Disaster Prevention and Management Knowledge

fa تحلیل الگوی پراکنش فضایی آسیب به زیرساختها در اثر وقوع سیلاب در سطح دهستانهای شهرستان بابل Spatial Pattern Analysis of Flood Damage to Infrastructure in the Rural Districts of Babol County تخصصي Special پژوهشي Research چکیده زمینه و هدف: سیلابها تهدیدی جدی برای زیرساخت‌های حیاتی به‌ویژه در مناطق با ویژگی‌های هیدرولوژیکی و توپوگرافیکی پیچیده میباشد. شهرستان بابل بدلیل تنوع ساختارهای ژئومورفولوژیکی، توپوگرافیکی و همچنین وجود انواع سیستم‌های رودخانه‌ای، در معرض آسیب‌های سیلابی به زیرساخت‌های حمل‌ و نقل و ابنیه فنی قرار دارد. هدف این پژوهش، بررسی الگوهای فضایی توزیع و پراکندگی آسیب‌های سیلابی در انواع زیرساخت‌ها نظیر راه‌ها، پل‌ها و ابنیه فنی در دهستان‌های این شهرستان است تا ارزیابی هدفمند خطر و اولویت‌بندی مداخلات مدیریتی تسهیل شود. روش: بدین منظور، یک چارچوب تحلیلی آماری- فضایی با استفاده از روشهای تخمین تراکم کرنل (KDE) و تحلیل نقاط حاد با آماره Getis-Ord Gi* مورد استفاده قرار گرفت. در این زمینه، روش KDE برای نمایش نواحی با تمرکز بالای آسیب و تولید سطوح پیوسته تراکم به تفکیک انواع زیرساختها استفاده شد. همچنین شاخص Getis-Ord Gi* به‌منظور ارزیابی معنی داری آماری خوشه‌بندی فضایی آسیب‌ها و شناسایی نقاط حاد (خوشه‌های با تراکم بالای آسیب) و نقاط سرد (خوشه‌های با تراکم پایین آسیب) با سطوح اطمینان مشخص، مورد استفاده قرار گرفت. این رویکرد ترکیبی، امکان نمایش بصری توزیع تراکم آسیبها و اعتبارسنجی آماری الگوهای فضایی آسیب به تاسیسات زیربنایی را فراهم میآورد. یافته ها: نتایج تحلیل‌های آمار فضایی استفاده شده نشان‌دهنده شکلگیری خوشه‌بندی غیرتصادفی و از نظر آماری معنادار آسیب‌های زیرساختی در دهستانهای شهرستان بابل میباشد. در این راستا، KDE تراکم بالای آسیب به شبکه راه‌ها را در دهستانهای خوش‌رود و سجادرود بهترتیب با مقادیر 36/3 و 84/1 در هر کیلومتر مربع نشان میدهد. همچنین، تراکم بالای آسیب پل‌ها در دهستانهای خوش‌رود، سجادرود و درازکلا با مقدار میانگین 99/0 و تراکم آسیب ابنیه فنی در دهستانهای درازکلا و سجادرود با مقدار میانگین 53/0 مشاهده شده است. علاوه بر این، نتایج تحلیل نقاط حاد، دهستان‌های خوش‌رود و سجادرود را با سطوح اطمینان 99% و 95% به‌عنوان نقاط حاد و خوشههای فضایی تمرکز آسیبها به انواع زیرساختها شناسایی کرد. در مقابل، در روش تحلیل نقاط حاد، دهستانهای واقع در شمال و جنوب شهرستان بابل به‌عنوان نقاط سرد و با تراکم آسیب پایین به زیرساختها شناسایی شدند. نتیجه گیری: الگوهای فضایی آسیب به زیرساختها در اثر وقوع سیلاب در شهرستان بابل، تمرکز شدیدی را در دهستان‌های خوش‌رود و سجادرود به‌عنوان کانون‌های اصلی آسیب‌پذیری زیرساختی نشان می‌دهد. نتایج حاصل از KDE و تحلیل نقاط حاد، ضرورت اولویت‌بندی مداخلات مدیریتی، تخصیص منابع برای مقاوم‌سازی و بهبود تاب‌آوری در این مناطق را برجسته می‌سازد. این یافته‌ها مبنایی علمی برای برنامه‌ریزی هدفمند کاهش خطر سیلاب و افزایش ایمنی زیرساخت‌ها در برابر انواع مخاطرات محیطی فراهم می‌کند.   Abstract Background and Objective: Flooding poses a significant threat to infrastructure, particularly in regions with complex hydrological and topographical characteristics. The Babol county, characterized by its diverse elevation and proximity to riverine systems, is susceptible to flood-induced damage to its transportation and engineering structures. This study aimed to investigate the spatial patterns and density of flood damage across various infrastructure types (roads, bridges, and technical structures) within the rural districts of Babol county. Understanding these spatial distributions is crucial for developing targeted risk