تلفیق شاخص‌های ژئومورفومتری و پوشش گیاهی برای برآورد خطر فرسایش خاک در حوضه آبخیز سامیان، استان اردبیل

مددی, عقیل; شریفی, زهرا

doi:10.22034/gahr.2024.451130.2083

تلفیق شاخص‌های ژئومورفومتری و پوشش گیاهی برای برآورد خطر فرسایش خاک در حوضه آبخیز سامیان، استان اردبیل

نوع مقاله : مقاله پژوهشی

نویسندگان

عقیل مددی ¹

زهرا شریفی ²

¹ گروه جغرافیای طبیعی

² دانشجوی گروه جغرافیای طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

10.22034/gahr.2024.451130.2083

چکیده

شدت فرسایش خاک معمولا با استفاده از مدل‌های مختلف تخمین زده می‌شود. بنابراین هدف از این پژوهش، تلفیق شاخص‌های ژئومورفومتری و پوشش گیاهی برای برآورد خطر فرسایش خاک در حوضه آبخیز سامیان در استان اردبیل است. برای دست یافتن به هدف تحقیق از مدل تجربی فرسایش خاک اصلاح‌شده جهانی که شامل عامل‌های فرسایندگی باران، فرسایش‌پذیری خاک، توپوگرافی، پوشش گیاهی و عملیات حفاظتی خاک است استفاده شد. بدین منظور به ترتیب با استفاده از داده‌های باران‌سنجی اخذ شده از سازمان هواشناسی کشور، لایه بافت خاک 1:250000 ایران، مدل رقومی ارتفاع 30 متر استر و هم‌چنین تصویر ماهوراه‌ای لندست 8 OLI مربوط به سال 2023 در محیط سامانه اطلاعات مکانی تهیه شده‌اند و پس از روی‌هم‌گذاری لایه‌ها مقدار فرسایش سالانه خاک در سطح حوضه برآورد شد. در گام بعد شاخص‌های ژئومورفومتری که در رخداد فرسایش خاک موثر هستند شامل شاخص رطوبت توپوگرافی، توان آبراهه، انحناء دامنه، انحناء سطح، انحناء مقطع و شاخص تفاضل پوشش گیاهی عادی‌شده در محیط سامانه اطلاعات مکانی ایجاد و نقشه‌های پهنه‌بندی تهیه شدند. نتایج این پژوهش نشان داد که نرخ فرسایش خاک برای کل حوضه در دامنه بین 0 تا 14/321 تن در هکتار در سال برآورد شد همچنین در بین عوامل موثر مدل مورد مطالعه با فرسایش خاک عامل توپوگرافی بیش‌ترین هم‌بستگی (96/0) را نسبت به سایر عوامل را برخوردار بود. در بررسی دیگر ارتباط بین عوامل ژئومورفومتری با میزان هدررفت سالانه خاک انجام شد که نتایج نشان داد شاخص‌ تفاضل پوشش گیاهی عادی‌شده با ضریب تعیین 75/0 نسبت به سایر شاخص‌های مورد مطالعه دارای هم‌بستگی بیش‌تری است. هم‌چنین شاخص انحناء مقطع با مقدار 09/0 درصد کم‌ترین هم‌بستگی را دارا می‌باشند. این پژوهش امکان ادغام عوامل ژئومورفومتری موثر بر فرسایش خاک را تائید می‌نماید.

کلیدواژه‌ها

هدررفت خاک"

رطوبت توپوگرافی"

انحناء دامنه"

RUSLE"

حوضه سامیان"

موضوعات

جغرافیای طبیعی

عنوان مقاله English

Integration og Geomorphometric and Vegetation Indices for Soil Erosion Hazard Assessment in Samian Watershed, Ardabil Province

نویسندگان English

Aghil Madadi ¹

Zahra Sharifi ²

¹ Physical Geography university of Mohaghegh Ardabili

² Physical Student of Geography Department, University of Mohaghegh Ardabili, Ardabil, Iran

