ارزیابی و تحلیل میزان تاثیر کاربری اراضی بر فرسایش خاک با استفاده از مدل تجربی RUSLE (مطالعه موردی: حوضه آبخیز بالیخلوچای، استان اردبیل)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای گروه جغرافیای طبیعی دانشگاه محقق اردبیلی

2 *، استاد گروه جغرافیای طبیعی(گرایش ژئومورفولوژی)، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران

3 جغرافیای طبیعی.دانشگاه محقق اردبیلی

چکیده

نوع و شدت فرسایش خاک در یک منطقه، تابع شرایط اقلیمی، پستی و بلندی زمین، خاک و کاربری اراضی است که در این میان اهمیت کاربری اراضی به دلیل نقش مؤثر انسان بر آن نسبت به دیگر عوامل زیادتر است. هدف از این پژوهش ارزیابی و تحلیل میزان فرسایش خاک در حوضه آبخیز بالیخلوچای با استفاده از مدل تجربی RUSLE در استان اردبیل است. به‌منظور اجرای این تحقیق ابتدا تصویر ماهواره‌ای منطقه مورد مطالعه مربوط به سال‌ 1400 و ماه خرداد از مرکز تحقیقات زمین‌شناسی آمریکا دریافت و پس از تصحیحات اتمسفری و رادیومتریک با استفاده از روش طبقه‌بندی نظارت‌شده به شیوه ماشین بردار پشتیبان اقدام به تهیه نقشه کاربری اراضی شد. سپس به‌منظور برآورد میزان فرسایش از مدل RUSLE استفاده شد. جهت تجزیه و تحلیل و تولید نقشه‌ها در اجرای این تحقیق نیز از نرم‌افزارهای SPSS 21، Excel، ArcGIS 5.4، Archydro و ENVI 5.3 استفاده شد. لایه‌ پارامترهای مدل RUSLE شامل لایه فرسایندگی باران، لایه خاک، لایه توپوگرافی، لایه پوشش گیاهی و عامل حفاظتی خاک هم‌چنین آمارهای مختلف مربوط به ایستگاه‌های باران‌سنجی، هیدرومتری، نقشه‌های توپوگرافی 1:50000، زمین‌شناسی 1:100000 هم‌چنینDEM (20 متر منطقه) و نیز بهره‌گیری از سیستم اطلاعات جغرافیایی GIS و سنجش ‌از دور استفاده ‌شده است. نتایج این مطالعه نشان داد که مقدار متوسط فرسایش سالانه خاک برای کل حوضه در دامنه بین 65/6- تا 75/14 تن در هکتار در سال متغیر است. هم‌چنین بررسی روابط رگرسیونی بین فاکتورهای مدل RUSLE و مقدار فرسایش سالانه خاک نشان داد که فاکتور توپوگرافی (LS) با بالاترین مقدار ضریب تعیین R^2=0/95 بیش‌ترین اهمیت را در برآورد فرسایش سالانه خاک به‌وسیله مدل RUSLE دارد.

کلیدواژه‌ها

عنوان مقاله [English]

Evaluation and analysis of the impact of land use on soil erosion using the RUSLE experimental model (case study: Balikhlochai watershed, Ardabil province)

نویسندگان [English]

  • AmirHesam Pasban 1
  • Mousa Abedini 2
  • mahdi frotan 3
1 Physical Student Geography, University of Mohaghegh Ardabili
2 Professor, Department of physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabili, Iran
3 phisical geography university of mohaghegh ardebili
چکیده [English]

