مقدمه
سیلاب یکی از شایع‌ترین و خطرناک‌ترین بلایای طبیعی در سراسر جهان به شمار می‌آید. فهم عمیق‌تر از پدیده خطر سیل و پیامدهای بالقوه آن برای جامعه به‌عنوان معیاری اساسی برای توسعه سیاست‌های مؤثر در مدیریت سیلاب، پروژه‌های کاهش ریسک و سایر استراتژی‌های مرتبط با مدیریت سیلاب محسوب می‌شود (آمری و بریتا، 2022). در طول زمان، ضرورت حفاظت در برابر سیلاب و اعتقاد به توانایی و قابلیت‌های انسان‌ها در کنترل آن، به‌طور فزاینده‌ای موجب تغییر در دیدگاه کنترل و مهار سیلاب شده است. بااین‌حال، در اوایل قرن بیستم، مفاهیم مدرن مدیریت ریسک سیلاب شروع به ظهور کردند. با توسعه تحقیقات و افزایش تلفات ناشی از سیلاب، نیاز به رویکردی جدید احساس شد؛ رویکردی که مفهوم ریسک را در تصمیم‌گیری‌ها نه به‌صورت نظری، بلکه به‌صورت عملی به کار گیرد (الکساندر و میس، 2016). 
ریسک سیلاب نتیجه ارتباط متقابل بین خطر سیل (ترکیب احتمال و شدت آن) و آسیب‌پذیری انسان‌ها و اموال و دارایی‌های آن‌هاست. هم خطر و هم آسیب‌پذیری به نوع سیلاب و فرآیندهای تعیین‌کننده آن وابسته‌اند (ین و همکاران، 2021). نتایج ریسک سیلاب، پتانسیل پیامدهای ناگوار مرتبط با سیلاب در یک مکان را نشان می‌دهند و استفاده از این نقشه‌ها همراه با ارزیابی‌های اقتصادی به‌عنوان ابزارهای برنامه‌ریزی و حمایت از تصمیم‌گیری به کار می‌رود (داله دون و همکاران، 2019). بنابراین، ضروری است روش‌ها و ابزارهای بررسی نتایج نامطلوب ریسک سیلاب به‌طور جامع، منسجم و فراگیر ارائه شوند تا به مسئولین و کارشناسان ذی‌صلاح امکان دهند با شناسایی راه‌حل‌های اولویت‌دار از طریق توازن بین عملکردهای اقتصادی، اجتماعی و محیطی و نیز تضادهای اجتماعی، تصمیم‌گیری کنند. به‌طورکلی، ارزیابی ریسک سیلاب شامل سه مؤلفه خطر، آسیب‌پذیری و در معرض قرار گرفتن است (لیو و مروید و همکاران، 2014).
 تهیه نقشه خطر سیلاب معمولاً با استفاده از مدل‌های هیدرولوژیکی، هیدرولیکی و پیمایش میدانی انجام می‌شود. فرآیند تهیه چنین نقشه‌ای از جمع‌آوری اطلاعات تا مدل‌سازی، همراه با یک سری عدم قطعیت‌ها است. روش‌های متداول مدل‌سازی هیدرولیکی– هیدرودینامیکی می‌توانند به‌دلیل غفلت از منابع عدم قطعیت، به نتایج نادرست منجر شوند (آلفونزو و همکاران، 2016). 
با وجود توسعه بسیاری از مدل‌های هیدرولیکی، عدم درک ما از فرآیندهای سیلاب و تغییرات مکانی و زمانی ورودی‌های اصلی مدل و همچنین متغیرهایی مانند توپوگرافی و زبری سطح، مانع از پیش‌بینی بهتر این پدیده‌ها می‌شود. اندازه‌گیری و کاهش عدم قطعیت در مدل‌سازی سیلاب، موضوعی مهم برای بهبود دقت مدل‌سازی و پیش‌بینی سیلاب است (تنگ و همکاران، 2017). در این راستا، دقت مدل‌های مورداستفاده در شبیه‌سازی خطر سیلاب تأثیرات قابل‌توجهی بر کارایی طراحی و مدیریت ریسک سیلاب دارد (مروید و همکاران، 2008). 
همچنین، نمی‌توان از عدم قطعیت در استفاده از مدل‌های تحلیل سیلاب اجتناب کرد، زیرا مدل‌ها معمولاً تنها ایده‌آل‌های واقعیت را دربر می‌گیرند و ارزش ورودی‌های مدل با دقت مطلق قابل‌اندازه‌گیری نیست (یوکونگ و همکاران، 2016). منابع مختلف مولد عدم قطعیت در مدل‌سازی هیدرولوژیکی و هیدرولیکی شامل عدم قطعیت طبیعی (ذاتی)، عدم قطعیت‌های مربوط به مدل و پارامترها و داده‌های ورودی آن و عدم قطعیت‌های عملکردی هستند (تنگ و همکاران، 2017؛ کو و همکاران، 2020).
