مقدمه
طی دهه‌های گذشته سیل به‌عنوان شایع‌ترین بلای طبیعی در سراسر جهان در نظر گرفته می‌شود که پیامدهای زیست محیطی و اجتماعی-اقتصادی زیادی را در دشت سیل زده به همراه داشته است (حیدری، 1392) که به‌طور فزاینده‌ای بر زندگی مردم و فعالیت‌های آن‌ها تأثیر می‌گذارد. در دهه‌های اخیر، جهان تحت تأثیر سیل‌های شدید قرار گرفته است (پینوس و کسادا-رومان، 2022). برخی از مرگبارترین سیل‌ها در چین (1887، 1931، 1935)، گواتمالا (1949)، بنگلادش (1974)، ونزوئلا (1999)، ایران (1954)، هند (2013)، ژاپن (1953)، و پرو (1941) رخ داده است (میلیمن و فارنزورث، 2011).
 براساس جغرافیای طبیعی کشور ایران، عدم توجه به اثرات سوء ناشی از سیلاب، می‌تواند خسارات جانی و مالی جبران‌ناپذیری را بر جای گذارد که در این میان رخداد سیلاب ناشی از بارش، یکی از چالش‌‌برانگیزترین موضوعات است (اصلانی و مهدی‌پور، 1394). این بلایای طبیعی را می‌توان با استفاده از فناوری‌های مدرن و سیستم‌های اطلاعاتی به‌درستی رصد کرد (جوردان و همکاران، 2018). سیستم‌ اطلاعات جغرافیایی (GIS)، سنجش از دور (RS) و تجزیه‌وتحلیل تصمیم‌گیری چند معیاره، تکنیک‌ها و روش‌هایی را برای حل مسائل پیچیده پیشنهاد می‌کنند که معیارهای آن‌ها اغلب قابل‌مقایسه نیستند (پهلوانی و همکاران، 2017). 
سیل به‌عنوان یک مخاطره ژئومورفیک، افزایش ناگهانی در میزان آب است که مقدار آن بیش از ظرفیت کانال رودخانه است. این افزایش ناگهانی در مقدار آب، طغیانی شدن رودخانه را به دنبال دارد که باعث می‌شود آب از بستر اصلی خود خارج شده و در دشت‌های سیلابی و زمین‌های اطراف رودخانه جریان پیدا کند. خروج آب از بستر اصلی و جریان یافتن آن در زمین‌های اطراف باعث وارد آمدن خسارات زیادی به مناطق مسکونی و زمین‌های کشاورزی شده و سلامت مردم را به خطر می‌اندازد (رضائی‌مقدم و همکاران، 1399). پهنه‌بندی خطر سیل یک فرآیند مهم در مدیریت منابع آب و پیشگیری از آسیب‌های ناشی از سیل است. این فرآیند شامل شناسایی مناطق مستعد سیل و ارزیابی خطرات مرتبط با آن می‌شود تا بتوان برنامه‌ریزی‌های مناسب برای کاهش آسیب‌ها و افزایش تاب‌آوری جوامع انجام داد. روش شاخص خطر سیل (FHI) یک ابزار کاربردی و سیستماتیک برای ارزیابی و مدیریت خطرات ناشی از سیل است. این روش به تصمیم‌گیران کمک می‌کند تا مناطق با ریسک بالای سیل را شناسایی کنند و اقدامات پیشگیرانه و مدیریتی مناسب را طراحی کنند.
درارتباط‌با موضوع و روش پژوهش، تحقیقات مرتبط در ایران انجام شده است که می‌توان پژوهش‌های (عابدینی و فتحی، 1394؛ قربان‌زاده و همکاران، 1396؛ عزیزی و همکاران، 1400؛ اسفندیاری درآباد و همکاران،1400؛ میرزایی و همکاران، 1404) را نام برد. 
حاتمی‌نژاد و همکاران (1396) با استفاده از روش فرآیند تحلیل سلسله مراتبی (AHP) و 11 شاخص شامل آبخوان‌ها، اقلیم، پوشش گیاهی، ارتفاع، خاک‌شناسی، فاصله از شبکه آبراهه‌ها، سازند‌های زمین‌شناسی، کاربری اراضی، تبخیر، بارش و دما، با استفاده از سیستم اطلاعات جغرافیایی به پهنه‌بندی ریسک سیل در شهرستان ایذه پرداختند. نتایج نشان داد حدود 60 درصد از منطقه موردمطالعه در خطر سیل‌گیری خیلی‌زیاد و زیاد واقع شده است. نجفی و کریمی‌کردابادی (1399)، به ارزیابی و پهنه‌بندی خطر سیلاب با استفاده از مدل ترکیبی AHP- FUZZY با تأکید بر امنیت شهری پرداختند. نتاﻳﺞ پژوهش ﻧﺸﺎن داد پهنه‌های خطر خیلی کم، خطر کم و متوسط در شمال و مرکز محدوده مورد مطالعه قرار دارند و پهنه‌های خطر خیلی زیاد و زیاد، منطبق بر نقاط خروجی حوزه‌ها و در محدوده شهری منطقه قرار دارند.
حسینی (1400) با استفاده از روش‌ تحلیل سلسله‌مراتبی و شاخص‌های مؤثر بر سیلاب شامل شیب، شماره‌ منحنی، فاصله از رودخانه، توان فرسایش آبراه، شاخص رطوبت پستی‌بلندی، جهت شیب، بارندگی و ارتفاع به پهنه‌بندی سیلاب در آبریز عموقین، استان اردبیل پرداخته شد. نتایج آن نشان داد 64 درصد از منطقه سیل‌خیزی بالایی دارد. در تحقیقی دیگر حبیب‌ نژاد روشن و همکاران (1402) با مدل AHP و شاخص‌های مؤثر بر سیلاب به شناسایی مناطق با سیل‌خیزی بالا در حوزه آبریز کارون پرداختند. نتایج نشان داد حدود 10 درصد از حوزه در منطقه با سیل‌خیزی زیاد و خیلی زیاد واقع شده است. 
حسینی و همکاران (1402) در حوضه آبریز هامون- جازموریان با مدل فازی و AHP و 13شاخص مؤثر بر سیل شامل ارتفاع، شیب، جهت شیب، انحنای توپوگرافی، تراکم زهکشی، فاصله از آبراهه، زمین‏شناسی، پوشش گیاهی، کاربری اراضی، بارندگی، شاخص رطوبت توپوگرافی، شاخص قدرت جریان و نوع خاک به ارزیابی مخازرات سیل پرداختند. نتایج تجزیه‌وتحلیل‌ها نشان داد مناطق مخاطره‌آمیز در نزدیک آبرهه‌های اصلی واقع شده است. 