The type and intensity of soil erosion in a region depends on climatic conditions, lowland and elevation of the land, soil and land use, among which the importance of land use is greater than other factors due to the effective role of humans on it. The purpose of this research is to evaluate and analyze the amount of soil erosion in the Balikhlochai watershed using the RUSLE experimental model in Ardabil province. In order to carry out this research, first, the satellite image of the studied area from the year 1400 and the month of June was obtained from the US Geological Survey Center, and after atmospheric and radiometric corrections, a land use map was prepared using the supervised classification method using support vector machine. Then the RUSLE model was used to estimate the erosion rate. SPSS 21, Excel, ArcGIS 5.4, Archydro and ENVI 5.3 software were used to analyze and produce maps in this research. RUSLE model parameter layer including rain erosion layer, soil layer, topography layer, vegetation layer and soil protection factor as well as various statistics related to rain gauge stations, hydrometry, topographic maps 1:50000, geology 1:100000 as well as DEM (20 meters area) and GIS geographic information system and remote sensing have been used. The results of this study showed that the average amount of annual soil erosion for the whole basin ranges from -6.65 to 14.75 tons per hectare per year. Also, the investigation of regression relationships between the factors of RUSLE model and the amount of annual soil erosion showed that the topography factor (LS) with the highest coefficient of determination R^2=0.95 is the most important in the estimation of annual soil erosion using the RUSLE model.

کلیدواژه‌ها [English]

  • Land Use
  • Erosion
  • Support Vector Machine
  • Ballykhlochai
  • RUSLE Experimental Model

