مشاوره رایگان
فیس بوکتوئیتراینستاگراماسکایپ
کپی رایت 2024

مدل‌سازی سیلاب در مقیاس حوضه در مناطق پراکنده داده با استفاده از فناوری جغرافیایی دسترسی آزاد

مقالات مدل‌سازی سیلاب در مقیاس حوضه در مناطق پراکنده داده با استفاده از فناوری جغرافیایی دسترسی آزاد

خلاصه

داده‌های ثابت به ندرت برای مدل‌سازی سیلاب کل حوضه در بسیاری از مناطق در حال توسعه در دسترس است، از این رو این مطالعه با هدف بررسی یک رویکرد یکپارچه برای مدل‌سازی و نقشه‌برداری سیل با ترکیب مجموعه داده‌های هیدروگرافی، توپوگرافی، ناهمواری دشت سیلابی، کالیبراسیون و اعتبارسنجی تقسیم‌بندی شده موجود با استفاده از مجموعه داده‌های دو مدل هیدرودینامیکی سزار-لیسفلود بعدی برای تعیین کمیت و بازآفرینی میزان و تأثیر سیل تاریخی ۲۰۱۲ در نیجریه. بخش‌های موجود از مجموعه داده‌های سنجش از دور و در محل (شامل هیدرولوژیکی، ارتفاع‌سنجی، مدل رقومی ارتفاع، عمق‌سنجی، عکس هوایی، تصاویر نوری، و داده‌های راداری) موجود به درجات مختلف در منطقه هیدرولوژیکی نیجر-جنوب به‌طور سیستماتیک ادغام شدند تا حداکثر را به دست آورند. از تمام داده های موجود سود می برد. مدلسازی گذشته نگر، کالیبراسیون، و اعتبارسنجی برای کل حوضه آبریز نیجر- جنوب نیجریه انجام شد، و سپس این داده‌ها برای اعتبار سنجی مجدد به زیر دامنه‌ها تقسیم شدند تا بفهمند چگونه تنوع داده‌ها و عدم قطعیت‌ها بر دقت نتایج مدل تأثیر می‌گذارند. علاوه بر این، عکس‌های هوایی برای اولین بار در منطقه مورد مطالعه برای اعتبارسنجی مدل سیل و برای درک اینکه چگونه ویژگی‌های فیزیکی-محیطی مختلف بر ظرفیت ترسیم سیل رادار دیافراگم مصنوعی در منطقه دلتای نیجر در نیجریه تأثیر می‌گذارد، استفاده شد. این مطالعه نشان می‌دهد که چگونه می‌توان از نقاط قوت مکمل مجموعه داده‌ها و ابزارهای مکانی باز و به آسانی در دسترس برای مدل‌سازی و نقشه‌برداری سیل در سطوح قابل قبول عدم قطعیت برای مدیریت ریسک سیل استفاده کرد. و سپس این داده‌ها برای اعتبار سنجی مجدد به زیر دامنه‌ها تقسیم شدند تا بفهمند چگونه تغییرپذیری و عدم قطعیت داده‌ها بر دقت نتایج مدل تأثیر می‌گذارد. علاوه بر این، عکس‌های هوایی برای اولین بار در منطقه مورد مطالعه برای اعتبارسنجی مدل سیل و برای درک اینکه چگونه ویژگی‌های فیزیکی-محیطی مختلف بر ظرفیت ترسیم سیل رادار دیافراگم مصنوعی در منطقه دلتای نیجر در نیجریه تأثیر می‌گذارد، استفاده شد. این مطالعه نشان می‌دهد که چگونه می‌توان از نقاط قوت مکمل مجموعه داده‌ها و ابزارهای مکانی باز و به آسانی در دسترس برای مدل‌سازی و نقشه‌برداری سیل در سطوح قابل قبول عدم قطعیت برای مدیریت ریسک سیل استفاده کرد. و سپس این داده‌ها برای اعتبار سنجی مجدد به زیر دامنه‌ها تقسیم شدند تا بفهمند چگونه تغییرپذیری و عدم قطعیت داده‌ها بر دقت نتایج مدل تأثیر می‌گذارد. علاوه بر این، عکس‌های هوایی برای اولین بار در منطقه مورد مطالعه برای اعتبارسنجی مدل سیل و برای درک اینکه چگونه ویژگی‌های فیزیکی-محیطی مختلف بر ظرفیت ترسیم سیل رادار دیافراگم مصنوعی در منطقه دلتای نیجر در نیجریه تأثیر می‌گذارد، استفاده شد. این مطالعه نشان می‌دهد که چگونه می‌توان از نقاط قوت مکمل مجموعه داده‌ها و ابزارهای مکانی باز و به آسانی در دسترس برای مدل‌سازی و نقشه‌برداری سیل در سطوح قابل قبول عدم قطعیت برای مدیریت ریسک سیل استفاده کرد. عکس‌های هوایی برای اولین بار در منطقه مورد مطالعه برای اعتبارسنجی مدل سیل و برای درک اینکه چگونه ویژگی‌های فیزیکی-محیطی مختلف بر ظرفیت ترسیم سیل رادار دهانه مصنوعی در منطقه دلتای نیجر در نیجریه تأثیر می‌گذارد، استفاده شد. این مطالعه نشان می‌دهد که چگونه می‌توان از نقاط قوت مکمل مجموعه داده‌ها و ابزارهای مکانی باز و به آسانی در دسترس برای مدل‌سازی و نقشه‌برداری سیل در سطوح قابل قبول عدم قطعیت برای مدیریت ریسک سیل استفاده کرد. عکس‌های هوایی برای اولین بار در منطقه مورد مطالعه برای اعتبارسنجی مدل سیل و برای درک اینکه چگونه ویژگی‌های فیزیکی-محیطی مختلف بر ظرفیت ترسیم سیل رادار دهانه مصنوعی در منطقه دلتای نیجر در نیجریه تأثیر می‌گذارد، استفاده شد. این مطالعه نشان می‌دهد که چگونه می‌توان از نقاط قوت مکمل مجموعه داده‌ها و ابزارهای مکانی باز و به آسانی در دسترس برای مدل‌سازی و نقشه‌برداری سیل در سطوح قابل قبول عدم قطعیت برای مدیریت ریسک سیل استفاده کرد.

کلید واژه ها:

دسترسی آزاد ؛ جغرافیایی ; سنجش از دور ؛ مدل هیدرودینامیکی ; Caesar-Lisflood ; داده های پراکنده ; حوضه رودخانه نیجر ; مدیریت ریسک سیل

 

چکیده گرافیکی

۱٫ معرفی

بزرگی و فراوانی رویدادهای سیل به دلیل تغییرات آب و هوایی و عوامل انسانی که تأثیر سیل را در آینده قابل پیش بینی تشدید می کند، به طور مداوم در حال افزایش است [ ۱ ]. کل هزینه جهانی خسارت سیل ساحلی و رودخانه ای در سال ۲۰۱۰ به ۴۶ تریلیون دلار آمریکا رسید و پیش بینی می شود تا سال ۲۰۵۰ در شرایط عادی به ۱۵۸ تریلیون دلار افزایش یابد [ ۲ ] . عواملی مانند رشد جمعیت و گسترش شهرها به سمت دشت های سیلابی نیز به هزینه های بالای بلایای سیل کمک می کند. ۳ ]]، به ویژه در مناطق در حال توسعه که مقررات برنامه ریزی شهری سختگیری کمتری دارند و آسیب پذیرها به دلیل ظرفیت محدود نهادی و فنی، از جمله محدودیت در دسترس بودن داده ها به دلیل کاستی های مالی، نهادی، عملیاتی و فنی به طور نامتناسبی تحت تأثیر سیل قرار می گیرند [ ۴ ]. به عنوان مثال، نیجریه به دلیل بارش شدید و انتشار آب اضافی از سدهای بالادست، مستعد سیل است، به طوری که سیل سال ۲۰۱۲ گزارش شده است که بیشترین تأثیر سیل را در ۴۰ سال گذشته داشته است [ ۵ ] و منجر به آسیب به زیرساخت ها، جابجایی مردم، اختلال در فعالیت های اقتصادی-اجتماعی و از دست دادن جان افراد [ ۶ ].
اطلاعات دقیق در مورد بزرگی سیل، از جمله وسعت طغیان، عمق و سرعت انتشار، برای اطلاع از مداخلات مدیریت خطر سیل ضروری است [ ۷ ]. چنین اطلاعاتی معمولاً با مدل‌سازی سیل و فرآیندهای نقشه‌برداری مانند تحلیل فرکانس سیل، مدل‌سازی هیدرودینامیکی، نقشه‌برداری خطر سیل و نقشه‌برداری ضربه تولید می‌شوند [ ۸ ]. تجزیه و تحلیل فرکانس سیل، دوره بازگشت یک سیل با بزرگی خاص را با برازش توزیع احتمال تعریف شده به سری‌های زمانی دبی حداکثر یا جزئی سالانه تخمین می‌زند [ ۹ ]. برای رودخانه‌های اندازه‌گیری نشده یا با اندازه‌گیری پراکنده، روش‌های جایگزین مبتنی بر تخمین رواناب [ ۱۰ ]، برون‌یابی منحنی رتبه‌بندی پیش‌بینی ارتفاع‌سنجی تجربی [۱۰] ۱۱ ]]، و تکنیک های منطقه بندی [ ۱۲ ] را می توان اعمال کرد. مدل‌سازی هیدرودینامیکی از داده‌های توپوگرافی و عمق سنجی استفاده می‌کند که کانال رودخانه و زمین دشت سیلابی را مشخص می‌کند، همچنین داده‌های هیدروگرافی و ناهمواری مانینگ که مقاومت‌های زمین را تعریف می‌کنند، برای استخراج عمق، وسعت و وسعت سرعت انتشار آب سیل [ ۱۳ ]. در نهایت، نقشه‌های خطر و تأثیر سیل، میزان خطر (وسعت، عمق، و غیره) و قرار گرفتن در معرض فیزیکی و اجتماعی-اقتصادی دارایی‌ها و افراد را نشان می‌دهد [ ۱۴ ]. نقشه‌های سیل را می‌توان در قالب‌های احتمالی یا قطعی، بسته به هدف، نوع اطلاعات سیل، و عدم قطعیت همراهی که باید ارائه شود، ارائه کرد [ ۱۵ ، ۱۶ ].
به طور معمول، شبکه ای از ایستگاه های اندازه گیری رودخانه برای به دست آوردن داده های هیدرولوژی رودخانه که در طول زمان انباشته می شوند، نصب می شوند تا سری های زمانی تاریخی مورد نیاز برای تجزیه و تحلیل فرکانس سیل را فراهم کنند [ ۱۷ ]. با این حال، چالش های لجستیک و مالی در مناطق در حال توسعه، پوشش فضایی و تراکم شبکه های گیج را محدود می کند [ ۱۸ ، ۱۹ ]. در برخی شرایط، حتی در جایی که ایستگاه‌های اندازه‌گیری وجود دارد، داده‌های جمع‌آوری‌شده اغلب ناکافی هستند به دلیل اختلال در زیرساخت‌های اندازه‌گیری توسط حوادث شدید سیل، برنامه‌ریزی ضعیف و محدودیت‌های نهادی و تکنولوژیکی [ ۲۰ ، ۲۱ ].]. به همین ترتیب، داده های بررسی زمینی و توپوگرافی با وضوح بالا (به عنوان مثال، تشخیص نور و محدوده (LiDAR)) هزینه بر هستند.
در بسیاری از مناطق در حال توسعه، مدل‌سازی سیل و فرآیندهای نقشه‌برداری به دلیل فقدان داده‌های کافی در محل [ ۲۲ ] با مشکل مواجه می‌شوند. چنین مناطقی «کم داده» نامیده می‌شوند، زیرا تلاش‌های مدل‌سازی سیل را به چالش می‌کشند و در صورت استفاده از داده‌های ناقص برای تصمیم‌گیری، می‌توانند از مداخلات مدیریت سیل جلوگیری کرده و تأثیر سیل را تشدید کنند [ ۲۲ ، ۲۳ ]. پیشرفت‌ها در فناوری رصد زمین و در دسترس بودن داده‌های سنجش از راه دور با دسترسی باز در چند دهه گذشته هزینه‌های مربوط به جمع‌آوری داده‌های هیدروگرافی، توپوگرافی و منظر را به شدت کاهش داده است و در نتیجه مدل‌سازی و نقشه‌برداری سیل بهبود یافته است [ ۴ ، ۲۴ ].]. بنابراین، هیدرولوژیست ها و محققان به طور یکسان تمرکز خود را به استفاده از داده های سنجش از دور با دسترسی باز در مناطق پراکنده داده برای پر کردن شکاف داده ها و به حداقل رساندن هزینه های مربوط به جمع آوری داده ها، مدل سازی سیلاب، کالیبراسیون و اعتبار سنجی تغییر داده اند [ ۲۲ ، ۲۵ ، ۲۶ ]. با این وجود، در بسیاری از موارد، این مجموعه داده‌های دسترسی آزاد جایگزین معمولاً از پوشش فضایی کافی برای مدل‌سازی در مقیاس حوضه برخوردار نیستند و کیفیت داده‌ها تحت تأثیر طیف وسیعی از عوامل فیزیکی (به عنوان مثال، پوشش گیاهی و کاربری زمین شهری)، جوی، و فناوری قرار می‌گیرد. اشکالات حسگر نوری و راداری) [ ۲۴ , ۲۷]؛ به این ترتیب، یکپارچه سازی سیستماتیک داده ها برای به دست آوردن حداکثر سود از تمام داده های موجود ضروری است. علی‌رغم این محدودیت‌ها، تصاویر ماهواره‌ای نوری و راداری با دسترسی باز، گاهی تنها گزینه داده موجود برای مدل‌سازی و نقشه‌برداری سیل در بسیاری از مناطق در حال توسعه (از جمله نیجریه) هستند [ ۲۸ ، ۲۹ ].
این مطالعه یک رویکرد یکپارچه برای مدل‌سازی و نقشه‌برداری سیل را با ترکیب مجموعه داده‌های هیدروگرافی، توپوگرافی، ناهمواری دشت سیلابی، کالیبراسیون و اعتبار سنجی تقسیم‌بندی شده با استفاده از یک مدل هیدرودینامیکی سزار-لیسفلود دو بعدی برای کمی‌سازی و بازسازی وسعت و تأثیر سیل تاریخی ۲۰۱۲ بررسی می‌کند. در نیجریه مدل‌سازی دو بعدی، در اینجا به‌ویژه مدل هیدرودینامیکی سزار-لیسفلود، به دلیل پیچیدگی و اثربخشی کم آن برای مدل‌سازی سیلاب در مقیاس حوضه آبریز در مناطق پراکنده داده با استفاده از داده‌های زمین با تفکیک درشت مورد استفاده قرار گرفت، همانطور که در این مطالعه حاضر بود [ ۲۳ ]. ، ۳۰ ].
اهداف خاص این مطالعه عبارت بودند از:
  • به‌کارگیری سیستماتیک داده‌های زمین‌فضایی با دسترسی آزاد از راه دور و در دسترس برای بهبود مدل‌سازی سیلاب در مقیاس حوضه.
  • برای بررسی استفاده از عکس‌های هوایی رایگان در دسترس برای اعتبارسنجی مدل سیل در مناطق غالب پوشش گیاهی در مقایسه با رادار دهانه مصنوعی (SAR).
  • برای تعیین کمیت بزرگی و تأثیر سیل ویرانگر ۲۰۱۲ در نیجریه.

