Copyright©2018, University of Isfahan. This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/BY-NC-ND/4.0), which permits others to download this work and share it with others as long as they credit it,
but they can’t change it in any way or use it commercially. Doi: 10.22108/jssr.2018.84023.0
http://ui.ac.ir/en
Journal of Stratigraphy and Sedimentology Researches University of Isfahan
Vol. 34, Issue 1, No. 70, Spring 2018 pp. 13-16
Received: 04.07.2016 Accepted: 13.01.2018
Evaluation of erosion risk map based on hierarchical decision tree method, a case study: Semnan
drainage basin
Khalil Rezaei*
Assistant Professor, Sedimentology, Department of Earth Sciences, Kharazmi University, Tehran, Iran.
*Corresponding author email: [email protected]
Introduction
Today, Soil erosion has become one of the biggest problems in the country, especially in arid and semi-arid including Semnan. Effective and long term water and soil conservation programs require the concentration of resources on limited areas. For that purpose, regional-scale assessments of erosion risk are required. There are various methods to studying, evaluating, calculate and prevention with soil erosion. In addition, a number of parameters such as lithology, slope, aspect, land cover, elevation, and distance to stream, drainage density, vegetable cover, land use, river banks, and human activities are recommended to analyze the mechanism of soil erosion. So a rapid and cost effective methodological erosion assessment for these regions is required to describe and monitor the processes that control erosion. This study uses one of the remote sensing analyses to describe the contribution of several factors
that control erosion in Semnan drainage basin where erosion is the major environmental problem. Remote sensing monitoring has been carried out by using aero photos, or multispectral images, DTM (Digital Terrain Model) or ALS (Airborne LASER Scanning) data. Semnan basin, study area, is located in north of Kavir plain and south of Alborz mountain range.
Material & Methods This study was conducted to evaluate the potential of
analyzing regional erosion risk Topography, land use; vegetation density, soil properties and climatic proxies are
used to determine erosion risk and to provide basic maps of
water and soil conservation practices. A hierarchical decision tree is used to sum and combine the weight of parameters
controlling the erosion. The assigned weights of each spatial unit express the susceptibility to erosion. The most important
attributes in the definition of erosion landforms like gullies were selected using decision tree induction algorithms, being
these attributes spectral, altimetry and texture. Classifications
hierarchical and by decision trees were carried out. Using
decision tree the classification is performed only by a factor of scale, not allowing the identification of all the constituent
features of the erosion landforms system. One of the advantages of this method is that it can be used if there are
insufficient experimental data. The lack of experimental data can be compensated for through the use of expert evaluations.
Discussion of Results & Conclusions
Three different combinations of the three dominant controlling factors are yielded in this study. In order to
optimize the qualitative erosion risk assessment, each
combination is discussed and evaluated depending on the contribution of parameters involved in the erosion process.
As different erosion landforms erosion is similar when presents the same evolution stage and soil type, it is not
possible to select attributes to classify all erosion landform systems, being necessary to investigate attributes for each
erosion landform erosion, based on available data and existing land use classes in the area. The erosion landforms
are the biggest erosive processes and, consequently, responsible for ambient, social and financial damages.
Corrective and preventive measures need mapping and
monitoring, which can be made by local measurements or by remote sensing. In relation to the remote sensing, the erosion
landform erosion presents spectral heterogeneity (soil, vegetation, shade and water mix), spatial heterogeneity
(existence of features as head, canals and digits with irregular forms and variable dimensions) and altimetry variation (with
high declivity on the edges). Due to spectral heterogeneity, it
is not enough use only spectral data, being necessary
auxiliary data, as altimetry and texture data. This clearly shows that the study area is generally exposed to a high
hazard of soil erosion. Nevertheless, there is a probability that the rate of erosion will increase in the future, as hazard is the
probability of occurrence of a potential damaging phenomenon, within a period of time and a given area. As
known, there is always an interest to depend on latest developments when making subjective judgments. In spite of
the results obtained in this study, the development of a susceptibility map is usually determined by the needs and
available resources, and AHP method can be equally
important for all sorts of susceptibility zoning practices. The purpose of this study was to assess the soil erosion
hazard in the Semnan province for planning appropriate conservation measures. The integrated GIS-AHP model was
used to define spatial distribution of soil erosion hazard. In this area, erosion risk mainly was related with vegetation and
Journal of Stratigraphy and Sedimentology Researches University of Isfahan, Vol. 34, Issue 1, No. 70, Spring 2018 14
also, it anticipated that the southern and south-eastern region
due to the poverty of vegetation associated with increased levels of erosion. In each of the three mapped models, the
area of the class with high erosion sensitivity was more than 75% and for observational data, the area in all three maps is
above 71%. Also, the results of the assessment show that in all three maps there are over 99% correlation between the
data obtained from the modeling and the test data. The erosion landforms present spectral and spatial heterogeneity
and altimetry variation. This research demonstrates that the model developed was an effective tool for fast assessment of
soil erosion hazard by the integration of remote sensed data, AHP, and GIS techniques. Nevertheless, the results obtained
in this study are valid only for generalized planning and assessment purposes. They may be less useful at the site-
specific scale, where local geological and geographic heterogeneities may prevail. Finally, any proposed decision-
making tool in erosion control studies should also include
local experimentation data to better simulate the erosion hazard, resulting thereby in the most appropriate and efficient
choice of soil conservation works.
Keyword: Sediment, Erosion, Remote Sensing, Modeling, GIS, Semnan.
References
Agassi M. 1996. Soil Erosion, Conservation, and Rehabilitation. Marcel Dekker Inc., New York, p.
424. Bayramin I. Dengiz O. Baskan O. and Parlak M. 2003. Soil
erosion risk assessment with ICONA model; case study: Beypazar YArea. Turkish Journal of
Agriculture and Forestry 27:105-116. Bishr Y.A. and Radwan M.M. 1995. Preliminary design of a
decision support system for watershed management. ITC Journal, 1:23-28.
Biswas S. Sudhakar S. and Desai V.R. 1999. Prioritization of sub-watersheds based on morphometric analysis of
drainage basin: a remote sensing and GIS approach.
Journal of the Indian Society of Remote Sensing 27 (3):155-166.
Boardman J. and Vandaele K. 2010. Soil erosion, muddy floods and the need for institutional memory, Area,
42(4):502–513. Bouaziz M. Leidig M. and Gloaguen R. 2011. Optimal
parameter selection for qualitative regional erosion risk monitoring: A remote sensing study of SE
Ethiopia. Geoscience Frontiers 2(2):237- 245. Bouaziz M. Wijaya A. and Gloaguen R. 2009. Gully erosion
mapping using aster data and drainage network analysis in the main Ethiopian rift. In: Proceeding of
the International Geoscience and Remote Sensing Symposium (IRARSS), Cape Town, South Africa. p.
I13-I16. Bryan R.B. 1977. Assessment of soil erodibility: new
approaches and directions. In: Toy, T.J. (Ed.), Erosion: Research Techniques, Erodibility and
Sediment Delivery, Geoabstracts, Norwich. p. 57-72.
Chen W. Xie X. Wang J. Pradhan B. Hong H. Bui D.T. Duan Zh. And Ma J. 2017. A comparative study of
logistic model tree, random forest, and classification and regression tree models for spatial prediction of
landslide susceptibility. CATENA, 151:147–160.
Cerdan O. Souch_ere V. Lecomte V. Couturier A. Le and
Bissonnais Y. 2002. Incorporating soil surface crusting processes in an expert-based runoff model:
sealing and transfer by runoff and erosion related to agricultural management. CATENA 46 (2-3):189-
205. Crepani E. de Medeiros J.S. Hernandez F.P. Galloti F.T.
Duarte V. and Faria B.C.C. 2001. Remote Sensing and Geoprocessing Applied to the Ecological and
Economical Zoning and to the Territorial Ordering, INPE-8454-RPQ/722, S~ao Jos_e dos Campos,
Brazil, p. 124 (in Portuguese with English abstract). Devi R. Tesfahune E. Legesse W. Deboch B. and Beyene A.
