نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار گروه جغرافیا، دانشگاه جیرفت

2 مهندسی منابع آب، دانشگاه آزاد کرمان

3 دانشجوی دکتری اقلیم شناسی کشاورزی، دانشگاه حکیم سبزواری

چکیده

خاک یکی از مهم ترین عوامل تولید است که در زندگی اقتصادی و اجتماعی انسان تأثیر بسیار دارد .سطح زمین عموماً به وسیله خاک و دیگر نهشته های سطحی پوشیده شده است . فرسایش خاک یکی از مهمترین مسائل و مشکلاتی است که امروزه با آن مواجه هستیم . بهره برداری های روز افزون و عدم مدیریت صحیح انسان بر محیط طبیعی تأثیر زیادی بر تشدید روند تخریب و فرسایش خاک دارد. در این تحقیق با تحلیل پارامترهای مؤثر فرسایش و تولید رسوب در حوضه ی آبخیز دهکهان با مساحت 2/9923 هکتار در جنوب استان کرمان مورد مطالعه قرار گرفت. در این تحقیق ضمن بررسی های میدانی، اطلاعات جغرافیایی (GIS)اسناد و مدارک مختلف از جمله نقشه های توپوگرافی، زمین شناسی، پوشش گیاهی، آمارهای مختلف مربوط به ایستگاه های باران سنجی و همچنین تصاویر ماهواره ای به عنوان ابزار تحقیق مورد استفاده قرار گرفت.. برآورد میزان فرسایش در محدوده مطالعاتی از مدل تجدید نظر شده ی جهانی فرسایش خاک (RUSLE) در محیط نرم افزار آرک جی آی اس انجام گردید. با بررسی عوامل مؤثر در این مدل، که شامل فاکتور فرسایندگی باران، فاکتور فرسایش پذیری خاک، فاکتور توپوگرافی و پوشش گیاهی می باشد، میزان فرسایش حوضه برآورد شده است. بر این اساس میزان فرسایش سالیانه خاک در کل محدوده مطالعاتی از 67 تن در هکتار در سال برآورد شده است. نتایج این تحقیق همچنین نشان بیشترین تأثیر را در برآورد فرسایش، فاکتور توپوگرافی با بالاترین مقدار ضریب تبیین 92.6 داشته است. این تحقیق، مؤثر بودن فناوری های RUSLE فرسایش سالانه خاک توسط مدلنوین سیستم اطلاعات جغرافیایی و سنجش از دور را برای تخمین کمی مقادیر فرسایش خاک تأیید می کند.
 خاکیکیازمهم‌ترینعواملتولیداستکهدرزندگیاقتصادیواجتماعیانسانتأثیربسیار دارد. سطحزمینعموماًبه‌وسیلهخاکودیگرنهشته‌هایسطحیپوشیدهشدهاست.فرسایشخاکیکیازمهم‌ترینمسائلومشکلاتیاستکهامروزهباآنمواجههستیم. بهره‌برداری‌هایروزافزونوعدممدیریتصحیحانسانبرمحیططبیعیتأثیرزیادیبر تشدیدروندتخریبوفرسایشخاکدارد.دراینتحقیقتحلیلپارامترهایمؤثرفرسایشوتولیدرسوبدرحوضه‌یآبخیزدهکهانبامساحت 2/9923هکتار درجنوباستانکرمان با استفاده از مدل تجدیدنظر شده­ی جهانی فرسایش خاک (RUSLE) موردمطالعهقرارگرفت. داده­ها و ابزارهای به‌کاررفته در تحقیق شامل داده­های ایستگاه­های هواشناسی، مدل رقومی ارتفاع (DEMتصاویر ماهواره­ای لندست2015، سیستم اطلاعات جغرافیایی (GIS) و سنجش‌ازدور (RS) می­باشد. بابررسیعواملمؤثردراینمدل،کهشاملفاکتورفرسایندگیباران،فاکتور فرسایش‌پذیریخاک،فاکتورتوپوگرافیوپوششگیاهیمی‌باشد،هدف از تحقیق حاضر برآورد میزان فرسایش سالانه خاک در منطقه‌ی موردمطالعه می‌باشد. برایناساسمیزانفرسایشسالیانهخاکدرکلمحدودهمطالعاتیاز 50تندرهکتاردرسالبرآوردشدهاست.نتایجاینتحقیقنشان می‌دهد بیشترینتأثیررادربرآوردفرسایش سالانه خاک توسط مدل RUSLE،فاکتورتوپوگرافیبا
 بالاترینمقدارضریبتبیین96/. داشتهاست.اینتحقیق،مؤثربودنفناوری‌های نوینسیستماطلاعاتجغرافیاییوسنجش‌ازدوررابرایتخمینکمیمقادیرفرسایشخاک تأییدمی‌کند.

