ارزیابی خطر فرسایش خاک در دشت کوهپایه - سگزی با استفاده از مدل تجدید نظر شده جهانی فرسایش خاک (RUSLE)
محل انتشار: فصلنامه مخاطرات محیط طبیعی، دوره: 7، شماره: 15
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 315
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JNEH-7-15_010
تاریخ نمایه سازی: 30 شهریور 1399
چکیده مقاله:
فرسایش خاک یکی از مهمترین مسائل و مشکلات زیست محیطی است که امروزه با آن مواجه هستیم. بهرهبرداریهای روز افزون وعدم مدیریت صحیح انسان بر محیط طبیعی تاثیر زیادی بر تشدید روند تخریب خاک و فرسایش دارد. در این تحقیق با تحلیل پارامترهای موثر، وضعیت فرسایش و تولید رسوب در دشت کوهپایه - سگزی با مساحت 136 هزار هکتار با استفاده از مدل تجدید نظر شدهی جهانی فرسایش خاک (RUSLE) مورد مطالعه قرار گرفت. دادهها و ابزارهای بهکار رفته در تحقیق شامل دادههای ایستگاههای هواشناسی، اطلاعات 21 نمونه خاک، مدل رقومی ارتفاع (DEM)، تصویر ماهوارهای سنجنده OLI، سیستم اطلاعات جغرافیایی (GIS) و سنجش از دور (RS) میباشد. با بررسی عوامل موثر در مدل RUSLE، که شامل فاکتور فرسایندگی باران، فاکتور فرسایش پذیری خاک، فاکتور توپوگرافی، فاکتور پوشش گیاهی و فاکتور عملیات حفاظتی میباشد، میزان فرسایش منطقه مورد مطالعه برآوردشد. براساس نتایج بهدست آمده میزان فرسایش سالانه خاک در کل منطقه مورد مطالعه صفر تا 95 تن در هکتار در سال برآورد شد. نتایج این تحقیق نشان داد فاکتور توپوگرافی با بالاترین مقدار ضریب تبیین (9/0=2R) بیشترین تاثیر را در برآورد فرسایش سالانه خاک توسط مدل RUSLEداشته است. این تحقیق، موثر بودن فناوریهای نوین سیستم اطلاعات جغرافیایی و سنجش از دور را برای تخمین کمی مقادیر فرسایش خاک تایید میکند.
کلیدواژه ها:
نویسندگان
خلیل حبشی
دانش اموخته کارشناسی ارشد بیابان زدایی، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان
شاهین محمدی
دانشجوی کارشناسی ارشد ابخیزداری، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان
حمیدرضا کریم زاده
استادیار گروه مرتع و ابخیزداری دانشکده منابع طبیعی دانشگاه صنعتی اصفهان
سعید پورمنافی
استادیار دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :