Document Type : Research Paper


Assistant professor, Department of agriculture, Payame Noor University (PNU), Tehran, Iran


Extended Abstract
. Floods are natural disasters which occurrence causes annual great damage to people and environment around the world. So, specifying flood susceptible land is a necessity to reduce and control destructive impacts. Watershed management implementations could affect runoff volume and flood occurrence. The goal of this study is to apply the combination of Curve Number method and AHP in Arc-GIS to prepare flood susceptibility map and to investigate the role of biological measures in flood susceptibility of the region through this method and statistical tests.
Materials & Methods .For this purpose, Pardisan watershed located in the southern part of Qom city was selected. Ten factors layers viz. drainage density, slope, annual rainfall, distance from river, elevation, flow accumulation, SCS Curve Number, geo infiltration, geomorphology and previous floods were prepared and classified based on flood susceptibility in different scales. Then future Curve Number was determine with assuming the implementation of biological watershed management in different land uses such as rangeland, agriculture, garden and badland. In this study, AHP method in Arc-GIS was used to calculate pairwise comparison and determine the weight of each factor. Overlaying current and future Curve Number layers with nine layers using the weights obtained from the hierarchical analysis method led to the preparation of flood susceptibility maps for pre and post watershed management implementation.
Results & Discussion
Geo infiltration map showed the proportion area of “low”, “and “very low” infiltration classes were 4.46% and 16.87%, respectively while moderate and high infiltration classes were 39.75% and 38.92%. Slope map indicates that 0-2%, 2-5%, 5-15%, 15-35% and 35-60% classes comprise 29.87%, 35%, 30.11%, 4.88% and 0.14% of the studied area, respectively. In this region, South parts were steep whereas; north parts were mild. Distance to river is another factor classified in to four groups of 0-500, 500-1000, 1000-3000 and 3000-6500 meter with 38.86%, 24.32%, 29.63% and 7.19% of the region, respectively. Elevation classified map revealed 45.1% of the region were in 900-1200 meter range whereas; 36.4%, 14.8%, 3.6% and 0.1% were in 1200-1500,1500-1800,1800-2100 and 2100-2400 meter classes, respectively. As can be seen in rainfall map, 25.57% of the region was categorized in 140-160 mm rainfall class while 35.41%, 20.59% and 18.43% of the whole area were classified in 160-180,180-200 and 200-250mm groups. In the region, South parts have more rainfall volume than north. Also, flow accumulation map indicated that 96.5%, 1.97%, 1.07%, 0.24% and 0.22% were classified as 0-1500, 1500-5000, 5000-15000, 15000-25000, 25000-100000 values which high flow accumulation pixel range show high flood susceptibility. Drainage density map represents 10.38%, 14.36%, 56.88% and 18.38% of the studied area were grouped in 0-0.05, 0.05-0.07, 0.07-0.09 and 0.09-0.12 classes. Also, Curve Number (SCS) map for garden, cultivated lands, rangelands and badlands shows that 25.54% of the study area was classified as 15-35 CN value while 36.14%, 0.9% and 37.42% were categorized in 35-50, 50-65 and 65-80 classes before performing biological measures. After biological measures in different uses, 15-35 Curve Number values are observed in 36.6% of the area and 35-50, 50-65, 65-80 classes comprise 32.05%, 29% and 2.35% of the study area, respectively. The geomorphological map shows that the class with the highest score is visible in 68.96% of the area, while the classes with the lower scores are observed in 3.07, 18.34, 9.37, and 0.26% of the region, respectively. The past flood zoning map of the region also shows that 22.41% of the region exist in low susceptibility class, 36.15% of the region locates in the medium susceptibility class and 41.44% is in the high sensitivity class. For AHP approach, the calculated consistency ratio of this study was less than 0.1. Therefore; the compatibility between ten selected factors was acceptable. AHP results showed that the Curve Number factor has the highest weight percentage (27.44) whereas; the geo-infiltration has the lowest weight percentage (3.20). Comparison of flooding classes for pre and post water management implementation shows that high and medium flooding classes will decrease by 7.3 and 39.7% and low and very low susceptibility classes will increase by 22.18 and 24.82 %, respectively due to the implementation of biological watershed management measures. Also, Sign and Wilcoxon statistical tests indicated the existence of significance difference in flood classes’ for pre and after implementing biological watershed management.
Flood susceptibility map provision is a necessity in arid and semi-arid regions due to insufficient vegetation cover. The results of this study indicate positive effects of biological watershed management in decreasing flood vulnerability. These findings can be considered for future planning of the region and help watershed managers for optimal utilization of water and soil resources and reduction of flood damage.


1- اتحادی ابری، مجنونیان، ملکیان، جور غلامی؛ مریم، باریس، آرش، مقداد؛ 1398. تأثیر پوشش گیاهی بر میزان رواناب و تولید رسوب در مقیاس پلات در حوضه آبخیز جنگل خیرود، مرتع و آبخیزداری، مجله منابع طبیعی ایران، 72(1)، صفحه1-14.
2- اداره منابع طبیعی و آبخیزداری استان قم 1389. گزارش حوضه آبخیز پردیسان، قم، ایران. 133صفحه.