دانش‌پرور و همکاران (2021) با استفاده فرآیند تحلیل سلسله مراتبی (AHP) و فرآیند شبکه تحلیلی (ANP) به پهنه‌بندی خطرات سیل حوزه سد سبلان در استان اردبیلپرداختند. نتایج نشان داد در هر دو روش عوامل ارتفاع و شیب بیشترین تأثیر و تعداد منحنی و فاصله تا عوامل رودخانه کمترین اثر داشت. همچنین حسن‌لو و همکاران (2019) در شهرستان مانه و سملقان در استان خراسان‌شمالی به پهنه‎بندی خطر سیلاب پرداختند.
نیارکو (2000) جهت تعیین مناطق خطر سیل در آکرا و اطراف آن (از بوتیانور تا ساکومو و جیمز تاون تا اویاریفا امتداد دارد)، یک مدل هیدرولوژیکی (مدل منطقی اصلاح‌شده) با روش عملیات همپوشانی حسابی در نرم‌افزار GIS ادغام کرد. نتایج نشان داد منطقه پرخطر سیل 35/66 درصد و منطقه کم‌خطر 26/85 درصد را دربر گرفت. سامانتا و همکاران (2016) با استفاده از رویکرد تصمیم‌گیری چند معیاره (MCDA) به تجزیه‌وتحلیل خطر سیل در بخش پایینی رودخانه مارکهام در استان موروب، پاپوآ گینه نو پرداختند. نتایج نشان داد MCDA در تکنیک‌های GIS در تجزیه‌وتحلیل دقیق و قابل‌اعتماد خطر سیل و نقشه‌برداری بسیار مفید است. سیجتا و همکاران (2017) با استفاده تحلیل مکانی در محیط GIS با استفاده از فرایند تحلیل سلسله مراتبی (AHP) به ارزیابی مناطق مخاطره‌آمیز سیل در استان سوکوتای تایلند پرداختند. نتایج آن نشان داد مناطق موانگ، کنگکریلات، خریمت و سیسامرونگ به‌عنوان مناطق پرخطر سیل شناخته شدند. 
اکوگدالی و همکاران (2018) با استفاده از مدل WMS و FHI به نقشه‌برداری سیل حوزه الماله واقع در جنوب شرقی مراکش پرداختند. نتایج آن نشان داد مدل WMS به ما این امکان را می‌دهد تا مناطق خطر سیل را با ارتفاع دقیق سیل در سطوح مختلف به‌طور دقیق نقشه‌برداری کنیم، تنها برای بخش کوچکی از حوزه واقع در پایین دست ایستگاه هیدرولوژیکی قابل‌استفاده بود. اسوین و همکاران (2020) در تحقیقی با استفاده از فرآیند تحلیل سلسله مراتبی (AHP) و سیستم اطلاعات جغرافیایی (GIS) و سنجش از راه دور (RS) و نرم‌افزارGoogle Earth Engine به بررسی منطقه سیل‌خیز بیهار، هندپرداختند. نتایج نشان داد بیشترین و کمترین شاخص سیل‌زایی به‌ترتیب عوامل هیدرولوژیکی (0/497) و انسانی (0/037) تعلق گرفت و حدود 12 درصد از منطقه دارای حساسیت سیلابی بسیار پایینی و حدود 40/36 درصد از منطقه دارای حساست به سیل زیاد تا بسیار زیاد بوده است. 
کاریمبالیس و همکاران (2021) با استفاده از تجزیه‌وتحلیل تصمیم‌گیری چند معیاره (MCDA) و سیستم اطلاعات جغرافیایی به پهنه‌بندی خطرات سیل در حوزه آبریز مگالو رما واقع در شرق آتیکاپرداختند. نتایج حاکی از آن است حدود 22/7 درصد از کل مساحت حوزه آبریز متعلق به منطقه پرخطر سیل و حدود 15درصد از حوزه، در معرض خطر سیل بسیار زیاد واقع شده بود. ایکیری و همکاران (2022) به پهنه‌بندی سیلاب با استفاده از روش شاخص خطر سیل (FHI) در محیط سیستم‌های اطلاعات جغرافیایی GIS براساس تحلیل چند معیاره و با در نظر گرفتن هفت پارامتردر حوزه تاگنیت، واقع در جنوب مراکش پرداختند. نتایج نشان داد حدود 67/28 درصد در مناطق با ریسک بسیار زیاد، زیاد و حدود 40 درصد در مناطق ریسک پایین‌تر و بسیار پایین‌تر واقع شده‌اند. مطالعات مذکور، مؤید استفاده و به‌کارگیری روش (AHP) و تحلیل تصمیم‌گیری چندمعیاره (MCDA) و سیستم اطلاعات جغرافیایی (GIS) در شناسایی مناطق مستعد سیل را نشان می‌دهند. این مطالعات به‌طورکلی اهمیت ایجاد نقشه‌های خطر سیلاب برای مدیریت و کاهش خسارات سیلابی را تأکید می‌کنند.
حوزه آبریز سیمره در جنوب غربی کشور واقع شده است و به‌صورت متناوب درگیر بارش‌های شدید است و از لحاظ توپوگرافی هم از نواحی مستعد سیل است. این حوزه در استان ایلام در سال‌های1394، 1395، 1397و 1398 دچار سیل شد. خسارت زیادی به زیرساخت‌ها و مناطق مسکونی روستایی وارد شد. لومار به‌عنوان بخشی از حوزه آبریز سیمره، با چالش‌های اقلیمی ازجمله بارش‌های شدید و افزایش دما مواجه است. این تغییرات می‌تواند تأثیرات قابل‌توجهی بر زندگی ساکنان محلی، کشاورزی و زیرساخت‌ها داشته باشد. بنابراین برنامه‌ریزی برای مدیریت منابع آب و کاهش خطرات ناشی از سیل‌های ناگهانی در این منطقه ضروری است. هدف اصلی این پژوهش، شناسایی مناطق آسیب‌پذیر در زیرحوزه آبریز لومار سیمره و ارائه یک نقشه خطر سیلابی جامع است که از روش شاخص خطر سیلاب (FHI) و تحلیل تصمیم‌گیری چندمعیاره برای اولین بار در این حوزه استفاده شده است، زیرا ترکیب FHI با MCDA برای شرایط جغرافیایی و اقلیمی خاص منطقه طراحی شده است. تاریخچه سیل‌های شدید در سال‌های 1394 و 1398 که خسارات فراوانی را به همراه داشتند، نشان‌دهنده اهمیت این پژوهش است. این پژوهش با تأکید بر حوزه آبریز لومار، نیازهای خاص این منطقه را پوشش می‌دهد و به کاربردهای عملی و نتایج مناسبی در زمینه مدیریت خطر سیل می‌پردازد.

