ارزیابی پتانسیل‌های فرسایشی حوضة ماهیدشت با استفاده از مدل اسلمسا (SLEMSA)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری ژئومورفولوژی، دانشکدة علوم جغرافیایی و برنامه‌ریزی، دانشگاه اصفهان

2 دانشجوی دکتری ژئومورفولوژی، دانشکدة علوم جغرافیایی، دانشگاه خوارزمی18

3 دانشجوی کارشناسی ارشد ژئومورفولوژی، دانشکدة علوم جغرافیایی و برنامه‌ریزی، دانشگاه اصفهان

چکیده

با توجه به اهمیت مسئلة فرسایش و نبود ایستگاه‌های اندازه‌گیری فرسایش و رسوب در منطقة ماهیدشت، استفاده از مدلی که توانایی برآورد فرسایش و رسوب را در زمان‌ها و مکان‌های معین داشته باشد، ضروری به نظر می‌رسد؛ بنابراین در این پژوهش از مدل تجربی اسلمسا (SLEMSA) و سیستم اطلاعات جغرافیایی (GIS) با هدف بررسی کارایی این مدل در شبیه‌سازی و برآورد تلفات خاک و شناسایی نواحی حساس به فرسایش حوضة ماهیدشت استان کرمانشاه با مساحت 81400 هکتار استفاده شده است. نتایج نشان داد عامل توپوگرافی (شیب و طول دامنه) بیشترین تأثیر را در ایجاد فرسایش حوضة ماهیدشت داشته است. مقدار کل فرسایش در منطقة مطالعاتی برابر با 2494910 تن در سال و مقدار فرسایش برای هر هکتار در سال 65/30 تن برآورد شد.



[1] SLEMSA

کلیدواژه‌ها


عنوان مقاله [English]

Potential Erosion Assessment of Mahidasht Basin using SLEMSA ‎Model

نویسندگان [English]

  • Tayyebeh Kiani 1
  • Farideh Safakish 2
  • Monireh Lotfi ‎ 3
1 PhD Student of Geomorphology, Faculty of Geography and Planning, University of Isfahan‎
2 Ph.D. Student of Geomorphology, Faculty of Geosciences, Kharazmi University
3 Graduate Student of Geomorphology, Faculty of Geography and Planning, University of Isfahan‎
چکیده [English]

Considering the importance of erosion and the lack of erosion and sedimentation stations in the region, using a model that has the ability to estimate erosion and sedimentation at certain times and places seems to be necessary. So, in this study, the experimental models of SLEMSA and GIS have been used to investigate the efficacy of these models, to simulate and estimate soil losses, and to identify areas susceptible to erosion in the northern part of Mahidasht basin of Kermanshah and its effective factors with an area of 81400 hectares. For this purpose, maps and values of the main parameters needed for the SLEMSA model, including topographic data, rainfall erosion and soil erosion, as well as atmospheric temperature, rainfall, vegetation, and geology maps were prepared.  The results show that the topographic factor (slope and slope length) has the most effect on the erosion of the Mahidasht basin. The total amount of erosion in the studied area is estimated at 2494910 tons per year and the erosion value per hectare is estimated at 30.65 tons per year.

کلیدواژه‌ها [English]

  • SLEMSA
  • Soil Conservation
  • Erosion
  • Mahidasht
  • GIS

مقدمه

خاک از مهم‌ترین منابع طبیعی هر کشور محسوب می‌شود. بشر طی تاریخ تکاملی خود همواره از آن به‌‌منزلة بستری برای تأمین نیازهایش بهره برده است تا ادامة حیات خود را تضمین کند. یکی از عواملی که سبب نابودی بسیاری از زمین‌های حاصلخیز کشاورزی و تبدیل آنها به مکان‌های غیرقابل کشت می‌شود، پدیدة «فرسایش خاک» است (صالحی و همکاران، 1390: 1)؛ فرسایش، فرایندی پیچیده و یک خطر ژئومورفولوژیکی بالقوه است (سرطان زمین) که مقدار آن، شاخصی جامع برای ارزیابی درجة توسعة برنامه‌های مدیریت کشورها به شمار می‌آید (Ownegh et al, 2004: 1). درواقع هنگامی که زمین با پوشش گیاهی و دیگر عوامل پوشش‌دهندة خاک محافظت نشده باشد، رواناب‌های سطحی به فرسایش آبی در آن منجر می‌شوند (Vrieling, 2014: 33).