 عدم قطعیت‌های طبیعی، مربوط به فرآیندهای تصادفی طبیعی مانند بارش، جریان آشفته رودخانه و انتقال رسوبات است، درحالی‌که عدم قطعیت در مدل ناشی از ساختار ریاضی فرآیندها و ناتوانی معادله‌های مدل در توصیف دقیق سیستم‌های واقعی است. عدم قطعیت پارامترها به عدم دقت در تعیین مقادیر آن‌ها و همچنین عدم قطعیت‌های داده‌ها و اطلاعات ناشی از خطاهای اندازه‌گیری، ناهمگنی داده‌ها و کمبود اطلاعات مرتبط است. درنهایت، عدم قطعیت‌های عملکردی به ساخت و توسعه مدل و همچنین عوامل انسانی مربوط می‌شوند (دیسار و همکاران، 2019). از مهم‌ترین منابع عدم قطعیت در نتایج مدل‌های هیدرولیکی، عدم قطعیت‌های مرتبط با مدل و پارامترها هستند. در این خصوص تهیه مدل رقومی ارتفاعی با دقت مناسب به‌عنوان داده توپوگرافی بزرگ‌مقیاس یکی از حساس‌ترین عوامل و ورودهای مدل‌های هیدرودینامیکی در این بخش محسوب می‌شود. 
مطالعات متعددی به بررسی تأثیر دقت مدل‌های رقومی ارتفاعی (DEM) بر شبیه‌سازی فرایندهای هیدرولوژیکی و پهنه‌بندی خطر سیلاب پرداخته‌اند. از جمله این مطالعات می‌توان به پژوهش کاویان و محمدی (1398) اشاره کرد که در حوزه آبخیز تالار، استان مازندران، با استفاده از مدل SWAT و سه مدل DEM مختلف (ASTER با دقت 30 متر، SRTM با دقت 90 متر و GTOPO30 با دقت 1000 متر)، تأثیر دقت مکانی مدل‌های ارتفاعی را بر شبیه‌سازی دبی و نیترات کل بررسی کردند. نتایج نشان داد مدل ASTER دقت بالاتری داشته و بهترین نتایج شبیه‌سازی را فراهم کرده است. با کاهش دقت مکانی، میزان خطای بیش‌تخمینی یا کم‌تخمینی نیز افزایش یافت. در مطالعه‌ای پاریزی و حسینی، از مدل رقومی ارتفاعی TanDEM-X با قدرت تفکیک 12 متر برای شبیه‌سازی ویژگی‌های هیدرولیکی سیلاب در حوضه رودخانه اترک استفاده شد. 
در این تحقیق که با مدل HEC-RAS 2D انجام گرفت، نتایج نشان داد TanDEM-X توانست پهنه سیلاب را با دقت بالای 85 درصد مدل‌سازی کند. مقایسه با مدل‌های ASTER و SRTM نشان داد که TanDEM-X به‌طور قابل‌ملاحظه‌ای دقیق‌تر عمل می‌کند و توان بالایی در نمایش جزئیات توپوگرافی دارد. در مطالعه‌ای که فرشته‌پور و همکاران (2024) انجام دادند، تأثیر نوع و دقت DEM بر پیش‌بینی سیلاب با استفاده از شبکه‌های عصبی کانولوشنی یک‌بعدی بررسی شد. 
 آن‌ها از داده‌های ارتفاعی با دقت‌های 15 و 30 متر در شهر کارلایل انگلستان استفاده کردند و دریافتند که DEMهای نوع DTM با دقت 30 متر در مقایسه با DSMها عملکرد بهتری در پیش‌بینی عمق سیلاب دارند. افزایش دقت به 15 متر باعث افزایش RMSE تا 50 درصد شد که نشان‌دهنده حساسیت مدل به دقت DEM است. 
موتوسامی و همکاران (2021) تأثیر دقت DEM را در مدل‌سازی سیلاب شهری بررسی کردند. آن‌ها نشان دادند کاهش دقت مکانی DEM از 1 متر به 50 متر باعث افزایش 30 درصد در پهنه سیلابی و 150 درصد در عمق جریان می‌شود که اهمیت استفاده از DEMهای با دقت بالا را در مدل‌سازی سیلاب‌های شهری برجسته می‌کند. در مطالعه‌ای در نیجر جنوبی، موئنچ و همکاران (2022) دقت DEMهای جهانی مانند SRTM، ASTER، ALOS و MERIT را در مدل‌سازی سیلاب ارزیابی کردند. آن‌ها دریافتند DEM نوع ALOS بیشترین شباهت را به داده‌های LiDAR دارد و در سیلاب‌هایی با عمق کمتر از 3 متر، DEMهای با دقت بالاتر، پهنه سیلابی برآوردی مشابهت بیشتر با مقادیر اندازه‌گیری‌شده را نشان می‌دهند.​ 
 باتوجه‌به مرور منابع، تأثیر دقت مدل رقومی ارتفاعی بر کارایی مدل HEC-RAS در شبیه‌سازی پهنه خطر سیلاب به‌ویژه در داخل کشور، کمتر مورد توجه قرار گرفته است. لذا، در این پژوهش سعی می‌شود به ارزیابی تأثیر دقت مدل رقومی ارتفاعی بر کارایی مدل HEC-RAS در شبیه‌سازی نقشه خطر سیلاب در بازه مکانی به طول 3 کیلومتر در پایین‌دست شهر خرم‌آباد پرداخته شود.

