تأثير تغيير اقليم و کاربري اراضي بر خطر فرسايش خاک با استفاده از مدل RUSLE (مطالعه موردي: حوضه آبخيز گرگانرود)
الموضوعات :
صالح آرخی
1
(دانشيار گروه جغرافيا، دانشکده علوم انساني، دانشگاه گلستان، گرگان، ايران.)
محمد برات زاده
2
(کارشناسي ارشد، مهندسي نقشه‌برداري، گروه نقشه‌برداري، دانشگاه لامعي گرگاني، گرگان، ايران.)
سید حسین روشان
3
(دانش‌آموخته دکتري علوم و مهندسي آبخيزداري، گروه مهندسي آبخيزداري، دانشکده منابع طبيعي، دانشگاه علوم کشاورزي و منابع طبيعي ساري، ساري، ايران.)
الکلمات المفتاحية: هدر رفت خاک, تغييرات کاربري, ريزمقياس‌نمايي, مدل LARS-WG, حوضه گرگانرود,
ملخص المقالة :
زمينه و هدف: فرسايش خاک و اثرات ناشي از آن بر روي منابع کره زمين جزو موضوعات قابل توجه در بسياري از کشورها مي‌باشد. مهمترين اثرات فرسايش خاک از دست رفتن حاصل‌خيزي خاک، آلودگي آب‌ها، کاهش توليدات کشاورزي و کاهش عمر مفيد سدها مي‌باشد. هدف از مطالعه حاضر پيش‌بيني اثرات آينده تغيير اقليم و تغيير کاربري اراضي بر شدت و پتانسيل خطر فرسايش در حوضه آبخيز گرگانرود مي‌باشد. مقادير فرسايش با مدل RUSLE در سه سناريوي مختلف تغيير اقليم آينده، تغيير کاربري اراضي آينده و ترکيبي از تغيير اقليم و کاربري اراضي با مقادير فرسايش در دوره پايه مقايسه شد.
روش پژوهش: ابتدا آمار پارامترهاي هواشناسي (دما و بارش) ايستگاه‌هاي موجود در حوضه در دوره آماري 20 سال (2020-2001) تهيه شد و نرمال بودن، همگني و تصادفي بودن داده‌ها بترتيب با آزمون کلموگروف-اسميرنوف و ران تست بررسي شد. جهت رفع نواقص آماري نيز به روش رگرسيوني در محيط نرم افزار SPSS اقدام گرديد. ريزمقياس‌نمايي آماري داده‌هاي مدل گردش عمومي جو و توليد داده مصنوعي براي دوره آتي (2040-2021) با استفاده از سه سناريوي AIB, A2, B1 (به ترتيب خوشبينانه، بدبينانه و متوسط) در مدل LARS-WG بر اساس گزارش پنجم هيئت بين الدول تغيير اقليم و دو مدل HADCM3 و GFCM21 انجام شد. همچنين نقشه کاربري اراضي حوضه نيز با استفاده از تصاوير ماهواره‌هاي لندست ۷ و ۸ براي سال‌هاي 2001، 2010 و 2020 تهيه و از طريق پايگاهGoogle Earth ارزيابي شد. در نهايت با استفاده از مدل CA-Markov در نرم افزار ادريسي نسخه Selva تغييرات کاربري اراضي در آينده شبيه‌سازي گرديد. مقادير هدر رفت خاک براي دوره حال و تحت سناريوهاي تغييرات اقليم و کاربري نيز بر اساس مدل RUSLE محاسبه گرديد.
يافته‌ها: نتايج نشان داد ميزان فرسايندگي باران تحت تأثير سناريوهاي تابشي نسبت به دوره پايه افزاش مي‌يابد. همچنين تغييرات کاربري اراضي و پوشش نيز به سمت کاهش سطح مناطق جنگل انبوه و جنگل نيمه انبوه و افزايش مرتع و بوته‌زار و منطقه مسکوني خواهد بود. نتايج نشان داد که مقدار ميانگين فرسايش سالانه خاک در دوره پايه 41/96 تن در هکتار در سال مي‌باشد. مقدار فرسايش با در نظر گرفتن سناريوهاي تابشي A2، A1B و B1 به ترتيب 2 تا 4 درصد نسبت به دوره پايه افزايش خواهد يافت. با در نظر گرفتن کاربري اراضي شبيه‌سازي شده در سال 2040 ميلادي و سناريوي‌هاي تابشي A2، A1B و B1 مقدار فرسايش نسبت به دوره پايه به دليل کاهش پوشش طبيعي به ترتيب 5/7 درصد، 25/5 درصد و 73/1 درصد افزايش خواهد يافت.
