ارزيابی تاثير مدل¬ رقومی ارتفاع، روش زمين آمار و شاخص¬های گياهی در برآورد فرسايش خاک (مطالعه موردی: آبخيز ريمله)
محورهای موضوعی : کشاورزی، مرتع داری، آبخیزداری و جنگلداری
صالح آرخی
1
*
,
افشین شعبانی
2
,
سید حسین روشان
3
,
بنیامین عشقی
4
1 - دانشیار گروه جغرافیا، دانشکده علوم انسانی، دانشگاه گلستان، گرگان، ایران
2 - دانشآموخته کارشناسی ارشد، گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تهران، ایران.
3 - دانشآموخته دکتری، گروه علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.
4 - دانشجوی کارشناسی ارشد سیستم اطلاعات جغرافیایی، گروه مهندسی نقشه برداری، دانشکده فنی، موسسه غیرانتفاعی لامعی گرگانی، گرگان، ایران
کلید واژه: هدررفت خاک, توسعه پايدار, GIS, RS, RUSLE.,
چکیده مقاله :
فرسايش خاک از معضلات مهم آبخيزهاي کشور است و به عنوان يکي از مهمترين موانع دستيابي به توسعه پايدار کشاورزي و منابع طبيعي بهشمار میرود. دقت بالای پارامترهای ورودی مدل RUSLE موجب تخمین دقیقتر هدررفت و فرسایش خاک میشود. در این مطالعه، ضمن تلفیق مدل RUSLE با سنجش از دور (RS) و سامانه اطلاعات جغرافیایی (GIS)، پارامترهای فرسایندگی باران (R)، پوشش گياهي (C) و طول و درجه شيب (LS) با روشهای مختلف تهیه شدند. بدین ترتیب، عامل فرسایندگی باران بر اساس دادههای 25 ساله، 13 ایستگاه بارانسنجی و روشهای کریجینگ معمولی، ساده و عام بدست آمد. عامل پوشش گیاهی نیز بر مبنای شاخصهای NDVI، IPVI و NDBI با استفاده از تصاویر ماهواره لندست 8 تولید شدند. عامل طول و درجه شیب نیز بر اساس مدل رقومی ارتفاع ماهواره SRTM با قدرت تفکیکهای 30 و 90 متر و مجموعه NED با قدرت تفکیک 10 متر تهیه شد. در نهایت با 9 ترکیب میزان فرسایش و بار رسوبی با مدل RUSLE در حوضه برآورد شد. نتایج نشان داد که میانگین هدر رفت خاک، ترکیب شاخص گیاهی NDBI، طول و درجه شیب حاصل از مدل رقومی ارتفاع NED با قدرت تفکیک 10 متر و عامل فرسایندگی باران حاصل از روش درونیابی کریجینگ ساده برابر با 84/16 (تن در سال) میباشد و در مقایسه با رسوب مشاهدهای (5/16 تن در سال) به عنوان ترکيب مناسب انتخاب شد. بر این اساس شاخص NDBI در ترکيب با ساير عوامل نسبت به شاخص NDVI کارايي بیشتری در تهیه فاکتور پوشش گياهي مدل RUSLE دارد.
Soil erosion is one of the major challenges facing the country's watersheds and is considered a significant obstacle to achieving sustainable agricultural and natural resource development. The accuracy of input parameters in the RUSLE model greatly enhances the precision of soil loss and erosion estimation. In this study, the RUSLE model was integrated with Remote Sensing (RS) and Geographic Information System (GIS) technologies to derive key parameters including rainfall erosivity (R), vegetation cover (C), and slope length and steepness (LS) using various methods. The rainfall erosivity factor was calculated using 25 years of precipitation data from 13 rain gauge stations, applying ordinary, simple, and universal kriging interpolation methods. The vegetation cover factor was generated based on NDVI, IPVI, and NDBI indices using Landsat 8 satellite imagery. The slope length and steepness factor was derived from digital elevation models (DEMs) including SRTM with 30 and 90-meter resolutions and NED with a 10-meter resolution. Ultimately, nine combinations of these parameters were used to estimate soil erosion and sediment yield across the watershed using the RUSLE model. Results indicated that the combination of NDBI vegetation index, LS factor derived from the NED DEM at 10-meter resolution, and R factor obtained through simple kriging yielded an average soil loss of 16.84 tons per year, closely matching the observed sediment yield of 16.5 tons per year. Accordingly, the NDBI index demonstrated superior performance compared to NDVI in estimating the vegetation cover factor within the RUSLE model.