چکیده English

The intensity of soil erosion is usually estimated using different models Therefore, the aim of this research is to combine geomorphometric and vegetation indicators to estimate the risk of soil erosion in the Samyan watershed in Ardabil province. To achieve the goal of the research, the modified global soil erosion experimental model was used, which includes factors of rain erosion, soil erodibility, topography, vegetation and soil protection operations. For this purpose, by using the rain gauge data obtained from the country's meteorological organization, the soil texture layer 1:250000 of Iran, the digital model of 30 meters height and also the Landsat 8 OLI satellite image of 2023 have been prepared in the environment of the spatial information system. The amount of annual soil erosion at the basin level was estimated from the superimposition of the layers. In the next step, the geomorphometric indices that are effective in the occurrence of soil erosion, including the topographic moisture index, watercourse capacity, slope curvature, surface curvature, cross-section curvature and normalized vegetation difference index were created in the environment of the spatial information system and zoning maps were prepared. The results of this research showed that the soil erosion rate for the entire basin was estimated in the range between 0 and 14.321 tons per hectare per year. Also, among the effective factors of the studied model, the topographic factor has the highest correlation (0.96) with soil erosion. had other factors. In another study, the relationship between geomorphometric factors and the amount of annual soil loss was done, and the results showed that the normalized vegetation difference index with a coefficient of determination of 0.75 has a higher correlation than other studied indices. Also, the cross section curvature index has the lowest correlation with the value of 0.09%.

کلیدواژه‌ها English

soil loss"

topographic wetness"

curvature"

RUSLE"

Samian basin"

· آرخی، صالح.، بارانی، شهرام.، عمادالدین، سمیه. (1401). پهنه‌بندی خطر فرسایش و برآورد رسوب در حوضه چم کردلان (استان ایلام) با استفاده از مدل تجدید نظر شده جهانی فرسایش خاک (RUSLE)، مخاطرات محیط طبیعی، 11(34): 56-35.

· احمدی، حسین. ۱۳86. ژئومورفولوژی کاربردی (فرسایش آبی)، چاپ 6، انتشارات دانشگاه تهران، ص ۵۰۷.

· بابلی‌موخر، ح.، تقیان، ع، ر.، شیرانی، ک.، 1397. ارزیابی نقشه پهنه‌بندی حساسیت زمین‌لغزش با استفاده از روش تلفیقی فاکتور اطمینان و رگرسیون لجستیک با به‌کارگیری شاخص‌های ژئومورفیک، پژوهش‌های ژئومورفولوژی کمی، سال 7، شماره 3، ص 116-91.

· ایزدی‌فرد، هادی.، راثی نظامی، سید سعید.، مصطفی‌زاده، رئوف.، خاوریان، حسن. (1402). ارتباط تغییر ضریب رواناب سطحی با تغییر کاربری / پوشش اراضی حوضه سامیان استان اردبیل، مطالعات جغرافیایی مناطق خشک، 14(51): 41-24.

· قاضی‌زاده، منا.، نوحه‌گر، احمد.، عبدی نژاد، فهیمه. (1393). بررسی رابطه بین شاخص‌های محیطی و فه پایدار (مطالعه موردی: حوضه آبخیز راونگ)، پژوهش‌های فرسایش محیطی، 3(15): 18-1.

· زنگی‌آبادی، مهدی.، رنگ‌آور، عبدالصالح.، رفاهی، حسینقلی.، شرفا، مهدی.، بی‌همتا، محمد‌رضا. (1389). بررسی مهم‌ترین عوامل تأثیرگذار بر فرآیند فرسایش خاک در مراتع نیمه خشک کلات، نشریه آب و خاک، جلد 24، شماره 4، صص 737-744.

· طاهر بابادی، زینب.، متشفع، بهزاد.، روشان، سید‌حسین. (1401). تأثیر تغییر کاربری اراضی بر فرسایش خاک با استفاده از GIS و سنجش از دور بر مبنای مدل RUSLE (مطالعه موردی: شهرستان بهبهان)، خشکبوم, 12(1), 77-92.

