سیل یک پدیده فاجعه جهانی و یکی از شایع‌ترین بلایای طبیعی است که می‌تواند عواقب جدی مانند تلفات انسانی، خسارات اقتصادی و آسیب‌های زیست‌محیطی را به همراه داشته باشد. تشکیل سیل‌های شهری به دلیل وقوع بارندگی‌های شدید، شکست سد یا طغیان مخازن شهری است که منجر به تجمع آب در سطح، سیل و سایر پدیده‌ها می‌شود و مدت کوتاه بارندگی شدید، اصلی‌ترین و مستقیم‌ترین علت سیل شهری است. در طول چند دهه گذشته، شدت و فراوانی وقایع سیل شهری در کشورهای جهان افزایش یافته است . ^۱٫ کاهش خطر بلایای سازمان ملل متحد (UNDRR) گزارش تلفات انسانی ناشی از بلایا را از سال ۲۰۰۰ تا ۲۰۱۹ منتشر کرده است که آمار آن نشان می‌دهد در ۲۰ سال گذشته ۷۳۴۸ فاجعه بزرگ در سطح جهان رخ داده است. تعداد وقایع سیل بسیار بزرگ از سال ۱۳۸۹ به بیش از دو برابر افزایش یافته و به ۳۲۵۴ مورد رسیده است که ۴۴ درصد از کل بلایا را تشکیل می‌دهد.

با تسریع روند شهرنشینی و تغییرات اقلیمی جهانی، فراوانی و شدت بارندگی‌های شدید در کشور ما رو به افزایش بوده است. مشکل سیل شهری در چین بیش از پیش جدی شده است و فراوانی سیل شهری نیز در حال افزایش است. هنگامی که شهرها دچار بارندگی شدید و سیل می‌شوند، معمولاً عواقب جدی مانند تلفات جانی و خسارات اقتصادی به همراه دارد و تأثیر زیادی بر زندگی اجتماعی و اقتصادی می‌گذارد. از ۱۷ تا ۲۲ ژوئیه ۲۰۲۱، استان هنان شاهد بارندگی بسیار شدید بود و چندین شهر در این استان بارندگی بسیار شدیدی را تجربه کردند. در شهر ژنگژو، میزان بارندگی به رکورد ۲۰۱.۹ میلی‌متر در ۱ ساعت رسید که به دلیل بارندگی کوتاه‌مدت بیش از حد و ظرفیت ناکافی زهکشی شبکه لوله‌کشی شهری، منجر به تلفات جانی و خسارات اقتصادی و مالی قابل توجهی شد ^. در ۱۸ ژوئیه ۲۰۰۷، شهر جینان در استان شاندونگ دچار بارندگی بسیار شدید شد که منجر به بیش از ۳۰ کشته و خسارات اقتصادی مستقیم تا ۱.۳۲ میلیارد یوان (تقریباً ۱۸۳.۷ میلیون دلار) شد.

ارزیابی ریسک سیل بخش اساسی کاهش سیل شهری و تصمیم‌گیری برای پیشگیری از سیل است و روش‌های زیادی برای انجام ارزیابی ریسک سیل وجود دارد. روش مبتنی بر آمار سیل تاریخی عمدتاً مبتنی بر جمع‌آوری وقایع سیل تجزیه و تحلیل شده برای به دست آوردن نقشه‌های پهنه‌بندی ریسک سیل است. این روش برای اطمینان از دقت پیش‌بینی سیل به مقدار زیادی اطلاعات دقیق در مورد خطر سیل نیاز دارد و در مناطقی که هیچ اطلاعاتی در دسترس نیست، قابل استفاده نیست. ^۳ ، ۴ ؛ روش مبتنی بر شبیه‌سازی سناریو، تجزیه و تحلیل بلایای احتمالی سیل در آینده با ساخت یک مدل شبیه‌سازی عددی از سیل در منطقه مورد مطالعه است. این روش می‌تواند به صورت پویا کل فرآیند سیل را نمایش داده و به ارزیابی پویای سیل دست یابد، اما عیب آن این است که به اطلاعات داده‌های سنجش از دور با دقت بالا در منطقه مورد مطالعه نیاز دارد و حجم کار مدل‌سازی زیاد است و هزینه محاسباتی آن نسبتاً بالا است. ۵ ، ۶ ، ^۷ ؛ روش ارزیابی سیستم شاخص عمدتاً برای پیش‌بینی توزیع خطر سیل با ساخت یک سیستم شاخص ارزیابی خطر سیل استفاده می‌شود که ساختار ساده و جمع‌آوری آسان داده‌ها را دارد و بیشتر در تجزیه و تحلیل خطر سیل استفاده می‌شود. ^۸ ، ۹٫ برای روش سیستم شاخص، مراحل اصلی انتخاب، بهینه‌سازی و تعیین مقادیر وزنی عوامل شاخص خطر است و تعیین معقول مقادیر وزنی عوامل شاخص ارزیابی یک فرآیند بسیار مهم است. روش تخصیص ذهنی بیشتر به تجربه و ترجیح کارشناسان متکی است و رایج‌ترین روش مورد استفاده در ارزیابی خطر سیل، روش تحلیل سلسله مراتبی است. ^{۱۰ ، ۱۱} . روش انتساب عینی بر اساس رابطه بین داده‌ها از طریق روش‌های ریاضی برای تعیین مقدار وزن است، یک مبنای نظری ریاضی قوی وجود دارد، در ارزیابی ریسک سیل، روش‌های انتساب عینی رایج عبارتند از روش وزن آنتروپی ^۱۲ و روش CRITIC. روش انتساب ذهنی عمدتاً به دانش متخصصان متکی است و ارتباط بین داده‌ها را نادیده می‌گیرد. روش انتساب عینی به شدت به ارتباط ذاتی داده‌ها وابسته است و وضعیت واقعی را نادیده می‌گیرد و هر دو روش مزایا و معایب خود را دارند. با توسعه مداوم فناوری کامپیوتر و هوش مصنوعی در سال‌های اخیر، مدل‌های یادگیری عمیق بیشتری در کار ارزیابی ریسک سیل استفاده شده‌اند ^۱۳الگوریتم‌های یادگیری عمیق که معمولاً برای ارزیابی ریسک سیل شهری استفاده می‌شوند شامل شبکه‌های عصبی کانولوشن (CNN)، شبکه‌های عصبی بازگشتی (RNN)، جنگل‌های تصادفی، رگرسیون لجستیک، ماشین‌های بردار پشتیبان و بهینه‌سازی ازدحام ذرات هستند.

این مقاله بر اساس روش تخصیص ترکیبی نظریه بازی‌ها، با در نظر گرفتن جامع نتایج به‌دست‌آمده از روش وزن‌دهی ذهنی و عینی و تعیین منطقی ارزش وزنی هر عامل شاخص، تهیه شده است. ارزیابی خطر سیل شهری در منطقه شهری اصلی شهر جینان انجام می‌شود و نقشه پهنه‌بندی خطر سیل بر اساس پلتفرم GIS تهیه می‌شود که مبنای علمی و پشتیبانی فنی برای پیش‌بینی و هشدار اولیه خطر سیل شهری و همچنین پیشگیری، کنترل و کاهش بلایای طبیعی را فراهم می‌کند. « منطقه مورد مطالعه » نمای کلی منطقه مورد مطالعه، شامل جغرافیای فیزیکی و جنبه‌های اجتماعی-اقتصادی را شرح می‌دهد. « روش‌شناسی » روش‌شناسی ارزیابی خطر سیل شهری را بر اساس روش تخصیص ترکیبی نظریه بازی‌ها معرفی می‌کند. « نتایج و بحث » نتیجه‌گیری‌های اصلی به‌دست‌آمده از این مطالعه، از جمله تعیین شاخص‌های خطر و آسیب‌پذیری، نتایج محاسبه مقادیر وزنی عوامل شاخص، نقشه‌های پهنه‌بندی خطر سیل به‌دست‌آمده و همچنین اعتبارسنجی نتایج را شرح می‌دهد. « نتیجه‌گیری » نتیجه‌گیری‌های اصلی این مقاله را ارائه می‌دهد.

جینان (۳۶° ۰۱′ ~ ۳۷° ۳۲′ شمالی، ۱۱۶° ۱۱′ ~ ۱۱۷° ۴۴′) در منطقه غرب-مرکزی استان شاندونگ واقع شده است، با زمین‌هایی که در جنوب مرتفع و در شمال پست هستند. به دلیل توپوگرافی و ژئومورفولوژی خاص خود، این شهر سرشار از چشمه است و از زمان‌های قدیم به عنوان “شهر چشمه‌ها” شناخته می‌شده است، از جمله ده چشمه اصلی، مانند گروه چشمه‌های معروف بائوتو، گروه چشمه‌های ببر سیاه و گروه چشمه‌های استخر پنج اژدها. علاوه بر این، جینان دارای یک سیستم آبی توسعه‌یافته است که رودخانه زرد، رودخانه شیائوکینگ و رودخانه داون و همچنین خندق شهر، رودخانه داشا، رودخانه یوفو، رودخانه جویه و رودخانه شیوجیانگ از میان شهر عبور می‌کنند. شهر جینان متعلق به آب و هوای موسمی قاره‌ای معتدل گرم است، با چهار فصل مجزا، میانگین دمای سالانه ۱۳.۶ درجه سانتیگراد، میانگین بارندگی سالانه ۶۱۴ میلی‌متر و توزیع مکانی بارندگی که روند کاهشی از جنوب به شمال را نشان می‌دهد. جینان از موقعیت استراتژیک و توسعه‌یافته‌ای برخوردار است و یکی از قطب‌های حمل و نقل است که شمال چین، شرق چین و غرب میانه را به هم متصل می‌کند. تا سال ۲۰۲۲، جینان ۹.۴۱۵ میلیون نفر جمعیت ساکن، نرخ شهرنشینی ۷۴.۳٪ و تولید ناخالص منطقه‌ای بیش از یک تریلیون یوان (تقریباً ۱۳۹.۲ میلیارد دلار) دارد. بنابراین، اگر بارندگی شدید و سیل در جینان رخ دهد، به احتمال زیاد خسارات مالی و تلفات جانی جدی به بار خواهد آورد. منطقه شهری اصلی جینان شامل ناحیه لیکسیا، ناحیه شیژونگ، ناحیه هوایین، ناحیه تیانکیائو و ناحیه لیچنگ با مساحت کل ۲۰۹۴ کیلومتر مربع است که ^۲۰٫۴۱ ٪ از کل مساحت شهر، ۴۸٫۶۵٪ از کل جمعیت شهر و ۵۲٫۰۴٪ از تولید ناخالص داخلی شهر را تشکیل می‌دهد. در این مقاله، انتخاب منطقه شهری اصلی شهر جینان به عنوان منطقه مورد مطالعه برای ارزیابی خطر سیل از اهمیت عملی بالایی برخوردار است و موقعیت منطقه مورد مطالعه در شکل ۱ الف نشان داده شده است. شکل ۱ ب نشان می‌دهد که یک رویداد سیل در شهر جینان خسارات شدیدی به زیرساخت‌ها و املاک خصوصی وارد کرده است.

مدل ارزیابی

این مقاله، ریسک سیل شهری را در منطقه اصلی شهری جینان بر اساس چارچوب ارزیابی ریسک «خطر-آسیب‌پذیری» ارزیابی می‌کند و بیان ریسک آن معادله ( ۱ ) است. رویکرد روش‌شناختی شامل چهار مرحله اصلی است (شکل  ۲ ):

مرحله ۱٫ مدل هیدرودینامیکی TELEMAC-2D برای شبیه‌سازی سیل و تحلیل فرآیند طغیان سیل استفاده شد. عوامل شاخص عمق طغیان و سرعت جریان سیل برای ارزیابی خطر سیل استخراج شدند.

مرحله ۲٫ ساخت یک سیستم شاخص برای روش ارزیابی ریسک سیل، در مجموع ۱۷ عامل شاخص مؤثر بر ریسک سیل انتخاب شدند.

مرحله ۳. روش AHP و روش CRITIC برای محاسبه ارزش وزنی هر عامل شاخص استفاده شد و سپس ارزش وزنی ترکیبی شاخص‌ها بر اساس روش نظریه بازی محاسبه شد.

