مدل سازی فرسایش خاک برای ازیابی طول شیب مناسب در مناطق مستعد خطر
محل انتشار: مجله هیدروژیومورفولوژی، دوره: 13، شماره: 47
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 114
فایل این مقاله در 23 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_HYD-13-47_008
تاریخ نمایه سازی: 16 تیر 1405
چکیده مقاله:
فرسایش خاک یکی ازمهم ترین چالش های زیست محیطی است که مستقیم بر پایداری سرزمین تاثیر می گذارد. در میان مدل های تجربی مختلف، معادله جهانی اصلاح شده فرسایش خاک (RUSLE ) به عنوان یکی از معتبرترین ابزارها برای برآورد میانگین بلند مدت کمی میزان فرسایش به کار می رود. دقت خروجی های این مدل به کیفیت و تفکیک مکانی مدل رقومی ارتفاع (DEM)، به ویژه در محاسبه عامل طول و شیب و دامنه (LS)، وابستگی زیادی دارد. این تحقیق با بهره گیری از رویکردهای زمین آماری و سامانه اطلاعات جغرافیایی (GIS)، مناسب ترین اندازه سلول DEM برای برآورد عامل LS در مدل سازی فرسایش خاک تعیین شد. چهار DEM با اندازه های ۳۰، ۵۰، ۱۰۰ و ۳۰۰ متر تولید و با استفاده از تحلیل نیم واریوگرام و کریجینگ، وابستگی مکانی و دقت پیش بینی مورد ارزیابی قرار گرفت. تا تاثیراندازه سلول بر تنوع پذیری داده ها و دقت پیش بینی عامل LS بررسی شود. نتایج نشان داد که با افزایش اندازه سلول تا ۵۰ متر، اثر ناگت کاهش یافته و وابستگی فضایی داده ها افزایش می یابد، در حالی که با افزایش بیشتر اندازه سلول، میزان تنوع مکانی و دقت مدل کاهش می یابد. بر اساس مقایسه پارامترهای زمین آماری DEM ، با اندازه سلول ۵۰ متر مناسب ترین تفکیک مکانی برای محاسبه عامل LS در منطقه مورد مطالعه تشخیص داده شد. یافته های این پژوهش می تواند به عنوان مبنایی برای انتخاب بهینه تفکیک مکانی DEM در مطالعات فرسایش خاک و تحلیل های هیدرولوژیکی مشابه مورد استفاده قرار گیرد.
کلیدواژه ها:
نویسندگان
محمد الماسی نیا
استادیار، گرو ه جغرافیا و برنامه ریزی شهری، دانشگا ه پیام نور، تهران،ایران
حسن علیزاده
دانشیار، گروه زمین شناسی، دانشگاه پیام تهران،ایران
شهریار ممزایی
۳- کارشناس دفتر امور روستایی وشوراهای استانداری 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 :