روش

معرفی محدوده موردمطالعه
حوزه آبریز سیمره یکی از سر شاخه‌های پایاب رودخانه کرخه است که در جنوب غرب کشور و در سلسله جبال زاگرس واقع شده است. از مناطق مهم منطقه موردمطالعه، می‌توان شهرک ولیعصر، شهرک لومار و کلم نام برد. منطقه موردمطالعه به مساحت ۱۱۳۱کیلومتر مربع بخشی از حوزه آبریز سیمره است که از نقطه تلاقی رودخانه سیمره و چرداول در شمال شهرک لومار آغاز شده و در جنوب به سد سیمره منتهی می‌شود (تصویر شماره 1). میانگین بارندگی و دمای بلندمدت سالانه ایستگاه لومار به‌ترتیب 412/8 میلی‌متر و 20/9 سانتی‌گراد است. 



شاخص خطر سیل (FHI) برای شناسایی مناطق آسیب‌پذیر خطر سیل در نظر گرفته شده است. (FHI) براساس تجزیه‌وتحلیل تصمیم‌گیری چند معیاره فرآیند تحلیل سلسله مراتبی (AHP) است که سهم وزن 8 پارامتر هیدروژئومورفو-اقلیمی را در نظر می‌گیرد. عواملی مانند ارتفاع)، بارندگی، شیب، تراکم شبکه زهکشی (DND)، فاصله از رودخانه‌ها (DFR)، پوشش گیاهی، کاربری زمین و زمین‌شناسی (عابدینی و فتحی، 1394). انتخاب این عوامل از لحاظ نظری براساس ارتباط آن‌ها با خطر سیل است (تصویر شماره 2). نقشه نهایی خطر سیل‌خیزی بر پایه ترکیبی از عوامل و عناصر اقلیمی و فیزیکی تهیه شد (اسفندیاری درآباد و همکاران، 1400). 



فاصله از رودخانه
به‌طورکلی، منطقه‎ای که نزدیک به رودخانه‎ها است، در هر دو حالت سیل معمولی و سیلاب ناگهانی در حوزه رودخانه بیشتر مستعد سیل است، زیرا آب از ارتفاعات بالاتر جریان می‌یابد و در ارتفاعات پایین‌تر تجمع می‌یابد. نواحی نزدیک به سایر آب‌های زمینی مانند حوضچه‌ها، سدها و دریاچه‌ها نیز احتمالاً در صورت بارندگی‌های شدید دچار سیل می‌شوند (2014، ریجر). طبقه‌بندی «فاصله از رودخانه‌ها» با استفاده از ابزار «فاصله اقلیدسی» در محیط نرم‌افزار ArcGIS و با استفاده از از نقشه توپوگرافی رقومی1:50000 برآورد و انجام شد. در تصویر شماره 3 نقشه آن نمایش داده شده است.



ارتفاع
 ارتفاع نقش مؤثری در گسترش و عمق سیل در حوزه پایین‌ دست دارد (استیگلیتز و همکاران، 1997). نقشه ارتفاعی منطقه موردمطالعه با استفاده از مدل رقومی ارتفاعی (DEM) با وضوح 30 متر×30 متر در محیط نرم افزار ArcGIS برآورد شد. در تصویر شماره 3 نقشه آن نمایش داده شده است و بیشترین ارتفاع در شمال غربی منطقه است.

شیب
 شیب یک شاخص مهم از یک ناحیه سطحی است که به‌شدت مستعد سیل است (رگمی و همکاران، 2010). ارتفاع و شیب تندتر نشان‌دهنده تأثیر توپوگرافی بر سیل است (کای و همکاران، 2021). آب از ارتفاعات به سمت مناطق پایین‌تر جریان می‌یابد، بنابراین شیب بر میزان رواناب سطحی و نفوذ تأثیر می‌گذارد (رضوی ترمه و همکاران، 1396). نقشه شیب به‌صورت درجه با استفاده از DEM منطقه موردمطالعه تهیه شده است. در تصویر شماره 3 نقشه آن نمایش داده شده است و بیشترین میزان شیب در غرب منطقه است.
 
کاربری زمین 
کاربری اراضی به‌طور مستقیم یا غیرمستقیم بر برخی عوامل هیدرولوژیکی مانند تولید رواناب، نفوذ و تبخیر و تعرق تأثیر می‌گذارند (رحمتی و همکاران، 1394). تغییرات کاربری و پوشش اراضی تأثیر مستقیمی بر تغییر رژیم هیدرولوژیکی حوضه دارد. به‌عبارتی می‌تواند با افزایش سطوح زمین‌های بایر و کاربری‌های مشابه آن باعث سیل‌خیزی حوضه شده، با افزایش سطوح کاربری باغ و کاربری‌های مشابه آن باعث مصرف و نفوذ بیشتر آب شود و بر کاهش دبی، نقش مؤثری داشته باشد (اسفندیاری درآباد و همکاران، 1400) به نقل از (رضایی مقدم و همکاران،1393) در این پژوهش برای تهیه نقشه کاربری اراضی از تصاویر ماهوره‌ای لندست 8 (در سال 2021) با استفاده از نرم‌افزار ArcGIS و طبقه‌بندی نظارت‌شده استخراج شده است. برای این مطالعه انواع کاربری زمین بسته به نوع کاربری به پنج دسته مختلف تقسیم شدند.