مرحله ۴. بر اساس پلتفرم ArcGIS، عوامل شاخص روی هم قرار گرفته و محاسبه شدند و از روش ناپیوستگی طبیعی برای پهنه‌بندی خطر سیل استفاده شد تا نقشه پهنه‌بندی خطر سیل منطقه مورد مطالعه به دست آید که به چهار دسته مناطق با خطر بسیار بالا، بالا، متوسط ​​و کم تقسیم شد.

که در آن، FR مقدار ریسک سیل است؛ H _i مقدار آیتم خطر است؛ Vj مقدار آیتم آسیب‌پذیری j است ؛ w _i مقدار وزن ترکیبی آیتم خطر i است ؛ wj مقدار وزن ترکیبی آیتم آسیب‌پذیری j است ؛ m _تعداد عوامل شاخص خطر است؛ _n تعداد عوامل شاخص آسیب‌پذیری است .

شاخص‌های ارزیابی

ارزیابی خطر سیل شهری شامل جغرافیای فیزیکی و جنبه‌های اجتماعی-اقتصادی است. بر اساس چارچوب ارزیابی خطر سیل H-V، این مقاله در مجموع ۱۷ عامل شاخص ارزیابی خطر سیل را با مراجعه به نتایج تحلیل‌های قبلی خطر سیل و ترکیب ویژگی‌های منطقه مورد مطالعه انتخاب می‌کند. خطر شامل میانگین بارندگی سالانه، عمق سیل، سرعت سیل، فاصله از رودخانه، تراکم شبکه نهرها، ارتفاع، شیب، شاخص ناهمواری زمین، NDVI است. آسیب‌پذیری شامل تراکم جمعیت، سرانه تولید ناخالص داخلی، نرخ شهرنشینی و تراکم شبکه جاده‌ها، تراکم بیمارستان، تراکم ایستگاه آتش‌نشانی، درآمد سرانه قابل تصرف و درآمد بودجه عمومی است. اطلاعات دقیق در مورد منابع داده برای شاخص‌ها در جدول ۱ ثبت شده است . بر اساس هنجارها و ادبیات مربوطه ^{۱۴ ، ۱۵} ، عمق سیل و سرعت سیل به دست آمده از مدل سیل بر اساس درجه خطر درجه‌بندی می‌شوند. بر اساس نرم‌افزار ArcGIS، از روش ناپیوستگی طبیعی برای تقسیم داده‌های شاخص باقی‌مانده به چهار دسته خطر بسیار بالا، بالا، متوسط ​​و پایین استفاده شد که به هر واحد رستری اختصاص داده شد و تقسیم خطر و تخصیص عوامل شاخص در جدول ۲ نشان داده شده است .

روش تعیین وزن

فرآیند تحلیل سلسله مراتبی (AHP)

فرآیند تحلیل سلسله مراتبی (AHP) اولین بار توسط دانشمند آمریکایی، تی. ال. ساتی، در دهه ۱۹۷۰ مطرح شد. اصل اساسی AHP تجزیه عناصر مختلف بر اساس قضاوت ذهنی متخصصان و ادغام روش‌های تحلیل کمی و کیفی سیستم است که به طور گسترده در صنایع اجتماعی-اقتصادی و هیدرولوژیکی مورد استفاده قرار می‌گیرند. ^{۱۶ ، ۱۷٫} روش AHP همچنین از مزیت مقرون به صرفه بودن و سادگی محاسباتی برای ارزیابی ریسک مخاطرات طبیعی مانند سیل، زلزله و رانش زمین برخوردار است. ^{۱۸ ، ۱۹٫} این مطالعه شامل مراحل زیر در تعیین مقادیر وزنی عوامل شاخص با استفاده از روش AHP است:

مرحله ۱. ساخت یک مدل سلسله مراتبی، شامل لایه اهداف، لایه استاندارد و لایه شاخص‌ها؛

مرحله ۲. ساخت ماتریس قضاوت. پس از ایجاد مدل سلسله مراتبی، هر یک از عناصر سطح قبلی ارجحیت خواهد داشت و عناصر مختلف در همان سطح دو به دو مقایسه می‌شوند و ۱ تا ۹ و معکوس آن برای نشان دادن مقیاس معرفی می‌شوند و سطح مقیاس در جدول  ۳ نشان داده می‌شود .

مرحله ۳. مقادیر وزنی عوامل شاخص را محاسبه کنید. بر اساس ماتریس قضاوتی که قبلاً ساخته شده است، حداکثر بردار ویژه ماتریس قضاوتی که با حل به دست می‌آید، مقدار وزنی هر عامل است؛

مرحله ۴. آزمون سازگاری سلسله مراتبی. از طریق محاسبه مقادیر وزنی به‌دست‌آمده در بالا، نیاز به در نظر گرفتن مقدار عقلانیت آزمون سازگاری، آزمون اصلی ماتریس قضاوت بین عناصر مختلف در مقایسه مقیاس در منطق حفظ سازگاری، آشکار می‌شود. وقتی CR  < 0.1 باشد، سازگاری ماتریس قضاوت در محدوده مجاز در نظر گرفته می‌شود و قضاوت منطقی است؛ وقتی  = ۰٫۱ باشد، نشان می‌دهد که ماتریس‌های قضاوت در توافق خوبی هستند و نتایج قضاوت منطقی‌تر است؛ وقتی CR  > 0.1 باشد، نشان می‌دهد که ماتریس قضاوت سازگاری خوبی ندارد و ماتریس قضاوت باید تنظیم و برای سازگاری دوباره آزمایش شود. مقادیر RI (مربوط به مرتبه n ماتریس است) در جدول  ۴ نشان داده شده است . نتایج روش تحلیل سلسله مراتبی نشان داد که حداکثر ریشه مشخصه ۴.۰۰۲ بود و مقدار RI مربوطه طبق جدول RI برابر با ۰.۸۸۲ بدست آمد، بنابراین CR = CI/RI = ۰.۰۰۱ < ۰.۱، که آزمون سازگاری را با موفقیت پشت سر گذاشت.

که در آن، CI مخفف شاخص سازگاری است؛ حداکثر مقدار ویژه ماتریس قضاوت است؛ n مرتبه است؛ RI مخفف شاخص نسبت است؛ CR مخفف نسبت سازگاری است.

