مهندسی و مدیریت آبخیز

با همکاری انجمن آبخیزداری ایران

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پرسش‌های متداول

فرایند پذیرش مقالات

راهنمای نویسندگان

راهنمایی دریافت کد ORCID

داوران

راهنمای عضویت در Publons

تحلیل مقایسه‌ای اثر روش‌های محاسباتی مختلف برآورد عامل توپوگرافی بر میزان و توزیع مکانی هدررفت خاک در حوزه آبخیز شازند

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دکتری علوم و مهندسی آبخیزداری،‌ دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس

2 استاد، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس

3 دانشیار، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس

چکیده

فرسایش خاک به­‌عنوان یک موضوع مهم در پژوهش‌­های حفاظت آب و خاک است که تحت تأثیر عوامل انسانی و طبیعی است. بنابراین، آگاهی از میزان فرسایش خاک، امکان شناسایی نواحی بحرانی و اولویت­‌بندی اقدامات اجرایی را فراهم می‌کند. یکی از عوامل مؤثر در ارزیابی فرسایش خاک، طول و درجه شیب است که محاسبه آن با استفاده از روش‌های محاسباتی مختلف امکان­‌پذیر بوده و در عین‌حال انتخاب مناسب‌­ترین رابطه برای تخمین آن از اهمیت زیادی برخوردار است. حال آن‌که تا کنون مقایسه کارایی روش‌های مختلف در تخمین آن‌ها مورد توجه کافی قرار نگرفته است. بنابراین، در پژوهش حاضر با هدف محاسبه عامل توپوگرافی و بررسی تأثیر آن بر میزان هدررفت خاک در حوزه آبخیز شازند از چهار روش‌ محاسباتی متداول مورد استفاده در سامانه اطلاعات جغرافیایی شامل Renard و همکاران (1997)، Desmet و Govers (1996)، Moore و همکاران (1991) و Böhner و Selige (2006) انجام شده است. برای ارزیابی نتایج حاصل از محاسبه فرسایش خاک با استفاده از روش‌های محاسباتی مذکور، از نتایج حاصل از اندازه‌گیری مستقیم طول شیب روی نقشه توپوگرافی استفاده شد. نتایج به­دست آمده از این پژوهش، ضمن تائید اختلاف حدود 15 برابری نشان داد که متوسط میزان هدررفت خاک در حوزه آبخیز شازند، با استفاده از روش‌های محاسباتی Renard و همکاران (1997)، Desmet و Govers (1996)، Moore و همکاران (1991) و Böhner  و Selige  (2006) در صورت ثبات سایر عوامل در رابطه جهانی فرسایش خاک تجدیدنظر شده، به‌ترتیب 4.95، 19.47، 1.73 و 1.34 تن بر هکتار بر سال بوده است. با توجه به محاسبه طول شیب به‌عنوان کوتاه‌ترین پاره‌خط بین خط‌الرأس تا خط‌القعر از روی نقشه توپوگرافی و نیز عامل شیب، عملکرد روش Desmet و Govers (1996)، در محاسبه عامل توپوگرافی بهتر از سایر مدل‌ها ارزیابی شد. یافته‌های پژوهش حاضر مشخصاً بر ضرورت انتخاب شیوه مناسب برآورد عوامل ورودی در تخمین فرسایش خاک تأکید دارد.

کلیدواژه‌ها

عنوان مقاله [English]

Comparative analysis of the effect of different algorithms for calculating the topographic factor on the amount and spatial distribution of soil erosion in the Shazand Watershed, Iran

نویسندگان [English]

  • Fahimeh Mirchooli 1
  • Seyed Hamidreza Sadeghi 2
  • Abdulvahed Khaledi Darvishan 3

1 PhD,, Faculty of Natural Resources and Marine Science, Tarbiat Modares University, Iran

2 Professor, Department of Watershed Management Engineering, Faculty of Natural Resources and Marine Science, Tarbiat Modares University, Iran

3 Associate Professor, Department of Watershed Management Engineering, Faculty of Natural Resources and Marine Science, Tarbiat Modares University

چکیده [English]

