نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی کارشناسی ارشد ژئومورفولوژی، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران
2 دانشیار ژئومورفولوژی، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران
چکیده
کلیدواژهها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
Abstract
This study aimed to evaluate the mechanisms driving soil erosion and investigate the impact of erodibility on soil quality dynamics across the southern slopes of the Aladagh Mountains in North Khorasan Province. To achieve this, soil erosion was assessed using the Revised Universal Soil Loss Equation (RUSLE) model in conjunction with satellite data. The relationship between the erosion estimates and the Soil Quality Index (SQI) was analyzed using the Pearson’s correlation coefficient. The RUSLE model results indicated that approximately 90% of the region was classified under severe erosion, with soil loss values ranging from 20 to 40 tons/ha/year. In contrast, areas experiencing soil loss of less than 10 to 20 tons/ha/year accounted for about 8% of the total area. The spatial pattern of the SQI revealed significant heterogeneity with the lowest values—approximately 0.43—found in the central, western, and southwestern regions. Overlaying this pattern with the RUSLE model results indicated that areas with the poorest soil quality predominantly occurred in mountainous regions characterized by steep slopes and rocky outcrops with shallow soils. This phenomenon was attributed to low organic matter content, reduced water retention capacity, and high slope gradients. Correlation analysis demonstrated a strong negative relationship between erosion and soil quality across 82.69% of the total area.
Keywords: Runoff, Management, Land Degradation, Remote Sensing, Aladagh.
Introduction
Soil erosion refers to the detachment and transport of soil particles from surface layers, resulting in the degradation of soil quality and a decline in natural resource productivity. This global issue has severe consequences for agricultural lands, contributes to the sedimentation of dam reservoirs, and particularly affects soil quality on alluvial fan surfaces. Therefore, estimating soil losses, identifying vulnerable areas, and examining the underlying causes and mechanisms are essential steps for implementing effective soil conservation programs. The process of soil degradation is significantly influenced by environmental factors, including soil type, climate, topography, and vegetation, as well as their interactions. While many external variables play a critical role in the extent of soil erosion, intrinsic soil characteristics—such as soil texture, distribution of aggregates with varying physical properties, soil porosity, organic matter content, and soil biodiversity—can exacerbate the risk of erosion. This research aimed to assess: (1) the factors and mechanisms driving soil erosion development through a combination of remote sensing data and the Revised Universal Soil Loss Equation (RUSLE) model; (2) the Soil Quality Index (SQI) using OpenLandMap data and MODIS sensor products; and (3) the effects of the soil erodibility factor on changes in soil quality.
Materials & Methods
This study was conducted on the southern slopes of the Aladagh Mountains, which are classified as having a semi-arid climate according to the De Martonne climate index. The input data for the annual calculations of the RUSLE were sourced from several global datasets. To estimate the rainfall-runoff erosivity factor (R), high-resolution precipitation data from the CHIRPS dataset were utilized. The soil erodibility factor (K) was determined using the soil texture class map from OpenLandMap. The topographic factor (LS) was computed through spatial analysis of a Digital Elevation Model (DEM) obtained from SRTM with a resolution of 30 m. For a more accurate calculation of the cover-management factor (C), a combined approach was employed. This integrated annual land cover/use data from the MODIS sensor with time-series NDVI data to account for the simultaneous effects of land use type and vegetation density. To evaluate the SQI, the data on the physical, chemical, and topographic properties of the soil were utilized. Physical properties, such as the percentage of sand and clay, were extracted from the OpenLandMap dataset, while soil surface moisture was derived from the SMAP sensor product. For the assessment of chemical properties, pH and soil organic carbon data were sourced from global OpenLandMap products. NDVI and land surface temperature data were extracted from the MOD13Q1 and MOD11A1 products, respectively.
Research Findings
The results of the RUSLE model applied over a 20-year period indicated that approximately 90% of the total area fell within the severe erosion class with the estimated soil loss ranging from 20 to 40 tons/ha/year. Conversely, erosion classes with soil loss values of less than 10 to 20 tons/ha/year accounted for about 8% of the region. This distribution highlighted a significant potential for sediment production and land degradation within the basin, underscoring the need for effective management measures for natural resources. The spatial pattern of the SQI revealed considerable heterogeneity with the lowest index value—approximately 0.43—observed in the central, western, and southwestern parts of the region. Overlaying this pattern with the RUSLE model results showed that areas with the poorest soil quality were predominantly located in mountainous terrains characterized by steep slopes, rocky outcrops, and shallow soils. This situation was attributed to low organic matter content, inadequate water retention capacity, and steep gradients. Correlation analysis demonstrated a strong negative relationship between erosion and soil quality across 82.69% of the total area.
Discussion of Results & Conclusion
Soil erodibility is a critical index for assessing soil susceptibility to water erosion and predicting soil loss. Soil erodibility (K) value serves as an intrinsic factor, illustrating the vulnerability of soils to erosion; thus, a higher K value corresponds to more severe soil erosion. Soil erosion presents significant environmental, economic, and social challenges. The results of this study indicated that soil erodibility increased when alluvial material from collapsing gullies was deposited onto farmland. While precipitation was the primary external driver of erosion, soil erodibility remained a crucial internal factor. It was influenced by various characteristics, including soil texture, organic matter content, soil structure, and fundamental soil permeability. This research found a strong positive correlation between soil erodibility and factors, such as soil texture, slope, and organic matter content. The RUSLE model results revealed two concurrent phenomena. Firstly, there was an overall increasing trend in mean annual soil erosion, primarily driven by anthropogenic pressures, land use changes, and land degradation. Secondly, significant inter-annual fluctuations in soil erodibility and soil quality were observed, which were directly correlated with short-term climate variations, particularly the intensity and amount of annual precipitation. This underscored the vulnerability of the region’s ecological system to climatic fluctuations. Additionally, the findings established a significant inverse relationship between soil erosion and soil quality in the study area. Spatial analyses confirmed a strong negative correlation (82.69%) between these two variables, highlighting erosion as the primary factor diminishing soil quality. Consequently, areas with high rates of erosion spatially coincided with low soil quality, while regions with low erosion rates were associated with more favorable soil quality. Based on the results, the level of soil erodibility was significantly influenced by intrinsic soil properties, including soil organic matter content, soil texture, soil structure, and soil moisture and permeability. The relationship between erosion and soil characteristics revealed that erodibility decreased as soil organic matter content increased. This phenomenon could be attributed to the role of organic matter in enhancing the cohesion of soil aggregates. This inverse relationship underscores the urgent need for effective soil management and conservation practices in these regions, especially in areas that exhibit a strong negative correlation. Comprehensive soil and water conservation management plans are essential and should focus on restoring vegetation cover, implementing proper grazing management, promoting conservation agriculture techniques, and constructing engineering structures for erosion control in areas classified as experiencing severe erosion. Moreover, continuous monitoring of erosion status is critical for assessing the effectiveness of the management measures that have been implemented.
کلیدواژهها [English]
مقدمه
فرسایش خاک شامل کندهشدن و حمل ذرات خاک از لایههای سطحی که با تبعات جبرانناپذیر بر زمینهای کشاورزی، پرشدن دریاچۀ سدها و تخریب کیفیت خاک از مشکلات شایع در تمامی نقاط جهان محسوب میشود ( Rojas-Conzalez, 2008; Lu et al., 2004; Kim et al., 2005). تخمین تلفات خاک و شناسایی مناطق مستعد و بررسی عوامل و سازوکارهای اثرگذار میتواند بهترین اقدام مدیریتی برای دستیابی به برنامههای حفاظت خاک باشد. درمجموع، مناطق مستعد به تخریب خاک توسط فعالیتهای انسان حدود دو میلیارد هکتار، تخریب خاک ناشی از عملکرد فرسایش آبی، حدود 1100 میلیون تن در هر هکتار در سال و تلفات خاک ناشی از عملکرد فرسایش بادی، 550 تن در هر هکتار در سال برآورد شده است (Saha, 2004). فرایند تخریب خاک بهشدت متأثر از عوامل محیطی شامل نوع خاک، اقلیم، ویژگیهای توپوگرافی، پوشش گیاهی و درنهایت برهمکنش بین آنها قرار دارد. عمدهترین ویژگیهای توپوگرافی مؤثر بر فرسایش خاک شامل درصد شیب، جهت شیب و طول شیب هستند (Huang et al., 2015). این عوامل نقش مهمی در سازوکار رواناب بازی میکنند. شیب بیشتر، تولید رواناب بیشتر و بنابراین، کاهش نفوذپذیری را فراهم میآورد. همچنین فعالیتهای انسانی نظیر گسترش کشاورزی، تبدیل جنگل به کاربریهای شهری و مزارع میتواند به افزایش نرخ فرسایش خاک منجر میشود. اگرچه بسیاری از متغیرهای محیطی همچنان که در بالا تشریح شد، نقش مهمی در کمیت فرسایش خاک دارند، ویژگیهای ذاتی خاک مانند بافت خاک، ویژگی فیزیکی خاکدانهها، میزان تخلخل خاک، میزان مادۀ آلی، سطح تنوع زیستی خاک بهطور بالقوه پتانسیل وقوع فرسایش خاک را در برهمکنش با متغیرهای محیطی تشدید میکنند.