منتقد

روش CRITIC یک روش تعیین وزن عینی است که توسط دیاکولاکی پیشنهاد شده است. این روش بر اساس قدرت مقایسه‌ای شاخص‌های ارزیابی و تضاد بین شاخص‌ها برای تعیین جامع ارزش وزنی عوامل شاخص، با استفاده کامل از ویژگی‌های عینی خود داده‌ها برای تعیین ارزش، طیف گسترده‌ای از کاربردها در ارزیابی ریسک ۲۰ ، ۲۱ ، ^{۲۲ است} . شدت مقایسه در روش CRITIC بر حسب انحراف معیار بیان می‌شود، هرچه انحراف معیار بزرگتر باشد، نوسان بیشتر، تفاوت در مقادیر بین برنامه‌ها بیشتر و مقدار وزن‌ها بالاتر است. تضاد بین شاخص‌ها با همبستگی بیان می‌شود، با فرض همبستگی مثبت قوی بین دو شاخص، که نشان می‌دهد هرچه تضاد آنها کمتر باشد، مقدار وزن کوچکتر است. مراحل محاسبه وزن شاخص‌ها با استفاده از روش CRITIC به شرح زیر است.

مرحله ۱٫ داده‌ها بدون بعد بودند. روش CRITIC از نرمال‌سازی رو به جلو یا رو به عقب برای حذف تأثیر طرح‌های کلی مختلف داده‌ها بر نتایج ارزیابی استفاده می‌کند. برای شاخص‌های مثبت، از معادله ( ۴ ) برای پیش‌بردن و برای شاخص‌های منفی، از معادله ( ۵ ) برای پس‌بردن استفاده می‌شود.

که در آن: مقدار i ام شاخص j پس از استانداردسازی، مقدار اولیه، و به ترتیب حداکثر و حداقل مقادیر شاخص j هستند .{x_i} {x_{max} }} {x_{min} }}

مرحله ۲. محاسبه تغییرپذیری شاخص. انحراف معیار در روش CRITIC برای نشان دادن تغییرپذیری یک شاخص استفاده می‌شود؛ انحراف معیار بزرگتر نشان دهنده تغییرپذیری عددی بیشتر شاخص است که اطلاعات بیشتری را منعکس می‌کند. هرچه قدرت ارزیابی خود شاخص قوی‌تر باشد، مقدار وزن بیشتر است و نشان دهنده انحراف معیار شاخص j است .

مرحله ۳. محاسبه تضاد شاخص. ضریب همبستگی در روش CRITIC برای نشان دادن تضاد شاخص استفاده می‌شود، زمانی که همبستگی با سایر شاخص‌ها قوی‌تر باشد، شاخص کمتر با سایر شاخص‌ها در تضاد است، اطلاعات مشابه بیشتری را منعکس می‌کند و تا حدی قدرت ارزیابی شاخص را تضعیف می‌کند، مقدار وزنی شاخص کوچکتر است.

که در آن نشان‌دهنده‌ی تضاد بین شاخص‌های i و j است ؛ نشان‌دهنده‌ی ضریب همبستگی بین شاخص‌های i و j است .{r_{ij}}

مرحله ۴: محاسبه میزان اطلاعات. هرچه میزان اطلاعات بیشتر باشد، نقش شاخص در سیستم ارزیابی کلی بیشتر و مقدار وزن آن بیشتر است. نشان دهنده محتوای اطلاعاتی شاخص j است .

مرحله ۵: مقادیر وزنی هدف را محاسبه کنید. مقدار وزنی هدف شاخص j است .

وزن ترکیبی نظریه بازی‌ها

هدف از روش تخصیص ترکیبی نظریه بازی، بهینه‌سازی یک هدف با اثرات چند عاملی و یافتن راه‌حل بهینه‌ای است که چندین عامل را در نظر می‌گیرد. اصل، بهینه‌سازی مقادیر وزنی محاسبه‌شده توسط روش‌های مختلف برای یافتن بهترین مقادیر وزنی است . ^۲۳٫ روش‌های توانمندسازی ترکیبی نظریه بازی در بسیاری از زمینه‌ها کاربرد دارند . ^{۲۴ ، ۲۵٫} معادله خطی در معادله ( ۱۱ ) نشان داده شده است.

نتایج به‌دست‌آمده از روش‌های AHP و CRITIC در معادله ( ۱۱ ) آورده شده‌اند. که در آن w _A و w _C مقادیر وزنی محاسبه‌شده توسط روش‌های AHP و CRITIC هستند؛ W _A و W _C وزن‌های ترکیبی بهینه هستند. پس از یافتن وزن‌های بهینه، نتایج تخصیص‌های ذهنی و عینی وزن‌دهی و میانگین‌گیری می‌شوند و در نهایت به نتایج تخصیص سبد سهام نظریه بازی‌ها تبدیل می‌شوند.

که در آن، مقدار وزن سبد سرمایه‌گذاری نظریه بازی برای شاخص i ام است؛ وزن AHP برای شاخص i ام است؛ و وزن بحرانی برای شاخص i ام است.{W_{Ai}} {W_{Ci}}

کمی‌سازی عوامل خطر

1. (۱)میزان بارندگی.

بارندگی مستقیم‌ترین عامل مؤثر در سیل شهری است. با تغییرات اقلیمی و شهرنشینی، فراوانی و شدت بارندگی‌های شدید افزایش می‌یابد و خطر و عدم قطعیت سیل شهری را افزایش می‌دهد . ^۲۶ در این مقاله، داده‌های بارندگی شهر جینان برای سال ۲۰۲۲ جمع‌آوری و پردازش شد تا نقشه توزیع بارندگی برای منطقه مورد مطالعه به دست آید (شکل ۳ الف).

1. (۲)عمق سیل.

عمق طغیان سیل عامل مهمی است که بر خطر سیل شهری تأثیر می‌گذارد و هرچه عمق طغیان بیشتر باشد، احتمال ایجاد تلفات جانی و خسارات مالی بیشتر است. در این مقاله، شبیه‌سازی رویداد سیل ناشی از رگبار باران معمولی در شهر جینان “۲۰۰۷۰۷۱۸” انجام شد و توزیع عمق طغیان سیل در منطقه مورد مطالعه به دست آمد (شکل  ۳ ب).

1. (۳)سرعت سیل.