روش‌

محدوده موردمطالعه
منطقه موردمطالعه بازه‌ای از رودخانه پایین‌دست شهر‌ خرم‌آباد- استان لرستان به طول 3 کیلومتر و در منطقه‌ای موسوم به چم‌انجیر واقع گردیده که در واقع خروجی حوزه آبخیز رودخانه خرم‌آباد است. موقعیت این بازه بین مختصات جغرافیایی (ابتدای بازه، 247128.7:X و 3704013.16:Y:) و (انتهای بازه، 245084.7:X: و 3704099:Y:) قرار گرفته است. حوزه آبخیز این رودخانه جزء زیرحوزه‌های رودخانه کشکان می‌باشد. رودخانه خرم‌آباد از تلاقی دو سرشاخه کرگانه و رباط در محل شهر خرم‌آباد تشکیل و در محل دوآب در فاصل 40 کیلومتری شهر خرم‌آباد به رودخانه کشکان می‌پیوندد. ایستگاه هیدرومتری چم انجیر در خروجی بازه موردمطالعه واقع شده است (تصویر شماره 1).



مدل عددی هیدرودینامیکی مورداستفاده در این پژوهش
مدل‌های دو بعدی نشان‌دهنده جریان سیلاب به‌صورت زمینه دو بعدی است، با فرض اینکه بعد سوم - عمق آب -در مقایسه با دو بعد دیگر، کم عمق است. مدل‌های هیدرودینامیک دو بعدی، کاربردی‌ترین مدل‌ها برای تهیه نقشه سیل و مطالعات برآورد خطر سیل می‌باشند (روبرتس و همکاران، 2015). لذا در این پژوهش از مدل دو بعدی HEC-RAS استفاده و مورد ارزیابی قرار گرفته است. مدل 2D HEC-RAS، با عنوان HEC-RAS 5. 0. 1 در فوریه سال 2016 توسعه داده شده است.
 این مدل، علاوه‌بر مدل‌سازی جریان‌های ماندگار، غیرماندگار، شبه غیرماندگار، سازه‌های تقاطعی و جانبی به‌صورت یک بعدی، از توانایی لازم برای مدل‌سازی دو بعدی جریان به‌ویژه در سیلاب‌دشت‌ها نیز برخوردار می‌باشد. این مدل توانایی حل معادلات سنت – ونانت را در قالب دو فرم موج دینامیک و موج پخشیدگی برای مدل‌ساز فراهم می‌نماید. امکان اتصال به نقشه‌های آنلاین همچون گوگل ارث از ویژگی‌های اصلی این مدل عددی می‌باشد. این مدل یکی از متداول‌ترین نرم‌افزارهای مدل‌سازی سیلاب در شبیه‌سازی هیدرودینامیکی است که به‌وسیله مرکز مهندسی هیدرولوژیکی ارتش آمریکا تولید شده است. توسعه روش‌های عددی بیشتر و قابل اعتمادتر، قدرت محاسباتی کارآمدتر و تکنیک‌های جدید تهیه نقشه توپوگرافی به افزایش استفاده از مدل‌های دوبعدی در شبیه‌سازی رخدادهای سیلابی منجر شده است، به‌طوری‌که با وجود اینکه زمان لازم برای پردازش کمتر شده است، اما از دقت مناسب برخوردار است. مدل‌های یک بعدی از کارایی و توانایی تولید فرایندهای درون کانال‌ها برخوردار هستند، اما مشکلات از زمانی شروع می‌شود که جریان سیلابی از کناره‌های کانال سرریز نموده و وارد دشت سیلابی می‌شود (پوینز و تیم، 2019 و کاستیبل و همکاران،2020). 
در مدل HEC-RAS از معادلات دوبعدی سنت ونانت (با اضافات اختیاری مومنتوم برای اثرات آشفتگی و کوریولیس) و معادلات موج پخشیدگی دوبعدی برای شبیه‌سازی جریان استفاده می‌کنند. به‌طورکلی معادلات موج پخشیدگی دوبعدی موجب اجرای مدل با سرعت بیشتری می‌شود و پایداری آن به مراتب بیشتر خواهد بود. معادلات دوبعدی سنت ونانت دوبعدی برای محدوده وسیعی از مسائل قابل‌کاربرد هستند. هرچند در بسیاری از مدل‌سازی‌ها، معادلات موج پخشیدگی در مقایسه با معادلات موج دیفیوژن نتایج دقیق‌تری را ارائه می‌دهند. در مدل دوبعدی هک رس این امکان وجود دارد تا بتوان با داده‌های در دسترس و نوع پروژه موردنظر یکی از دو روش را انتخاب نمود (برونر، 2016). 

تهیه نقشه توپوگرافی و اندازه‌گیری متغیرهای جریان آب در بازه موردمطالعه
در این پژوهش، به‌منظور تأثیر دقت مدل رقومی ارتفاعی بر نتایج مدل HEC-RAS، سه لایه رقومی ارتفاعی با دقت تفکیک 0/5، 2 و 5 متر تهیه گردید. که این لایه توپوگرافی بزرگ‌مقیاس 0/05 متر از طریق تصاویر ماهواره‌ای Worldview و لایه‎های توپوگرافی 2 و 5 متر از طریق نقشه‌برداری با پهباد تولید شده‏اند. درخصوص نقشه توپوگرافی با قدرت تفکیک مکانی نیم متر، این لایه رقومی ارتفاعی (DEM) بزرگ‌مقیاس برای بازه مکانی مورد مطالعه از تصاویر ماهواره‌ای Worldview سال 2024 اخذ شده از شرکت Digital Globe به‌صورت استریو استفاده شد و در ادامه لایه مذکور با استفاده از تعدادی نقاط کنترلی با دوربین نقشه‌برداری میدانی، صحت سنجی گردید (تصاویر شماره 2، 3). 



شایان ذکر است ماهواره WorldView از سری ماهواره‌های با توان تفکیک بالا است که با هدف نقشه‌برداری، پایش محیط‌زیست، تحلیل و مدیریت شهری و مدیریت بلایای طبیعی است. این ماهواره در ارتفاع 550 کیلومتری از سطح زمین و در یک مدار خورشیدآهنگ در حال چرخش می‌باشد و در ساعت دوره گردش ماهواره در مدار100دقیقه و مدت‌زمان بازبینی مجدد ماهواره 1/1 روز می‌باشد. این ماهواره شامل یک لنز با فاصله کانونی 12/2 متر است. هر خط تصویربرداری دارای بیش از27000 آشکار ساز با ابعاد 8 میکرون در حالت پانکروماتیک می‌باشد. در خصوص نقشه توپوگرافی با قدرت تفکیک مکانی 2 و 5 متر، این لایه رقومی ارتفاعی (DEM) بزرگ‌مقیاس که از طریق نقشه‌برداری با پهباد در سال 1402 تولید شده است از شرکت سهامی آب منطقه‌ای استان لرستان دریافت و با استفاده از تعدادی نقاط کنترلی با دوربین نقشه‌برداری میدانی، صحت‌سنجی گردید (تصویر شماره 3).



نقشه توپوگرافی بزرگ‌مقیاس به فرمت hdf برای بارگذاری به نرم‌افزار HEC-RAS تبدیل شدند. پس از ورود داده‌‎های هندسیبه محیط نرم‎افزار و تعیین مرزها، محدوده موردنظر با استفاده از روش‌‏های جبری و محاسباتی شبکه‌بندی شد. ابعاد بهینه شبکه بر مبنای دقت لازم و زمان اختصاص‎یافته به‌منظور انجام محاسبات، انتخاب شده است (تصویر شماره 4).