مدلسازی فرسایش خاک با در نظر گرفتن عوامل درونی و بیرونی مؤثر، میتواند زمینهای برای درک شرایط فرسایش فعلی و پیشبینی روند تغییرات آینده فراهم آورد. با این رویکرد، اقدامات مدلسازی متعددی برای بررسی ابعاد فرسایش خاک در دنیا انجام شده است. ارزیابی کمّی فرسایش خاک ازطریق ترکیب رویکردهای مدلسازی، اندازهگیریهای میدانی و مدلهای شبیهسازی میتواند گزینهای کارآمد برای درک عمیقتر گسترۀ زمانی-مکانی مشکلات مرتبط با فرسایش باشد. در دهههای اخیر، مدلهای فرسایش متعددی برای ارزیابی پتانسیل فرسایش ورقهای، شیاری و خندقی ارائه شدهاند. مدل USLE برای اولینبار با هدف ارزیابی و تخمین فرسایش خاک در مزارع و مناطقی با توپوگرافیهای کمشیب ارائه شد. نسخۀ اصلاحشدۀ آن با عنوان RUSLE بعدها برای سنجش فرسایش خاک در طیف گستردهای از مناطق ارائه شد ( Wischmeier & Smith, 1978; Van Remortel et al., 2001; Lee & Lee, 2006). مدلهای فرسایش خاک درمجموع به سه گروه مدلهای تجربی، مفهومی و فیزیکی تقسیم میشوند. مدل USLE و نسخۀ اصلاحشدۀ آن RUSLE درواقع ترکیبی از مدلهای تجربی و مفهومی در حوزۀ فرسایش خاک هستند (Merritt et al., 2003). ترکیب یکپارچه از مدلهای فرسایش خاک، دادههای میدانی و دادههای حاصل از سنجش از دور بهطور قطع میتواند به ارزیابی دقیقتر ابعاد فرسایش خاک کمک کند. باتوجهبه شرایط ژئومورفیک چشماندازهای کوهستانی و دشتسرها و محیط بهینۀ آنها برای توسعۀ زمینهای کشاورزی، این اراضی از آسیبپذیرترین اشکال ژئومورفیک در برابر فرسایش محسوب میشوند. بهطوریکه گسترش فرسایش روی این سطوح بهشدت سطح کیفیت خاک را متأثر میسازد. فرسایشپذیری خاک یا همان فاکتور K در معادلۀ جهانی تلفات خاک[1] USLE شاخص بسیار مهمی برای اندازهگیری حساسیتپذیری خاک به فرسایش آبی و عاملی ضروری برای پیشبینی فرسایش خاک است (Borselli et al., 2012). باتوجهبه اثرات فرسایش روی کیفیت خاک، مطالعات بر روی ویژگیها و فرسایشپذیری خاکهای متأثر از فرسایش در راستای حفظ منابع طبیعی ازجمله افزایش سطح کیفیت خاک ضروری بهنظر میرسد.
Yusong et al (2019) و (2013) Zhong et al. در مطالعهای در چین نشان دادهاند که از سال 1950 تا 2005، فرسایش خاک در مناطقی با خاکهای رسی بر محدودهای با وسعت 1220 کیلومتر مربع تأثیر گذاشته و به تلفات بیش از 60 میلیون تن خاک و بیش از 38000 هکتار از زمینهای کشاورزی منجر شده است. Fang et al. (2024) در مطالعهای اثرات فرسایش را روی کیفیت خاکهای زمینهای کشاورزی در شمال شرق چین بررسی کردند. نتایج این مطالعه نشان داد که تغییرپذیری در نرخ فرسایش و کیفیت خاک بهشدت متأثر از عامل شیب است. در مطالعهای دیگر، Mandal et al. (2023) اثرات فرسایش را روی کیفیت خاک و پیامدهای آنها بر توسعۀ پایدار کشاورزی در مناطقی از هند ارزیابی کردند. نتایج نشان داد که شاخص کیفیت خاک بهطور معناداری در پاسخ به افزایش نرخ فرسایش خاک، روند کاهشی چشمگیری داشته است. همچنین، Mandal et al. (2021) کیفیت و بهرهوری خاک را طی فازهای مختلف فرسایش با تأکید بر فرایندهای تخریب زمین در مناطق گرم و مرطوب هند ارزیابی کردند. نتایج بیانگر ارتباط معکوس و معنادار بین فازهای تکاملی فرسایش خاک با شاخصهای کیفیت و بهرهوری است.Nosrati (2013) در مطالعهای روی حوضههای آبخیز ایران، شاخصهای کیفیت خاک را در پاسخ به تغییرات کاربری اراضی و فرسایش خاک ارزیابی کرد. نتایج مطالعه، تفاوتهای معناداری از تغییرات کیفیت خاک را بین سطوح مختلف فرسایش/کاربری اراضی نشان داده است. Ma et al. (2024) پاسخ روند تخریب کیفیت خاک را به فرسایش ناشی از کشاورزی در شمال شرق چین مطالعه کردند. نتایج این تحقیق نشان داد که کشاورزی و فرسایش خاک ناشی از آن، بیشترین سهم در تخریب کیفیت خاک را در خاکهای مالیسول (Mollisols) دارد. Eekhout & de Vente (2022) در مطالعۀ مروری جهانی، نشان دادند که تغییر اقلیم به تشدید فرسایش خاک، بهویژه در مناطق نیمهخشک، منجر خواهد شد و تغییر کاربری اراضی این روند را تشدید میکند؛ بااینحال، اقدامات حفاظتی میتوانند این اثرات را جبران کنند. Ibragimov et al. (2024) با استفاده از مدل RUSLE ، فرسایش خاک را در منطقۀ بکآباد ازبکستان بررسی کرده و افزایش کلاسهای فرسایش متوسط و جزئی را گزارش کردند که بر لزوم پایش مستمر و اقدامات حفاظتی تأکید دارد. Sud et al. (2024) نیز با بهکارگیری همین رویکرد در حوضۀ آبخیز ساتلوج دریافتند که ۹۲درصد از منطقه دارای فرسایش شدید با میانگین تلفات خاک ۱۰۷۴۰ تن در هکتار در سال است. در پژوهشی دیگر، Sentani et al. (2024) با ارزیابی فرسایش در حوضۀ آبخیز تانتانگ اندونزی نشان دادند که اگرچه فرسایش در بیشتر مناطق در سطح متوسط قرار دارد، برخی زیرحوضهها با خطر فرسایش شدید مواجه هستند که میتواند به رسوبگذاری و سیلاب منجر شود.
تحقیقات زیادی در ایران با استفاده از روشهای مختلف، فرسایش خاک و ارتباط آن را با کیفیت خاک ارزیابی کردهاند. امامی و همکاران (۱۳۹۵) با بررسی اثرات شیب و جهت آن بر کیفیت خاک در جنوب شرق مشهد نشان دادند که مقدار عددی شاخص کیفیت خاک در شیبهای شمالی بهطور معنیداری بیشتر از شیبهای جنوبی است. محسنی (۱۳۹۸) در مطالعهای روی سطوح مخروطهافکنهای، اثرات فرسایش را بر تنوع میکروبی خاک بررسی کرد و دریافت که میزان کربن آلی و نیتروژن کل در مکانهای رسوبی در مقایسه با مکانهای فرسایشی کاهش معناداری داشته است. خضری و همکاران (۱۴۰۱) با بررسی تأثیر موقعیتهای ژئومورفیک بر فرسایشپذیری و کیفیت خاک در حوضۀ آبخیز هشتیان نتیجه گرفتند که شانۀ دامنه بهدلیل شیب بیشتر، نرخ فرسایشپذیری بیشتری دارد، درحالیکه کیفیت خاک در خطالرأس و پای دامنه بهتر است.
