Investigating Maximum Discharge of Runoff Values in Shiraz Hydro Geomorphic Basin Using Gamble Distribution Model

جغرافیا و مخاطرات محیطی

Article 6, Volume 12, Issue 4 - Serial Number 48, February 2024, Pages 117-137   

Document Type: Research Article

DOI: 10.22067/geoeh.2022.77273.1245

Authors

Shahranm Roostaei^{* 1}; Hassan Eftekhar²; Fariba Karami¹; Saeid Neghahban³

¹Professor in Geomorphology, Tabriz University, Tabriz, Iran

²PhD Candidate in Geomorphology, Tabriz University, Tabriz, Iran

³Associate Professor in Geomorphology, Shiraz University, Shiraz, Iran

Abstract

Among natural hazards, floods are of special importance in terms of financial and human losses. According to available statistics and information, flood damage in most parts of the world, especially in developing countries, is the the most distructive and generally makes socio-economic and environmental damages. So, efforts for reducing the damage are the duties of related agencies. Estimating and determining the maximum amount of flood is one of the first steps for reducing its damage. Therefore, providing a definition of it is a fundamental step. In this regard, the selection of the maximum possible flood plays an important role. By definition, the maximum possible flood is the largest flood that can reasonably be expected to occur in a particular region and time  (World Meteorological Organization, 1986). Frequency analysis is one of the reliable methods in flood estimation if there are sufficient statistics and it is possible to fit a suitable distribution function. This method, which uses a complete statistical series (all available data), often uses normal statistical distributions, normal logs, three-factor normal logs, limit values distribution, Pearson, Pearson logs, and WebStud program (13). The purpose of frequency analysis of events in hydrology is to obtain the maximum probability of occurrence of values. The selected area for studying the geomorphic basin of Shiraz is in the sections of Aliabad, Maroon, Eghbalabad, Chenar Sukhteh and Bagh-e-Safa stations. In this study, long-term precipitation statistics in the rain gauge station of Shiraz geomorphic basin over a period of 50 years and maximum daily discharge statistics in a period of 44 years were used.

Keywords

Flood; Maximum Discharge; Gamble Distribution Model; Shiraz Basin

References

آقانباتی، علی؛ 1383. زمین‌شناسی ایران. انتشارات سازمان زمین‌شناسی کشور. https://www.gisoom.com/book/11083834

اصغرى مقدم، محمدرضا؛1382.جغرافیاى طبیعى شهر. انتشارات مسعى. چاپ اول.  https://fapool.ir/file/100446

پورطاهری، مهدی؛ سجاسی قیداری، حمدالله؛ صادقلو، طاهره؛ 1390. ارزیابی تطبیقی روش‌های رتبه‌بندی مخاطرات طبیعی در مناطق روستایی مطالعه موردی استان زنجان. فصلنامه پژوهش‌های روستایی. 2 (3): صص54-31. https://jrur.ut.ac.ir/article_23686_393270fa8b50712c7eb57e6aeeb55448.pdf

حجازی، اسدالله؛ خدایی قشلاق، فاطمه؛ خدایی قشلاق، لیلا؛ 1398. پهنه‌بندی خطر وقوع سیلاب در حوضه آبریز ورکش چای با استفاده از نرم افزار HEC-RAS و الحاقیه HEC-GEO-RAS.. فصلنامه تحقیقات کاربردی علوم جغرافیایی. 19 (53). صص156-137. https://ensani.ir/file/download/article/1567840579-9495-53-8.pdf

حسین­زاده، محمدمهدی؛ بیرانوند، سعیده؛ حسینی، امین؛ 1391. شبیه‌سازی سیلاب رودخانه کشکان.فصل­نامه سنجش‌ازدور و  GIS ایران. دوره پنجم. شماره‌یک.  

https://scj.sbu.ac.ir/article_95131_ac33d529b3311132417ad9cfe4b1af5f.pdf

دامادی، سکینه؛ دهواری، عبدالحمید؛ دهمرده قلعه نو، محمدرضا؛ ابراهیمیان، محبوبه؛ 1399. پهنه‌بندی سیلاب با استفاده از مدل هیدرولیکی HEC-RAS رودخانه سرباز استان سیستان و بلوچستان. نشریه علمی- پژوهشی مهندسی مدیریت آبخیز. جلد 13. شماره 3. صص 590-610.

  https://jwem.areeo.ac.ir/article_124225_24569bd322a2487d6beccc1adc2e7627.pdf

صفاری، امیر؛ ساسان‌پور، فرزانه؛ موسی وند، جعفر؛ 1390. ارزیابی آسیب‌پذیری مناطق شهری در برابر خطر سیل با استفاده از سیستم اطلاعات جغرافیایی و منطق فازی مطالعه موردی منطقه 3 تهران. فصلنامه تحقیقات کاربردی علوم جغرافیایی. 20: صص129-50.  https://jgs.khu.ac.ir/article-1-599-fa.pdf