به منظور ارزیابی واسنجی و صحت‌سنجی نتایج مدل در چهار مقطع از مقاطع نقشه‌برداری‌شده به اندازه‌گیری پارامترهای جریان (سرعت، عمق و عرض گسترش جریان) پرداخته شد و بیشترین تأکید بر روی قوس‏های متوالی رودخانه بود تا بتوان تأثیر جریان‌های ثانویه و نیروهای گریز از مرکز را بر متغیرهای جریان بررسی کرد. برای اندازه‌گیری سرعت جریان و عمق آب از دستگاه سرعت‌سنج مولینه و شاخص اندازه‌‎گیری استفاده شد (تصویر شماره 4). همان‌طورکه در تصویر شماره 5 مشاهده می‌شود، سرعت جریان با استفاده دستگاه سرعت‌سنج از ساحل سمت چپ تا راست و از سطح آب تا کف بستر به فواصل 0/2، 0/4، 0/6 و 0/8 از عمق، اندازه‌گیری شد (علیزاده، 1389). 



نظر به اینکه در جریان‎های سیلابی، مقدار سرعت در نقاط مختلف عرض رودخانه و همچنین در اعماق آب متغیر و همراه با تلاطم است، سرعت متوسط در طول هر مقطع (باتوجه‌به عرض هر مقطع) حداقل در 6 نقطه و حداکثر 10 نقطه با فواصل مساوی از عمق آب اندازه‏گیری شد. 
همان‌طورکه در جداول شماره 1 و 2، مشاهده می‏شود برای دبی‌های اندازه‌گیری‌شده در ماه فروردین و آبان 1403 به‌ترتیب با دبی 34 و 15 مترمکعب بر ثانیه، پارامترهایی از قبیل سرعت، دبی و عمق جریان در مقاطع اندازه‏گیری‌شده ارائه شده است. معیار اندازه‎گیری میدانی عمق و عرض جریان دبی سیلابی (1000 مترمکعب بر ثانیه) براساس نتایج داغاب و پهنه سیلاب تعیین شده توسط شرکت آب منطقه‌ای استان لرستان می‌باشد. به‌عبارت‌دیگر بر اساس حد پهنه سیل و اختلاف ارتفاع بین خط داغاب و تراز ارتفاعی در نقاط مختلف یک مقطع عرضی، عمق جریان سیل در نقاط مختلف یک مقطع به دست آمد و به‌عنوان معیارهایی برای واسنجی و صحت‌سنجی مدل مورد استفاده قرار گرفت.





تعیین ضریب زبری برای قلمرو بازه مکانی موردمطالعه
شناخت عوامل مؤثر در ضریب زبری مانینگ راه مناسبی برای برآورد صحیح‌تر و دقیق‌تر این ضریب است. این عوامل عبارت‌اند از: زبری بستر رودخانه یا جنس و نوع دانه‌بندی مواد بستر، میزان ناهمواری در سطح بستر رودخانه، وجود موانع در مسیر جریان رودخانه و تغییرات در مقاطع آن، نوع و تراکم پوشش گیاهی، شکل مسیر و ریخت‌شناسی رودخانه و حتی شرایط هیدرولیکی مثل عمق و دبی جریان که علاوه‌بر تأثیر در افت طولی در مسیر جریان تا حدودی دربرگیرنده افت‌های ناشی از تغییر شکل جریان (افت‌های موضعی) نیز هستند. از میان روش‌های موجود در برآورد ضریب زبری مانینگ، روش معروف کاون (Cowen) نقش کلیه عوامل نامبرده را در محاسبات خود وارد می‌کند (آرسمنت و اشنایدر، 1989).
نحوه برآورد ضریب زبری مانینگ در این روش با فرمول شماره 1 بیان می‌شود:



که در این رابطه عوامل معادله به‌ترتیب عبارت‌اند از:
n: ضریب زبری مانینگ ترکیبی
nb: ضریب زبری پایه باتوجه‌به جنس بستر و دانه‌بندی مصالح کف رودخانه در حالت رودخانه صاف و مستقیم 
n1: ضریب زبری مربوط به نامنظمی در سطح بستر رودخانه
n2: ضریب زبری مربوط به تغییرات سطح مقطع رودخانه
n3: ضریب زبری مربوط به وجود موانع در مسیر رودخانه
n4: ضریب زبری مربوط به وضعیت پوشش گیاهی
m: ضریب زبری مربوط به درجه پیچ و خم مسیر رودخانه
محدوده و نحوه انتخاب این ضرایب در جداول و دستورالعمل‌های موجود در مراجع معتبر هیدرولیکی ارائه شده است که در این بین کتاب هیدرولیک کانال‌های باز، اثر چاو (Chow) و نیز کتاب هیدرولیک کانال‌های باز اثر فرنچ (French) که از منابع مهم و معتبر در این زمینه می‌باشند، مورد توجه قرار گرفته‌اند (ترین و همکاران، 2021). محدوده این ضرایب برای اجزاء مختلف رودخانه‌ در منبع آرسمنت و اشنایدر (1989) ارائه شده است. به‌منظور تعیین ضریب زبری، ابتدا بر اساس بازدیدهای صحرایی از رودخانه و مشاهده تغییرات پارامترهای مؤثر در تعیین ضریب زبری، محدوده موردمطالعه براساس وضعیت مورفولوژیکی و کاربری‌ها همگن‌بندی شدند. سپس ضریب زبری کناره‌های هر بازه باتوجه‌به عکس‌ها و توصیفات مندرج در مرجع چاو و همچنین سایر کتب و مراجع دیگر مثل مرجع USGS، تعیین شده‌اند. مقادیر ضریب زبری بستر رودخانه باتوجه‌به تمام مؤلفه‌های روش کاون، برای محدوده‌های مختلف تعیین گردید.

تعیین شرایط مرزی
شرایط مرزی شامل جریان‌های ورودی و خروجی بازه‌های مکانی می‌باشد. باتوجه‌به ماندگاری یا غیرماندگاری جریان و اطلاعات در دسترس (هیدروگراف دبی، تراز سطح آب و رابطه دبی- تراز سطح آب) به‌عنوان شرایط مرزی جریان در نظر گرفته می‌شوند. در بازه مورد مطالعه، شرایط مرزی برای شبیه‌سازی جریان رودخانه در شرایط غیرماندگار از آمار رخدادهای مشاهداتی ایستگاه هیدرومتری چم انجیر برای سه واقعه 1. واقعه سیل فروردین 1398 و 2. دبی جریان آب مورخ 24/01/1403 و 3-. دبی جریان آب مورخ 25/08/1403 در نظر گرفته شده است.