نتايج: نتايج نشان داد که تغييرات کاربري اراضي بيشترين تأثير را در تغييرات ميزان فرسايش ايفا نموده است و لذا با مديريت صحيح پوشش مي‌توان روند افزايشي فرسايش حوضه آبخيز گرگانرود را مديريت کرد. بيشترين سهم کاربري در ايجاد فرسايش مربوط به کاربري جنگل نيمه انبوه با ميانگين 04/115 تن در هکتار در سال و کاربري جنگل انبوه بدون در نظر گرفتن مناطق مسکوني با مقدار ميانگين 39/51 تن در هکتار در سال کمترين سهم را دارد.
کليد واژه‌ها: هدر رفت خاک، تغييرات کاربري، ريزمقياس‌نمايي، مدل LARS-WG، حوضه گرگانرود
Agarwal, C. (2002). A review and assessment of land-use change models: dynamics of space, time, and human choice. U.S. Department of Agriculture, Forest Service, Northeastern Research Station, 61 Pages.
Anderson, R. L., Rowntree, K. M., & Le Roux, J. J. (2021). An interrogation of research on the influence of rainfall on gully erosion. Catena, 206, 105482. https://doi.org/10.1016/j.catena.2021.105482
Babaei, M., Hosseini, S.Z., Nazari Samani, A. & Almodaresi, S.A. (2016). Assessment of soil erosion using RUSLE 3D, case study: Kan Watershed. Watershed Engineering and Management, 8(2), 165-181. https://doi.org/10.22092/ijwmse.2016.106454 [in Persian]
Dabral, P. P., Baithuri, N., & Pandey, A. (2008). Soil erosion assessment in a hilly catchment of North Eastern India using USLE, GIS and remote sensing. Water Resources Management, 22, 1783-1798. https://doi.org/10.1007/s11269-008-9253-9
Eekhout, J.P., & De Vente, J. (2020). How soil erosion model conceptualization affects soil loss projections under climate change. Progress in Physical Geography: Earth and Environment, 44(2), 212–232. https://doi.org/10.1177/0309133319871937
Estrada-Carmona, N., Harper, E. B., DeClerck, F., & Fremier, A. K. (2017). Quantifying model uncertainty to improve watershed-level ecosystem service quantification: a global sensitivity analysis of the RUSLE. International Journal of Biodiversity Science, Ecosystem Services & Management, 13(1), 40-50. https://doi.org/10.1080/21513732.2016.1237383
Faridi, P., & Rezaee, P. (2015). Estimation of Soil erosion using RUSLE, GIS and RS (case study: Gabric Watershed, South-eastern of Hormozgan province). The 4th International Conference on Environmental Challenges & Dendrochronology, 14-15 May, Sari Agricultural science and natural resourecs university, Sari, Iran. https://civilica.com/doc/788185/ [in Persian]
Fernández, C., & Vega, J. A. (2016). Evaluation of RUSLE and PESERA models for predicting soil erosion losses in the first year after wildfire in NW Spain. Geoderma, 273, 64-72. https://doi.org/10.1016/j.geoderma.2016.03.016
Gupta, S., & Kumar, S. (2017). Simulating climate change impact on soil erosion using RUSLE model− A case study in a watershed of mid-Himalayan landscape. Journal of Earth System Science, 126, 1-20.
Halecki, W., Kruk, E., & Ryczek, M. (2018). Loss of topsoil and soil erosion by water in agricultural areas: A multi-criteria approach for various land use scenarios in the Western Carpathians using a SWAT model. Land Use Policy, 73, 363-372. https://doi.org/10.1016/j.landusepol.2018.01.041
Islam, K., Jashimuddin, M., Nath, B., & Nath, T. K. (2018). Land use classification and change detection by using multi-temporal remotely sensed imagery: The case of Chunati wildlife sanctuary, Bangladesh. The Egyptian Journal of Remote Sensing and Space Science, 21(1), 37-47. https://doi.org/10.1016/j.ejrs.2016.12.005
Lambin, E. F. (1997). Modelling and monitoring land-cover change processes in tropical regions. Progress in physical geography, 21(3), 375-393. https://doi.org/10.1177/030913339702100303
Marzen, M., Iserloh, T., De Lima, J. L., Fister, W., & Ries, J. B. (2017). Impact of severe rain storms on soil erosion: Experimental evaluation of wind-driven rain and its implications for natural hazard management. Science of the Total Environment, 590, 502-513. https://doi.org/10.1016/j.scitotenv.2017.02.190
Meinen, B. U., & Robinson, D. T. (2021). From hillslopes to watersheds: Variability in model outcomes with the USLE. Environmental Modelling & Software, 146, 105229. http://dx.doi.org/10.1016/j.envsoft.2021.105229
Moisa, M. B., Negash, D. A., Merga, B. B., & Gemeda, D. O. (2021). Impact of land-use and land-cover change on soil erosion using the RUSLE model and the geographic information system: a case of Temeji watershed, Western Ethiopia. Journal of Water and Climate Change, 12(7), 3404-3420. https://doi.org/10.21203/rs.3.rs-100340/v1
Mondal, A., Khare, D., Kundu, S., Meena, P. K., Mishra, P. K., & Shukla, R. (2015). Impact of climate change on future soil erosion in different slope, land use, and soil-type conditions in a part of the Narmada River Basin, India. Journal of Hydrologic Engineering, 20(6), C5014003. https://doi.org/10.1061/(ASCE)HE.1943-5584.0001065
Mousavinejad, S.H., Habashi, H., Kiani, F., Shataee, Sh. & Abdi, O. (2017). Evaluation of soil erosion using imagery SPOT5 satellite in Chehel chi catchment of Golestan Province. Journal of Wood and Forest Science and Technologym, 24(2), 73-86. https://doi.org/10.22069/jwfst.2017.1446.1 [in Persian]
Nearing, M. A. (2001). Potential changes in rainfall erosivity in the US with climate change during the 21st century. Journal of Soil and Water Conservation, 56(3), 229-232. https://www.jswconline.org/content/56/3/229
Pal, S. C., & Chakrabortty, R. (2019). Simulating the impact of climate change on soil erosion in sub-tropical monsoon dominated watershed based on RUSLE, SCS runoff and MIROC5 climatic model. Advances in Space Research, 64(2), 352-377. https://doi.org/10.1016/j.asr.2019.04.033
Prasannakumar, V., Vijith, H., Abinod, S., & Geetha, N. J. G. F. (2012). Estimation of soil erosion risk within a small mountainous sub-watershed in Kerala, India, using Revised Universal Soil Loss Equation (RUSLE) and geo-information technology. Geoscience frontiers, 3(2), 209-215. https://doi.org/10.1016/j.gsf.2011.11.003
Rahimi, K., & Mezbaani, M. (2013). Evaluation of Sivand basin erosion by RUSLE Model during 1998 to 200. Quarterly Journal of Environmental Erosion Researches, 3(9), 1-18. [in Persian]
Ranzi, R., Le, T. H., & Rulli, M. C. (2012). A RUSLE approach to model suspended sediment load in the Lo River (Vietnam): Effects of reservoirs and land use changes. Journal of Hydrology, 422, 17-29. https://doi.org/10.1016/j.jhydrol.2011.12.009
Refahi, H. & Nematti, M. (1995). Erodibility assessment of the Alamout subcatchment and its effect on the sediment yield. Journal of Agricultural Sciences, Iran 26, 48–56. [in Persian]
Refahi, H. G. (2003). Water erosion and control. Tehran University Publ. [in Persian]
Renard, K.G., & Freidmund, J.R. 1994. Using monthly precipitation data to estimate the R-factor in the Revised USLE. Journal of Hydrology, 157, 287-306. https://doi.org/10.1016/0022-1694(94)90110-4
Renard, K.G., G.R. Foster, G.A. Weesies, D.K. McCool, & D.C. Yoder. (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. Handbook. No. 703.