· عابدینی، موسی.، پاسبان، امیرحسام. (1402). تجزیه و تحلیل و پهنه‌بندی میزان فرسایش خاک و ارتباط آن با شاخص‌های هیدروژئومورفیک و پوشش‌گیاهی (مطالعه موردی: حوضه آبخیز خیاوچای، مشکین شهر)، هیدروژئومورفولوژی، https://doi.org/10.22034/hyd.2023.58528.1708

· کلارستاقی. ع، احمدی. ح، جعفری. م و قدوسی، ج. 1387. پیش‌بینی تغییرات احتمالی کاربری جنگل به دیم کاری با استفاده از مدل‌سازی احتمالاتی در حوضه آبخیز فریم صحرا استان مازندران، پژوهش و سازندگی، 21(3): 63-52.

· نورائی‌صفت، ا.، بختیاری‌کیا، م.، اکبریان، م. 1402. روند تغییرات هدررفت خاک با تأکید بر نقش فرسایشی رواناب در حوضه آبریز رودخانه کل (استان هرمزگان)، پژوهش‌های فرسایش محیطی، 1(13): 95-70.

· ذاکری‌نژاد، ر.، سلمان، ف. 1401. ارزیابی خطر فرسایش آبی با استفاده از ترکیب مدل تجدید نظرشده جهانی فرسایش خاک (RUSLE) و نقشه تراکم خندقی در حوضه آبخیز علامرودشت استان فارس، پژوهش‎‌های ژئومورفولوژی کمی، 11(4): 209-189.

· محمودی، محمد‌علی.، نقشبندی، سیده پریا. (1398). برآورد میزان فرسایش خاک با استفاده از مدل RUSLE و داده‌های سنجش از دور در حوضۀ آبخیز سد گاوشان، مجله آب و خاک، دوره 33، شماره 6، صص 845-856.

· معتمدی‌راد، محمد.، زنگنه‌اسدی، محمد‌علی.، عجم، حسین. (1402). بررسی میزان فرسایش خاک و تولید رسوب با استفاده از مدل (RUSLE) و روش پسیاک اصلاح شده (مطالعه موردی: حوضه آبریز کال اسماعیل دره شهرستان شاهرود استان سمنان)، پژوهش های ژئومورفولوژی کمی، سال یازدهم، شماره 4، صص 147-165.

· ملکی، ص.، خرمالی، ف.، کریمی، ع.، ر.، 1393. معرفی الگوریتم‌های مختلف جریان، برای تهیه نقشه شاخص خیسی و کربن آلی خاک در بخشی از اراضی لسی، منطقه توشن استان گلستان، پژوهش‌های حفاظت آب‌وخاک، جلد 21، شماره 1، ص 165-141.

· مددی، ع.، پاسبان، ا. ح.، نظافت تکله، ب. 1402. بررسی و ارزیابی میزان هدررفت خاک در کاربری‌های اراضی حوضه آبخیز آتشگاه با استفاده از مدل RUSLE و تصاویر ماهواره‌ای لندست (سنجنده OLI)، مطالعات علوم محیط زیست، 8(2): 6625-6612.

· Arabameri, A., Tiefenbacher, J., Blaschke, T., Pradhan, B., Tien Bui, D. (2020). Morphometric Analysis for Soil Erosion Susceptibility Mapping Using Novel GIS-Based Ensemble Model, Remote Sens, 12(5): 1-24.

· Arnoldus, H.M.J. (1980). approximation of the rainfall factor in the Universal Soil Loss Equation. Assessment of Erosion. 12(21), 127-132.

· Borji Hassangavyar, M., Nazari Samani, A., Rashidi, Sh., Tiefenbacher, J. (2020). Catchment-scale soil conservation: Using climate, vegetation, and topo-hydrological parameters to support decision making and implementation, 712: 136124.

· Choudhury, M.K., & Nayak, T. (2003). Estimation of soil erosion in Sagar Lake catchment of Central India Proc. International Conference on Water and Environment. 387-392.

· Dabral, p.p., Baithuri, N., & Pandey, A. (2008). Soil erosion assessment in a hilly catchment of North Eastern India using USLE, GIS and remote sensing. Water Resources Management. 22(12),1783-1798.

· Fagbohun, B., Anifowose, A., Odeyemi, Ch., Aladejana, O., Aladeboyeje, A. (2016). GIS-based estimation of soil erosion rates and identification of critical areas in Anambra sub-basin, Nigeria, Modeling Earth Systems and Environment, 2(159): 1-10.