واسنجی مدل
در شبیه‌سازی جریان سیلابی ضریب زبری مانینگ رودخانه حساس‌ترین پارامتر محسوب می‌شود. برای شبیه‌سازی جریان رودخانه با استفاده مدل دو بعدی HEC-RAS در بازه موردنظر، مقادیر مذکور رودخانه و دشت سیلابی لازم است با تنظیم مجموعه‌ای از پارامترها تابع هدف بهینه‌سازی شوند (ترین و همکاران ، 2021). همچنین کمبود و عدم دسترسی به سوابق ثبت‌شده سیل‌های تاریخی بزرگ مانند واقعه سیل فروردین 1398 در محدوده مورد مطالعه، واسنجی مدل را با مشکل جدی مواجه می‌نماید، بنابراین برای این واقعه براساس داده‌های داغاب، عمق سیل و سطح بالای تراز سیل، عملیات وانسجی انجام شد (پوینز و تیم، 2019). 
در این تحقیق واسنجی مدل با بهینه‌سازی مقادیر ضریب زبری مانینگ برای رخداد سیل فروردین سال 1398 (حداکثر پیک روزانه معادل 1000 مترمکعب بر ثانیه) براساس تراز داغاب و عرض گسترش سیل و همچنین برای هیدروگراف جریان آب در فروردین و آبان سال 1403 براساس اندازه‌گیری‌های میدانی متغیرهای جریان شامل عمق و سرعت در چهار مقطع اندازه‏گیری از باز مکانی موردمطالعه انجام شد.

آنالیز حساسیت مدل HEC-RAS نسبت به دقت و ابعاد لایه‎های رقومی ارتفاعی
در این تحقیق علی‌رغم شبیه‌سازی و تحلیل نقشه خطر سیل، اما تمرکز اصلی روی آنالیز حساسیت مدل HEC-RAS نسبت به دقت و ابعاد لایه رقومی ارتفاعی است. همان‌طورکه اشاره گردید یکی از مهم‌ترین منابع عدم قطعیت در نتایج مدل‌های هیدرولیکی مربوط به عدم قطعیت مربوط به مدل و پارامترها است و از طرفی حساس‌ترین عوامل در این بخش، تهیه مدل رقومی ارتفاعی با دقت مناسب به‌عنوان داده توپوگرافی بزرگ‌مقیاس است. تغییر در دقت و ابعاد مدل رقومی ارتفاعی به تغییر در هندسه کانال رودخانه و به تبع تغییر در الگوی متغیرهای جریان آب منجر می‎شود. لذا در این پژوهش سعی گردید تا ضمن بیان منابع عدم قطعیت، به ارزیابی حساسیت مدل دو بعدی HEC-RAS نسبت به دقت و ابعاد مدل رقومی ارتفاعی پرداخته شود. در این خصوص سه لایه رقومی ارتفاعی با دقت تفکیک 0/5، 2 و 3 متر مورد تحلیل قرار گرفتند. 
نتایج شبیه‌سازی شامل عمق و سرعت جریان آب براساس سه لایه رقومی ارتفاعی فوق‌الذکر با مقادیر اندازه‌گیری‌شده در چهار مقطع عرضی از بازه موردمطالعه برای دبی‌های مذکور مقایسه گردید. تحلیل‌های انجام‌شده از طریق ارزیابی پارامترهای اندازه‌گیری‌شده (عمق، سرعت و عرض گسترش جریان) و نتایج شبیه‌سازی چهار مقطع مشاهداتی، همراه با معیارهای آماری ارزیابی شامل جذر میانگین مربع خطا (RMSE) و میانگین درصد خطای مطلق (MAPE) انجام شد که روابط آن‌ها در فرمول‌‌های شماره 2 و 3 قابل مشاهده است:



که در این معادله، Q0، مقدار مشاهداتی در طبیعت و Q0، مقدار محاسباتی مدل است.



که در این معادله، yt، مقدار مشاهداتی در طبیعت  و مقدار محاسباتی مدل است.

یافته‌ها
در این تحقیق برای شبیه‏سازی متغیرهای جریان آب، از سه لایه‎های رقومی ارتفاعی با ابعاد 0/5، 2 و 5 متر استفاده شد. نتایج آماری شبیه‌سازی سرعت، عمق و عرض گسترش جریان برای این سه لایه‎های رقومی ارتفاعی در مقایسه با نتایج اندازه‌گیری‌شده در مقاطع مختلف (A، B، C و D) در جدول‌های شماره 3 و 4 و تصاویر شماره 6 و 7 ارائه شده است. 
همان‌گونه که در جدول شماره 3 و تصویر شماره 6 مشاهده می‏شود، به‌طورکلی برای دبی اندازه‎گیری‌شده در فروردین و آبان سال 1403، نزدیک‌ترین مقادیر پیش‌بینی‌شده نسبت به اندازه‌گیری‌های مشاهداتی (متغیرهای سرعت و عمق و عرض گسترش) جریان آب در 4 مقطع اندازه‌گیری، به‌ترتیب مربوط به لایه رقومی ارتفاعی با ابعاد 0/5، 2 و 5 متر و همچنین ضریب زبری در دامنه (0/033 تا 0/063) است. در شرایط دبی‏های مذکور، اختلاف مقادیر برآوردی متغیرهای جریان آب با استفاده از لایه رقومی ارتفاعی با ابعاد 5 متر نسبت به لایه‌ها با ابعاد 0/5 و 2 متر معنادار است. این امر به‌دلیل تغییر هندسه کانال مقطع پر رودخانه با تغییر ابعاد لایه رقوعی ارتفاعی اتفاق می‌افتد. به‌ویژه، این تغییر روی عرض کانال مقطع پر تأثیر گذاشته است و نتایج نشان می‌دهد با افزایش ابعاد لایه رقومی ارتفاعی، عرض مقطع پر کانال رودخانه کاهش می‌یابد. لذا این تغییرات در هندسه کانال، به تغییر عمق و سرعت جریان آب در کانال مقطع lk[v پر شده است.