فرسایش خاک امروزه یکی از مهم‌ترین چالش‌های زیست‌محیطی (Ekwue, 2009: 236) و از عوامل تهدیدکنندة آن به شمار می‌رود که پیامدهای زیست‌محیطی و اقتصادی متعددی به همراه دارد (2009: 78 Chartier, & Lacoste, 2014: 344)؛ درواقع چالشی جهانی است که به‌طور جدی منابع آب ‌و خاک را تهدید می‌کند (Deng, 2008: 54) و پیامدهای ناخواستة آن، از بزرگ‌ترین مشکلات امروزی زیست‌بوم‌های مختلف تلقی می‌شود (صادقی، 1389: 49)؛ زیرا به کاهش کیفیت خاک و زیست‌توده (Wang, 2014: 7)، ازدست‌رفتن مواد غذایی خاک و 75-80 درصد کربن و انتشار آن در جو (Morgan, 2009: 1) می‌انجامد. همة این عوامل به زیان‌های کشاورزی، بیابان‌زایی، آلودگی آب و افزایش رسوب در مخازن منتهی می‌شود که مستقیم و غیرمستقیم بر کیفیت و آلودگی آب اثر می‌گذارد (Park et al, 2011: 263).

از سوی دیگر با توجه به تغییرات جهانی و فعالیت‌های انسانی پیش‌بینی می‌شود فرایند فرسایش خاک افزایش یابد (Zhou et al, 2013: 371). بنا بر آمار و اطلاعات موجود، قارة آسیا بیش از هر قارة دیگری مشکل فرسایش دارد (Dregne, 1992: 8). ایران نیز از این قاعده مستثنی نیست؛ زیرا آمار موجود نشان می‌دهد 59 درصد از 17 حوضه از حوضه‌های مطالعه‌شده در ایران به‌شدت تخریب شده است (ژاله، 1385: 1)؛ ازجمله حوضه‌های آبریز حاشیة کوه‌های زاگرس که از مهم‌ترین عوامل تشدید فرسایش و تخریب آنها تغییر کاربری زمین، پوشش ضعیف گیاهی و سازندهای حساس به فرسایش مثل مارن و شیل‌اند که سالیانه باعث تولید میلیون‌ها تن رسوب می‌شوند (Tangestani, 2006: 585)؛ بنابراین از آنجا که تخمین مقدار فرسایش، ابزاری برای شناخت مناطق حساس و تدوین برنامه‌های عملی حفاظت از آب و خاک است، شناخت عوامل تأثیرگذار بر روی آن در هر منطقه‌ امری ضروری به شمار می‌آید (Pimentel et al, 1995: 1117)؛ با توجه به اینکه فرسایش خاک موجب فقیرشدن خاک، متروک‌شدن زمین‌های کشاورزی، رسوب‌گذاری در آبراهه‌ها، مخازن سدها و بندرها و کاهش ظرفیت آبگیری آنها می‌شود (صالحی و همکاران، 1390: 2).

 

پیشینة پژوهش

پژوهشگران در سراسر جهان از دیرباز در پی این بوده‌اند که با بهره‌گیری از روش‌های مختلف میزان فرسایش را در زمین‌ها محاسبه کنند. محاسبة میزان فرسایش در یک حوضة آبریز در صورت موجودبودن آمار کافی از دبی و رسوب با به‌کارگیری روش‌های آماری امکان‌پذیر است؛ ولی نبود یا کمبود داده‌ها درزمینة فرسایش خاک و تولید رسوب در بسیاری از حوضه‌های کشور، کاربرد روش‌های تجربی را برای برآورد فرسایش خاک الزامی می‌کند (خدابخش، 1388: 51)؛ زیرا با توجه به آثار جانبی مرتبط با آن، مدل‌سازی برآورد میزان فرسایش، گامی مهم در ارزیابی آن است (Mullan, 2013: 7). بر این اساس روش‌های مختلفی ازجمله مدل‌های فیزیکی و روابط تجربی برای رسیدن به این هدف ابداع و در نقاط مختلف جهان به بوتة آزمایش گذاشته شده‌اند که هریک محاسن و معایبی دارند (اسدی و همکاران، 1390: 95). مدل تجربی اسلمسا با توجه به ‌سادگی و نیاز اطلاعاتی کم در پژوهش‌های داخل و خارج از کشور به کار گرفته شده است؛ ازجمله آیگیو[1] (2002) کیفیت خطر فرسایش آبی را در دشت بنین با استفاده از دو مدل اسلمسا و USLE ارزیابی کرده و نتیجه گرفته است مدل اسلمسا به دلیل تشابه نتایج آن با نتایج طرح‌های صورت‌گرفته، انطباق بهتری با شرایط گرمسیری دارد.