پوشش گیاهی
 با استفاده از تصاویر ماهواره‌ای لندست 8 نقشه پوشش گیاهی در محیط نرم‌افزار ArcGIS تهیه شد که به مناطق پوشش گیاهی و غیرپوشش گیاهی طبقه‌بندی شد. 

بارندگی
 بارندگی یکی از مهم‌ترین عوامل مؤثر بر شدت سیل است (آدیات و همکاران، 2012). بارندگی منبع اصلی رواناب سطحی است. شدت و حجم تخلیه کانال تا حد زیادی توسط بارندگی کنترل می‌شود (هادیان و همکاران، 1400). در این مطالعه از داده‌های هواشناسی20 ساله (1381-1401) از ایستگاه‌های سینوپتیک سرابله و لومار استفاده شد. در تصویر شماره 3 نقشه آن نمایش داده شده و بیشترین بارندگی در غرب منطقه است.

فاصله از شبکه زهکشی
رابطه بین تراکم زهکشی و رواناب سیلاب نشان می‌دهد رواناب سیلاب به‌طور مستقیم با مربع تراکم زهکشی تغییر می‌کند. تراکم زهکشی به‌عنوان نسبت طول شبکه زهکشی (برحسب کیلومتر) به مساحت حوزه (برحسب کیلومتر مربع) تعریف می‌شود. به‌عبارت‌دیگر، هرچه تراکم زهکشی بیشتر باشد، میزان رواناب سیلاب نیز به‌طور قابل‌توجهی افزایش می‌یابد (کارلستون، 1963). نقشه تراکم شبکه زهکشی با استفاده از نقشه توپوگرافی رقومی1:50000 سازمان نقشه‌برداری کشور تهیه گردید (آزاد طلب و همکاران، 1399). برای این مطالعه انواع تراکم زهکشی به پنج دسته مختلف تقسیم شد که منطبق بر شبکه‌های زهکشی و مناطق مجاور آن‌ها است.
 
زمین‌شناسی
 از نقشه زمین‌شناسی 1:100000 سازمان زمین‌شناسی کشور استفاده گردید. زمین‌شناسی منطقه باتوجه‌به ویژگی‌های منطقه به 10 کلاس طبقه‌بندی شد که امتیاز هر کلاس براساس نظر کارشناسان ارزیابی شد. هریک از هشت عامل براساس میزان تأثیر بر خطر سیل، طبقه‌بندی شدند. مقادیر هر طبقه براساس نظرات کارشناسان تعیین شد. 

وزن نسبی عوامل 
وزن عوامل اعمال‌شده در زیر حوزه لومار سیمره با استفاده از مدل AHP تعیین شد. فرایند تحلیل سلسله مراتبی (AHP) یکی از جامع‌ترین سیستم‌های طراحی‌شده برای تصمیم‌گیری با معیارهای چندگانه است، زیرا این تکنیک امکان فرموله کردن مسئله را به‌صورت سلسله مراتبی فراهم می‌کند و همچنین امکان در نظر گرفتن معیارهای مختلف کمی و کیفی را در مسئله دارد (قربان‌زاده و همکاران، 1396). این تکنیک به تجزیه‌و‌تحلیل و وزن‌دهی به پارامترها می‌پردازد و به پژوهشگران کمک می‌کند تا تصمیم‌گیری‌های بهتری در هنگام مدیریت سیل انجام دهند. این روش مبتنی بر مقایسه‌های زوجی است و امکان ارزیابی نسبی و اولویت‌بندی گزینه‌ها را فراهم می‌کند (کاماروزامان و همکاران، 2018؛ چن، 2016). مراحل AHPشامل موارد تعریف مشکل و هدف، ساخت سلسله ‌مراتب، مقایسات زوجی، محاسبه وزن‌ها، تحلیل سازگاری و درنهایت، گزینه با بالاترین امتیاز براساس وزن‌ها (انتخاب بهترین گزینه) انتخاب می‌شود. اساساً از روش مقایسه زوجی AHP برای تعیین وزن معیارها و زیرمعیارهای اصلی استفاده می‌شود. این روش به همه تصمیم‌گیران کمک می‌کند تا نظرات خود را بررسی و معیارهای پیچیده را رتبه‌بندی کنند (اکرام و همکارن، 2020). 
ماتریس اعمال‌شده به ابعاد8×8 است و عناصر مورب برابر با 1 هستند. فاکتورها به‌صورت سلسله مراتبی در جدول شماره 1 ساختار یافته‌اند.



وزن‌های نرمال‌شده برای عوامل سیل در جدول شماره 2 ارائه شده است. میانگین ردیف‌های ماتریس نرمال‌شده نشان‌دهنده وزن مربوطه هر عامل است. بارش و پوشش گیاهی و شیب و کاربری اراضی به‌ترتیب به‌عنوان مرتبط‌ترین عامل در شاخص FHI شناخته شدند. 



دو آزمون اصلی سازگاری AHP وجود دارد: یکی آزمون شاخص سازگاری (CI) و دیگری آزمون نسبت سازگاری (CR).

(1) تست CI
 CI به معنای (λmax-n)/(n-1) است که هرچه مقدار λmax به n نزدیک‌تر باشد، قوام بهتر و مقدار CI کوچک‌تر است.

(2) تست CR
CR به معنای CI/RI است که در آن RI یک شاخص سازگاری و تصادفی است که به‌طور تصادفی یک ماتریس متقابل ایجاد می‌کند و تحت تأثیر ترتیب قرار می‌گیرد. وقتی مرتبه n بزرگ‌تر باشد، مقدار افزایش می‌یابد. زمانی که مقدار CR برابر یا کمتر از 1/0 باشد، ثبات این ماتریس قابل‌قبول است (جدول شماره 3) (چن، 2020).



