استفاده از الگوریتم تلفیق تصاویر برای افزایش صحت برآورد رسوب‌دهی در مدل WaTEM/SEDEM (مطالعه موردی: حوزه آبخیز درکش)
محورهای موضوعی : مدیریت آب در مزرعه با هدف بهبود شاخص های مدیریتی آبیاریعاطفه بهزادفر 1 , عبدالواحد خالدی درویشان 2 , علیرضا قره گوزلو 3
1 - دانش آموخته کارشناسی ارشد سنجش ازدور وسیستم اطلاعات جغرافیایی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
2 - استادیار، گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس
3 - دانشیار آموزشکده سازمان نقشه برداری‌کشور
کلید واژه: تصاویر پانکروماتیک, تصاویر چند طیفی, فرسایش خاک, نسبت تحویل رسوب,
چکیده مقاله :
امروزه آگاهی از میزان فرسایش خاک یکی از بخش های مهم در مدیریت جامع حوزه های آبخیز است. با توجه به عدم وجود آمار و اطلاعات کافی مربوط به دبی آب ورسوب در حوزه های آبخیز، میزان فرسایش خاک با استفاده از مدل های کاربرپسند و فناوری های نوین برآورد می شود. هدف از انجام این تحقیق بررسی و برآورد میزانو الگوریتم ادغام تصاویر RS ،GIS و بهره گیری از قابلیت های WaTEM/SEDEM فرسایش و رسوب حوزه آبخیز درکش استان خراسان شمالی با استفاده از مدلبرای تلفیق تصاویر چندطیفی لندست 7 و 8 با تصاویر پانکروماتیک و از دو دوره تصویر ماهوارهای با اختلاف Gram-Schmidt است. ابتدا با استفاده از الگوریتمزمانی 12 ساله ( 2003 و 2015 ) با مقیاس 1:25000 نقشه عامل مدیریت زراعی مطابق با نقشه های کاربری اراضی منطقه تهیه شد. سپس نقشه سایر عوامل ورودیتهیه و مدل اجرا گردید و میزان فرسایش و رسوب برای حوزه مورد مطالعه در مقیاس 1:25000 و همچنین با ENVI و ArcGIS مدل با استفاده از نرم افزارهایاستفاده و بدون استفاده از الگوریتم ادغام تصاویر برآورد و با مقادیر مشاهده ای مقایسه گردید. مقایسه داده های رسوب مشاهداتی در حوزه آبخیز درکش با مقادیر برآوردشده نشان داد که نقشه نهایی طبقه بندی فرسایش حاصل از اعمال الگوریتم تلفیق تصاویر بهتر و دقیق تر قادر به شناسایی نقاط حساس به خطر فرسایش است. با توجهدر برآورد تولید رسوب اثبات و مشخص شد که اعمال الگوریتم تلفیق تصاویر منجر به افزایش WaTEM/SEDEM به یافته های پژوهش حاضر، کارایی بالای مدلصحت نتایج مدل می شود.
Nowadays, knowing the amount of soil erosion is an important part of the comprehensive management ofwatersheds. Due to the lack of sufficient information and data relating to water and sediment discharges inwatersheds, soil erosion is estimated using user-friendly models and new technologies. The aim of this study isto predict erosion and sediment yield in the Darkesh watershed, North Khorasan province, usingWaTEM/SEDEM model and RS and GIS and image fusion algorithm. At the first, the crop management factor(C) was mapped based on land use map. The Gram-Schmidt algorithm was used to combining multispectralimages Landsat 7 and 8 with panchromatic images for the two satellite images with 12-year time distance (2003and 2015) and a scale of 1:25,000. The maps of other input factors were then prepared using ArcGIS and ENVIsoftware and the model was run and the rates of erosion and sediment yield with the scale of 1:25,000 waspredicted with and without image fusion algorithm and were compared with the observed rates in the watershed.Comparing observed sediment data in Darkesh watershed with predicted amounts showed that the final map oferosion classification by applying image fusion algorithm led to better and more accurate identification oferosion sensitive areas. Based on the results of this study, high-performance of WaTEM/SEDEM model topredict of sediment yield was proved and it was found that image fusion algorithm was also led to increase theaccuracy of the results.
آرخی، ص. و نیازی، ی. 1389. بررسی کاربرد GIS و RS برای تخمین فرسایش خاک و بار رسوب با استفاده از مدل RUSLE (مطالعه موردی: حوزه بالادست سد ایلام). مجله پژوهش‌های حفاظت آب و خاک، 17(2): 1-27.
بی‌نام. 1392. گزارش مطالعات تفصیلی- اجرایی طرح جنگل‌های غیرچوبی، اداره کل منابع طبیعی و آبخیزداری خراسان شمالی. 250 صفحه.
جوان دوست، ه. اونق، م. حسنعلی زاده، م و سکوتی، ر. ۱۳۹۳. برآورد فاکتور فرسایندگی باران با استفاده از الگوریتم‌های زمین آمار برای برآورد فرسایش در مدل WaTEM/SEDEM در حوزه روضه‌چای. پانزدهمین کنفرانس دانشجویان عمران سراسر کشور، ارومیه، 13-11 شهریور.
راشکی، ع. 1385. بررسی کارایی تلفیق مدل‌های RUSLE و SEDD در برآورد توزیعی فرسایش و رسوب سالانه با استفاده از تکنیک زمین‌آمار و سیستم اطلاعات جغرافیایی (مطالعه موردی: حوزه آبخیز کهنوک خاش). پایانامه کارشناسی ارشد، دانشکده علوم کشاورزی و منابع طبیعی گیلان، 78 صفحه.
جویباری، ش. نجارلو، ش. جباری، س. ارفعی، ش و معیری، م. 1386. ارزیابی قابلیت تصاویر چند طیفی و تلفیق شده ماهواره های لندست 7 و IRS-ID در تهیه نقشه گستره جنگل. علوم کشاورزی و منابع طبیعی، 14(5): 13-22.
فاضلی فارسانی، آ و قضاوی، ر. 1394. بررسی عملکرد الگوریتم های طبقه بندی کاربری اراضی با استفاده از تکنیک های تلفیق تصاویر (مطالعه موردی: زیرحوزه بهشت آباد). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 6(1): 91-105.
Alatorre, L., Beguería, S., Lana-Renault, N., Navas, A. and 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, 16(5): 1321-1334.
Arnold, J.G., Srinivasan, R., Muttiah, R.S. and Williams, J.R. 1998. Large area hydrologic modeling and assessment part I: Model Development. Journal of the American Water Resources Association, 34(1): 73-89.
Bartsch, K.P., Van Miegroet, H., Boettinger, J. and Dobrowolski J.P. 2002. Using empirical erosion models and GIS to determine erosion risk at Camp Williams, Utah. Journal of soil and water conservation 57(1): 29-37.
Feng, X., Wang, Y., Chen, L., Fu, B. and Bai, G. 2010. Modeling soil erosion and its response to land-use change in hilly catchments of the Chinese Loess Plateau. Geomorphology, 118(3): 239-248.
Foster, G., Flanagan, D., Nearing, M., Lane, L., Risse, L. and Finkner, S. 1995. Hillslope erosion component. WEPP: USDA-Water Erosion Prediction Project, Report 10: 11.1-11.12.
Gillana, J.K., Kalb, J.W., Bargerc, N.N., Elaksherd, A. and Duniway, M.C. 2016. Spatially explicit rangeland erosion monitoring using high-resolution digital aerial imagery. Rangeland Ecology & Management, 69(2): 95-107.
Notebaert, B., Vaes, B., Verstraeten, G. and Govers, G. 2006. WaTEM/SEDEM version 2006 Manual. KU Leuven, Physical and Regional Geography Research Group. 29 P.
Palsson, F., Sveinsson J.R., Benediktsson, J.A., Aanæs, H. 2010. Image fusion for classification of high resolution images based on mathematical morphology. In: Geoscience and Remote Sensing Symposium (IGARSS), IEEE International, 492-495.
Parysow, P., Wang, G., Gertner, G. and Anderson, A.B. 2003. Spatial uncertainty analysis for mapping soil erodibility based on joint sequential simulation. Catena, 53(1): 65-78.
Renard, K.G., and Freimund, J.R. 1994. Using monthly precipitation data to estimate the R-factor in the revised USLE. Journal of hydrology, 157(1): 287-306.
Renard, K.G., Foster, G.R., Weesies, G.A. and Porter, J.P. 1991. RUSLE: Revised Universal Soil Loss Equation. Journal of Soil and Water Conservation, 46(1): 30-33.
Renard, K.G., Foster, G.R., Weesies, G.A., McCool, D.K. and Yoder, D.C. 1997. Predicting soil erosion by water: a guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE). Vol. 703. Washington, DC: US Government Printing Office. 384 P.
Shi, Z., Ai, L., Fang, N. and Zhu, H. 2012. Modeling the impacts of integrated small watershed management on soil erosion and sediment delivery: A case study in the Three Gorges Area, China. Journal of hydrology, 438: 156-167.
van der Knijff, J.M., Jones, R.J.A., Montanarella, L. 2000. Soil erosion risk assessment in Europe. European Soil Bureau, 36pp.
Van Oost, K., Govers, G. and Desmet, P. 2000. Evaluating the effects of changes in landscape structure on soil erosion by water and tillage. Landscape Ecology, 15(6): 577-589.
Verstraeten, G., Prosser, I.P. and Fogarty, P. 2007. Predicting the spatial patterns of hillslope sediment delivery to river channels in the Murrumbidgee catchment, Australia. Journal of Hydrology, 334(3): 440-454
Wischmeier, W.H. and Smith, D.D. 1978. Predicting rainfall erosion losses: a guide to conservation planning. Agricultural Handbook (537)-US Department of Agriculture, 59 P.
_||_