عسکری، شمس الله؛ احمدی، مهدی؛ همتی، موسی؛ 1394. فرسایش کناری رودخانه چرداول با استفاده از مدل HEC-RAS در محیط GIS . فصلنامه تحقیقات جغرافیایی. 30 (1). صص80-71.

  https://jgr.ui.ac.ir/article_18101_003406c2a28d8a4262704c9d3c64f0de.pdf

علیزاده، امین؛ 1388. اصول هیدرولوژی کاربردی. انتشارات دانشگاهی امام رضا (ع).  چاپ بیست و هفتم.

 https://www.gisoom.com/book/1636893

محمد، مهدوی؛ 1384. هیدرولوژی کاربردی. انتشارات دانشگاه تهران. جلد اول. چاپ پنجم.

 https://www.gisoom.com/book/11276752

محمد، مهدوی؛ 1387. هیدرولوژی کاربردی. انتشارات دانشگاه تهران. جلد دوم، چاپ دوم.

 https://www.gisoom.com/book/1651515

وزارت نیرو، سازمان مدیریت منابع آب ایران؛ 1384. راهنمای پهنه‌بندی سیل و تعیین حد بستر و حریم رودخانه‌ها. دفتر استانداردها و معیارهای فنی. نشریه شماره 307.   https://shaghool.ir/Files/CODE307.pdf

 

Avand, M.T., Moradi, H.R., and M, Ramazanzadeh., 2021. Spatial modeling of flood probability using geo-environmental variables and machine learning models, case study: Tajan watershed,Iran. Advances in Space Research, 67: 3169-3186 .

 https://doi.org/10.1016/j.asr.2021.02.011

Brierley, G,L., and Fryirs, K., 2005. geomorphology and river management application of the River style framework. Blackwell Publishing, Malden. MA. pp 398.

 https://www.academia.edu/8547408

Chang, H.S., Chen, T.L., 2016. Spatial heterogeneity of local flood vulnerability indicators within flood prone areas in Taiwan. Environmental Earth Sciences, 75(23): 1-14.

 https://doi.org/10.1007/s12665-016-6294-x

Ezzine, A., Saidi, S., Hermassi, T., Kammessi, I., Darragi, F., Rajhi, H., 2020. Flood mapping using hydraulic modeling and Sentinel-1 image: Case study of Medjerda Basin, northern Tunisia: The Egyptian. Journal of Remote Sensing and Space Sciences, 23: 303-310. https://doi.org/10.1016/j.ejrs.2020.03.001  

Kabenge, M., Elaru, J., Wang, H., Li, F. 2017. Characterizing flood hazard risk in data scarce areas, using a remote sensing and GIS-based flood hazard index. Nat. Hazards 89 (3), 1369–1387.  https://www.researchgate.net/publication/319273965

Khattak, M.S., Anwar, F., Saeed, T., Sharif, M., Sheraz, K., Ahmed, A. 2016. Floodplain Mapping Using HEC-RAS and ArcGIS: A Case Studyof Kabul River.Arab J SciEng.

 41:1375–1390.  https://link.springer.com/article/10.1007/s13369-015-1915-3

Khosravi, K.h., Panahi, M., Golkarian, A., Keesstra, S.D., Saco, P.M., Tien, B.D., Lee, S., 2021. Convolutional neural network approach for spatial prediction of flood hazard at national scale of Iran. Journal of Hydrology, 591: 2-35.

 https://doi.org/10.1016/j.jhydrol.2020.125552

Khosravi, K.h., Pham, B.T., Chapi, K., Shirzadi, A., Shahabi, H., Revhaug, I., Prakash, I., TienBui, D., 2018. A comparative assessment of decision trees algorithms for flash flood susceptibility modeling at Haraz watershed, northern Iran. Science of The Total Environment, 627: 744-755. https://doi.org/10.1016/j.scitotenv.2018.01.266

Termeh, S.V.R., Kornejady, A., Pourghasemi, H.R., Keesstra, S., 2018. Flood susceptibilitymapping using novel ensembles of adaptive neuro fuzzy inference system and metaheuristicalgorithms. Science of the Total Environment, 615: 438-451.

 https://doi.org/ 10.1016/ j.scitotenv. 2017.09.262

Zelenakova, M., Fijko, R., Labant, S., Weiss, E., Markovic, G., Weiss, R., 2019. Flood risk modelling of the Slatvinec stream in Kru _ zlov village, Slovakia. Journal of Cleaner Production, 212:109-118. https://doi.org/10.1016/j.jclepro.2018.12.008