برای هشت عامل، حداکثر مقدار ماتریس مقایسه (λmax) 897/8 و نسبت سازگاری 0/09، شاخص تصادفی 1/41 است. ازآنجایی‌که مقدار 09/0=CR که کمتر از آستانه (0/1) است، ثبات وزن‌ها ثابت است هشت عامل انتخاب‌شده به‌صورت خطی با وزن آن‌ها روی هم قرار گرفتند قبلاً محاسبه شده است. شاخص خطر سیل با استفاده از فرمول شماره 1 محاسبه شد.

1.
FHI=[0/172 × (بارش)] + [0/224×(شیب)] + [142/ 0× (کاربری اراضی)] + [0/075 × (زمین‌شناسی)] + [0/092 × (تراکم شبکه زهکشی)] + [0/101 × (فاصله از رودخانه)] + [0/171 × (پوشش گیاهی)] + [0/021 × (ارتفاع)]

یافته‌ها

تجزیه‌وتحلیل شاخص خطر سیل (FHI)
در ادامه در تصویر شماره 4 نقشه خطر سیل در زیر حوزه لومار سیمره آورده شده است.



نقشه خطر سیلاب زیر حوزه لومار سیمره به پنج کلاس متفاوت از خیلی کم تا خیلی زیاد (تصویر شماره 4) تعریف شد. زیرحوزه لومار به درجات مختلف خطر سیل از 15/53 درصد (خطر بسیار بالا)، 21/15 درصد (خطر زیاد)، 25/48 درصد(خطر متوسط)، 22/30 درصد (خطر کم) و 15/53 درصد (خطر بسیار کم) براساس مدل AHP طبقه‌بندی شد (جداول شماره 4، 5).





بیشتر مناطق سیل‎خیز در سمت غرب حوزه واقع شده است. از 111 روستای موجود در حوزه سیمره 45 (40/5 درصد) روستا و 3 شهر در مناطق با ریسک سیل‌خیزی بالا و خیلی بالا واقع شده‌اند و جاده‌ها در بخش غربی حوزه در منطقه با خطر سیل‌خیزی بالا واقع شده‌اند و جاده‌ها در بخش غربی حوزه در منطقه با خطر سیل‌خیزی بالا واقع شده‌اند و اقدامات پیشنهادی برای آن‌ها ارائه گردید (تصویر شماره 5). نتایج این مطالعه باتوجه‌به اینکه، عوامل مهم (میانگین شیب، بارندگی سالانه، پوشش گیاهی و کاربری اراضی) بیشترین تأثیر را بر شدت سیل داشته باشند، با یافته‌های اگواروجه و همکاران هم‌راستا و تأیید می‌شود (اگواروجه و همکاران، 2018). 



بحث
این مطالعه با استفاده از تلفیق شاخص خطر سیل (FHI) و فرآیند تحلیل سلسله مراتبی (AHP) در محیط GIS، به پهنه‌بندی خطر سیل در زیرحوزه لومار سیمره پرداخت. نتایج این پژوهش نشان داد بیش از 60 درصد از سطح زیرحوزه لومار سیمره در کلاس‌های خطر متوسط تا بسیار بالا قرار دارد که این یافته با نتایج مطالعات مشابه در سایر نقاط ایران و جهان همخوانی دارد. حاتمی‌نژاد و همکاران (1396) در شهرستان ایذه نیز گزارش کردند که حدود 60 درصد از منطقه موردمطالعه در خطر سیل‌گیری خیلی‌زیاد و زیاد واقع شده است. این تشابه نشان‌دهنده الگوی مشترک آسیب‌پذیری در مناطق کوهستانی زاگرس است که ناشی از ویژگی‌های توپوگرافی، اقلیمی و هیدرولوژیکی مشابه هستند.
یافته‌های این مطالعه نشان داد بارش، شیب، پوشش گیاهی و کاربری اراضی به ترتیب مهم‌ترین عوامل مؤثر بر خطر سیلاب در منطقه هستند. این نتایج با یافته‌های اگواروجه و و همکاران (2018) که نقش کلیدی شیب، بارندگی و پوشش گیاهی را در افزایش پتانسیل سیل‌خیزی تأیید کردند، همسو است. همچنین حسینی (1400) نیز در حوزه آبریز عموقین به نتایج مشابهی دست یافته است. وزن بالای پارامتر شیب در این مطالعه قابل‌توجه است، زیرا شیب‌های تند در مناطق غربی و مرکزی حوزه باعث افزایش سرعت رواناب و کاهش زمان تمرکز می‌شود. کای و همکاران (2021) نیز تأکید کردند که ارتفاع و شیب تندتر نشان‌دهنده تأثیر قوی توپوگرافی بر وقوع سیل است.
تمرکز مناطق پرخطر در بخش‌های غربی و مرکزی حوزه با الگوی بارش، توپوگرافی و تراکم شبکه زهکشی مطابقت دارد. این یافته با نتایج کاریمبالیس و همکاران (2021) و همچنین پژوهش حسینی و همکاران (1402) در حوزه آبریز هامون-جازموریان که نشان دادند مناطق مخاطره‌آمیز در نزدیکی آبراهه‌های اصلی واقع شده‌اند، همخوانی دارد. واقع شدن 5/40 درصد از روستاها و سه شهر (لومار، سراب کلان و سیه‌سیه) در مناطق با ریسک بالا و بسیار بالا، نشان‌دهنده آسیب‌پذیری جدی سکونتگاه‌های انسانی است. این وضعیت با یافته‌های اسوین و همکاران (2020) در بیهار هند که 36/40 درصد از منطقه را دارای حساسیت سیلابی زیاد تا بسیار زیاد گزارش کردند، قابل‌مقایسه است. وزن قابل‌توجه پوشش گیاهی و کاربری اراضی در این مطالعه، اهمیت مدیریت اراضی را در کاهش خطر سیلاب نشان می‌دهد. 
رضایی‌مقدم و همکاران (1393) نیز نشان دادند تغییرات کاربری و پوشش اراضی تأثیر مستقیمی بر تغییر رژیم هیدرولوژیکی حوزه دارد. کاهش پوشش گیاهی و افزایش سطوح بایر باعث افزایش رواناب و سیل‌خیزی می‌شود. رحمتی و همکاران (2016) تأکید کردند که کاربری اراضی به‌طور مستقیم یا غیرمستقیم بر عوامل هیدرولوژیکی مانند تولید رواناب، نفوذ و تبخیر و تعرق تأثیر می‌گذارد. بنابراین، برنامه‌ریزی صحیح کاربری اراضی و افزایش پوشش گیاهی می‌تواند نقش مهمی در کاهش خطر سیلاب ایفا کند. افزایش فراوانی و شدت سیلاب‌ها در سال‌های اخیر (1394، 1395، 1397 و 1398) در منطقه لومار، با روند جهانی تغییرات اقلیمی همخوانی دارد. 
پینوس و کسادا-رومان ( 2022) گزارش کردند تغییرات اقلیمی باعث افزایش وقوع رویدادهای شدید بارندگی در سراسر جهان شده است. میانگین بارندگی سالانه 8/412 میلی‌متر در ایستگاه لومار، همراه با توپوگرافی پرشیب، شرایط مساعدی برای وقوع سیلاب‌های ناگهانی فراهم می‌کند.
ایکیری و همکاران (2022) در حوزه تاگنیت مراکش نیز از روش FHI استفاده کردند و نشان دادند این روش در شرایط کمبود داده‌های هیدرومتری، ابزاری کارآمد برای پهنه‌بندی خطر سیلاب است. اگرچه این مدل دارای محدودیت‌هایی است از جمله، نیاز به مجموعه داده‌ها با وضوح و دقت بالا که ممکن است در دسترس نباشند. همچنین بررسی عوامل اجتماعی، اقتصادی و فرهنگی در ارزیابی خطر در این مدل وجود ندارد. باوجوداین، اطلاعات به‌دست‌آمده از این مدل‌ می‌تواند به افزایش آگاهی عمومی در مورد خطرات سیل و نحوه مقابله با آن کمک کند. بنابراین بهتر است از مدل‌های مختلف دیگر، در پهنه‌بندی خطر سیل در حوزه‌های آبریز نیز استفاده کرد.
 نجفی و کریمی‌کردابادی (1399) از مدل ترکیبی AHP-FUZZY استفاده کردند که امکان در نظر گرفتن عدم قطعیت را فراهم می‌کند. حبیب‌نژاد روشن و همکاران (1402) نیز از مدل AHP استفاده کردند که روابط متقابل بین معیارها را بهتر مدل‌سازی می‌کند. با این حال، سادگی و قابلیت اجرای روش FHI در شرایط کمبود داده، آن را به ابزاری مناسب برای ارزیابی اولیه تبدیل می‌کند. ترکیب روش FHI با AHP در محیط GIS، ابزاری کارآمد برای پهنه‌بندی خطر سیلاب در شرایط کمبود داده است. بااین‌حال، برای بهبود دقت و جامعیت ارزیابی، پیشنهاد می‌شود در مطالعات آتی از روش‌های ترکیبی، مدل‌های هیدرولیکی و داده‌های هیدرومتری استفاده شود و عوامل اجتماعی-اقتصادی نیز در نظر گرفته شود.

