تخمین رسوب با استفاده از مؤلفه‌های مختلف فرسایش

آب و خاک

مقاله 5، دوره 35، شماره 3 - شماره پیاپی 77، مرداد و شهریور 1400، صفحه 365-378  

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.2021.69031.1029

نویسندگان

حمزه سعیدیان ¹؛ حمید رضا مرادی²

¹استادیار پژوهشی بخش تحقیقات حافظت خاک و آبخیزداری، مرکز تحقیقات، آموزش کشاورزی و منابع طبیعی کرمان، سازمان تحقیقات، آموزش و ترویج

²تربیت مدرس

چکیده

تخمین مقدار رسوبدهی حوزه­های آبخیز، مقابله با خطرات ناشی از تجمع رسوب در سازه­های آبی و مخازن سدها از اهداف اساسی در مدیریت منابع آب می‌باشد که باعث توسعه پایدار می­شود. در این تحقیق به منظور تعیین تخمین رسوب با استفاده از مؤلفه­های مختلف فرسایش در کاربری‌های مختلف نهشته­های سازند گچساران، بخشی از حوزه آبخیز کوه گچ شهرستان ایذه با مساحت 1202 هکتار انتخاب گردید. در این تحقیق تعیین رابطه بین رسوب تولیدی و مؤلفه­های مختلف فرسایش مانند میزان رواناب و مقدار نفوذپذیری خاک و شروع آستانه رواناب و فرسایش در کاربری‌های مختلف سازند گچساران به کمک رگرسیون چند متغیره انجام گرفت. سپس نمونه­برداری مؤّلفه­های مختلف فرسایش در 6 نقطه و با 3 تکرار و در شدت­های مختلف بارش 75/0، 1 و 25/1 میلی­متر در دقیقه در سه کاربری مرتع، منطقه مسکونی و اراضی کشاورزی به کمک دستگاه شبیه‌ساز باران انجام شد. به منظور انجام تحلیل­های آماری از نرم‌افزار SPSS و  EXCEL استفاده گردید. نتایج نشان داد که تخمین رسوب با استفاده از مؤلفه­های مختلف فرسایش نتایج قابل قبولی ارائه می دهد و می توان از آن در سایر حوزه­های آبخیز استفاده کرد. همچنین نتایج نشان داد که در تخمین رسوب به وسیله مؤلفه­های مختلف فرسایش، شروع آستانه رواناب و فرسایش بیشترین تأثیرگذاری مثبت و منفی را دارد و در 8 مورد در مدل‌سازی نقش ایفاء کرده است و سپس میزان نفوذپذیری خاک تأثیرگذاری مثبت و منفی، متوسطی دارد و در 7 مورد در مدل‌سازی نقش ایفاء کرده است و میزان رواناب نیز در هیچ کدام از سه کاربری و شدت‌های مختلف بارش نقشی در مدل‌سازی ایفاء نکرده است و نشان از نقش بسیار مهمتر میزان شروع آستانه رواناب و فرسایش و میزان نفوذپذیری خاک در این روش مدل‌سازی در تخمین تولید رسوب دارد.

کلیدواژه‌ها

تخمین رسوب؛ سازند گچساران؛ کاربری اراضی؛ فرسایش

مراجع

1-       Ahmadi H. 2007. Applied geomorphology, 1 volume (water erosion), fifth edition, Tehran university publications, 714p. (In Persian with English Abstarct)

2-       Arab Khedri M. 1994. Revision of modified global equation of soil losses, Journal of Research and Construction, No. 25, Ministry of Jihad-e Sazandegi.

3-       Ares M.G., Varni M., and Chagas C. 2016: Suspended sediment concentration controlling factors: an analysis for the Argentine Pampas region. Hydrological Science Journal 61(12): 2237-2248.

4-       Fathizadeh H., Karimi H., and Tavakoli M. 2016. The Role of Sensitivity to Erosion of Geological Formations in Erosion and Sediment Yield (Case Study: Sub-Basins of Doiraj river in ilam province), Journal of Watershed Management, Volume 7, No. 13, Spring and Summer. (In Persian with English Abstarct)

5-       Hosseini S.S., and Ghorbani M. 2005. Economics of soil erosion. Ferdowsi University of Mashhad Press, 205 Pp. (In Persian with English Abstarct)

6-       Kamphorst A. 1987. A small rainfall simulator for the determination of soil erodibility, Netherlands Journal of Agricultural Science 35: 407-415.