مراجع

  • احمدی، ح. 1388. ژئومورفولوژی کاربردی (فرسایش آبی)، چاپ اول، انتشارات دانشگاه تهران.
  • اصغری‌سراسکانرود، ص.، محمدنژاد آروق، و.، امامی، ه. 1398. بررسی تغییرات کاربری اراضی با استفاده از روش‌های پیکسل‌پایه و شی‌گرا و تحلیل اثرات تغییر کاربری‌ها بر فرسایش خاک (مطالعه موردی: شهرستان مراغه)، پژوهش‌های ژئومورفولوژی کمی، 8(1): 178-160.
  • زلفی‌باروق، م. 1390. بررسی و پیاده­سازی روش SVM برای تصاویر ماهواره­ای، پایان نامه کارشناسی ارشد رشته مهندسی عمران - سنجش از دور، دانشکده فنی و مهندسی دانشگاه اصفهان، 25(5): 4-2.
  • آشکارسازی تغییرات کاربری اراضی با استفاده از تکنیک های شی گرا و پیکسل پایه مطالعه موردی: حوضه مردق چای، نویس موسی عابدینی, احسان قلعه, نشریه هیدروژئومورفولوژی، 27(8): 184-163.
  • عابدینی، م. 1400. بررسی کمی فرسایش خندقی و رسوبدهی با استفاده از شاخص های فرسایندگی باران، مورفومتری و رگرسیون خطی در حوضه آبخیز هرزند چای، نشریه تخریب و احیاء اراضی طبیعی، 2(3): 111-100.
  • عابدینی، م.، طولایی، س. 1396. مدل‌سازی فرسایش خاک و تولید رسوب با سه مدل WEPP، EPM و Fournier در محیط GIS (مطالعه موردی: حوضه آبخیز سولاچای اردبیل)، فصلنامه تحقیقات جغرافیایی، 32(2): 105-93.
  • عبیات، م.، عبیات، م.، عبیات، م. 1400. بررسی تغییرات کاربری اراضی و اثر آن بر روند فرسایش خاک در خوضه باغملک با استفاده از شبکه عصبی مصنوعی و مدل RUSLE، محیط شناسی، 47(1): 91-73.
  • فیضی‌زاده، ب. 1396. مدل‌سازی تغییرات کاربری اراضی و اثرات آن بر سیستم فرسایش در حوضه سد علویان با استفاده از تکنیک‌های سنجش از دور و GIS، هیدروژئومورفولوژی، 3(11): 38-21.
  • محمدی، ش.، کریم زاده، ح.ر.، پورمنافی، س.، سلطانی کوپایی، س. 1397. برآورد مکانی و زمانی فرسایش خاک با استفاده از مدل RUSLE و سری‌های زمانی ماهواره لندست، مندرجان، اصفهان، مرتع و آبخیزداری، مجله منابع طبیعی ایران، 71(3)، 774-759.
  • معتمدی، ر.، آذری، م. 1397. ارتباط بین ویژگی‌های ژئومورفیک با رسوب آبخیز (مطالعه موردی: زیرحوضه‌های منتخب خراسان رضوی)، پژوهش‌های فرسایش محیطی، 28(4): 101-82.
  • نژادافضلی، ک.، شاهرخی، م.ر.، بیاتانی، ف. 1398. برآورد فرسایش خاک با استفاده از مدل RUSLE و شناسایی موثرترین عامل آن در حوضه آبخیز دهکان (جنوب کرمان). مخاطرات محیط طبیعی، 8(20): 38-21.
  • نوربخش، م. و نظری‌نژاد، ا. 1401. بررسی ارتباط شاخص‌های پوشش گیاهی NDVI، EVI با دمای سطح زمین در شهر تهران، جغرافیا و روابط انسانی، 5(1): 236-225.
  • Allafta, H.; Opp, C. 2021. GIS-based multi-criteria analysis for flood prone areas mapping in the trans-boundary Shatt Al-Arab basin, Iraq-Iran. Geomat. Nat. Hazards Risk, 12, 2087–2116.
  • Assis, K. G. O., da Silva, Y. J. A. B., Lopes, J. W. B., Medeiros, J. C., Teixeira, M. P. R., Rimá, F. B., Singh, V. P. 2021. Soil loss and sediment yield in a perennial catchment in Southwest Piauí, Brazil. Environmental Monitoring and Assessment, 193(1), 1-11.
  • Assis, K. G. O., da Silva, Y. J. A. B., Lopes, J. W. B., Medeiros, J. C., Teixeira, M. P. R., Rimá, F. B., Singh, V. P. 2021. Soil loss and sediment yield in a perennial catchment in Southwest Piauí, Brazil. Environmental Monitoring and Assessment, 193(1), 1-11.
  • Dabral, N. Baithuri, A.2008. Pandey Soil erosion assessment in a hilly catchment of North Eastern India using USLE, GIS and remote sensing Water Resour. Manag., 22 (12):1783-1798.
  • El Jazouli, A.; Ghafiri, A.; El Moutaki, S.; Ettaqy, A.; Khellouk, R. 2017. Soil erosion modeled with USLE, GIS, and remote sensing: A case study of Ikkour watershed in Middle Atlas (Morocco). Geosci. 4, 25.
  • Emadodin, I.; Bork, H. 2012. Degradation of soils as a result of long-term human-induced transformation of the environment in Iran: An overview. J. Land Use Sci. 7, 203–219.
  • Financial Tribune. Available online: https://financialtribune.com/articles/energy/113053/iran-soil-erosion-7-times-globalaverage (accessed on 1 July 2022).
  • Gayen, A.; Saha, S. 2017. Application of weights-of-evidence (WoE) and evidential belief function (EBF) models for the delineation of soil erosion vulnerable zones: A study on Pathro river basin, Jharkhand, India. Model. Earth Syst. Environ. 3, 1123–1139.
  • Han, J., Ge, W., Hei, Z., Cong, C., Ma, C., Xie, M., Liu, B., Feng, W., Wang, F., & Jiao, J. 2020. Agricultural land-use and management weaken the soil erosion induced by extreme rainstorms. Agriculture, Ecosystems & Environment, 301, 107047.