نتیجه‌گیری 
پهنه‌بندی خطرات سیل در زیر حوزه لومار سیمره با استفاده از روش تحلیل چند معیاره شاخص خطر سیل (FHI)، تعیین محدوده مناطق در معرض خطر سیل را امکان‌پذیر کرده است که باید در برنامه‌های کاربری اراضی آینده مورد توجه قرار گیرد. بیش از 60 درصد از سطح زیر حوزه به‌عنوان منطقه‌ای با حساسیت متوسط تا بسیار بالا به سیل در نظر گرفته می‌شود، به‌ویژه در قسمت‌های مرکزی و غرب حوزه که در معرض تهدید سیل واقع شده است و 45 (40/5 درصد) روستا و 3 شهر در مناطق با ریسک سیل‌خیزی بالا و خیلی بالا واقع شده‌اند و جاده‌های بخش غربی حوزه در منطقه با خطر سیل‎خیزی بالا واقع شده است. حدود 37 درصد از سطح حوزه با سیل‌خیزی خیلی پایین و پایین که بیشتر جنوب شرقی و شمال حوزه را دربر می‌گیرد. عواملی که بیشتر بر این سیلاب‌ها تأثیر می‎گذارد، بارندگی و شیب زیاد و همچنین نبود پوشش گیاهی وکاربری اراضی است. همچنین می‌توان به عامل توپوگرافی باتوجه‌به وضعیت دره‌ها و تأثیر آن‌ها در گسترش سیلاب‌های حوزه اشاره کرد.

راهکارهای پیشنهادی
اجرای این راهکارها می‌تواند با کاهش خطرات احتمالی ناشی از سیلاب، به حفاظت از جوامع محلی و زیرساخت‌ها کمک کند.

جمع‌آوری داده‌های هیدرومتری
 ایجاد ایستگاه‌های هیدرومتری برای جمع‌آوری داده‌های دقیق و به‌روز که به بهبود دقت مدل FHI کمک می‌کند.

تقویت برنامه‌ریزی کاربری اراضی
 استفاده از نتایج این مطالعه در طراحی و برنامه‌ریزی کاربری اراضی به‌ویژه در نواحی در معرض خطر به‌منظور کاهش آسیب‌ها.

افزایش پوشش گیاهی
 اجرای برنامه‌هایی برای افزایش پوشش گیاهی که می‌تواند به کاهش اثرات منفی بارش‌ها و سیلاب‌ها کمک کند.

آموزش و آگاهی‌بخشی
 برگزاری دوره‌های آموزشی برای جوامع محلی درباره خطرات سیل و تدابیر پیشگیرانه.

تحقیق و توسعه
سرمایه‌گذاری در تحقیقات بیشتر برای بهبود مدل‌های پیش‌بینی سیل و درک بهتر عوامل مؤثر بر رخداد آن.

برآورد خسارت‌های اقتصادی
 ارزیابی دقیق خسارت‌های اقتصادی ناشی از سیلاب‌ها برای برنامه‌ریزی بهتر و کاهش آسیب‌ها.

ملاحظات اخلاقی

پیروی از اصول اخلاق پژوهش
همه اصول اخلاقی پژوهش در این مقاله رعایت شده است. 

حامی مالی
این پژوهش هیچ‌گونه کمک مالی از سازمانی‌های دولتی، خصوصی و غیرانتفاعی دریافت نکرده است.