درسالهای اخیر، کاربرد مدلهای مبتنیبر سنجش از دور برای برآورد فرسایش افزایش یافته است. معتمدیراد و همکاران (۱۴۰۲) با استفاده از مدل RUSLE در حوضۀ کال اسماعیل دره شاهرود، میزان فرسایش را 19/17 تن در هکتار برآورد کردند و منطقه را در کلاس فرسایش خیلی کم طبقهبندی کردند. درمقابل، ابراهیمزاده و همکاران (۱۴۰۳) با بهکارگیری مدل RUSLE/SDR در حوضۀ آبخیز دیزگران، نرخ متوسط فرسایش را 09/45 تن در هکتار در سال محاسبه و نشان دادند که بیش از ۷۰درصد مساحت حوضه در کلاسهای فرسایش شدید و بسیار شدید قرار دارد. معرفتی و همکاران (۱۴۰۳) نیز با بررسی اثرات فرسایش خندقی در حوضۀ آبخیز ملااحمد اردبیل، بر اهمیت این نوع فرسایش در کاهش کیفیت خاک تأکید کردند. همچنین، ایزدیپور و همکاران (۱۴۰۴) با استفاده از مدل اینوست (InVEST) در منطقۀ سیستان، میانگین فرسایش را 07/2 تن در هکتار در سال برآورد کردند و رابطهای مثبت و معنادار بین کیفیت زیستگاه و پتانسیل فرسایش خاک یافتند.
باوجود تعدد مطالعات در زمینۀ مدلسازی زمانی-مکانی فرسایش خاک، به بررسی پیامدهای مستقیم این پدیده بر شاخصهای کیفیت خاک کمتر توجه شده است. تمرکز اصلی پژوهشهای پیشین بر کمّیسازی تلفات خاک بوده و ارزیابی ابعاد این مخاطره بر تغییرات سطح کیفیت خاک، کمتر بررسی شده است. ازآنجاکه یکی از مخربترین اثرات فرسایش، کاهش کیفیت خاک است، هدف از پژوهش حاضر پرکردن این شکاف تحقیقاتی است. بهطور جزئی تحقیق پیشرو اهداف زیر را دنبال میکند: (1) پیشبینی عوامل و سازوکارهای مؤثر بر توسعۀ فرسایش خاک با ترکیبی از دادههای سنجش از دور و مدل RUSLE؛ (2) سنجش شاخص کیفیت خاک با استفاده از دادۀ OpenLandMap و محصولات سنجندۀ MODIS؛ (3) بررسی اثرات فاکتور فرسایشپذیری بر تغییر کیفیت خاک.
روششناسی پژوهش
محدودۀ مطالعهشده
این پژوهش در دامنههای جنوبی رشتهکوه آلاداغ، واقع در استان خراسان شمالی در شمال شرقی ایران انجام شده است (شکل ۱). این منطقه بهلحاظ توپوگرافیک، ناحیهای کوهستانی است که آن را به منطقۀ نمونه برای مطالعات فرسایش خاک تبدیل کرده است. دامنۀ ارتفاعی از کمینۀ 995 متر در پاییندست تا بیشینه 2975 متر از سطح دریای آزاد متغیر است و میانگین ارتفاع کل منطقه 1352 متر از سطح دریا برآورد میشود. وجود شیبهای بسیار تند یکی از مشخصههای اصلی این منطقه است، بهطوری که بیشینۀ شیب در دامنههای پرشیب به 71 درجه میرسد. این شیب تند، پتانسیل منطقه را برای رخداد فرسایش آبی و حرکات تودهای افزایش میدهد. منطقۀ مطالعهشده دارای میانگین بارش سالانۀ بلندمدت 8/254 میلیمتر (ضریب تغییرات 5/23درصد) و میانگین دمای سالانۀ 9/13 درجۀ سلسیوس (ضریب تغییرات 21/0درصد) است. این مقادیر، اقلیم منطقه را براساس طبقهبندیهای اقلیمی دمارتن (Oliver, 1991)، در گروه نیمهخشک با بارشهای نامنظم و دمای نسبتاً پایدار طبقهبندی میکند. وضعیت پوشش گیاهی که انعکاسی از شرایط اقلیمی است، با میانگین شاخص NDVI بلندمدت 13/0، تراکم گیاهی کمی را نشان میدهد. نوسانات سالانۀ این شاخص با ضریب تغییرات 8/9درصد، بیانگر حساسیت بالای اکوسیستم منطقه به تغییرات سالانه، بهخصوص نوسانات بارش است.
|
(ب) |
|
(الف) |
شکل 1: موقعیت منطقۀ مطالعهشده در شمال شرق ایران به همراه مدل رقومی ارتفاع (DEM) (الف) و شیب منطقه (ب)
Figure 1: Location of the study area in northeastern Iran along with DEM (a) and slope gradient (b)
دادههای استفادهشده
دادههای ورودی برای محاسبۀ سالانۀ مدل جهانی بازنگریشدۀ فرسایش خاک (RUSLE[2]) از چندین مجموعهدادۀ جهانی استخراج شده است (جدول 1 و شکل 2). برای برآورد عامل فرسایشپذیری بارش (R)، از دادههای بارش با تفکیک افقی 5 کیلومتر مجموعهداده CHIRPS[3] (Shen et al., 2020) استفاده شد. عامل فرسایشپذیری خاک (K) با بهرهگیری از نقشۀ کلاس بافت خاک OpenLandMap (Gupta et al., 2024) و تخصیص مقادیر K استاندارد به هر کلاس تعیین شد. عامل توپوگرافی (LS) که اثر طول و شیب دامنه را نشان میدهد، ازطریق تحلیلهای مکانی روی مدل رقومی ارتفاع ([4]DEM) حاصل از مأموریت توپوگرافی شاتل رادار (SRTM[5]) با تفکیک 30 متر محاسبه شد. بهمنظور محاسبۀ دقیقتر عامل پوشش گیاهی و مدیریت (C)، رویکرد تلفیقی بهکار گرفته شد که در آن دادههای سالانۀ پوشش/کاربری اراضی سنجندۀ MODIS ماهوارۀ Terra با دادههای سری زمانی شاخص نرمالشده تفاوت پوشش گیاهی ([6]NDVI) از همان سنجنده ترکیب شد تا تأثیر همزمان نوع کاربری و تراکم پوشش گیاهی لحاظ شود.
بهمنظور ارزیابی شاخص کیفیت خاک، مجموعهای از خصوصیات فیزیکی و شیمیایی خاک به کار گرفته شد (جدول 2 و شکل 3). خصوصیات فیزیکی شامل درصد شن (Sand)، سیلت (Silt) و رس (Clay) و خصوصیات شیمیایی شامل pH و مادۀ آلی خاک از محصولات جهانی OpenLandMap استخراج شد. جرم مخصوص ظاهری (Bulk density) و تخلخل کل (Total porosity) از مجموعهدادۀ Soilgrids و رطوبت سطحی خاک از محصول سنجندۀ SMAP استخراج شد.
جدول 1: دادههای استفادهشده برای مدل جهانی تصحیحشدۀ فرسایش خاک (RUSLE)
Table 1: Data employed for the RUSLE model
|
متغیر |
مجموعۀ داده |
تفکیک افقی |
کاربرد |
منبع |
|
عامل R (بارش) |
CHIRPS |
5 کیلومتر |
فرسایشپذیری بارش |
|
|
عامل K (فرسایشپذیری) |
OpenLandMap |
250 متر |
حساسیت خاک به فرسایش |
|
|
عامل LS (طول و شیب) |
SRTM |
30 متر |
محاسبۀ اثر توپوگرافی |
|
|
عامل C (پوشش گیاهی) |
MODIS Land Cover |
500 متر |
کاربری اراضی |
|
|
عامل C (پوشش گیاهی) |
MODIS NDVI |
250 متر |
تراکم پوشش گیاهی |
روش تحقیق
مدل جهانی بازنگریشدۀ فرسایش خاک (RUSLE)
فرسایش خاک حاصل برهمکنش مجموعهای از عوامل مستقیم و غیرمستقیم شامل جهت شیب و شیب دامنه، پتانسیل فرسایشپذیری بارش، حساسیت خاک به فرسایش (عامل فرسایشپذیری)، روشهای مدیریت کشاورزی و کارایی اقدامات حفاظتی است (Wang et al., 2022). بهمنظور بررسی و ارزیابی فرسایش خاک، از مدل بازنگریشدۀ جهانی فرسایش خاک (RUSLE) استفاده شده است. مدل RUSLE بهعنوان ابزاری شناختهشده و پرکاربرد برای تحلیل پدیدۀ فرسایش خاک با بهرهگیری از دادههای مختلف زمینی و ماهوارهای، اطلاعات درخور توجهی را در این زمینه فراهم میآورد .(Zhu et al., 2022)
در پژوهش حاضر، دادههای استفادهشده براساس اطلاعات جدول (1) تهیه شد. سپس، مدل RUSLE برای یک دورۀ آماری 20ساله (2001-2020) بهصورت سلولبهسلول (pixel-by-pixel) و با در نظر گرفتن وابستگی متقابل و تغییرپذیری مکانی دادههای ورودی محاسبه شد. شرح محاسباتی مدل RUSLE در رابطۀ (1) ارائه شده است.
A=R×K×LS×C×P رابطۀ (1)
در رابطۀ (1) A بیانگر میانگین فرسایش سالانۀ خاک، K عامل فرسایشپذیری خاک،LS عامل طول و شیب دامنه، C عامل مدیریت پوشش گیاهی و زراعی و P عامل عملیات حفاظتی بدون بُعد هستند (Zhang et al., 2025). ازآنجاکه ناهمگونی در تفکیک افقی متغیرهای ورودی، چالشی کلیدی در مدلسازی مکانی است و میتواند بر دقت و قطعیت نتایج نهایی تأثیرگذار باشد، در این پژوهش از دادههای بافت خاک، pH، مادۀ آلی، جرم مخصوص ظاهری و تخلخل با تفکیک 250 متر (از منابع OpenLandMap و Soilgrids) و دادههای رطوبت خاک با تفکیک 10 متر استفاده شده است. برای مدیریت تطابقنداشتن مقیاس مکانی که از درونیابی دادههای با تفکیک پایین ناشی میشود، تمامی متغیرهایی با تفکیک 10 متر به 250 متر با استفاده از تابع میانگین، نمونهگیری مجدد (Resample) شدند. بهمنظور طبقهبندی کیفی نتایج کمّی حاصل از مدل RUSLE، از سیستم طبقهبندی شدت فرسایشی استفاده شد که مورگان (Morgan, 2009) پیشنهاد داده بود. در این روش، مقادیر برآوردشدۀ فرسایش خاک براساس پیامدهای زیستمحیطی و ارتباط با آستانۀ تحمل خاک (T-value) به کلاسهای مختلفی تقسیم میشوند.
جدول 2: دادههای استفادهشده برای ارزیابی شاخص کیفیت خاک
Table 2: Data employed for assessing soil quality index
|
متغیر |
مجموعۀ داده |
تفکیک افقی |
منبع |
|
بافت خاک (شن و رس) |
OpenLandMap |
250 متر |
|
|
pH خاک |
|||
|
مادۀ آلی خاک |
|||
|
رطوبت خاک |
SMAP |
10 کیلومتر |
|
|
جرم مخصوص ظاهری |
Soilgrids |
250 متر |
|
|
تخلخل کل خاک |
شاخص کیفیت خاک (SQI[7])
شاخصهای کیفیت خاک مجموعهای از ویژگیهای فیزیکی و شیمیایی خاک هستند که شرح هریک از این دادهها در جدول (2) ارائه شده است. بهطورکلی، شاخصهای کیفیت خاک در سیستمهای کشاورزی از اهمیت بسیار زیادی برخوردارند؛ زیرا تولید پایدار محصولات کشاورزی به تعامل یکپارچه و متوازن خصوصیات فیزیکی، شیمیایی و بیولوژیکی خاک وابسته است (Wood et al., 2017). از این دادهها در کرواسی (Radočaj et al., 2023)، شمال تایلند (Madueke et al., 2024)، شهرستان بکاباد ازبکستان (Ibragimov et al., 2024)، حوضۀ آبخیز ستلج (Satluj) در شمال هند (Sud et al., 2024) و حوزۀ آبخیز تونتانگ (Tuntang) در مرکز اندونزی (Sentani et al., 2024) استفاده شده است و کارایی این دادهها را تأیید کردهاند. برای ارزیابی وضعیت خاک در مناطق مختلف، شاخص کیفیت خاک (SQI) با بهرهگیری از رویکردهای آماری چندمتغیره محاسبه شد. این فرایند در سه گام اصلی پیادهسازی شد: نخست، انتخاب یک مجموعهدادۀ حداقلی (MDS) از میان شاخصهای فیزیکی و شیمیایی خاک که قادر به نمایش جامع عملکرد اکوسیستم باشند؛ دوم، استانداردسازی این شاخصها ازطریق توابع امتیازدهی و سوم، تجمیع این امتیازها در یک شاخص نهایی. برای تحقق گام اول، از تحلیل مؤلفۀ اصلی (PCA) برای شناسایی متغیرهای کلیدی و تأثیرگذار استفاده شد. مؤلفههای اصلی (PC) با مقدار ویژه (Eigen value) بالاتر از یک انتخاب شده و تنها متغیرهایی با بالاترین بار عاملی در هر مؤلفه، به شرط عدم همبستگی معنادار با یکدیگر، برای مجموعهدادۀ حداقلی برگزیده شدند (Andrews et al., 2002). در گام بعد، مقادیر متغیرهای منتخب با استفاده از توابع امتیازدهی غیرخطی سیگموئید به امتیازاتی بیبُعد در بازۀ صفر تا یک براساس رابطۀ (1) محاسبه و تبدیل شدند (Bastida et al., 2006).
(1)
که Y امتیاز شاخص، x مقدار اندازهگیریشده و x0 مقدار میانگین آن شاخص در تمامی نمونهها است؛ درنهایت، شاخص کیفیت خاک (SQI) ازطریق یک مدل وزنی تجمعی همانند رابطۀ (2) محاسبه شد. α حداکثر امتیاز (مقدار بیشینۀ خروجی تابع، اغلب برابر با یک و b تعیینکنندۀ شیب و نوع روند (افزایشی/کاهشی) تابع نسبت تغییرات است.
(2)
که Si امتیاز نرمالشدۀ هر شاخص و Wi وزن آن است که براساس درصد واریانس تبیینشده توسط هر مؤلفۀ اصلی در تحلیل PCA و پس از نرمالسازی به واحد، تعیین شد (Armenise et al., 2013).
روشهای آماری
بهمنظور ارزیابی کمّی رابطۀ بین متغیرها از ضریب همبستگی پیرسون استفاده شد. این ضریب، شاخصی آماری است که شدت و جهت رابطۀ خطی بین دو متغیر کمّی پیوسته را اندازهگیری میکند (Cohen et al., 2009). در پژوهش حاضر، از این روش آماری برای بررسی نوع و شدت ارتباط بین مقادیر فرسایش خاک برآوردشده توسط مدل جهانی بازنگریشدۀ فرسایش خاک (RUSLE) و مقادیر محاسبهشده برای شاخص کیفیت خاک (SQI) در دامنههای جنوبی آلاداغ استفاده شد. هدف از این تحلیل، بررسی این فرض است که آیا کاهش یا افزایش مقدار فرسایش خاک در منطقه، رابطۀ آماری معناداری با کیفیت خاک دارد. بهمنظور تعیین بزرگی روند در سریهای زمانی از روش ناپارامتریک برآوردگر شیب سِن (Sen’s) استفاده شد. این روش برای کمّیسازی شیب یک روند خطی به کار میرود و بهدلیل ماهیت ناپارامتریک خود، نیازی به پیشفرض نرمالبودن توزیع دادهها ندارد و در برابر دادههای پرت بسیار مقاوم است (Sen, 1968). آزمون روند شیب سِن برای تمامی نقطه شبکههای بررسیشده محاسبه میشود و همچنین برای درک بهتر روند فرسایش خاک در دامنههای جنوبی آلاداغ متوسط پهنههای روند تهیه و تحلیل شده است.
شکل 2: متغیرهای مدل RUSLE برای ارزیابی نرخ فرسایش خاک. R (شاخص فرسایندگی بارش)؛ K (فرسایشپذیری خاک)؛ LS (ضریب شیب و طول شیب)؛ C (ضریب پوشش گیاهی/مدیریت)؛ P (ضریب عملیات حفاظتی/مدیریت زمین)
Figure 2: Factors of RUSLE model for assessing soil erosion rate. R (Rainfall Erosivity Factor); R (Soil Erodibility Factor); LS (Slope Length and Steepness Factor); C (Cover and Management Factor); P (Conservation Practice Factor)
یافتههای پژوهش و تجزیهوتحلیل
تحلیل میانگین فرسایش خاک براساس نتایج مدل RUSLE در بازۀ ۲۰۲۰-۲۰۰۱
براساس نتایج ارائهشده در جدول (3)، روند تغییرات شاخص کیفیت خاک و میزان فرسایش خاک طی دورۀ 20ساله (2001-2020) تحلیل شد. نتایج نشان میدهد که شاخص کیفیت خاک از دامنۀ 69/0-49/0 در دورۀ 2001-2005 به 54/0-33/0 در دورۀ 2016-2020 کاهش یافته است که بیانگر افت 7/32درصد در حد پایین و 7/21درصد در حد بالای این شاخص است. کلاس فرسایش شدید بیشترین مساحت (60درصد) بهطور عمده در بخشهای شمالی، مرکزی و غربی حوضه متمرکز هستند. این کاهش چشمگیر در کیفیت خاک میتواند ناشی از عوامل متعددی نظیر تشدید فعالیتهای انسانی، تغییر اقلیم و مدیریت نامناسب اراضی باشد. نتایج این پژوهش که نشاندهندۀ کاهش محسوس کیفیت خاک است، با یافتههای مطالعات جهانی همسو است. تحقیقات مختلف ازجمله مطالعۀ Kahsay (2025) در اتیوپی، کاهش معنادار شاخص کیفیت خاک را در اثر مدیریت نادرست اراضی گزارش کردهاند که تأییدی بر نتایج حاضر است. بهطور مشابه، Bünemann et al. (2018) نشان دادند که فعالیتهای انسانی مانند کشاورزی و تغییر کاربری اراضی، نقش اصلی در تخریب خاک ایفا میکنند. Dror et al. (2021) نیز تأکید کردهاند که در دهههای اخیر، تأثیر فعالیتهای انسانی بر کاهش کیفیت خاک حتی از عوامل طبیعی پیشی گرفته است. این همخوانی یافتهها نشان میدهد که کاهش کیفیت خاک پدیدهای جهانی است که نیازمند مدیریت پایدار اراضی و راهکارهای انطباقی با تغییر اقلیم است.
