ارزیابی خطر فرسایش آبی حوزه آبخیز کسیلیان با مدل ایکونا و فناوریهای RS و GIS | ||
| پژوهشهای دانش زمین | ||
| دوره 12، شماره 3 - شماره پیاپی 47، 1400، صفحه 144-163 اصل مقاله (1.59 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.48308/esrj.2021.100753 | ||
| نویسندگان | ||
| حسین اسمعیلی قلزم1؛ حسن احمدی2؛ ابوالفضل معینی* 1؛ بهارک معتمدوزیری1 | ||
| 1گروه جنگل، مرتع و آبخیزداری، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 2گروه احیای مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران | ||
| چکیده | ||
| رشد و توسعه فعالیتهای بشری همراه با تغییر کاربری اراضی، تخریب منابع و متعاقب آن فرسایش خاک در طولانی مدت مانع توسعه پایدار محیط زیست خواهد شد. در این پژوهش با هدف بررسی خطر فرسایش و شناخت مناطق حساس به فرسایش آبی در حوزه آبخیز کسیلیان، از فنآوری سنجش از دور و سیستم اطلاعات جغرافیایی در چارچوب مدل ایکونا استفاده گردید. این مدل با 4 لایه شیب، زمینشناسی، پوشش گیاهی و کاربری اراضی آغاز و با تهیه دو لایه فرسایش پذیری و حفاظت خاک، پتانسیل خطر فرسایش را مورد ارزیابی قرار داد. حوزه مورد مطالعه با وجود کلاس شیب خیلی زیاد و سازند شمشک با خاکهای حساس به هوازدگی، در کلاس فرسایشپذیری زیاد قرار دارد. اما وسعت بالای کلاس متوسط و خیلی زیاد حفاظت همراه با پوشش جنگل فرسایش را تعدیل کرده است. در مجموع، 26/26 درصد در کلاس متوسط خطر فرسایش، 44/25 درصد در کلاس خطر فرسایش کم، 83/18 درصد در کلاس خطر فرسایش خیلی کم، 55/18 درصد نیز در کلاس خطر فرسایش زیاد و 92/10 درصد از سطح حوزه کسیلیان نیز در کلاس خطر فرسایش خیلی زیاد قرار دارد. مرتع و قسمتهایی از اراضی کشاورزی در رتبه اول وسعت کلاس خطر فرسایش خیلی زیاد و بخشهای جنوبی اراضی جنگلی در کلاس خطر فرسایش زیاد قرار گرفتهاند. این مدل میتواند مناطق مستعد فرسایش را با حداقل زمان، با سرعت و دقت کافی در حوزههای آبخیز نشان دهد و برای تصمیمگیران و برنامهریزان حفاظت خاک در حوزههای آبخیز فاقد آمار مورد استفاده قرار گیرد. | ||
| کلیدواژهها | ||
| پتانسیل خطر فرسایش؛ تغییر کاربری اراضی؛ توسعه پایدار؛ فرسایش آبی؛ فرسایش پذیری | ||
| عنوان مقاله [English] | ||
| Water erosion risk assessment in the Kasilian watershed with ICONA model and GIS/RS techniques | ||
| نویسندگان [English] | ||
| Hossein Esmaeili Gholzom1؛ Hassan Ahmadi2؛ Abolfazl Moeini1؛ Baharak Motamed Vaziri1 | ||
| 1Department of Forest, Range and Watershed Management, Science and Research Branch, Islamic Azad University, Tehran, Iran | ||
| 2Department of Reclamation of Arid and Mountainous Regions, Faculty of Natural Resources University of Tehran, Karaj, Iran | ||
| چکیده [English] | ||
| Extended abstract Introduction Awareness of the soil erosion risk in watersheds makes it possible to identify critical areas and prioritize management and conservation programs. Due to the lack of accurate and acceptable information about the small amount of soil erosion in watersheds, it is often necessary to estimate the sensitivity or potential of different areas of the watershed in terms of the severity of soil erosion. The use of new RS/GIS techniques along with modeling processes such as soil erosion accelerates the recognition, control and management of natural resources. Among the many methods for predicting erosion using RS/GIS, the ICONA model simulation results are widely accepted. The ICONA model is one of the simplest and most flexible qualitative methods for assessing erosion risk map. This model is an erosion risk assessment method that uses qualitative decision rules and hierarchical organization of the four main inputs. The erosion risk map prepared with the ICONA model can be used as a reliable framework for erosion risk assessment. This model with its flexibility can be used in decision making to solve the problems of soil erosion and degradation in specific conditions of each country or study area. The purpose of this study is to apply the ICONA qualitative model and the use of RS/GIS techniques to assess the potential for erosion risk in the Kasilian watershed (representing large areas of mountainous and forested parts of northern Alborz in Iran). Materials and methods In this study, with the aim of investigating the risk of erosion and identifying areas sensitive to water erosion in the Kasilian watershed, remote sensing and GIS techniques