ГЕОПРОСТОРОВЕ МОДЕЛЮВАННЯ РИЗИКУ ПОВЕНЕЙ РІЧКИ ПРИП’ЯТЬ В МЕЖАХ ВОДОМІРНОГО ПОСТА ЛЮБ’ЯЗЬ
DOI:
https://doi.org/10.32347/2077-3455.2022.63.336-348Ключові слова:
моделювання, оцінка ризику повені, річка, карта ймовірностей повені, водомірний пост, ГІСАнотація
Проаналізовано геопросторове моделювання ризику повеней річки Прип’ять в межах водомірного поста Люб’язь. Використаний метод ансамблю, який продемонстрував ефективність моделювання паводків на основі геоінформаційних систем (ГІС).
Представлено основні приклади використання методів моделювання повеней.
Проаналізовано світовий досвід методів моделювання паводків та їх застосування для відновлення просторів в структурі населеного пункту.
Визначено їх системоутворюючі особливості та типологічні ознаки в межах водомірного поста Люб’язь.
Традиційна система методів моделювання паводків в структурі населенного пункту складається з двох основних елементів: прогнозування та моделювання і створення прогнозних карт ймовірності повеней.
Карта небезпеки повеней була створена шляхом поєднання карти ймовірності повені з факторами, що викликають повінь.
Побудовано карти ймовірності повені за методом ансамблю на основі ГІС у межах водомірного поста Люб’язь.
Посилання
Список джерел
Кондратюк A.В., Моделювання і прогнозування стану забруднення поверхневих вод річки Стир. Сучасні проблеми архітектури та містобудування. К.: КНУБА, 2021. Вип. 61. С. 395–409. Випуск 61. 2021. DOI: 10.32347/2077-3455.2021.61.395-409.
Akgun A, Dag S, Bulut F. 2007. Landslide susceptibility mapping for a landslide-prone area (Findikli, NE of Turkey) by likelihood-frequency ratio and weighted linear combination models. Environ Geol. 54:1127–1143. DOI: 10.1007/s00254-007-0882-8.
Althuwaynee OF, Pradhan B, Lee S. 2012. Application of an evidential belief function model in landslide susceptibility mapping. Comput Geosci. 44:120–135. DOI: 10.1016/j.cageo.2012.03.003.
Apel H, Aronica GT, Kreibich H, Thieken AH. 2008. Flood risk analyses – how detailed do we need to be? Nat Hazards. 49:79–98. DOI: 10.1007/s11069-008-9277-8.
Ayalew L, Yamagishi H. 2005. The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan. Geomorphology. 65:15–31. DOI: 10.1016/j.geomorph.2004.06.010.
Botzen WJW, Aerts JCJH, van den Bergh JCJM. 2012. Individual preferences for reducing flood risk to near zero through elevation. Mitig Adapt Strateg Glob Change. 2:229–244. DOI: 10.1007/s11027-012-9359-5.
Casulli, V. 2009. A high‐resolution wetting and drying algorithm for free‐surface hydrodynamics. Int J Numerical Methods Fluids. 60:391–408.
Chau KW, Wu CL, Li YS. 2005. Comparison of several flood forecasting models in Yangtze River. J Hydrol Eng. 10: 485–491. DOI: 10.1061/(asce)1084-0699(2005)10:6(485).
Choi J, Oh HJ, Won JS, Lee S. 2009. Validation of an artificial neural network model for landslide susceptibility mapping. Environ Earth Sci. 60:473–483. DOI: 10.1007/s12665-009-0188-0.
Gokceoglu C, Sonmez H, Nefeslioglu HA, Duman TY, Can T. 2005. The 17 March 2005 Kuzulu landslide (Sivas, Turkey) and landslide-susceptibility map of its near vicinity. Eng Geol. 81:65–83. DOI: 10.1016/j.enggeo.2005.07.011.
Kar AK, Lohani AK, Goel NK, Roy GP. 2015. Rain gauge network design for flood forecasting using multi-criteria decision analysis and clustering techniques in lower Mahanadi river basin, India. J Hydrol: Reg Stud. 4:313–332. DOI: 10.1016/j.ejrh.2015.07.003.
Kia MB, Pirasteh S, Pradhan B, Mahmud AR, Sulaiman WNA, Moradi A. 2011. An artificial neural network model for flood simulation using GIS: Johor River Basin, Malaysia. Environ Earth Sci. 67:251–264. DOI: 10.1007/s12665-011-1504-z.
Lee MJ, Kang J, Jeon S. 2012. Application of frequency ratio model and validation for predictive flooded area susceptibility mapping using GIS. 2012 IEEE International Geoscience and Remote Sensing Symposium. DOI: 10.1109/igarss.2012.6351414.
Meyer V, Scheuer S, Haase D. 2008. A multicriteria approach for flood risk mapping exemplified at the Mulde river, Germany. Nat Hazards. 48:17–39. DOI: 10.1007/s11069-008-9244-4.
Moore ID, Wilson JP. 1992. Length-slope factors for the revised universal soil loss equation: simplified method of estimation. J Soil Water Conserv. 47:423–428.
Neshat A, Pradhan B. 2015. An integrated DRASTIC model using frequency ratio and two new hybrid methods for groundwater vulnerability assessment. Nat Hazards. 76:543–563.
Pradhan B. 2010. Flood susceptible mapping and risk area delineation using logistic regression, GIS and remote sensing. J Spatial Hydrol. 9:1–18.