3- امیر احمدی، بهنیافر، ابراهیمی؛ ابوالقاسم،  ابوالفضل، مجید؛ 1391. ریزپهنه‌بندی خطر سیلاب در محدوده شهر سبزوار در راستای توسعه پایدار شهری، آمایش محیط،5 (16)،صفحه17-32.
4- پرورش، مهدوی، ملکیان، اسماعیل‌پور، حلی ساز؛ الیاس، رسول، آرش، یحیی، ارشک؛ 1398. بررسی عوامل مؤثر و اولویت‌بندی پتانسیل سیل‌خیزی زیرحوضه‌های آبخیز با استفاده از روش‌های فازی تاپسیس و الکتره نوع 3، مطالعه موردی: حوضه آبخیز سرخون بندرعباس، نشریه علمی-پژوهشی مهندسی و مدیریت آبخیز،11(2)، صفحه493-507.
5- حمیدی، وفاخواه، نجفی؛ نعمت‌اله، مهدی، اکبر؛ 1395. تهیه نقشه خطر پذیری سیلاب در حوضه آبخیز شهری نور با استفاده از تحلیل سلسله مراتبی و منطق فازی، پژوهشنامه مدیریت حوضه آبخیز، 7(14)، صفحه11-19.
6- دهقانی فیروزآبادی، جمالی، حسن‌زاده نفوتی؛ نجمه، علی‌اکبر، محمد؛ 1393. بررسی تأثیر اقدامات آبخیزداری بر کاهش سیل‌خیزی حوضه آبخیز با کمک مدل ریاضی HEC-HMS (مطالعه موردی: حوضه آبخیز طزرجان یزد)، فصلنامه علمی-پژوهشی فضای جغرافیایی،14(47)، صفحه163-182.
7- زیاری، رجایی، داراب خانی؛ کرامت‌اله، سید‌عبّاس، رسول؛ 1400. پهنه‌بندی پتانسیل سیل‌خیزی با استفاده از تحلیل سلسله مراتبی و منطق فازی در محیط GIS نمونه موردی: شهر ایلام، دو فصلنامه پژوهشی مدیریت بحران، 19، صفحه21-30.
8- شهیری طبرستانی، ذکایی؛ احسان، محمد سعید؛ 1399. ارزیابی پتانسیل سیل‌خیزی حوضه‌های آبخیز استان مازندران با استفاده از روش تحلیل سلسله مراتبی، 6محیط‌زیست و مهندسی آب، (4)، صفحه331-344.
9- عابدینی، لطفی؛ موسی، خداداد؛ 1398. برآورد ارتفاع رواناب جهت تحلیل پتانسیل سیل‌خیزی با استفاده از روش شماره منحنی در حوضه آبریز شاهرود اردبیل، فصلنامه علمی فضای جغرافیایی، 19(8)، صفحه163-181.
10- عسگری، صفاری، فتحی؛ شمس‌اله، امیر، حجت‌اله؛ 1397. بررسی توان سیل‌خیزی در حوضه آبریز جعفرآباد، نشریه تحقیقات کاربردی علوم جغرافیایی، 18(50)، صفحه 77-90.
11- علی­خواه اصل، فروتن؛ مرضیه، الهام؛ 1398. ارزیابی توان سرزمین. دانشگاه پیام نور، چاپ اول، انتشارات دانشگاه پیام نور، 132 صفحه.
12- مصطفایی، صالح‌پور جم؛ جمال، امین؛ 1399. ارزیابی کمّی اثرات اقدامات آبخیزداری بر وضعیت هیدرولوژیکی حوضه، مطالعه موردی: حوضه آبخیز آکوجان، نشریه علمی پژوهشی مهندسی و مدیریت آبخیز، (12)2، صفحه526-534.
13- میرموسوی، اسماعیلی؛ سیدحسین، حسین؛ 1400. پهنه‌بندی نواحی سیل‌خیز با استفاده از سامانه اطلاعات جغرافیایی(GIS) و سنجش از دور(RS)، (مطالعه موردی: شهرستان داراب)، مجله علمی پژوهشی مخاطرات محیط طبیعی،10(27)، صفحه21-45.
14- ندیری؛ مژگان؛ 1398. پهنه‌بندی خطر سیل‌خیزی با استفاده از منطق AHP-TOPSIS در محیط GIS (مطالعه موردی: حوضه آبخیز آیدوغموش)، فصلنامه علمی پژوهشی جغرافیا (برنامه‌ریزی منطقه‌ای)، 9(3)، صفحه 293-306.
15- ندیمی، زهتابیان، ملکیان؛ نادیا، غلامرضا، آرش؛ 1391. ارزیابی نقش اقدامات بیولوژیک آبخیزداری بر کاهش سیل (مطالعه موردی: حوضه آبخیز ینگجه)، پژوهش‌های آبخیزداری، 96، صفحه97-107.
16- نورعلی، قهرمان؛ مه‌روز، بیژن؛ 1395. ارزیابی تأثیر عملیات آبخیزداری بر آبنمود سیل با استفاده از مدل HEC-HMS (مطالعه موردی: حوضه آبخیز گوش و بهره)، پژوهشنامه مدیریت حوضه آبخیز، 7(13)، صفحه 60-71.