assessment and mitigation strategies, prioritizing emergency response, and informing future infrastructure planning. Method: A spatial analytical framework was employed to examine the distribution and clustering of flood‑induced infrastructure damage. Kernel Density Estimation (KDE) was applied to generate continuous density surfaces and identify areas with high concentrations of damage to roads, bridges, and technical structures. To statistically assess clustering patterns, Hot Spot Analysis using the Getis‑Ord Gi* statistic was conducted, allowing identification of significant hot and cold spots based on z‑scores and p‑values. The combined application of KDE and Getis‑Ord-Gi* enabled both visualization and statistical validation of spatial concentration patterns within the study area. Findings: The spatial analyses revealed pronounced and non‑random clustering patterns in flood‑related infrastructure damage across the rural districs of Babol county. Kernel Density Estimation (KDE) showed that damage intensity was highly concentrated in specific rural districts. The highest density of road damage occurred in Khosh Rud (36.3 per km²), followed by Sajarud (18.4 per km²), indicating strong localized accumulation of damage events. For bridge damage, Khosh Rud, Sajarud, and Drazkola recorded the greatest densities (0.99 per km²). Similarly, the density of damage to technical structures was highest in Drazkola and Sajarud (0.53 per km²), with notable secondary concentrations in Khosh Rud and Babol Kenar (0.32 per km²). Hot Spot Analysis using the Getis‑Ord Gi* statistic confirmed these spatial patterns by identifying statistically significant high‑value clusters. Khosh Rud and Sajarud consistently emerged as 99% and 95% confidence hot spots across multiple infrastructure categories, indicating that the intensity of observed damage in these districts is significantly higher than expected under a random spatial process. In contrast, several rural districts in the northern and southern parts of the county were identified as cold spots, exhibiting significantly lower levels of damage. Conclusion: The spatial analysis of flood damage density highlights specific rural districts (notably Khosh Rud and Sajarud) as critical vulnerability hotspots for infrastructure in Babol County. The consistent high damage concentration across roads, bridges, and technical structures in these areas underscores the need for prioritized interventions. These findings provide a crucial foundation for developing targeted flood risk management and mitigation plans. Focusing resources on these identified hotspots for emergency response, retrofitting, and resilient infrastructure design can significantly enhance the overall safety and functionality of the region’s infrastructure networks against future flood events.   کلید واژه: سیلاب, سیستم اطلاعات جغرافیایی, تراکم کرنل, تحلیل نقاط حاد, بابل Key words: Flood, Geographic Information System, Kernel Density, Hot Spot Analysis, Babol 0 0 http://dpmk.ir/browse.php?a_code=A-10-768-2&slc_lang=fa&sid=1 Jalal Samia جلال سمیعا j.samia@umz.ac.ir 10031947532846008417 10031947532846008417 Yes University of Mazandaran دانشگاه مازندران Mousa Heidari Rami موسی حیدری رمی m.heydari602@umail.umz.ac.ir 10031947532846008418 10031947532846008418 No University of Mazandaran دانشگاه مازندران