Tingsanchali T, Karim F. 2010. Flood-hazard assessment and risk-based zoning of a tropical flood plain: case study of the Yom River, Thailand. Hydrol Sci J. 55:145–161. DOI: 10.1080/02626660903545987.
Zhou J, Deng W, Zou Q, Xiao J, Zhang Y, Hua W. 2013. Flood disaster evaluation model based on kernel dual optimization support vector machine. Information Technol J. 12:2412–2418. DOI: 10.3923/itj.2013.2412.2418.
References
Kondratiuk A.V. (2021) Modeling and forecasting of the status of surface water pollution of the styr river. [Modelyuvannia i prohnozuvannia stany zabrudnennia poverhnevuh vod richku Styr] Suchasni problemy arkhitektury ta mistobuduvannia, Vyp(№) 61, pp.395–409 DOI: https://doi.org/10.32347/2077-3455.2021.61.395-409 (in Ukrainian).
Akgun A, Dag S, Bulut F. 2007. Landslide susceptibility mapping for a landslide-prone area (Findikli, NE of Turkey) by likelihood-frequency ratio and weighted linear combination models. Environ Geol. 54:1127–1143. DOI: 10.1007/s00254-007-0882-8 (in English).
Althuwaynee OF, Pradhan B, Lee S. 2012. Application of an evidential belief function model in landslide susceptibility mapping. Comput Geosci. 44:120–135. DOI: 10.1016/j.cageo.2012.03.003 (in English).
Apel H, Aronica GT, Kreibich H, Thieken AH. 2008. Flood risk analyses – how detailed do we need to be? Nat Hazards. 49:79–98. DOI: 10.1007/s11069-008-9277-8 (in English).
Ayalew L, Yamagishi H. 2005. The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan. Geomorphology. 65:15–31. DOI: 10.1016/j.geomorph.2004.06.010 (in English).
Botzen WJW, Aerts JCJH, van den Bergh JCJM. 2012. Individual preferences for reducing flood risk to near zero through elevation. Mitig Adapt Strateg Glob Change. 2:229–244. DOI: 10.1007/s11027-012-9359-5 (in English).
Casulli, V. 2009. A high‐resolution wetting and drying algorithm for free‐surface hydrodynamics. Int J Numerical Methods Fluids. 60:391–408 (in English).
Chau KW, Wu CL, Li YS. 2005. Comparison of several flood forecasting models in Yangtze River. J Hydrol Eng. 10: 485–491. DOI: 10.1061/(asce)1084-0699(2005)10:6(485) (in English).
Choi J, Oh HJ, Won JS, Lee S. 2009. Validation of an artificial neural network model for landslide susceptibility mapping. Environ Earth Sci. 60:473–483. DOI: 10.1007/s12665-009-0188-0 (in English).
Gokceoglu C, Sonmez H, Nefeslioglu HA, Duman TY, Can T. 2005. The 17 March 2005 Kuzulu landslide (Sivas, Turkey) and landslide-susceptibility map of its near vicinity. Eng Geol. 81:65–83. DOI: 10.1016/j.enggeo.2005.07.011 (in English).
Kar AK, Lohani AK, Goel NK, Roy GP. 2015. Rain gauge network design for flood forecasting using multi-criteria decision analysis and clustering techniques in lower Mahanadi river basin, India. J Hydrol: Reg Stud. 4:313–332. DOI: 10.1016/j.ejrh.2015.07.003 (in English).
Kia MB, Pirasteh S, Pradhan B, Mahmud AR, Sulaiman WNA, Moradi A. 2011. An artificial neural network model for flood simulation using GIS: Johor River Basin, Malaysia. Environ Earth Sci. 67:251–264. DOI: 10.1007/s12665-011-1504-z (in English).
Lee MJ, Kang J, Jeon S. 2012. Application of frequency ratio model and validation for predictive flooded area susceptibility mapping using GIS. 2012 IEEE International Geoscience and Remote Sensing Symposium. DOI: 10.1109/igarss.2012.6351414 (in English).
Meyer V, Scheuer S, Haase D. 2008. A multicriteria approach for flood risk mapping exemplified at the Mulde river, Germany. Nat Hazards. 48:17–39. DOI: 10.1007/s11069-008-9244-4 (in English).
Moore ID, Wilson JP. 1992. Length-slope factors for the revised universal soil loss equation: simplified method of estimation. J Soil Water Conserv. 47:423–428 (in English).
Neshat A, Pradhan B. 2015. An integrated DRASTIC model using frequency ratio and two new hybrid methods for groundwater vulnerability assessment. Nat Hazards. 76:543–563 (in English).
Pradhan B. 2010. Flood susceptible mapping and risk area delineation using logistic regression, GIS and remote sensing. J Spatial Hydrol. 9:1–18 (in English).
Tingsanchali T, Karim F. 2010. Flood-hazard assessment and risk-based zoning of a tropical flood plain: case study of the Yom River, Thailand. Hydrol Sci J. 55:145–161. DOI: 10.1080/02626660903545987 (in English).
Zhou J, Deng W, Zou Q, Xiao J, Zhang Y, Hua W. 2013. Flood disaster evaluation model based on kernel dual optimization support vector machine. Information Technol J. 12:2412–2418. DOI: 10.3923/itj.2013.2412.2418 (in English).
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2022 Анатолій Кондратюк
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