  • Kantakumar, L.N., Neelamsetti, P. 2015. Multi-temporal land use classification using hybrid approach. The Egyptian Journal of Remote Sensing and Space Science, 18(2), 289-295.
  • Kantakumar, L.N., Neelamsetti, P. 2015. Multi-temporal land use classification using hybrid approach. The Egyptian Journal of Remote Sensing and Space Science, 18(2), 289-295.
  • Kinnell, P.I.A. 2000. AGNPS-UM: Applying the USLE within the agricultural non point source pollution model. Environmental Modelling and Software, 15(3): 331-341.
  • Lillesand, T., Kiefer, R.W., and Chipman, J. 2015. Remote Sensing and Image Interpretation. John Wiley and Sons, 736 p.
  • Mantero, P., Moser, G., Sebastiano, B., Serpico, s. 2005. Partially supervised classification of remote sensing images through SVM-based probability density estimation, IEEE Trans. on Geoscience and Remote Sensing, 43(3), 559-570.
  • Ouyang, W., Wu, Y., Hao, Z., Zhang, Q., Bu, Q., & Gao, X. 2018. Combined impacts of land-use and soil property changes on soil erosion in a mollisol area under long-term agricultural development. Science of the total environment, 613, 798-809.
  • Ouyang, W., Wu, Y., Hao, Z., Zhang, Q., Bu, Q., & Gao, X. 2018. Combined impacts of land-use and soil property changes on soil erosion in a mollisol area under long-term agricultural development. Science of the total environment, 613, 798-809.
  • Paul, S. S., Li, J., Li, Y., & Shen, L, 2019. Assessing land-use/land-cover change and soil erosion potential using a combined approach through remote sensing, RUSLE and random forest algorithm. Geocarto International, 36, 1-15.
  • Ren, Y., Lü, Y., Comber, A., Fu, B., Harris, P., & Wu, L. 2019. Spatially explicit simulation of land-use/landcover changes: Current coverage and future prospects. Earth Science Reviews, 190, 398-415.
  • Renard et al., 1991 K.G. Renard, G.R. Foster, G.A. 1991. Weesies, J.P. Porter RUSLE: Revised universal soil loss equation J. Soil Water Conserv., 46 (1): 30-33.
  • Renard, K.G., and Freidmund, J.R. 1994. Using monthly precipitation data to estimate the R-factor in the RUSLE, National Agricultural Library, Journal of Hydrology, 157: 287-306.
  • Santos, J.C.N., Andrade, E.M., Medeiros, P.H.A., and Joao, M. (2017). Land use impact on soil erosion at different scales in the Brazilian semi-arid. Revista Ciencia Agronomica. 48(2), 251-260.
  • Shin, G.J., 1999. The analysis of soil erosion analysis in watershed using GIS. Ph.D. thesis, Department of Civil Engineering, Gang-won National University.
  • Singh, S., Bhardwaj, A., and Verma, V. 2020. Remote sensing and GIS based analysis of temporal land use/land cover and water quality changes in Harike wetland ecosystem, Punjab, India. Journal of Environmental Management. 262, 11035.
  • Van der Knijff, J.M., Jones, R.J.A., and Montanarella, 2000. Soil Erosion Risk Assessment in Europe. European Soil Bureau, 1-34.
  • Vanacker, V., Ameijeiras-Mariño, Y., Schoonejans, J., Cornélis, J. T., Minella, J. P., Lamouline, F., Vermeire, M. L., Campforts, B., Robinet, J., Van de Broek, M., Delmelle. P., & Opfergelt, S. 2019. Land-use impacts on soil erosion and rejuvenation in Southern Brazil. Catena, 178, 256-266.
  • Vapnik, V., Chervonenkis, A. 1991. The necessary and sufficient conditions for consistency in the empirical risk minimization method, Pattern Recognition and Image Analysis, 1(3), 283-305.
  • Wang et al., 2002. G. Wang, S. Wente, G.Z. Gertner, A. Anderson Improvement in mapping vegetation cover factor for the universal soil loss equation by geostatistical methods with Landsat Thematic Mapper images Int. J. Remote Sens., 23 (18): 3649-3667.
  • Wischmeier, W.H., Smith, D.D., 1978. Predicting rainfall erosion losses: a guide to conservation planning (No. 537). Department of Agriculture, Science and Education Administration.
  • Zhang, B., He, C., Burnham, M., Zhang, L., 2016. Evaluating the coupling effects of climate aridity and vegetation restoration on soil erosion over the Loess Plateau in China. Science of The Total Environment 539, 436–449. https://doi.org/10.1016/j.scitotenv.2015.08.132.

فایل ها

سابقه مقاله

  • تاریخ دریافت: 29 دی 1401
  • تاریخ بازنگری: 19 بهمن 1401
  • تاریخ پذیرش: 13 بهمن 1401

هم رسانی

ارجاع به این مقاله

آمار