کلیدواژه‌ها

عنوان مقاله [English]

Assessment soil erosion using RUSLE model and identification the most effective factor in Dekhan watershed basin of southern Kerman

نویسندگان [English]

  • Keramat Nezhadafzali 1
  • Mohmmad Reza Shahrokhi 2
  • Fateme Bayatani 3

1 Assistant Professor of Geography, Jiroft University, Jiroft, Iran

2 MA in Water Resources Engineering, Azad University, Kerman

3 PhD Student of Climatology, Hakim Sabzevari University, Iran

چکیده [English]

The soil is one of the most important factors of production that has a great influence on human economic and social life. The surface of the earth is generally covered by soil and other surface deposits. Soil erosion is one of the most important problems and problems we face today. Increasing exploitation and lack of proper human management of the natural environment have a great effect on the intensification of soil degradation and erosion processes. In this research, the effective parameters analysis of erosion and sediment production in Dakehah basin with a total area of 9923.2 ha in southern Kerman province was studied using the Revised Universal Soil Erosion Model (RUSLE). Data and tools used in the research include data from meteorological stations, digital elevation model (DEM), ETM 2015 satellite imagery, GIS and remote sensing (RS) It should be. By studying the effective factors in this model, which includes rainfall erosivity factor, soil erodibility factor, topographic factor, and vegetation, the purpose of this study is to estimate the annual soil erosion in the study area. The erosion rate of the basin is estimated. Accordingly, annual soil erosion in the whole study area is estimated at 67 tons per hectare per year. The results of this study show that the highest effect on the estimation of erosion, a topographic factor with the highest coefficient of explanation was 92.6 In this research, the effectiveness of RUSLE technologies of annual soil erosion is confirmed by the new model of GIS and remote sensing for quantitative estimation of soil erosion values.

کلیدواژه‌ها [English]

  • Soil erosion
  • RUSLE
  • topography
  • erosion
  • GIS
  • southern Kerman

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

- رفاهی، حسینقلی (1375). فرسایش آبی و کنترل آن - انتشارات دانشگاه تهران - صفحه 551.

-ایوبی، شمس الله، خرمالی فرهاد، جویباری، شعبان شتایی (1386). استفاد‌ه از تکنیک زمین‌آمار د‌ر تعیین مناسب‌ترین 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، صفحه 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 آب‌وخاک. سال 17. جلد 2. صفحه 27-1.

-رضایی، 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، پژوهش‌های ژئومورفولوژی کمی. سال 3. شماره 1. صفحه 113-97.

-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. صفحه 14-1.

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, 66(3), pp. 903-913.

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

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

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.

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,23(6),pp.527-544.      

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,399(3),pp.263-273.

Pimentel, D. Harvey, C.Resosudarmo, P. Sinclair, K. (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, 184(2), pp. 715-727.

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

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, 112(3),pp.228-245.

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

Wischmeier, W.H., & Smith, D.D. (1994), Predicting rainfall erosion. losses: a guide to conservation planning, Agriculture Handbook, Vol. 537. US Department of Agriculture, Washington, DC, 58p.

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,30(9),pp. 1043-1053.

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