سرعت سیل تأثیر بیشتری بر پایداری عابران پیاده و وسایل نقلیه دارد (جانکمن و همکاران، ۲۰۰۸). هرچه سرعت سیل بیشتر باشد، احتمال وقوع سیل بیشتر است. در این مقاله، شبیه‌سازی رویداد معمول سیل ناشی از رگبار باران در شهر جینان “۲۰۰۷-۲۰۱۸” انجام شده و توزیع سرعت سیل در منطقه مورد مطالعه به دست آمده است (شکل  ۳ ج).

1. (۴)فاصله تا رودخانه.

وقتی بارش شدید و سیل رخ می‌دهد، سطح رودخانه بالا می‌آید و باعث سرریز شدن رودخانه و جاری شدن سیل در منطقه در هر دو طرف رودخانه می‌شود، بنابراین نزدیکی به رودخانه نیز یکی از عوامل شاخص مهمی است که هنگام تجزیه و تحلیل خطر سیل باید در نظر گرفته شود (لی و همکاران، ۲۰۲۳). در این مقاله، نقشه توزیع فاصله تا رودخانه بر اساس نرم‌افزار ArcGIS محاسبه شده است (شکل  ۳d ).

1. (۵)تراکم شبکه جریان.

رودخانه‌ها مجرای اصلی زهکشی شهری هستند و هرچه سیستم رودخانه‌ای توسعه‌یافته‌تر باشد، زهکشی بهتر و توانایی مقابله با طوفان‌های شدید بیشتر است . ^۲۷ در این مقاله، نقشه توزیع تراکم شبکه رودخانه بر اساس نرم‌افزار ArcGIS محاسبه شده است (شکل ۳ ه).

1. (۶)ارتفاع

ارتفاع یکی از شاخص‌های کلیدی منعکس‌کننده توپوگرافی منطقه و عامل مهمی است که بر خطرات سیل شهری تأثیر می‌گذارد ^۲۸٫ ارتفاع بر جهت رواناب سطحی تأثیر می‌گذارد و از آنجایی که آب از ارتفاعات بالاتر به ارتفاعات پایین‌تر جریان می‌یابد، در ارتفاعات پایین‌تر مستعد سیل‌زدگی بیشتر و خطر سیل‌زدگی بیشتر است، به طوری که ارتفاع با خطر سیل‌زدگی نسبت معکوس دارد. توزیع ارتفاع منطقه مورد مطالعه در شکل ۳f نشان داده شده است .

1. (۷)شیب.

شیب، معیاری برای سنجش تندی یک واحد سطح است و به صورت نسبت ارتفاع عمودی یک شیب به فاصله افقی آن بیان می‌شود. مناطقی با شیب‌های ملایم مستعد آبگرفتگی هستند و رتبه خطر سیل نسبتاً بالایی دارند. از سوی دیگر، مناطقی با شیب‌های تند، سرعت جریان آب بالاتری دارند که می‌تواند بر عابران پیاده و ترافیک تأثیر بگذارد. برخی از محققان همچنین اظهار داشته‌اند که مناطقی با مقادیر بالای شیب می‌توانند به سرعت آب راکد را به مناطق دیگر تخلیه کنند و در نتیجه خطر بالقوه سیل را کاهش دهند. در این مقاله، نقشه توزیع شیب منطقه مورد مطالعه بر اساس ابزار تحلیل شیب در نرم‌افزار ArcGIS (شکل  ۳g ) به دست آمده است.

1. (۸)شاخص ناهمواری زمین.

شاخص ناهمواری زمین به اختلاف ارتفاع بین بلندترین و پست‌ترین نقاط ارتفاعی در یک منطقه مشخص اشاره دارد و یک شاخص ماکروسکوپی از ویژگی‌های توپوگرافی یک منطقه است. هرچه شاخص ناهمواری زمین بیشتر باشد، احتمال آبگرفتگی بیشتر است. در این مقاله، نقشه توزیع شاخص ناهمواری زمین بر اساس نرم‌افزار ArcGIS محاسبه شده است (شکل  ۳ ح).

1. (۹)شاخص پوشش گیاهی نرمال شده (NDVI).

شاخص پوشش گیاهی نرمال شده (NDVI)، که می‌توان آن را به عنوان نسبت مساحت جنگلی به کل مساحت زمین تعریف کرد، به طور دقیق پوشش گیاهی سطحی را منعکس می‌کند. پوشش گیاهی نقش مهمی در قطع بارندگی، افزایش نفوذ آب باران و کاهش سرعت رواناب سطحی ایفا می‌کند. با توسعه شهرنشینی، گسترش تدریجی زمین‌های ساخت و ساز شهری منجر به افزایش نسبت مساحت سطح سخت شده و در نتیجه کاهش NDVI شده است که خطر سیل شهری را افزایش داده است. توزیع NDVI در منطقه مورد مطالعه در شکل  ۳i نشان داده شده است .

کمی‌سازی عوامل آسیب‌پذیری

1. (۱)تراکم جمعیت.

هنگام وقوع سیل، ایمنی جان مردم باید در اولویت اصلی باشد. در چین، با توسعه شهرنشینی، شهرها پرجمعیت‌تر می‌شوند و هرچه خسارات احتمالی بیشتر باشد، ایجاد تلفات جانی در هنگام وقوع سیل آسان‌تر است . ^۲۹ برای بدست آوردن توزیع تراکم جمعیت در منطقه اصلی شهری شهر جینان در سال ۲۰۲۲ تجزیه و تحلیل شده است (شکل ۴ الف).

1. (۲)سرانه تولید ناخالص داخلی.

تولید ناخالص داخلی شاخص اصلی حسابداری اقتصادی ملی و شاخص مهمی از وضعیت اقتصادی و سطح توسعه یک منطقه است. مناطقی با فعالیت اقتصادی بالا، احتمال بیشتری برای ایجاد خسارت در صورت وقوع سیل دارند. در این مطالعه، مجموعه داده‌های شبکه توزیع فضایی تولید ناخالص داخلی چین انتخاب شد که به طور جامع قانون تعامل فضایی بین نوع کاربری زمین، داده‌های نور شب، داده‌های تراکم سکونتگاه‌ها و تولید ناخالص داخلی را در نظر گرفته و داده‌های شبکه فضایی را از طریق تفاوت فضایی ^{۳۰ ، ۳۱} تولید کرده است . بر اساس نرم‌افزار ArcGIS، نقشه توزیع تراکم جمعیت مورد مطالعه (شکل ۴ ب) برش داده شد.

