سال 16، شماره 1 - ( بهار 1405 )
جلد 16 شماره 1 صفحات 159-140 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Zakerinejad R, Akdavei A, Ghobeshavei Y. Assessment of water erosion risk in Zohrea & Jarhari basin using multi-spectral remote sensing data and GIS. E.E.R. 2026; 16 (1) :140-159
URL: http://magazine.hormozgan.ac.ir/article-1-894-fa.html
URL: http://magazine.hormozgan.ac.ir/article-1-894-fa.html
ذاکری نژاد رضا، عکداوی علی، غبیشاوی یاسمین. ارزیابی روند خطر فرسایش آبی حوضه آبریز زهره-جراحی با استفاده از دادههای چند طیفی سنجش از دور و GIS. پژوهش هاي فرسايش محيطي. 1405; 16 (1) :140-159
گروه جغرافیای طبیعی، دانشکده علوم جغرافیایی و برنامه ریزی، دانشگاه اصفهان. ، reza.zakerinejad@ui.ac.ir
چکیده: (330 مشاهده)
در حال حاضر فرسایش خاک یکی از معضلات مهم زیستمحیطی حوضههای آبخیز ایران به شمار میرود. فرسایش آبی یکی از عوامل اصلی بیابان زایی و تخریب اراضی در بسیاری از مناطق خشک و نیمه خشک است. لذا ارزیابی میزان و شدت این نوع هدر رفت خاک در مدیریت آب و خاک جهت برنامه ریزیهای مناسب بسیار ضروری است. هدف این تحقیق بررسی روند و شدت فرسایش آبی در سال های 1992 و 2021 با استفاده از مدل ICONA [1]، داده های سنجش از دور و سیستم اطلاعات جغرفیایی (GIS) در حوضه آبریز زهره-جراحی در جنوب غرب ایران می باشند. برای اجرای این مدل، ابتدا با تلفیق دو لایه شیب و زمین شناسی، لایه فرسایش پذیری خاک تهیه شد. سپس لایه حفاظت خاک نیز با رویهمگذاری لایه های کاربری زمین و پوشش گیاهی تهیه گردید. در نهایت با ادغام دو لایه فرسایش پذیری و حفاظت خاک نقشه خطر فرسایش آبی برای حوضه مورد مطالعه در سال های 1992 و تهیه گردید. نتایج این تحقیق نشان می دهد که کلاس خطر فرسایش خیلیزیاد در سال 2021 نسبت به 1992 به میزان 6/14 درصد افزایش سطح داشتهاند. کلاس های خطر خیلی زیاد نشان از شدت بالای روند فرسایشی در منطقهی مورد مطالعه داشته که این مناطق بیشتر در غرب و جنوب غرب حوضه زهره-جراحی می باشند. لذا نیاز ضروری است که مدیران و برنامه ریزان با در در نظر گرفتن اولویت گرفتن مناطق پر خطر با انجام اقدامات حفاظتی بیولوژیکی و مکانیکی از جمله درختکاری و نهالکاری و همچنین عملیات آبخیزداری در جهت کنترل و جلوگیری از پیشروی مناطق حساس در جهت حفاظت خاک اقدام نمایند.
[1]. ICONA
نوع مطالعه: مستخرج از پایاننامه / رساله / طرح پژوهشی |
موضوع مقاله:
مدلسازی و تحلیل زمانی و مکانی رخداد انواع مختلف فرسایش محیطی
دریافت: 1404/3/4 | انتشار: 1405/1/27
دریافت: 1404/3/4 | انتشار: 1405/1/27
فهرست منابع
1. Abedini, M., Abolfathi, D., Raisi, M. (2022). Zoning of erosion in Razan watershed using fuzzy logic models, EPM and BLM in GIS environment. Geography and Development, No. 68, 62-86. 10.22111/gdij10.22111.2022.7002 .(in persian)
2. Ahmadi, H. (1999). Applied Geomorphology, Volume 1, Water Erosion, Tehran University Press, 634 pp.
3. Ansari Lari, A., Ansari, M. (2016). Investigating the use of GIS for estimating soil erosion and sediment load using the RUSLE model of the Qaleh Chay watershed. Journal of Geography and Regional Development, Year 14, Issue 5, pp. 55-173. [DOI:10.22067/geography.v14i2.54607. (in persian)]
4. Arkhi, S., Nazari, R. (2008). Zoning of erosion intensity and sediment production using modified PSIAK model in GIS environment, case study: Ilam watershed). Iranian Journal of Research, Volume 2, Issue 2 - Serial Issue 3, 77-81. (in persian)
5. Attoubounou, R.A.; Diawara, H.; Ludwig, R.; Adounkpe, J. (2025). Quantification of Soil-Water Erosion Using the RUSLE Method in the Mékrou Watershed (Middle Niger River). ISPRS Int. J. Geo-Inf. 14, 28. [DOI:10.3390/ijgi14010028]
6. Ayalew, D. A., Deumlich, D., Šarapatka, B., & Doktor, D. (2020). Quantifying the Sensitivity of NDVI-Based C Factor Estimation and Potential Soil Erosion Prediction using Spaceborne Earth Observation Data. Remote Sensing, 12(7), 1136. [DOI:10.3390/rs12071136]
7. Basudeb, P., Sushobhan, M., Jaidul, I., Edris, A., Md Kamrul, I.(2025). Analyzing soil erosion trends and future predictions using the RUSLE model: A case study of the Dwarakeswar River Basin, West Bengal, International Soil and Water Conservation Research, ISSN 2095-6339,
https://doi.org/10.1016/j.iswcr.2025.08.011 [DOI:10.1016/j.iswcr.2025.08.011.]