2008. Assessment of siltation and nutrient enrichment of Gilgel Gibe dam, Southwest Ethiopia. Journal of
Bioresource Technology 99(5):975-979. Drzewiecki W. Wezyk P. Pierzchalski M. and Szafran-Ska B.
2013. Quantitative and Qualitative Assessment of
Soil Erosion Risk in Małopolska (Poland), Supported by an Object-Based Analysis of High-Resolution
Satellite Images, J. Pure and Applied Geophysics, DOI 10.1007/s00024-013-0669-7.
Dupac M. 2010. Soil erosion and degradation based on sand particles transport caused by wind blowing, Natural
Resource Modeling, 23(2):121-122. El-Swaify S.A. 1997. Factors affecting soil erosion hazards
and conservation needs for tropical steeplands. Soil Technology 11: 3-6.
Enters T. 1998. A framework for economic assessment of soil erosion and soil conservation. In: Penning de Vries,
F.W.T., Agus, F., Kerr, J. (Eds.), Soil Erosion at Multiple Scales: Principles and Methods for
Assessing Causes and Impacts. CAB Publishing, Wallingford, UK, p. 317-342.
Essa S. 2004. GIS modeling of land degradation in Northern Jordan using Landsat imagery. In: Proceeding of the
20th ISPRS Congress 12e23 July 2004, Istanbul, Turkey, 505-510.
Fernandes J. Bateirad C. Soares L. Faria A. Oliveira A.
Hermenegildo C. Moura R. and Gonçalves J. 2017. SIMWE model application on susceptibility analysis
to bank gully erosion in Alto Douro Wine Region agricultural terraces. CATENA, 153:39-49.
Foth L.T. and Turk L.M. 1972. Fundamentals of Soil Science, fifth ed. John Wiley & Sons, Inc., New
York, p. 371. Frank T.D. and Isard S.A. 1986. Alpine vegetation
classification using high resolution aerial imagery and topoclimatic index values. Photogrammetric
Engineering and Remote Sensing, 52 (3): 381-388. Gahegan M. German G. and West G. 1999. Improving Neural
Network Performance on the Classification of Complex Geographic Datasets. Journal of
Geographical Systems, 1:3-2. Gessler P.E. Moore I.D. McKenzie N.J. and Ryan P.J. 1995.
Soil-landscape modeling and spatial prediction of soil attributes. International Journal of Geographical
Information Systems 9 (4):421-432.
Grum B. Woldearegay K. Hessel R. Baartman J.E.M. Abdulkadir M. Yazewe E. Kessler A. Ritsem C. J.
and Geissen V. 2017. Assessing the effect of water harvesting techniques on event-based hydrological
responses and sediment yield at a catchment scale in
Evaluation of erosion risk map based on hierarchical decision tree method, a case study: Semnan drainage basin
15
northern Ethiopia using the Limburg Soil Erosion
Model (LISEM), CATENA, 159: 20-34. Harris M.T. and Boardman J. 1990. A rule-based expert
system approach to predicting waterborne soil erosion. In: Boardman, J. Foster, D.L. Dearing, J.A.
(Eds.) Soil Erosion on Agricultural Land. John Wiley & Sons, Chichester, p. 401-412.
Hill J. Megier J. Mehl W. 1995. Land degradation, soil erosion and desertification monitoring in
Mediterranean ecosystems. Remote Sensing Reviews, 12:107-130.
Hurni H. 1993. Land degradation, famine and resource scenarios in Ethiopia. In: Pimental, D. (Ed.), World
Soil Erosion and Conservation. Cambridge University Press, Cambridge, p. 27-61.
Jain S.K. Dolezal F. 2000. Modeling soil erosion using EPIC supported by GIS, Bohemia, Czech Republic. Journal
of Environmental Hydrology, 8:1-11.
Kirkby M. 2001. Modeling the interaction between soil surface properties and water erosion. CATENA 46:
89-102. Kothyari U.C. 1996. Erosion and sedimentation problems in
India. In: Wailing D.E. Webb B.W. (Eds.), Erosion and Sediment Yield: Global and Regional
Perspectives, 236. IAHS Publication, 531-540. Li P. Mu X. Holden J. Wu Y. Irvine B. Wang F. Gao P. Zhao
G. and Sun W. 2017. Comparison of soil erosion models used to study the Chinese Loess Plateau,
Earth-Science Reviews, 170: 17-30. Li Zh. Zhang Y. Zhu Q. Yang S. Lia H. and Ma H. 2017. A
gully erosion assessment model for the Chinese Loess Plateau based on changes in gully length and area,
CATENA, 148(2):195-203. Majaliwa M.J.G. Magunda M.K. Tenywa M.M. and Isabirye
M. 2003. Effect of topography on soil erodibility in Kakuuto micro-catchment, Uganda. East African
Agricultural and Forestry Journal, 69(1):19-27. Martinez G. Weltz M. Pierson F.B. Spaeth K.E. and
Pachepsky Y. 2017. Scale effects on runoff and
soil erosion in rangelands: Observations and estimations with predictors of different availability,
CATENA, 151:161-173. Martinez-Casasnovas, J.A. 2003. A spatial information
technology approach for the mapping and quantification of gully erosion. CATENA 50 (24):
293-308. Mitasova H. Hofierka J. Zlocha M. and Iverson L.R. 1996.
Modeling topographic potential for erosion and deposition using GIS. International Journal of
Geographical Information Science, 10(5):629-641. Morgan R.P.C. 1995. Soil Erosion and Conservation, second
ed., Essex, New York, p. 320. Moore I.D. Gessler P.E. Nielson G.A. and Peterson G.A.
1993. Soil attributes prediction using terrain analysis. Soil Science Society of America Journal 2:443-452.
Nearing M. A. Yin Sh. Borrelli P. and Polyakova V.O. 2017. Rainfall erosivity: An historical review. CATENA,
157:357-362.
Oldeman L.R. Hakkeling R.T.A. and Sombroek W.G. 1990. World Map of the Status of Human-induced Soil
Degradation: An Explanatory Note, Wageningen, Netherlands, p. 34.
Oldeman L.R. 1994. The global extent of soil degradation. In: Greenland, D.J., Szabolcs, I. (Eds.), Soil Resilience
and Sustainable Land Use. CAB International, Oxon,
U.K., p. 115. Pickup G. and Chewings V.H. 1996. Correlations between
DEM-derived topographic indices and remotely sensed vegetation cover in rangelands. Earth Surface
Processes and Landforms, 21:517-529. Quinton J.N. 1997. Reducing predictive uncertainty in model
simulations: a comparison of two methods using the European Soil Erosion Model EUROSEM, 30:101-
117. Qygarden L. 2003. Rill and gully development during an
extreme winter runoff event in Norway. 50 (2-4):217-242.
Reusing M. Schneider T. and Ammer U. 2000. Modeling soil loss rates in the Ethiopian Highlands by integration of
high resolution MOMS- 02/D2-stereo-data in a GIS. Journal of Remote Sensing, 21:1885-1896
Rouse J.W. Haas R.H. Schell J.A. and Deering D.W. 1974.
Monitoring vegetation systems in the Great Plains with ERTS. In: Freden, S.C., Mercanti E.P. Becker
M.A. (Eds.), Third Earth Resource Technology Satellite-1 Symposium, vol. 1, Technical
Presentations. NASA, Washington, D.C. p. 309-317. Singh G. Babu R. Narain P. Bhushan L.S. and Abrol I.P.
1992. Soil erosion rates in India. Journal of Soil and Water Conservation, 47 (1): 97-99.
Stocking M.A. and Murnaghan N. 2001. A Handbook for the Field Assessment of Land Degradation. Earthscan
Publication, London, UK, p. 169. Sukhanovskii Y. P. 2010. Rainfall Erosion Model, Eurasian
Soil Science, 43(9):1036-1046. Thornes J.B. Shao J.X. Diaz E. Roldan A. McMahon M. and
Hawkes J.C. 1996. Testing the MEDALUS hillslope model. 26:137-160.
Toy T.J. Foster G.R. and Renard K.G. 2002. Soil Erosion: Processes, Prediction, Measurement and Control.
