تهیه‌ی نقشه‌ی توزیع مکانی فرسایش آبی و رسوب متاثر از الگوریتم‌های مختلف شیب، توسط مدل WaTEM/SEDEM در حوضه‌ی زوجی شوش

آب و خاک

مقاله 5، دوره 35، شماره 1 - شماره پیاپی 75، فروردین و اردیبهشت 1400، صفحه 67-82   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.2020.14940.0

نویسندگان

حمزه نیسی؛ عطاله خادم الرسول^* ؛ هادی عامری خواه

گروه خاک‌شناسی، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران

چکیده

فرسایش خاک یکی از مهمترین عوامل تخریب خاک است که ویژگیهای توپوگرافیکی دارای تاثیرات معنی­داری بر روی چگونگی وقوع و توزیع مکانی آن می­باشد. در این پژوهش توزیع مکانی فرسایش خاک و رسوب در حوضه­ی آبریز زوجی شوش واقع در استان خوزستان متاثر از الگوریتم­های مختلف شیب، توسط مدل WaTEM/SEDEM با در نظر گرفتن فرسایندگی باران (R)، فرسایش پذیری خاک (K)، پستی و بلندی (LS)، پوشش گیاهی (C) و مدیریت (P) ارزیابی شد. نتایج همبستگی بین پارامترهای ورودی مدل با میزان فرسایش خاک نشان داد که عامل LS دارای بیشترین میزان همبستگی با فرسایش خاک است که بیانگر بیشترین تاثیرگذاری عامل پستی و بلندی بر روی توزیع مکانی فرسایش خاک می­باشد. همچنین نتایج نشان داد که بین مقادیر برآوردی رسوب در شکل­های مختلف شامل کل رسوبات تولید شده، کل رسوبات ته­نشین شده و کل رسوبات خروجی از حوضه، بین الگوریتم­های مختلف شیب شامل گاورز (Govers)، مک­کوول، نییرینگ و ویشمایر- اسمیت اختلاف وجود دارد. با توجه به مقایسه­ی مقادیر برآورد شده با اندازه­گیری شده، الگوریتم نییرینگ نتایجی به مراتب منطبق­تر با مقادیر اندازه­گیری شده ارایه داده است. نتایج شبیه­سازی رابطه­ی مطلوبی را با مقادیر اندازه­گیری شده نشان داده است در نتیجه خروجی­های مدل WaTEM/SEDEM بر پایه­ی الگوریتم­های نییرینگ، امکان شناسایی مکان­های بحرانی فرسایش و یا تولید رسوب در منطقه را فراهم نموده است، لذا ابزاری کارآمد جهت اتخاذ بهترین شیوه­های مدیریتی (BMPs) موثر برای کنترل مناطق بحرانی محسوب می­شود.

کلیدواژه‌ها

عامل توپوگرافی؛ شبیه‌سازی؛ بهترین شیوه‌های مدیریتی (BMPs)؛ فرسایش شیاری و بین‌شیاری؛ مساحت ویژه‌ی حوزه‌ی آبخیز

مراجع

1- Alatorre L.C, Begueria S., Garcia-Ruiz J.M. 2010. Regional scale modeling of hillslope sediment delivery: a case study in the Barasona Reservoir watershed (Spain) using WaTEM/SEDEM. Journal of Hydrology 391:111–125.

2- Amsalu T., and Mengaw A. 2014.GIS based soil loss estimation using RUSLE model: The case of Jabi Tenan Woreda, ANRS, Ethiopia, Natural Resource 616-625.

3- Bouyoucos G.J. 1962. Hydrometer method improved for making particle size analysis of soils. Agronomy Journal 56: 464-465.

4- Cobo J.G., Dercon G., Cadisch G. 2010. Nutrient balances in African land use systems across different spatial scales: A review of approaches, challenges and progress. Agr Ecosystem Environment 136:1-15.

5- Elizeu J.D., Paolo Gomes Minella J., Evrard O. 2017. Measuring and modelling soil erosion and sediment yields in a large cultivated catchment under no-till of Southern Brazil., Soil and Tillage Research 174: 24–33.

6- Fu G.B., Chen S.L., and McCool D.K. 2006. Modeling the impacts of no-till practice on soil erosion and sediment yield with RUSLE, SEDD, and ArcView GIS. Soil and Tillage Research 85: 38-49.

7- Gia Pham T., Degener J., and Kappas M. 2018. Integrated universal soil loss equation (USLE) and Geographical Information System (GIS) for soil erosion estimation in A Sap basin: Central Vietnam. International Soil and Water Conservation Research 6: 99–110.  

8- Govers G. 1991. Time-dependency of runoff velocity and erosion: the effect of the initial soil moisture profile. Earth surface processes and Landforms 16: 713-729.

9- Liu Y., and Fu B. 2016. Assessing Sedimentological  Connectivity  Using  WaTEM/SEDEM  Model in  A  Hilly  And  Gully  Watershed  of  The  Loess  Plateau, China. Ecological Indicators 66: 259-268.

10- McCool DK., Foster G.R., Mutchler C.K., and Meyer L.D. 1989b. Revised Slope Length factor in the Universal Soil Loss Equation. T. Am. Soc. Agr. Eng. 32: 1571–1576.

11- Nearing M.A., Nicks A.D. 1998. Evaluation of the Water Erosion Prediction Project model for hillslopes. In: Boardman J, Favis-Mortlock D (eds) Modelling soil erosion by water. Springer, Oxford, pp43-53.

12- Paul L., and Vlek G. 2011. Modeling soil erosion and reservoir sedimentation at hillslope and catchment scale in semi-arid Burkina Faso., Ecology and Development Series No. 80, 2011.

13- Renard K.G., Foster G.R., Weeies G.A., McCool D.K., and Yoder D.C. 1997. Predicting soil erosion by water; A guide to conservation planning with the Revised Universal Soil Loss Equation. U.S. Department of Agriculture, Agriculture Handbook No. 703.

14- Rezaei P., Faridi P., Ghorbani M., and Kazemi M. 2014. Estimation of soil erosion using RUSLE model and recongnizing of most effective factor in Gabric watershed-Southeast of Hormozgan Provine. Researches of Qualitative Geomorphology 3(1): 97-113.

15- Ro¨mkens M.J.M., Young R.A., Poesen J.W.A., McCool D.K., El-Swaify S.A., and Bradford J.M. 1997. Chapter 3. Soil erodibility factor (K). In K. G. Renard, G. R. Foster, G. A. Weesies, D. K. McCool and D. C. Yoder (eds.) Predicting soil erosion by water: A guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE). Agriculture Handbook No 703. (Washington, DC: US Department of Agriculture), pp. 65_99.

16- Shi Z.H., Ai L., Fang N.F., and Zhu H.D. 2012. Modeling the impacts of integrated small watershed management on soil erosion and sediment delivery: A case study in the Three Gorges Area, China., Journal of Hydrology 438–439: 156–167.

17- Shirazi M.A., and Boersma L. 1984. A unifying quantitative analysis of soil texture, Soil Science Society of America Journal 48: 142-147.

 

18- Van Oost K., Govers G., and Desmet P. 2000. Evaluating the effects of changes in landscape structure on soil erosion by water and tillage .Landscape Ecology 15: 577–589.

19- Van Oost K. 2003. Spatial modelling of soil redistribution processes in agricultural landscapes. K.U.Leuven, Belgium.

20- Van Oost K., Govers G., Cerdan O., Van Rompaey D.A., Steegen A., Nachtergaele J., Takken I., and Poesen I. 2005. Spatially distributed data for erosion model calibration and validation: The Ganspoel and Kinderveld datasets. Catena 61: 105–12.

21- Van Rompaey A.J.J., Verstraeten G., Van Oost K., Govers G., and Poesen J. 2001. Modelling mean annual sediment yield using a distributed approach. Earth Surf Process Landf 26:1221–1236. doi:10. 1002/esp.275

22- Van Rompaey A.J.J., Govers G., and Puttemans C. 2002. Modelling land use changes and their impact on soil erosion and sediment supply to rivers. Earth Surf Process Landf 27:481–494. doi:10.1002/esp.335

23- Verstraeten G., Van Oost K., Van Rompaey A., Poesen J., and Govers G. 2002. Evaluating an integrated approach to catchment management to reduce soil loss and sediment pollution through modeling. Soil Use Manage 19: 386–394.

24- Van Rompaey A.J.J., Verstraeten G., Van Oost K., Govers G., and Poesen J. 2001. Modeling mean annual sediment yield using a distributed approach. Surf. Process. Landf.26: 1221–1236.

25- Van Rompaey A.J.J., and Govers G. 2002. Data quality and model complexity for regional scale soil erosion prediction. International Journal Geography Inf. Science 16: 663–680.

26- Wilson J.P., and Gallant J.C. 2000. Digital terrain analysis. In Wilson, JP and Gallant JC. (Eds). Terrain analysis: principles and applications. John Wiley & Sons, New York, PP: 1-22.

27- Wischmeier W.H., and Smith D.D. 1978. Predicting. Washington D.C. 58 pp. Rainfall Erosion Losses. Agricultural Handbook No. 537. USDA-Science and Education Administration.

28- Yitayew M., Pokrzywka S.J., and Renard K.G. 1999. Using GIS for facilitating erosion estimation. Applied Engineering in Agriculture 15: 295-301.

29- Zhang H.,YangQ., Li R., Liu Q., Moore D., He P., and Geissen V. 2013 .Extension of a GIS procedure for calculating the RUSLE equation LS factor. Journal of Computers and Geosciences 52: 177–188.