پژوهشهای ژئومورفولوژی کمّی

پژوهشهای ژئومورفولوژی کمّی

تاثیر سناریوهای مختلف مدیریت کاربری اراضی بر میزان فرسایش خاک در حوزه آبخیز گیوی چای

نوع مقاله : مقاله پژوهشی

نویسندگان
صیاد اصغری 1
عقیل مددی 1
نازفر آقازاده 1
رئوف مصطفی زاده 2
1 گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
2 گروه آبخیزداری، دانشکده منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
10.22034/gmpj.2025.482427.1525
چکیده
فرسایش خاک تابعی از قابلیت جداشدن ذرات و قابلیت انتقال آنها می‌باشد. برای تشکیل یک سانتی‌متر خاک بیش از ۳۰۰ سال زمان نیاز است. از این نظر جلوگیری از فرسایش خاک به‌منظور حفظ ثروت‌های ارزشمند طبیعی امری حیاتی به شمار می‌آید. فرسایش و‌ تولید‌‌ رسوب تابع پیچیده‌ای از عوامل مختلف از جمله، زمین‌شناسی، اقلیم، توپوگرافی، پوشش گیاهی و انسان است. فرسایش خاک فرایند طبیعی فیزیکی است که طی آن ذرات خاک از بستر اصلی خود جدا شده و به کمک یک عامل انتقال‌دهنده به مکانی دیگر حمل و رسوب‌گذاری می‌شود. در مطالعه حاضر، هدف تاثیر سناریوهای مختلف مدیریت کاربری اراضی بر میزان فرسایش خاک با استفاده از مدل G2 در حوزه گیوی چای استان اردبیل می‌باشد. که با بررسی 6 سناریوی مدیریت کاربری اراضی بر اساس الگوی استفاده از اراضی در محیط GIS تهیه شد. سپس داده‌های ورودی بر اساس داده‌های زمینی، کاربری اراضی و داده‌های مشاهداتی تهیه شد. بر اساس نتایج مدل، مقدار فرسـایش در سناریوی تبدیل مراتع ضعیف به متوسط و سناریو تبدیل مراتع متوسط به خوب و احداث باغ کاهش فرسایش را نشان داد و سناریو تخریب که در دو سناریو مطرح شد باعث افزایش فرسایش در کاربری زراعی رانشان می‌دهد. در این تحقیق، ابتدا داده‌های محیطی شامل نوع کاربری زمین، شیب، پوشش گیاهی و بارندگی جمع‌آوری شد. سپس با استفاده از مدل G2، میزان فرسایش خاک در هر یک از کاربری‌های مختلف (کشاورزی، مرتع، جنگل و مناطق مسکونی) محاسبه گردید. نتایج نشان داد که کاربری‌های کشاورزی با فرسایش بالاتری نسبت به دیگر کاربری‌ها مواجه هستند، درحالی‌که مناطق جنگلی به‌عنوان بهترین گزینه برای حفظ خاک و جلوگیری از فرسایش شناخته شدند. این یافته‌ها می‌تواند به تصمیم‌گیری‌های مدیریتی در زمینه حفاظت از خاک و توسعه پایدار کمک کند.
کلیدواژه‌ها
فرسایش خاک
کاربری زمین
سناریو
مدل G2
حوزه آبخیز گیوی چای

عنوان مقاله English

The Effect of Different Land Use Management Scenarios on Soil Erosion in Givi Chay Watershed

نویسندگان English

Sayyad Asghari 1
aghil madadi 1
nazfar aghazadeh 1
raoof mostafazadeh 2
1 mProfessor of Geomorphology, Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
2 AssociateProfessor, Department of Watershed Managemant Faculty, University of Mohaghegh Ardabili, Ardabil, Iran.
چکیده English

Introduction

Soil erosion is a global problem that seriously threatens water and soil resources. It takes over 300 years to form just one centimeter of soil (Tripani, 2001). Therefore, preventing soil erosion is vital for preserving valuable natural wealth (Morgan, 1986). Soil erosion and sediment production cause numerous environmental problems. These sediments also lead to the entry of heavy metals, nutrients, and pesticides into river channels, affecting communities in various ways. Erosion and sediment production are complex functions of various factors, including geology, climate, topography, vegetation cover, and human activities. Soil erosion is a natural physical process through which soil particles detach from their original bed and are transported to another location by an agent of transport. Since millions of years ago, particularly when humans began manipulating ecosystems, the process of erosion has intensified and turned into an environmental hazard (Esmaeili & Abdollahi, 2011).



Methodology

The study area encompasses the Givi Chai river basin, approximately 44 kilometers long, which is one of the permanent rivers in Ardabil province. The geographical coordinates of this region are as follows: - Longitude: 48° 4' 58" to 48° 40' - Latitude: 37° 57' 48" This area is located in zone 38 and features diverse land uses, including agriculture, pasture, and forest

Data Collection Necessary data, including climatic information, soil characteristics, and types of land use, were collected from local sources and weather stations Considering the diversity of land use and the possibility of reducing erosion by using cover management and conservation agriculture methods, a scenario-based approach was used to compile possible land use scenarios. In the following, based on the conditions of the studied area and also the land use situation, in addition to the existing situation scenario, six other scenarios were compiled with the aim of improving the factor of plant management and soil protection against erosion. The amount of soil erosion in each of the scenarios was determined using the G2 model and the amount of erosion was calculated in each land use and in each management scenario. After preparing the map of erosion factors in the G2 model, the soil erosion map of the study area was prepared in the GIS environment. Considering the diversity of land use and the possibility of reducing erosion using cover management methods and conservation agriculture, a scenario-based approach was used to compile possible land use scenarios. In the following, the amount of soil erosion with cell dimensions of 20 x 20 meters was compiled in each of the scenarios.

Data Analysis Data analysis was conducted using GIS software and the G2 model to identify vulnerable areas. Results The results indicated that different land uses have varying impacts on soil erosion rates. Specifically, agricultural lands experienced the highest levels of erosion, while forested areas exhibited the least erosion. Impact of Land Use Changes in land use can significantly affect soil erosion. Improper management of agricultural lands and overgrazing can lead to increased erosion. Strategies To reduce soil erosion, it is recommended to adopt sustainable agricultural practices and restore forested areasConclusion This study demonstrated that the G2 model is an effective tool for assessing soil erosion in the Givi Chai region. The results obtained can aid in management planning for soil health preservation and erosion reduction. Implementing sustainable land use management measures is essential to prevent further erosion.

Results and Discussion

The results indicated that different land uses have varying impacts on soil erosion rates. Specifically, agricultural lands experienced the highest levels of erosion, while forested areas exhibited the least erosion. Impact of Land Use Changes in land use can significantly affect soil erosion. Improper management of agricultural lands and overgrazing can lead to increased erosion. Management Strategies To reduce soil erosion, it is recommended to adopt sustainable agricultural practices and restore forested areas. Based on the scenario map of the existing situation, the values of soil erosion are between zero and 70 tons per hectare. Most of the erosion is observed in agricultural lands. Based on the obtained results, the lowest amount of erosion reduction is related to dense and medium vegetation, which is presented in the form of a scenario. By analyzing the effects of the scenario in reducing erosion, it can be concluded that if it is possible to restore medium and poor pastures and turn them into good pastures according to the conditions of the region, a significant amount of soil erosion can be reduced.

Conclusion

Soil erosion using the G2 model in Givi Chai watershed shows that this model is specifically designed to evaluate and predict soil erosion and sedimentation. The erosion values were estimated in the existing situation and six management scenarios, and the analyzed results were mentioned below, some general results that may be obtained from this model. Examining the soil erosion map shows that its average amount is 3.3 tons. Using the G2 model and combined parameters, the soil erosion rate is calculated. This step includes the use of special formulas of the G2 model, which gives weight to different factors. After calculating the erosion rate, prepare the final soil erosion map in the ArcGist environment, and this map should include high, medium and low erosion risk areas. As a result, by preparing a land use map, the amount of erosion was determined for all uses, and the results of erosion in each of the uses show that the amount of erosion has increased in most of the uses. But the highest amount of erosion and sedimentation is residential areas and agricultural land respectively. The general conclusion is that the type of land use directly affects the amount of sedimentation and improper management can lead to soil erosion and pollution of water resources. It is possible to reduce the amount of significantly reduced soil erosion and basically the combined scenario provides better results. In this regard, it is suggested that urban and agricultural planning be done in a way that uses sustainable methods, such as maintaining vegetation, using conservation agriculture techniques, and designing infrastructure to control runoff.

کلیدواژه‌ها English

Soil Erosion
Land Uses
the G2 Model
Givichai
Scenarios
آقا رضی، ح.، و قدوسی، ج.،1380. بررسی رابطه کاربری اراضی و شیب با فرسایش خاک و تولید رسوب. مجموعه چکیده مقالات همایش ملی مدیریت اراضی فرسایش و توسعه پایدار، اراک، 2تا 4 بهمن 1380.
اصغری سراسکانرود، ص، محمدنژاد آروق، و. امامی، ه.، 1398. بررسی تغییرات کاربری اراضی با استفاده از روش‌های پیکسل پایه و شیءگرا و تحلیل اثرات تغییر کاربری‌ها بر فرسایش خاک؛ مطالعة موردی: شهرستان مراغه. پژوهش‌های ژئومورفولوژی کمی، 8 (1): 178-160.
اصغری سراسکانرود، ص.، آقایاری، ل.، و پیروزی، ا.، 1396. بررسی تغییرات کاربری اراضی و تأثیر آن بر فرسایش در با استفاده از RS  و GIS مطالعه موردی در شهرستان نیر، سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، (4)8: 62-49.
امان‌پور، س.، عبیات، م.، عبیات، م.، و عبیات، م.، 1400. بررسی اثر تغییرات کاربری اراضی بر فرسایش خاک و تولید رسوب در حوزه رامهرمز با استفاده از طبقه‌بندی شیءگرا و مدل RUSLE ، مجله تحقیقات آب‌وخاک ایران (مجله علوم کشاورزی، ایران)، 52 (3): 649 –635.
پژوهش، م.، گرجی، م.، طاهری، م.، سرمدیان، ف.، محمدی، ج.، و صمدی، ح.، ۱۳۹۰. اثر کاربری اراضی مختلف حوزه سد زاینده‌رود علیا در تولید رسوب با استفاده از سامانه اطلاعات جغرافیایی، نشریه پژوهش ایران، 8 (1): 416-43.
جوان دوست، ه.، اونق، م.، حسنعلی‌زاده، م.، و سکوتی، ر. 1393. برآورد فاکتور فرسایندگی با استفاده از الگوریتم‌های زمین‌آمار برای برآورد فرسایش در مدل WaTEM/SEDEM در حوزه روضه چای. پانزدهمین کنفرانس دانشجویان عمران سراسر کشور، دانشگاه ارومیه: 1-11.
حاجی، خ.، اسمعلی عوری، ا.، مصطفی‌زاده، ر.، و نظرنژاد، ح.، 1394. تهیه و ارزیابی نقشه فرسایش خاک حوزه آبخیز روضه چای ارومیه با استفاده از GIS و مدل  RUSLE، دومین همایش ملی صیانت از منابع طبیعی و محیط‌زیست، 12 و 13 اسفند، دانشگاه محقق اردبیلی، 6-1.
خالدیان، ح، و نیک کامی، د .، 1396. نقش بهینه‌سازی کاربری اراضی بر کاهش پتانسیل فرسایش و رسوب با استفاده از مدل برنامه‌ریزی خطی در مطالعه موردی: حوزه چهل گزی سنندج، علوم آب و خاک ،(علوم و فنون کشاورزی و منابع طبیعی)، 21(1): 111-95.
طالبی خیاوی، ح، ذبیحی، م،  مصطفی‌زاده، ر .، 1396. تأثیر سناریوهای مختلف مدیریت کاربری اراضی بر میزان فرسایش خاک با استفاده از مدل GIS و USLE در آبخیز سد یا مچی اردبیل علوم آب‌وخاک علوم و فنون کشاورزی و منابع طبیعی، 21، (2): 234-221.
طالبی خیاوی، ح.، و مصطفی‌زاده، ر.، 1402. وابستگی مکانی و زمانی شاخص‌های زمین با خاک. مشخصات در منطقه کوهستانی شیب‌دار تپه. مجله علوم زمین عربی، 15 (1): 1-18.
کلارستاقی، ع.، احمدی ح؛ جعفری، م.، و قدوسی، ج.، 1387. پیش‌بینی تغییرات احتمالی کاربری جنگل به دیم‌کاری با استفاده از مدل‌سازی احتمالاتی در حوزه آبخیز فریم صحرا استان مازندران. پژوهش و سازندگی. 21 (1): 52-62.
محمدی، م.، خالدی درویشی، ا.، اسپالویچ، ا.، و دودیک، ب.،  1399. ارزیابی تأثیر تغییرات کاربری اراضی بر شدت فرسایش خاک و عملکرد رسوب با استفاده از مدل IntEro در سوله آب تالار. آب ایران، 13(6): 1-15.
مصطفی‌زاده، ر.،صادقی، س،. ح. ر.، و سعدالدین، ا .، 1393. تحلیل رسوب نمود و حلقه‌های سنجه رسوب‌نگار در حوزه آبخیز گلاز اشنویه، آذربایجان غربی. پژوهش‌های حفاظت آب‌وخاک، 21(5):175-191.
مقصودی، مهران، گورابی، ا، و دارابی شاهماری، س.، 1392. بررسی تأثیر عامل پوشش گیاهی بر فرسایش آبی در حوزه آبخیز زرین. پژوهش‌های فرسایش محیطی، 3(9): 97-83.
مددی، ع.، فعال نذیری، م.، و پیروزی، الف.، 1401 ارزیابی تغییرات کاربری اراضی و اثرات آن بر فرسایش خاک در حوزه بالادست سد یامچی اردبیل، با استفاده از الگوریتم تصمیم‌گیری چندمعیاره ARAS روش‌های نوین سنجش‌ازدور، پژوهش‌های ژئومورفولوژی کمّی، 12 (1): 70-52.
نصیری، ی.، تقدیسی، س.، محمودی قرایی، م.، محبوبی، ا.، خانه باد، م.،  صداقت‌نیا، م.، و پاسبان، ع.، 1400. ارزیابی فرسایش خاک و تولید رسوب با به‌کارگیری مدل پسیاک اصلاحی و GIS در حوزه آبریز عشق‌آباد - سوله جنوب باختر قوچان. 9 (17): 65-82.
 