7-       Khajehei A., Bereshkeh A., Sokooti R., and Arab Khedri M. 2002. Investigating application of MUSLE Empirical Model for Estimating Sediment From Single Storms and Annual Sediment in Shahrchay River Watershed, Proceedings of the National Conference on Land Management- Soil Erosion and Sustainable Development, Arak, Ministry of Agriculture Jihad Publications, pp. 447-436.

8-       Merdun H., Cinar O., Meral R., and Apan M. 2006. Comparison of artificial neural network and regression pedotransfer function for prediction of soil water retention and saturated hydraulic conductivity, Soil and Tillage Research 90: 108-116.

9-       Morady H.R., and Saidian H. 2010. Comparing the Most Important Factors in the Erosion and Sediment Production in Different Land Uses, Journal of Environmental Science and Engineering 4(11): 1-11.

10-   Murat A., and Cigizoglu H.K. 2007. Suspended sediment load simulation by two artificial neural network methods using hydrometeorological data, Environ. Model.Soft.22:2-13.

11-   Musgrave G.W. 1947. The Quantitative evaluation of factors in water erosion, a first Approximation, Journal of Soil and Water Conservation 2(3): 133-138.

12-   Noor H., Mirnia S.Kh., Fazli S., Raisi M.B., and Vafakhah M. 2010. Application of MUSLE for the prediction of phosphorus losses.Water Science and Technology 62(4): 809-815.

13-   Pasific Southwest Inter-Agency Committee. 1968. Factors Affecting Sediment Yield and Measures for the Reduction of Erosion and Sediment Yield, 13 pp.

14-   Rendard K.C., Foster G., Yoder D., Et Maccol D. 1994. RUSLE Revised: Status, Questions, Answers and the Future. Journal of Soil Water Conservation 49: 213-220.

15-   Renfro G.W. 1975. Use of Erosion Equations and Sediment Delivery Rations for Predicting Sediment Yield. In Present and Prospective Technology for Predicting Sediment Yields and Sources. Agric. Res. Serv., ARS-S-40, 33-45.US Dept. Agric.,Washington, D.C.

16-   Restrepo Juan D., Lopez Sergio A., and Restrepo Juan C. 2009, The Effects of Geomorphic Controls on Sediment Yield in the Andean Rivers of Colommbia, Latin American Journal of Sedimontology and Basin Analusis 16(2): 79-92.

17-   Roman David C.,Vogel Richard M., and Schwarz Gregory E. 2010, Multivariate Models ofWatershed Suspended Sediment Loads for the Eastern United States. Urban Water Resources Research Council -7^th Urban Watershed Management Symposium 3133-3144.

18-   Shahkarami A. 2002. Investigation of sediment estimation methods of P.S.I.A.C MPS. I.A.C and EPM in Nozhian Watershed, Proceedings of the National Conference on Land Management- Soil Erosion and Sustainable Development, Arak, Ministry of Agriculture Jihad Publications 562-572.

19-   Soni S. 2017. Assessment of morphometric characteristics of Chakrar watershed in Madhya Pradesh India using geospatial technique.Applied Water Science 7(5): 2089-2102.

20-   Vafakhah M., and Saeediyan H. 2014. Modeling of observed runoff and sediment with estimative runoff and sediment with using neural network and multi regression in aghajari marls, Journal of Range and Watershed Management 67(3): 487-499.

21-   Walling D.E. 1988. Erosion and sediment yield research-some recent perspectives. Journal of Hydrology 100: 113-141.

22-   Williams J.R. 1975. Sediment Yield Prediction with Universal Soil Loss Equation Using Runoff Energgy Factors, In Present and Prospective Technology for Predicting Sediment Yields and Sources. Agric. Res. Serv., US Dept. Agric.,Washington, D.C., ARS-S-40, 244-252.

23-   Wischmeier W.H., and Smith D.D. 1978. Predicting Rainfall Erosion Losses- A Guied to Conservation Planning. Agric. Handbook No.537, US Dept. of Agric., Washington, D.C.

24-   Zhang H.Y., Shi Z.H., Fang N.F., and Guo M.H. 2015. Linking watershed geomorphic characteristics to sediment yield: Evidence from the Loess Plateau of China.Geomorphology 234: 19-27.

25-   Zhen H., Jiangwen L., Yanhai Li., Xiaojie Gu., Xiaoyan Ch., and Chaofu W. 2021. Eroded sediment in a partially saturated sandy loam soil using scouring experiments, CATENA 201: 105234.

26-   Zhen W, Yi Zeng., Cai L., Hua Y., Shuxia Y., Ling W., and Zhihua Shi. 2021. Telecoupling cropland soil erosion with distant drivers within China, Journal of Environmental Management 288(15): 112395.