تخمین فرسایش خاک بخشی از حوضه آبخیز سد قشلاق با استفاده از مدل Thornes

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 دانش‌آموخته کارشناسی‌ارشد ، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران.

2 استادیار، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران.

3 دانشیار، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران.

چکیده

سابقه و هدف: تعیین مقدار فرسایش خاک و همچنین توزیع مکانی آن، می‌تواند اعمال مدیریت مناسب جهت کاهش مسائل و مشکلات ناشی از فرسایش را به‌طور مؤثری مهیا سازد. تعیین مستقیم فرسایش خاک مستلزم وقت و هزینه زیادی بوده و نتایج حاصل از آن نیز اغلب منطقه‌ای و محدود می‌باشد. این موضوع سبب گردیده که مدل‌های مختلفی جهت برآورد فرسایش خاک و تولید رسوب ارائه شود. به‌دلیل محدودبودن و کم‌بودن اطلاعات اکثر حوضه‌های آبخیز کشور، استفاده از مدل‌هایی که نیاز به ورودیهای نسبتاً کمی دارند نسبت به مدل‌های با ورودی‌های زیاد، منطقی به نظر می‌رسد. در کنار مدل‌های تجربی و فرایندی، تعدادی از مدل-های تخمین فرسایش باعنوان مدل‌های ترکیبی (هیبرید) شناخته شده‌اند. یکی از مدل‌های ترکیبی، مدل Thornes بوده که نیاز به داده-های ورودی نسبتاً کمی داشته و در ارتباط با این مدل پژوهشی در ایران صورت نگرفته‌است. از این رو، این تحقیق با هدف پهنه‌بندی میزان فرسایش خاک و بار رسوب در بخشی از حوضه آبخیز سد قشلاق سنندج با استفاده از مدل‌ Thornes به کمک سامانه اطلاعات جغرافیایی (GIS) و سنجش از دور (RS) انجام شد.
مواد و روشها: با استفاده از روش نمونه‌برداری تصادفی طبقه‌بندی‌شده، 200 نمونه خاک جمع‌آوری شده و پارامترهای بافت خاک، توزیع اندازه ذرات، کربن آلی و کربنات‌کلسیم معادل خاک در آزمایشگاه با روش‌های معمول اندازه‌گیری گردید. جهت تعیین پارامترهای ورودی مدل‌ مورد بررسی از نتایج آزمایشگاهی، تصاویر ماهواره لندست 8 در طول یک دوره 6 ساله و برخی داده‌های هواشناسی شامل بارندگی منطقه، تبخیرو تعرق پتانسیل و فرکانس بارندگی استفاد شد. در نهایت به کمک نرم‌افزارهای ArcMap، Saga GIS و ENVI پارامترها و نقشه‌های مورد نیاز مدل‌ تهیه گردیدند. نسبت تحویل رسوب (SDR) حوضه نیز با فرض اینکه نسبت تحویل رسوب (SDR)، تابعی از زمان حرکت رواناب سطحی از سلول‌های حوضه به نزدیکترین کانال پایین دست است برآورد گردید.
یافته‌ها: نتایج نشان داد میانگین سالیانه فرسایش برآوردی مدل Thornes، 0.76میلی‌متر در سال یا 10.24 تن در هکتار در سال (با فرض جرم ویژه ظاهری 1.4 گرم بر سانتی‌متر مکعب) بوده و باتوجه به SDR محاسبه‌ای برای کل حوضه، میزان رسوب برآوردی توسط مدل، 4.34 تن در هکتار در سال محاسبه گردید. نتایج مدل Thornes نشان داد که حساسیت این مدل به برخی پارامترها از جمله، تبخیر و تعرق پتانسیل و ظرفیت نگهداری آب بالقوه بسیار زیاد بوده و تغییرات کوچکی در این پارامترها سبب تغییر زیادی در نتایج شده که خود سبب کاهش کارایی مدل خواهد شد.
نتیجه‌گیری: باتوجه به مطالعات عرصه‌ای و مشاهده وضعیت فرسایش و رسوب و همچنین برطبق آمار بلندمدت رسوب خارج‌شده از حوضه (1/3 تن در هکتار در سال)، ‌به‌نظر می‌رسد مدل Thornes برآورد نسبتاً قابل قبولی از وضعیت فرسایش در بخش‌های زیادی از حوضه مورد مطالعه داشته است. هرچند نوع مدل انتخابی جهت تخمین نسبت تحویل رسوب و نهایتاً بار رسوب می‌تواند در تعیین کارایی مدل تاثیرگذار باشد. باتوجه به اینکه این مدل به داده‌های نسبتاً کمی نیاز داشته، ممکن است بتوان از آن برای پیش‌بینی فرسایش در حوضه‌های فاقد اطلاعات یا با اطلاعات ضعیف استفاده کرد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Soil erosion estimation in a part of Gheshlagh dam watershed using Thornes model