John Wiley & Sons, New York. Trimble W.S. 1990. Geomorphic effects of vegetation cover
and management: some time and space
considerations in predicting of erosion and sediment yield. In: Thornes, J.B. (Ed.), Vegetation and
Erosion. John Wiley & Sons Ltd., UK, p. 55-65. Van Rompaey A.J.J. and Govers G. 2002. Data quality and
model complexity for regional scale soil erosion prediction. International Journal of Geographical
Information Science, 16(7): 663-680. Vrieling A. Sterk G. and Beaulieu N. 2002. Erosion risk
mapping: a methodological case study in the Colombian Eastern Plains. Journal of Soil and Water
Conservation, 57(3):158-163. Wang L. Huang J. Du Y. Hu Y. and Han P. 2013. Dynamic
Assessment of Soil Erosion Risk Using Landsat TM and HJ Satellite Data in Danjiangkou Reservoir Area,
China, Remote Sensing, 5:3826-3848. Wijaya A. 2005. Application of Multi-stage Classification to
Detect Illegal Logging with the Use of Multi-source Data, MSc. Thesis, ITC, Enschede, The Netherlands.
Yao H. Shi Ch. Shao W. Bai J. and Yang H. 2017. Changes
and influencing factors of the sediment load in the Xiliugou basin of the upper Yellow River, China,
CATENA, 142:1-10. Yves L.B. Montier C. Jamagne M. Daroussin J. and King D.
2002. Mapping erosion risk for cultivated soil in France. CATENA, 46(23):207-220.
Journal of Stratigraphy and Sedimentology Researches University of Isfahan, Vol. 34, Issue 1, No. 70, Spring 2018 16
شناسينگاريورسوبهايچينهپژوهش
7930شمارهاول،بهار،07سالسيوچهارم،شمارهپياپي
39/77/7931:تاريخپذيرش74/74/7931:تاريخوصول
11-40صص
: یمورد ۀمطالع) یدرخت یریگ میبر اساس روش تصم شینسبت به فرسا تیحساس ۀنقش یابیارز
(سمنان زیآبر ۀحوض
تهران،ايران،يدانشگاهخوارزمگروهآموزشيزمينشناسي،،ارياستاد ،ییرضا لیخل
چکیده
فرسا شيامروزه، بزرگيکيخاکبه بهيهامعضلنيتراز نواحژهيوکشور نيدر تبدازخشکمهيخشکو سمنان استليجمله .شده
يصرفهبرابهومقرونعيسريروشيريخاکومقابلهباآنوجوددارندوبکارگشيفرساۀمحاسبيبرايمتنوعيابيمطالعهوارزيهاروش
فرسايابيارز به مستعد توصبهشيمناطق پافيمنظور فرسانديفراشيو حيضرورشيکنترل استياتيو مطالع. ۀدر ازيکيحاضر،
نيا.سمناناستفادهشدهاستزيآبرۀدرحوضشيازعواملمؤثردرکنترلفرسايتعدادعيتوزۀويشفيتوصيسنجشازدوربرايهاروش
جزومسائلشيفرسانديفرا،ييهواوآبطيالبرزقرارداردوبهعلتشرايکوههارشتهينوبجيهاودامنهريدرشمالدشتکوزيآبرۀحوض
مح استيعيطبطيمهم آن گ،ياراضيکاربر،يتوپوگراف. پوشش دادهيهايژگيو،ياهيتراکم و آبيهاخاک يبراييهواومؤثر
يبرايدرختيريگميروشتصم.آبوخاکاستفادهشدندفاظتحيهااقداميۀپاۀنقشيۀوتهشينسبتبهفرساتيکردنحساسمشخص
تيحساسزانيم،ييفضايازواحدهاکيبههرافتهياختصاصيوزنها.استفادهشدشيکنترلفرسايهاوزنشاخصبيکردنوترکجمع
بشيبهفرسا کنديمانيرا کردننهيبهياستخراجشدندوبراشدهعهمطالۀدرمنطقشيفرسايمتفاوتعواملکنترلبيکسهنقشهازسهتر.
هرتيحساسيفيکيابيارز ترککينسبتبه، بهتوزشدهجادياباتياز يابيارزوبحثيشيفرسانديفراۀرنديدربرگيهاشاخصعيبسته
ويجنوبيهبخششوديمينيبشيمرتبطاستوپياهيطورعمدهباپوششگخاکبهشينسبتبهفرساتيمنطقه،حساسنيدرا.شدند
ۀدرهرسهنقششيفرسااديزتيمساحتکالسحساس.همراهشوندشيفرسازانيمشيباافزاياهيمنطقهبهعلتفقرپوششگيشرقجنوب
نشانيابيارزجينتا.درصداست07ازشيمساحتدرهرسهنقشهبنيازينيامشاهدهيهادادهيدرصدوبرا01ازشيبشدهيالگوساز
.آزمونوجوددارديهاودادهيحاصلازالگوسازيهادادهنيدرصدب33ازشيبيدرهرسهنقشه،همبستگدهنديم
سمنان،يسنجشازدور،الگوسازش،يرسوب،فرسا:های کلیدی واژه
73739107710:نويسندۀمسؤول Email: [email protected]
Copyright©2018, University of Isfahan. This is an Open Access article distributed under the terms of the Creative Commons
Attribution License (http://creativecommons.org/licenses/BY-NC-ND/4.0), which permits others to download this work and share it
with others as long as they credit it, but they can’t change it in any way or use it commercially.
7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 40
مقدمه
خطرناک از يکي و فيزيکي فرايندي خاک ترينفرسايش
کاهش باعث که است زمين سطح گسيختگي سازوکارهاي
اح و خاک زمينصلخيزي به آسيب کشاورزي شودميهاي(Oldeman 1994; Morgan 1995; El-Swaify 1997; Enters
(1998; Boardman & Vandaele 2010; Dupac 2010بينو از
خاک ورفتن سدها پرشدن کشت، براي باارزش هاي
هستندرودخانه آن اصلي نتايج ازجمله ;Kothyari 1996)ها
(Biswas et al. 1999; Jain and Dolezal 2000 اقتصادي. تأثير
به مغذيهدررفته درفرسايشخاکدرجايگزينيمواد ويژه
کشورهايدرحالتوسعۀمواجهباکمبودمنابعدرخورتوجه
.(Reusing et al. 2000)است
انسانتأثيرهايپياپيوبهشدتخشکساليتوجهامروزهبا
تخريبمنابعزيستدر وجنگلويژهبهمحيطيطبيعتو ها
مزارعوتخريب،هازاييباعثهجومماسهبيابانۀ،پديدمراتع
آنزيرساخت پي در و است،ها شده روستاييان .مهاجرت
بيابان مرحلپيشروي در نخستها فعاليتۀ انساني وهاي
طبيعيبهره منابع حد هاينامناسبوروش،برداريبيشاز
شدنگرموهدررفتنآبوهواوتغييراتآب،نادرستآبياري
درپيۀکر يندفرسايشواطيفرخاک.داشتهاستزمينرا
آليتهيميتخريب معدنيو مواد کماز و کماستعدادشود
آن در يابدميکاهشرويش . موقعيتفرسايش اثر هايبر
عوامل با رويارويي و مختلف خاک، وزميني، آب منابع
گياهي ميپوشش اتفاق و نوعافتد مانند طبيعي عوامل
زمين سازندهاي اقليم، خاک، بافت شناسي، کاربريتغيير
اراضي کنار اقتصاديودر اجتماعي، افزايشعواملانساني،
نابوديجنگل زراعتنادرستوچرايجمعيت، هاومراتع،
کنترل به دام بهشتابنشدۀ خاک فرسايش درگرفتن ويژه
در ميکشورهاي کمک توسعه Stocking .and)کنندحال
Murnaghan 2001)
پي در پژوهشگران بيشتر فرسايشي، فرايندهاي مقولۀ در
فرسايشوپراکندگيمکانيمقاديرروشيکميبرايتهيۀنقشۀ
;Singh et al. 1992; Martinez- Casasnovas 2003)دقيقآنهستند
Qygarden 2003; Essa 2004; Chen et al. 2017; Fernandes et al.
