تعداد نشریات | 27 |
تعداد شمارهها | 604 |
تعداد مقالات | 6,159 |
تعداد مشاهده مقاله | 9,098,486 |
تعداد دریافت فایل اصل مقاله | 5,935,399 |
برآورد فرسایش خاک با استفاده از مدل RUSLE و شناسایی مؤثرترین عامل آن در حوضة آبخیز دهکهان (جنوب کرمان) | ||
مخاطرات محیط طبیعی | ||
مقاله 3، دوره 8، شماره 20، خرداد 1398، صفحه 21-38 اصل مقاله (2.4 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22111/jneh.2018.21894.1316 | ||
نویسندگان | ||
کرامت نژاد افضلی ![]() | ||
1استادیار گروه جغرافیا، دانشگاه جیرفت | ||
2مهندسی منابع آب، دانشگاه آزاد کرمان | ||
3دانشجوی 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 (DEM)، تصاویر 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 | ||
فرسایش خاک؛ RUSLE؛ توپوگرافی؛ فرسایندگی؛ سیستم اطلاعات جغرافیایی؛ جنوب کرمان | ||
مراجع | ||
-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. | ||
آمار تعداد مشاهده مقاله: 840 تعداد دریافت فایل اصل مقاله: 551 |