نویسندگان [English]

  • Rawa Abdulqadir Mohammed 1
  • Naser Khaleghpanah 2
  • Masoud Davari 3
1 Department of Soil Science, Faculty of Agriculture, University of Kurdistan -
2 Department of Soil Science, Faculty of Agriculture, University of Kurdistan
3 Department of Soil Science, Faculty of Agriculture, University of Kurdistan
چکیده [English]

Background and objectives: Determining the amount of soil erosion and its spatial distribution can effectively provide appropriate management practices to reduce erosion problems. Direct measurement of soil erosion takes a lot of time and money, and results are often regional and limited. This issue has led to the development of various models for estimating soil erosion and sediment production. Since most of the watersheds in Iran lack sufficient and accurate information, models that require relatively few inputs make more sense than models with high inputs. Along with empirical and process-based models, a number of erosion estimation models are known as hybrid models. One of the hybrid models is the Thornes model, which requires relatively little input data, and there has been no research related to this model in Iran. Therefore, this study was conducted to determine spatial variation the soil erosion rate and sediment yield in a part of the Sanandaj Gheshlagh Dam watershed using the Thornes model utilizing GIS and remote sensing (RS).
Materials and methods: Two hundred soil samples were collected using a stratified random sampling method and the parameters of soil texture, particle size distribution, organic carbon, and soil CaCO3 equivalent in the laboratory were measured by conventional methods. In order to determine the input parameters of the studied model, laboratory results, Landsat 8 satellite images during a 6-year period, and some monthly meteorological data including precipitation, precipitation days number and potential evapotranspiration were analyzed. Finally, using ArcMap, Saga GIS, and ENVI software, the required parameters, and maps of the models were prepared, and the studied models were run. Sediment delivery ratios (SDRs) are assumed to be a function of the travel time of surface runoff from catchment cells to the nearest downstream channel.
Results: The results showed that the estimated average erosion of the Thornes model was 0.76 mm per year or 10.24 tons per hectare per year (assuming a bulk density of 1.4 gr/cm3), and according to the calculated SDR, the estimated sediment was calculated by the model as 4.34 tons per hectare per year. The results of the Thornes model showed that the sensitivity of this model to some parameters, including potential evapotranspiration and potential water storage capacity, was very high. Small changes in these parameters caused a significant difference in the results, which would reduce the efficiency of the model.
Conclusion: According to the field observations and the investigation of erosion and sedimentation situations in the studied watershed, as well as long-term information about sediment discharged from the hydrometric station (3.10 tons per hectare per year), it seems that the Thornes model has been a relatively reasonable estimate of erosion in many parts of the studied watershed. Although, the type of model used to estimate the sediment delivery ratio and then the sediment yield can have a significant effect on the model's efficiency. Considering that this model requires relatively few data, it may be possible to use it to predict erosion in watersheds with no information or with poor information.