از منظر فرسایش خاک، تحلیل دادهها حاکیازآن است که بیشترین درصد اراضی در طبقۀ فرسایش شدید قرار دارد که این میزان از 9/55درصد در دورۀ 2005-2001 به 8/60درصد در دورۀ 2016-2020 افزایش یافته است. نکتۀ درخور تأمل، کاهش مساحت اراضی با فرسایش کم از 3/3 به 3/1درصد و همچنین کاهش اراضی با فرسایش متوسط از 9/5 به 1/5درصد است. این روند نشاندهندۀ انتقال تدریجی اراضی از طبقات فرسایشی کمتر به طبقات با شدت فرسایش بیشتر است.
نتایج این پژوهش نشان داد که بیشترین نرخ فرسایش خاک عمدتاً در دشتهای کمشیب و مناطق دارای پوشش گیاهی ضعیف رخ میدهد که این یافته با نتایج مطالعات مشابه در ایران و سایر مناطق نیمهخشک و خشک جهان همخوانی دارد. مطالعات انجامشده در ایران (Mohammadi et al., 2021) نشان دادهاند که مناطق با اراضی بایر و مدیریت نامناسب مراتع، بیشترین نرخ فرسایش خاک را به خود اختصاص دادهاند و حتی در اراضی کمشیب نیز شدت فرسایش زیاد است. همچنین، Eekhout & deVente (2022) نشان دادند که بیشترین مقادیر فرسایش در اراضی فاقد پوشش گیاهی و با خاکهای با بافت ریز و حساس به فرسایش، حتی در شیبهای ملایم مشاهده میشود. این همراستایی در نتایج این تحقیق در دامنههای جنوبی آلاداغ با تحقیقات مشابه ناشی از نقش کلیدی پوشش گیاهی، مدیریت اراضی و ویژگیهای خاک است که در مدل RUSLE نیز به آن توجه شده است و نشان میدهد که عامل C و K بهشدت در تعیین پراکنش مکانی فرسایش مؤثر هستند؛ بنابراین، برهمکنش این دو عامل حتی در شیبهای ملایم بخشهای شمالی، مرکزی و غربی به بروز شدیدترین نرخ فرسایش در حوضه منجر شده است.
جدول 3: درصد مساحت هریک از کلاسهای فرسایش خاک (تن در هکتار در سال) و شاخص کیفیت خاک
Table 3: Area percentage of the soil erosion zones (ton/ha/y) and soil quality index
|
دورۀ آماری |
شاخص کیفیت خاک |
فرسایش خاک RUSLE |
|||||
|
کمینه |
بیشینه |
کم |
متوسط |
زیاد |
خیلی زیاد |
شدید |
|
|
2001-2005 |
49/0 |
69/0 |
3/3 |
9/5 |
1/17 |
8/13 |
9/59 |
|
2006-2010 |
48/0 |
69/0 |
6/2 |
6 |
9/17 |
5/14 |
59 |
|
2011-2015 |
34/0 |
54/0 |
8/1 |
2/6 |
4/18 |
6/14 |
59 |
|
2016-2020 |
33/0 |
54/0 |
3/1 |
1/5 |
2/18 |
5/14 |
8/60 |
|
2001-2020 |
34/0 |
54/0 |
3/2 |
6/5 |
2/18 |
2/14 |
7/59 |
پهنههایی با نرخ فرسایش زیاد (20-30 تن در هکتار در سال) و خیلی زیاد (30-40 تن در هکتار در سال) به ترتیب 18درصد و 14درصد از مساحت کل منطقه را به خود اختصاص دادهاند؛ بهطوریکه همراه با کلاس شدید فرسایش، درمجموع حدود 92درصد از کل منطقه نرخ فرسایشی بیشتر از 20 تن در هکتار در سال را تجربه میکند (جدول 3). این پهنهها بیشتر در بخشهای جنوبی و نزدیک به کوهپایهها و مخروطافکنهها دیده میشوند. در این نواحی، عامل شیب (LS) بهدلیل نزدیکشدن به ارتفاعات، افزایش مییابد؛ اما تراکم پوشش گیاهی بیشتری در مقایسه با دشتهای شمالی دارند (شکل 2). محدودههایی با نرخ فرسایش متوسط حدود 10 تا 20 تن در هکتار در بازۀ 20ساله بهصورت لکههایی در بخشهای جنوب و جنوب شرقی حوضه پراکنده شدهاند. این مناطق بهطور عمده در کوهپایهها و بخشهایی از دشتهای آبرفتی قرار دارند که پوشش گیاهی متراکمتری را تجربه میکنند (شکل 2).
پوشش گیاهی نقش مؤثری در کاهش انرژی بارش و کنترل رواناب داشته و برخلاف وجود شیبهای تندتر در مقایسه با دشتها، فرسایش را به سطح متوسطی کاهش داده است. محدودههایی با کمترین نرخ فرسایش (کمتر از 10 تن در هکتار) کمترین مساحت را در سطح حوضه نشان میدهند (حدود 8درصد) و بهطور مشخص در بخش جنوب شرقی و در امتداد آبراهههای اصلی متمرکز شدهاند. همچنان که در شکل 2 و جدول 4 مشاهده میشود، این پهنهها بهطور عمده در اراضی کشاورزی آبی با مدیریت مناسب و مناطقی با پوشش گیاهی متراکم و دائمی (پوشش گیاهی حاشیه رودخانهها) متمرکز هستند.
شکل 3: ویژگیهای خاک استفادهشده برای سنجش شاخص کیفیت خاک
Figure 3: Soil characteristics employed for assessing soil quality index
در این نواحی، عامل پوشش گیاهی (C) بسیار کم است و بنابراین، نقش کلیدی در کنترل فرسایش دارد؛ بهطوریکه تأثیر سایر عوامل مانند شیب یا فرسایشپذیری خاک را خنثی کرده است. برخلاف انتظار که فرسایش شدید باید در مناطق پرشیب متمرکز باشد، وسیعترین مناطق با فرسایش شدید (بیش از 40 تن در هکتار) در دشتهای کمشیب شمالی و مرکزی قرار گرفته است. این نتایج بر نقش تعیینکنندۀ پوشش گیاهی و مدیریت کاربری اراضی در کنترل فرسایش در اکوسیستمهای خشک و نیمهخشک (Li et al., 2010) تأکید میکند. نتایج این پژوهش، ضرورت اجرای اقدامات مدیریتی و حفاظتی خاک، بهویژه تمرکز بر احیای پوشش گیاهی و بهبود شیوههای مدیریت مرتع و کشاورزی در پهنههای وسیع شمالی و مرکزی حوضه برای جلوگیری از بیابانزایی و تخریب اراضی را بیشازپیش آشکار میسازد. بررسی کلی دادهها در بازۀ زمانی مطالعهشده، الگوی تحولی بسیار مشخصی را آشکار میسازد. کاهش چشمگیر مساحت اراضی بایر که بهطور عمده به نفع افزایش پوشش مراتع بوده است (جدول 4). این دو کلاس کاربری که مجموعاً بیش از95درصد از سطح منطقه را در تمامی سالها تشکیل میدهند، رابطهای معکوس و قوی را به نمایش میگذارند. در کنار این تحول بزرگ، رشد تدریجی اما پیوسته در اراضی کشاورزی و مناطق ساختهشده نیز مشاهده میشود که نشاندهندۀ افزایش فشارهای انسانی بر اکوسیستم منطقه است.