منطقه مطالعه

منطقه مورد مطالعه، منطقه هیدرولوژیکی نیجر- جنوب ۵ ( شکل ۱ الف) در پایین دست حوضه رودخانه نیجر به مساحت ۲,۱۷۰,۵۰۰ کیلومتر مربع ( شکل ۱ B) واقع شده است و میانگین دبی سالانه ۶۰۰۰ متر مکعب بر ثانیه از ۱۱ کشور ساحلی را جمع آوری می کند . [ ۳۱ ] از طریق رودخانه های نیجر و بنوه به اقیانوس اطلس از طریق توزیع کنندگان Nun و Forcados در منطقه دلتای نیجر در جنوب نیجریه [ ۳۲ ]. به دلیل این جریان های زیاد، بسیاری از رودخانه ها در حوضه نیجر برای تولید برق آبی، آبیاری یا کنترل سیلاب سد شده اند [ ۳۳ ، ۳۴ ]]. در سال‌های اخیر، رودخانه‌های نیجر و بنوئه به‌شدت تحت تأثیر آب اضافی آزاد شده از سدهای بالادست در نیجریه، نیجر و کامرون قرار گرفته‌اند [ ۵ ، ۳۵ ] که منجر به جاری شدن سیل در سکونتگاه‌های کم ارتفاع در دشت‌های سیلابی شده است [ ۶ ، ۳۶ ، ۳۷ ]. منطقه مورد مطالعه در سیل بی سابقه ۲۰۱۲ در میان مناطق تحت تأثیر بیشترین آسیب قرار گرفت [ ۵ ، ۳۵ ]. همگرایی آب اضافی از رودخانه های نیجر و بنوئه باعث ایجاد سیل در محل تلاقی Lokoja شد [ ۳۷ ]. دشت سیلابی Onitsha/Asaba به دلیل جریان زیاد بالادست از Lokoja و تنگ شدن کانال رودخانه که منجر به اثرات آب پس‌آب شد، سیل شد [ ۳۸ ]]، و منطقه دلتای نیجر در نتیجه توپوگرافی کم ارتفاع آن و هجوم افزایش سطح آب بالادست لوکوجا و اونیتشا [ ۳۵ ] دچار سیل شد.
دامنه مدل سیلاب برای این مطالعه توسط مدل ارتفاع دیجیتال (DEM) ارائه شده در شکل ۱ نشان داده شده است ، در حالی که زیر دامنه ها با قابلیت دسترسی به داده های متغیر توسط مستطیل های قرمز برای نشان دادن Lokoja، Onitsha، و دلتای نیجر تعریف شده اند. این زیر دامنه‌ها برای اعتبارسنجی مجدد مدل و تحلیل بعدی انتخاب شدند تا در دسترس بودن داده‌ها و ویژگی‌های ژئومورفولوژیکی را منعکس کنند (به عنوان مثال، تلاقی رودخانه، دره‌ها و دلتاها).

۲٫ مواد و روشها

۲٫۱٫ چارچوب روش شناختی

یک فلوچارت از روش کلی مطالعه در شکل ۲ ارائه شده است ، که در آن نحوه ادغام مجموعه داده های مختلف از جمله ویژگی های هیدروگرافی، توپوگرافی، و ویژگی های ناهمواری مانینگ، و همچنین داده های اپتیکی، رادار، ارتفاع سنجی و هوایی سنجش از دور، برای مدل سازی سیل و ادغام توضیح داده شده است. نقشه برداری. این مطالعه بر توسعه مدلی برای تعیین کمیت بزرگی و بازآفرینی میزان و تأثیر رویداد سیل سال ۲۰۱۲ با ترکیب داده‌های موجود در هر جنبه از فرآیند مدل‌سازی سیل به‌گونه‌ای متمرکز بود که عدم قطعیت در نتیجه را کاهش می‌دهد.

۲٫۲٫ مجموعه داده ها

داده‌های تصاویر سنجش از دور در این مطالعه برای ارزیابی اینکه چگونه مدل هیدرودینامیکی میزان سیل مشاهده‌شده را نشان می‌دهد، استفاده شد. محصول آب طیف‌سنج تصویربرداری با وضوح متوسط ​​(MODIS)، SAR (تصاویر TerraSAR-X، Radarsat-2، و CosmoSkyMed) که با نقاط زمانی مختلف در هیدروگراف ۲۰۱۲ (طلوع، اوج، و سقوط) مطابقت دارد، برای جبران کمبودها ترکیب شدند. تصاویر نوری و SAR برای تعیین وسعت سیل، از جمله پوشش ابر، پوشش گیاهی، و بازتاب سقف شهری [ ۲۴ ]. در دسترس بودن تصاویر مورد استفاده برای اعتبارسنجی مدل، تاریخ های کسب، و مقادیر تخلیه بالادست مربوطه، و دوره های بازگشت، در جدول ۱ ارائه شده است. جدول ۲ماتریس در دسترس بودن داده ها را در سه زیر دامنه نشان می دهد.

