanak watershed using WMS hydrological model and GIS integration. Journal of Environmental Hazards Management, 11(1), 15–29. [In Persian]
  • Echogdali, F. Z., Boutaleb, S., Elmouden, A., & Ouchchen, M. (2018). Assessing flood hazard at river basin scale: Comparison between HECRAS-WMS and flood hazard index (FHI) methods applied to el maleh basin, Morocco. Journal of Water Resource and Protection, 10(9), 957–977.
  • Esfandyari, F., Abedini, M., Fakheripour, N., & Nezafat Takle, B. (2023). Flood risk zoning using Hec-Ras hydrodynamic model: A case study of Qarahsou Basin, Kermanshah Province. Journal of Environmental Studies, 8(3), 6952–6961. https://doi.org/10.22034/jess.2022.344023.1795
  • Hegazy, M. N., El-Fakharany, M. A. A., Abdo, A. M., & Mansour, N. M. (2023). Estimation of expected peak discharge and flood volume of the Heliopolis basin, East Cairo, Egypt, using RS and WMS program. The Egyptian Journal of Remote Sensing and Space Sciences, 26(3), 676–690.
  • Hosseini, S., Mohammadi, S., Hassanzadeh, R., & Honarmand, M. (2023). Flood hazard assessment using GIS and RS in southern Kerman province: A case study of the Hamun-Jazmourian watershed. Iranian Journal of Eco Hydrology, 10(1), 33–47. https://doi.org/10.22059/ije.2023.354747.1712
  • Ikirri, M., Faik, F., Boutaleb, S., Echogdali, F. Z., Abioui, M., & Al-Ansari, N. (2021). Application of HEC-RAS/WMS and FHI models for extreme hydrological events under climate change in the Ifni River arid watershed from Morocco. In Climate and Land Use Impacts on Natural and Artificial Systems (pp. 251–270). Elsevier.
  • Kabenge, M., Elaru, J., Wang, H., & Li, F. (2017). Characterizing flood hazard risk in data-scarce areas, using a remote sensing and GIS-based flood hazard index. Natural Hazards, 89(3), 1369–1387. https://doi.org/10.1007/s11069-017-3024-y
  • Khaledi, S., Ghahroodi, M., & Farahmand, G. (2021). Assessment and evaluation of urban flood resilience: A case study of Urmia city. Journal of Sustainable Development of Geographical Environment, 2(3), 169–182. [In Persian]
  • Kumar, V., Sharma, K. V., Caloiero, T., Mehta, D. J., & Singh, K. (2023). Comprehensive overview of flood modeling approaches: A review of recent advances. Hydrology, 10(7), 141. https://doi.org/10.3390/hydrology10070141
  • Mannucci, S., Rosso, F., D’Amico, A., Bernardini, G., & Morganti, M. (2022). Flood resilience and adaptation in the built environment: How far along are we?. Sustainability, 14(7), 4096. https://doi.org/10.3390/su14074096
  • McClymont, K., Morrison, D., Beevers, L., & Carmen, E. (2020). Flood resilience: A systematic review. Journal of Environmental Planning and Management, 63(7), 1151–1176. https://doi.org/10.1080/09640568.2019.1675140
  • Meng, M., Dabrowski, M., & Stead, D. (2020). Enhancing flood resilience and climate adaptation: The state of the art and new directions for spatial planning. Sustainability, 12(19), 7864. https://doi.org/10.3390/su12197864
  • Munawar, H. S., Hammad, A. W., & Waller, S. T. (2022). Remote sensing methods for flood prediction: A review. Sensors, 22(3), 960. https://doi.org/10.3390/s22030960
  • Nofal, O. M., & Van De Lindt, J. W. (2022). Understanding flood risk in the context of community resilience modeling for the built environment: Research needs and trends. Sustainable and Resilient Infrastructure, 7(3), 171–187. https://doi.org/10.1080/23789689.2021.1931945
  • Okasha, M. R., Hashem, S. M., & Azeez, E. A. B. (2024). Using the Water Modeling System (WMS) to study some morphometric and flash flood features of the drainage basins in New Cairo first Precinct. Buhūth, 4(5), 138–163.
  • Rathnasiri, P., Adeniyi, O., & Thurairajah, N. (2023). Data-driven approaches to built environment flood resilience: A scientometric and critical review. Advanced Engineering Informatics, 57, 102085. https://doi.org/10.1016/j.aei.2023.102085
  • Safari, A., Ahmadabadi, A., & Sedighifar, Z. (2020). Analysis of flood hazard using the WMS model in urban watersheds: Case study of Darband, Ghalabdar, and Sa'adabad-Kalan basins, Tehran metropolis. Journal of Applied Geographical Sciences Research, 20(57), 317–334.
  • Szewrański, S., Świąder, M., Kazak, J. K., Tokarczyk‑Dorociak, K., & Van Hoof, J. (2018). Socio‑environmental vulnerability mapping for environmental and flood resilience assessment: the case of ageing and poverty in the City of Wrocław, Poland. Integrated Environmental Assessment and Management, 14(5), 592–597. https://doi.org/10.1002/ieam.4085
  • Wang, L., Cui, S., Li, Y., Huang, H., Manandhar, B., Nitivattananon, V., … Huang, W. (2022). A review of the flood management: From flood control to flood resilience. Heliyon, 8(11). https://doi.org/10.1016/j.heliyon.2022.e11339
  • Wang, Z., Bi, Y., Lu, G., Zhang, X., Xu, X., Ning, Y., … Wang, A. (2024). Monitoring forest diversity under Moso bamboo invasion: A random forest approach. Forests, 15(2), 318. https://doi.org/10.3390/f15020318
  • Xu, W., Yu, Q., & Proverbs, D. (2023). Evaluation of factors found to influence urban flood resilience in China. Water, 15(10), 1887. https://doi.org/10.3390/w15101887
  • Zevenbergen, C., Gersonius, B., & Radhakrishan, M. (2020). Flood resilience. Philosophical Transactions of the Royal Society A, 378(2168), 20190212. https://doi.org/10.1098/rsta.2019.0212
  • Zhang, Y., Zhang, Y., Du, B., Zhang, C., Guo, X., & Tu, W. (2022). Parallel discriminative subspace for city target detection from high dimension images. GeoInformatica, 26(2), 299–322. https://doi.org/10.1007/s10707-020-00461-x

 

آمار
تعداد مشاهده مقاله: 131
تعداد دریافت فایل اصل مقاله: 64





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب