Investigating the Effect of Land Use Change on Soil Erosion and Sediment Yield in Razeychay Watershed During Past 20 Years

Subject Areas :

Mousa Abedini ¹ , Farydeh Bahramnia Gojabeiglo ² , Raoof Mostafazadeh ³ , AmirHesam Pasban ⁴

1 - Professor of Geomorphology, University of Mohaghegh Ardabili, Ardabil, Iran.
2 - M.Sc in Geomorphology, Dept. of Physical Geography University of Mohaghegh Ardabili, Ardabil, Iran.
3 - Associate Professor, Dept. of Natural Resources and Member of Water Management Research Center, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili, Ardabil, Iran.
4 - PhD Student in Physical Geography Department, University of Mohaghegh Ardabili, Ardabil, Iran.

Received: 2022-05-23 Accepted : 2022-07-16 Published : 2023-04-21

Keywords: Support vector machine, land use, Erosion, Razeychay,

Abstract :

Soil erosion is a global problem that threatens water and soil resources and land use change is one of the important factors in soil erosion intensification. The aim of this study was to evaluate the effect of land use change on soil erosion in Razeychay watershed of Meshginshahr located in Ardabil province. First, Landsat images of the study area in May 1999, and 2019 and were obtained from USGS website. In the image processing stage, atmospheric and radiometric corrections have been conducted, and then the land use maps of the study area has been prepared for study years using support vector machine (SVM) as a supervised classification method. Then, the RUSLE model was used to estimate the amount of erosion in the two time span. SPSS, Excel, Arc GIS 5.4, Archydro and ENVI 5.3 software were used to spatial analysis and data processing.The results showed that, rangeland, irrigated farming and bare lands have decreased during the last twenty years. While, the extent of dry farming and residential area have increased. Meanwhile, the highest change is related to dry farming (an increase of 27.69 hectares). According to the results of erosion modeling, the rate of erosion from 1999 to 2019 has decreased from 6.49 to 6.46 tons per hectare per year.            

References:

احمدی، حسن. (1388)، ژئومورفولوژی کاربردی (فرسایش آبی)، چاپ اول، انتشارات دانشگاه تهران.

اصغری‌سراسکانرود، صیاد؛ محمدنژاد آروق، وحید؛ امامی، هادی. (1398). بررسی تغییرات کاربری اراضی با استفاده از روش‌های پیکسل‌پایه و شی‌گرا و تحلیل اثرات تغییر کاربری‌ها بر فرسایش خاک (مطالعه موردی: شهرستان مراغه)، پژوهش‌های ژئومورفولوژی کمی، 8(1)، 178-160.

امانپور، سعید؛ عبیات، محمد؛ عبیات، محمود؛ عبیات، ماجده. (1400). بررسی اثر تغییرات کاربری اراضی بر فرسایش خاک و تولید رسوب در حوضه رامهرمز با استفاده از طبقه‌بندی شی‌گرا و مدل RUSLE، تحقیقات آب و خاک ایران، 52(3)، 649-635.

ایوبی، شمس‌اله؛ خرمالی، فرهاد؛ شتابی‌جویباری، شعبان. (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، 20(4)، 129-122.

زلفی‌باروق، مینا. (1390). بررسی و پیاده­سازی روش SVM برای تصاویر ماهواره‌ای، پایان نامه کارشناسی ارشد رشته مهندسی عمران - سنجش از دور، دانشکده فنی و مهندسی دانشگاه اصفهان، 4-2.

سلطانیان. ستار؛ رحیمی. احسان؛ سبزقبایی. غلام‌رضا؛ رستمی، کیانوش؛ زیدی، امیر. (1393). ارزیابی روند تغییرات کاربری اراضی منطقه حفاظت شده اشتران‌کوه  بین سال‌های 1368 تا 1384 با استفاده از تصاویرLandsat،   فن‌آوری‌های نوین در مهندسی محیط زیست و منابع تجدیدپذیر، 1(1)، 35-21.

