دوره 14، شماره 28 - ( پاییز و زمستان 1402 )
جلد 14 شماره 28 صفحات 13-1 |
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:
Katebi Kord A, Sadeghi َ H, Singh V P. (2023). Effects of Different Methods for Calculation of Topographic Factor on Precision of Storm-Wise Soil Loss Estimation. J Watershed Manage Res. 14(28), 1-13. doi:10.61186/jwmr.14.28.1
URL: http://jwmr.sanru.ac.ir/article-1-1179-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1179-fa.html
کاتبی کرد آزاده، صادقی سیدحمیدرضا، سینگ ویجی پی. تأثیر روش‌های مختلف محاسبه عامل توپوگرافی بر صحت برآورد هدررفت خاک در مقیاس رگبار پژوهشنامه مديريت حوزه آبخيز 1402; 14 (28) :13-1 10.61186/jwmr.14.28.1
گروه مهندسی آبخیزداری، دانشگاه تربیت مدرس
چکیده: (1199 مشاهده)
چکیده مبسوط
مقدمه و هدف: فرسایش خاک موجب کاهش حاصل‌خیزی زمین، تضعیف پوشش گیاهی، رسوبگذاری، تغییر شکل و پر شدن آبراهه‌ها به‌دلیل تجمع بیش از حد ناشی از سیل و کاهش کیفیت آب می‌شود. لذا تخمین صحیح فرسایش خاک در مدیریت آبخیزها بسیار ضروری است. در میان مدل‌هایی که برای پیش‌بینی فرسایش در مقیاس رگبار پیشنهاد شده است، یکی از پرکاربردترین آن‌ها، نسخه اصلاح شده رابطه جهانی فرسایش خاک (RUSLE) است. به‌دلیل اهمیت عامل LS در آبخیزهای کوچک و با توپوگرافی پیچیده بر نتایج مدل RUSLE، در این نوشتار فرسایش خاک حاصل از کاربرد چهار روش مختلف محاسبه عامل توپوگرافی مورد بررسی قرار گرفت.
مواد و روش‌ها: فرسایش خاک با استفاده از مدل RUSLE و چهار روش محاسبه عامل LS شامل Moore et al. (1991)، Desmet and Govers (1996)، Boehner and Selige (2006) و روش دستی برای 38 رگبار ثبت شده طی سال‌های 1390 تا 1398، در حوزه آبخیز گلازچای واقع در استان آذربایجان غربی محاسبه شد.
یافته‌ها: نتایج نشان داد که مقدار متوسط عامل توپوگرافی برای روش‌های Moore et al. (1991)، Desmet and Govers (1996)، Boehner and Selige (2006) و روش دستی بهترتیب 9/91، 5/26، 13/29 و 6/54 بوده‌است. تحلیل مقایسه نتایج روش‌های مورد استفاده با شیوه دستی نشان می‌دهد که نسبت متوسط مقادیر برآوردی از 0/80 تا 2/03 متغیر بوده است. با مقایسه مقدار متوسط نقشه‌های LS با روش دستی به‌عنوان روش مبنا و محاسبه میزان خطا مشخص شد که روش Desmet and Govers (1996) با حداقل اختلاف، در تخمین عامل توپوگرافی و نهایتاً مقدار متوسط فرسایش خاک حاصل از رگبارهای مطالعاتی موفق‌تر بوده است. در این پژوهش علی‌رغم وجود اختلاف در مقادیر فرسایش خاک، الگوی مکانی تقریباً یکسانی در همه روش‌ها مشاهده شد.
نتیجه‌گیری: تحلیل نتایج حاصل از روش‌های مختلف برآورد عامل توپوگرافی برای حوزه آبخیز گلازچای اشنویه دلالت بر تأثیر قابل توجه روش‌های مورد بررسی در مقدار فرسایش خاک برآوردی و ضرورت انتخاب روش مناسب محاسباتی برای دست‌یابی به مقادیر صحیح فرسایش خاک برای جلوگیری از خطا و کمینه‌سازی عدم قطعیت‌ها دارد. برآورد نادرست فرسایش خاک موجب مدیریت ناصحیح حوزه‌های آبخیز و هدررفت هزینه و انرژی می‌شود. پژوهش حاضر از لحاظ ارزیابی مقایسه‌ای اثر روش‌های محاسباتی مختلف یکی از عامل‌های حساس رابطه جهانی فرسایش خاک و نسخه‌های مختلف آن بر میزان هدررفت خاک برآوردی در مقیاس رگبار و حوزه آبخیز جدید و از حیث معطوف‌سازی توجه کارشناسان اجرایی و برنامه‌ریزان محلی در ضرورت انتخاب روش محاسباتی مناسب نوآوری دارد. اگرچه انجام مطالعات گسترده‌تر برای بررسی سایر روش‌های محاسبه LS و حتی دیگر عوامل RUSLE، در مقیاس‌های مکانی مختلف به‌منظور مقایسه دقیق‌تر مقدار فرسایش خاک و ارائه جمع‌بندی‌های جامع پیشنهاد می‌شود.
مقدمه و هدف: فرسایش خاک موجب کاهش حاصل‌خیزی زمین، تضعیف پوشش گیاهی، رسوبگذاری، تغییر شکل و پر شدن آبراهه‌ها به‌دلیل تجمع بیش از حد ناشی از سیل و کاهش کیفیت آب می‌شود. لذا تخمین صحیح فرسایش خاک در مدیریت آبخیزها بسیار ضروری است. در میان مدل‌هایی که برای پیش‌بینی فرسایش در مقیاس رگبار پیشنهاد شده است، یکی از پرکاربردترین آن‌ها، نسخه اصلاح شده رابطه جهانی فرسایش خاک (RUSLE) است. به‌دلیل اهمیت عامل LS در آبخیزهای کوچک و با توپوگرافی پیچیده بر نتایج مدل RUSLE، در این نوشتار فرسایش خاک حاصل از کاربرد چهار روش مختلف محاسبه عامل توپوگرافی مورد بررسی قرار گرفت.
مواد و روش‌ها: فرسایش خاک با استفاده از مدل RUSLE و چهار روش محاسبه عامل LS شامل Moore et al. (1991)، Desmet and Govers (1996)، Boehner and Selige (2006) و روش دستی برای 38 رگبار ثبت شده طی سال‌های 1390 تا 1398، در حوزه آبخیز گلازچای واقع در استان آذربایجان غربی محاسبه شد.
یافته‌ها: نتایج نشان داد که مقدار متوسط عامل توپوگرافی برای روش‌های Moore et al. (1991)، Desmet and Govers (1996)، Boehner and Selige (2006) و روش دستی بهترتیب 9/91، 5/26، 13/29 و 6/54 بوده‌است. تحلیل مقایسه نتایج روش‌های مورد استفاده با شیوه دستی نشان می‌دهد که نسبت متوسط مقادیر برآوردی از 0/80 تا 2/03 متغیر بوده است. با مقایسه مقدار متوسط نقشه‌های LS با روش دستی به‌عنوان روش مبنا و محاسبه میزان خطا مشخص شد که روش Desmet and Govers (1996) با حداقل اختلاف، در تخمین عامل توپوگرافی و نهایتاً مقدار متوسط فرسایش خاک حاصل از رگبارهای مطالعاتی موفق‌تر بوده است. در این پژوهش علی‌رغم وجود اختلاف در مقادیر فرسایش خاک، الگوی مکانی تقریباً یکسانی در همه روش‌ها مشاهده شد.
نتیجه‌گیری: تحلیل نتایج حاصل از روش‌های مختلف برآورد عامل توپوگرافی برای حوزه آبخیز گلازچای اشنویه دلالت بر تأثیر قابل توجه روش‌های مورد بررسی در مقدار فرسایش خاک برآوردی و ضرورت انتخاب روش مناسب محاسباتی برای دست‌یابی به مقادیر صحیح فرسایش خاک برای جلوگیری از خطا و کمینه‌سازی عدم قطعیت‌ها دارد. برآورد نادرست فرسایش خاک موجب مدیریت ناصحیح حوزه‌های آبخیز و هدررفت هزینه و انرژی می‌شود. پژوهش حاضر از لحاظ ارزیابی مقایسه‌ای اثر روش‌های محاسباتی مختلف یکی از عامل‌های حساس رابطه جهانی فرسایش خاک و نسخه‌های مختلف آن بر میزان هدررفت خاک برآوردی در مقیاس رگبار و حوزه آبخیز جدید و از حیث معطوف‌سازی توجه کارشناسان اجرایی و برنامه‌ریزان محلی در ضرورت انتخاب روش محاسباتی مناسب نوآوری دارد. اگرچه انجام مطالعات گسترده‌تر برای بررسی سایر روش‌های محاسبه LS و حتی دیگر عوامل RUSLE، در مقیاس‌های مکانی مختلف به‌منظور مقایسه دقیق‌تر مقدار فرسایش خاک و ارائه جمع‌بندی‌های جامع پیشنهاد می‌شود.
نوع مطالعه: پژوهشي |
موضوع مقاله:
فرسايش خاک و توليد رسوب
دریافت: 1400/11/4 | ویرایش نهایی: 1402/10/18 | پذیرش: 1400/11/27 | انتشار: 1402/10/18
دریافت: 1400/11/4 | ویرایش نهایی: 1402/10/18 | پذیرش: 1400/11/27 | انتشار: 1402/10/18
فهرست منابع
1. Azizian, A., & Kohi, S. (2019). Evaluating the effect of different methods for calculating topographic factor on sediment delivery rate based on RUSLE model (case study: Barajin catchment, Qazvin). Iran Water Resources Research, 24, 304-317. (In Persian)
2. Babaei, M., Hosseini, S.Z., Nazari Samani., A., & Almodari, S.A. (2016). Assessment of soil erosion using RUSLE 3D, case study: Kan-Soleghan Watershed. Management and Engineering Watershed of Journal, 8(2), 165-181. (In Persian)
3. Blanco, A.C., & Nadaoka, K. (2006). A comparative assessment and estimation of potential soil erosion rates and patterns in Laguna lake watershed using three models. In Symposium on Infrastructure Development and the Environment (pp. 7-8).
4. Boehner, J., & Selige, T. (2006). Spatial prediction of soil attributes using terrain analysis and climate regionalisation. Göttinger Geographische Abhandlungen, 115, 13-27.
5. Chakroun, H., Bonn, F., & Fortin, J.P. (1993). Combination of single storm erosion and hydrological models into a geographic information system. In International symposium on farm land erosion (pp. 261-270). [DOI:10.1016/B978-0-444-81466-1.50027-7]
6. Covelli, C., Cimorelli, L., Pagliuca, D.N., Molino B., & Pianese, D. (2020). Assessment of erosion in river basins: A distributed model to estimate the sediment production over watersheds by a 3-dimensional LS factor in RUSLE model. Hydrology, 7(1), 13. [DOI:10.3390/hydrology7010013]
7. Dabral, P.P., Baithuri, N., & Pandey, A. (2008). Soil erosion assessment in a hilly catchment of North Eastern India using USLE, GIS and remote sensing. Water Resources Management, 22(12), 1783-1798. [DOI:10.1007/s11269-008-9253-9]
8. Das, S., Bora, P.K., & Das, R. (2021). Estimation of slope length gradient (LS) factor for the sub-watershed areas of Juri River in Tripura. Modeling Earth Systems and Environment, 24, 1-7. [DOI:10.1007/s40808-021-01153-0]
9. Desmet, P.J.J., & Govers, G. (1996). A GIS procedure for automatically calculating the USLE LS factor on topographically complex landscape units. Journal of Soil and Water Conservation, 51(5), 427-433.
10. Gao, J. (1997). Resolution and accuracy of terrain representation by grid DEMs at a micro-scale. International Journal of Geographical Information Science, 11(2), 199-212. [DOI:10.1080/136588197242464]
11. Gertner, G., Wang, G., Fang, S., & Anderson, A.B. (2002). Effect and uncertainty of digital elevation model spatial resolutions on predicting the topographical factor for soil loss estimation. Journal of Soil and Water Conservation, 57(3), 164-174.
12. Gelagay, H.S., & Minale, A.S. (2016). Soil loss estimation using GIS and remote sensing techniques: A case of Koga watershed, Northwestern Ethiopia. International Soil and Water Conservation Research, 4(2), 126-136. [DOI:10.1016/j.iswcr.2016.01.002]
13. Hrabalíková, M., & Janeček, M. (2017). Comparison of different approaches to LS factor calculations based on a measured soil loss under simulated rainfall. Soil and Water Research, 12, 69-77. [DOI:10.17221/222/2015-SWR]
14. Katebikord, A., Sadeghi, S.H.R., & Singh, V.P. (2019). Effects of different methods and algorithms on estimation of soil erosion topography factor. 14th National Conference on Watershed Management Sciences and Engineering (1-6), Urmia, Iran. (In Persian)
15. Khorsand, M., Khaledi darvishan, A., & Gholamalifard, M. (2017). Comparison between estimated annual soil lossusing RUSLE model with data from the erosion pins and plots in Khamsan representative watershed. Iranian Journal of Ecohydrology, 3(4), 669-680. (In Persian) [DOI:10.7251/AGRENG1802022K]
16. Lin, Q., & Wan, X. (2006). Soil erosion prediction using RUSLE with GIS: A case study in upper Chaobai River basin of China. In 2006 IEEE International Symposium on Geoscience and Remote Sensing (pp. 1086-1089). [DOI:10.1109/IGARSS.2006.280]
17. Liu, H., Fohrer, N., Hörmann, G., & Kiesel. J. (2009). Suitability of S factor algorithms for soil loss estimation at gently sloped landscapes. Catena, 77(3), 248-255. [DOI:10.1016/j.catena.2009.02.001]
18. Liu, H., Kiesel, J., Hörmann G., & Fohrer. N. (2011). Effects of DEM horizontal resolution and methods on calculating the slope length factor in gently rolling landscapes. Catena, 87(3), 368-375. [DOI:10.1016/j.catena.2011.07.003]
19. Lu, S., Liu, B., Hu, Y., Fu, S., Cao, Q., Shi,Y., & Huang, T. (2020). Soil erosion topographic factor (LS): Accuracy calculated from different data sources. Catena, 187, 104334. [DOI:10.1016/j.catena.2019.104334]
20. McCool, D.K., Foster, G.R., Mutchler, C.K., & Meyer, L.D. (1989). Revised slope length factor for the Universal Soil Loss Equation. Transactions of the ASAE, 32, 1571-1576. [DOI:10.13031/2013.31192]
21. Merritt, W.S., Letcher, R.A., & Jakeman, A.J. (2003). A review of erosion and sediment transport models. Environmental Modelling & Software, 18(8), 761-799. [DOI:10.1016/S1364-8152(03)00078-1]
22. Mohammadi, M., Fallah, M., Kavian, A., Gholami, L.& Omidvar, E. (2016). The application of RUSLE model in spatial distribution determination of soil loss hazard. Ecohydrology, 3, 645-658. (In Persian)
23. Moore, I.D., & Burch, G.J. (1986). Physical basis of the length-slope factor in the Universal Soil Loss Equation. Soil Science Society of America Journal, 50(5), 1294-1298. [DOI:10.2136/sssaj1986.03615995005000050042x]
24. Moore, I.D., Grayson, R.B., & Landson, A.R. (1991). Digital terrain modeling, a review of hydrological, geomorphological and biological applications. Hydrological Processes, 5, 3-30. [DOI:10.1002/hyp.3360050103]
25. Moore, I.D., & Wilson, J.P. (1992). Length-slope factors for the Revised Universal Soil Loss Equation: Simplified method of estimation. Journal of soil and water conservation, 47(5), 423-428.
26. Oliveira, P.T.S., Rodrigues, D.B.B., Sobrinho, T.A., Panachuki, E., & Wendland, E. (2013). Use of SRTM data to calculate the (R) USLE topographic factor. Acta Scientiarum. Technology, 35(3), 507-513. [DOI:10.4025/actascitechnol.v35i3.15792]
27. Panagos, P., Borrelli, P., & Meusburger, K. (2015). A new European slope length and steepness factor (LS-Factor) for modelling soil erosion by water. Geosciences, 5, 117-126. [DOI:10.3390/geosciences5020117]
28. Phinzi, K., & Ngetar, N.S. (2019). The assessment of water-borne erosion at catchment level using GIS-based RUSLE and remote sensing: A review. International Soil and Water Conservation Research, 7(1), 27-46. [DOI:10.1016/j.iswcr.2018.12.002]
29. Renard, K. G., Foster, G. R., Weesies, G. A., McCool, D. K., & Yoder, D. C. (1996). Predicting soil erosion by water: A guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE). Agriculture Handbook, 703, 400.
30. Rodriguez, J.L.G., & Suárez, M.C.G., (2010). Estimation of slope length value of RUSLE factor L using GIS. Journal of Hydrologic Engineering, 15(9), 714-717. [DOI:10.1061/(ASCE)HE.1943-5584.0000232]
31. Roose E. (1977). Erosion et ruissellement en Afrique de l'ouest-vingt annees de mesures en petites parcelles experimentales. Pour Faire Face A' Ce Proble'me Pre'occupant, I'ORSTOM et Les Instituts Travaux et Documents de I'ORSTOM, 78, 108.
32. Sadeghi, S.H.R., Dashtpagerdi, M.M., Rekabdarkoolai, H.M., & Schoorl, M.J. (2021). Sensitivity analysis of relationships between hydrograph components and landscapes metrics extracted from digital elevation models with different spatial resolutions. Ecological Indicators, 121, 107025. [DOI:10.1016/j.ecolind.2020.107025]
33. Sadeghi, S.H.R., Jafarpoor, A., Zabihi Silabi, M., Molashahi, Sh., Naghdi, M., Sharifi Moghani, M., Ghysoori, Z., & Farzadfar, E. (2021). Biologic management framework of soil erosion in the watershed (applied study, Oshnavieh Galazchai, West Azerbaijan, Iran). Iranian Journal of Soil and Water Research, 52(4), 997-1010. (In Persian)
34. Sadeghi, S.H.R., Mostafazadeh R., & Sadoddin, A. (2015a). Changeability of simulated hydrograph from a steep watershed resulted from applying Clark's IUH and different time-area histograms. Environmental Earth Sciences, 74(4), 3629-3643. [DOI:10.1007/s12665-015-4426-3]
35. Sadeghi, S.H.R., Mostafazadeh, R., & Sadoddin, A. (2015b). Response of sedimentgraphs and sediment rating loops to land use type and spatial pattern. Management and Engineering Watershed of Journal, 7(1), 15-26. (In Persian)
36. Sadeghi, S.H.R., Saeidi, P., & Telvari, A. (2018). Contribution of wash and channel sediment sources in supplying storm suspended sediment load in the galazchai watershed. Water Resources Engineering, 10(35), 17-26. (In Persian)
37. Sadeghi, S.H.R., Singh, J.K., & Das, G. (2004). Efficacy of annual soil erosion models for storm-wise sediment prediction: a case study, International Agricultural Engineering Journal, 13(1&2), 1-14.