2017; Grum et al. 2017) دربارۀمطالعهاگرچه. اندکي هاي
نقشهروش بههاي نسبت حساسيت کيفي فرسايشبرداري
دارند .Li et al. 2017; Li et al. 2017; Martinez et al)وجود
عوامل2017) شناخت بر مبتني کيفي ارزيابي است بديهي ،
به اقدامفرسايش انجام برايمنظور خاک، حفاظت هاي
واولويت است مفيد بسيار منطقه هر در مؤثر عوامل بندي
مي کاهش را زمين دهدتخريب دربارۀمطالعه. متعددي هاي
شدهفرايندها انجام فرسايشي ي ;Oldeman et al. 1990)اند
(Hurni 1993; Devi et al. 2008چندينالگووروشفرسايشو
،(USLE)،معادلۀجهانيخاکMPSIACخاکازجملهالگوي
خاک جهاني معادلۀ در تجديدنظر يعني آن جايگزين الگوي
(RUSLE)براينمونه،الگوي)،الگويارزيابيفرسايشخاک
ICONA) الگوي ،SIMWE، الگويLISEMالگوي ،
QUERIM و پيش... يا ارزيابي يابراي فرسايشکيفي بيني
.اندکميخاکتوسعهيافته
دادهجمع باآوري که است بزرگي مشکل ورودي، هاي
کاستهمطالعه شدتآن از حدي تا دور راه هايسنجشاز
يتهيۀالگويسنجشازدور،منبعمهماطالعاتيبرا.شودمي
منطقه مقياس در خاک انجامفرسايش از پس و است اي
تغييراتالزمدرآنبااستفادهازسيستماطالعاتجغرافيايي
(GIS)هدفمطالعۀحاضر،استفادهاز.شودتحليلميوتجزيه
ماهوارۀOLIهايسنجشازدورشاملتصاويرسنجندۀداده
0لندست با ترکيب ،GISخطر کيفي نقشۀ سه ارائۀ و
سازيفرسايشبراساسعواملمؤثربرفرسايشخاکوبهينه
فرسايشاست حساسيتکيفي بر کمکمطالعۀ.نظارت به
مناطقيشناساييشدندکهبهسنجشحفاظتآبو حاضر،
هايالزمبراياجراياينالگوازسپسداده.خاکنيازداشتند
ماهواره دانشتصاوير و دستاي به متخصص کارشناسان
آمد تجزيه. دادهودرنهايت ازتحليل استفاده با ترکيبي هاي
تصميم کيفي سلسلهقواعد نظامي شدتگيري، از مراتبي
.فرسايشخاکارائهداد
94 يدرختيريگميبراساسروشتصمشينسبتبهفرساتيحساسۀنقشيابيارز
آبريزمناطقمختلف علتسمنانبحوضۀ ۀشرايطويژه
بادهاي اقليمي، شناسيسازندهايزمينويرانگر،شديدوگاه
فقدانحس خاکسستو فرسايشو پوششگياهياسبه
در بسياريمناسب از فرسايشخاکمناطق امانخطر در
وهمناطقبيابانيايناستانافزودوسعتبرتدريجبهونيستند
از خاکميزان و مستعد آنحهاي ميهااصلخيز .شودکاسته
بهره و سمنان استان بر اقليميحاکم بيشازشرايط برداري
هزارهکتار377ميليونو1اندمنابعطبيعيباعثشدهدح
ۀعرص بياباني 7و و استان317ميليون اراضي هکتار هزار
و(7901ارزانيوهمکاران)ثيرفرسايشباديقرارگيردأتتحت
به روستاييان شودمهاجرت بررسي.منجر هايتاکنون
مقياسمنطقهنقشه درسمنانايبرداريازخطرفرسايشدر
هايکوشدبراساسشاخصاندومقالۀحاضرميانجامنشده
فرسايش،مقاديرفرسايشمؤثردرفرايندحساسيتنسبتبه
وتأثيرپذيريازهرهايحوضۀمطالعههريکازبخش شده
.رابررسيکندکدامازعوامل
شده منطقۀ مطالعه
داراي نواحيخشکو از يکي سمنان آبريز ميزانحوضۀ
بارش و کم بسيار دامنۀبارندگي در که است نامنظم هاي
کوهجنوبيرشته فاصلۀ و 19هايالبرز و و4درجه دقيقه
ثانيۀشرقيو93/14دقيقهو40درجهو19ثانيهتا43/91
دقيقهو17درجهو91ثانيهتا07/90دقيقهو0درجهو91
99/31 است گرفته قرار شمالي ش)ثانيۀ 7کل مساحت(.
حدود يادشده بارش373101حوضۀ ميانگين با و هکتار
استميلي37 خشک نواحي جزو سال در متر ميانگين.
.متراست3799ارتفاعحوضهازسطحدريانيزحدود
8لندست RGBشده در سطح کشور با تصویر موقعیت منطقۀ مطالعه -1شکل
روش پژوهش
روشروش ازجمله متعددي هاي MPSIACهاي ،USLE،
SIMWE،LISEM،RUSLEوICONAبرايبررسيمسئلۀ
Moor et al. 1993; Radwan and Bishr)اندفرسايشتوسعهيافته
1995; Gessler et al. 1995; Hill et al. 1995; Mitasova et al.
1996; Thornes et al. 1996; Bouaziz et al. 2009).ارزيابيبراي
سمنان، آبريز حوضۀ در فرسايش به نسبت حساسيت
هايسنجشازدوروشناختيباروشايمورديروشمطالعه
منطقۀيادشدههاياطالعاتمکانيسيستم بهشکلکيفيدر
فرسايشبرانجامشد؛براساسهدفپژوهش،ارزيابيکيفي
7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 17
بارندگيساالنه، فرسايششامل در مؤثر عوامل اساسعمده
هايخاکوپوششگياهيکاربرياراضي،توپوگرافيوويژگي
شد (Bouaziz et al. 2011)انجام پژوهش. در است گفتني
تصميم قوانين سلسهحاضر، سازماندهي و مراتبيگيري
دانششاخص و مهندسي قضاوت اساس بر مؤثر هاي
شده انجام اندکارشناسي پيشين،روش. موفق و مشابه هاي
مقياس در را کردهفرسايشخاک مختلفالگوسازي اندهاي
(Boardman and Harris 1990; Cerdan et al. 2002)مقايسۀ ؛
تهيۀنقشۀحساسيتالگوهانيزدربسياريازنقاطجهانبرايفرسايش بهنسبتبه تخريبسرزمين اثر فرسايشبر واسطۀ
.(Quinton 1997; Sukhanovskii 2010)انجامشدهاست
ارتفاع رقومي داده(DEM)نقشۀ از استفاده هايبا
ASTERمترتهيهوبراياستخراجوتهيۀ97بادقتمکاني
هايژئومورفولوژيکيمنطقهشاملشيب،شبکۀنقشۀشاخص
درمطالعۀحاضر،عوامل.ستفادهشدهاوجهتشيباآبراهه
اقليميدرقالببارندگيبررسيشدند هابهشکلابتدا،داده.