۲٫۲٫۱٫ دبی رودخانه و برآورد فراوانی سیل

مقادیر تخلیه هیدروگراف سیل ۲۰۱۲ در ایستگاه‌های اندازه‌گیری بارو و اومایشا در امتداد رودخانه‌های نیجر و بنوه به ترتیب به عنوان شرایط مرزی اولیه برای مدل هیدرودینامیکی برای بازسازی رویداد سیل شدید مورد علاقه در این مطالعه استفاده شد. علاوه بر این، یک سیل ۱ در ۱۰۰ سال (یعنی یک رویداد سیل که دارای ۱ در ۱۰۰ شانس (احتمال ۱٪) برابر یا بیش از آن در هر سال معین است) حاصل از تجزیه و تحلیل فراوانی سیل مدل‌سازی شد تا امکان مقایسه با رویداد سیل ۲۰۱۲ مجموعه داده‌های هیدرولوژیکی از آژانس خدمات هیدرولوژیکی نیجریه (NIHSA) به‌دست آمدند، و تخمین‌های فراوانی سیل با استفاده از روش‌شناسی توسعه‌یافته در مطالعه قبلی برای مناطق پراکنده داده محاسبه شد [ ۳۹ ]] که توزیع احتمالی مقدار شدید تعمیم یافته را اعمال می کند. نمودارهای فرکانس سیل برای ایستگاه های اندازه گیری بارو و اومیشا به ترتیب در شکل های S1 و S2 ارائه شده است ( مواد تکمیلی را ببینید ).
۲٫۲٫۲٫ ماموریت توپوگرافی رادار شاتل اصلاح شده (SRTM) DEM
DEM های SRTM اصلاح شده توسط O’Loughlin و همکاران. [ ۴۰ ] و سامپسون و همکاران. [ ۴۱ ] که حفره‌ها، ناهماهنگی‌های ناشی از پوشش گیاهی و ناهنجاری‌های بازتابی ناحیه شهری را تصحیح می‌کند، در این مطالعه برای توصیف زمین برای ترسیم سیل استفاده شد. این DEM ها با استفاده از تابع حداقل موزاییک نرم افزار ArcGIS ترکیب شدند که حداقل مقدار سلول دو سلول داده DEM همپوشانی را به عنوان خروجی برمی گرداند. این روش فرض می‌کند که پایین‌ترین مقدار DEM نشان‌دهنده ارتفاع زمین برهنه است، بنابراین سوگیری تخمین بیش‌ازحد را مهار می‌کند. تجزیه و تحلیل مقایسه ای که دقت بهبود یافته SRTM DEM های اصلاح شده را نشان می دهد توسط Ekeu-wei و Blackburn [ ۴ ] ارائه شد.
۲٫۲٫۳٫ آبتیمتری رودخانه
داده های عمق سنجی از دو منبع به دست آمد: (۱) بررسی رودخانه توسط Digital Horizon Company Limited (2011) که ۲۴۰ کیلومتر از ماکوردی تا لوکوجا را پوشش داد و با استفاده از ابزارهایی مانند HYDROSTAR ELAC 4300 DUAL Echo-sounder و C-Nav 2050 dGPS جمع آوری شد. (سیستم موقعیت یابی دیفرانسیل جغرافیایی) (به «حمام سنجی ماکوردی-لوکوجا»، شکل ۱ مراجعه کنید ). و (ii) بررسی رودخانه توسط رویال هاسکونینگ (۲۰۰۲) که ۳۰۰ کیلومتر از بارو تا آبوه را پوشش داده است (به “حمام سنجی Baro-Aboh” مراجعه کنید؛ شکل ۱) و با استفاده از Ashtech Z12 Real-Time Kinematics GPS و Navisound 210، Navisound 50 و Raytheon 210Kc دیجیتال و اکوی صداهای آنالوگ جمع آوری شد. در غیاب داده‌های عمق سنجی برای زیر دامنه دلتای نیجر، میانگین سوگیری عمودی (تفاوت) بین یخ، ابر و ارتفاعات سطح آب داخلی (ICESat) مشتق از ارتفاع نقطه سطح آب داخلی و SRTM DEM برای اصلاح کانال رودخانه اعمال شد. هندسه SRTM DEM اصلاح شده [ ۴۲ ]. ارتفاع نقطه ای Bathymetry، ICESat (ماهواره یخ، ابر و ارتفاع زمین) و داده های SRTM اصلاح شده مجدداً به میانگین سطح دریا (MSL) مبدأ عمودی/UTM (Universal Transverse Mercator) 32N (شمال) و با استفاده از نزدیکترین ادغام شدند. روش همسایه [ ۴۳] برای ایجاد وضوح ۹۰ متری، DEM صاف شده هیدرولوژیکی. DEM اصلاح شده از ۹۰ به ۲۷۰ متر نمونه برداری شد، در نتیجه تعداد سلول ها به ۱,۷۹۳,۴۰۰ (فعال = ۱,۲۵۶,۶۵۶) در محدوده دامنه ۹,۱۶۱۰ کیلومتر مربع کاهش یافت و منجر به کاهش هزینه محاسباتی و نویز SRTM DEM [ ۴۴ ] برای برآورده کردن این شد. محدودیت محاسباتی سلول Lisflood کمتر از ۲ میلیون سلول.
۲٫۲٫۴٫ طیف‌سنج رادیومتر تصویربرداری با وضوح متوسط ​​(MODIS) محصول آب (MWP)
نقشه‌های گستره سیل با وضوح ۲۵۰ متری (NRT) که از باندهای ۱، ۲ و ۷ ترکیبی MODIS با استفاده از الگوریتم رصدخانه سیل دارتموث [ ۴۵ ] به دست می‌آیند، برای اعتبارسنجی گستره سیل مدل‌سازی شده استفاده شد. ابزار MODIS روی ماهواره‌های Terra و Aqua ناسا دو بار در روز تصاویر نوری را ارائه می‌دهد که به‌طور خودکار پردازش می‌شوند و به‌عنوان محصول آبی MODIS (MWP) برای دانلود از طریق http://oas.gsfc.nasa.gov/floodmap/ در دسترس قرار می‌گیرند [ ۴۶ ] . فقط سری‌های زمانی ترکیبی از تصاویر MWP از سپتامبر تا اکتبر ۲۰۱۲ که با نقاط زمانی هیدروگراف ۲۰۱۲ برای دوره‌های اوج جریان رودخانه در نیجریه مطابقت داشت، استفاده شد. تاریخ تصاویر استفاده شده در جدول ۱ ارائه شده است.
۲٫۲٫۵٫ رادار دیافراگم مصنوعی (SAR)
مجموعه داده‌های SAR در این مطالعه برای اعتبارسنجی مدل سیل با مقایسه وسعت سیل مدل‌سازی‌شده بر اساس زبری متغیر منینگ با گستره سیل واقعی حاصل از پردازش تصویر SAR در همان زمان استفاده شد. داده های SAR مورد استفاده شامل داده های Radarsat-2، CosmoSkyMed و TerraSAR-X بود. تصاویر Radarsat-2 و CosmoSkyMed از شرکت توسعه نفت شل (SPDC) به دست آمد، در حالی که داده های وسعت سیل از TerraSAR-X از مخزن فضای بین المللی منشور و بلایای بزرگ (ICSD) به دست آمد که توسط مرکز منطقه ای آموزش در پیش پردازش شده بود. بررسی هوافضا با استفاده از تصاویر ارائه شده برای تماس ۴۱۵ در سال ۲۰۱۲٫ تاریخ تصاویر استفاده شده در جدول ۱ ارائه شده است.. تصاویر Radarsat-2 12.5 متری در حالت پرتو عریض (F0W1) و عریض (W1 و W2) با عرض نوار ۱۷۰ و ۱۵۰ کیلومتر به ترتیب، مربوط به زوایای فرود ۲۰ درجه تا ۴۵ درجه گرفته شد. تصاویر CosmoSkyMed با رزولوشن ۲۵ متر به عنوان محصولات سطح ۱ جغرافیایی کدگذاری شده با جزئیات زمین چند نگاهی (DGM) به دست آمد. زاویه تابش هر دو محصول از ۲۰ درجه تا ۶۰ درجه متغیر بود، در حالی که عرض نوار به ترتیب ۱۰۰ و ۲۰۰ کیلومتر بود که در حالت ابزار منطقه گسترده به دست آمد. هر دو تصویر SAR از قبل پردازش شده بودند، به عنوان مثال، کالیبراسیون، تصحیح هندسی، و فیلتر لکه [ ۴۷ ]، با استفاده از ابزار پلتفرم کاربردی نگهبان (SNAP) آژانس فضایی اروپا (ESA)، سپس مجدداً به منطقه UTM 32N ارائه شد. گستره سیل با استفاده از رویکرد آستانه هیستوگرام برش چگالی در Erdas Imagine به دست آمد.
۲٫۲٫۶٫ یخ، ابر، و ماهواره ارتفاع زمین (ICESat) / سیستم ارتفاع سنج لیزری علوم زمین (GLAS) ارتفاع نقطه
داده‌های ارتفاع‌سنجی ICESat و GLAS در این مطالعه برای توصیف عمق‌سنجی رودخانه در زیر دامنه دلتای نیجر که در آن داده‌های عمق‌سنجی سطح زمین در دسترس نبود، استفاده شد. رویکرد اتخاذ شده از پاترو و همکاران. [ ۴۸ ] ​​میانگین ارتفاع نقطه ICESat را از SRTM DEM کسر کرد تا هندسه کانال رودخانه را مشخص کند تا ناتوانی رادار باند C SRTM در نفوذ به سطوح آب را جبران کند [ ۴ ]. داده های ارتفاع نقطه سطح آب داخلی (IWSH) مشتق شده از ICESat از [ ۴۲ ] به دست آمد و وضوح فضایی ۷۰ متر و دقت عمودی ۰٫۱ متر داشت.
۲٫۲٫۷٫ ناهمواری منینگ
زبری منینگ برای مشخص کردن مقاومت کانال رودخانه و دشت سیلابی در برابر جریان طولی و عرضی ضروری در مدل‌سازی سیل استفاده شد. ضریب زبری منینگ معمولاً بر اساس ادبیات موجود [ ۴۹ ، ۵۰ ] از پیش تعیین می شود و برای نشان دادن درجه مقاومت جریان ناشی از انواع کاربری/پوشش زمین متفاوت است. بسته به سطح جزئیات مورد نیاز، مقادیر زبری توزیع شده در فضای یا استاتیک (تک) را می توان به مدل اختصاص داد. مطالعات قبلی نشان داده‌اند که برای مدل‌های حوضه آبریز، استفاده از زبری منینگ استاتیک یا متغیر فضایی می‌تواند به تفاوت‌های آماری ناچیز منجر شود [ ۵۱ ]]. در این مطالعه در مقیاس حوضه، زبری مانینگ استاتیک اعمال می‌شود و از ۰٫۰۱ تا ۰٫۰۴۵ متغیر است تا ناهمواری منطقه هیدرولوژیکی نیجر-جنوب، همانطور که توسط مطالعات قبلی در منطقه مورد مطالعه تعریف شده است [ ۵۲ ]، به عنوان مثال، از یک منطقه تمیز و رودخانه شنی صاف اخیراً حفاری/لایروبی شده (۰٫۰۱) به رودخانه ای پر پیچ و خم با موانع، مانند تپه های شنی به اندازه کافی بزرگ برای ایجاد تلاطم مقطعی (۰٫۰۴۵).
۲٫۲٫۸٫ عکس های هوایی
عکس های هوایی دارای برچسب جغرافیایی (۲۸۷) توسط SPDC از یک هلیکوپتر با استفاده از دوربین Nikon D7000 به دست آمد. عکس‌ها برای زیر دامنه دلتای نیجر در زمان اوج سیل در سال ۲۰۱۲ به‌دست آمدند. این عکس‌های هوایی حاوی اطلاعات مختصات (طول و عرض جغرافیایی) بودند، اما به‌صورت عمودی تصحیح نشدند و فاقد متا داده‌های لازم برای چنین پیش‌پردازشی بودند. از این رو، آنها به صورت بصری تفسیر شدند و به صورت دستی به عنوان سیل (۱) و غیر سیل (۰) طبقه بندی شدند، سپس برای استخراج شرایط سیل مربوطه برای وسعت سیل مدل شده و مشاهده شده (SAR) برای تجزیه و تحلیل مقایسه ای اعمال شدند. عکس های هوایی از هلیکوپتر در فاصله متوسط ​​تقریباً ۲ کیلومتری از نقطه کانونی گرفته شده است ( شکل S3) بنابراین، یک بافر ۲ کیلومتری در اطراف نقاط داده عکس هوایی و اکثر تابع آمار منطقه‌ای فضایی در نرم‌افزار ArcGIS ایجاد شد (که مقداری را تعیین می‌کند که اغلب سلول‌های شطرنجی که به همان منطقه سلول خروجی تعلق دارند) رخ می‌دهد. در مدل هیدرودینامیکی و داده‌های وسعت سیل تصاویر SAR برای شناسایی مناطق سیل‌زده یا غیرسیل‌زده در بافر اعمال شد تا امکان مقایسه مستقیم با داده‌های عکس هوایی فراهم شود. نقاط داده‌های عکس هوایی در این مطالعه برای مدل‌سازی و مشاهده وسعت سیل (ماهواره‌ای) حقیقت زمینی با تجزیه و تحلیل مقایسه‌ای درصد ضربه‌ها و خطاها استفاده شد. عکس‌های هوایی عمدتاً از طریق سیستم‌های کم‌هزینه، به‌عنوان مثال، GIS داوطلبانه (سیستم اطلاعات جغرافیایی)، وسایل نقلیه منطقه‌ای بدون سرنشین (UAV) و رسانه‌های اجتماعی، به دست می‌آیند.۵۳ ، ۵۴ ].
۲٫۲٫۹٫ داده ها برای ارزیابی تاثیر سیل
برای ارزیابی تأثیر رویداد سیل ۲۰۱۲، تجزیه و تحلیل همپوشانی برای شناسایی جمعیت و زیرساخت ها (شبکه جاده و مناطق ساخته شده) در معرض وسعت سیل مشاهده شده و مدل شده (۲۰۱۲ و ۱ در ۱۰۰ سال) انجام شد. جمعیت شبکه‌ای جهان (GPW)-v4 [ ۵۵ ] و مجموعه داده‌های دسترسی آزاد جاده‌های جهانی (gROADS) [ ۵۶ ] از پایگاه داده‌های اجتماعی-اقتصادی و مرکز کاربردی به‌دست آمدند، در حالی که کاربری زمین‌های ساخته‌شده از تصویربرداری از زمین عملیاتی Landsat-8 (مسیر: ۱۸۹/ردیف: ۵۵) با استفاده از رویکرد طبقه‌بندی نظارت شده با حداکثر احتمال مشابه با روش استفاده شده توسط Butt و همکاران. [ ۵۷ ].

۲٫۳٫ توضیحات و راه اندازی مدل هیدرودینامیکی سزار-لیسفلود (CL).

ابزار مدل‌سازی هیدرودینامیکی و ژئومورفولوژیکی Caesar-Lisflood [ ۵۹ ] تعبیه‌شده با کد Lisflood-FP [ ۶۰ ] به دلیل کاربرد آن برای مدل‌سازی سیل رودخانه‌ای در مناطق پراکنده داده با استفاده از مجموعه داده‌های زمین با وضوح درشت [ ۲۳ ، ۴۴ ] برای این مطالعه انتخاب شد . ۶۱ ]. مدل دشت سیلابی گسسته شبکه سزار-لیسفلود دو بعدی، جریان بین دو مختصات دکارتی (X و Y) را محاسبه می‌کند که توسط گرانش به دلیل اختلاف ارتفاع سطح آزاد بین دو سلول ارتفاعی هدایت می‌شود. این با معادله به دست می آید:

س=q-gساعتfلowΔتیΔ(ساعت+z)Δایکس(۱+gساعتfلowΔتیn2|q|/ساعتfلow10/3)Δایکس

جایی که سبه عنوان جریان بین سلول های همسایه تعریف می شود، qشار (یعنی نرخ جریان در واحد سطح) بین سلول ها از مراحل زمانی قبلی است، gشتاب ناشی از گرانش است، nضریب زبری منینگ است، ساعتعمق آب است، zارتفاع تخت است، ساعتfلowحداکثر اختلاف عمق جریان بین سلول ها است، Δایکسوضوح شبکه است، و تیزمان است عمق آب در هر سلول به صورت زیر تعریف می شود:

Δساعتمن،jΔتی=سایکسمن-۱،j-سایکسمن،j+سایکسمن،j-1-سایکسمن،jΔایکس۲

جایی که منو jمختصات سلول هستند. گام زمانی مدل کنترل شده توسط شرایط آب کم عمق Courant-Friedrichs-Lewy (CFL) توسط:

Δتیمترآایکس=αΔایکسgساعت

جایی که αیک ضریب (عدد کورانت) است که بسته به اندازه سلول از ۰٫۳ تا ۰٫۷ متغیر است و بر پایداری مدل تأثیر می‌گذارد [ ۶۲ ]. مقادیر بالای αافزایش زمان-گام مدل و کاهش زمان اجرا مدل، اما می تواند منجر به مدل های ناپایدارتر شود. برای این مطالعه، αبر اساس پیشنهادات Coulthard و همکاران ۰٫۷ تقریبی شد. [ ۶۳ ] برای اندازه سلول بیشتر از ۵۰ متر.

۲٫۴٫ کالیبراسیون و اعتبارسنجی مدل

کالیبراسیون مدل سیل معمولاً با تنظیم ضریب زبری مانینگ از پیش تعیین شده (n) انجام می شود که مقاومت کانال رودخانه و دشت سیلابی را در مقابل جریان نشان می دهد در حالی که نتایج مدل سیل مانند وسعت طغیان و/یا عمق آب را با پارامترهای مشابه شناخته شده به دست آمده از منابع داده دیگر مانند مقایسه می کند. ارتفاع سنجی راداری، نوری و تصاویر ماهواره ای راداری [ ۲۳ ، ۶۱ ]، و همچنین عکسبرداری هوایی [ ۶۴ ] و/یا اندازه گیری رودخانه درجا [ ۱۳ ]. هدف کالیبراسیون ارزیابی ظرفیت یک مدل برای پیش‌بینی سطوح سیل مشاهده‌شده در سطوح قابل قبول عدم قطعیت است [ ۶۵ ].

آماره‌های F، سوگیری و درصد (%) جذب سیل، ماتریس‌های ارزیابی مورد استفاده برای مقایسه مدل با وسعت سیل مشاهده‌شده [ ۲۶ ، ۶۵ ] بودند، و این پارامترها به صورت زیر تعریف می‌شوند:

اف=آآ+ب+سی

که در آن A نشان‌دهنده مرطوب شبیه‌سازی‌شده و مرطوب مشاهده‌شده، B نشان‌دهنده مرطوب شبیه‌سازی‌شده اما خشک مشاهده‌شده، C نشان‌دهنده خشک شبیه‌سازی‌شده اما مرطوب مشاهده‌شده، و F می‌تواند از ۰ تا ۱ متغیر باشد – سطح دقت را افزایش می‌دهد.

تعصب مدل و درصد سیل مشاهده شده که به درستی ضبط شده است به شرح زیر است:

بمنآس=آ+بآ+سی
% افلooد سیآپتیتوrه=آآ+سی
شبیه‌سازی‌های متعددی از مدل سزار-لیسفلود برای کل دامنه مدل به دلیل در دسترس بودن ایستگاه‌های اندازه‌گیری در بالادست (به Baro و Umaisha در شکل ۱ را ببینید ) به عنوان یک شرایط مرزی بالادست در حالی که ضرایب زبری منینگ استاتیک از ۰٫۰۱ تا ۰٫۰۴۵ در بازه‌های زمانی تغییر می‌کرد، اجرا شد. ۰٫۰۰۵ برای دستیابی به هزینه محاسباتی قابل مدیریت و سازگاری با ادبیات قبلی در منطقه مورد ارزیابی [ ۵۲ ]. وسعت سیل مدل‌سازی‌شده با وسعت سیل ماهواره‌ای مشاهده‌شده برای ارزیابی عملکرد مدل با استفاده از ماتریس‌های فوق‌الذکر مقایسه شد. این مدل همچنین برای زیر دامنه‌ها مجدداً تأیید شد تا تأثیر داده‌ها و تنوع چشم‌انداز را بر نتیجه مدل سیل نشان دهد.

۳٫ نتایج و بحث

۳٫۱٫ ادغام داده‌های سنجش از راه دور و دسترسی آزاد برای مدل‌سازی سیلاب در مقیاس حوضه

شکل ۳ عملکرد مدل را در رابطه با ضریب زبری متفاوت منینگ “n” از ۰٫۰۱ تا ۰٫۰۴۵ m ۱/۳ S -۱ نشان می دهد، که ۰٫۰۴ m ۱/۳ S -۱ را به عنوان ضریب زبری منینگ بهینه نشان می دهد، به ویژه با توجه به اینکه آماره F مدل با مقدار “n” 0.045 m ۱/۳ S -۱ شروع به کاهش کرد . زبری منینگ بهینه استفاده شده با مطالعه قبلی در همان منطقه مورد مطالعه مطابقت داشت [ ۲۹]، که در آن کانال بهینه و ضریب زبری منینگ بیش از بانک برابر با ۰٫۰۴ برای مدل SOBEK یک بعدی اتخاذ شد. برخی از توصیف کننده های پارامترهای ناهمواری در کانال و دشت سیلابی شامل محصولات بالغ، بوته های پراکنده، علف های هرز سنگین، چمن کوتاه، پوشش گیاهی اولیه، تپه های شنی، و کانال های پرپیچ و خم [ ۴۹ ، ۵۰ ] است. علاوه بر این، می‌توان مشاهده کرد که عملکرد مدل زمانی بهبود می‌یابد که به‌عنوان زیر دامنه‌ها به‌جای ارزیابی مجدد به‌عنوان یک دامنه کامل، بهبود یابد. این تغییرات عملکرد با تغییرات کیفیت داده‌ها سازگار بود و در پایین دست حوزه مطالعه کاهش می‌یابد. یک تغییر عملکرد مدل مشابه توسط اسکینر و همکاران مشاهده شد. [ ۱۳ ]، که در آن عدم قطعیت عملکرد مدل با ابهام داده افزایش یافت.
در جدول ۳ و جدول ۴ ، عملکرد مدل در برابر تصاویر اپتیکی و ترکیبی اپتیکی و راداری که با استفاده از موزاییک شطرنجی در زیر دامنه های لوکوجا، اونیتشا و دلتای نیجر به دست آمده است، ارزیابی شده است. به نظر می رسد که این مدل در مقایسه با تصاویر نوری MODIS در مقایسه با وسعت سیل نوری و راداری ترکیبی، عملکرد بهتری داشته باشد. ترکیبی از تصاویر نوری و راداری به طور گسترده برای بهبود ترسیم وسعت سیل گزارش شده است و به ویژه برای نظارت بر سیل در مقیاس بزرگ مفید است [ ۶۶ ]]. در زیر دامنه Lokoja، به دلیل محدودیت ابر و پوشش گیاهی در منطقه، یک تفاوت حداقلی بین آماره F مدل در هنگام ارزیابی تصاویر نوری MODIS و وسعت سیل TerraSAR-X مشاهده شد، یعنی به ترتیب ۰٫۷۲۹ و ۰٫۸۰۸٫ . در زیر دامنه دلتای نیجر که به دلیل نزدیکی به سواحل اقیانوس اطلس تحت سلطه پوشش ابر فصلی قرار دارد، ترکیب تصاویر Radarsat-2 و CosmoSkyMed منجر به پیش بینی مدل بهبود یافته ۰٫۱۸۷، از ۰٫۰۹۵ فقط برای MODIS نوری، و همچنین به طور کلی شد. کاهش تعصب این بهبود را می توان به توانایی حسگرهای SAR در نفوذ به پوشش ابر برای ترسیم سیل زیرین نسبت داد. با این وجود، مقادیر نسبتاً پایین آماره F، علیرغم بهبود،۶۷ ]. آمار کلی F برای کل دامنه مدل به طور کلی پایین بود ( شکل ۴ و جدول ۳ و جدول ۴ ) به دلیل عدم قطعیت های داده ها و فرآیند که به نتایج مدل سیل تبدیل شدند [ ۶۸ ]. اثر عدم قطعیت داده‌ها بیشتر در زیر دامنه‌ها آشکار شد، جایی که ظرفیت پیش‌بینی مدل هیدرودینامیکی، همانطور که قبلاً فاش شد، تحت‌تاثیر نابرابری داده‌های مکانی قرار گرفت. سوگیری وسعت سیل و درصدهای سیل گرفته شده در جدول ۴ و جدول ۵ نیز با تنوع داده ها در دامنه کلی و زیر دامنه ها مطابقت دارد.
پس از مشخص شدن این که بهترین مناسب نتیجه مدل سزار-لیسفلود با ضریب زبری منینگ استاتیک ۰٫۰۴ m ۱/۳ S -۱ مشخص شد، می توان مشاهده کرد که الگوهای گستره سیل مدل سازی شده برای سه زیر دامنه با موارد مشاهده شده مطابقت دارد. از تصاویر ماهواره‌ای ( شکل ۴ A-C) و اثر تغییرپذیری داده را منعکس می‌کند، همانطور که توسط ماتریس‌های عملکرد تعریف می‌شود، با عدم قطعیت نتیجه مدل (بیش از برآورد) با کاهش در دسترس بودن داده‌ها در پایین دست افزایش می‌یابد.
توصیف دقیق دشت سیلابی و زمین رودخانه به عنوان ورودی های کلیدی که بر نتایج مدل های هیدرودینامیکی تأثیر می گذارد، شناسایی شده است [ ۶۹ ، ۷۰ ]. SRTM DEM همراه با داده های عمق سنجی رودخانه به روز (۲۰۱۱) در Lokoja منجر به عملکرد مدل ۰٫۸ = F شد، ماتریسی مطابق با سایر مطالعات که در آن ادغام داده های DEM و عمق سنجی در مدل سازی سیل منجر به بهبود نتایج مدل شد [ ۲۳ , ۵۱ ، ۷۱ ]. در Onitsha، جایی که SRTM با داده‌های منسوخ باتیمتری که در سال ۲۰۰۲ به دست آمد، قبل از فعالیت‌های لایروبی در سال ۲۰۱۰ ترکیب شد [ ۷۲ ]]، F = 0.5 به دست آمد. بنابراین، داده های عمق سنجی احتمالاً عمق رودخانه را بیش از حد تخمین زده اند، در نتیجه منجر به وسعت سیل مدل شده بیش از حد تخمین زده شده است ( شکل ۴ B). کاهش دقت مدل تقریباً F = 0.2 در زیر دامنه دلتای نیجر به فقدان داده های عمق سنجی در منطقه زمین مسطح نسبت داده شد، علیرغم درج ارتفاع نقطه ICESat، که منجر به یک توصیف هندسه رودخانه ساده شد که به صراحت ثبت نشد. جزئیات شبکه رودخانه مانند آنابرانچ و پیچ و خم. این باعث برآورد بیش از حد مدل سیل به دلیل سهولت انتقال آب از رودخانه های کم عمق به دشت های سیلابی مجاور شد [ ۷۳ ، ۷۴ ]]. علاوه بر این، فعالیت‌های غیرقابل تنظیم معدن شن و ماسه، حراهای اشباع شده از آب، و شیوه‌های ضعیف لایروبی و مدیریت زباله، عواملی بودند که به عدم قطعیت مدل در منطقه کمک کردند [ ۳۲ ]، زیرا می‌توانند تغییرات هیدرولوژیکی و هیدرولیکی را تحت تأثیر قرار دهند و باعث ایجاد تغییرات شوند.
علاوه بر این، مطالعات قبلی در منطقه بر اساس مدل‌های سیل جهانی، مانند CaMa-Flood (دشت سیلاب در مقیاس کلان حوضه)، GLOFRIS (سناریوهای تصویر خطر سیل جهانی)، JRC (مرکز تحقیقات مشترک)، ECMWF (مرکز متوسط ​​اروپا) – Range Weather Forecasts)، SSBN (اکنون به عنوان Fathom Global Ltd. شناخته می شود)، و CIMA-UNEP (Centro Internazionale در Monitoraggio Ambientale و برنامه محیط زیست سازمان ملل متحد) [ ۴۱ ، ۷۵ ، ۷۶ ]، الگوهای غرقابی مشابهی را نشان داده اند اما با اندکی کمی توافق کمتر مدل به مشاهده در لوکوجا، اونیتشا و دلتای نیجر. نتایج مدل‌های جهانی همچنین کاهش دقت را از رودخانه‌های تنگ و باریک در لوکوجا تا دشت‌های سیل‌آبی کم ارتفاع دلتای نیجر نشان داد [ ۷۵ ]]، مشابه یافته در این مطالعه. با توجه به اینکه برخی از داده های محلی مانند عمق سنجی رودخانه و سایر مجموعه داده های اعتبارسنجی در این مطالعه، به طور خاص در لوکوجا (که به ندرت برای مدل های سیل جهانی در دسترس است [ ۷۵ ، ۷۷ ، ۷۸ ]) در دسترس بود، نتایج این مطالعه در لوکوجا به طور قابل توجهی بهتر از جهانی بود. مدل ها.
به طور کلی، الگوی سیل نشان داده شده در شکل ۴ A-C با ژئومورفولوژی زیر دامنه ها و تأثیر آن بر هیدرولیک حوضه های آبریز سازگار بود. به عنوان مثال، در زیر دامنه Lokoja، سیل در محل تلاقی در Lokoja، جایی که رودخانه های نیجر و Benue به هم می رسند و به سمت دشت های سیلابی انتشار می یابند، پخش شد. در Onitsha، مناطق سیلاب گسترده ای را می توان مشاهده کرد، و اینها به اثر آب پس انداز نسبت داده شدند که باعث کانال تنگ رودخانه در Asaba شد که آب را منحرف می کند تا دشت سیلابی نسبتاً مسطح بشقاب را پر کند [ ۷۶ ]]؛ و سیل گسترده در سراسر منطقه دلتای نیجر می تواند به توپوگرافی کم ارتفاع منطقه و همچنین ناتوانی رودخانه های کم عمق (نون و فورکادوس) در مهار آب اضافی که از رودخانه های بالادست (نیجر و بنوه) می آید، مرتبط باشد. . این ویژگی‌ها نشان می‌دهد که بهبود مشخصه‌های توپوگرافی کانال رودخانه و دشت سیلابی برای کانال‌های کم عمق و دشت‌های سیلابی کم ارتفاع ضروری است [ ۷۹ ].

۳٫۲٫ اعتبار سنجی مجدد مدل سیل در منطقه غالب پوشش گیاهی با استفاده از عکس های هوایی رایگان و SAR

همانطور که در جدول ۳ و جدول ۴ و شکل ۴ A-C مشاهده می شود، ترکیب ماهواره های نوری و راداری منجر به یک توافق مدل به مشاهده بهبود یافته شد . با این حال، SAR در جنگل‌های حرا، باتلاق‌ها و مناطق ساخته شده کمبود دارد [ ۲۴ ، ۶۷ ]، همانطور که با حداقل تغییر مشاهده‌شده در عملکرد مدل از ۰٫۰۹۵ به ۰٫۱۸۷ هنگام مقایسه مدل با تصاویر اپتیکی و راداری و اپتیکی نشان داده می‌شود. وسعت سیل مشتق شده، به ترتیب، در منطقه نیجر تحت سلطه پوشش گیاهی حرا.
برای ارزیابی بهتر عملکرد مدل در زیر دامنه دلتای نیجر که در آن SAR ناقص شناخته شده است، نقاط داده عکس هوایی به دست آمده در طول رویداد سیل سال ۲۰۱۲ برای اولین بار استفاده شد و نتایج در شکل ۵ A-D و ارائه شده است. جدول ۵ . شکل ۶ برخی از نقاط داده عکس هوایی را نشان می دهد که در میان تغییرات معمولی محیطی/فیزیکی چشم انداز در منطقه دلتای نیجر توزیع شده اند. شکل ۵ الف کاربری مخلوط را نشان می دهد (مساحت ساخته شده بیشتر از پوشش گیاهی). شکل ۵ ب، کاربری مخلوط را نشان می دهد (پوشش گیاهی بیشتر از ساخته شده). شکل ۵ C زمین های برهنه، زمین های کم ساخت و زمین های دارای پوشش گیاهی را نشان می دهد. و شکل ۵D پوشش گیاهی بالغ حرا را نشان می دهد. همانطور که در جدول ۵ مشاهده می‌شود، این تغییرات فیزیکی-محیطی بر ظرفیت‌های ترسیم غرقاب SAR و عملکرد مدل هیدرودینامیکی [ ۸۰ ] تأثیر می‌گذارند ، جایی که سطح توافق بالاتری بین نقاط داده عکس هوایی و مدل (۶۹٪) در مقایسه با SAR مشاهده شد. (۱۳%). عکس‌های هوایی با برچسب جغرافیایی استفاده شده، تصاویر واقعی مناطق سیل‌زده را ارائه می‌کنند ( شکل ۶ ) و در ارتفاعات زیر پوشش ابر گرفته شده‌اند. بنابراین، پیکسل های تصویر توسط تاج پوشش گیاهی مختل نشدند. این نتیجه بیشتر کمبود SAR را در ترسیم سیل در مناطق تحت سلطه حرا، و همچنین محدودیت بالقوه SRTM DEM در زیر یا تخمین بیش از حد ارتفاع زمین برای مدل‌سازی هیدرودینامیکی تقویت می‌کند [ ۸۱ ,۸۲ ]. در نتیجه، این ارزیابی یک رویکرد جدید برای تعیین کاستی‌های مدل‌های هیدرودینامیکی و تصاویر SAR در زمین‌های پیچیده با استفاده از عکس‌های هوایی ارائه می‌کند. با این وجود، اگر توزیع فضایی بهبود یابد و اگر داده‌ها برای فعال کردن تصحیح عمودی برای تحلیل مقایسه‌ای مبتنی بر پیکسل یا ناحیه جمع‌آوری شوند، می‌توان مقدار بهتری از چنین داده‌هایی به دست آورد.

۳٫۳٫ کمی سازی بزرگی و تأثیر سیل ۲۰۱۲ در نیجریه

دوره بازگشت سیل ۱ در ۱۰۰ سال توسط دستورالعمل های فنی در مورد فرسایش خاک، سیل و مدیریت مناطق ساحلی برای مدیریت خطر سیل در نیجریه توصیه شده است [ ۸۳ ]. بر اساس یک روش توسعه یافته از یک مطالعه قبلی [ ۳۹ ]، دبی سیلاب ۱ در ۱۰۰ سال در ایستگاه های اندازه گیری بارو و اومیشا به ترتیب ۱۳۸۸۷ و ۱۹۵۸۹ متر مکعب بر ثانیه برآورد شده است ( شکل های تکمیلی S1 و S2 ) و به صورت گذشته نگر اعمال می شود. تأثیر رویداد سیل ۲۰۱۲ در زیر دامنه Lokoja که در آن بالاترین عملکرد مدل مشاهده شد، به عنوان مثال، مساحت زمین، مناطق ساخته شده، جاده ها و جمعیت آسیب دیده. ارزیابی تأثیر مشابهی نیز با استفاده از اوج تخلیه سیل در سال ۲۰۱۲ انجام شد (نگاه کنید بهشکل S4، مواد تکمیلی برای هیدروگراف ۲۰۱۲)، و نتایج در کنار وسعت سیل ماهواره ای مشاهده شده در جدول ۶ و شکل ۷ A,B ارائه شده است.
مناطقی که توسط تصاویر ماهواره‌ای به‌عنوان سیل مشاهده شده‌اند، با مناطق سیل‌زده مدل‌سازی‌شده برای یک سیل ۱ در ۱۰۰ سال و اوج سیل سال ۲۰۱۲ ( شکل ۷ ) مطابقت داشتند، که منجر به توافق وسعت فضایی بیش از ۹۵ درصد شد. علاوه بر این، شباهت‌هایی برای تأثیر سیل مشاهده‌شده و مدل‌سازی‌شده برای منطقه آب‌گرفته، منطقه ساخته‌شده، جاده‌های اصلی و جمعیت آسیب‌دیده که در جدول ۶ نشان داده شده است، قابل مشاهده بود. این شاخص ها برای درک قرار گرفتن در معرض سیل، تأثیر بر زیرساخت ها، استراتژی تخلیه، و آسیب به خانوارها و معیشت برای اطلاع از مداخلات مدیریت ریسک سیل در آینده مرتبط هستند.

۴٫ نتیجه گیری

در این مطالعه، یک رویکرد یکپارچه از بهره‌گیری از داده‌های سنجش از راه دور و دسترسی باز برای بهبود مدل‌سازی سیل و فرآیندهای نقشه‌برداری در مناطق پراکنده ارائه شد. رویکرد ما به‌طور سیستماتیک داده‌های هیدرولوژیکی تاریخی، SRTM DEM، بررسی‌های عمق سنجی، عکس‌های هوایی، تصاویر نوری و تصاویر SAR را به‌طور سیستماتیک ترکیب می‌کند. این رویکرد از نقاط قوت مجموعه داده‌های دسترسی آزاد و به آسانی در دسترس استفاده می‌کند و کمبودها و فرصت‌های آن‌ها برای افزایش داده‌ها برای بهبود مدل‌سازی و نقشه‌برداری سیل را برجسته می‌کند.
گستره فضایی داده های سنجش از راه دور دسترسی باز به ندرت برای مدل سازی در مقیاس حوضه در بسیاری از مناطق در حال توسعه کافی یا به طور یکسان در دسترس است. بنابراین، نتایج این مطالعه نشان می‌دهد که ترکیب به‌روز هیدرولوژیکی، عمق‌سنجی رودخانه، SRTM DEM، تصاویر نوری و تصاویر ماهواره‌ای رادار، داده‌های بهینه را برای مدل‌سازی و نقشه‌برداری سیل به‌طور قابل‌توجهی بهبود می‌بخشد. علاوه بر این، محققان در مناطق در حال توسعه باید در منابع داده نوآوری بیشتری داشته باشند، به ویژه به این دلیل که چندین مجموعه داده مرتبط توسط متولیان محدود شده یا فروخته می شوند. باید تلاش هایی برای مشارکت با موسسات دولتی و خصوصی انجام شود تا امکان دسترسی به مجموعه داده های تجاری به دست آمده یا محدود شده که برای مدل سازی سیل و فرآیندهای نقشه برداری مفید هستند، فراهم شود.
کمبود داده‌های سنجش از دور برای مدل‌سازی و نقشه‌برداری سیل در ناتوانی حسگر SAR در ترسیم کارآمد سیل در منطقه پوشش گیاهی دلتای نیجر، و همچنین کاهش ترسیم هندسه رودخانه توسط SRTM DEM آشکار شد که هر دو منجر به بیش از حد سیل شدند. تخمین سیل در زیر دامنه های اونیتشا و دلتای نیجر عدم قطعیت های مرتبط با این مجموعه داده ها بر توافق مدل سیل تا مشاهده تأثیر گذاشت. علاوه بر این، اهمیت استفاده از داده‌های عمق‌سنجی به‌روز برای مدل‌سازی سیل، به‌ویژه برای دشت‌های سیلابی کم‌عمق نشان داده شد – همانطور که در زیر دامنه‌های مختلف که در آن استفاده از ۲۰۱۱، ۲۰۰۲، و داده‌های عمق سنجی موجود در Lokoja، Onitsha دیده می‌شود، نشان داده شد. و دلتای نیجر به ترتیب منجر به کاهش مداوم دقت مدل شدند. استفاده از عکس‌های دارای برچسب جغرافیایی هوایی یک رویکرد نوآورانه برای اعتبارسنجی مدل سیل در مناطق تحت سلطه پوشش گیاهی و مناطق ساحلی ارائه می‌کند که در آن‌ها ظرفیت تشخیص سیل تصاویر ماهواره‌ای نوری و راداری توسط پوشش گیاهی و پوشش ابر مختل می‌شود. تصاویر جغرافیایی مرجع در سطح خیابان اکنون به طور گسترده برای ارزیابی اثرات پس از سیل در مناطق کم داده جمع‌آوری شده‌اند و می‌توانند برای کالیبراسیون و اعتبارسنجی مدل سیل حیاتی باشند.۵۴ ]. یکی از محدودیت‌های اصلی استفاده از عکس‌های هوایی این است که آن‌ها به‌عنوان عکس‌های ارتوپدی گرفته نمی‌شوند و از این رو نمی‌توان از آنها برای استخراج گستره هندسی سیل استفاده کرد تا امکان مقایسه مستقیم با وسعت سیل گرفته یا ماهواره‌ای را فراهم کند.
بازآفرینی گذشته‌نگر رویداد سیل سال ۲۰۱۲ در دامنه فرعی Lokoja به کمیت این رویداد به عنوان سیل ۱ در ۱۰۰ سال کمک کرد، این با وسعت فضایی اوج مطابقت داشت و وسعت سیل مدل‌سازی شده با برازش بیش از ۹۵% مطابقت داشت. و با مدل های سیل جهانی از یک مطالعه اخیر در همان زیر دامنه قابل مقایسه بود [ ۷۶ ]. رویکردی که در این مطالعه نشان داده شده است اگر با شبکه مجازی فعلی ایستگاه های ارتفاع سنجی راداری در امتداد نیجر و بنو [ ۸۴ ] مهار شود.]، و همچنین بهبود در رصدخانه درجا از طریق برنامه‌هایی مانند پروژه مدیریت فرسایش و آبخیز نیجریه (NEWMAP) و تغییر مدیریت آبیاری در نیجریه (TRIMING) – خدمات اطلاعات آب و هوا را در نیجریه بهبود می‌بخشد. علاوه بر این، شناسایی فعال مکان‌های در معرض خطر سیل و مناطق خشک امن برای هماهنگی واکنش اضطراری در طول یک رویداد شدید امکان‌پذیر می‌شود، در نتیجه گزارش چشم‌انداز سالانه ملی NIHSA را تکمیل می‌کند که مکان‌هایی را پیشنهاد می‌کند که احتمالاً بدون پارامترهای فضایی قابل اندازه‌گیری در معرض سیل قرار می‌گیرند. به عنوان مثال، وسعت سیل) برای اطلاع رسانی تصمیمات مداخله.