· Ghosh, A., Rakshit, S., Tikle, S., Das, S., Chatterjee, U., Pande, Ch., Alataway, A., Alataway, A., Dewidar, A., Mattar, M. (2022). Integration of GIS and Remote Sensing with RUSLE Model for Estimation of Soil Erosion, Land, 12(1), 116.

· Guzzetti, F., Reichenbach, P., Cardinali, M., & Galli, M. (2000). Probabilistic landslide hazard assessment: A review of methods and applications. Natural Hazards. 22(1), 1-59.

· Huang, L., McDonald-Buller, E.C., McGaughey, G., Kimura, Y., & Allen, D.T. (2016). The impact of drought on ozone dry deposition over eastern Texas Atmos. Environ. 127, 176-186.

· Khan, A., Rahman, A. (2021). Quantification of Soil Erosion by Integrating Geospatial and Revised Universal Soil Loss Equation in District Dir Lower, Pakistan, B. Life and Environmental Sciences 58(4): 17-28.

· Kong, H., Wu, D., Yang, L. (2022). Quantification of soil erosion in small watersheds on the Loess Plateau based on a modified soil loss model, Water Supply, 22 (7): 6308–6320.

· Moore, I.D., & Grayson, R.B. (1991). Digital terrain Modeling: A review of hydrological, Geomorphological and Biological application. Hydrol. 5, 3-30.

· Nearing M, Foster G,Lane L., 1989. A process-based soil erosion model for USDA water erosion prediction project. Transactions of ASAE. 32(5):1587–1593.

· Oliveira, V., Vick, E., Bacani, V. 2023. Analysis of seasonal environmental fragility using the normalized difference vegetation index (NDVI) and soil loss estimation in the Urutu watershed, Brazil, DOI: https://doi.org/10.21203/rs.3.rs-2557676/v1.

· Olorunfemi, I.E., Komolafe, A.A., Fasinmirin, J.T., Olufayo, A.A. & Akande, S.O. (2020). A GIS-based assessment of the potential soil erosion and flood hazard zones in Ekiti State, Southwestern Nigeria using integrated RUSLE and HAND models CATENA. Land. 194, 104725.

· Prasannakumar, V., Vijith, H., Abinod, S., Geetha, N. (2012). Estimation of soil erosion risk within a small mountainous sub-watershed in Kerala, India, using Revised Universal Soil Loss Equation (RUSLE) and geo-information technology, Geoscience Frontiers, 3(2): 209-215.

· Prieto-Amparán, J., Pinedo-Alvarez, A., Vázquez-Quintero, G., Valles-Aragón, M., Rascón-Ramos, A., Martinez-Salvador, M., Villarreal-Guerrero, F. (2019). A Multivariate Geomorphometric Approach to Prioritize Erosion-Prone Watersheds, Sustainability, 11(18), 1-21.

· Qin, Ch. Z., Zhu, A. X., Pei, T., Li, B. L., Scholten, T., Behrens, T., & Zhou, CH. H. (2009). An approach to computing topographic wetness index based on maximum downslope gradient. Precision Agriculture. 12(1), 32-43.

· Rejith, R.G., & Anirudhan, s. (2019). Delineation of Groundwater Potential Zones in hard rock Terrain Using Integrated Remote Sensing GIS and MCDM Techniques A Case Study From Vamanapuram River Basin, Kerala, India. Gis and Geostatistical Techniques for Groundwater science. 349-364.

· Renard, K.G. & Freidmund, J.R. (1994). Using monthly precipitation data to estimate the R-factorin the RUSLE. Journal of Hydrology. 157, 287-306.

· Sharma, A. (2022). Integrating terrain and vegetation indices for identifying potential soil erosion risk area, Geo-spatial Information Science, 13(3).

· Vijith, H., Seling, L.W., & Dodge-Wan, D. (2018). Estimation of soil loss and identification of erosion risk zones in a forested region in Sarawak, Malaysia, Northern Borneo, Environment. Development and Sustainability. 20(3), 1365-1384.

· Wischmeier, W.H., & Smith, D.D. (1978). Predicting rainfall erosion, losses: a guide to conservation planning, United States Department of Agriculture Handbook, Washington DC, 537, 13-27.