38. Sadeghi, S.H.R., & Tavangar, S. (2015). Development of stational models for estimation of rainfall erosivity factor in different timescales. Natural Hazards, 77(1), 429-443. [DOI:10.1007/s11069-015-1608-y]
39. Shan, L., Yang, X., & Zhu, Q. (2019). Effects of DEM resolutions on LS and hillslope erosion estimation in a burnt landscape. Soil Research, 57(7), 797-804. [DOI:10.1071/SR19043]
40. Thomas, J., Prasannakumar, V., & Vineetha, P. (2015). Suitability of spaceborne digital elevation models of different scales in topographic analysis: an example from Kerala, India. Environmental Earth Sciences, 73(3), 1245-1263. [DOI:10.1007/s12665-014-3478-0]
41. Tucker, C.J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote sensing of Environment, 8(2), 127-150. [DOI:10.1016/0034-4257(79)90013-0]
42. Van Oost, K., Govers, G., & Desmet, P. (2000). Evaluating the effects of changes in landscape structure on soil erosion by water and tillage. Landscape Ecology, 15(6), 577-589. [DOI:10.1023/A:1008198215674]
43. Walkley, A., & Black, I.A. (1934). An examination of the Degtjareff method for determining soil organic matter, and a proposed modification of the chromic acid titration method. Soil Science, 37(1), 29-38. [DOI:10.1097/00010694-193401000-00003]
44. Wang, C., Yang, Q., Guo, W., Liu, H., Jupp, D., Li, R., & Zhang, H. (2012). Influence of resolution on slope in areas with different topographic characteristics. Computers & Geosciences, 41, 156-168. [DOI:10.1016/j.cageo.2011.10.028]
45. Wang, G., Gertner, G., Parysow, P., & Anderson. A. (2001). Spatial prediction and uncertainty assessment of topographic factor for revised universal soil loss equation using digital elevation models. ISPRS Journal of Photogrammetry and Remote Sensing, 56, 65-80. [DOI:10.1016/S0924-2716(01)00035-1]
46. Wang, M., Baartman, J.E., Zhang, H., Yang, Q., Li, S., Yang, J., Cai, C., Wang, M., Ritsema, C.J., & Geissen, V. (2018). An integrated method for calculating DEM-based RUSLE LS. Earth Science Informatics, 11(4), 579-590. [DOI:10.1007/s12145-018-0349-3]
47. Wischmeier, W. H., & Smith, D. D. (1978). Predicting rainfall erosion losses: a guide to conservation planning (No. 537). Department of Agriculture, Science and Education Administration.
48. Yang, J.H., Liu, H.Q., Zhang, J.P., Rahma, A.E., & Lei, T.W. (2022). Lab simulation of soil erosion on cultivated soil slopes with wheat straw incorporation. Catena, 210, 105865. [DOI:10.1016/j.catena.2021.105865]
49. Young, R.A., & Mutchler, C.K. (1969). Soil movement on irregular slopes. Water Resources Research, 5(5), 1084-1089. [DOI:10.1029/WR005i005p01084]
50. Zhang, H., Wei, J., Yang, Q., Baartman, J.E., Gai, L., Yang, X., Li, S.,Yu, J., Ritsema, C.J., & Geissen, V. (2017). An improved method for calculating slope length (λ) and the LS parameters of the Revised Universal Soil Loss Equation for large watersheds. Geoderma, 308, 36-45. [DOI:10.1016/j.geoderma.2017.08.006]
51. Zhang, H., Yang, Q., Li, R., Liu, Q., Moore, D., He, P., Ritsema, C., & Geisse, V. (2013). Extension of a GIS procedure for calculating the RUSLE equation LS factor. Computers & Geosciences, 52, 177-188. [DOI:10.1016/j.cageo.2012.09.027]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