مشارکت نویسندگان
همه نویسندگان به‌طور یکسان در مفهوم و طراحی مطالعه، جمع‌آوری و تجزیه‌وتحلیل داده‌ها، تفسیر نتایج و تهیه پیش‌نویس مقاله مشارکت داشتند.

تعارض منافع
بنابر اظهار نویسندگان، این مقاله تعارض منافع ندارد.



 

Refrences
Abedini, M., & Fathi, M. H. (2015). [Flood Risk Mapping and Evaluation by using the Analytic Network Process Case Study: (Khiav Chai Catchment) (Persian)]. Journal of Hydrogeomorphology, 2(3), 99-120. [Link]
Adiat, K. A. N., Nawawi, M. N. M., & Abdullah, K. (2012). Assessing the accuracy of GIS-based elementary multi criteria decision analysis as a spatial prediction tool-a case of predicting potential zones of sustainable groundwater resources. Journal of Hydrology, 440-441, 75-89. [DOI:10.1016/j.jhydrol.2012.03.028]
Anonymus, A. (2007). Handbook on good practices for flood mapping in Europe. Excimap (European exchange circle on flood mapping). [Link]
Aslani, F., & Mehdipour, H. (2015). [Planning for flood risk reduction by using GIS Technique in Tehran Province (Persian)]. Disaster Prevention and Management Knowledge, 5(3), 173-185. [Link]
Azadtalab, M., Shahabi, H., Shirzadi, A. and Chapi, K. (2020). [Flood hazard mapping in Sanandaj using combined models of statistical index and evidential belief function (Persian)]. Motaleate Shahri, 9(36), 27-40. [Link]
Azizi, E., Mostafazadeh, R., Hazbavi, Z., Esmali Ouri, A., & Mirzaei S. (2021). [Introducing the Flood Vulnerability Index (FVI) as a flood crisis management tool (Persian)]. Disaster Prevention and Management Knowledge, 11 (2), 158-165. [Link]
Cai, S., Fan, J., & Yang, W. (2021). Flooding risk assessment and analysis based on GIS and the TFN-AHP method: A case study of Chongqing, China. Atmosphere, 12(5), 623. [DOI:10.3390/atmos12050623]
Carlston, C. W. (1963). Drainage density and streamflow. Washington, D.C: US Government Printing Office. [DOI:10.3133/pp422C]
Chen, C. H. (2016). Evaluative model of projects of landscape ecological planning-application of AHP method. Journal of Architecture and Planning, 17, 117-136. [Link]
Chen, C. H. (2020). A Novel Multi-Criteria Decision-Making Model for Building Material Supplier Selection Based on Entropy-AHP Weighted TOPSIS. Entropy (Basel, Switzerland), 22(2), 259. [DOI:10.3390/e22020259] [PMID]
Daneshparvar, B., Rasi Nezami, S., Feizi, A., & Aghlmand, R. (2022). Comparison of results of flood hazard zoning using AHP and ANP methods in GIS environment: A case study in Ardabil province, Iran. Journal of Applied Research in Water and Wastewater, 9(1), 1-7. [DOI:10.22126/arww.2022.6667.1218]
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. [DOI:10.4236/jwarp.2018.109056]
Eguaroje, O., Alaga, T., Ogbole, J., Omolere, S., Alwadood, J., & Kolawole, I., et al. (2015). Flood vulnerability assessment of Ibadan city, Oyo state, Nigeria. World Environment, 5(4), 149-159. [Link]
Esfandiary Darabad, F., Layeghi, S., Mostafazadeh, R., & Haji, K. (2021). [The zoning of flood risk potential in the Ghotorchay watershed with ANP and WLC multi-criteria decision making methods (Persian)]. Journal of Spatial Analysis Environmental Hazards, 8(2), 135-150. [Link]
Ghorbanzade, M., Azarakhshi, M., Mosaedi, A., & Rostami Khalaj, M. (2017). [Evaluation of the efficiency of Analytic Hierarchy Process (AHP) to specify the areas with urban flood risk potential, case study: the central part of Torbat Heydarieh (Persian)]. Physical Geography Research, 49(4), 645-656. [DOI:10.22059/jphgr.2018.231371.1007037]
Giordan, D., Notti, D., Villa, A., Zucca, F., Calò, F., & Pepe, A., et al. (2018). Low cost, multiscale and multi-sensor application for flooded area mapping. Natural Hazards and Earth System Sciences, 18(5), 1493-1516.‏ [Link]
Habibnejad Roshan, M., Shahedi, K., & Roshun, S. H. (2023). [Identification and prioritization of flooding areas using GIS-based analytical hierarchy process, case study: Karun Watershed (Persian)]. Watershed Engineering and Management, 15(3), 367-385. [DOI:10.22092/ijwmse.2022.356749.1929]
Hadian, S., Afzalimehr, H., Soltani, N., Tabarestani, E. S., Karakouzian, M., & Nazari-Sharabian, M. (2022). Determining flood zonation maps, using new ensembles of multi-criteria decision-making, bivariate statistics, and artificial neural network. Water, 14(11), 1721. [DOI:10.3390/w14111721]
Hasanloo, M., Pahlavani, P., & Bigdeli, B. (2019). Flood risk zonation using a multi-criterion spatial group fuzzy-AHP decision making and fuzzy overlay analysis. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 42, 455-460. [Link]
Hatami Nejad, H., Atashafrooz, N., & Arvin M. (2017). [Flood hazard zonation using multi-criteria analysis and GIS (case study: Izeh Township) (Persian)]. Disaster Prevention and Management Knowledge, 7(2), 44-57. [Link]
Heidari, A. (2014). Flood vulnerability of the K arun R iver S ystem and short-term mitigation measures. Journal of Flood Risk Management, 7(1), 65-80. [DOI:10.1111/jfr3.12032]
Hosseini, S. M., Mohamadi, S., Hassanzadeh, R., & Honarmand, M. (2023). [Assessment of flood risk using GIS and RS in the south of Kerman province (case study: Hamoon- Jazmoorian catchment) (Persian)]. Journal of Ecohydrology, 10(1), 33-47. [DOI:10.22059/ije.2023.354747.1712]
