کاربرد GIS و RS در ارزیابی خطر فرسایش آبی با استفاده از مدل USLE : مطالعه موردی حوضه آبخیز رحیم آباد فسا
محل انتشار: سومین کنفرانس مدیریت منابع آب
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,355
فایل این مقاله در 9 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:
WRM03_443
تاریخ نمایه سازی: 28 فروردین 1387
چکیده مقاله:
فرسایش باعث تخریب اکوسیستم ها می گردد. با تخریب خاک، استقرار و پایداری گیاه محدود شده و به طبع آن نفوذ پذیری و سیکل جریان های آب مختل می گردد. در این تحقیق میزان تخریب خاک با استفاده از مدل جهانی فرسایش (USLE) در حوضه آبخیز رحیم آباد فسا با مساحت ۱۹۷ کیلومتر مربع برآورد شده است. از پارامترهای ۶ گانه مدل فوق میزان فرسایندگی باران، طول و درجه شیب دامنه به کمک GIS و پارامترهای مدیریت سرزمین، فرسایش پذیری و حفاظت خاک به کمک فن آوری های RS برآورد شده است. در برآورد طول و درجه شیب دامنه و تدقیق اشکال فرسایش، ابتدا DEM به روش TPSs استخراج و سپس با استفاده از OIF بهترین ترکیب باندی برای نقشه های کاربری و خاک به کمک سنجنده ETM + انتخاب و از شاخص NDVI پارمتر C برآورد شده است. نتایج نشان داد ، کل فرسا یش ٢٩٨٧٠٤ تن ، متوسط فرسا یش ١٥ تن ، بیشترین مقدار فرسایش در زیرحوضه C2-2–2 معادل ٣٨٦٢٢ تن و کمترین مقدار در زیر حوضه C2-2-3 با 29 تن و در زیر حوضه C`2-1-4 به دلیل بالا بودن درجه شیب و نیز طولانی بودن دامنه، مقدار وزن ی فرسا یش 52 تن درهکتار درسال برآورد شده است. با توجه به این نتایج بر اثر فرسایش نه تنها خاک حاصلخ یزی خود را از دست می دهد، بلکه منابع اراضی و آب پایاب حوضه تحت تاثیر رسوب حاصله خواهد بود . همچنین پدیده فرسایش به مقدار قابل توجهی در تخریب پوشش گیاهی، کاهش نفوذ پذیری سطح حو ضه و در مجموع اثر منفی بر روی بیلان آبی حوضه خواهد داشت.
کلیدواژه ها:
نویسندگان
حسین آهنی
کارشناس ارشد مدیریت مناطق بیابانی و رئیس گروه پایش ومونیتورینگ اداره
مجید باقرنژاد
دانشیار گروه خاکشناسی دانشکده کشاورزی؛ دانشگاه شیراز
سید رشید فلاح شمسی
دانشیار گروه خاکشناسی دانشکده کشاورزی؛ دانشگاه شیراز
اردوان قربانی
استادیار گروه مرتع و آبخیز دانشگاه محقق اردبیلی
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 :