were used in the framework of the ICONA model. The ICONA model consists of seven stages. This model starts with 4 layers of slope, geology, vegetation and land use and by preparing two layers of soil erodibility and soil protection maps, has identified and evaluated the potential for erosion risk in different land uses. Study area Kasilian watershed with an area of 6750 hectares in the geographical range of Alborz. It lies within the latitudes of 35° 58′ 45′′ to 36° 07′ 45′′ north, and longitudes of 53° 01′ 30′′ to 53° 17′ 30′ east and south of Savadkooh city. It is located in Mazandaran province. This area represents large areas of mountainous and forested parts of northern Alborz in Iran. Land use of Kasilian watershed mainly includes forests, pastures, agriculture, residential and rock outcrops. Results and discussion Due to its morphological and topographic characteristics, Kasilian watershed is an area with high density and elongation with a large area of very high slope class (20-35%), formations sensitive to water erosion (Shemshak formation), soil with heavy to semi texture heavy and hydrological group of soil is C. Therefore, erosion is predicted and observed in sensitive areas of the study area. Findings of the study in the area show that high vegetation has moderated the slope effect, in general, the highest level of erosion risk class is in the middle class. At the same time, the southern and higher parts of the forest lands of Kasilian watershed are in high risk of erosion due to reduced vegetation and slope. The findings also showed that the risk of erosion is very high in rangelands with high slope and low protection. The rock outcrop lands that exist in the upper elevations of the study area have a slope of more than 35%. These lands are in a very low erosion risk class. In fact, higher slopes can also provide a natural protection against soil erosion. Conclusion In total, 26.26% is in the medium erosion risk class, 25.44% in the low erosion risk class, 18.83% in the very low erosion risk class, 18.55% in the high erosion risk class and 10.92% is of very high erosion risk class. Rangelands and parts of agricultural lands rank first in the extent of the erosion risk class. The southern parts of the forest lands (with reduced vegetation cover) are in the high erosion risk class. This model can be used as a reliable framework for erosion risk assessment and can identify areas prone to erosion with a minimum parameter, cost and time reduction, accuracy and good flexibility. | ||
| کلیدواژهها [English] | ||
| Erosion risk potential, Land use change, Sustainable development, Water erosion, Erodibility | ||
| مراجع | ||
|
-انتظاری، م. و خدادادی، ف.، 1396. ارزیابی خطر فرسایش آبی حوضه آبخیز طالقان رود با استفاده از مدل ICONA. مجله مخاطرات محیط طبیعی، شماره (13)6، ص 31-48.
-چتر سیماب، ز.، بلوری، س.، میردار هریجانی، ف. و رحمانی، م.، 1397. ارزیابی نقشه خطر فرسایش با استفاده از مدل ICONA، GIS/RS (مطالعه موردی: حوزه آبخیز سلج انبار)، کنفرانس بین المللی مدیریت منابع طبیعی در کشورهای در حال توسعه.
-چتر سیماب، ز.، قره گزلو، ع.، بلوری، س. و میردار هریجانی، ف.، 1396. ارزیابی نقشه خطر فرسایش با استفاده از مدل ICONA، GIS/RS (مطالعه موردی: حوزه آبخیز آقاگیر)، اولین همایش بینالمللی جاده ابریشم، دانشگاه اصفهان.
-حسینی پژوه، ن.، احمدالی، خ. و شکوهی، ع.، 1397. ارزیابی شاخصهای بارش استاندارد شده و بارش- تبخیر- تعرق استاندارد شده در تشخیص ترسالی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، نشریه پژوهشهای حفاظت آب و خاک، جلد 25، شماره 15-29.
-روزخش، ب.، 1375. کاربرد GIS در سیستمهای هشدار دهنده سیل و تعیین پهنههای خطر سیل در حوزه آبخیز معرف کسیلیان، پایاننامه کارشناسیارشد، رشته آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه تهران.
-صدیقی، م.ر.، 1390. پایاننامه کارشناسیارشد پهنهبندی خطر فرسایش آبی با به کارگیری مدل ICONA بر مبنای فناوریهای GIS&RS (مطالعه موردی حوضه آبخیز تنگ سرخ شیراز)، داشگاه علوم و تحقیقات تهران، 120 ص.
-علی جانپور شلمانی، ع.، واعظی، ع.ر. و طباطبایی، م.ر.، 1398. مقایسه پایداری خاکدانه در دو اقلیم خیلی مرطوب و نیمه خشک (مطالعه موردی: حوزههای آبخیز کسیلیان و سعیدآباد چای)، شانزدهمین کنگره علوم خاک ایران، زنجان.