همچنان که در جدول (4) مشاهده میشود، پوشش مرتعی بهعنوان غالبترین کلاس کاربری، روند افزایشی چشمگیری را تجربه کرده است. مساحت این کلاس از 78/70درصد در سال 2017 به 99/86درصد در سال 2024 رسیده که نشاندهندۀ افزایش خالصی معادل 21/16 واحددرصد در طول هشت سال است. درمقابلِ افزایش مراتع، اراضی بایر با روند کاهشی شدید و مداوم مواجه بودهاند. مساحت این کاربری از 50/25درصد در سال 2017 به 29/8درصد در سال 2024 کاهش یافته است. این به معنای کاهش خالصی معادل 17.21 واحددرصد است. اراضی کشاورزی نیز روند کلی افزایشی را نشان میدهند. مساحت این اراضی از 96/2درصد در سال 2017 به 77/3درصد در سال 2024 افزایش یافته است. مناطق ساختهشده اگرچه بخش کوچکی از منطقه را تشکیل میدهند، روند رشد آهسته و پیوستهای را از 72/0درصد در سال 2017 به 86/0درصد در سال 2024 نشان میدهند. این افزایش شاخصی کلیدی از رشد جمعیت، توسعۀ زیرساختها و گسترش سکونتگاههای انسانی در منطقه است که میتواند پیامدهایی مانند تجزیۀ زیستگاهها را به دنبال داشته باشد. تحول اصلی مشاهدهشده در دامنههای جنوبی آلاداغ، یعنی تبدیل گستردۀ اراضی بایر به مراتع میتواند ناشی از ترکیب عواملی مانند تغییر الگوهای دمایی، اقدامات مدیریتی و حفاظتی نظیر اجرای پروژههای احیای مراتع نظیر بذرپاشی، ساخت بانکت یا مدیریت قرق باشد که توانسته بهطور مستقیم به کاهش اراضی بایر و افزایش تراکم پوشش گیاهی منجر شود.
جدول 4: تغییرات کاربری اراضی برحسب درصد در منطقۀ مطالعهشده در بازۀ 2017-2024
Table 4: Land use changes درصد)) in the study area during 2017-2024
|
سال/کاربری |
پهنههای آبی |
درخت |
زمین کشاورزی |
مناطق ساختهشده |
زمین بایر |
مرتع |
|
2017 |
0008/0 |
021/0 |
96/2 |
72/0 |
50/25 |
78/70 |
|
2018 |
0004/0 |
037/0 |
91/2 |
72/0 |
30/22 |
01/74 |
|
2019 |
004/0 |
051/0 |
74/4 |
73/0 |
88/12 |
67/81 |
|
2020 |
001/0 |
077/0 |
29/6 |
79/0 |
56/9 |
26/83 |
|
2021 |
0009/0 |
047/0 |
33/3 |
79/0 |
12/9 |
70/86 |
|
2022 |
0007/0 |
047/0 |
46/4 |
82/0 |
97/8 |
69/85 |
|
2023 |
002/0 |
046/0 |
51/3 |
83/0 |
57/8 |
02/87 |
|
2024 |
006/0 |
051/0 |
77/3 |
86/0 |
29/8 |
99/86 |
تحلیل روند زمانی تغییرات مکانی فرسایش خاک در دامنههای جنوبی آلاداغ در بازۀ 2020-2001
نقشۀ توزیع مکانی و نمودار رگرسیون خطی در شکل 4 ب و د، روند فرسایش خاک را که با استفاده از مدل RUSLE برای دورۀ 20ساله از 2001 تا 2020 محاسبه شده و ارتباط بین الگوهای فرسایش و ویژگیهای فیزیوگرافی را نمایش میدهد. مقادیر موجود در راهنمای نقشه، شیب خط رگرسیون است که روی سری زمانی مقادیر سالانۀ فرسایش خاک (برحسب تن در هکتار در سال) برازش داده شده است. مقادیر مثبت بیانگر روند افزایشی، مقادیر منفی نشاندهندۀ روند کاهشی و مقادیر نزدیک به صفر گویای پایداری نسبی میزان فرسایش خاک طی دورۀ مطالعهشده است. بخش غالب منطقه، دارای مقادیر روند فرسایش خاک بین 05/0- تا 003/0 تن/هکتار/سال (مناطق با روند پایدار یا کاهشی ملایم) هستند. این گستردگی نشان میدهد که در بخش وسیعی از حوضه، نرخ فرسایش خاک در دو دهۀ گذشته یا تغییر محسوسی نداشته یا روند کاهشی بسیار ملایمی را تجربه کرده است. این مناطق بهطور عمده شامل اراضی دشتی با شیب کم در جنوب و برخی از مناطق مرتفعتر در شمال حوضه هستند که از پوشش گیاهی باثباتتری برخوردار بوده یا کمتر متأثر از تغییرات کاربری اراضی قرار گرفتهاند. مهمترین یافتۀ این بخش، شناسایی کانونهای بحرانی فرسایش است که بیانگر روند معنادار افزایشی در فرسایش خاک هستند. مناطقی با شدیدترین روند افزایشی محدودههایی را با مقادیر 09/0 تا 2/0 و 05/0 تا 09/0 تن/هکتار/سال نشان میدهند (شکل 4 ب و د). این کانونهای بحرانی بهصورت لکهها و نوارهای گسسته، بهطور عمده با امتداد شرقی-غربی، در بخشهای میانی حوضه و همچنین در قسمت جنوب غربی متمرکز شدهاند. تطبیق این الگوها با خروجی مدل RUSLE و تغییرات کاربری اراضی (جدول 4) نشان میدهد که این پهنهها با اراضی مرتعی تخریبشده، دیمزارهای کمبازده در دامنهها یا مناطقی انطباق دارند که زیر فشار چرای بیرویه و تغییر کاربری اراضی بودهاند. موقعیت این مناطق در دامنههای دشتسر که دارای شیب متوسط و خاکهای حساس به فرسایش هستند، پتانسیل تخریب را درصورت مدیریت ناپایدار افزایش میدهد. پیرامون کانونهای بحرانی و بهصورت پراکنده در سایر نقاط، مناطقی با روند افزایشی ملایم (مقادیر روند بین 02/0 تا 05/0 و مقادیر بین 003/0 تا 02/0) دیده میشوند. این پهنهها نشاندهندۀ روند افزایشی فرسایش خاک، اما با شدت کمتر هستند و میتوانند بهعنوان مناطق در معرض خطر یا مناطق گذار در نظر گرفته شوند که درصورت توجهنکردن، مستعد تبدیلشدن به کانونهای بحرانی در آیندۀ نزدیک هستند.
تحلیل روند زمانی فرسایش خاک در دامنههای جنوبی آلاداغ طی دورۀ 2001 تا 2020 تصویری دوگانه را ارائه میدهد. از یکسو، بخش بزرگی از منطقه ازنظر پویایی فرسایش، وضعیت نسبتاً پایداری داشته است. از سوی دیگر، نتایج بهوضوح نشاندهندۀ شکلگیری و تشدید فرایندهای تخریب زمین در کانونهای مشخصی است. الگوی مکانی این کانونهای افزایشی که بهصورت خطی و لکهای در مناطق پایکوهی و دشتسرها متمرکز شدهاند، قویاً بر نقش عوامل انسانی بهویژه تغییرات کاربری و پوشش اراضی و مدیریت ناپایدار اراضی بهعنوان محرکهای اصلی تشدید فرسایش دلالت دارد. عواملی مانند تبدیل مراتع به اراضی کشاورزی، تخریب پوشش گیاهی ناشی از چرای مفرط و توسعۀ زیرساختها بدون ملاحظات محیطزیستی میتوانند دلایل اصلی این روندهای افزایشی باشند. همچنانکه Korkanc et al. (2008) نشان دادند که مخروطافکنههایی که بیشتر در معرض کاربریهای کشاورزی بودهاند، سطح فرسایشپذیری خاک مقادیر بالاتری را در مقایسه با سایر واحدها نشان میدهد. نتایج این مطالعه نشان داد که فرسایشپذیری خاک زمانی افزایش مییابد که مواد رسوبی از خندقهای فرسایشی وارد زمینهای کشاورزی و مزارع میشود؛ اگرچه بارش همچنانکه Wang et al. (2014) در پژوهش خود اثبات کردهاند نقش مهمی بهعنوان عامل درونی ایفا میکند که میتواند اثرات تغییرات کاربری را تشدید یا تضعیف کند. نقشۀ روند فرسایش بهعنوان ابزاری قدرتمند میتواند به مدیران و تصمیمگیران کمک کند تا اقدامات حفاظتی و مدیریتی نظیر پروژههای آبخیزداری، اصلاح و احیای مراتع و ترویج کشاورزی حفاظتی را بهجای اجرای پراکنده در کل حوضه، بهطور مؤثر روی مناطق با بیشترین اولویت متمرکز کنند.
