ارزیابی خطر فرسایش خاک در دشت کوهپایه - سگزی با استفاده از مدل تجدید نظر شده جهانی فرسایش خاک (RUSLE)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانش اموخته کارشناسی ارشد بیابان زدایی، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان

2 دانشجوی کارشناسی ارشد ابخیزداری، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان

3 استادیار گروه مرتع و ابخیزداری دانشکده منابع طبیعی دانشگاه صنعتی اصفهان

4 استادیار دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان

چکیده

فرسایش خاک یکی از مهم­ترین مسائل و مشکلات زیست محیطی است که امروزه با آن مواجه هستیم. بهره­برداری­های روز افزون وعدم مدیریت صحیح انسان بر محیط طبیعی تأثیر زیادی بر تشدید روند تخریب خاک و فرسایش دارد. در این تحقیق با تحلیل پارامترهای مؤثر، وضعیت فرسایش و تولید رسوب در دشت کوهپایه - سگزی با مساحت 136 هزار هکتار با استفاده از مدل تجدید نظر شده­ی جهانی فرسایش خاک (RUSLE) مورد مطالعة قرار گرفت. داده­ها و ابزارهای به­کار رفته در تحقیق شامل داده­های ایستگاه­های هواشناسی، اطلاعات 21 نمونه خاک، مدل رقومی ارتفاع (DEM)، تصویر ماهوار­ه­ای سنجنده OLI، سیستم اطلاعات جغرافیایی (GIS) و سنجش از دور (RS) می­باشد. با بررسی عوامل مؤثر در مدل RUSLE، که شامل فاکتور فرسایندگی باران، فاکتور فرسایش پذیری خاک، فاکتور توپوگرافی، فاکتور پوشش گیاهی و فاکتور عملیات حفاظتی می­باشد، میزان فرسایش منطقه مورد مطالعه برآوردشد. براساس نتایج به­دست آمده میزان فرسایش سالانه خاک در کل منطقه مورد مطالعه صفر تا 95 تن در هکتار در سال برآورد شد. نتایج این تحقیق نشان داد فاکتور توپوگرافی با بالاترین مقدار ضریب تبیین (9/0=2R) بیشترین تأثیر را در برآورد فرسایش سالانه خاک توسط مدل RUSLEداشته است. این تحقیق، مؤثر بودن فناوری­های نوین سیستم اطلاعات جغرافیایی و سنجش از دور را برای تخمین کمّی مقادیر فرسایش خاک تأیید می­کند.

کلیدواژه‌ها


عنوان مقاله [English]

Assessment soil erotion risk in kohpayeh - segzi plain using Revised Universal Soil Loss Equation (RSLE)

چکیده [English]

Soil erosion is one of the most important environmental problems we face today. Increasing human exploitation and lack of proper management of the natural environment has a great impact on intensifying the process of soil degradation and erosion. In this study, the erosion and sediment yield in a Kohpayeh - segzi plain with 136 thousand hectares were studied using the Revised Universal Soil Erosion Model (RUSLE). Data and tools used in the study included Weather stations data, Information 21soil sample, digital elevation model (DEM), Satellite image OLI sensors, geographic information system (GIS) and remote sensing (RS). by investigation efficient parameters in RUSLE model, including rain erosion factor, K-factor, the factor is the topography, vegetation factor, and protective operations factor, The amount of the erosion in the region has been estimated. Accordingly, on the result the annual erosion in the entire study area has been estimated zero to 95 tons of soil per hectare per year. The results showed that topographical factor with the highest coefficient of determination (R2=0.9) has the greatest impact on estimates of annual soil erosion using RUSLE model. This research approves the effectiveness of new technologies, GIS and remote sensing for estimating soil erosion.

کلیدواژه‌ها [English]

  • Soil erosion
  • RUSLE
  • topography
  • GIS
  • RS

احمدی، حسن. (1387). ژئومرفولوژی کاربردی - فرسایش بادی. جلد دوم. انتشارات دانشگاه تهران. صص 706.

ایوبی، شمس‌الله، خرمالی، فرهاد، جویباری، شعبان شتایی (1386) استفاد‌ه از تکنیک زمین آمار د‌ر تعیین مناسب ترین ابعاد‌ سلول مد‌ل رقومی ‌زمین برای برآورد‌ مشخصه توپوگرافی (LS) مد‌ل برآورد‌ فرسایش RUSLE د‌ر منطقه تاش علیا (استان گلستان)، پژوهش و سازندگی در منابع طبیعی. شماره 77، صص 129-122.