-فضل اولی، ر.، 1385. مدل شبیهسازی بارش- رواناب با استفاده از شاخص بارش پیشین مطالعه موردی: حوضه آبخیزهای کسیلیان و امامه، رساله دکتری، رشته هیدرولوژی و منابع آب، دانشکده علوم و مهندسی آب، دانشگاه شهید چمران، 252 ص.
-کاظمی، م.، نوحهگر، ا. و لگزیان، ف.، 1391. ارزیابی تاثیر تغییر کاربری اراضی بر خطر فرسایش آبی با تاکید بر فنون سنجش از دور و سامانه اطلاعات جغرافیایی، مطالعه موردی حوضه تنگ بستانک شیراز، مجموعه مقالات هشتمین همایش ملی علوم و مهندسی آبخیزداری، لرستان، دانشگاه لرستان.
-کریمی، ل. و امین، س.، 1391. پهنهبندی خطر فرسایش حوزه سد سیوند در مدل ICONA به وسیله تکنیک RS، شانزدهمین همایش انجمن زمینشناسی ایران، شیراز، انجمن زمینشناسی ایران، دانشگاه شیراز.
-محمدی، ش.، کریم زاده، ح. و علیزاده، م.، 1397. برآورد مکانی فرسایش خاک کشور ایران با استفاده از مدل RUSLE، نشریه اکوهیدرولوژی، دوره 5، شماره 28-39.
-مقیم، ح.، رئوفت، م.ر. و خلیلی، ع.، 1392. پهنهبندی خطرپذیری فرسایش آبی منطقهی خسروشیرین، حوضه آبخیز سد ملاصدرا در چارچوب مدل ICONA و به کارگیری فنآوری GIS و RS. مجموعه مقالات نهمین همایش ملی علوم و مهندسی آبخیزداری ایران، یزد، دانشگاه یزد. -میرزائی، ن.، کاویان، ع. و چوبین، ب.، 1397. ارزیابی خطر فرسایش آبی با استفاده از مدل ICONA (مطالعه موردی: حوزه آبخیز گرگانرود)، ششمین کنگره بینالمللی توسعه و ترویج علوم و فنون بنیادین در جامعه، تهران. -نادری، ف.، کریمی، ح. و ناصری، ب.، 1388. پهنهبندی پتانسیل فرسایش خاک در حوزه آبخیز آسمان آباد ایلام به روش شاخص فرسایش، پژوهشهای آبخیزداری (پژوهش و سازندگی)، شماره 89، ص 44-51.
-Bayramin, I., Dengiz, O., Baskan, O. and Parlak, M., 2003. Soil Erosion risk assessment with ICONA model: Case study: Beypazari area. Turk. J. Agric, For 27, p. 105-116. https://dergipark.org.tr/en/pub/tbtkagriculture/issue/11640/138624.
-Chander, G., Markham, B. and Helder, D., 2009. Summary of Current Radumetric Calibration Coefficients for Landsat MSS, TM, ETM+ and EO-A Ali Sensors. Remote Sensing of the Environment, v. 113, p. 893-903.
https://ntrs.nasa.gov/search.jsp?R=20090027884 2020-04-16T17:01:26+00:00Z
-Esmaeeli Gholzom, H. and Gholami, V., 2012. A comparison between natural forests and reforested lands in terms of runoff generation potential and hydrologic response, case study: Kasilian Watershed, Soil Water Res, v. 4, p. 166-173.
https://doi.org/10.17221/18/2012-SWR
-Gaatib, R. and Larabi, A., 2014. Integrated evaluation of soil hazard and risk management in the Oued Beht watershed using remote sensing and GIS techniques: impacts on El Kansra Dam Siltation (Morocco). J. Geogr. Inf. Syst, v. 6, p. 677-742. ID:52287,12 pages 10.4236/jgis.2014.66056
-Holm, A.M., Cridland, S.W. and Roderick, M.L., 2003. The use time – integrated NOAA NDVI data and rainfall to assess landscape degradation in the arid shrubland of Western Australia. Remote Sens. Environ, v. 85, p. 145-158. DOI: 10.1016/S0034-4257(02)00199-2. v. 25(6), p. 207-222. Doi. 10.22069/JWSC.2019.15175.3036
-ICONA, 1991. Plan Nacional De Restauracion Hydrologico- Forestal Para Control De La Erosion. Ministrio de Agricultura, Pescay Alimentacion,
Madrid.
-ICONA, 1997. Guidelines for Mapping and Measurement of Rainfall-induced Erision Processes in the Mediterranean Coastal Areas. Priorityaction programme regional activity centre, Split, Croatia.
