موسسه انتشارات دانشگاه تهران تحقیقات آب و خاک ایران 2008-479X 57 1 2026 03 21 Application of Shannon Entropy and Evidential Belief Function Models in Identifying Flood Prone Areas Using a Spatial Integration and Statistical Comparison Approach (Kela Rud Watershed, Babol, Mazandaran Province) کاربرد مدل‌های آنتروپی شانون و تابع شواهد قطعی در شناسایی نواحی بحرانی سیلاب با رویکرد تلفیق فضایی و مقایسه آماری (حوضه آبریز کلارود بابل، مازندران) 69 84 106703 10.22059/ijswr.2026.405784.670046 FA سید اسدالله حجازی دانشیار دانشگاه ژئومورفولوژی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران سبیکه روحانی زاده دانشجوی دکتری رشته ژئومورفولوژی، دانشکده برنامه ریزی وعلوم محیطی، دانشگاه تبریز، تبریز، ایران معصومه رجبی استاد دانشگاه ژئومورفولوژی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران Journal Article 2025 11 09 The present study aims to identify flood prone areas and evaluate the performance of two statistical models—Shannon Entropy and Evidential Belief Function (EBF)—for flood hazard zoning in the Kela Rud watershed, Babol County, Mazandaran Province (northern Iran). To achieve this objective, a spatial integration approach in the GIS environment was employed using data derived from nine influential factors, including elevation, slope, aspect, land use, soil type, distance from rivers, distance from roads, drainage density, and the topographic wetness index (TWI). Base information was extracted from digital elevation data (DEM, 30 m), thematic maps, and Sentinel 2 satellite imagery (2023). The Shannon Entropy model, based on the probabilistic information of flood occurrence within each spatial class, calculated the informational weights of the factors. The results indicated that elevation (0.1983), aspect (0.1517), and slope (0.1423) have the greatest impact on flood occurrence. In the Evidential Belief Function (EBF) model, by computing the indices of Belief (Bel), Disbelief (Dis), and Uncertainty (Unc), the spatial distribution of flood probability was reconstructed more accurately. Statistical comparison of model performance based on AUC, RMSE, indices showed that the EBF model (AUC =0/83 RMSE =0/214) has higher accuracy than the Shannon Entropy model (AUC =0/71, RMSE =0/293) in predicting flood susceptible zones. Areas with elevations between 700–1300 m and slopes of 30–45°, mainly within villages such as Shiadeh, Anjilak, and Lamsukola, fall into the very high flood hazard class. Based on these findings, the EBF model, owing to its capability in handling uncertain data and systematically integrating spatial evidence, exhibits greater accuracy and stability in analyzing the complex hydrological systems of northern Iran. The results of this research can serve as a scientific basis for watershed management planning, flood risk monitoring, and sustainable land management in similar forested basins. پژوهش حاضر با هدف شناسایی نواحی بحرانی سیلاب و ارزیابی کارایی دو مدل آماری آنتروپی شانون و تابع شواهد قطعی (EBF) در پهنه‌بندی خطر سیلاب در حوضه آبریز کلارود بابل واقع در استان مازندران انجام گرفته است. برای دستیابی به این هدف، از رویکرد تلفیق مکانی در محیط GIS و داده‌های حاصل از نه عامل مؤثر شامل ارتفاع، شیب، جهت شیب، کاربری اراضی، نوع خاک، فاصله از رودخانه، فاصله از جاده، تراکم زهکشی و شاخص رطوبتی توپوگرافی (TWI) استفاده شد. اطلاعات پایه از داده‌های رقومی (DEM 30 m)، نقشه‌های موضوعی و تصاویر2Sentinel  سال 1402 استخراج گردید. مدل آنتروپی شانون بر اساس اطلاعات احتمالی وقوع سیلاب در هر کلاس مکانی، وزن‌های اطلاعاتی عوامل را محاسبه کرد. نتایج نشان داد عوامل ارتفاع (1983/0 )، جهت شیب (1517/0) و شیب (1423/0) بیشترین اثر را در وقوع سیلاب دارند. در مدل تابع شواهد قطعی (EBF)، با محاسبه شاخص‌های باور (Bel)، ناباوری (Dis) و عدم‌قطعیت (Unc)، توزیع مکانی احتمال وقوع سیلاب به‌صورت دقیق‌تر بازسازی شد. مقایسه آماری عملکرد مدل‌ها بر اساس شاخص‌های AUC، RMSE نشان داد مدل EBF با  AUC = 0/83 و0/219   RMSE  =نسبت به مدل آنتروپی شانون با  AUC = 0/71 و  RMSE  =0/293 دقت بالاتری در پیش‌بینی مناطق مستعد سیلاب دارد. نواحی با ارتفاع بین ۷۰۰ تا ۱۳۰۰ متر و شیب ۳۰ تا ۴۵ درجه، عمدتاً در محدوده روستاهای شیاده، انجیلک و لمسوکلا، در کلاس خطر بسیار زیاد قرار گرفتند. براساس یافته‌ها، مدل EBF به‌واسطه توان مدیریت داده‌های نامطمئن و تلفیق نظام‌مند شواهد مکانی، در تحلیل سیستم‌های پیچیده هیدرولوژیکی شمال ایران از دقت و پایداری بیشتری برخوردار است. نتایج این پژوهش می‌تواند به‌عنوان مبنای علمی برای برنامه‌ریزی اقدامات آبخیزداری، پایش خطر سیلاب و مدیریت پایدار اراضی در حوضه‌های جنگلی مشابه مورد استفاده قرار گیرد. https://ijswr.ut.ac.ir/article_106703_a82fb3793edb3f37776fe5887ee3fbc8.pdf