8. Cerdà A., Rodrigo-Comino J., Yakupoğlu T., Dindaroğlu T., Terol E., Mora-Navarro G., et al. (2020). Tillage versus no-tillage. Soil properties and hydrology in an organic persimmon farm in Eastern Iberian Peninsula. Water, 12(6), 1539.
https://doi.org/10.3390/w12061539 [DOI:10.3390/ w12061539.]
9. Dengiz, O. (2014). et al. Soil erosion risk assessment using Icona modelling for Inebolu watershed. Anadolu J. Agric. Sci. 29, 136 [DOI:10.7161/anajas.2014.29.2.136-142]
10. Singh, D., Herlin, I., Berroir, J. P., Silva, E. F., & Meirelles, M. S. (2004). An approach to correlate NDVI with soil colour for erosion process using NOAA/AVHRR data. Advances in Space Research, 33(3), 328-332. [DOI:10.1016/S0273-1177(03)00468-X]
11. Esmaeili Gholzom, H., Ahmadi, H., Moeini, A. & Motamedvaziri, B. (2022). Soil erosion risk assessment in the natural and planted forests using ICONA model and GIS technique. Int. J. Environ. Sci. Technol. 19, 3947-3962. [DOI:10.1007/s13762-021-03536-3]
12. Hadley R. F., Lal R., Onstad C.A., Walling D.E., Yair A. (1985). Recent Developments in Erosion and Sedement Yield Studies. Technical Documents in Hydrology. UNESCO. Paris.
13. He, Z., Yuan, G., Hao, S., Tong, H., & Zhang, R. (2025). Mechanism Analysis of the Effects of Rainfall Intensity, Grass Coverage, and Slope on Slope Erosion Processes. Water, 17(8), 1194. [DOI:10.3390/w17081194]
14. Karimi, L., Amin, S. (2012). Erosion risk zoning of Sivand Dam basin in ICONA model using RS technique, 16th Conference of the Geological Society of Iran, Shiraz, https://civilica.com/doc/181626. (in persian)
15. Keesstra S., Mol G., De Leeuw J., Okx J., Molenaar C., De Cleen M., & Visser S. (2018). Soil-related sustainable development goals: Four concepts to make land degradation neutrality and restoration work. Land, 7(4), 133.
https://doi.org/10.3390/land7040133 [DOI:10.3390/land7 040133.]
16. Pons, X., Cea, C., González-Guerrero, O., Cristóbal, J. (2025). Landsat Collection 2: key information and recommendations for data users and product developers. Revista de Teledetección, 66, e23510. [DOI:10.4995/raet.2025.23510]
17. Masoudi M., Zakerinejad R. (2011). A new model for assessment of erosion using desertification model of IMDPA in Mazayjan plain, Fars province, Iran. Ecol Environ Conserv 17(3):489-594.
18. Mezbani, M., Rezaei Moghadam, M., H. Hejazi, A. (2021). Soil erosion risk assessment in land uses using the modified global soil erosion equation (case study: Sikan watershed). Geography and Environmental Hazards, 10(1), 41-63. doi: 10.22067/geoeh.2021.67238.0. (in persian)
19. Mishra, N., Haque, M. O., Leigh, L., Aaron, D., Helder, D., & Markham, B. (2014). Radiometric cross calibration of Landsat 8 operational land imager (OLI) and Landsat 7 enhanced thematic mapper plus (ETM+). Remote sensing, 6(12), 12619-12638.
https://doi.org/10.3390/rs61212619 [DOI:10.3390/rs61212619.]
20. Mohammadkhan, Sh., Pirani, P., Riahi, S., Garavand, F. (2019). Evaluating the efficiency of the entropy model in zoning erosion rates with a geomorphological approach. Case study: Kand watershed upstream of Latyan Dam. Journal of Geographical Spatial Planning, 9(34), 85-98. doi: 10.30488/gps.2019.100315. (in persian)
21. Nohegar A., Kazemi M. (2013). Assessment Water Erosion Using ICONA Model (case study: Tang Bostanak Basin). Journal of Geographical Research. 28(4): 1 -14.