Soil erosion is an important subject in water and soil conservation researches which is influenced by natural and anthropogenic factors. Hence, knowledge on soil erosion amount enables the identification of critical areas and prioritization of measures. One of the effective factors in the evaluation of soil erosion is slope and length (LS) which could be calculated using different methods and algorithms, so the selection of the best method to provide proper estimation is important. However, the comparison of the performance of the different estimation methods has not been sufficiently considered. Therefore, the present study was conducted to calculate the LS factor and evaluate its effect on estimations of soil erosion in the Shazand Watershed using four common algorithms viz. Renard et al. (1997); Desmet and Govers (1996); Moore et al., 1991, and Böhner and Selige (2006) in geographical information system. The results of this study while confirming the difference of about 15 times among performances of various algorithms, indicated that the mean soil erosion using the algorithm of Renard et al. (1997); Desmet and Govers (1996); Moore et al. (1991), and Böhner and Selige (2006) were 4.95, 19.47, 1.73, 1.34 t ha-1 yr-1 in case of the stability of other factors of RUSLE model. Considering the calculated amounts of slope length on the topographic map, the Desmet and Govers (1996) algorithm performed better than other algorithms in LS calculation for the study watershed. It clearly verified the necessity of selecting pertinent procedures for the calculation of input factors for the precise estimation of soil erosion.

کلیدواژه‌ها [English]

