پهنه بندی فرسایش پذیری بادی خاک سواحل شرقی دریاچه ارومیه

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 228

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WASO-31-3_001

تاریخ نمایه سازی: 24 دی 1401

چکیده مقاله:

فرسایش بادی خاک زمانی رخ می­دهد که سرعت باد از آستانه فرسایش خاک بیشترشده و سطح خاک با گیاهان یا باقیمانده آن­ها، ناهمواری­های سطح و یا موانع دیگر حفاظت نشده باشد. همچنین فرسایش­پذیری بادی یکی از مهمترین پارامترهای تعیین­کننده فرسایش بادی تحت شرایط آب و هوایی معین می­باشد. هدف اصلی این تحقیق تهیه نقشه فرسایش­پذیری بادی خاک از طریق ارتباط تجربی بین تصاویر ماهواره­ای و ویژگی های فیزیکو شیمیایی در سواحل شرقی دریاچه ارومیه می­باشد. برای این تحقیق نمونه­برداری خاک در ۱۵۳ نقطه سه لایه ارتفاعی (۱۲۷۱-۱۲۷۳، ۱۲۷۳-۱۲۷۵و ۱۲۷۵-۱۲۷۸متر ارتفاع از سطح دریا) انجام و از ۴ روش نظارت شده مانند حداقل فاصله، حداکثر احتمال، شبکه عصبی مصنوعی(ANN) و ماشین بردار پشتیبان(SVM) درطبقه­بندی و نقشه­برداری از فرسایش­پذیری استفاده شد. ویژگی­های فیزیکوشیمیایی نمونه­های خاک نیز اندازه­گیری و ۲۶ نمونه از آن­ها بصورت تصادفی جهت بررسی فرسایش­پذیری بادی در تونل باد انتخاب گردید. نتایج حاصله از آزمایش­های تونل­باد با ارتفاع ۲۰ سانتیمتراز کف تونل، بیانگر فرسایش­پذیری بادی میانگین ((g m-۲  min-۱)/(m s-۱)) ۹۲/۲ است. نتایج رگرسیون گام به گام نیز نشان داد که از بین ویژگی­های فیزیکو شیمیایی خاک­ها، جزء فرسایش­پذیر مهمترین ویژگی خاک است که در تخمین فرسایش­پذیری مورد استفاده قرار می­گیرد و با فرسایش­پذیری بادی خاک همبستگی مثبت دارد. میانگین وزن قطر خاکدانه­ها با فرسایش­پذیری خاک همبستگی منفی معنی­داری داشته و هیچ رابطه­ای بین ویژگی­های شیمیایی خاک و فرسایش­پذیری یافت نشد. از ۴ روش طبقه­بندی نظارت شده، شبکه عصبی مصنوعی قابلیت بالاتری درطبقه­بندی و نقشه­برداری فرسایش­پذیری داشته ودر نهایت نتایج نشان داد که دقت کلی طبقه­بندی۱/۵۷ ٪ می باشد.

کلیدواژه ها:

نویسندگان

ساغر چاخرلو

گروه علوم خاک ، دانشکده کشاورزی ، دانشگاه تبریز

علی اصغر جعفرزاده

گروه علوم خاک ، دانشکده کشاورزی ، دانشگاه تبریز

عباس احمدی

گروه علوم خاک ، دانشکده کشاورزی ، دانشگاه تبریز

بختیار فیضی زاده

گروه سنجش از دور و GIS ، دانشگاه تبریز

فرزین شهبازی

گروه علوم خاک ، دانشکده کشاورزی ، دانشگاه تبریز

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 :
  • Ahmadi A, ۲۰۰۹. Artificial neural networks applicability in erosion and ...
  • Bower CA, Reitemeier F and Fireman M, ۱۹۵۲. Exchangeable cation ...
  • Chepil W, ۱۹۵۰. Methods of estimating apparent density of discrete ...
  • Colazo JC and Buschiazzo DE, ۲۰۱۰. Soil dry aggregate stability ...
  • Gardner WH, ۱۹۸۶. Water Content. Pp. ۴۹۳-۵۴۴. In: Klute A, ...
  • Gee GW and Or D, ۲۰۰۲. Particle size analysis. Pp. ...
  • Goetz J, Brenning A, Petschko H and Leopold P, ۲۰۱۵. ...
  • Hassan AA and Mustafa MA, ۲۰۱۱. Assessment and mapping of ...
  • Lopez MV, Herrero JM, Hevia GG, Gracia R and Buschiazzo ...
  • McBratney AB, Santos MLM and Minasny B, ۲۰۰۳. On digital ...
  • Mustafa MA and Medani GH, ۲۰۰۴. Wind erodibility of soils ...
  • Négyesi G, Lóki J, Buró B and Szabó S, ۲۰۱۶. ...
  • Nelson DW and Sommers LE, ۱۹۹۶. Total Carbon, Organic Carbon, ...
  • Nohtani M, Pahlavan Ravi A, Dehvari A, Jahantigh M and ...
  • Pasztor L, Négyesi G, Laborczi A and Kovacs T, ۲۰۱۶. ...
  • Raei B, ۲۰۱۹. Evaluation of some artificial and hybrid intelligence ...
  • Rakkar MK, Blanco-Canqui H and Tatarko J, ۲۰۱۹. Predicting soil ...
  • Richard LA, ۱۹۶۹. Diagnosis and Improvements of Saline and Alkali ...
  • نمایش کامل مراجع