ورین[2] (2003) در مقاله‌ای سه مدلUSLE/ RUSLE/ SLEMSA را بررسی کرده و به اهمیت انتخاب مدل براساس اثبات کیفیت آن معتقد است.

گندمکار و همکاران (1387) با بهره‌گیری از مدل اسلمسا میزان خطر فرسایش را در حوضة آبریز موسی‌آباد تیران محاسبه کردند و در پایان دریافتند این منطقه با مقدار حداکثر 707 تن در هکتار در زمرة مناطق با میزان فرسایشی زیاد قرار می‌گیرد.

انتظاری و همکاران (1391) با بهره‌گیری از مدل اسلمسا در منطقة دستکن، پنج کانون فرسایش را در نیمة شمالی منطقه تشخیص دادند و اصلی‌ترین عامل فرسایش را در کانون‌های پرخطر، انرژی جنبشی باران و سپس شیب زمین و پوشش گیاهی عنوان کردند و نشان دادند مقدار متوسط فرسایش 19/0 تن در هکتار است که نسبت به میزان متوسط فرسایش کشور کم است.

 

اهمیت و هدف پژوهش

بر این اساس جلوگیری از فرسایش خاک، هدف مهمی در مدیریت و حفاظت از منابع طبیعی به شمار می‌رود (Hudson, 1995: 11 & Agassi, 1996: 25) و ما را به این مسئله رهنمون می‌کند که ارزیابی فرسایش خاک، جزء کلیدی در مدیریت یکپارچة حوضة آبریز تلقی می‌شود (Bussi, 2014: i)؛ بدین سبب با توجه به اهمیت مسئلة فرسایش خاک، این پژوهش با هدف بررسی کارایی مدل فرسایشی اسلمسا در حوضة ماهیدشت انجام شده است.

 

روش پژوهش

مدل‌های تجربی اسلمسا

مدل‌های فرسایش، ابزارهای پیش‌بینی برای فرسایش و فرایندها و آثار آنهاست. مدل‌های تجربی برمبنای مشاهدات پایه‌گذاری شده‌اند و به‌طور معمول آماری‌اند. این مدل‌ها بیشتر برای پیش‌بینی متوسط فرسایش به کار می‌روند و بعضی از آنها برای پیش‌بینی رسوب هم استفاده می‌شوند. این مدل‌ها تقریباً همانند مدل‌های جعبة سفیدند (صالحی و همکاران، 1390: 42). مدلSLEMSA (soil loos Estimation model (For Southern Africa، یکی از مدل‌های تجربی است. این مدل را ال ول[3] (1978) برای نواحی جنوبی آفریقا ارائه کرد که درواقع اصلاحی بر مدل USLE و به‌منظور سازگارکردن آن با شرایط آگرواقلیمی جنوب آفریقا صورت گرفته است (انتظاری و حیدری، 1393: 3). این روش ضمن تلفیق داده‌ای اساسی و ساده با یکدیگر، بر پاره‌ای روابط مهم محیطی به‌ویژه روابط پوشش گیاهی، ریزش باران و فرسایندگی تأکید دارد. درواقع این مدل پتانسیل‌های بالقوة مطلوبی دارد و ما را قادر می‌سازد برای تصحیح ضعف‌های روش‌های دیگر ارزیابی خطرات فرسایشی اقدام کنیم (رامشت و شاهزیدی، 1390: 54)؛ بنابراین ال ول مدل جدیدی ارائه کرد که در آن فرسایش خاک تابع سیستم‌های فیزیکی نظیر اقلیم، خاک، پوشش گیاهی و توپوگرافی است (رابطة 1).

رابطة (1)

z = k.x.c

در این رابطه Z میانگین سالیانة هدررفت خاک (تن در هکتار در سال)، X توپوگرافی، K عامل فرسایندگی و قابلیت فرسودگی خاک و C زراعت است. عوامل متغیرهای این مدل در جدول (1) دیده می‌شود.