سنجری، صالح؛ برومند، ناصر. (1392). پایش تغییرات کاربری/ پوشش اراضی درسه دهه گذشته بااستفاده از تکنیک سنجش از دور (مطالعه‌ی موردی: منطقه‌ی زرنداستان کرمان)، کاربرد سنجش از دور و  GISدرعلوم منابع طبیعی، 4(1)، 67-56.

عبیات، محمد؛ عبیات، مصطفی؛ عبیات، مرتضی. (1400). بررسی تغییرات کاربری اراضی و اثر آن بر روند فرسایش خاک در خوضه باغملک با استفاده از شبکه عصبی مصنوعی و مدل RUSLE، محیط شناسی، 47(1)، 91-73.

فارسی،جواد؛ یوسفی، مریم. (1392). آشکارسازی تغییرات کاربری اراضی با استفاده از دادههای سنجش از دور (مطالعه موردی: دشت بجنورد)، جغرافیا و مطالعات محیطی، 2(7)، 106-95.

فیضی‌زاده، بختیار. (1396). مدل‌سازی تغییرات کاربری اراضی و اثرات آن بر سیستم فرسایش در حوضه سد علویان با استفاده از تکنیک‌های سنجش از دور و GIS، هیدروژئومورفولوژی، 3(11)، 38-21.

کلارستاقی.  عطااله؛ احمدی. حسن؛ جعفری، محمد؛ قدوسی، جمال.  (1387). پیش بینی تغییرات احتمالی کاربری جنگل به دیم‌کاری با استفاده از مدل‌سازی احتمالاتی در حوزه آبخیز فریم صحرا - استان مازندران، پژوهش و سازندگی، 21(3)، 63-52.

کیانی‌هرچگانی، محبوبه؛ صادقی، سیدحمیدرضا؛ فلاحت‌کار، سامره. (1398). تحلیل مقایسه‌ای عامل فرسایش‌پذیری خاک در حوضه آبخیز شازند، اکوهیدرولوژی، 1(6)، 163-153.

محمدی، شاهین؛ کریم زاده، حمیدرضا؛ پورمنافی، سعید؛ سلطانی‌کوپایی، سعید. (1397). برآورد مکانی و زمانی فرسایش خاک با استفاده از مدل RUSLE و سری‌های زمانی ماهواره لندست. مندرجان، اصفهان، مرتع و آبخیزداری، 71(3)، 774-759.

نظری‌سامانی، عی اکبر؛  قربانی، مهدی؛ کوهبنانی، حمیدرضا. (1389). ارزیابی روند تغییرات کاربری اراضی حوزه آبخیز طالقان در دوره 1366 تا 1380، مرتع، 4(3)، 451-442.

واعظی، علی‌رضا؛ عباسی، محمد؛ حاجی‌ملکی، خالد. (1396). ارزیابی مدل RUSLE همراه شده با سنجش از دور و سامانه اطلاعات جغرافیایی در عرصه‌های زهکش کوچک در منطقه نیمه خشک، شمال‌غربی ایران. علوم و مهندسی آبخیزداری ایران. 11(38)، 10-1.

Assis, K. G. O., da Silva, Y. J. A. B., Lopes, J. W. B., Medeiros, J. C., Teixeira, M. P. R., Rimá, F. B.,  Singh, V. P. (2021). Soil loss and sediment yield in a perennial catchment in Southwest Piauí, Brazil. Environmental Monitoring and Assessment, 193(1), 1-11.

Basukala, A.K., Oldenburg, C., Schellberg, J., Sultanov M., Dubovyk, O. (2017). Towards improved land use mapping of irrigated croplands: performance assessment of different image classification algorithms and approaches. European Journal of Remote Sensing, 50(1), 187-201.

El Cavy, O., Rod, J., Ismail, H., Suliman, A. (2011). Land use and land cover changes detections in the western Nile delta of Egypt using remote sensing data, applied geography, 31(2011), pp 483-494.

Kantakumar, L.N., Neelamsetti, P. (2015). Multi-temporal land use classification using hybrid approach. The Egyptian Journal of Remote Sensing and Space Science, 18(2), 289-295.