Roy, P. (2019). Application of USLE in a GIS environment to estimate soil erosion in the Irga watershed, Jharkhand, India. Physical Geography, 40(4), 361-383. https://doi.org/10.1080/02723646.2018.1550301
Sadeghi, S. H., Mostafazadeh, R., & Sadoddin, A. (2015). Response of Sediment graphs and Sediment Rating Loops to Land Use Type and Spatial Pattern. Watershed Engineering and Management, 7(1), 15-26. doi: 10.22092/ijwmse.2015.100900 [in Persian]
Salehi, M.H., Esfandyarpour Broujeni, E., Mohajer, R. & Bagheri Bodaghabadi, M. (2014). Supplement soil and water conservation. Payam Noor University Publication, 210 pages. [in Persian]
Shi, W., & Huang, M. (2021). Predictions of soil and nutrient losses using a modified SWAT model in a large hilly-gully watershed of the Chinese Loess Plateau. International Soil and Water Conservation Research, 9(2), 291-304. https://doi.org/10.1016/j.iswcr.2020.12.002
Smoot, J. L., & Smith, R. D. (1999). Soil erosion prevention and sediment control. The University of Tennessee, Knoxville. Water Resources, Civil and Environmental Engineering.
Solomon, S.D., Qin, M.M., Chen, M.M., Marquis, K.B., Averyt, M.T., & Millers, H.L. (2007). IPCC. Summary for policy makers. In Climate Change 2007: The Physical Science Basis; Proceedings of the 10th Working Group I Session, Paris, 29 January–1 February 2007; Cambridge University Press: Cambridge, UK, New York, NY, USA.
Teimouri, F., Bazrafshan, O., & Rafiei sardoei, E. (2019). Assessment of Climate Change and Land Use Change on Soil Erosion (Case study: Kondaran watershed). Iranian journal of Ecohydrology, 6(2), 353-368. doi: 10.22059/ije.2019.274886.1038 [in Persian]
Tangestani, M. H. (2006). Comparison of EPM and PSIAC models in GIS for erosion and sediment yield assessment in a semi-arid environment: Afzar Catchment, Fars Province, Iran. Journal of Asian earth sciences, 27(5), 585-597. https://doi.org/10.1016/j.jseaes.2005.06.002
Vescovi, F. D., Park, S. J., & Vlek, P. L. (2002). Detection of human-induced land cover changes in a savannah landscape in Ghana: I. Change detection and quantification. In 2nd Workshop of the EARSeL Special Interest Group on Remote Sensing for Developing Countries. Bonn, Germany, 1-8.
Weng, X., Zhang, B., Zhu, J., Wang, D., & Qiu, J. (2023). Assessing land use and climate change impacts on soil erosion caused by water in China. Sustainability, 15(10), 7865.
Wischmeier, W. H., Johnson, C. B., & Cross, B. V. (1971). A soil erodibility nomograph for farmland and construction sites. Journal of Soil and Water Conservation, 26(5), 189-193.
Wischmeier, W.H. & Smith D. D. (1978). Predicting rainfall erosion losses. A guide to conservation planning. USDA Agriculture Handbook, 537. 58p.
Zakerinejad, R. & Maerker, M. (2015). An integrated assessment of soil erosion dynamics with special emphasis on gully erosion in the Mazayjan basin, southwestern Iran. Natural Hazards, 79(1), 25-50.
https://doi.org/10.1007/s11069-015-1700-3
Zandi, J., Habibnejad Roshan, M. & Solaimani, K. (2013). Soil erosion risk assessment and its relationship with some environmental parameters (Case study: Vazroud watershed, Mazandaran). Journal of Range and Watershed Management, 66(3), 401-415. https://doi.org/10.22059/jrwm.2013.36516 [in Persian]