آرخی، صالح، نیازی، یعقوب (1389) بررسی کاربرد GIS و RS برای تخمین فرسایش خاک و بار رسوب با استفاده از مدل RUSLE (مطالعه موردی: حوضه بالادست سد ایلام)، مجله پژوهش‌های حفاظت آب‌ وخاک. سال 17، شماره 2، صص 27-1.

حبشی، خلیل. (1394). ارزیابی بیابان‌زایی شرق اصفهان با استفاده از مدل مدالوس و منطق فازی، پایان نامه کارشناسی ارشد بیابان‌زدایی. دانشگاه صنعتی اصفهان.

رضائی، پیمان، فریدی، پروانه، قربانی، منصور، کاظمی، محمد (1393) برآورد فرسایش خاک با استفاده از مدل RUSLE و شناسایی مؤثرترین عامل آن در حوضة آبخیز گابریک- جنوب خاوری استان هرمزگان، پژوهش های ژئومورفولوژی کمی. سال 3، شماره 1، صص 113-97.

عرفانیان، مهدی، قهرمانی، پریسا، سعادت، حسین (1392) تهیه نقشه خطر فرسایش خاک با استفاده از منطق فازی در حوزه آبخیز قرناوه گلستان، علوم و مهندسی آبخیزداری ایران. سال 7، شماره 23، صص 52-43.

کمانگر، محمد، فرج‌زاده، منوچهر، بداغی، مرضیه، کرمی، پیمان (1394) واسنجی معادله جهانی فرسایش خاک اصلاح‌شده (RUSEL) با استفاده از سامانه اطلاعات جغرافیایی و سنجش ‌ازدور (مطالعه موردی: حوضه آبخیز سیخوران هرمزگان)، فضای جغرافیایی. سال 15، شماره 51، صص 207-191.

نوحه‌گر، احمد، کاظمی، محمد (1392) ارزیابی خطر فرسایش آبی با استفاده از مدل ICONA (مطالعه موردی: حوزه آبخیز تنگ بستانک شیراز)، فصلنامه تحقیقات جغرافیایی. شماره 28، صص 14-1.

Alatorre, L. Beguería, S. Lana-Renault, N. Navas, A. García-Ruiz, J.M. (2012), Soil erosion and sediment delivery in a mountain catchment under scenarios of land use change using a spatially distributed numerical model, Hydrology and Earth System Sciences, volume 16, number 5, pp. 1321-1334.

Arnold, J.G. Srinivasan, R. Muttiah, R.S. Williams, J.R. (1998). Large area hydrologic modeling and assessment part I: Model development1, Wiley Online Library.

Demirci, A. Karaburun, A. (2012), Estimation of soil erosion using RUSLE in a GIS framework: a case study in the Buyukcekmece Lake watershed, northwest Turkey. Environmental Earth Sciences, volume 66, number 3, pp. 903-913.

Ferro, V. Giordano, G. Iovino, M. (1991), Isoerosivity and erosion risk map for Sicily. Hydrological sciences journal, volume 36, number 6, pp. 549-564.

Flanagan, D. Nearing, M. (1995), USDA-Water Erosion Prediction Project: Hillslope Profile and watershed model documentation, NSERL Report.

Foster, G. Wischmeier, W. (1974), Evaluating irregular slopes for soil loss prediction. Transactions of the ASAE, Volume 17, number 2, pp.305.

Ganasri, B. Ramesh, H. (2015), Assessment of soil erosion by RUSLE model using remote sensing and GIS-A case study of Nethravathi Basin, Geoscience Frontiers.

Hoyos, N. (2005), Spatial modeling of soil erosion potential in a tropical watershed of the Colombian Andes, Catena, volume 63, number 1, pp.85-108

Kinnell, P. (2000), AGNPS-UM: applying the USLE-M within the agricultural non-point source pollution model. Environmental Modelling & Software, Volume 15, number 3, pp. 331-341.

Laflen, J.M. Roose, E.J. (1998), Methodologies for assessment of soil degradation due to water erosion. Methods for assessment of soil degradation, pp. 31-55.

Lufafa, A. Tenywa, M. Isabirye, M. Majaliwa, M. Woomer, P. (2003), Prediction of soil erosion in a Lake Victoria basin catchment using a GIS-based Universal Soil Loss model. Agricultural Systems, volume 76, number 3, pp. 883-894.

Montgomery, D.R. (2007), Soil erosion and agricultural sustainability. Proceedings of the National Academy of Sciences, volume 104, number 33, pp. 982.

Moore, I.D. BuRCH, G.J. (1986), Physical basis of the length-slope factor in the Universal Soil Loss Equation. Soil Science Society of America Journal, volume 50, number 5, pp. 1294-1298.

