ارزيابي مدل آنتروپي شانون در تهيه نقشه حساسيت و احتمال به وقوع سيل در حوزه آبخيز هراز

Evaluation of Shannon Entropy in Order to Flood Probability and Susceptibility Mapping At Haraz Catchment

يكي از راهكارهاي اساسي جهت كاهش خسارت جاني و مالي ناشي از سيل، تهيه نقشه هاي حساسيت به وقوع سيل مي باشد. در اين تحقيق از مدل آنتروپي شانون (SE) كه مدلي آماري و دو متغيره مي باشد، جهت تهيه نقشه هاي حساسيت به وقوع سيل استفاده شده است. در اين تحقيق 211 موقعيت نقاط سيلابي آماده گرديد. از 211 موقعيت، 70 درصد آن جهت مدلسازي و تهيه نقشه استفاده گرديد. از 30 درصد باقي مانده كه به صورت تصادفي تهيه شدند جهت اعتبارسنجي نقشه توليد شده استفاده گرديد. در اين تحقيق از 10 فاكتور موثر شامل شيب، انحناي زمين، فاصله از رودخانه، طبقات ارتفاعي، بارش، شاخص توان رودخانه ، شاخص رطوبت توپوگرافي، ليتولوژي، كاربري اراضي و NDVI استفاده گرديد. توسط مدل ياد شده وزن تاثير هر فاكتور موثر در وقوع سيل مشخص گرديد. منحني ROC ترسيم و سطح زير منحني (AUC) براي اعتبارسنجي نقشه حساسيت به وقوع سيل محاسبه گرديد. نتايج نشان داد كه سطح زير منحني با موقعيت هاي نقاط آموزش براي مدل آنتروپي شانون برابر با 0/9253 (92/53%) با صحت پيش بيني 0/9142 (91/42%) مي باشد. پس صحت بالاي اين مدل حاكي از قابل اعتماد بودن آن، جهت تهيه نقشه حساسيت به وقوع سيل مي باشد.

One of the main measures in order to financial and life damages reduction is a production of flood susceptibility mapping. In the current research, Shannon entropy has been studied to determine the flood probability and susceptibility mapping. In this research 211, flood locations were prepared. 211 flood locations are divided into two categories based on random selection: 70 % for training and 30% for validation of final map. In the next step, 10 flood conditioning factors such as slope, plan curvature, distance from the river, altitude, rainfall, stream power index, topographic wetness index, lithology, land use and NDVI was selected. By using the Shannon entropy the weight of each factor in flooding have been determined. ROC curve has been drowned and area under the curve (AUC) was determined for validation of flood susceptibility mapping by success rate and prediction rate. The result showed that AUC for success rate in entropy model was 92.53% with a prediction accuracy of 91.42%. The high accuracy of the Shannon entropy model showed that this model is proper for flood susceptibility mapping.