Hoseini, Y. (2021). [Assessing the flooding susceptibility in the amuqin watershed using the analytical hierarchy process method (Persian)]. Watershed Management Research, 34(2), 108-123. [DOI: 10.22092/wmej.2021.128834.1295]
Ikirri, M., Faik, F., Echogdali, F. Z., Antunes, I. M. H. R., Abioui, M., & Abdelrahman, K., et al. (2022). Flood hazard index application in arid catchments: Case of the taguenit wadi watershed, Lakhssas, Morocco. Land, 11(8), 1178. [DOI:10.3390/land11081178]
Ikram, M., Zhang, Q., & Sroufe, R. (2020). Developing integrated management systems using an AHP-Fuzzy VIKOR approach. Business Strategy and the Environment, 29(6), 2265-2283. [DOI:10.1002/bse.2501]
Kamaruzzaman, S. N., Lou, E. C. W., Wong, P. F., Wood, R., & Che-Ani, A. I. (2018). Developing weighting system for refurbishment building assessment scheme in Malaysia through analytic hierarchy process (AHP) approach. Energy Policy, 112, 280-290. [DOI:10.1016/j.enpol.2017.10.023]
Karymbalis, E., Andreou, M., Batzakis, D. V., Tsanakas, K., & Karalis, S. (2021). Integration of GIS-based multicriteria decision analysis and analytic hierarchy process for flood-hazard assessment in the megalo rema river catchment (East Attica, Greece). Sustainability, 13(18), 10232. [DOI:10.3390/su131810232]
Milliman, J. D., & Farnsworth, K. L. (2011). Appendices. Global river data base. In: River Discharge to the Coastal Ocean: A Global Synthesis. Cambridge: Cambridge University Press; 2011. [DOI:10.1017/CBO9780511781247.006]
Mirzaei, S., Sadoddin, A., Bahremand, A., Ownegh, M., & Mostafazadeh, R. (2025). [Direct-tangible costs in flood zones simulated using the HEC-RAS 2-D hydraulic model – the Arazkuseh River, Golestan Province (Persian)]. Water and Soil Management and Modelling, 5(1), 57-74. [DOI:10.22098/mmws.2024.14501.1410]
Najafi, E., & Karimi Kerdabadi, M. (2020). [Flood Risk Evaluation and Zoning using with AHP-Fuzzy Combined Model with Emphasis on Urban Safety (Case Study: Region 1 of Tehran Municipality) (Persian)]. Journal of Geography and Environmental Hazards, 9(2), 43-60. [DOI:10.22067/geo.v9i2.86110]
Nyarko, B. K. (2000). Flood risk zoning of Ghana: Accra experience. International Archives of Photogrammetry and Remote Sensing, XXXIII, 1039-1050. [Link]
Pahlavani, P., Sheikhian, H., & Bigdeli, B. (2017). Assessment of an air pollution monitoring network to generate urban air pollution maps using Shannon information index, fuzzy overlay, and Dempster-Shafer theory, A case study: Tehran, Iran. Atmospheric Environment, 167, 254-269.‏ [DOI:10.1016/j.atmosenv.2017.08.039]
Pinos, J., & Quesada-Román, A. (2022). Flood risk-related research trends in Latin America and the Caribbean. Water, 14(1), 10. [DOI:10.3390/w14010010]
Rahmati, O., Pourghasemi, H. R., & Zeinivand, H. (2016). Flood susceptibility mapping using frequency ratio and weights-of-evidence models in the Golastan Province, Iran. Geocarto International, 31(1), 42-70. [DOI:10.1080/10106049.2015.1041559]
Razavi Termeh, S. V., Kornejady, A., Pourghasemi, H. R., & Keesstra, S. (2018). Flood susceptibility mapping using novel ensembles of adaptive neuro fuzzy inference system and metaheuristic algorithms. The Science of The Total Environment, 615, 438–451.[DOI:10.1016/j.scitotenv.2017.09.262] [PMID]
Reager, J. T., Thomas, B. F., & Famiglietti, J. S. (2014). River basin flood potential inferred using GRACE gravity observations at several months lead time. Nature Geoscience, 7(8), 588-592. [DOI:10.1038/ngeo2203]
Regmi, N. R., Giardino, J. R., & Vitek, J. D. (2010). Modeling susceptibility to landslides using the weight of evidence approach: Western Colorado, USA. Geomorphology, 115(1-2), 172-187. [DOI:10.1016/j.geomorph.2009.10.002]
Rezayi Moghadam, M., Andaryani, S., Almaspour, F., Valizade, Kh., & Mokhtari, A. (2015). [Investigation Effects of Landuse and Land Cover Changes on Flooding and Runoff Disc Harge (Case Study: Alavyan Dam Basin) (Persian)]. Journal of Hydrogeomorphology, 1(1), 41-57. [Link]
Rezayi Moghadam, M. H., & Rahimpour,T. (2024). [Evaluating of Flood hazard potential using bivariate statistical analysis method (Case study: Aji Chai basin) (Persian)]. Quantitative Geomorphological Research, 12(4), 91-107. [Link]
Samanta, S., Koloa, C., Kumar Pal, D., & Palsamanta, B. (2016). Flood risk analysis in lower part of Markham River based on a multi-criteria decision approach (MCDA). Hydrology, 3(3), 29. [DOI:10.3390/hydrology3030029]
Seejata, K., Yodying, A., Wongthadam, T., Mahavik, N., & Tantanee, S. (2018). Assessment of flood hazard areas using analytical hierarchy process over the Lower Yom Basin, Sukhothai Province. Procedia Engineering, 212, 340-347. [DOI:10.1016/j.proeng.2018.01.044]
Stieglitz, M., Rind, D., Famiglietti, J., & Rosenzweig, C. (1997). An efficient approach to modeling the topographic control of surface hydrology for regional and global climate modeling. Journal of Climate, 10(1), 118-137. [DOI:10.1175/1520-0442(1997)010<0118:AEATMT>2.0.CO;2]
Swain, K. C., Singha, C., & Nayak, L. (2020). Flood susceptibility mapping through the GIS-AHP technique using the cloud. ISPRS International Journal of Geo-Information, 9(12), 720. [DOI:10.3390/ijgi9120720]