منابع

  1. بالبوس، جی.ام. Boxall، ABA; فنسکه، RA; مک‌کون، تی. Zeise, L. مفاهیم تغییر آب و هوای جهانی برای ارزیابی و مدیریت خطرات سلامت انسان مواد شیمیایی در محیط طبیعی. محیط زیست سموم شیمی. ۲۰۱۳ ، ۳۲ ، ۶۲-۷۸٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
  2. جونگمن، بی. وارد، پی جی. Aerts، JCJH مواجهه جهانی با سیل رودخانه ها و ساحلی: روندها و تغییرات بلند مدت. گلوب. محیط زیست چانگ. ۲۰۱۲ ، ۲۲ ، ۸۲۳-۸۳۵٫ [ Google Scholar ] [ CrossRef ]
  3. یوکیکو، اچ. روبونان، م. سوجان، ک. لیساکو، ک. دای، ی. ساتوشی، دبلیو. هیونگ جون، ک. Shinjiro، K. خطر سیل جهانی تحت تغییرات آب و هوا. نات. صعود چانگ. ۲۰۱۳ ، ۳ ، ۸۱۶-۸۲۱٫ [ Google Scholar ] [ CrossRef ]
  4. Ekeu-wei، IT; Blackburn, GA کاربردهای داده های سنجش از راه دور دسترسی باز برای مدل سازی و نقشه برداری سیل در مناطق در حال توسعه. هیدرولوژی ۲۰۱۸ ، ۵ ، ۳۹٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  5. اوجیگی، م. عبدالقادر، ف. Aderju, M. نقشه برداری جغرافیایی و تجزیه و تحلیل فاجعه سیل ۲۰۱۲ در بخش های مرکزی نیجریه. در مجموعه مقالات هشتمین سمپوزیوم ملی GIS، دمام، عربستان سعودی، ۸ ژوئن ۲۰۱۳; صص ۱-۱۴٫ [ Google Scholar ]
  6. دولت فدرال نیجریه نیازسنجی پس از فاجعه سیل ۲۰۱۲ ; دولت فدرال نیجریه: ابوجا، نیجریه، ۲۰۱۳٫
  7. Els، Z. در دسترس بودن داده ها و الزامات برای نقشه برداری خطر سیل در آفریقای جنوبی. پایان نامه کارشناسی ارشد، دانشگاه Stellenbosch، Stellenbosch، آفریقای جنوبی، ۲۰۱۳٫ [ Google Scholar ]
  8. Aerts، JCJH; ون آلفن، جی. der Moel, H. نقشه های سیل در اروپا-روش ها، در دسترس بودن و استفاده. نات. سیستم خطرات زمین. علمی ۲۰۰۹ ، ۹ ، ۲۸۹-۳۰۱٫ [ Google Scholar ]
  9. رابسون، ا. Reed, D. رویه های آماری برای تخمین فراوانی سیل. در کتاب برآورد سیل ; موسسه هیدرولوژی: والینگفورد، انگلستان، ۱۹۹۹; جلد ۳٫ [ Google Scholar ]
  10. راگر، م. کهل، بی. پیرکل، اچ. ویگلیون، آ. کوما، ج. کرنباوئر، آر. مرز، ر. مدل‌های رواناب بلوشل، جی. و آمار فراوانی سیل برای برآورد سیل طراحی در اتریش – آیا آنها داستانی ثابت را بیان می‌کنند؟ جی هیدرول. ۲۰۱۲ ، ۴۵۶-۴۵۷ ، ۳۰-۴۳٫ [ Google Scholar ] [ CrossRef ]
  11. پاندی، آر. Amarnath، G. پتانسیل ارتفاع سنجی رادار ماهواره ای در پیش بینی سیل: مفهوم و پیاده سازی برای حوضه رودخانه نیجر-بنو. Proc. IAHS ۲۰۱۵ ، ۳۷۰ ، ۲۲۳-۲۲۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  12. حداد، ک. رحمان، ع. لینگ، F. روش تجزیه و تحلیل فراوانی سیل منطقه ای برای تاسمانی، استرالیا: مطالعه موردی در مقایسه رویکردهای منطقه ثابت و منطقه نفوذ. هیدرول. علمی J. ۲۰۱۴ . [ Google Scholar ] [ CrossRef ]
  13. اسکینر، سی جی; کولتارد، تی جی; پارسونز، DR; رامیرز، جی. مولن، ال. منسون، اس. شبیه سازی هیدرولیک جزر و مد و موج طوفان با یک مدل ساده مبتنی بر اینرسی ۲ بعدی، در دهانه هامبر، UK Estuar. ساحل. Shelf Sci. ۲۰۱۵ ، ۱۵۵ ، ۱۲۶-۱۳۶٫ [ Google Scholar ] [ CrossRef ]
  14. کرون، دبلیو. خطر سیل = خطر • ارزش ها • آسیب پذیری. بین المللی آب ۲۰۰۵ ، ۳۰ ، ۵۸-۶۸٫ [ Google Scholar ] [ CrossRef ]
  15. دی بالداسار، جی. شومان، جی. بیتس، PD; فریر، JE; Beven، KJ نقشه برداری سیل-دشت: بحث انتقادی از رویکردهای قطعی و احتمالی. هیدرول. علمی J. ۲۰۱۰ , ۵۵ , ۳۶۴-۳۷۶٫ [ Google Scholar ] [ CrossRef ]
  16. دومنگتی، آ. وروگوشین، س. کاستلارین، ا. مرز، بی. برات، الف. نقشه برداری احتمالی خطر سیل: اثرات شرایط مرزی نامشخص. هیدرول. سیستم زمین علمی ۲۰۱۳ ، ۱۷ ، ۳۱۲۷-۳۱۴۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  17. بشیر، د. Garba, M. نظارت هیدرولوژیکی و سیستم اطلاعاتی برای مدیریت پایدار حوضه. در مجموعه مقالات اولین کنفرانس سالانه انجمن نیجریه علوم هیدرولوژی، دانشگاه فناوری فدرال، یولا، آداماوا، نیجریه، ۲ تا ۴ دسامبر ۲۰۰۳٫ [ Google Scholar ]
  18. Ngene، BU بهینه سازی ایستگاه های باران سنج در نیجریه. دکتری پایان نامه، دانشگاه فناوری فدرال، اووری، نیجریه، ۲۰۰۹٫ [ Google Scholar ]
  19. Ekeu-wei، ارزیابی فناوری اطلاعات چالش های جمع آوری داده های هیدرولوژیکی و عدم قطعیت های تخمین سیل در نیجریه. محیط زیست نات. منبع. Res. ۲۰۱۸ ، ۸ ، ۴۴-۵۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. Olayinka، DN; Nwilo، رایانه شخصی؛ امانوئل، A. از حوضه تا رسیدن: مدل سازی پیش بینی سیل در نیجریه. در مجموعه مقالات هفته کاری FIG، محیط زیست برای پایداری، ابوجا، نیجریه، ۶ تا ۱۰ مه ۲۰۱۳٫ [ Google Scholar ]
  21. Ngene، BU; Agunwamba، JC; Nwachukwu، BA; Okoro، BC چالش های بهبود شبکه باران سنج نیجریه. RJEES ۲۰۱۵ ، ۷ ، ۶۸-۷۴٫ [ Google Scholar ] [ CrossRef ]
  22. یان، ک. دی بالداسار، جی. Solomatine، DP; شومان، GJP مروری بر داده های فضایی کم هزینه برای مدل سازی سیل: توپوگرافی، وسعت سیل و سطح آب. هیدرول. روند. ۲۰۱۵ ، ۲۹ ، ۳۳۶۸-۳۳۸۷٫ [ Google Scholar ] [ CrossRef ]
  23. سانیال، ج. Carbonneau، P. Densmore، A. مسیریابی هیدرولیک سیلاب‌های شدید در یک رودخانه بزرگ اندازه‌گیری نشده و برآورد عدم قطعیت‌های مرتبط: مطالعه موردی رودخانه دامودار، هند. نات. خطرات ۲۰۱۳ ، ۶۶ ، ۱۱۵۳-۱۱۷۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  24. موسی، ز. پوپسکو، آی. ماینت، ای. مروری بر کاربردهای ماهواره ای SAR، نوری، ارتفاع سنجی و داده های DEM برای مدل سازی آب های سطحی، نقشه برداری و تخمین پارامتر. هیدرول. سیستم زمین علمی دیس ۲۰۱۵ ، ۱۲ ، ۴۸۵۷-۴۸۷۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. یان، ک. تارپانلی، ا. بالینت، جی. مورامارکو، تی. Baldassarre، GD بررسی پتانسیل توپوگرافی SRTM و ارتفاع سنجی رادار برای حمایت از مدل‌سازی انتشار سیل: مطالعه موردی دانوب. جی هیدرول. مهندس ۲۰۱۵ ، ۲۰ ، ۰۴۰۱۴۰۴۸٫ [ Google Scholar ] [ CrossRef ]
  26. استفنز، ای. شومان، جی. بیتس، P. مشکلات با معیارهای الگوی باینری برای ارزیابی مدل سیل. هیدرول. روند. ۲۰۱۴ ، ۲۸ ، ۴۹۲۸-۴۹۳۷٫ [ Google Scholar ] [ CrossRef ]
  27. میسون، دی سی؛ شومان، جی. بیتس، P. استفاده از داده ها در مدل سازی طغیان سیل . Blackwell Publishing Ltd.: Oxford, UK, 2011; ص ۲۰۹-۲۳۳٫ [ Google Scholar ]
  28. اوچگبولام، او. Ayolabi، E. تجزیه و تحلیل تصویر ماهواره ای با استفاده از داده های سنجش از دور در بخش هایی از غرب نیجر دلتا، نیجریه. J. Emerg. گرایش ها Eng. Appl. علمی ۲۰۱۳ ، ۴ ، ۶۱۲-۶۱۷٫ [ Google Scholar ]
  29. موسی، ZN; پوپسکو، دوم; Munett، A. تحلیل حساسیت مدل هیدرودینامیکی SOBEK 2 بعدی رودخانه نیجر. در مجموعه مقالات سی و ششمین کنگره جهانی IAHR، لاهه، هلند، ۲۸ ژوئن تا ۳ ژوئیه ۲۰۱۵٫ [ Google Scholar ]
  30. شوستیکووا، آی. دومنگتی، آ. نیل، جی سی. بیتس، پی. Castellarin، A. مقایسه قابلیت‌های دو بعدی HEC-RAS و LISFLOOD-FP در توپوگرافی پیچیده. هیدرول. علمی J. ۲۰۱۹ ، ۶۴ ، ۱۷۶۹-۱۷۸۲٫ [ Google Scholar ] [ CrossRef ]
  31. گاستون، L. نیازهای آینده و تغییرات آب و هوایی یکپارچه در دسترسی به آب رودخانه نیجر. ج. منبع آب. Prot. ۲۰۱۳ ، ۵ ، ۸۸۷-۸۹۳٫ [ Google Scholar ]
  32. آبام، T. دیدگاه های تحقیقات هیدرولوژیکی منطقه ای در دلتای نیجر. هیدرول. علمی J. ۲۰۰۱ ، ۴۶ ، ۱۳-۲۵٫ [ Google Scholar ] [ CrossRef ]
  33. آیچ، وی. کونه، بی. هاترمن، FF; مولر، EN سیل در حوضه نیجر – تجزیه و تحلیل و اسناد. نات. سیستم خطرات زمین. علمی دیس ۲۰۱۴ ، ۲ ، ۵۱۷۱-۵۲۱۲٫ [ Google Scholar ] [ CrossRef ]
  34. اندرسن، آی. Golitzen، KG حوضه رودخانه نیجر: چشم اندازی برای مدیریت پایدار . انتشارات بانک جهانی: واشنگتن، دی سی، ایالات متحده آمریکا، ۲۰۰۵٫ [ Google Scholar ]
  35. Olojo، OO; اسما، تی. عیسی، AA; اویومی، ع. Adepero، O. نقش ماهواره رصد زمین در طول همکاری بین المللی در فاجعه سیل ۲۰۱۲ نیجریه. در مجموعه مقالات شصت و چهارمین کنگره بین المللی فضانوردی، پکن، چین، ۲۳ تا ۲۷ سپتامبر ۲۰۱۳٫ [ Google Scholar ]
  36. آگادا، اس. نیروپاما، شمال. یک رویداد سیل جدی در نیجریه در سال ۲۰۱۲ با تمرکز ویژه بر ایالت بنوه: بررسی مختصر. نات. خطرات ۲۰۱۵ ، ۷۷ ، ۱۴۰۵-۱۴۱۴٫ [ Google Scholar ] [ CrossRef ]
  37. اودونوگا، اس. آدگون، او. راجی، س. Udofia، S. تغییرات در خطر سیل در حوضه های زیرین نیجر-بنوئه. Proc. بین المللی دانشیار هیدرول. علمی ۲۰۱۵ ، ۳۷۰ ، ۹۷-۱۰۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  38. افوبی، ک. Anierobi، C. سیل شهری و آسیب پذیری شهرهای نیجریه: مطالعه موردی Awka و Onitsha در ایالت آنامبرا، نیجریه. J. قانون سیاست Glob. ۲۰۱۳ ، ۱۹ ، ۵۸-۶۴٫ [ Google Scholar ]
  39. Ekeu-wei، کاربرد فناوری اطلاعات دسترسی آزاد و فناوری مکانی ثالث برای مدیریت یکپارچه خطر سیل در مناطق پراکنده داده کشورهای در حال توسعه . دانشگاه لنکستر: لنکستر، بریتانیا، ۲۰۱۸٫ [ Google Scholar ]
  40. O’Loughlin، F. پایوا، آر. دیورند، م. آلسدورف، دی. بیتس، پی. توسعه یک محصول SRTM DEM “زمین برهنه”. در مجموعه مقالات کنفرانس مجمع عمومی EGU، وین، اتریش، ۱۲-۱۷ آوریل ۲۰۱۵٫ پ. ۹۶۵۱٫ [ Google Scholar ]
  41. سامپسون، سی سی; اسمیت، AM; بیتس، PD; نیل، جی سی. الفیری، ال. Freer, JE یک مدل خطر سیل جهانی با وضوح بالا. منبع آب Res. ۲۰۱۵ ، ۵۱ ، ۷۳۵۸-۷۳۸۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  42. O’Loughlin، FE; نیل، جی. یامازاکی، دی. بیتس، ارتفاعات نقطه سطح آب داخلی مشتق شده از PD ICESat. منبع آب Res. ۲۰۱۶ ، ۵۲ ، ۳۲۷۶-۳۲۸۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  43. Sibson, R. شرح مختصری از درونیابی همسایه طبیعی. در تفسیر داده های چند متغیره ; Wiley: نیویورک، نیویورک، ایالات متحده آمریکا، ۱۹۸۱; جلد ۲۱، ص ۲۱-۳۶٫ [ Google Scholar ]
  44. نیل، جی. شومان، جی. بیتس، P. یک مدل کانال زیرشبکه برای شبیه سازی هیدرولیک رودخانه و طغیان دشت سیلابی در مناطق بزرگ و پراکنده داده. منبع آب Res. ۲۰۱۲ ، ۴۸ ، W11506. [ Google Scholar ] [ CrossRef ]
  45. نیگرو، جی. Slayback، D.; پلیسلی، اف. Brakenridge، G. NASA/DFO MODIS ارزیابی محصول نقشه برداری جهانی سیل در زمان واقعی (NRT) از تشخیص سیل و آب دائمی. ارزیابی ۲۰۱۴ ، ۱-۲۷٫ [ Google Scholar ]
  46. Revilla-Romero، B. هیرپا، FA; تیلن دل پوزو، جی. سالامون، پ. برکنریج، آر. پاپنبرگر، اف. De Groeve, T. در مورد استفاده از پیش‌بینی‌های جهانی سیل و نقشه‌های غرقابی مشتق از ماهواره برای پایش سیل در مناطق پراکنده داده. Remote Sens. ۲۰۱۵ ، ۷ ، ۱۵۷۰۲–۱۵۷۲۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  47. Jong-Sen, L. یک الگوریتم ساده صاف کردن لکه برای تصاویر رادار دیافراگم مصنوعی. IEEE Trans. سیستم مرد سایبرن. ۱۹۸۳ ، SMC-13 ، ۸۵-۸۹٫ [ Google Scholar ] [ CrossRef ]