1. (۳)نرخ شهرنشینی.

نرخ شهرنشینی معیاری برای سنجش شهرنشینی است و معمولاً به نسبت جمعیت شهری به کل جمعیت اشاره دارد. هرچه نرخ شهرنشینی بالاتر باشد، منطقه پرجمعیت‌تر، سطح اقتصادی بالاتر، نسبت مساحت ساختمان‌های شهری بیشتر و احتمال خسارت در صورت وقوع سیل بیشتر است. تا سال ۲۰۲۲، نرخ شهرنشینی شهر جینان به ۷۴٫۳ درصد رسید. در این مقاله، نقشه توزیع نرخ شهرنشینی در منطقه مورد مطالعه بر اساس داده‌های بولتن آمار توسعه اقتصادی و اجتماعی ملی جینان در سال ۲۰۲۲ به دست آمده است که بر اساس نرم‌افزار ArcGIS تجزیه و تحلیل شده است (شکل  ۴ ج).

1. (۴)تراکم شبکه جاده‌ای.

تراکم شبکه جاده‌ای یک شاخص اساسی برای ارزیابی توسعه جاده‌های شهری است که به نسبت کل مسافت پیموده شده جاده‌ها در یک منطقه خاص به مساحت آن منطقه اشاره دارد. هرچه تراکم شبکه جاده‌ای بیشتر باشد، نسبت سطح سخت شده بیشتر است و احتمال وقوع سیل شهری بیشتر است. نقشه توزیع تراکم شبکه جاده‌ای منطقه مورد مطالعه بر اساس نرم‌افزار GIS محاسبه شده است (شکل  ۴d ).

1. (۵)تراکم بیمارستان.

هنگام وقوع سیل، در صورت ارائه درمان مؤثر و به موقع به ساکنان آسیب‌دیده، می‌توان تلفات جانی را کاهش داد. هرچه تعداد مراکز امداد و نجات پزشکی بیشتر باشد، توانایی مقاومت در برابر خطر سیل بیشتر است. این مقاله بر اساس نقشه Baidu برای پیمایش نقاط مراکز درمانی و تجزیه و تحلیل آنها برای بدست آوردن نقشه توزیع تراکم مراکز درمانی است (شکل  ۴ ه).

1. (۶)تراکم ایستگاه آتش نشانی.

در صورت وقوع سیل، اگر نیروهای امدادی بتوانند به موقع برای امدادرسانی به سیل بسیج شوند، خسارات مالی و تلفات جانی تا حدودی کاهش می‌یابد. هرچه تعداد ایستگاه‌های آتش‌نشانی بیشتر باشد، توانایی مقاومت در برابر خطر سیل بیشتر است. در این مقاله، بر اساس نقشه Baidu برای خزیدن در محل ایستگاه پیشگیری از آتش‌سوزی، تجزیه و تحلیل برای به دست آوردن نقشه توزیع تراکم ایستگاه‌های آتش‌نشانی انجام شده است (شکل  ۴f ).

1. (۷)درآمد قابل تصرف سرانه.

سطح اقتصادی همچنین نشان دهنده توانایی مقاومت در برابر بلایا است، هرچه درآمد سرانه قابل تصرف بیشتر باشد، توانایی مقابله با سیل نیز بیشتر است. در این مقاله، طبق داده‌های منتشر شده توسط بولتن آماری توسعه اقتصادی و اجتماعی ملی شهر جینان ۲۰۲۲، تجزیه و تحلیل برای مطالعه نقشه توزیع درآمد سرانه قابل تصرف انجام شد (شکل  ۴ گرم).

1. (۸)درآمد بودجه عمومی کشور

درآمدهای بودجه عمومی به درآمدهایی اطلاق می‌شود که خزانه‌داری دولت از طریق مشارکت در توزیع کالاهای اجتماعی به دست می‌آورد، که تضمین مالی برای انجام وظایف دولت است. هرچه درآمد بودجه عمومی بیشتر باشد، توانایی مقابله با خطر سیل بیشتر است. در این مقاله، بر اساس داده‌های بولتن آماری توسعه اقتصادی و اجتماعی ملی شهر جینان ۲۰۲۲، بر اساس تجزیه و تحلیل نرم‌افزار ArcGIS، نقشه توزیع درآمد بودجه عمومی در منطقه مورد مطالعه تهیه شده است (شکل  ۴ ساعت).

تحلیل وزن

مقادیر وزنی ذهنی عوامل شاخص بر اساس روش AHP تعیین شدند و ساختار تحلیل سلسله مراتبی در شکل  ۱ نشان داده شده است . خطر سیل شامل خطر و آسیب‌پذیری است، که در آن خطر شامل عامل ایجادکننده و محیط فاجعه فرضی و آسیب‌پذیری شامل بدنه‌های متحمل خطر و تاب‌آوری شهری است. لایه شاخص در مجموع شامل ۱۷ عامل است و اهمیت عوامل مختلف با مراجعه به ادبیات مربوطه رتبه‌بندی شده است (شکل  ۲ با مقادیر ۰٫۰۰۱ و ۰٫۰۷۳، ۰٫۰۴۱، ۰٫۰۰۵، ۰٫۰۰۳ به ترتیب ایجاد شدند که کمتر از ۰٫۱ بودند و آزمون سازگاری را پشت سر گذاشتند. مقادیر وزنی عینی عوامل شاخص بر اساس روش CRITIC تعیین می‌شوند. در نهایت، نتایج ذهنی و عینی بر اساس روش وزن‌های ترکیبی نظریه بازی‌ها برای به دست آوردن مقادیر وزنی یکپارچه شاخص، همانطور که در جدول  ۵ نشان داده شده است، ترکیب می‌شوند .

