مديريت غير سازه‌اي سيلاب‌دشت‌ها با استفاده از پيش بيني خسارت كشاورزي

Non-structural management of floodplains using agricultural flood loss estimation

تعيين خسارت كشاورزي گام اول براي مديريت غيرسازه‌اي سيلاب‌دشت‌ها با زون‌بندي مناطق از نظر ريسك سرمايه‌گذاري است. پيش بيني خسارت كشاورزي نيازمند تحليل ريسك زماني و مكاني بوده و با تركيبي از تحليل فراواني، شبيه سازي هيدروليكي سيل و توابع خسارت در مراحل مختلف رشد گياهان محاسبه مي‌شود. در روش ارايه شده كه بر مبناي تكنيك مونت‌كارلو شكل گرفته است شانس رخداد سيل در هر يك از مراحل رشد گياه از طريق ضرايب وزني كه با نمونه‌گيري تصادفي از توزيع يكنواخت توليد مي‌شوند، محاسبه شده و خسارت نهايي از مجموع خسارت‌هاي حاصل در هر يك از مراحل رشد و ثابت شدن آن به ازاي تكرارهاي متوالي به دست مي آيد. در اين تحقيق جهت شبيه‌سازي هيدروليكي سيل از HECRAS و براي تركيب نتايج حاصله با توابع خسارت زماني و فيزيكي گياه از محيط GIS استفاده شده است. در اين مطالعه براي توسعه روش پيش‌بيني خسارت، گياه برنج كه كشت غالب مناطق شمالي ايران مي باشد مورد استفاده قرار گرفته است. نتايج نشان مي دهند كه ميزان خسارت متوسط به ازاي رخداد يك سيل معين در مراحل مختلف رشد به ترتيب در مراحل نشا، خوشه‌دهي، ساقه‌زني و درو افزايش مي‌يابد. براين اساس زمان رخداد سيل تاثير بسزايي در ميزان خسارت دارد ولي رابطه خسارت با افزايش رشد گياه مستقيم و خطي نيست. در روش‌هاي موجود خسارت سطح سيل‌گير 100 درصد محسوب مي‌گردد ولي در اين مطالعه متوسط خسارت ناشي از رخداد سيل هاي 100 ساله، 200 ساله و 500 ساله در سطح سيل‌گير 500 ساله به ترتيب برابر با 21، 27 و 47 درصد بدست آمد.

Agricultural flood loss estimation is the first step toward non-structural management of rural areas and requires the combination of flood frequency analysis, flood hydraulic simulation and loss function estimation for each growth stage of the crop. Due to the amount of investment and plant resistance, agricultural loss varies according to different growth stages; that is, agricultural flood loss is a time dependent phenomenon. In the proposed algorithm, which is based on the Monte Carlo technique, the chance of the flood occurrence at each growth stage is generated via a repetitive sampling from the Uniform probability density function while an insignificant difference between two consecutive summations of the losses at different stages gives the final total loss. Rice as the main crop of the north of Iran was selected for the study. The results showed that the loss is a non-linear function of the growth stages and increases as follows: transplanting, clustering stemming and harvesting. In contrast to the existing methods that suppose 100% loss for flooded areas, the 100, 200, and 500 return period floods caused losses equal to 21, 27, and 47% respectively.