سال 14، شماره 3 - ( پاییز 1403 )
جلد 14 شماره 3 صفحات 141-123 |
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:
Khazaei M, Shirani K, Saleh I. Susceptibility modeling and determining the contribution of factors affecting gully erosion. E.E.R. 2024; 14 (3) :123-141
URL: http://magazine.hormozgan.ac.ir/article-1-818-fa.html
URL: http://magazine.hormozgan.ac.ir/article-1-818-fa.html
خزائی مجید، شیرانی کورش، صالح ایمان. بررسی عوامل مؤثر بر فرسایش خندقی و تهیه نقشه پهنه‌بندی در حوزه آبخیز تخت‌دراز. پژوهش هاي فرسايش محيطي. 1403; 14 (3) :123-141
بخش تحقیقات جنگل‌ها، مراتع و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کهگیلویه و بویراحمد، سازمان تحقیقات، آموزش و ترویج کشاورزی، یاسوج، ایران. ، Khazayi64@gmail.com
چکیده: (325 مشاهده)
شناسایی عوامل مؤثر و پیش‌بینی مناطق حساس به فرسایش خندقی از عوامل کلیدی جهت مدیریت و حفاظت خاک در حوزه‌های آبخیز است. این پژوهش در حوزه آبخیز تخت‌دراز در استان کهگیلویه و بویراحمد انجام گرفته که سد مارون نیز در پایین دست آن قرار گرفته است. در این پژوهش ابتدا با بازدید میدانی موقعیت تعدادی از خندق‌های ایجاد شده در حوزه آبخیز تخت‌دراز با سامانه موقعیت‌یاب جهانی ثبت و شرایط ایجاد خندق‌ها از جمله نوع کاربری، نوع سازند، نزدیکی به جاده و رودخانه، شکل خندق و غیره مورد ارزیابی قرار گرفت. به‌منظور پیش‌بینی مناطق حساس یه فرسایش خندقی در سایر نقاط حوزه از مدل حداکثر آنتروپی استفاده شد که در این مدل داده‌های ثیت شده از نقاط خندقی به دو دسته داده‌های آموزشی (70 درصد کل داده‌ها) و آزمایشی (30 درصد کل داده‌ها) تقسیم شدند. بر اساس منابع علمی و شرایط کنونی حوزه آبخیز تخت‌دراز ، 23 عامل مؤثر بر وقوع فرسایش خندقی شناسایی و نقشه آن‌ها در محیط سامانه اطلاعات جغرافیایی تهیه شدند. وزن هر کدام از عوامل مؤثر بر فرسایش خندقی بر اساس نسبت فراوانی هر عامل تعیین گردید. در مرحله بعد همبستگی عوامل موثر بر فرسایش خندقی با استفاده از آزمون هم‌خطی بررسی و عواملی که دارای هم‌خطی بودند از چرخه مدلسازی حذف شدند و با استفاده از عواملی که هم‌خطی نداشتند مدلسازی صورت گرفت. به منظور تعیین آستانه‌های عوامل موثر در رخداد فرسایش خندقی و ارزیابی کارآمدی مدل‌های مورد بررسی از آزمون جک‌نایف استفاده شد. نتایج نشان داد که مدل آنتروپی با سطح زیر منحنی 88/0 دارای دقت پیش‌بینی مناسبی در تهیه نقشه حساسیت فرسایش خندقی بوده است و کاربری اراضی و زمین‌شناسی بیشترین اهمیت را در رخداد فرسایش خندقی به ترتیب با سهم مشارکت 24 و 18 درصد داشته‌اند.
نوع مطالعه: مستخرج از پایان‌نامه / رساله / طرح پژوهشی |
موضوع مقاله:
مدلسازی و تحلیل زمانی و مکانی رخداد انواع مختلف فرسایش محیطی
دریافت: 1402/6/14 | انتشار: 1403/7/10
دریافت: 1402/6/14 | انتشار: 1403/7/10
فهرست منابع
1. Amiri, M., Pourghasemi, H. R., Ghanbarian, Gh. & S. F., Afzali. 2020. Spatial modeling of gully erosion in Maharlou Watershed using different scenarios and Weights-of-evidence algorithm. Watershed Engineering and Management, 11(4): 1016-1032. (In Persian). [DOI:10.22092/ijwmse.2018.120399.1435.]
2. Arabameri, A., Asadi Nalivan, O., Chandra Pal, S., Chakrabortty, R., Saha, A., Lee, S., Tien Bui, D. 2020. Novel machine learning approaches for modelling the gully erosion susceptibility. Remote Sensing, 12(17): 2833.
https://doi.org/10.3390/rs12172833 [DOI:10.3390/rs12172833.]
3. Bernini, A., Bosino, A., Botha, G. A., & M. Maerker. 2021. Evaluation of gully erosion susceptibility using a maximum entropy model in the upper mkhomazi river basin in South Africa. ISPRS International Journal of Geo-Information, 10(11): 729.
https://doi.org/10.3390/ijgi10110729 [DOI:10.3390/ijgi10110729.]
4. Garosi.Y, Sheklabadi. M, Pourghasemi .H.R, Besalatpour. A.A, Conoscentid. C, Ooste. K.V, Comparison of differences in resolution and sources of controlling factors for gully erosion susceptibility mapping. Geoderma. 330 (1). 65-78.
https://doi.org/10.1016/j.geoderma.2018.05.027 [DOI:10.1016/j.geoderma.2018.05.027.]
5. Gayen.A, Pourghasemi.H.R, Saha.S, Keesstra.S, Bai.S. 2019. Gully erosion susceptibility assessment and management of hazardprone areas in India using different machine learning algorithms, Science of the Total Environment. 124 (668). 124-138.
https://doi.org/10.1016/j.scitotenv.2019.02.436 [DOI:10.1016/j.scitotenv.2019.02.436.]
6. Ghoddousi, J. 2003. Modelling of gully erosion and zoning of its risk (A case study: Zanjanroud watershed). Ph.D Thesis, Faculty of natural resources, Tehran University, Tehran, Iran. (In Persian)
7. Howard, A. D. 1971. Simulation of Stream Networks by Headword Growth and Branching. Geographical analysis. 3(1):29-50.
https://doi.org/10.1111/j.1538-4632.1971.tb00346.x [DOI:10.1111/j.1538-4632.1971.tb00346.x.]
8. Hugus MK, Mark DM. Spatial data processing of digital simulation of erosion. Technical Paper of the Fall Convention of the American Society of Photogrammetry / American Congress on Surveying and Mapping, 1988. pp. 683-693.
9. Khazayi, M., A. Shafeie & A. Molayi. 2010. Study of the Factors Affecting Gully Erosion Development. Journal of Soil Research (Soil and Water Sciences). 26 (2): 153-163. [DOI:10.22092/ijsr.2012.126367.]
10. Kirkby MJ. 1992. Thresholds and instability in stream head hollows: a model of magnitude and frequency for wash processes. School of Geography, University of Leeds.
11. Lal, R. 2001. Soil degradation by erosion. L. Degrad. Dev. 12, 519-539. [DOI:10.1002/ldr.472]
12. Madadi, A., Saraskanroud, S. S., Negahbanc, S. & M. Marhamatd. 2022. Evaluation of Gully Erosion Sensitivity using Maximum Entropy Model in Shoor River Watershed (Mohr Township). Geography and Environmental Hazards. 11(2): 123-145. (In Persian). [DOI:10.22067/geoeh.2022.76707.1228.]
13. Morgan RP. 2009. Soil erosion and conservation. John Wiley & Sons.
14. Panagos, P., Standardi, G., Borrelli, P., Lugato, E., Montanarella, L., Bosello, F. 2018. Cost of agricultural productivity loss due to soil erosion in the European :union:: From direct cost evaluation approaches to the use of macroeconomic models. L. Degrad. Dev. 29, 471-484.
https://doi.org/10.1002/ldr.2879 [DOI:10.1002/ldr.2879.]
15. Rahmati, O., Tahmasebipour, N., Haghizadeh, A., Pourghasemi, H. R. and B. Feizizadeh. 2018. Assessing the effectiveness of the maximum entropy model to gully erosion susceptibility prediction in the Kashkan-Poldokhtar Watershed. [DOI:10.22092/IJWMSE.2018.118040.]
16. saber chenari, K., Bahremand, A., Sheikh, V. B., & Komaki, C. B. (2016). Gully Erosion Hazard Zoning Using of Dempster-Shafer Model in The Gharnaveh Watershed, Golestan Province. Iranian journal of Ecohydrology, 3(2), 219-231. (In Persian). [DOI:10.22092/10.22059/ije.2016.59663.]
17. Shahbazi, A., Vakili, T., Alvandi, A., Bayat, A. 2021. Evaluation of Artificial Neural Network and maximum entropy in gully erosion zoning of Golestan dam watershed. 52: 12-14. (In Persian). [DOI:20.1001.1.20089554.1400.15.52.4.6.]
18. Shahrivar A. 1997. Factors Effecting Gully Erosion and Model Presentation in Souq- Dehdasht, Master's Thesis, Faculty of Natural Resources, University of Tehran. (In Persian). [DOI:10.22059/ije.2017.60893.]
19. Shirani, K., Pasandi, M., Arabameri, A. (2018). Landslide susceptibility assessment by Dempster-Shafer and Index of Entropy models, Sarkhoun basin, Southwestern Iran. Nat. Hazards 93:1379-1418.
https://doi.org/10.1007/s11069-018-3356-2 [DOI:10.1007/s11069-018-3356-2.]
20. Shirani K. 2021. Gully Erosion Mapping and Susceptibility Assessment Using Statistical and Probabilistic Methods. JWSS, 25 (2) :151-174. (In Persian).
https://doi.org/10.47176/jwss.25.2.147215 [DOI:10.47176/jwss.25.2.147215.]
21. Willgoose G, Bras RL, Rodriguez‐Iturbe I. 1991. Results from a new model of river basin evolution. Earth Surface Processes and Landforms, 16(3):237-54.
https://doi.org/10.1002/esp.3290160305 [DOI:10.1002/esp.3290160305.]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