 از طرف دیگر، همان طورکه در جدول شماره 4 و تصویر شماره 7 نشان داده شده است، برای واقعه فروردین سال 1398 با دبی 1000 مترمکعب بر ثانیه، مشابه دبی‏های اندازه‎گیریشده در فروردین و آبان سال 1403، نزدیک‌ترین مقادیر پیش‎بینی‌شده نسبت به اندازه‌گیری‌های مشاهداتی (متغیرهای عمق و عرض گسترش) جریان آب در 4 مقطع اندازه‌گیری به‌ترتیب مربوط به لایه رقومی ارتفاعی با ابعاد 5/0، 2 و 5 متر و همچنین ضریب زبری در دامنه (0/033 تا 0/063) است.
 بااین‌حال نتایج این تحقیق نشان می دهد در شرایط دبی سیلابی (واقعه فروردین سال 1398 با دبی 1000 مترمکعب بر ثانیه)، اختلاف متغیرهای جریان سیلاب (عمق و سرعت جریان) بین سه مدل رقومی ارتفاعی (0/5، 2 و 3 متر) معنادار نیست. بنابراین هنگامی دبی جریان آب به حدی افزایش یابد که از لبه مقطع پر کانال عبور کند و وارد دشت سیلابی شود و عرض گسترش سیل چندین برابر عرض سطح آب در کانال مقطع پر شود، تأثیر تغییر ابعاد از 2 به 5 متر بر متغیرهای عمق و سرعت جریان سیل معنادار نیست.






درخصوص متغیر عمق جریان برای دبی 34 متر مکعب بر ثانیه، بیشترین میزان عمق جریان به‌علت تنگ‌شدگی کانال در چند مقطع و همچنین نیروی گریز از مرکز در قوس مقعر، معادل 2 متر است. به‌دلیل وجود انحنای زیاد در قوس‌های بازه موردمطالعه، حداکثر تغییرات جریان (افزایش سرعت)، در نیمه دوم قوس صورت می‏گیرد (تصویر شماره 6).
 ازطرف‌دیگر همان‌طور که در تصویر شماره 7 نشان داده شده است برای دبی 1000 مترمکعب بر ثانیه (واقعه فروردین سال 1398)، بیشترین میزان عمق جریان در محل پل (مقطع D) معادل 5 متر است. کل قلمرو بازه موردمطالعه ظرفیت عبور این سیل را ندارد، به‌طوری‌که سیل در 95 درصد کرانه‌ها لبریز و به دشت سیلابی گسترش پیدا کرده است. بیشترین عرض گسترش سیل به طول حدود 600 متر در مقطع C اتفاق افتاده است و کمترین میزان گسترش سیل به‌علت وجود عامل محدودیت عرضی در محل پل (مقطع D) می‌باشد. همچنین برای این واقعه باتوجه‌به اینکه سیل به‌صورت وسیع به کرانه‌ها گسترش یافته است. لذا الگوی سرعت آب تحت تأثیر آشفتگی جریان، گرایش، توپوگرافی و موانع در دشت سیلابی می‌باشد. برای این شرایط سرعت جریان آب در قلمرو بازه موردمطالعه فاقد الگوی پایدار می‌باشد و با تغییرات میزان دبی، الگوی سرعت جریان در کل قلمرو بازه مکانی موردمطالعه تغییر می‌کند. برای این رخداد بیشترین میزان سرعت جریان آب به‌دلیل عامل محدودیت عرضی در محل پل (مقطعD) می‌باشد. 
همان‌طورکه در تصاویر شماره 8 و 9 نشان داده شده است.



برای دبی 34 مترمکعب رو مدل رقومی ارتفاعی نیم متر، باتوجه‌به اینکه بازه موردمطالعه ظرفیت عبور این جریان را دارد، مقادیر کمی پهنه خطر سیل کمتر از حد آستانه می‌باشد. بنابراین میزان خطر سیل در این شرایط در حالت نرمال است.



درخصوص سیل فروردین 1398 با دبی 1000 مترمکعب بر ثانیه، به‌طورکلی حداکثر میزان خطر سیل در کانال مقطع پر بازه مکانی موردمطالعه می‌باشد. اما به‌طور خاص بیشتر میزان عددی خطر سیل در محل قوس سوم/ محدوده پل (مقطع D) است. به‌طور متوسط دامنه عرضی گسترش پهنه خطر سیل با مقدار بیشتر از رقم 10 حدود 160 متر است. در قوس‏های بازه موردمطالعه حداکثر میزان خطر سیل در کناره خارجی اتفاق می‌افتد. 
جدول شماره 5 میزان دقت و کارایی مدل در برآورد پارامترهای سرعت جریان و تراز عمق آب براساس سه مدل رقومی ارتفاعی با ابعاد 5/0، 2 و 5 متر و براساس معیارهای آماری ارزیابی RMSE و MAPE را نشان می‎دهد. همان‌گونه که در این جدول مشاهده می‏شود، برای سه رویداد موردمطالعه، کمترین میزان معیارهای ارزیابی برای مقادیر پیش‌بینی‌شده نسبت به اندازه‌گیری‌های مشاهداتی (متغیرهای سرعت و عمق) مربوط به مدل رقومی ارتفاعی با دقت نیم و سپس 2 متر است. 