تحلیل جدول  ۵ نشان می‌دهد که تراکم جمعیت، میانگین بارندگی، عمق سیل و ارتفاع، چهار عامل اصلی مؤثر بر ارزیابی خطر سیل با ارزش وزنی ۴۵.۲٪ هستند، در حالی که تراکم شبکه رودخانه عاملی با کمترین ارزش وزنی است. با این حال، تعیین مقادیر وزنی ذهنی تحت تأثیر کارشناسان و نتایج تحقیقات موجود قرار می‌گیرد و اغلب الگوهای ذاتی داده‌ها را نادیده می‌گیرد و منجر به نتایج غیرمنطقی می‌شود. روش CRITIC محاسبه می‌کند که تراکم بیمارستان مهم‌ترین عامل شاخص و پس از آن تراکم ایستگاه آتش‌نشانی است، در حالی که عمق سیل‌زدگی کم‌اهمیت‌ترین عامل شاخص است. CRITIC برای تعیین ارزش وزنی هر عامل شاخص با محاسبه و تحلیل قوانین داخلی داده‌ها و محاسبه انحراف معیار و ضریب همبستگی استفاده می‌شود. این روش تفاوت‌های بین عوامل شاخص مختلف و وضعیت واقعی را در نظر نمی‌گیرد و نتایج به‌دست‌آمده ممکن است دور از واقعیت باشد. به عنوان مثال، عمق سیل‌زدگی عامل مهمی است که بر خطر سیل تأثیر می‌گذارد، اما ارزش وزنی آن تنها ۴.۸۲٪ است که توسط روش CRITIC محاسبه شده است، که به وضوح با وضعیت واقعی مطابقت ندارد. بنابراین، روش AHP و روش CRITIC مزایا و معایب خاص خود را در تعیین مقادیر وزنی دارند. روش AHP می‌تواند نیت تصمیم‌گیرنده را به خوبی منعکس کند و از دانش تجربی متخصصان به طور کامل استفاده کند، اما قوانین داخلی داده‌ها را نادیده می‌گیرد. در حالی که روش CRITIC می‌تواند قوانین داخلی داده‌ها را به طور کامل تجزیه و تحلیل کند، اما وضعیت واقعی داده‌ها را نادیده می‌گیرد. با تجزیه و تحلیل شکل  ۵ ، مشخص می‌شود که روند مقادیر وزنی هر عامل شاخص به دست آمده توسط روش AHP و روش GT اساساً یکسان است. شکاف بین مقادیر وزنی عامل شاخص به دست آمده بر اساس روش CRITIC اندک است و بنابراین بر اساس روش GT می‌توان بر مشکل یک‌طرفه بودن روش تک وزنی غلبه کرد و داده‌های پرت را اصلاح کرد.

تحلیل ریسک سیل

در این مقاله، مقدار وزنی هر عامل شاخص بر اساس روش تخصیص ترکیبی نظریه بازی تعیین شده است. از روش ناپیوستگی طبیعی در نرم‌افزار ArcGIS برای طبقه‌بندی خطر سیل منطقه مورد مطالعه به چهار سطح استفاده شده است و توزیع خطر سیل در منطقه مورد مطالعه در شکل ۶ نشان داده شده است . تجزیه و تحلیل جدول ۶ نشان می‌دهد که مساحت مناطق با خطر بسیار بالا، بالا، متوسط ​​و پایین به ترتیب ۱۹۵٫۷۷، ۴۷۷٫۴۲، ۸۷۱٫۸۵ و ۵۰۸٫۷۸ کیلومتر مربع است ^که به ترتیب نسبت ۹٫۵۳٪، ۲۳٫۲۵٪، ۴۲٫۴۵٪ و ۲۴٫۷۷٪ از کل مساحت را تشکیل می‌دهند. مناطق با خطر بسیار بالا عمدتاً در محل اتصال چهار منطقه توزیع شده‌اند: منطقه لیکسیا، منطقه تیانکیائو، منطقه هوایین و منطقه شیژونگ که در شرایط جغرافیایی طبیعی نامطلوبی قرار دارند و موقعیت منطقه با شرایط جغرافیایی طبیعی نامطلوب مشخص می‌شود. شرایطی مانند ارتفاع کمتر، زمین مسطح، تراکم شبکه رودخانه، پوشش گیاهی کم و غیره، این شرایط را برای شکل‌گیری پدیده آب‌گرفتگی مساعد می‌کند. از سوی دیگر، این منطقه با فعالیت‌های اجتماعی-اقتصادی فعال، تراکم بالای جمعیت و صنعت و تجارت توسعه‌یافته مشخص می‌شود که می‌تواند در صورت وقوع فاجعه سیل منجر به خسارات جدی به اموال و تلفات جانی شود. مناطق بسیار پرخطر و پرخطر نیز در قسمت‌های جنوبی و شرقی منطقه لیچنگ واقع شده‌اند. بارندگی زیاد و زمین‌های مواج در این منطقه، به دلیل عمق طغیان و سرعت سیل در صورت بارندگی، وقوع سیل ناگهانی، رانش زمین و سایر پدیده‌های خطرناک را آسان می‌کند. روش وزن‌دهی عینی مبتنی بر داده‌ها یا روش وزن‌دهی ذهنی که منعکس‌کننده نظرات کارشناسان است، نمی‌تواند به طور جامع میزان خطرناک بودن عوامل ایجادکننده فاجعه، پایداری محیط فاجعه‌زا و آسیب‌پذیری اجسام خطرزا را در نظر بگیرد و ترکیب وزن‌دهی نظریه بازی می‌تواند اراده ذهنی کارشناسان را بهتر منعکس کند و بر کاستی‌های برخی از وزن‌های عینی غلبه کند.

اعتبارسنجی و مقایسه روش‌ها

اعتبارسنجی، قضاوت در مورد نتایج پهنه‌بندی خطر سیل به‌دست‌آمده با استفاده از اطلاعات تاریخی سیل موجود برای تأیید اعتبار و دقت نتایج است . ^۳۲ شهر جینان متعلق به منطقه آب و هوایی موسمی گرم و معتدل است که دارای ویژگی‌های بارز آب و هوایی موسمی و بارندگی و شدت بارندگی بالا در تابستان است. در سال‌های اخیر، توسعه مداوم اجتماعی-اقتصادی شهر جینان منجر به افزایش منطقه سخت‌شدگی سطح شده است که بسیار مستعد سیل شهری و بلایای آبگرفتگی است و در نتیجه منجر به عدم عبور تعدادی از جاده‌ها شده است. این مقاله داده‌ها را از ۸۳ نقطه سیل‌خیز در شهر اصلی جینان از طریق میکروبلاگینگ، کیلو فینیکس و منابع مرتبط جمع‌آوری می‌کند. و با استفاده از داده‌های نقاط سیل‌خیز برای تأیید نقشه پهنه‌بندی خطر سیل، نتایج نشان می‌دهد که مدل ارزیابی ریسک ساخته‌شده در این مقاله قابل اعتماد و دقیق است.