کلیدواژه‌ها [English]

  • Sediment delivery ratio
  • Hybrid models
  • Geographic information system
  • Remote sensing
1.Wu, C., Zhou, Z., Xiao, W., Wang, P., Teng, M., & Huang, Z. (2011). Estimation of soil erosion in the Three Gorges Reservoir Area of China using RUSLE, remote sensing and GIS. Journal of Food Agriculture and Environment, 9 (2), 728-734. doi: 10.1071/sr10191.
2.Arabkhedri, M., Iranmanesh, F., Razmjoo, P., & Hakimkhani, S. (2005). Preparing a sediment production map for Iran and prioritizing watersheds in terms of sedimentation. P 83-88, 3rd Erosion and Sediment National Conference, Tehran. https://en.civilica.com/doc/8215/. [In Persian]
3.Nigel, R., & Rughooputh, S. (2010). Mapping of monthly soil erosion risk of mainland Mauritius and its aggregation with delineated basins. Geomorphology, 114, 101-114. doi: 10.1016/j.geomorph. 2009.06.013.
4.troosnijder, L. (2005). Measurement of erosion: Is it possible? Catena, 64, 162-173. doi: 10.1016/j.catena.2005.08.004.
5.Merritt, W. S., Letcher, R. A., & Jakeman, A. J. (2003). A review of erosion and sediment transport models. Environmental Modelling & Software, 18, 761–799. doi: 10.1016/S1364-8152 (03)00078-1.
6.Hajigholizadeh, M., Melesse, A. M., & Fuentes, H. R. (2018). Erosion and sediment transport modelling in shallow waters: A review on approaches, models and applications. International journal of environmental research and public health, 15 (3), 518. doi: 10.3390/ijerph 15030518.
7.Halefom, A., Ahmad, I., & Dar, M. (2021). Soil loss rate estimation using a hybrid model of geographic information system coupled with fuzzy logic technique. International Journal of Environmental Science and Technology, 19, 421-432. doi: 10.1007/s13762-021-03178-5.
8.Thornes, J. B. (1985). The ecology of erosion. Geography, 70, 222-235. doi: 10.1177/030913331036754.
9.Thornes, J. B. (1990). The interaction of erosional and vegetation dynamics in land degradation: Spatial outcomes. P 41–53, In: J. B. Tornes (ed.), Vegetation and erosion: processes and environments, J. Wiley, Chichester, West Sussex, England. 518p.
10.Zhang, X., Drake, N., & Wainwright, J. (2002). Scaling land surface parameters for global‐scale soil erosion estimation, Water Resources Research, 38 (9), 1180. doi: 10.1029/2001WR000356.
11.Saavedra, C., & Mannaerts, C. M. (2005). Erosion estimation in an Andean catchment combining coarse and fine resolution satellite imagery. 4 p. In: Proceedings of the 31st international symposium on remote sensing of Environment: global monitoring for sustainability and security, Saint Petersburg, 20-24 June 2005. https://www.isprs.org/proceedings/2005/ISRSE/html/papers/1017.pdf.
12.Symeonakis, E., Calvo‐Cases, A., & Arnau‐Rosalen, E. (2007). Land use change and land degradation in southeastern Mediterranean Spain. Environmental Management, 40, 80–94. doi: 10.1007/s00267-004-0059-0.
13.Ali, K. F., & De Boer, D. H. (2010). Spatially distributed erosion and sediment yield modeling in the upper Indus River basin. Water Resources Research, 46 (8). doi: 10.1029/2009 WR008762.
14.Dane, H., Topp, G., & Warren, A. (2002). Methods of Soil Analysis Part-4 Physical Methods: SSSA Book, Madison, Wisconsin, USA. 1692 p.
15.Sparks, D. L., Page, A. L., Helmke, P. A., Loeppert, R. H., Soltanpour, P. N., Tabatabai, M. A., Johnston, C. T., & Sumner, M. E. (1996). Methods of soil analysis. Part 3-Chemical methods, SSSA Book, Madison, Wisconsin, USA. 1390 p.
16.Ferro, V., & Minacapilli, M. (1995). Sediment delivery processes at basin scale. Hydrological Sciences Journal.
40 (6). 703–717. doi: 10.1080/ 02626669509491460.