Asist, A., Castellarin, A., Montanari, A. (2021). Assessing the effect of land-use changes on annual average gross erosion, Hydrol Earth Sys. Sci. 6(2): 255-265.
Borselli, L., Torri, D., Poesen, J. Iaquinta, P. (2012). A robust algorithm for estimating soil erodibility in different climates. Catena, 97: 85–94. https://doi.org/10.1016/j.catena.2012.05.012
Babur, P. Marker, M., Panagos, P., Schutt, B. (2014). Modeling soil erosion and river sediment yield for an intermountain drainage basin of the Central Apennines, Italy. Catena, 114: 45–58. https://doi.org/10.1016/j.catena.2013.10.007
Borrelli, P., Paustian, K., Panagos, P., Jones, A., Schütt, B., Lugato, E. (2016). Effect of good agricultural and environmental conditions on erosion and soil organic carbon balance: a national case study. Land Use Policy, 50: 408–421. https://doi.org/10.1016/j.landusepol.2015.09.033
Brown, L.C., Foster, G.R. (1987). Storm erosivity using idealized intensity distributions. Trans. ASAE, 30 (1): 379–386.
Cardei, P. (2010). The dimensional analysis of the USLE - MUSLE soil erosion model. Proc. Rom. Acad. Ser. B (3): 249–253. https://www.researchgate.net/publication/236647358
Curzio, P., Magliulo, P. (2009). Soil erosion assessment using geomorphological remote sensing techniques: an example from Southern Italy, Earth Surface Processes and Landforms 53 (3): 262-271. https://doi.org/10.1002/esp.1905
De Vente, J., Poesen, J. (2005). Predicting soil erosion and sediment yield at the basin scale: scale issues and semi-quantitative models. Earth Sci. Rev. 71: 95–125. https://doi.org/10.1016/j.earscirev.2005.02.002
Garcia-Ruiz, J.M. (2010). Eff. Land Uses Soil Eros. Spain.: A Rev. Catena 81, 1–11. Gavrilovic Z. 1988. The Use of an Empirical Method (Erosion Potential Method) For Calculating Sediment Production and Transportation in Unstudied or Torrential Streams, International Conference on River Regime: Wallingford, England.
Giordano, A., Bonfils, P., Briggs, D.J., Menezes de Sequeira, E., Roquero de Laburu, C., Yassoglou, N. (1991). The methodological approach to soil erosion and important land resources evaluation of the European Community. Soil Technol. 4: 65–77. https://doi.org/10.1016/0933-3630(91)90040-T
Karydas, C.G., Zdruli, P., Koci, S., Sallaku, F. (2015a). Monthly time-step erosion risk monitoring of Ishmi-Erzeni watershed, Albania using the G2 model. Environ. Model. Assess. 20 (6): 657–671. https://doi.org/10.1007/s10666-015-9455-5
Karydas, C.G., Tzoraki, O., Panagos, P. (2015b). A new spatiotemporal risk index for heavy metals: application in Cyprus. Water, 7 (8): 4323–4342.
Meusburger, K., Steel, A., Panagos, P., Montanarella, L., Alewell, C. (2012). Spatial and temporal variability of rainfall erosivity factor for Switzerland. Hydrol. Earth Syst. Sci. 16: 167–177. https://hess.copernicus.org/articles/16/167/2012/hess-16-167-2012.html
Panagos, P., Meusburger, K., Ballabio, C., Borrelli, P., Alewell, C. (2014a). Soil erodibility in Europe: a high-resolution dataset based on LUCAS. Sci. Total Environ. 479–480: 189–200. https://doi.org/10.1016/j.scitotenv.2014.02.010
Panagos, P., Karydas, C., Ballabio, C., Gitas, I. (2014b). Seasonal monitoring of soil erosion at regional scale: an application of the G2 model in Crete focusing on agricultural land uses. Int. J. Appl. Earth Obs. Geoinf. 27 (B): 147–155. https://doi.org/10.1016/j.jag.2013.09.012
Panagos, P., Borrelli, P., Meusburger, K. Alewell, C., Lugato, E., Montanarella, L. (2015a). Estimating the soil erosion cover-management factor at the European scale. Land Use Policy 48: 38–50. https://doi.org/10.1016/j.landusepol.2015.05.021
Panagos, P., Borrelli, P., Meusburger, K. (2015b). New European Slope Length and Steepness Factor (LS-Factor) for modeling soil erosion by water. Geosciences, (5): 117–126. https://www.mdpi.com/2076-3263/5/2/117
Panagos, P., Ballabio, C., Borrelli, P., Meusburger, K., Klik, A. (2015c). Rainfall erosivity in Europe. Sci. Total Environ. 511: 801–814. https://doi.org/10.1016/j.scitotenv.2015.01.008
Panagos, P., Imeson, A., Meusburger, K., Borrelli, P., Poesen, J., Alewell, C. (2016). Soil conservation in Europe: wish or reality? Land Degrad. Dev. 27 (6): 1547–155. https://onlinelibrary.wiley.com/doi/10.1002/ldr.2538
Panagos, P., Borrelli, P., Meusburger, K., Yu, B., Klik, A., Lim, K.J., Yang, J.E., Ni, J., Miao, C., et al. (2017). Global rainfall erosivity assessment based on high-temporal resolution rainfall records. Sci. Rep. 7 (1) (art. no. 4175). https://doi.org/10.1038/s41598-017-04282-8
Renard, K.G., Freimund, J.R. (1994). Using monthly precipitation data to estimate the -factor in the revised USLE. J. Hydrol. 157 (1): 287–306.
Renard, K.G., Foster, G.R., Weesies, G.A., McCool, D.K., Yoder, D.C. (1997). Predicting soil erosion by water: a guide to conservation planning with the revised universal soil loss equation (RUSLE). In: Agriculture Handbook, No. 703. U.S. Department of Agriculture. p. 404. https://www.tucson.ars.ag.gov
Rojas, R. ,Velleux, M., Julien, P., Johnson, B. (2008). Grid scale effects on watershed soil erosion models. J. Hydrol. Eng, 1: 793–802.
Sarapatka, B., Bednar, M. (2015). Assessment of potential soil degradation on agricultural land in the Czech Republic. J. Environ. Qual. 44 (1): 154–161. https://acsess.onlinelibrary.wiley.com/doi/abs/10.2134/jeq2014.05.0233
Sonneveld, B.G.J.S,. Nearing, M.A. (2003). A non-parametric/parametric analysis of the universal soil loss equation. Catena 52, 9e21. Strahler, A.N. 1952. Hypsometric (area-altitude) analysis of erosional topology. Geol. Soc. Am. Bull. 63 (11): (1117–114). https://www.scirp.org/reference/referencespapers?referenceid=2029726
Tantasirin, C., Nagai, M.,Tipdecho, T., Tripathi, N. (2016). Reducing hillslope size in C.G. Karydas, P. Panagos Environmental Research 161 (2018) 256–267 266digital elevation models at various scales and the effects on slope gradient estimation. Geocarto Int. 31.
Tolk, A. (2015). Learning something right from models that are wrong – epistemology of simulation. In: Yilmaz, L. (Ed.) , Concepts and Methodologies in Modeling and Simulation. Springer–Verlag, 1: 87–106. https://www.researchgate.net/publication/275033949_
Van der Knijff, J.M., Jones, R.J.A., Montanarella, L. (1999). Soil erosion risk assessment in Italy (JRC Scientific and Technical Report, EUR 19044 EN). European Soil Bureau, European Commission, pp. 52.
 https://esdac.jrc.ec.europa.eu/ESDB_Archive/serae/GRIMM/italia/eritaly.pdf
Verger, A., Baret, F., Weiss, M., Filella, I., Penuelas, J. (2015). GEOCLIM: a global climatology of LAI, FAPAR, and FCOVER from VEGETATION observations for 1999–2010. Remote Sens. Environ. 166, 126–137 (1 September 2015). Verhoef, W. 1985. Earth observation modeling based on layer scattering matrices. Remote Sens. Environ. 17: 165–178.
Vrieling, A. (2006). Satellite remote sensing for water erosion assessment: a review. Catena, 65: 2–18. https://doi.org/10.1016/j.catena.2005.10.005
Watson, D.J. (1947). Comparative physiological studies on the growth of field crops: I. Variation in net assimilation rate and leaf area between species and varieties and within and between years. Ann. Bot. 11: 41–76.
Wilhelm, W.W., Ruwe, K., Schlemmer, M.R. (2000). Comparisons of three Leaf Area Index Meters in a Corn Canopy. Crop Sci. 40: 1179–1183. https://acsess.onlinelibrary.wiley.com/doi/10.2135/cropsci2000.4041179x
Wischmeier, W.H., Smith, D.D. (1965). Predicting Rainfall-Erosion Losses from Cropland East of the Rocky Mountains. Agriculture Handbook, 282. US Department of Agriculture, Agriculture Research Service, Washington DC.
Zen, Ch., Wang, Sh., Bai, X., Li, Y., Tian, Y., Li, Y., Wu, L., Luo, G. (2021). Soil erosion evolution and spatial correlation analysis in a typical karst geomorphology, using RUSLE with GIS, Solid Earth Discuss, 1-27.
Zhang, H., Wei,  J., Yang, Q., et al. (2017) An improved method for calculating slope length (λ) and the LS parameters of the revised universal soil loss equation for large watersheds. Geoderma, 308:36-45. https://doi.org/10.1016/j.geoderma.2017.08.006
 
پژوهشهای ژئومورفولوژی کمّی
دوره 14، شماره 3
زمستان 1404
صفحه 1-19