شکل 4: (الف) میانگین نرخ فرسایش خاک براساس نتایج مدل RUSLE در بازۀ ۲۰۲۰-۲۰۰۱؛ (ب) روند فرسایش خاک با استفاده از آزمون ناپارامتریک سن برای بازه ۲۰۲۰-۲۰۰۱؛ (ج) شاخص کیفیت خاک؛ (د) روند متوسط پهنهای فرسایش خاک (تن/هکتار/سال)
Figure 4: (a) Average soil erosion rate based on RUSLE model during 2001-2020; (b) Soil erosion trend by using Sen's non-parametric method; (c) Soil quality index; (d) Area- averaged soil erosion
درمجموع، در طول دورۀ 20سالۀ مطالعهشده، روندی افزایشی در میزان متوسط فرسایش خاک در حوضۀ آلاداغ جنوبی دیده میشود. با استناد به خط روند، مقدار فرسایش از حدود 092/0 در ابتدای دوره (حدود سال 2001) به حدود 122/0 تن/هکتار/سال در انتهای دوره (حدود سال 2020) افزایش یافته است. این روند صعودی، هرچند با شیب ملایم، نشاندهندۀ تشدید تدریجی فشارها بر منابع خاک و افزایش آسیبپذیری حوضه در مقایسه با فرسایش در طول دو دهۀ اخیر است. همچنانکه در شکل 4 د مشاهده میشود، کمترین روند فرسایش در سال 2008 با مقدار 075/0 تن در هکتار مشاهده میشود. بیشترین مقدار روند فرسایش در سال 2019 تقریباً 143/0 تن/هکتار/سال رخ داده است. علاوهبر سال 2019، سالهای 2004 (مقدار روند 114/0 تن/هکتار/سال)، 2007 (مقدار روند 115/0 تن/هکتار/سال) و 2011 (مقدار روند 116/0 تن/هکتار/سال) نیز بهعنوان سالهایی با نرخ فرسایش زیاد شناسایی میشوند.
در یک حوضۀ مشخص، عوامل K و LS در بازۀ زمانی کوتاه (20 سال) تقریباً ثابت فرض میشوند؛ بنابراین، تغییرات مشاهدهشده در فرسایش (A) بهطور عمده ناشی از تغییرات در عوامل R ,Cو P است. نوسانات شدید سالانه، بهطور عمده متأثر از عامل فرسایندگی بارش (R) قرار دارد. عامل R بهطور مستقیم به مقدار کل، شدت و توزیع انرژی جنبشی بارش در هر سال بستگی دارد. سالهایی که با بارشهای شدید، رگباری و طولانیمدت همراه بودهاند (مانند سال 2019 یا 2007)، به افزایش چشمگیر عامل R و درنتیجه افزایش ناگهانی فرسایش خاک منجر شدهاند. برعکس، سالهای خشکتر یا سالهایی با بارشهای ملایم و پراکنده (مانند سال 2008)، با کاهش عاملR ، کاهش شدید نرخ فرسایش را به همراه داشتهاند. عامل پوشش گیاهی C نیز میتواند در این نوسانات نقش ثانویه داشته باشد. درسالهای مرطوب، پوشش گیاهی ممکن است متراکمتر شود و از خاک محافظت کند، اما این اثر معمولاً با تأخیر زمانی همراه است و تأثیر آنی عامل R درسالهای بسیار پربارش یا کمبارش غالباً قویتر است.
روند صعودی و تدریجی فرسایش را نمیتوان تنها با نوسانات بارندگی Rتوضیح داد؛ زیرا این نوسانات ماهیت چرخهای دارند. این روند بلندمدت ناشی از تغییرات تدریجی و دخالت انسانی در عامل پوشش گیاهی و مدیریت Cو/یا عامل عملیات حفاظتی P است. عواملی مانند تغییر کاربری اراضی(تبدیل مراتع به دیمزارهای کمبازده)، جنگلزدایی در حوضۀ بالادست، چرای بیرویه و توسعۀ ناپایدار مناطق مسکونی یا زیرساختها میتوانند بهمرور زمان به کاهش تراکم پوشش گیاهی محافظ، تخریب ساختمان خاک و درنتیجه افزایش مقدار عامل C منجر شوند. اجرانشدن عملیات آبخیزداری و حفاظت خاک (مانند تراسبندی، کشت روی خطوط تراز، بانکتبندی) میتواند به افزایش عامل P (که مقدار آن بین 0 و 1 است و مقدار 1 به معنای وجودنداشتن عملیات حفاظتی است) و تشدید فرسایش منجر شود. علاوهبر موارد فوق، تغییرات اقلیمی بلندمدت به افزایش فراوانی و شدت بارشهای جدی منجر میشود. این پدیده میتواند بهتدریج میانگین بلندمدت عامل R را افزایش دهد و به روند صعودی فرسایش کمک کند.
تحلیل الگوی مکانی شاخص کیفیت خاک در دامنههای جنوبی آلاداغ در بازۀ ۲۰۲۰-۲۰۰۱
شکل 4 ج نقشۀ توزیع مکانی شاخص کیفیت خاک را برای دورۀ 20ساله از ۲۰۰۱ تا ۲۰۲۰ نشان میدهد. مقادیر شاخص کیفیت خاک در بازۀ عددی 34/0 تا 54/0 متغیر است. الگوی مکانی کیفیت خاک در منطقۀ مطالعهشده نشاندهندۀ هتروژنیتی معنادار در سطح کیفیت خاک است که بهشدت متأثر از عوامل فیزیوگرافی حوضه مانند توپوگرافی، شیب و جهت دامنهها قرار دارد. شاخص کیفیت خاک در بخشهای وسیعی از مرکز، غرب و جنوب غربی منطقه در پایینترین مقدار نزدیک به 34/0 است. تطبیق این الگو با عاملهای مدل RUSLE (شکل 2) نشان میدهد که پهنههایی با کمترین مقدار کیفیت خاک بهطور عمده در اراضی کوهستانی، دامنههای پرشیب، رخنمونهای سنگی و خاکهای کمعمق قرار گرفتهاند. در این مناطق بهدلیل شیب زیاد، فرایندهای فرسایش خاک شدیدتر است که از تشکیل و توسعۀ خاک حاصلخیز جلوگیری میکنند. فقر مواد آلی و ظرفیت پایین نگهداری آب از دیگر ویژگیهای این خاکهاست که به کاهش کیفیت خاک منجر شده است (شکل 3). این الگو نشان میدهد که عامل محدودکنندۀ اصلی در این بخشها، توپوگرافی و جنس مواد مادری بوده است.
درمقابل، لکههایی با شاخص بالای کیفتت در بخش شمال شرقی، بخش کوچکی در غرب، بهطور عمده واحدهای ژئومورفولوژیکی مسطحتر مانند دشتهای دامنهای، تراسهای آبرفتی و کف درهها را شامل میشوند. در این نواحی، عمق خاک بیشتر، مواد آلی غنیتر، جرم مخصوص ظاهری کمتر و رطوبت قابلدسترس بالاتر است (شکل 3)؛ بنابراین، محیطی مناسب برای استقرار پوشش گیاهی متراکمتر (مانند مراتع با وضعیت خوب) یا فعالیتهای کشاورزی فراهم آورده است. بخش بزرگی از مساحت منطقه، بهویژه در نواحی حد واسط بین کوهستان و دشت، شاخص کیفیت متوسط خاک بین 45/0 بوده است. این مناطق نمایانگر وضعیت غالب مراتع و اراضی طبیعی منطقه هستند که متأثر از مدیریت چرای دام و نوسانات اقلیمی قرار دارند. این خاکها وضعیت متعادلی ازنظر فرسایش و تجمع مواد دارند و بهعنوان مناطق گذر بین نواحی تخریبیافته و نواحی حاصلخیز عمل میکنند.