  48. پاترو، اس. چترجی، سی. سینگ، آر. Raghuwanshi، N. مدل‌سازی هیدرودینامیکی یک سیستم رودخانه مستعد سیل بزرگ در هند با داده‌های محدود. هیدرول. روند. ۲۰۰۹ ، ۲۳ ، ۲۷۷۴-۲۷۹۱٫ [ Google Scholar ] [ CrossRef ]
  49. Chow, V. Open Channel Hydraulics ; McGraw-Hill: نیویورک، نیویورک، ایالات متحده آمریکا، ۱۹۵۹٫ [ Google Scholar ]
  50. Arcement، GJ; اشنایدر، راهنمای VR برای انتخاب ضرایب ناهمواری منینگ برای کانال‌های طبیعی و دشت‌های سیلابی ؛ دفتر چاپ دولت ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، ۱۹۸۹٫
  51. سیناث، الف. مدل‌سازی آسیب‌پذیری سیل ساحلی: آیا اصطکاک توزیع‌شده فضایی پیش‌بینی وسعت سیل را بهبود می‌بخشد؟ Appl. Geogr. ۲۰۱۵ ، ۶۴ ، ۹۷-۱۰۷٫ [ Google Scholar ] [ CrossRef ]
  52. Olayinka، DN مدلسازی سیل در دلتای نیجر. دکتری پایان نامه، دانشگاه لنکستر، لنکستر، انگلستان، ۲۰۱۲٫ [ Google Scholar ]
  53. حمرونی، ع. غزائی، ح. فریخا، م. مسعود، ی. چارچوب جمع سپاری تلفن همراه مبتنی بر عکس برای گزارش رویداد. در مجموعه مقالات شصت و دومین سمپوزیوم بین‌المللی غرب میانه در مدارها و سیستم‌ها (MWSCAS) IEEE 2019، دالاس، تگزاس، ایالات متحده آمریکا، ۴ تا ۷ اوت ۲۰۱۹؛ ص ۱۹۸-۲۰۲٫ [ Google Scholar ]
  54. یو، دی. یین، جی. لیو، ام. اعتبارسنجی مدل‌سازی سیل آب سطحی در مقیاس شهر با استفاده از داده‌های جمع‌آوری‌شده. محیط زیست Res. Lett. ۲۰۱۶ ، ۱۱ ، ۱۲۴۰۱۱٫ [ Google Scholar ] [ CrossRef ]
  55. Ciesin, S. Gridded Population of the World, نسخه ۴ (GPWV4): تراکم جمعیت ; گزارش فنی؛ مرکز بین‌المللی شبکه اطلاعات علوم زمین: Palisades، نیویورک، ایالات متحده آمریکا، ۲۰۱۶٫ [ Google Scholar ]
  56. مرکز شبکه بین المللی اطلاعات علوم زمین – دانشگاه کلمبیا. مجموعه داده های دسترسی آزاد جاده های جهانی، نسخه ۱ (gROADSv1) . مرکز داده‌ها و برنامه‌های اجتماعی-اقتصادی ناسا (SEDAC): Palisades، نیویورک، ایالات متحده آمریکا، ۲۰۱۳٫
  57. بات، ا. شبیر، ر. احمد، اس.اس. عزیز، ن. نقشه برداری و تحلیل تغییر کاربری اراضی با استفاده از سنجش از دور و GIS: مطالعه موردی حوزه آبخیز سیملی، اسلام آباد، پاکستان. مصر. J. Remote Sens. Space Sci. ۲۰۱۵ ، ۱۸ ، ۲۱۵-۲۵۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  58. سازمان ملی هوانوردی و فضایی (ناسا) نقشه برداری سیل جهانی در زمان واقعی. در دسترس آنلاین: https://floodmap.modaps.eosdis.nasa.gov/ (دسترسی در ۱۵ ژوئن ۲۰۱۸).
  59. ون دی ویل، ام جی; کولتارد، تی جی; مکلین، ام جی; لوین، جی. جاسازی پویایی رودخانه در مقیاس دسترسی در مدل تکامل منظره خودکار سلولی CAESAR. ژئومورفولوژی ۲۰۰۷ ، ۹۰ ، ۲۸۳-۳۰۱٫ [ Google Scholar ] [ CrossRef ]
  60. بیتس، PD; هوریت، ام اس؛ Fewtrell، TJ فرمول ساده اینرسی معادلات آب کم عمق برای مدل‌سازی کارآمد سیل دوبعدی. جی هیدرول. ۲۰۱۰ ، ۳۸۷ ، ۳۳-۴۵٫ [ Google Scholar ] [ CrossRef ]
  61. Trigg، MA; بیتس، PD; ویلسون، MD; هوریت، ام اس؛ آلسدورف، دی. فورسبرگ، BR; وگا، ام سی آمازون هیدرولیک موج سیل. جی هیدرول. ۲۰۰۹ ، ۳۷۴ ، ۹۲-۱۰۵٫ [ Google Scholar ] [ CrossRef ]
  62. Almeida، GAM; بیتس، پی. فریر، JE; Souvignet, M. بهبود پایداری یک فرمول ساده از معادلات آب کم عمق برای مدلسازی سیل دو بعدی. منبع آب Res. ۲۰۱۲ ، ۴۸ . [ Google Scholar ] [ CrossRef ]
  63. کولتارد، تی جی; نیل، جی سی. بیتس، PD; رامیرز، جی. د آلمیدا، GAM; Hancock, GR ادغام مدل هیدرودینامیکی دوبعدی LISFLOOD-FP با مدل CAESAR: مفاهیمی برای مدل‌سازی تکامل چشم‌انداز. زمین گشت و گذار. روند. Landf. ۲۰۱۳ ، ۳۸ ، ۱۸۹۷-۱۹۰۶٫ [ Google Scholar ] [ CrossRef ]
  64. نیل، جی. شومان، جی. فیوترل، تی. بودیمیر، م. بیتس، پی. Mason, D. ارزیابی یک فرمول جدید LISFLOOD-FP با داده های سیل تابستان ۲۰۰۷ در Tewkesbury، UK. J. مدیریت خطر سیل. ۲۰۱۱ ، ۴ ، ۸۸-۹۵٫ [ Google Scholar ] [ CrossRef ]
  65. Di Baldassarre, G. Floods in a Changing Climate [منبع الکترونیکی]: مدلسازی طغیان ; انتشارات دانشگاه کمبریج: کمبریج، بریتانیا، ۲۰۱۲٫ [ Google Scholar ]
  66. تانگ، ایکس. لو، ایکس. لیو، اس. زی، اچ. چائو، دبلیو. لیو، اس. لیو، اس. ماخینوف، آ. ماخینووا، آ. Jiang, Y. رویکردی برای پایش سیل با استفاده ترکیبی از تصاویر نوری Landsat 8 و تصاویر رادار COSMO-SkyMed. ISPRS J. Photogramm. Remote Sens. ۲۰۱۸ ، ۱۳۶ ، ۱۴۴-۱۵۳٫ [ Google Scholar ] [ CrossRef ]
  67. لانگ، اس. Fatoyinbo، TE; Policelli، F. نقشه برداری وسعت سیل برای نامیبیا با استفاده از تشخیص تغییر و آستانه گذاری با SAR. محیط زیست Res. Lett. ۲۰۱۴ , ۹ , ۰۳۵۰۰۲٫ [ Google Scholar ] [ CrossRef ]
  68. یونگ، ی. مرواد، V. برآورد انتشار عدم قطعیت در نقشه برداری سیلاب با استفاده از یک مدل هیدرولیک ۱ بعدی. هیدرول. روند. ۲۰۱۵ ، ۲۹ ، ۶۲۴-۶۴۰٫ [ Google Scholar ] [ CrossRef ]
  69. کوک، ا. Merwade, V. اثر داده های توپوگرافی، پیکربندی هندسی و رویکرد مدل سازی بر نقشه برداری سیلاب. جی هیدرول. ۲۰۰۹ ، ۳۷۷ ، ۱۳۱-۱۴۲٫ [ Google Scholar ] [ CrossRef ]
  70. جاریانی، ع.ا. کالو، JN; مک ویکار، TR; ون نیل، تی جی; انتخاب، آماده‌سازی و تصحیح مدل‌های ارتفاعی دیجیتال (DEM) برگرفته از ماهواره لارسن، JR برای مدل‌سازی هیدرودینامیکی در حوضه‌های آبریز بزرگ، کم شیب و کم داده. جی هیدرول. ۲۰۱۵ ، ۵۲۴ ، ۴۸۹-۵۰۶٫ [ Google Scholar ] [ CrossRef ]
  71. کاساس، آ. بنیتو، جی. Thorndycraft، VR; ریکو، ام. منبع داده توپوگرافی مدل‌های زمین دیجیتال به عنوان یک عنصر کلیدی در دقت مدل‌سازی سیل هیدرولیکی. فرآیند سطح زمین Landf. ۲۰۰۶ ، ۳۱ ، ۴۴۴-۴۵۶٫ [ Google Scholar ] [ CrossRef ]
  72. Van Der Burg، T. لایروبی برای توسعه در رودخانه پایین نیجر بین Baro و Warri، نیجریه. Terra Aqua ۲۰۱۰ ، ۲۱ ، ۲۷-۳۰٫ [ Google Scholar ]
  73. مد علی، ع. Solomatine، DP; مد علی، ج. سولوماتین، جی. Di Baldassarre, G. ارزیابی تاثیر منابع مختلف داده های توپوگرافی بر مدلسازی هیدرولیکی ۱ بعدی سیل. هیدرول. سیستم زمین علمی ۲۰۱۵ ، ۱۹ ، ۶۳۱-۶۴۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  74. دومنگتی، آ. تارپانلی، ا. بروکا، ال. باربتا، اس. مورامارکو، تی. کاستلارین، ا. برات، A. استفاده از داده های سطح آب به دست آمده از سنجش از دور برای کالیبراسیون مدل هیدرولیک. سنسور از راه دور محیط. ۲۰۱۴ ، ۱۴۹ ، ۱۳۰-۱۴۱٫ [ Google Scholar ] [ CrossRef ]
  75. تریگ، ام. توس، سی. نیل، جی. بیتس، پی. اسمیت، ا. سامپسون، سی. یامازاکی، دی. هیرابایاشی، ی. پاپنبرگر، اف. دوترا، ای. چالش اعتبار برای تجزیه و تحلیل خطر سیل رودخانه ای جهانی. محیط زیست Res. Lett. ۲۰۱۶ ، ۱۱ ، ۰۹۴۰۱۴٫ [ Google Scholar ] [ CrossRef ]
  76. برنهوفن، ام وی. چرامن، سی. Trigg، MA; سورتمه، ا. اسمیت، AM; سامپسون، سی سی; یامازاکی، دی. Wars, PJ; رودری، ر. پاپنبرگر، اف. و همکاران اولین اعتبار سنجی جمعی از مدل‌های سیل رودخانه‌ای جهانی برای سیل‌های بزرگ در نیجریه و موزامبیک. محیط زیست Res. Lett. ۲۰۱۸ ، ۱۳ ، ۱۰۴۰۰۷٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  77. دوتوری، اف. سالامون، پ. بیانچی، ا. الفیری، ال. هیرپا، FA; فاین، ال. توسعه و ارزیابی چارچوبی برای نقشه برداری خطر سیل جهانی. Adv. منبع آب ۲۰۱۶ ، ۹۴ ، ۸۷-۱۰۲٫ [ Google Scholar ] [ CrossRef ]
  78. فلیشمن، ا. پایوا، آر. Collischonn, W. آیا مدل های هیدرودینامیکی رودخانه های منطقه ای به قاره ای می توانند به صورت محلی مرتبط باشند؟ مقایسه ای در مقیاس متقابل. جی هیدرول. ۲۰۱۹ . [ Google Scholar ] [ CrossRef ]
  79. Gessese، A. Wa، KM; Sellier، M. Bathymetry بازسازی بر اساس تقریب آب کم عمق با اینرسی صفر. نظریه. محاسبه کنید. Fluid Dyn. ۲۰۱۳ ، ۲۷ ، ۷۲۱-۷۳۲٫ [ Google Scholar ] [ CrossRef ]
  80. سانیال، ج. Densmore، AL; Carbonneau، P. تجزیه و تحلیل اثر تغییرات کاربری/پوشش زمین در سطوح زیرحوضه بر روی قله های سیل پایین دست: یک رویکرد مدل سازی نیمه توزیع شده با داده های پراکنده. Catena ۲۰۱۴ ، ۱۱۸ ، ۲۸-۴۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  81. O’Loughlin، FE; پایوا، RCD؛ دیورند، م. آلسدورف، دی. بیتس، PD یک رویکرد چند حسگر نسبت به پوشش گیاهی جهانی محصول SRTM DEM را تصحیح کرد. سنسور از راه دور محیط. ۲۰۱۶ ، ۱۸۲ ، ۴۹-۵۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  82. باگ، کالیفرنیا؛ بیتس، PD; شومان، جی. Trigg، MA SRTM حذف پوشش گیاهی و دقت مدل‌سازی هیدرودینامیکی. منبع آب Res. ۲۰۱۳ ، ۴۹ ، ۵۲۷۶-۵۲۸۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  83. وزارت محیط زیست فدرال رهنمودهای فنی در مورد فرسایش خاک، سیل و مدیریت مناطق ساحلی . IFPR: ابوجا، نیجریه، ۲۰۰۵٫ [ Google Scholar ]
  84. بیانکاماریا، اس. حسین، ف. Lettenmaier، DP پیش بینی ارتفاعات آب رودخانه های فرامرزی از فضا. ژئوفیز. Res. Lett. ۲۰۱۱ ، ۳۸ . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Ijgi 09 00512 g001 550
شکل ۱٫ ( الف ) نقشه منطقه مورد مطالعه، عناصری را نشان می دهد که شامل حوضه رودخانه نیجر-جنوب (منطقه هیدرولوژیکی ۵)، ایستگاه های اندازه گیری (سنج های ورودی)، یخ، ابر، و نقاط ارتفاعی ماهواره ارتفاعی زمین (ICESat)، نقاط عمق سنجی ، دامنه DEM/model و زیر دامنه ها. ( ب ) نقشه آفریقا که حوضه نیجر را نشان می دهد که از طریق HA (منطقه هیدرولوژیکی)-۵ به اقیانوس اطلس تخلیه می شود.
Ijgi 09 00512 g002 550
شکل ۲٫ نمودار جریان مفهومی مدلسازی و نقشه برداری سیل یکپارچه در منطقه هیدرولوژیکی نیجر-جنوب.
Ijgi 09 00512 g003 550
شکل ۳٫ نمودار معیارهای عملکرد مدل (آمار F) در مقابل زبری منینگ (n).
Ijgi 09 00512 g004 550
شکل ۴٫ Lokoja ( A )، Onitsha-Asaba ( B )، و دلتای نیجر ( C ) نتایج مدل سزار-Lisflood و مقایسه رصد ماهواره ای (ترکیب MODIS و SAR).
Ijgi 09 00512 g005 550
شکل ۵٫ مشخصات ژئوفیزیکی: ( الف ): کاربری مخلوط (مساحت ساخته شده بیشتر از پوشش گیاهی). ( B ): کاربری مختلط (پوشش گیاهی بیشتر از ساخته شده)؛ ( ج ): زمین برهوت، زمین کم ساخت و زمین های گیاهی. و ( D ): پوشش گیاهی حرا بالغ.
Ijgi 09 00512 g006 550
شکل ۶٫ نمونه های مقطعی از عکس های هوایی مناطق سیل زده در مقایسه با سیل مشاهده شده و مدل سازی شده در منطقه دلتا، نشان دهنده نقاط تمرکز ( شکل ۷ ). ( الف ) مطابقت بین مدل و عکس. ( ب ) مطابقت بین SAR و عکس؛ ( C ) مطابقت بین مدل، SAR و عکس؛ و ( D ) = فقط عکس هوایی که سیل را نشان می دهد.
Ijgi 09 00512 g007 550
شکل ۷٫ ( الف ) مقایسه SAR مشاهده شده در سال ۲۰۱۲ و وسعت سیل مدل سازی شده ۱ در ۱۰۰ سال. ( ب ) مقایسه SAR مشاهده شده در سال ۲۰۱۲ و مدل سازی گستره سیل برای همان دوره، و همچنین مساحت زمین، جاده ها، و مناطق ساخته شده در زیر دامنه Lokoja.

ونوس نصیرفام

مقالات

فیسبوکتوئیترپینترسترددیتDeliciousلینکدینواتس اپتلگرامایمیل

نوشته های مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

خانهدربارهتماسارتباط با ما