  • Makazi Province
  • Water and soil conservation
  • Sensitivity analysis
  • Soil erosion estimation
  • Soil erosion modeling
مراجع
  1. Azizian, A. and S. Kohi. 2019. Evaluating the effect of different methods for calculating topographic factor on sediment delivery rate based on RUSLE Model, case study: Barajin Catchment, Qazvin. Iran Water Resources Research, 24: 304-317 (in Persian).
  2. Benavidez, R., B. Jackson, D. Maxwell and K. Norton. 2018. A review of the (Revised) Universal Soil Loss Equation (R/USLE): with a view to increasing its global applicability and improving soil loss estimates. Hydrology and Earth System Sciences, 22: 6059-6086.
  3. Böhner, J. and T. Selige. 2006. Spatial prediction of soil attributes using terrain analysis and climate Göttinger Geographische Abhandlungen, 115: 13-28.
  4. Davudirad, A.A., S.H.R. Sadeghi and A. Sadoddin. 2016. The impact of development plans on hydrological changes in the Shazand Watershed, Iran. Land Degradation and Development, 27: 1236-1244.
  5. Desmet, P.J. and G. Govers. 1996. A GIS procedure for automatically calculating the USLE LS factor on topographically complex landscape units. Journal of Soil and Water Conservation, 51: 427-433.
  6. Durigon, V.L., D.F. Carvalho, M.A.H. Antunes, P.T.S. Oliveira and M.M. Fernandes. 2014. NDVI time series for monitoring RUSLE cover management factor in a tropical International Journal of Remote Sensing, 35: 441-453.
  7. Ganasri, B.P. and H. Ramesh. 2016. Assessment of soil erosion by RUSLE model using remote sensing and GIS, a case study of Nethravathi Basin. Geoscience Frontiers, 7: 953-961.
  8. Hazbavi, Z., J.E.M. Baartman, J. Nunes, P.S.D. Keesstra and S.H.R. Sadeghi. 2018. Changeability of reliability, resilience and vulnerability indicators with respect to drought patterns. Ecological Indicators, 87: 196-208.
  9. Hazbavi, Z., S.H.R. Sadeghi, M. Gholamalifard and A.A. Davudirad. 2019. Watershed health assessment using the Pressure–State–Response (PSR) framework. Land Degradation and Development, 31: 3-19.
  10. Hickey, R. 2000. Slope angle and slope length solutions for GIS. Cartography, 29: 1-8.
  11. Hrabalikova, M. and M. Janeček. 2017. Comparison of different approaches to LS factor calculations based on a measured soil loss under simulated rainfall. Soil and Water Research, 12: 69-77.
  12. Kiani-Harchegani, M., S.H.R. Sadeghi and S. Falahatkar. 2019. Comparative analysis of soil erodibility factor in Shazand Watershed. Ecohydrology, 6: 153-163 (in Persian).
  13. Kiani-Harchegani, M. and S.H.R. Sadeghi. Practicing Land Degradation Neutrality (LDN) approach in the Shazand Watershed, Iran. Science of the Total Environment, 698: 13-29.
  14. Katebikord, A., S.H.R. Sadeghi and V.P. Singh. 2019. Effects of different methods and algorithms on estimation of soil erosion topography factor. 14th National Conference on Watershed Management Sciences and Engineering of Iran, Urmia, 15 and 16 July (in Persian).
  15. McCool, D.K., G.R. Foster, C.K. Mutchler and L.D. Meyer. 1989. Revised slope length factor for the universal soil loss equation. Transactions of the ASAE, 32: 1571-1576.
  16. McCool, D.K., G.R. Foster and G.A. Weesies. 1997. Slope Length and Steepness factors (LS). In predicting soil erosion by water: a guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE), Vol. 703, Washington, DC: US Department of Agriculture.
  17. Mohammadi, M., M. Fallah, A. Kavian, L. Gholami and E. Omidvar. 2017. The application of RUSLE Model in spatial distribution determination of soil loss hazard. Ecohydrology, 3: 645-658 (in Persian).
  18. Mondal, A., D. Khare and S. Kundu. 2018. A comparative study of soil erosion modelling by MMF, USLE and RUSLE. Geocarto International, 33: 89-103.
  19. Moore, I.D. and G.J. Burch. 1986. Physical basis of the length‐slope factor in the universal soil loss equation. Soil Science Society of America Journal, 50: 1294-1298.
  20. Moore, I.D., R.B. Grayson and A.R. Landson. 1991. Digital terrain modelling, a review of hydrological, geomorphological and biological applications. Hydrological Processes, 5: 3-30.
  21. Panagos, P., P. Borrelli and K. Meusburger. 2015. A new European slope length and steepness factor (LS-Factor) for modelling soil erosion by water. Geosciences, 5: 117-126.
  22. Renard, K.G., G.R. Foster, G.A. Weesies, D.K. McCool and D.C. Yoder. 1997. Predicting soil erosion by water: a guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE). Agricultural Handbook, 384 pages.
  23. Romkens, M.J.M., S.N. Prasad and J.W.A. Poesen. 1986. Soil erodibility and properties. In Proceedings of 13th Congress of the International Soil Science Society Germany, Hamburg, 5: 492–504.
  24. Sadeghi, S.H.R. and S. Tavangar. 2015. Development of stational models for estimation of rainfall erosivity factor in different timescales. Natural Hazards, 77: 429-443.
  25. Sadeghi, S.H.R., Z. Hazbavi and M. Gholamalifard. 2019. Interactive impacts of climatic, hydrologic and anthrologic activities on watershed health. Science of Total Environment, 648: 880-893.
  26. Sadeghi, S.H.R., A.A. Davudirad, A. Sadoddin and S. Paimozd. 2017. Trend of changes in land degradation index in Shazand Watershed, Markazi Province. Watershed Engineering and Management, 9: 383- 397 (in Persian).
  27. Tang, Q., Y. Xu, S.J. Bennett and Y. Li. 2015. Assessment of soil erosion using RUSLE and GIS, a case study of the Yangou Watershed in the Loess Plateau, China. Environmental Earth Sciences, 73: 1715-1724.
  28. Torri, D., J. Poesen and L. Borselli. 1997. Predictability and uncertainty of the soil erodibility factor using a global dataset. Catena, 31: 1–22.
  29. Vaezi, A.R., M. Abbasi, Kh. Hajimaleki. Assessment of the RUSLE Model integrated with RS and GIS in semi-arid small drainage areas, NW Iran. Iran Watershed Management Science and Engineering, 11: 1-11 (in Persian).
  30. Van Remortel, R.D., M.E. Hamilton and R.J. Hickey. 2001. Estimating the LS factor for RUSLE through iterative slope length processing of digital elevation data within Arclnfo grid. Cartography, 30: 27-35.
  31. Wang, G., G. Gertner, P. Parysow and A. Anderson. 2001. Spatial prediction and uncertainty assessment of topographic factor for revised universal soil loss equation using digital elevation models. ISPRS Journal of Photogrammetry and Remote Sensing, 56: 65-80.
  32. Wang, M., J.E. Baartman, H. Zhang, Q. Yang, S. Li, J. Yang, C. Cai, M. Wang, C.J. Ritseme and V. Geissen. 2018. An integrated method for calculating DEM-based RUSLE LS. Earth Science Informatics, 11: 579-590.
  33. Wischmeier, W.H. and D.D. Smith. 1978. Predicting rainfall erosion losses: a guide to conservation planning. In: Agriculture Handbook No. 537, USDA, Washington, DC, 58 pages.
  34. Zhang, H., Q. Yang, R. Li, Q. Liu, D. Moore, P. He, C. Ritsema and V. Geissen. 2013. Extension of a GIS procedure for calculating the RUSLE equation LS factor. Computers and Geosciences, 52: 177-188.
  35. Zhang, H., J. Wei, Q. Yang, J.E. Baartman, L. Gai, X. Yang, S. Li, J. Yu, C.J. Ritsema and V. Geissen. 2017. An improved method for calculating slope length (λ) and the LS parameters of the revised universal soil loss equation for large watersheds. Geoderma, 308: 36-45.
مهندسی و مدیریت آبخیز
دوره 14، شماره 2
تیر 1401
صفحه 232-242
فایل ها
هم رسانی
ارجاع به این مقاله
آمار