-Kefi, M., Yoshino, K., Zayani, K. and Isoda, H., 2009. Estimation of Soil Loss by using Combination of Erosion Model and GIS: Case of Study Watersheds in Tunisia. Journal of Arid Land Studies, v. 19(1), p. 287-290.
-Luo, Z., Deng, L. and Yan, C., 2014. Soil erosion under different plant cover types and its influencing facors in Napahai Catchment, Shangri – La County, Yunnan province, China. Int. J. Sustain. Dev. World Ecol, https://doi.org/10.1080/13504509.2014.924448
-Oruk, E.O., Eric, N.J. and Ogogo, A.U., 2012. Influence of soil textural properties and land use cover type on soil erosion of a characteristic ultisols in Betem, Cross River Sate, Nigeria. J. Sustain. Dev. 5
DOI:10.5539/jsd.v5n7p104.
-Okou, F.A.Y., Tente, B., Bachmann, Y. and Sinsin, B., 2016. Regional erosion risk mapping for decision support: A case study from West Africa. Elsevier Land Use Policy, v. 56, p. 27-37.
-Okou, F.A.Y., Assogbadji, A.E., Bachmann, Y. and Sinsin, B., 2014. Ecological factors influencing physical soil degradation in the Atacora Mountain chain in Benin: West Africa. Mt. Res. Dev. 34, p. 157-166, DOI: 10.1659/MRD-JOURNAL-D-13-00030.1.
-Olivares, B., Verbist, K., Vargas, D., Lobo, R. and Silva, O., 2011. Evaluation of the USLE Model to Estimate Water Erosion in an Alfosol. J Soil Sci. Plant Nutr, v. 11(2), p. 71-84.http://dx.doi.org/10.4067/S0718-95162011000200007-Reis, M., Bolat, N. and Savaci., G., 2017. Soil Erosion Risk Assessment Using GIS and ICONA, A Case Study: in Kahramanmaras. Turkey Journal of agricultural faculty of gaziosmanpasa university, v. 34(1), p. 64-75.
doi:10.13002/jafag4208, 2017.
-Reed, B.C., Brown, J.F., Vander Zee, D., Loveland, T.R., Merchant, J.W. and Ohlen, D.O., 1994. Measuring phonological variability from satellite imagery. J. Veg. Sci, v. 5, p. 703-714.
https://doi.org/10.2307/3235884.
-Stanchi, S., Freppaz, M., Godone, D. and Zanini, E., 2013. Assessing the susceptibility of alpine soils to erosion using soil physical and site indicators. Soil Use Manag, v. 29, p. 586-596. https://doi.org/10.1111/sum.12063
-Stroosnijder, L., 2003. Technologies for improving green water use efficiency in West Africa. In: Water Conservation Technologies for Sastainable Dryland Agriculture in Sub-Saharan Africa Symposium and Workshop, Bloemfontein, South Africa, p. 92-102.
-Tehrany, M.S., Pradhan, B. and Jebur, M.N., 2013. Remote sensing reveals eco-environmental changes in urban areas of Klang Valley, Malaysia: contribution from object based analysis. J. Indian Soc. Remote Sens, v. 41, p. 981-991. doi:10.1007/s12524-013-0289-9.
-Tehrany, M.S., Pradhan, B. and Jebur, M.N., 2014. A comparative assessment between object and pixel – based classification approaches for land use/land cover mapping using SPORT 5 imagery. Geocarto Int, v. 29, p. 351-369.
-Thiam, A.K., 2003. The causes and spatial pattern of land degradation risk in southern Mauritania using multitemporal AVHRR-NDVI imagery and field data. Land Degradation & Development, v. 14, p. 133-142.
-Tucker, C.J., Townshend, J.R.G. and Goff, T.E., 1985. African land-cover classification using satellite data. Science, v. 227, p. 369-375. DOI:10.1126/science.227.4685.369
-Verieling, A., Sterk, G. and Vigiak, O., 2006. Spatial evaluation of soil erosion risk in the West Osambara Mountains, Tanzania. Land Degrad. Dev, v. 17, p. 301-319.
https://doi.org/10.1002/ldr.711
-Wolka, K., Tadesse, H., Garedew, E. and Yimer, F., 2015. Soil erosion risk assessment in the Chaleleka wetland watershed, Central Rift Valley of Ethiopia. Environ. Syst. Res, v. 4, p.1-12. https://doi.org/10.1186/s40068-015-0030-5.
-Zaz, S. and Romshoo, S., 2012. Assessing the geoindicators of land degradation in the Kashmir Himalayan region India. Nat.Hazards, v.64, p.1219-1245. DOI 10.1007/s11069-012-0293-3.
| ||
|
آمار تعداد مشاهده مقاله: 11,736 تعداد دریافت فایل اصل مقاله: 6,411 |
||