Morgan, R. Quinton, J. Smith, R. Govers, G. Poesen, J. Auerswald, K. Chisci, G. Torri, D. Styczen, M. (1998), The European Soil Erosion Model (EUROSEM): a dynamic approach for predicting sediment transport from fields and small catchments. Earth surface processes and landforms, volume 23, number 6, pp. 527-544.

Ouyang, D. Bartholic, J. (2001), Web-based GIS application for soil erosion prediction Soil Erosion. American Society of Agricultural and Biological Engineers, pp. 260.

Park, S. Oh, C. Jeon, S. Jung, H. Choi, C. (2011), Soil erosion risk in Korean watersheds assessed using the revised universal soil loss equation. Journal of Hydrology, Volume 399, number 3, pp. 263-273.

Parlak, M. DİNÇSOY, Y. SEYREK, K. (2007), DETERMINATION OF EROSION RISK ACCORDING TO CORINE METHODOLOGY (A CASE STUDY: KURTBOĞAZI DAM).

Pimentel, D. Harvey, C. Resosudarmo, P. Sinclair, K. (1995), Environmental and economic costs of soil erosion and conservation benefits. Science, volume 267, number 5201, pp. 1117.

Pradhan, B. Chaudhari, A. Adinarayana, J. Buchroithner, M.F. (2012), Soil erosion assessment and its correlation with landslide events using remote sensing data and GIS: a case study at Penang Island Malaysia. Environmental monitoring and assessment, volume 184, number 2, pp. 715-727.

Prasannakumar, V. Shiny, R. Geetha, N. Vijith, H. (2011), Spatial prediction of soil erosion risk by remote sensing, GIS and RUSLE approach: a case study of Siruvani River watershed in Attapady valley Kerala India, Environmental Earth Sciences, volume 64, number 4, pp. 965-972.

Refahi, H.G. (2008), Water soil erosion and Conservation. Tehran university publishing, pp. 671.

Renard, K.G. Foster, G.R. Weesies, G. McCool, D. Yoder, D. (1997), Predicting soil erosion by water: a guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE), US Department of Agriculture. Agricultural Research Service Washington, pp. 703.

Renard, K.G. Foster, G.R. Weesies, G.A. Porter, J.P. (1991), RUSLE: Revised universal soil loss equation. Journal of Soil and Water Conservation, volume 46, number 1, pp. 30-33.

Renard, K.G. Freimund, J.R. (1994), Using monthly precipitation data to estimate the R-factor in the revised USLE. Journal of Hydrology, Volume 157, number 1, pp. 287-306.

Roose, E. (1996), Land Husbandry: components and strategy FAO Rome, pp. 70.

Sanaienejad, S. Shah Tahmasbi, A. Sadr Abadi Haghighi, R. Kelarestani, K. (2008), A Study of Spectral Reflection on Wheat Fields in Mashhad Using MODIS Data. Journal of Science and Technology of Agriculture and Natural Resources, Water and Soil Science, volume 12, number 45, pp. 11-19.

Shirazi, M.A. Boersma, L. (1984), A unifying quantitative analysis of soil texture.Soil Science Society of America Journal, volume 48, number 1, pp. 142-147.

Teh, S.H. (2011), Soil erosion modeling using RUSLE and GIS on Cameron Highlands. Malaysia for hydropower development.

Terranova, O. Antronico, L. Coscarelli, R. Iaquinta, P. (2009), Soil erosion risk scenarios in the Mediterranean environment using RUSLE and GIS: an application model for Calabria (southern Italy). Geomorphology, Volume 112, number 3, pp. 228-245.

Van Remortel, R.D. Maichle, R.W. Hickey, R.J. (2004), Computing the LS factor for the Revised Universal Soil Loss Equation through array-based slope processing of digital elevation data using a C++ executable. Computers & Geosciences, Volume 30, number 9, pp. 1043-1053.

Veihe, A. (2002), The spatial variability of credibility and its relation to soil types: a study from northern Ghana. Geoderma, volume 106, number 1, pp. 101-120.

Wang, E. Xin, C. Williams, J.R. Xu, C. (2006), Predicting soil erosion for alternative land uses. Journal of environmental quality, volume 35, number 2, pp. 459-467.

Wischmeier, W.H. Smith, D.D. (1978), Predicting rainfall erosion losses-A guide to conservation planning Predicting rainfall erosion losses-A guide to conservation planning.

Yu, B. Rosewell, C. (1996), Technical Notes: A Robust Estimator of the R-factor for the Universal Soil Loss Equation. Transactions of the ASAE, Volume 39, number 2, pp. 559-561.