هايهواشناسيموجوددرسطححوضهوايازايستگاهنقطه
درون فرايند سپسطي و تهيه سطحاطرافآن کل به يابي
هايخاکهايمربوطبهويژگيداده.حوضهتعميمدادهشدند
خا نقشۀ ازکاز اراضي کاربري اطالعات و کشور شناسيبااستفاده0مربوطبهلندستOLIبنديتصاويرسنجندۀطبقه
.تهيهشدند(ANN)هايعصبيمصنوعيازروششبکه
الگوی مفهومی روش پژوهش -2شکل
حساسيتنسبتبههايحاصلبرايتوليدسهنقشۀداده
مشتق نقشهفرسايش از شدندشده استفاده مکاني هاي
( 3شکل فرسايشبه(. حساسيتنسبتبه کيفيميزان طور
فرسايشبينکموشديدوزن بر تأثير به آن در دهيشدو
اينفراينددر.خاکوهمپوشانيپنجعامليادشدهتوجهشد
(.3و7هايجدول)گيرينمايشدادهشدهاستتصميمروند
(Bouaziz et al. 2011)پذیری خاک گیری برای فرسایش قوانین تصمیم -1جدول
نوعخاکSalt flats/ Bad lands
Aridisols/ Entisol
Rock outcrops/ Inceptisols
کممتوسطزيادهايشيبکالس3-7کمکمکممتوسط
(درصد) 1-3متوسطکمکممتوسط71-1زيادمتوسطمتوسطزياد
91-71خيليزيادمتوسطزيادخيليزياد>91شديدزيادزيادخيليزياد
11 يدرختيريگميبراساسروشتصمشينسبتبهفرساتيحساسۀنقشيابيارز
(Bouaziz et al. 2011) گیری برای حفاظت خاک قوانین تصمیم -2جدول
پوششهايسطحياراضيمراتعاراضينمکيهايبايرزمين
کشاورزيسطوحآبي
کممتوسطمتوسطزيادخيليزيادهايکالس>17کمکمکمکممتوسطمتوسط
پوششگياهي(درصد)
17-91متوسطکممتوسطمتوسطمتوسطزياد91-37زيادمتوسطمتوسطزيادزيادخيليزياد31-7خيليزيادزيادزيادزيادخيليخيليزيادخيليزياد
همکاران و کيفي(Bryan et al. 1977)بريان روش
فرسايشاستفادهحساسيتنسبتبهمشابهيرابرايارزيابي
پيش شاملفاز باکردندکه وشروع ادغام توصيفو بيني،
هايرستريازدادهپايگاهدادهپردازشبودوباتهيۀفازپيش
پيکسل اندازه داده97با از همراهمتر دور هايسنجشاز
بود پيش. شرح به عواملسپس، يکاز بينيحساسيتهر
ايجادترکيبات با ،CAکنترلفرسايشپرداختندودرنهايت،
CB رسيدندCC(Bouaziz et al. 2011) و ادغام فاز به
.آمدهاست(3)روشکليکاردرشکل(.9جدول)
های ورودی برای سه ترکیب مختلف ارزیابی شاخص -3جدول
فرسایش حساسیت نسبت به
ترکیباتC
C C
B C
A
X X X فاکتورهايتوپوگرافيکنترلي
فرسايشخاکX XXهايخاکويژگيX X---بارندگيX ---XپوششگياهيX XXکاربرياراضي
سازمان خاککه اساساطالعاتنقشۀ پايگاه)FAOبر
هم خاک، جهاني 3773خوان نوع( شش است، کرده تهيه
مختلفوترکيبيخاکدرسطحمنطقهتشخيصدادهشدند
.شدندپذيريتقسيمکهبهسهکالسمختلفازنظرفرسايش
دريافتوبااستفادهاز0لندستOLIدرمرحلۀبعد،تصاوير
هايمختلفبنديشبکۀعصبيمصنوعيبهبخشروشطبقه
شدند تقسيم سمنان آبريز حوضۀ در اراضي کاربري براي.
منظورتصحيحپردازشبهتفسيربهترتصاوير،عملگرهايپيش
شدند انجام اتمسفري ابهام رفع و هندسي پردازشپيش.
نرم با تصاوير PCA Geomaticaافزار از7/3نسخۀ و انجام
نرم شدENVI 4.8افزار استفاده تحليل و پردازش .براي
ودرمحيطFLAASHاختالالتمختلفاتمسفريباالگوي
افزايشخطي.تصحيحشدندPCA Geomatica 9.1افزارنرم
منظوراصالحکنتراست،روشيبرايبهبودمکانياستکهبه
کردنشکليمؤثربرمنطقهوبهينههايژئومتريکيوشاخص
اليۀبارندگيساالنۀمنطقهمربوطبه.تفسيربصريانجامشد
درون3774سال طريق از دادهنيز ايستگاهيابي هايهاي
شد تهيه اطرافحوضه سطحو در هواشناسيموجود اليۀ.
از پس خاک و ارتفاع اليۀ از استخراج از پس شيب
الرستري توليد براي فرسايششدن تابعيۀ اساس بر پذيري
درنهايت،نقشۀکاربري(.7جدول)خطيباهمترکيبشدند
داده و گياهي پوشش بارندگي، خاک، نقشۀ هاياراضي،
درجدولترکيبات ترکيبمختلفموجود سه توپوگرافيبا
به نسبت حساسيت متفاوت نقشۀ سه توليد براي عوامل
سنجشازدورواستفادهازهايروش.فرسايشاستفادهشدند
GISداده نشان مطالعه فلوچارت شدهدر )اند ؛(3شکل
شکل و(3)همچنين ارزيابي براي دانشکارشناسي ادغام ،
نشانميتعريفحساسيت .دهدپذيريحوضهبهفرسايشرا
اليههمروي ترکيب و درختاندازي در مختلف هاي
عنوانميانگينيبهگيريبراساسالگويمقايسۀزوجتصميم
.ارتباطخطيبينعواملمؤثردرفرسايشانجامشدهاست
فرسایش مبانی فرایند حساسیت نسبت به
نمودارروشپژوهش،پنجاليۀوروديمتفاوتالزمرانشان
7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 13
مي )دهد 3شکل داده(. بجز کار، اين بارندگي،در هاي
شاخصجمع روشآوري راه از فرسايش کنترلي هايهاي
و دور از شدGISسنجش انجام شاخص. ادامه، هايدر
آسيب ارزيابي و تعيين همچنين و نسبييادشده پذيري
.شودفرسايشخاکشرحدادهمي
های اصلی کنترل فرسایش شاخص
نقشۀ شیب -توپوگرافی
فرسايشخاکبه ميفرايند تأثير توپوگرافي .پذيردشدتاز
ويژگيويژگي بر توپوگرافيکي کنترهاي خاکهاي هاي
(Moore et al. 1993)ميکرواقليم،توزيعپوششگياهي،(Frank
et al. 1986)دسترس رطوبتدر روانابو ،(Moore et al.
(1993; Chevings and Pickup 1996مياثر (.4جدول)گذارد
شيب مقادير حاضر، مطالعۀ درجه)در به يکاز( هر براي
پيکسل ارتفاعي دادهDEMهاي از سنجندۀحاصل هاي
ASTER(.9شکل)شدندتوليدوبهپنجکالستقسيم
شده مطالعه نقشۀ شیب منطقۀ -3شکل
:ترتيبعبارتندازهابهمقاديرآستانهبرايهريکازکالس
شيب درجه تا 3هايصفر 3درصد، 1تا 1درصد، 71تا
71درصد، 91تا و 91درصد درصد41تا نسبي. مقادير
کالس جدول در شده پوششداده سطح شيبو (4)هاي
.اندنشاندادهشده
شده های شیب در منطقۀ مطالعه کالس -9جدول
هايشيبکالس91%<71-91
%1-71%3-1%7-3%
مساحت9744417170770337397001191(هکتار)
مساحت743943779(درصد)
فرسايشخاکميتوانند حاصلاز رسوباتتوليدشده
کانال و ذخاير کنندهاي پر را آب قابليتانتقال با و
جذبآلوده شيميايي مواد حمل و خود بهکنندگي شده
هاباعثآسيببهکيفيتآبآنهاشوند؛هاودرياچهرودخانه
خاکعالوه برخي دربراين، بيشتري ذاتي قابليت داراي ها
خاکفرسايش ديگر نسبتبه هستندپذيري ,.Toy (et al)ها
Agassi (1996)،Bryan (1997)،Turk andيهامطالعه.2002
Foth (1972) دادندMajaliwa et al. (2003)و نشان
فرسايشخاک بسيار خاکهاي نسبتبه درپذير مقاوم هاي
تربرابرنسبتبهفرايندفرسايشحساس77برابرفرسايشتا
توصيفويژگي بنابراين، شدههايخاکمنطقۀمطالعههستند؛
13 يدرختيريگميبراساسروشتصمشينسبتبهفرساتيحساسۀنقشيابيارز
.هانسبتبهفرسايشاستآگاهيازحساسيتخاکنيازمند
خوار وسازمان جهاني FAO)بار خاکويژگي( فيزيکي هاي
هايهايخاکشاملمحتوايشنوماسهوتوزيعاندازۀدانه
Harmonized World)مختلفرابهشکلنقشهتهيهکردهاست
Soil Data Base, Version 1.1, March (2009.نقشۀخاکFAO
برخيشاخص کانيشامل نظير عمقخاک،ها شناسيرسي،
هايگياهيويژه،پذيريخاکوزمينبرايپوششحساسيت
ذخيره ظرفيت خاک، کالسرطوبت و زهکشيسازي هاي
شدهدرمنطقۀمطالعهبهششنوعخاکمشاهده.خاکاست
تقسيم کالس شدندسه بندي :7 توسعهخاک. درهاي نيافته
انيوصخرهنواحيکوهست 3اي؛ هايمناطقخشکوخاک.
خاک اوليه؛ 9هاي دشت. بدلندها و نمکي )هاي (.4شکل
وپايگاهحساسيتبهفرسايشبراساسشاخص هاييادشده
تعيينشدFAOهايمرجعداده ايکههريکمساحتناحيه.
کالس از پوشش خاک دادههاي جدول در مشاهده(1)اند،
.شودمي
شده از سطح حوضۀ های خاک اشغال مساحت کالس -1جدول
شده مطالعه
نوعخاک
Salt flats/
Bad lands
Aridisols /
Entisols
Rock
outcrops/
Inceptisols
مساحت94/191700/30313 37/730317
(هکتار)
مساحت103379
(درصد)
شده نقشۀ خاک منطقۀ مطالعه -9شکل
کاربری اراضی
فرايندفرسايشخاکبانواحيدارايشرايطمحيطيمتفاوت
است منطبق بسيار شيب ناپايداري و پوششگياهي .ازنظر
باشرايطپژوهشحاضربراي(3774)0لندستOLIتصوير
مطالعۀمنطقۀمدنظرمتناسببود پردازشتصاويرپيشپيش.
طبقه طبقهاز سپس و انجام شبکهبندي عصبيبندي هاي
رويتصاويراعمالشد(ANN)مصنوعي هايعصبيشبکه.
طبقه براي روشمطلوبي پوششمصنوعي، و کاربري بندي
مي محسوب دادهشواراضي انواع براي زيرا درد، ها
Gahegan et)شدنياستهايآماريگوناگوناستفادهمقياس
7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 14
(al. 1999 طبقهبه. در مرحله عصبيطورکليسه بنديشبکۀ
دارد وجود از: استفاده با آموزششبکه فرايند اول، مرحلۀ
سنجيوآزمونمرحلۀدوم،فازاعتبارهايورودياست؛داده
استکهموفقيتفازآموزشيودرستيشبکهراخطايشبکه
شبيهتعيينمي مرحلۀسوم، طبقهکند؛ بندياستکهسازيو
کندشدۀپوششياکاربرياراضيراايجادميبندينقشۀطبقه
(Wijaya 2005).کنندۀنورونوبيان1اطالعاتوروديشامل
استفاده لندست تصوير باندهاي بودتعداد شده تعداد.
انتخابورونن با شبکه براي مياني اليۀ و1هاي آغاز اليه
اليه افزايشتعداد با شبکه هر واقعيخروجي مقادير به ها
انتخابنزديک اليهدريافتشدو3تروبهترينخروجيبا
خروجي.اليۀدرونيکاهشيافت77دقتخروجيشبکهبا
برازشرگرس و خطا مربع مجذور ميانگين با شبکه يونهر
شبکه.نورونبود7کنترلشدودرنهايت،اليۀخروجيشامل
RMSEنوروندراليۀميانيودرتکرارپنجمبامقدار3با 7
داشت70701/7برابر بهترينعملکردرا درپژوهشحاضر.
ازروش3MLPبرپايۀالگوريتميادگيريپسانتشارخطاو
لونبرگ شد9مارکوارت-الگوريتم استفاده طبقه. بندينتايج
نمايشداده(1)وجدول(1)هايکاربريزميندرشکلکالس
اندشده طبقه. عمليات4بنديحاصلدارايدرصددرستينقشۀ
درصدو3/03برابر1درصدومتوسطدرصداطمينان1/37برابر
برابر کلي کاپاي است00/7ضريب کالس. از يک هايهر
نقشۀ در رفتارموجود فرسايشخاکبا پوششسطحيازنظر
ايمرتبطاستويژه پوششغالب. نواحيشور، و اراضيباير
اندوبيشترحساسيتخاکنيزشدهراتشکيلدادهمنطقۀمطالعه
.بهايندوبخشازپوششسطحيمربوطاست
1 Root-Mean-Square Error 2 Multi Layer Perceptron 3 Levenberg-Marquardt 4 Accuracy 5 Reliability
های کاربری اراضی در سطح حوضۀ مساحت کالس -6جدول
شده مطالعه
سطحی های پوشش
هايزمين
باير
اراضي
نمکي
سطوح
آبي
اراضيمراتع
کشاورزي
مساحت17/73073731/093003/3111/097031/1030
(هکتار)
مساحت3791/741/3
(درصد)
شده نقشۀ پوشش کاربری اراضی در سطح منطقۀ مطالعه -1شکل
اقلیم
ترينعواملدرکنشمتقابلباديگرعواملاقليم،يکيازمهم
طورمستقيموغيرمستقيمبرفرسايشخاکتأثيراستکهبه
ترينمتغيراقليمي،مهمبارندگي.(Toy et al. 2002)گذاردمي
گرفته نظر در تنهايي به که است فرسايشخاک در مؤثر
درخورمي برخورد راه از فرسايش به پرداختن با و شود
هايبارانبهسطحخاکوجريانآبرويسطحتوجهقطره
مي بينرفتنخاکخاکبرجسته از همواره بنابراين، شود؛
اخصياقليميدرارزيابيبامقداربارندگيمرتبطاستکهش
هاواطالعاتدرمشاهده.فرسايشاستحساسيتنسبتبه
مطالعه منطقۀ ميدسترساز نشان آنها بررسي و دهندشده
مي اتفاق خاک سطح روي آب جريان ايجاداگرچه افتد،
رخ بارندگي فصل در اساساً و نيست ناگهاني رواناب
11 يدرختيريگميبراساسروشتصمشينسبتبهفرساتيحساسۀنقشيابيارز
دهدمي اتفاق. نيز خشک فصل طي اماميبارندگي افتد،
رو،مقدارآنبسيارناچيزومعموالًبدونرواناباست؛ازاين
شدهدرفصلآبيانجاموازعمدهبارندگيدرمنطقۀمطالعه
ارزيابي براي بهآن نسبت استفادهحساسيت فرسايش
هايازايستگاه3774هايبارندگيماهانۀسالداده.شودمي
درسطححوضه واطرافآنازسازمانهواشناسيموجود
وآب شدند دريافت سمنان استان )هواشناسي (.0جدول
داده ساالنۀ مجموع بهسپس، نقطهها نرمشکل در افزاراي
ArcGIS 10.37داروبااستفادهازروشمعکوسفاصلۀوزن
(IDW)يابيوبهکلسطححوضهتعميمدادهشد؛بهدرون
نقشۀبارندگيساالن شدهحاصلۀحوضۀمطالعهاينترتيب،
نشان شدکهتوزيعفضاييبارشباراندرسطححوضهرا
مي )دهد 1شکل در(. نقشه اين حاضر، پژوهش در
ترکيب CBهاي فراهمCCو متفاوتبراي نقشۀ دو کردن
.فرسايشاستفادهشدحساسيتنسبتبه
شاخص پوشش گیاهی
پوششگياهييکيازعواملکنترليفرسايشوبيشترمتأثراز
هايانسانياست؛اينعامليکيازعواملمهمدرهردخالت
وچنديننوع(Trimble 1990)استکنندهبينينوعالگويپيش
نسبت روش اعمال از استفاده با گياهي پوشش شاخص
.شونددادنپوششگياهياستفادهميباندهايطيفيبراينشان
Rouseکه(NDVI)3شدۀنسبتتفاضلبانديشاخصنرمال
آنراتوسعهدادند،يکيازپرکاربردترين(7304)وهمکاران
پژوهششاخص بين در گياهي کاربرهاي مختلفهاي دي
است دور از سنجش شاخص. گياهيهمچنين هاي
خاکترينظيرشاخصگياهيتعديلپيشرفته (SAVI)9شدۀ
مي نظر در را خاک سطح از بازتاب بهبودکه براي گيرد،
يافته توسعه گياهي پوشش اندارزيابي گياهي. شاخص
1 Inverse Distance Weighted 2 The Normalized Difference Vegetation Index 3 soils adjusted vegetation indices
خاکتعديل تبديل گياهي(TSAVI)4شدۀ شاخص ،
خاکتعديل تغيير تعديل(MSAVI)1شدۀ شاخصگياهي ،
خاک OSAVI)1بهينۀ نيز( ديگر شاخصگياهي چندين و
حداقل به شدهبراي ارائه اتمسفر خاکو آثار اندرساندن در.
شاخص از حاضر، تصويراستخراجNDVIپژوهش از شده
OLI 3774)0لندست گياهي( پوشش کيفي تعريف براي
پرکا از شاخصيکي اين شد؛ شاخصاستفاده هايربردترين
شدهبسيارمناسبگياهيوبرايهدفمدنظردرمنطقۀمطالعه
است . لندست نسبت0در شاخصاز اين استخراج براي ،
قرمز مادون به قرمز باندي -NIR))تفاضلي
RED)/(NIR+RED) شد( استفاده متغيري. گياهي پوشش
مي کنترل را فرسايش که است کندفصلي . NDVIاليۀ
توليدش 0شکل)ده چهار( پوششگياهيدر اليۀ برايتوليد
طبقه ترکيبگروه در و باCAبنديشد پوششگياهي اليه ،
(.3جدول)نقشۀآنبرايانجامتحليلحفاظتخاکتوليدشد
4 Transformed Soil Adjusted Vegetation Index 5 Modified Soil Adjusted Vegetation Index 6 Optimized Soil Adjusted Vegetation Index
7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 11
های سینوپتیک سطح منطقه در محل ایستگاه 1349شده در سال گیری های اندازه مجموع بارندگی -7جدول
نام ژانویه فوریه مارس آپریل می ژوئن ژولیه آگوست سبتامبر اکتبر نوامبر دسامبر ساالنه ایستگاه
بيارجمند7/114/04/719/10/7774/99/13/774/749/77دامغان3/7707/70/33/13/473/71/79/03/97/733474/3
سمنان3709/713/1077779111/703/7373/1شاهرود77047/330777113/714/919/394/79/7گرمسار1719/1311/777739790/19710/71/9
شده نقشۀ بارندگی منطقۀ مطالعه -6شکل
شده منطقۀ مطالعه NDVIشدۀ شاخص بندی نقشۀ طبقه -7شکل
17 يدرختيريگميبراساسروشتصمشينسبتبهفرساتيحساسۀنقشيابيارز
فرسایش های حساسیت نسبت به نقشه
بهارتباطتوجهفرسايشخاکباحساسيتنسبتبههاينقشه
فرسايش کنترلي نقشۀ)عوامل اراضي، کاربري توپوگرافي،
درچندترکيبتوليدشدند(خاک،پوششگياهيوبارندگي
0شکل) ردهنقشه(. با چهارها در زياد بسيار بنديازکمبه
کالس شدندطبقه بندي . نقشۀ بهسه نسبت حساسيت
فرسايشدرحساسيتنسبتبهبۀدادنرتفرسايشبراينشان
نقشۀ سه براي رنگ چهار و توليد سمنان آبريز حوضۀ
کالس يکاز هر به مربوط استفادهخروجي فرسايشي هاي
حساسيتنسبتبههاي،توزيعکالس1براساسشکل.شد
بيشترينمساحتدر.فرسايشبهالگوياجراشدهبستگيدارد
مطالعه نواحيحوضۀ مربوطبه باشده دارايحساسيتزياد
قرارCCوCBترتيبدرترکيبدرصدبه1/01و3/07مقادير
(.0وجدول77و3هايشکل)اندگرفته
CC.، جCB.، بCA.الف. شده در پژوهش فرسایش برای سه ترکیب استفاده نقشۀ حساسیت نسبت به -8شکل
فرسایش های حساسیت نسبت به درصد مساحت متأثر از هر یک از کالستوزیع -8جدول
ترکيباتريسکفرسايش
CA
CB
CC
ريسککم1/97/71/7
ريسکمتوسط1711/73
ريسکزياد013/071/01
ريسکخيليزياد1/7431/7
7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 10
ترکیباتفرسایش برای هر یک از های حساسیت نسبت به نمودار توزیع کالس -4شکل
یاعتبارسنج
نقشۀ اعتبارسنجي حاضر، مطالعۀ بهدر نسبت حساسيت
امري فرسايش، کنترل عوامل ترکيب از حاصل فرسايش
است منطقه سطح در الگوسازي دقت بررسي براي .حياتي
اندازهباوجود سطحاين، فرسايشخاکدر گيريکميميزان
باترکيباطالعاتحاصلاز.ندرتانجامشدهاستمنطقهبه
ماهوارهمشاهده تصاوير ايدارايتوانتفکيکهايميدانيو
7ناسبحاصلازتصاويرسنجندۀمOLIجزئياتي0لندست،
سطحمنطقه شياريدر توزيعفضاييفرسايشخندقيو از
شدهنشاندادتراکمزياديازکارميدانيانجام.ارزيابيشدند
بخش در شياري و خندقي ميانيفرسايش تا جنوبي هاي
مشاهده اين و است داده رخ نقشهمنطقه نتايج با هايها
ترکيب از CAحاصل CCو دارد )تطابق 0شکل توان(.