جدول 1. عوامل و متغیرهای مؤثر در ارزیابی خطرات فرسایشی

عامل

متغیر

واحد

روش اندازه‌گیری

پستی‌وبلندی

شیب متوسط

درصد

ونت ورث

بارندگی

انرژی جنبشی

ژول به متر

با استفاده از باران‌نگار

پوشش گیاهی

پوشش گیاهی

درصد

با توجه به اطلاعات نوع کشت و بهره‌برداری زمین

خاک

شاخص قابلیت فرسودگی

درصد

این شاخص برحسب شرایط محلی و نوع مدیریت اعمالی در اراضی محاسبه می‌شود.

 

 

موقعیت جغرافیایی محدودة پژوهش

محدودة انتخاب‌شدة حوضة ماهیدشت در مرکز استان کرمانشاه واقع شده و از زیرحوضه‌های کرخه است. مساحت حوضه برابر با 814 کیلومترمربع است و از 12/34 تا 44/34درجة شمالی و از 59/46 تا 06/47 درجة شرقی گسترده شده است (شکل 1).


 

شکل 1. موقعیت محدودة پژوهش


یافته‌های پژوهش

ایجاد شبکه بر حوضة پژوهشی

در مدل اسلمسا باید بر سطح حوضه، شبکه ایجاد و هریک از مؤلفه‌های لازم مدل اسلمسا برای هریک از خانه‌ها محاسبه شود. برای این کار در نرم‌افزار GIS از ابزار Create Fishnet استفاده شد. با توجه به اینکه در مدل اسلمسا محدودة پژوهشی باید در زیر شبکه قرار داده و در ادامه هریک از مؤلفه‌های مدل برای هریک از مربع‌های ایجادشدة ناشی از شبکة توری محاسبه شود، بنابراین در محیط نرم‌افزار Arc GIS شبکه‌ای توری با تعداد 7 ستون و 5 سطر ایجاد شد؛ به بیان دیگر محدودة پژوهش به تعداد
35 مربع تقسیم شد؛ به‌طوری که ابعاد هر مربع برابر با 6 کیلومتر در 7 کیلومتر است (35000000 مترمربع یا 3500 هکتار). از 35 مربع مربوط به شبکة توری تهیه‌شده، تعداد 30 مربع آن به‌طور کامل یا ناقص بر محدودة حوضة ماهیدشت قرار گرفت (شکل 2).

 

 

شکل 2. شبکة توری ایجادشده بر حوضة ماهیدشت

 

 

پس از ایجاد شبکة توری براساس مدل اسلمسا لازم است میزان دخالت 3 عامل توپوگرافی (X)، فرسایندگی و قابلیت فرسودگی خاک (K) و عامل زراعت (C) با بهره‌گیری از فرمول Z=KCX محاسبه شود. به‌منظور محاسبة میزان تأثیر عامل توپوگرافی در ایجاد فرسایش خاک لازم است وضعیت دو عامل شیب دامنه (S) و طول دامنه (L) بررسی شود؛ بنابراین به‌منظور تهیة نقشة شیب، مدل رقومی ارتفاع محدودة پژوهش به کار رفت (شکل 3) و پس از هم‌پوشانی شبکة توری بر روی نقشة شیب مقدار متوسط شیب مربوط به هر مربع به‌طور جداگانه در محیط نرم‌افزار Arc GIS و با استفاده از نوار ابزار Zonal statistic برآورد شد (شکل 4).


 

شکل 3. نقشة شیب حوضة ماهیدشت تهیه‌شده برپایة نقشة مدل رقومی ارتفاع محدودة پژوهش

 

شکل 4. نقشة شیب متوسط هر خانه، تهیه‌شده با استفاده از ابزار zonal statistic

 

 

عامل دیگری که در بررسی نقش عامل توپوگرافی در مدل اسلمسا به آن توجه می‌شود، طول دامنه است که در محدودة پژوهش با توجه به ویژگی‌های توپوگرافی آن برای هریک از خانه‌ها به‌طور متوسط طول دامنه برابر با 100 متر لحاظ شد. با توجه به مقادیر محاسبه‌شده برای شیب و طول دامنه مقدار تأثیر عامل توپوگرافی در ایجاد فرسایش خاک در هریک از خانه‌های ایجادشده بر حوضة ماهیدشت براساس رابطة (2) برآورد شد:

رابطة (2)

 

در این رابطه (S)، شیب متوسط و (L)، طول دامنه است.

عامل تأثیرگذار دیگر در محاسبة میزان فرسایش خاک با استفاده از مدل اسلمسا، قابلیت فرسودگی خاک (K) است که این عامل خود شامل قابلیت فرسودگی خاک (F) و انرژی جنبشی باران (E) است. به‌منظور محاسبة میزان تأثیر بارش از میانگین بارش سالیانة 8 ایستگاه سینوپتیک در داخل و اطراف حوضة پژوهش استفاده شد. جدول (2) گویای اطلاعات مربوط به ایستگاه‌های مطالعاتی است.


جدول 2. اطلاعات آماری مربوط به ایستگاه‌های سینوپتیک مطالعه‌شده

متوسط بارش

ارتفاع

عرض

طول

نوع ایستگاه

ایستگاه

2/432

1320

7 °34

1 °47

سینوپتیک

کرمانشاه

8/479

1350

03 °35

5 °46

سینوپتیک

اسلام‌آباد

2/516

1380

5 °34

7 °46

سینوپتیک

روانسر

2/460

1360

2 °34

18 °47

سینوپتیک

سرارود

2/757

1485

8 °34

3 °46

سینوپتیک

پاوه

6/344

1364

27 °34

85 °46

سینوپتیک

ماهیدشت

9/544

1375

27 °34

45 °46

سینوپتیک

جوانرود

428

545

15 °34

9 °45

سینوپتیک

سرپل

 

 

پس از مشخص‌کردن ایستگاه‌های سینوپتیک در محیط Arc GIS با بهره‌گیری از روش درون‌یابی، نقشة بارشی تهیه (شکل 5) و در ادامه پس از به‌دست‌آوردن متوسط بارش هر خانه (شکل 6) از رابطة (3) به‌منظور برآورد مقدار انرژی جنبشی باران استفاده شد که در این معادله (P)، مقدار بارش هر خانه است.

رابطة (3)

E = 17/37 P


 

شکل 5. هم‌پوشانی شبکة توری بر نقشة بارشی درون‌یابی‌شده

 

شکل 6. متوسط بارش هر خانه، محاسبه‌شده براساس بارش درون‌یابی‌شده و استفاده از ابزار zonal

 

 

عامل دیگر در فرسایش خاک مربوط به قابلیت فرسودگی خاک (F) است که به‌منظور برآورد میزان تأثیر این عامل در ایجاد فرسایش از لایة زمین‌شناسی محدودة پژوهش استفاده شد (شکل 7)؛ به‌طوری که به جنس‌های سخت بیشترین مقدار و به جنس‌های سست کمترین مقدار اختصاص داده شد (شکل 7).


 

شکل 7. نقشة زمین‌شناسی حوضة ماهیدشت به‌منظور برآورد عامل (F)

 

 

پس از تهیة نقشة زمین‌شناسی و هم‌پوشانی شبکة توری بر آن مقادیر (F) مربوط به هر خانه براساس میزان سختی جنس‌های زمین‌شناسی اختصاص داده شد (شکل 8).


 

شکل8.عامل (F) محاسبه‌شده برای هر خانه براساس درجة سختی سنگ‌های زمین‌شناسی

 

 

پس از محاسبة مقادیر دو عامل (E) و (F)، مقدار تأثیر عامل فرسایندگی خاک (K) با رابطة (4) برای هر خانه به‌طور جداگانه برآورد شد.

 

رابطة (4)

 

در این رابطه (F)، قابلیت فرسودگی خاک و (E)، انرژی جنبشی باران است.

عامل تأثیرگذار دیگر در ایجاد فرسایش خاک براساس مدل اسلمسا، پوشش گیاهی است. به‌منظور مشخص‌کردن میزان تأثیر آن از دو عامل مقدار متوسط بارش (شکل 6) و وضعیت پوشش گیاهی (I) (شکل 9 و 10) در هر خانه از شبکة توری استفاده شد؛ به‌طوری که مقادیر (I) برای هر خانه در دامنة عددی بین 30 تا 70 درصد محاسبه شد و در پایان با توجه به مقدار (I) به‌دست‌آمده برای هر خانه، مقدار (C) مربوط به آن خانه با استفاده از یکی از روابط (5 و 6) زیر به دست آمد:

رابطة (5)

 

برای زمین‌های کشاورزی و علفزارهای طبیعی وقتی 50 ≤ i ≤ 0 است.

 

رابطة (6)

برای زمین‌های کشاورزی و علفزارهای طبیعی وقتی 100 ≤ i ≤ 50 است.

 

 

شکل 9. وضعیت پوشش گیاهی و درختی حوضة ماهیدشت

 

شکل 10. نقشة عامل (I) برآوردشده برپایة نقشة متوسط بارش و نقشة پوشش گیاهی حوضة ماهیدشت

 

 

پس از محاسبه و برآورد میزان تأثیر عوامل تأثیرگذار در ایجاد فرسایش براساس مدل اسلمسا، نتایج به‌دست‌آمده در جدول (3) ارائه شد. در این جدول ستون Number بیان‌کنندة شمارة مربع مربوط به شبکة توری ایجادشده بر حوضة ماهیدشت است؛ به بیان دیگر برای هریک از این مربع‌ها مقادیر مربوط به عوامل تأثیرگذار مدل اسلمسا برآورد شد. چهار سطر آخر جدول (3) نیز بیان‌کنندة کمترین، بیشترین، میانگین و مجموع هریک از عوامل مربوط به مدل اسلمسا در حوضة ماهیدشت است.


جدول 3. میزان تأثیر عوامل مدل اسلمسادر ایجاد فرسایش خاک در حوضة ماهیدشت

Number

P

I

S

F

L

E

X

K

C

Z

3

385

38

42/2

2

100

6687/5

61/8

88/99

0/102

562/354

4

407

35

38/5

6

100

7069/6

52/2

0/79

0/122

5/06664

5

418

65

15

5

100

7260/7

10/1

2/98

0/055

1/6471

6

420

68

16/9

4

100

7295/4

12/3

9/92

0/054

6/56487

7

438

69

14/1

5

100

7608/1

9/1

3/64

0/054

1/77687

8

416

37

48

5/5

100

7225/9

78/5

1/61

0/109

13/6991

9

389

45

46/7

4

100

6756/9

74/6

7/57

0/067

37/9328

10

364

44

39/4

5

100

6322/7

54/4

1/64

0/071

6/37979

11

358

64

19

5/5

100

6218/5

14/9

0/80

0/055

0/65696

12

380

68

20

4

100

6600/6

16/3

6/97

0/054

6/12694

13

401

69

25/6

3/5

100

6965/4

25/0

15/50

0/054

20.8036

14

405

67

39/9

3

100

7034/9

55/7

29/32

0/054

88.7376

15

421

59

29

4/2

100

7312/8

31/2

7/90

0/057

14/0533

16

387

68

14/3

4/7

100

6722/2

9/3

3/11

0/054

1/56164

17

356

69

12

4

100

6183/7

7/0

5/54

0/054

2/09196

18

355

57

13/2

3/75

100

6166/4

8/2

7/61

0/058

3/59206

19

381

64

24

3/6

100

6618

22/3

11/64

0/055

14/3728

20

412

63

36

4

100

7156/4

46/1

9/27

0/056

23/8121

21

435

49

37

5

100

7556

48/5

3/53

0/053

9/05769

22

420

65

8

4

100

7295/4

3/8

9/92

0/055

2/09892

23

399

68

12

4

100

6930/6

7/0

8/28

0/054

3/14864

24

388

66

15

3/9

100

6739/6

10/1

8/50

0/055

4/67304

25

385

57

23

3/55

100

6687.5

20/7

12/81

0/058

15/31

26

312

60

24/2

3/45

100

5419/4

22/6

7/55

0/057

9/69027

27

406

47

33

4/85

100

7052/2

39/4

3/15

0/060

7/39065

28

421

38

31

5

100

7312/8

35/2

3/07

0/102

11/0422

29

420

65

11/3

4

100

7295/4

6/4

9/92

0/055

3/50106

30

432

68

11/4

4

100

7503/8

6/5

10/96

0/054

3/84898

31

417

60

19/2

3/25

100

7243/3

15/2

23/61

0/057

20/315

32

398

56

16

3

100

6913/3

11/2

27/94

0/058

18/1269

MIN

3/84561

0/79308

0/05287

0/65696

MAX

78/4811

88/99

0/12246

562/354

MEAN

27/1879

11/4674

0/06339

30/6478

SUM

815/6

344/04

1/9

919/433

 

 

براساس نتایج جدول (3) میانگین رسوب برای هر یاخته، عدد 65/30 برآورد شد. مساحت هر یاخته 4200 هکتار (ابعاد یاخته 7*6 کیلومتر) است؛ به بیان دیگر مقدار رسوب برآوردشده برای هر یاخته برابر با 128730 تن (4200*65/30) در هکتار در سال است. مساحت محدودة پژوهش برابر با 814 کیلومترمربع (81400 هکتار) و مساحت هر یاخته 4200 هکتار (ابعاد یاخته7 *6 کیلومتر) است؛ به بیان دیگر مساحت کل محدودة پژوهش برابر با مساحت تعداد 38/19 یاخته است (4200 * 38/19= 81400).

براساس بررسی‌های انجام‌شده مقدار رسوب برآوردشده برای کل محدودة پژوهش برابر با 2494910 تن در کل منطقه در سال (8140 * 65/30 = 2494910) و مقدار رسوب برای هر هکتار برابر با 65/30 تن در سال است (رابطة 7).

رابطة (7)

 

 

نتیجه‌گیری

مدل اسلمسا (جدول 3) نشان داد عامل توپوگرافی (X) که از دو قسمت شیب و طول دامنه تشکیل می‌شود، با مقدار مجموع 6/815 بیشترین تأثیر را در ایجاد فرسایش حوضة ماهیدشت داشته است. پس از عامل توپوگرافی، عامل فرسایندگی و قابلیت فرسودگی خاک (K) که آن نیز از دو جزء انرژی جنبشی باران (E) و قابلیت فرسودگی خاک (F) تشکیل می‌شود، با مقدار مجموع 04/344 در رتبة دوم قرار و عامل پوشش گیاهی با مقدار 9/1 کمترین تأثیر را داشته است. مقدار مجموع رسوب تولیدشده در حوضة ماهیدشت نیز براساس نتایج مدل اسلمسا برای هر هکتار در سال برابر با 65/30 تن و برای کل محدودة ماهیدشت برابر با 2494910 تن در کل منطقه در سال برآورد شد. نتایج نشان می‌دهد وضعیت یاخته‌های 20، 14، 9، 3 از لحاظ شدت فرسایش بحرانی‌تر از سایر یاخته‌هاست؛ به طور کلی نتایج جدول (3) و اشکال (3)، (4) و (7) در درجة اول حاکی از دخالت مؤثر عامل توپوگرافی (قرارگرفتن یاخته‌ها در محدودة کوهستانی و پرفراز و نشیب با شیب‌های تند و متفاوت) و در مراحل بعد قرارگرفتن در منطقة پرباران (بیشتر برای یاختة 14 و 20) و درنهایت کاهش پوشش گیاهی به دلیل افزایش ارتفاع است.