با تجزیه و تحلیل داده‌های جمع‌آوری‌شده در مورد نقاط سیل‌خیز، مشخص شد که این نقاط عمدتاً در محل اتصال چهار منطقه توزیع شده‌اند: منطقه تیان‌کیائو، منطقه هوایین، منطقه شیژونگ و منطقه لیکسیا. مناطق بسیار پرخطر در نقشه پهنه‌بندی خطر سیل به‌دست‌آمده در این مقاله نیز عمدتاً در این مکان توزیع شده‌اند. در این مقاله، نقشه‌های خطر سیل به‌دست‌آمده از روش‌های GT و AHP مقایسه شده و توزیع نقاط مستعد سیل آماری در جدول  ۷ نشان داده شده است . در نقشه خطر سیل به‌دست‌آمده از روش AHP، ۸۰٫۷۲٪ از نقاط سیل‌خیز در مناطق بسیار پرخطر و پرخطر و ۸٫۴۳٪ از نقاط سیل‌خیز در مناطق کم‌خطر توزیع شده‌اند. نقشه‌های خطر سیل به‌دست‌آمده از روش GT، ۸۵٫۵۴٪ از نقاط سیل‌خیز را در مناطق بسیار پرخطر و پرخطر و ۷٫۲۳٪ از نقاط سیل‌خیز را در مناطق کم‌خطر توزیع کرده‌اند. از طریق تجزیه و تحلیل، روش GT هنگام اختصاص وزن، تأثیر مقادیر ذهنی و عینی را در نظر می‌گیرد و بنابراین نقشه پهنه‌بندی خطر سیل معقول‌تر و قابل اعتمادتر است. نقشه ارزیابی خطر سیل می‌تواند پشتیبانی علمی برای مدیریت خطر سیل و پیشگیری و کاهش سیل در شهر جینان فراهم کند. بر اساس نقشه خطر سیل به‌دست‌آمده از شهر جینان و همراه با وضعیت توسعه اجتماعی-اقتصادی، ادارات مربوطه می‌توانند برنامه‌ریزی کاربری اراضی دشت سیلابی را به‌طور منطقی تدوین کنند و از تمرکز بیش از حد جمعیت و دارایی‌ها در مناطق پرخطر جلوگیری کنند. از قبل اهدافی را که باید از بلایا اجتناب کنند، تعیین کنید، مقصد و نقشه راه را برای جلوگیری از بلایا تنظیم کنید و تلفات و خسارات مالی را به حداقل برسانید. استانداردهای حفاظتی را برای مناطق مختلف پرخطر به‌طور منطقی تدوین کنید و خسارات سیل را به‌طور دقیق پیش‌بینی کنید تا مبنایی برای بیمه سیل فراهم شود.

در این مقاله، یک مدل ارزیابی ریسک سیل شهری مبتنی بر روش تخصیص ترکیبی مبتنی بر نظریه بازی پیشنهاد شده است و این مدل برای تحلیل ریسک سیل در شهر جینان به کار گرفته شده است و نتایج اصلی به شرح زیر است:

• با تحلیل جغرافیای طبیعی و عوامل اجتماعی-اقتصادی منطقه مورد مطالعه، ۱۷ عامل شاخص برای ساخت سیستم شاخص ریسک سیل مطابق با اصول علمی بودن، نمایندگی، امکان‌پذیری، سلسله مراتب و سیستمی بودن انتخاب شدند. ۹ عامل شاخص خطر و ۸ عامل شاخص آسیب‌پذیری وجود دارد.
• بر اساس روش AHP و CRITIC برای محاسبه مقادیر وزن ذهنی و عینی به ترتیب، نتایج نشان می‌دهد که مقادیر وزنی به‌دست‌آمده از روش AHP و روش CRITIC متناقض هستند، که نشان می‌دهد نقص‌های خاصی در محاسبه مقادیر وزنی تنها با استفاده از روش‌های ذهنی یا عینی وجود دارد. این مقاله یک روش تخصیص ترکیبی GT را برای محاسبه وزن عوامل شاخص پیشنهاد می‌کند که مزایای هر دو روش ذهنی و عینی را دارد و بر مشکل یک‌طرفه بودن وزن‌های واحد غلبه می‌کند.
• بر اساس نرم‌افزار ArcGIS، عوامل شاخص مختلف روی هم قرار داده شده و مورد تجزیه و تحلیل قرار گرفتند تا نقشه پهنه‌بندی برای ارزیابی خطر سیل در منطقه مورد مطالعه به دست آید. طبق روش ناپیوستگی طبیعی، خطر سیل به چهار سطح تقسیم شده است. منطقه با خطر بسیار بالا عمدتاً در منطقه مرزی چهار منطقه توزیع شده است: منطقه لیکسیا، منطقه تیانچیائو، منطقه هوایین و منطقه شیژونگ و بخش‌های جنوبی و شرقی منطقه لیکسیا. مساحت مناطق با خطر بسیار بالا، بالا، متوسط ​​و پایین به ترتیب ۱۹۵.۷۷، ۴۷۷.۴۲، ۸۷۱.۸۵ و ۵۰۸.۷۸ کیلومتر مربع است ^و نسبت کل مناطق به ترتیب ۹.۵۳٪، ۲۳.۲۵٪، ۴۲.۴۵٪ و ۲۴.۷۷٪ است.
• نتایج تحلیل سیل بر اساس داده‌های تاریخی جمع‌آوری‌شده از نقاط سیل‌خیز، اعتبارسنجی شدند. در نقشه خطر سیل به‌دست‌آمده بر اساس روش تخصیص سبد سرمایه‌گذاری مبتنی بر نظریه بازی، ۸۵.۵۴ درصد از نقاط سیل‌خیز در مناطق با خطر بسیار بالا و بالا توزیع شده‌اند که بالاتر از ۸۰.۷۲ درصد روش AHP است و نشان‌دهنده دقت بالاتر نتایج پیش‌بینی این روش است.