بحث
یافته‌های این پژوهش مبنی بر برتری DEM با دقت 0/5 متر در شبیه‌سازی سیلاب، با نتایج موتوسامی و همکاران (2021) و فرشته پور و همکاران (2024) همخوانی دارد که نشان دادند DEMهای با وضوح بالا (0/5-1 متر) خطای پهنه‌بندی سیل به‌صورت معناداری کاهش می‌دهند. مطالعه پاریزی و حسینی (۱۴۰۲) نیز در حوضه رودخانه اترک نشان داد مدل TanDEM-X با دقت ۱۲ متر در مقایسه با DEMهای محلی با دقت ۱ متر، خطای قابل‌توجهی در برآورد عمق سیل دارد که تأییدکننده اهمیت دقت مکانی DEM است. پیشنهاد این پژوهش برای استفاده از DEMهای پرتفکیک در مدیریت سیل، با توصیه‌های آلفونسو و همکاران (2016) و الکساندر و همکاران (2016) همسو است که بر نقش داده‌های دقیق در کاهش ریسک سیلاب تأکید کردند.

نتیجه‌‌گیری
از مهم‌ترین منابع عدم قطعیت در نتایج مدل‌های هیدرولیکی مربوط به عدم قطعیت مربوط به مدل و پارامترها است و از طرفی حساس‌ترین عوامل در این بخش، تهیه مدل رقومی ارتفاعی با دقت و ابعاد مناسب است. لذا در این پژوهش سعی شد ضمن شبیه‌سازی نقشه متغیرهای جریان مانند عمق، سرعت و خطر سیل در بازه مکانی به طول 3 کیلومتر در پایین‌دست شهر خرم‌آباد، به ارزیابی حساسیت مدل دو بعدی HEC-RAS نسبت به دقت مدل‌های رقومی ارتفاعی با ابعاد 0/5، 2 و 5 متر پرداخته شود. نتایج این تحقیق نشان می‌دهد دقت مدل رقومی ارتفاعی (DEM) نقش حیاتی و کلیدی در بهبود کارایی مدل هیدرولیکی HEC-RAS برای شبیه‌سازی پهنه خطر سیلاب ایفا می‌کند. باتوجه‌به تجزیه‌وتحلیل‌های انجام‌شده، مشخص شد استفاده از مدل رقومی ارتفاعی با دقت 0/5 متر به نتایج شبیه‌سازی نزدیک‌تر به واقعیت نسبت به دو مدل با دقت‌های پایین‌تر (2 و 5 متر) منجر می‌شود. این یافته‌ها تأکید می‌کند دقت بالای داده‌های ارتفاعی می‌تواند به‌عنوان یک عامل مؤثر در کاهش عدم قطعیت پیش‌بینی‌های سیلاب محسوب شود. 
تحلیل‌ها نشان داد تغییرات هندسی ناشی از دقت متفاوت مدل‌های رقومی ارتفاعی بر عمق، سرعت و عرض گسترش جریان تأثیر عمده‌ای دارد. به‌ویژه، در شرایطی که دبی جریان آب به حدی افزایش یابد که از لبه مقطع پر کانال عبور کند، تأثیر دقت مدل رقومی ارتفاعی بر پیش‌بینی‌های سیلاب به میزان قابل‌توجهی کاهش می‌یابد. این نکته حائز اهمیت است، زیرا در شرایط سیلابی، تغییرات هندسی کانال و توپوگرافی می‌تواند به کاهش دقت پیش‌بینی‌ها منجر شود.
برای دبی 1000 مترمکعب بر ثانیه باتوجه‌به اینکه سیل به‌صورت وسیع به کرانه‌ها گسترش یافته است. لذا الگوی سرعت آب تحت تأثیر آشفتگی جریان، گرایش جریان، توپوگرافی و موانع در دشت سیلابی می‌باشد. برای این شرایط سرعت جریان آب در قلمرو بازه موردمطالعه فاقد الگوی پایدار می‌باشد و با تغییرات میزان دبی، الگوی سرعت جریان در کل قلمرو بازه مکانی موردمطالعه تغییر می‌کند.
نتایج تحلیل حساسیت نشان داد این مدل به روش حل معادلات حاکم بر جریان حساسیت بالایی دارد. عملکرد مدل در شبیه‌سازی جریان اندازه‌گیری‌شده در ماه فروردین و آبان سال ۱۴۰۳، با استفاده از روش حل موج پخشیده، به مراتب بهتر بود. در مقابل، برای واقعه سیلاب فروردین سال ۱۳۹۸، روش حل معادلات موج دینامیک نتایج بهتری را ارائه داد. شایان ذکر است که در میان خصوصیات هیدرولیکی مختلف، تراز سطح آب کمترین حساسیت را نسبت به معادلات محاسباتی نشان داد
نتایج این مطالعه می‌تواند به برنامه‌ریزی و مدیریت بهینه منابع آب و کاهش آسیب‌های ناشی از سیلاب‌ها کمک کند. لذا، سیاست‌گذاران و مدیران منابع آب باید به اهمیت دقت مدل‌های رقومی ارتفاعی در تصمیم‌گیری‌های مرتبط با مدیریت خطر سیلاب توجه ویژه‌ای داشته باشند تا بتوانند برنامه‌های مؤثری را برای کاهش آسیب‌ها و بهبود تاب‌آوری جوامع در برابر سیلاب‌ها تدوین کنند.

ملاحظات اخلاقی

پیروی از اصول اخلاق پژوهش
این مقاله نمونه‌های انسانی و حیوانی نداشته است. براین اساس نیاز به کد اخلاق نبود و تمام قوانین اخلاق در پژوهش رعایت شده است.

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

مشارکت نویسندگان
مفهوم‌سازی، روش‌شناسی و نگارش پیش‌نویس اولیه: علی حقی‌زاده و ایرج ویسکرمی؛ نگارش-بازبینی و ویرایش، بصری‌سازی و نرم‌افزار: علی حقی‌زاده، ایرج ویسکرمی و ابوالحسن فتح‌آبادی؛ سرپرستی: علی حقی‌زاده؛ تأیید نسخه نهایی: همه نویسندگان.

تعارض منافع
بنابر اظهار نویسندگان این مقاله تعارض منافع ندارد.