22. Padró, J. C., Pons, X., Aragonés, D., Díaz-Delgado, R., García, D., Bustamante, J. & Lange, M. (2017). Radiometric correction of simultaneously acquired Landsat-7/Landsat-8 and Sentinel-2A imagery using pseudoinvariant areas (PIA): Contributing to the Landsat time series legacy. Remote Sensing, 9(12), 1319.
https://doi.org/10.3390/rs9121319 [DOI:10.3390/rs9121319.]
23. Rostamizad G, khanbabaei Z, Tahmoreth M. (2022) Assessing the Accuracy of Supervised Classification Algorithms for Land ulUse Map Extraction (Study Area: Taham Watershed). E.E.R. 12 (4) :141-157
24. Salavati B., Sadeghi, S. H. R., & A. R. Telvar. (2010). Runoff Generation Modeling for Kurdistan Province Watersheds by using Physiographic and Climatic Variables, Journal of Water and Soil, 24 (1), 84-96.
25. Sedighi, M.R. (2011). Master's thesis ICONA based on RS&GIS technologies, case study of Tang Sorkh watershed, Shiraz, Tehran University of Science and Research, 120 pages.
26. Ni, S., Zhou, Y., Cai, C., Wang, J., & Wang, D. (2025). Insights into linkage between water erosion and Benggang formation: Trajectory tracing from slope to gully. Catena, 254, 109001.
https://doi.org/10.1016/j.catena.2025.109001 [DOI:10.1016/j.catena.2025.109001.]
27. Singh, S., Bhardwaj, A., & Verma, V. K. (2020). Remote sensing and GIS based analysis of temporal land-use/land-cover and water quality changes in Harike wetland ecosystem, Punjab, India. Environmental Management, 262, 110355. [DOI:10.1016/j.jenvman.2020.110355]
28. 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 [DOI:10.1111/sum.12063.]
29. Tóth G., Hermann T., da Silva M. R., & Montanarella, L. (2018). Monitoring soil for sustainable development and land degradation neutrality. Environmental Monitoring and Assessment, 190(2), 1-4.
https://doi.org/10.1007/s10661-017-6415-3 [DOI:10.1007/s10661-017-6415-3.]
30. Wang, J., Yang, J., Li, Z., Ke, L., Li, Q., Fan, J., & Wang, X. (2025). Research on Soil Erosion Based on Remote Sensing Technology: A Review. Agriculture, 15(1), 18. [DOI:10.3390/agriculture15010018]
31. Xia, C., & Luo, J. (2025). Evolution Mechanisms and Mitigation of Soil Erosion. Water, 17(3), 449. [DOI:10.3390/w17030449]
32. Zhang, X., Zhang, S., Zhang, F., Li, H., Shi, J., & Chen, J. (2025). Quantifying the effects of the soil erosion factors on water-eroded slopes. Catena, 249, 108678.
https://doi.org/10.1016/j.catena.2024.108678 [DOI:10.1016/j.catena.2024.108678.]
33. Zakerinejad R, vosooghy S, Entezari M. (2022) Comparison of Accuracy of Difference Supervised Classification Methods for Land Use Mapping (Case Study: Alamarvdasht Watershed). E.E.R. 12 (2) :138-153. (in persian).
34. Zakerinejad, R. (2020). Evaluation of of DEMs to the modeling of the potential of gully erosion using Maxent model (Case study: Semirom catchment in the south of Isfahan province, iran). Journal of rs and gis for natural resources (journal of applied rs and gis techniques in natural resource science), 11(3 (40), 21-22. Sid. https://sid.ir/paper/359585/en. (in persian).
35. Zakerinejad R., Alvandi P. (2023). Prediction of Gully Erosion Using TanDEM-X data and Maximum Entropy Model (A case study: Khasoyeh watershed, in Southeast of Fars Province). Quarterly journal of Environmental Erosion Research. 48(13:1). (in persian).
36. Zakerinejad, R., Christian, S., Volker, H., Michael, M. (2021). Spatial Distribution of Water Erosion Using Stochastic Modeling in The Southern Isfahan Province, Iran, Geogr FIS DIN QUAT 44 (2): 203-216.
37. Zakerinejad R., Maerker M. (2015). An integrated assessment of soil erosion dynamicswith special emphasis on gully erosion in the Mazayjan basin, southwestern Iran.Nat. Hazards 79 (1), 25-50. [DOI:10.1007/s11069-015-1700-3]
38. Zakerinejad R., & Märker M. (2014). Prediction of Gully erosion susceptibilities using detailed terrain analysis and maximum entropy modeling: a case study in the Mazayejan Plain, Southwest Iran. Geogr Fis Din Quat, 37(1), 67-76
39. Zakerinejad R., Omran A., Maerker M., Hochschild V. (2015). Using ASTER remote sensing data set for geological mapping and application of Maxent model to predicting of gully erosion in southwest of Zagros Mountain in Iran. Geografia Fisica e Dinamica Quaternaria 44(2):183.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