[1] Igue

[2] vorin

[3] El Well

ابراهیمی محمدی، شیرکوه، صادقی، سید حمیدرضا و چپی، کامران، (1391) .تحلیل آورد رواناب، رسوب معلق و مواد مغذی ورودی‌هایمختلف به دریاچة زریوار در پایة زمانی رگبار و آب پایه، نشریة حفاظت منابع آب و خاک، دورة 3، شمارة 1، 94-102.
انتظاری، مژگان و حیدری، غلامرضا، (1393). مقایسة مدل‌های SLEMSA و CORINE در تخمین فرسایش خاک (مطالعة موردی: حوضة تنگ‌سرخ شیراز)، فصلنامة مدرس علوم انسانی (برنامه‌ریزی و آمایش فضا)، دورة 18، شمارة 3، 28-1.
انتظاری، مژگان، شریفی، رسول، ایزدی، زهرا و شاهزیدی، سمیه‌سادات، (1391). ارزیابی پتانسیل‌های فرسایشی منطقة دستکن با استفاده از مدل SLEMSA. جغرافیا و برنامه‌ریزی محیطی، دورة 23، شمارة 4، 120-109.
خدابخش، سعید، محمدی، اکبر، رفیعی، بهروز و بزرگزاده، عیسی، (1388). مقایسة برآورد میزان فرسایش و رسوب‌زدایی در زیرحوضة سزار (حوضة آبریز سد دز) با استفاده از مدل‌های تجربی ‌ای‌پی‌ام و ام‌پسیاک با کمک دانش فازی، فصلنامة زمین‌شناسی ایران، دورة 3، شمارة 12، 51-61.
رامشت، محمدحسین و شاهزیدی، سمیه‌سادات، (1390). کاربرد ژئومورفولوژی در برنامه‌ریزی (ملی- منطقه‌ای- اقتصادی- توریسم)، تک‌جلد، چاپ اول، اصفهان، دانشگاه اصفهان.
ژاله، اعظمه، (1385). ارزیابی تخمین رواناب و رسوب با استفاده از مدل SWAT2000 در زیرحوضة ونک از حوضة آبخیز کارون شمال، پایان‌نامة کارشناسی ارشد، استاد راهنما: افیونی، مجید و جلالیان، احمد، دانشگاه صنعتی اصفهان، دانشکدة کشاورزی.
صادقی، سید حمیدرضا، (1389). مطالعه و اندازه‌گیری فرسایش آبی، تک‌جلد، چاپ اول، تهران، انتشارات دانشگاه تربیت مدرس.
صالحی، محمدحسن، اسفندارپور بروجنی، عیسی، مهاجر، رضا و باقری بداغ‌آبادی، محسن، (1390). حفاظت آب و خاک تکمیلی، تک‌جلد، چاپ دوم، تهران، دانشگاه پیام نور.
گندمکار، امیر، شیخی، نفیسه و احمدی، سمیرا، (1387). فرسایش خاک در حوضة آبریز موسی‌آباد تیران با استفاده از مدل SLEMSA، فصلنامة چشم‌انداز جغرافیایی، دورة 3، شمارة 6، 95-108.
Agassi, M., (1996). Soil erosion, conservation and rehabilitation, (No. 631.45 Ag16s Ej. 1 008589), Marcel Dekker ,NewYork.
Boiffin, J., F. Papy and G. Monnier., (1988). Some reflections on the prospect of modeling.
Bussi, G., (2014). Implementation of a distributed sediment model in different data availability scenarios, (Doctoral dissertation, Universitat Politècnica de València).
Chartier, M. P., Rostagno, C. M., & Roig, F. A., (2009). Soil erosion rates in rangelands of northeastern Patagonia: A dendrogeomorphological analysis using exposed shrub roots, Geomorphology, Vol 106 (3), 344-351.
Csiro., (2003). Australia advances, soil cancer, Seri eight.
Deng, Z. Q., de Lima, J. L., & Jung, H. S., (2008). Sediment transport rate-based model for rainfall-induced soil erosion, Catena, Vol 76 (1), 54-62.
Dregne, H. E., (1992). Erosion and soil productivity in Asia, Journal of Soil and Water Conservation, Vol 47 (1), 8-13.
Ekwue, E. I., Bharat, C., & Samaroo, K., (2009). Effect of soil type, peat and farmyard manure addition, slope and their interactions on wash erosion by overland flow of some Trinidadian soils, Biosystems engineering, Vol 102 (2), 236-243.
Hudson, N., (1995). Soil conservation, (No 3. ed.), BT Batsford.
Igue, A. M., (2002). The Qualitative Assessment of water erosion risk in moist savanna of Benin, In 12th ISCO conference Beijing.
Lacoste, M., Michot, D., Viaud, V., Evrard, O., & Walter, C., (2014). Combining 137Csmeasurements and a spatially distributed erosion model to assess soil redistribution in a hedgerow landscape in northwestern France (1960–2010), CATENA, Vol 119, 78-89.
Morgan, R. P. C., (2009). Soil erosion and conservation, John Wiley & Sons.
Mullan, D. J., (2013). Modelling the impacts of climate change on future rates of soil erosion in Northern Ireland (Doctoral dissertation, Queen's University Belfast).
Park, S., Oh, C., Jeon, S., Jung, H., & Choi, C., (2011). Soil erosion risk in Korean watersheds, assessed using the revised universal soil loss equation, Journal of hydrology, Vol 399 (3), 263-273.
Pimentel, D., Harvey, C., Resosudarmo, P., Sinclair, K., Kurz, D., McNair, M., ... & Blair, R., (1995). Environmental and economic costs of soil erosion and conservation benefits, Science-AAAS-Weekly Paper Edition, Vol 267 (5201), 1117-1122.
Svorin, J., (2003). A test of three soil erosion models incorporated into a geographical information system, Hydrological processes, Vol 17 (5), 967-977.
Tangestani, M. H., (2006). Comparison of EPM and PSIAC models in GIS for erosion and sediment yield assessment in a semi-arid environment: Afzar Catchment, Fars Province, Iran, Journal of Asian earth sciences, Vol 27 (5), 585-597.
Vrieling, A., Hoedjes, J. C., & van der Velde, M., (2014). Towards large-scale monitoring of soil erosion in Africa: Accounting for the dynamics of rainfall erosivity, Global and Planetary Change.
Wang, X., (2014). Impacts of soil redistribution on the transport and fate of organic carbon in loess soils, (Doctoral dissertation, University of Amsterdam).
Zhou, F., Gou, X., Zhang, J., Zhao, Z., Chen, Q., & Cao, Z., (2013). Application of Picea wilsonii roots to determine erosion rates in eastern Qilian Mountains, Northwest China, Trees, Vol 27 (2), 371-378.