 

Alexander, M., Priest, S., & Mees, H. J. (2016). A framework for evaluating flood risk governance. Environmental Science & Policy, 64(1), 38-47. [DOI:10.1016/j.envsci.2016.06.004]

Alfonso, L., Mukolwe, M. M., & Di Baldassare, G. (2016). Probabilistic flood maps to support decision-making: Mapping the value of information. Water Resources Research, 52(2), 1026-1043. [DOI:10.1002/2015WR017378]

Alizadeh, A. (2010). [Principles of applied hydrology‭ (Persian)]. Mashhad: University in Mashhad. [Link]

Amrei, D., & Britta, S. (2020). Flood hazard analysis in small catchments: Comparison of hydrological and hydrodynamic approaches by the use of direct rainfall. Journal of Flood Risk Management, 13(4), e12626. [DOI:10.1111/jfr3.12639] 

Arcement, G. J., & Schneider, V. R. (1989). Guide for selecting Manning’s roughness coefficients for natural channels and flood plains. U.S: Department of Transportation, Federal Highway Administration. [DOI:10.3133/wsp2339]

Brunner, M. I., Seibert, J., & Favre, A. C. (2016). Bivariate return periods and their importance for flood peak and volume estimation. Wiley Interdisciplinary Reviews: Water, 3(6), 819-833. [DOI:10.1002/wat2.1173]

Costabile, P., Costanzo, C., Ferraro, D., Macchione, F., & Petaccia, G. (2020). Performances of the new HEC-RAS version 5 for 2-D hydrodynamic-based rainfall-runoff simulations at basin scale: Comparison with a state-of-the-art model. Water, 12(9), 2326. [DOI:10.3390/w12092326]

Dalledonne, G., Kopmann, R., & Brudy-Zippelius, T. (2019). Uncertainty analysis of floodplain friction in hydrodynamic models. Hydrology and Earth System Sciences, 23(8), 3373–3385. [DOI:10.5194/hess-2019-159]

Dysarz, T., Wicher-Dysarz, J., Sojka, M., & Jaskuła, J. (2019). Analysis of extreme flow uncertainty impact on size of flood hazard zones for the Wronki gauge station in the Warta river. Acta Geophys, 67, 661–676. [DOI:10.1007/s11600-019-00264-8] 

Fereshtehpour, M., Esmaeilzadeh, M., Alipour, R. S., & Burian, S. J. (2024). Impacts of DEM type and resolution on deep learning-based flood inundation mapping. Earth Science Informatics, 17(2), 1125-1145. [Link] 

Kavian, A., & Mohammadi, M. (2019). [Effects of Digital Elevation Models (DEM) spatial resolution on hydrological simulation (Persian)]. Journal of Watershed Management Research, 10(19), 36-45. [DOI:10.29252/jwmr.10.19.36]

Koo, H., Iwanaga, T., Croke, B. F., Jakeman, A. J., Yang, J., & Wang, H. H., et al. (2020). Position paper: Sensitivity analysis of spatially distributed environmental models-A pragmatic framework for the exploration of uncertainty sources. Environmental Modelling & Software, 134, 104857. [DOI:10.1016/j.envsoft.2020.104857]

Liu, Z., & Merwade, V. (2019). Separation and prioritization of uncertainty sources in a raster based flood inundation model using hierarchical Bayesian model averaging. Journal of Hydrology, 578, 124100. [DOI:10.1016/j.jhydrol.2019.124100]

Merwade, V., Olivera, F., Arabi, M., & Edleman, S. (2008). Uncertainty in flood inundation mapping: Current issues and future directions. Journal of Hydrologic Engineering, 13(7), 608-620. [DOI:10.1061/(ASCE)1084-0699(2008)13:7(608)]

Muench, R., Cherrington, E., Griffin, R., & Mamane, B. (2022). Assessment of open-access global elevation model errors impact on flood extents in Southern Niger. Frontiers in Environmental Science, 10, 547. [DOI:10.3389/fenvs.2022.880840]

Muthusamy, M., Casado, M. R., Butler, D., & Leinster, P. (2021). Understanding the effects of Digital Elevation Model resolution in urban fluvial flood modeling. Journal of Hydrology, 596, 126088. [DOI:10.1016/j.jhydrol.2021.126088]

Parizi, & Hosseini, S. M. (2023). [Estimating the Accuracy of the TanDEM-X Digital Elevation Model in the Simulation of Flood Hydraulic Characteristics (Case Study: Atrak River Basin) (Persian)]. Geography and Environmental Planning, 34(2), 113-134. [DOI:10.22108/gep.2022.134293.1533]

Pinos, J., & Timbe, L. (2019). Performance assessment of two-dimensional hydraulic models for generation of flood inundation maps in mountain river basins. Water Science and Engineering, 12(1), 11-18. [DOI:10.1016/j.wse.2019.03.001]

Roberts, S., Nielsen, O. M., Gray, D., Sexton, J., & Davies, G. (2015). ANUGA user manual Release 3.0. Canberra: Australian National University. [DOI:10.13140/RG.2.2.17267.81446]

Teng, J., Jakeman, A. J., Vaze, J., Croke, B. F. W., Dutta, D., & Kim, S. (2017). Flood inundation modelling: A review of methods, recent advances and uncertainty analysis. Environmental Modelling & Software, 90, 201-216. [DOI:10.1016/j.envsoft.2017.01.006]

Trinh, M. X., & Molkenthin, F. (2021). Flood hazard mapping for data-scarce and ungauged coastal river basins using advanced hydrodynamic models, high temporal-spatial resolution remote sensing precipitation data, and satellite imageries. Natural Hazards, 109(1), 441-469. [DOI:10.1007/s11069-021-04843-1]

Yin, J., Guo, S., Gentine, P., Sullivan, S. C., Gu, L., & He, S., et al. (2021). Does the hook structure constrain future flood intensification under anthropogenic climate warming? Water Resources Research, 57(2), e2020WR028491. [DOI:10.1029/2020WR028491]

Yeou-Koung, T., & Chi-Leung, W. (2016). Sensitivity and uncertainty analysis of hydrologic/hydraulic model for Shenzhen River and Northern New Territory Basin in Hong Kong. Paper presented at: 12th International Conference on Hydroinformatics, Songdo Convensia, Incheon, Korea, August 21-26, 2016. [Link]