Mantero, P., Moser, G., Sebastiano, B., Serpico, s. (2005). Partially supervised classification of remote sensing images through SVM-based probability density estimation, IEEE Trans. on Geoscience and Remote Sensing, 43(3), 559-570.

Nguyen, T.T.H, Pham, T.T.T. (2016). Incorporating ancillary data into Landsat 8 image classification process: a case study in Hoa Binh, Vietnam. Environmental Earth Sciences, 75(5), 430.

Ouyang, W., Wu, Y., Hao, Z., Zhang, Q., Bu, Q., & Gao, X. (2018). Combined impacts of land-use and soil property changes on soil erosion in a mollisol area under long-term agricultural development. Science of the total environment, 613, 798-809.

Paul, S. S., Li, J., Li, Y., & Shen, L, 2019. Assessing land-use/land-cover change and soil erosion potential using a combined approach through remote sensing, RUSLE and random forest algorithm. Geocarto International, 36, 1-15.

Pradhan, B., Chaudhari, A., Adinarayana, J., and Buchroithner, M.F. (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), 715-727.

Rajesh, B., Yuji, M. (2006). Land use change analysis using remote sensing and GIS: A Case Study of Kathmandu Metropolitan, Nepal. Research Abstracts on Spatial Information Science, 9(9), 22.

Rawat, K. S., Singh, S. K. (2018). Appraisal of Soil Conservation Capacity Using NDVI Model-Based C Factor of RUSLE Model for a Semi Arid Ungauged Watershed: a Case Study, Water Conservation Science and Engineering, 3(1), 47-58.

Ren, Y., Lü, Y., Comber, A., Fu, B., Harris, P., & Wu, L. (2019). Spatially explicit simulation of land-use/landcover changes: Current coverage and future prospects. Earth Science Reviews, 190, 398-415.

Renard K.G, Freidmund J.R. (1994). Using monthly precipitation data to estimate the R-factor in the RUSLE, J. Hydro. 157, 287-306.

Santos, J.C.N., Andrade, E.M., Medeiros, P.H.A., and Joao, M. (2017). Land use impact on soil erosion at different scales in the Brazilian semi-arid. Revista Ciencia Agronomica. 48(2), 251-260.

Singh, S., Bhardwaj, A., and Verma, V. (2020). Remote sensing and GIS based analysis of temporal land use/land cover and water quality changes in Harike wetland ecosystem, Punjab, India. Journal of Environmental Management. 262, 11035.

Thakkar, A.K., Venkappayya, R.D., Patel, A., Madhukar, B.P. (2017). Post-classification corrections in improving the classification of Land Use/Land Cover of arid region using RS and GIS: The case of Arjuni watershed, Gujarat, India. The Egyptian Journal of Remote Sensing and Space Science, 20(1), 79-89.

Van der Knijff, J.M., Jones, R.J.A., and Montanarella, L. (2000). Soil Erosion Risk Assessment in Europe. European Soil Bureau, 1-34.

Vanacker, V., Ameijeiras-Mariño, Y., Schoonejans, J., Cornélis, J. T., Minella, J. P., Lamouline, F., Vermeire, M. L., Campforts, B., Robinet, J., Van de Broek, M., Delmelle. P., & Opfergelt, S. (2019). Land-use impacts on soil erosion and rejuvenation in Southern Brazil. Catena, 178, 256-266.

Vapnik, V., Chervonenkis, A. (1991). The necessary and sufficient conditions for consistency in the empirical risk minimization method, Pattern Recognition and Image Analysis, 1(3), 283-305.

Wasige, J., Groen, T., Smaling, E., Jettern, V. (2013). Monitoring basin scale land cover changes in kagera basin of lake victoria using anicillary and remote sensing, international journal of applied earth observation and geoinformation 21(2013), 32-42.

Wischmeier WH,  Smith DD. 1978. Predicting rainfall erosion, losses: a guide to conservation planning. United States Department of Agriculture Handbook, Washington, 537, 13-27.