تحلیل همبستگی مکانی بین فرسایش خاک (RUSLE) و شاخص کیفیت خاک
شکل (5) توزیع مکانی ضریب همبستگی بین نرخ فرسایش خاک برآوردشده توسط مدل RUSLE و شاخص کیفیت خاک را در حوضۀ دامنههای جنوبی آلاداغ نشان میدهد. تحلیل این نقشه درک عمیقی از ارتباط متقابل بین فرایندهای فرسایشی و پایداری خاک در این منطقه ارائه میدهد. بخش عمدهای از منطقۀ مطالعهشده (69/82درصد از کل مساحت منطقه)، دارای همبستگی منفی بین فرسایش و کیفیت خاک است. در مناطقی با شدت زیاد فرسایش خاک (شکل 4الف و شکل 5)، شاخص کیفیت خاک بهطور معناداری پایینتر است. افق سطحی (که بیشترین آسیب در برابر فرسایش خاک دارد) غنیترین بخش خاک ازنظر مادۀ آلی، عناصر غذایی ضروری برای گیاهان (مانند نیتروژن، فسفر و پتاسیم) و جمعیت میکروبی فعال است. فرایندهای فرسایشی، بهویژه برخورد قطرات باران و جریان سطحی آب، باعث شکستهشدن خاکدانهها و تخریب ساختمان خاک میشوند. این امر به کاهش نفوذپذیری آب، افزایش فشردگی و رواناب و درنتیجه کاهش ظرفیت نگهداری آب خاک منجر میشود. همچنین فرسایش مداوم با کاهش عمق مؤثر خاک به محدودشدن فضای قابلدسترس برای رشد ریشههای گیاهان و متعاقباً تضعیف و پایداری اکوسیستم منجر میشود.
نتایج مطالعۀ Yusong et al. (2019) نشاندهندۀ اثرات منفی توسعۀ فرسایش بر ویژگیهای فیزیکی و شیمیایی و سطح فرسایشپذیری خاک دارد. بهطوریکه با کاهش سطح کیفیت خاک، شاخص فرسایشپذیری خاک بهطور درخور توجهی میتواند افزایش یابد. در مطالعۀ دیگر Ganasri & Ramesh (2016) نشان دادهاند که کمیت فرسایشپذیری و تلفات خاک بهشدت متأثر از توپوگرافی و کاربری اراضی است. بهطوریکه با افزایش زمینهای کشاورزی ریسک فرسایش خاک بهطور چشمگیری افزایش مییابد. همچنین نتایج مطالعۀ Ashiagbor et al. (2013) نشان داده است که نرخ شدید فرسایش خاک بهطور عمده در پهنههایی با شیب بیشتر و کاربریهای جنگلی متوسط متمرکز است. بااینوجود، ازآنجاکه پوشش گیاهی مهمترین عامل کنترلکنندۀ فرسایش خاک است، پایش دقیق تغییرات پوشش گیاهی در ارتباط با عامل بارش مهمترین اقدام برای مدیریت بهنگام پهنههای مستعد به فرسایش است.
ازلحاظ الگوی مکانی، مناطق با همبستگی منفی قوی، بهطور عمده در بخشهای جنوبی و جنوب غربی حوضه متمرکز شدهاند. این مناطق اراضی با شیب کمتر، دشتهای آبرفتی یا مناطق کشاورزی هستند که خاکهای تکاملیافتهتری دارند؛ اما بهدلیل کاربری نامناسب یا خصوصیات ذاتی خاک، مستعد فرسایش هستند و بنابراین فرسایش، تأثیر مخرب و مستقیمی بر کیفیت آنها گذاشته است. همبستگی منفی بسیار قوی بین میزان فرسایش و شاخص کیفیت خاک (69/82درصد) بهوضوح بیانگر این مسئله است که فرسایش بهعنوان عامل اصلی تخریب و کاهش کیفیت خاک در این منطقه عمل میکند. این ارتباط معکوس، بر ضرورت اجرای اقدامات مدیریتی و حفاظتی خاک در این مناطق، بهویژه در نواحی با همبستگی منفی قوی، تأکید دارد. همچنین، وجود لکههایی با همبستگی مثبت (31/17درصد) پیچیدگیهای تعاملات خاک-فرسایش-چشمانداز را برجسته میسازد و نشان میدهد که در مناطق کوهستانی با شیب تند، تأثیر مادۀ مادری و فرایندهای ژئومورفولوژیک میتواند روابط مورد انتظار را تحتالشعاع قرار دهد. این یافتهها میتوانند به مدیران و برنامهریزان محیطی در شناسایی مناطق بحرانی و اولویتبندی اقدامات حفاظتی کمک کنند.
شکل 5: توزیع مکانی ضریب همبستگی بین میزان فرسایش خاک برآوردشده توسط مدل RUSLE و شاخص کیفیت خاک
Figure 5: Spatial distribution of correlation between soil erosion rate and soil quality index
نتیجهگیری
نتایج مطالعۀ حاضر بهخوبی ارتباط بین تغییرپذیری در نرخ فرسایش خاک و عوامل مختلف طبیعی و انسانی و پیامدهای گستردۀ این مخاطره را بر کاهش کیفیت خاک نشان میدهد. تحلیل نتایج مدل RUSLE در مقیاس زمانی دو دهه، بیانگر چالشی جدی در ارتباط با حفاظت خاک در منطقۀ مطالعهشده است. غالببودن کلاس فرسایش شدید که بیش از نیمی از منطقه (60درصد) را با نرخ تلفات خاک 40 تن/هکتار/سال در بر میگیرد، نشاندهندۀ عدم تعادل جدی بین عوامل فرساینده و مقاومت خاک است. این توزیع، تصویری از یک حوضه با پتانسیل بالای تولید رسوب و تخریب اراضی ارائه میدهد که نیازمند اقدامات مدیریتی در حوزۀ منابع طبیعی است. باتوجهبه اینکه درمجموع 92درصد از منطقه دارای نرخ فرسایش در سطوح زیاد تا شدید است، میتوان استنباط کرد که شیوههای کنونی مدیریت اکوسیستم و پوشش گیاهی در مهار فرسایش آبی ناکارآمد بودهاند. اقداماتی نظیر اجرای عملیات آبخیزداری (مانند بانکتبندی و تراسبندی)، اصلاح و احیای پوشش گیاهی با استفاده از گونههای بومی و مقاوم و ترویج کشاورزی حفاظتی در اراضی مستعد فرسایش میبایست در اولویت برنامهریزیهای کلان منطقه قرار گیرند.
نتایج مدل RUSLE نشاندهندۀ دو رخداد همزمان هستند: اول اینکه، روند افزایشی کلی را در میانگین فرسایش سالانۀ خاک نشان میدهد که عمدتاً ناشی از فشارهای انسانی، تغییر کاربری و تخریب زمین است؛ دوم اینکه، بیانگر نوسانات شدید سالانه در فرسایشپذیری و کیفیت خاک هستند که ارتباط مستقیمی با تغییرات اقلیمی کوتاهمدت، بهویژه شدت و میزان بارش سالانه دارند و بیانگر آسیبپذیری سیستم اکولوژیکی منطقه در برابر نوسانات اقلیمی هستند. نتایج این پژوهش همچنین نشان داد که رابطهای معکوس و معنادار میان فرسایش و کیفیت خاک در منطقۀ مطالعهشده وجود دارد. تحلیلهای مکانی، همبستگی منفی قوی (69/82درصد) بین این دو متغیر را به اثبات رساند که بیانگر نقش کلیدی فرسایش بهعنوان عامل اصلی کاهشدهندۀ کیفیت خاک است؛ برایناساس، پهنههایی با فرسایش بالا، با کیفیت پایین خاک و مناطق با فرسایش کم با کیفیت خاک مطلوب انطباق مکانی دارند. براساس نتایج، سطح فرسایشپذیری بهشدت وابسته به ویژگیهای ذاتی خاک مانند میزان مواد آلی خاک، بافت خاک، ساختمان خاک و میزان رطوبت و نفوذپذیری خاک است. ارتباط بین فرسایش و ویژگیهای خاک نشان میدهد که فرسایشپذیری با افزایش مقدار مادۀ آلی خاک کاهش مییابد که میتواند پیامد اثرات مادۀ آلی بر افزایش کوهیزیون خاکدانهها باشد. این ارتباط معکوس بر ضرورت اجرای اقدامات مدیریتی و حفاظتی خاک در این مناطق، بهویژه در نواحی با همبستگی منفی قوی تأکید دارد. اجرای برنامههای جامع مدیریت و حفاظت خاک و آب با تأکید بر احیای پوشش گیاهی، مدیریت صحیح چرا، ترویج روشهای کشاورزی حفاظتی و اجرای سازههای مهندسی کنترل فرسایش در مناطقی با کلاس فرسایش شدید و پایش مستمر وضعیت فرسایش برای ارزیابی اثربخشی اقدامات مدیریتی ضروری بهنظر میرسد.
قدردانی
مقالۀ حاضر مستخرج از طرح پژوهشی با کد 64196-3 با حمایت مادی و معنوی دانشگاه فردوسی مشهد است.
[1] Universal Soil Loss Equation
[2] Revised Universal Soil Loss Equation (RUSLE)
[3] Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS)
[4] Digital Elevation Model (DEM)
[5] Shuttle Radar Topography Mission (SRTM)
[6] Normalized Difference Vegetation Index (NDVI)
[7] Soil Quality Indicators (SQI)
)