17- نوری، شاهدی، حبیب‌نژاد روشن، کاویان، فرامرزی؛ هاشم، کاکا، محمود، عطااله، مرزبان؛ 1398. مطالعه حساسیت به وقوع سیل در حوضه آبخیز رازآور با استفاده از روش تحلیل سلسله مراتبی (AHP)، مجله مخاطرات محیط طبیعی، 8(19)، صفحه35-50.
18- Abdel Hamid, H. T., Wenlong, W., & Qiaomin, L. (2020). Environmental sensitivity of flash flood hazard using geospatial techniques. Global Journal of Environmental Science and Management, 6(1), 31-46.
19- Chapi, K., Singh, V. P., Shirzadi, A., Shahabi, H., Bui, D. T., Pham, B. T., & Khosravi, K. (2017). A novel hybrid artificial intelligence approach for flood susceptibility assessment. Environmental modelling & software, 95, 229-245.
20- Costache, R., & Bui, D. T. (2020). Identification of areas prone to flash-flood phenomena using multiple-criteria decision-making, bivariate statistics, machine learning and their ensembles. Science of The Total Environment, 712, 136492.
21- Dahri, N., & Abida, H. (2017). Monte Carlo simulation-aided analytical hierarchy process (AHP) for flood susceptibility mapping in Gabes Basin (southeastern Tunisia). Environmental earth sciences, 76(7), 302.
22- Das, S. (2018). Geographic information system and AHP-based flood hazard zonation of Vaitarna basin, Maharashtra, India. Arabian Journal of Geosciences, 11(19), 1-13.
23- El-Magd, S. A. A., Amer, R. A., & Embaby, A. (2020). Multi-criteria decision-making for the analysis of flash floods: A case study of Awlad Toq-Sherq, Southeast Sohag, Egypt. Journal of African Earth Sciences, 162, 103709.
24- Hammami, S., Zouhri, L., Souissi, D., Souei, A., Zghibi, A., Marzougui, A., & Dlala, M. (2019). Application of the GIS based multi-criteria decision analysis and analytical hierarchy process (AHP) in the flood susceptibility mapping (Tunisia). Arabian Journal of Geosciences, 12(21), 1-16.
25- Hong, H., Tsangaratos, P., Ilia, I., Liu, J., Zhu, A. X., & Chen, W. (2018). Application of fuzzy weight of evidence and data mining techniques in construction of flood susceptibility map of Poyang County, China. Science of the total environment, 625, 575-588.
26- Kazakis, N. Kougias, I and Patsialis, T. 2015. Assessment of flood hazard areas at a regional scale using an index-based approach and Analytical Hierarchy Process: Application in Rhodope-Evros region, Greece. Science of the Total Environment 2015; 538, pp.555-63.
27- Kittipongvises, S., Phetrak, A., Rattanapun, P., Brundiers, K., Buizer, J. L., & Melnick, R. (2020). AHP-GIS analysis for flood hazard assessment of the communities nearby the world heritage site on Ayutthaya Island, Thailand. International Journal of Disaster Risk Reduction, 48, 101612.
28- Mahmoud,  Sh.H. Gan, Th.Y. (2018). Multi-criteria approach to develop flood susceptibility maps in arid regions of Middle East. Journal of Cleaner Production 196 ,pp. 216-229.
29- Meshram, SG. Sharma, SK. and  Tignath S. (2017). Application of remote sensing and geographical information system for generation of runoff curve number. Applied Water Science 7,pp.1773–1779.
30- Rahmati, O. Pourghasemi, H.R. and Zeinivand, H. (2016). Flood susceptibility mapping using frequency ratio and weights-of-evidence models in the Golastan Province, Iran. Geocarto International, 31(1), pp.42-70.
31- Rao, K.N. (2020). Analysis of surface runoff potential in ungauged basin using basin parameters and SCS-CN method. Applied Water Science January 2020,pp. 10-47
32- Saaty, T. L. (1980). Analytical Hierarchy Process McGraw Hill Company. NY, USA.
33- SCS, U. (1985). National engineering handbook, section 4: hydrology. US Soil Conservation Service, USDA, Washington, DC.
34- Souissi, D. Zouhri, L. Hammami, S. Msaddek, M.H. Zghibi, A. and Dlala, M. (2019). GIS-based MCDM–AHP modeling for flood susceptibility mapping of arid areas, southeastern Tunisia. Geocarto International, pp.1-27.
35- Swain, K. C., Singha, C., & Nayak, L. (2020). Flood Susceptibility Mapping through the GIS-AHP Technique Using the Cloud. ISPRS International Journal of Geo-Information, 9(12), 720.
36- Vojtek, M., & Vojteková, J. (2019). Flood susceptibility mapping on a national scale in Slovakia using the analytical hierarchy process. Water, 11(2), 364,1-17.
37- Zhao, G. Pang, B. Xu, Z. Yue, J and Tu, T. (2018). Mapping flood susceptibility in mountainous areas on a national scale in China. Science of The Total Environment, 615, pp.1133-1142.