پانکروماتيکسنجندۀ باند مناسب OLI(71تفکيکمکاني
97)وتوانتفکيکطيفيدرباندهايطيفياينسنجنده(متر
درمحدودۀمرئيطيفالکترومغناطيسيدرتمايزنواحي(متر
ناسباستهاونواحيبدونتأثيربسيارمپذيرفتهازگاليتأثير
(.77شکل)
1
Operational Land Imager
شده از سطح های فرسایش شیاری و خندقی برداشت نمونه -11شکل
8منطقه به همراه ترکیب رنگی تصویر لندست
و بارزسازي از پس اطالعات بصري تفسيرهاي
ميپيش نشان برخيبخشپردازشتصاوير هايشماليدهند
هايحاصلازهمۀنقشه.نيزازفرسايشخندقيمتأثرهستند
ترکيبعواملکنترلفرسايشبانتايجتصاويرلندستمقايسه
)شدند همان(3جدول که؛ مشخصاستمساحتي که طور
برداداده مشاهدهشتهاي از تصاويرشده و ميداني هاي
14 يدرختيريگميبراساسروشتصمشينسبتبهفرساتيحساسۀنقشيابيارز
دهند،پوششميبرايهرکالس(هايآزمونداده)ايماهواره
نقشه با فراواني تشابه الگوسازي از حاصل هايداده)هاي
الگوسازي ضريبهمبستگيدرهرسهنقشهبيشاز)دارد(
(.درصداست33
استفاده الگوي نقشۀ تهيۀ براي بشده نسبت هحساسيت
به و کيفي رويکردي ارايهفرسايش، موضوعي نسبي طور
دهدمي دانشنقشه. حاصلالگوسازيمحيطياطالعاتو ها،
کارشناسانهستند حاصلجمع. حاضر آورياطالعاتمطالعۀ
مقياس با شاخصناهمگون و مکاني دقت ويژۀها، هاي
طورويژهنيازمندرويکردگوناگوندرمقياسمحلياستکهبه
،(3773)وهمکارانYvesهايهمچنينمشابهيافته.کمياست
توان به باشد، وابسته الگو خود به آنکه بيشاز دقتنتايج
داده کيفيت و مکاني زيراتفکيک دارد؛ بستگي ورودي هاي
بهالگوهاي نسبت فرضيهحساسيت اساس بر هايفرسايش
منطقه و اساسساده بر الگو اين درنهايت، و هستند اي
يافته مطابق و است داده حساسيت وvan Rompaeyهاي
Govers (3773)طورانتشارخطايناشيازکيفيتکمدادهبه
.کندچشمگيريدقتنتايجخروجيراکمترمي
یها داده یبرا شده مطالعه یباتاز ترک یکدر هر یشفرسا حساسیت نسبت به یها از کالس یکو درصد مساحت هر ( بر حسب متر)مساحت -4دول ج
شده یسازالگو یها و داده آزمون
C های تست داده سازی های مدل دادهA
طبقات مساحت درصد مساحت مساحت درصد مساحت
ريسککم103079/970/00079937037431/477304/97090
ريسکمتوسط007309/1733701403710313/137901/94341
ريسکزياد343700/017110311470973397/070343/403443
ريسکخيليزياد113733/740/933703440097101/704917/734731
C های تست داده سازی های مدل دادهB
طبقات مساحت مساحتدرصد مساحت درصد مساحت
ريسککم777397/7719/337033377
ريسکمتوسط037370/717/941910433397977/7479701/34307
ريسکزياد41773/03707741311433073/017030/111413
ريسکخيليزياد00490/710/93371391313007/7743943/7000
C های تست داده سازی های مدل دادهC
طبقات مساحت درصد مساحت مساحت درصد مساحت
ريسککم493477/7774/3433744010033/7100901/1011
ريسکمتوسط190171/739/301447703070471/7431973/30170
ريسکزياد070119/017001330194933173/047331/113703
ريسکخيليزياد300370/710/30703037774911/7773030/31
7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 17
های شده برای داده فرسایش در هر یک از ترکیبات مطالعه های حساسیت نسبت به مقایسۀ مساحت و درصد مساحت هر یک از کالس -11شکل
شده های الگوسازی آزمون و داده
براي فرسايش کنترلي عامل چندين حاضر، پژوهش در
تغييردر.فرسايشبررسيشدندحساسيتنسبتبهارزيابياثر
ترکيب سه بين ورودي محيطي CAعوامل ،CB کمکCCو
درمي اثرگذاري براي توانايي در عوامل يکاز هر تأثير کند
هايمربوطبههريکازعواملخروجي.فرسايشمشخصشود
ارزيابيشدندCCوCA،CBمحيطي،وروديمتفاوتدرترکيب
فرسايششرحوبسطحساسيتنسبتبهوچهارسطحازنقشۀ
حساسيتنسبتبهعلتشباهتتوزيعفضاييکالس.دادهشد
فرسايش،حساسيتنسبتبههايفرسايشکمدرهمۀنقشهبه
کالس و ارزيابي هم با متوسط و کم هايکالسخطرپذيري
.جداگانهارزيابيشدندخطرپذيريزيادوبسيارزيادنيزهرکدام
زيادوبسيارزيادبرايارزيابيهرنوعهايخطرپذيريکالس
ناشيازرخدادعمدۀتخريببسياراهميتدارند؛تخريبزمين
مطالعه منطقۀ در ايننکته به ضروريشدهتوجه و مهم بسيار
تحت منطقه کل مساحت از بزرگي بخش که تأثيراست
،درصدمساحت(73)نمودارهايشکل.دحساسيتزيادقراردار
دارايخطرپذيري يکازنواحي هر هايمختلففرسايشدر
تعيين ميترکيبات نشان را منطقۀشده مساحت بيشترين دهند؛
مدنظرمتأثرازخطرپذيريزيادوميزانآندرهمۀترکيباتبيش
همچنيندرصدمساحتشاملنواحيداراي.درصداست01از
درصد4يکمدرهمۀترکيباتبسيارناچيزوکمترازخطرپذير
است مساحتمنطقه کل نتايج. بخشبا اين در نتايج تطابق
ماهوارهداده تصاوير و ميداني هاي است استنادپذير شکل)اي
77.)
61 يدرختيريگميبراساسروشتصمشينسبتبهفرساتيحساسۀنقشيابيارز
. خطرپذیری متوسط، ج. خطرپذیری کم، ب. الف. برای هر یک از ترکیباتفرسایش های حساسیت نسبت به توزیع درصد مساحت کالس -12شکل
خطرپذیری بسیار زیاد. خطرپذیری زیاد، د
ارزیابی حساسیت نسبت به فرسایش کم و متوسط
فرسايشکمومتوسطبيشترحساسيتنسبتبهنواحيداراي
نزديکينواحيآبيداراي و اصليحوضه رودخانۀ کنار در
شدند مشاهده شيبماليم شناخته. نواحي با حساسيتشده
به نسبت برابري تقريباً مقدار داراي کم مقدار)فرسايش
درهرسهنقشۀ(درصدسطححوضه1/9تا1/7متغيريبين
به نسبت حساسيت بودند )فرسايش 0جدول حساسيت(.
بهنسبتبه نواحيدارايکاربريفرسايشکم در ويژه طور
مکان دارد؛ وجود شيبماليم و پوششکشاورزي که هايي
.است(3کالس)Aridisolosگياهيبسيارزيادونوعخاک
تغييرات ماليم، خطرپذيري برخالف متوسط خطرپذيري
ترکيب بينسه توجهيرا Aدرخور ،B مينشاCو دهدن
مقاديرنزديکيازتوزيعفضاييCوBهايترکيب(.1شکل)
مقدارAدهندوترکيبمتوسطرانشانميخطرپذيريکالس
نشانمي اينکالسرا دهدکمترياز الگوي. اينترکيببا
ICONA(CA)،اراضي کاربري شامل که است مرتبط
.هايخاکاستتوپوگرافي،شاخصپوششگياهيوويژگي
،اماتأثيرآنبسيارشوداضافهميCBعاملبارندگيدرترکيب
جزئياست ترکيب. بارندگيدر وافزايشميCCتأثير يابد
طوروسيعيشدهدرترکيبقبليبهعاملپوششگياهيحذف
بهدر نسبت ميحساسيت تأثير متوسط .گذاردفرسايش
حساسيتبرايCCبنابراينپوششگياهيدرموقعيتالگوي
به نيمه)فرسايشنسبت مناطق در بارندگي با خشکوقتي
.عاملبسيارمهمياست(شدهمقايسهشودمانندمنطقۀمطالعه
ارزیابی حساسیت نسبت به فرسایش زیاد
داراي بهنواحي نسبت اهميتحساسيت زياد فرسايش
بخشويژه اين دارند؛ بهاي فرسايشها مستعد ذاتي طور
خاکمي شديديبر بسيار تأثير و گذارندهستند حساسيت.
ترکيبنسبتبه درهمۀ بهفرسايشزياد ترکيبها هايويژه
CBوCCسطحبسيارزياديرابهخوداختصاصدادهاست.
مربوCAترکيب مساحت مقدار کالسازنظر اين به ط
7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 13
دارد قرار رتبۀسوم خطرپذيريدر اختالفزيادي. اينجا در
نتايجنشانمي و ندارد ترکيبوجود دهندبينخروجيسه
است گياهي پوشش با مستقيم ارتباط در موجود .اختالف
تنهاعاملکنترليدرNDVIپوششگياهيحاصلازشاخص
خاکاستودرکردناجزايکاهشاثربارندگيدرپراکنده
(.3شکل)درنظرگرفتهنشدهاستCCترکيب
،CBوCAهايبادرنظرگرفتنپوششگياهيدرترکيب
حساسيتدرصدمساحتحوضهجزونواحيداراي37تا00
پوشيازاينگيرندوباچشمفرسايشزيادقرارمينسبتبه
ندمادرصدباقيمي07،اينمقدارحدودCCعاملدرترکيب
( 0جدول ترکيب(. بين ميزاناختالف در مختلف هاي
حياتي اهميت بر شاهدي زياد، بخشخطرپذيري مساحت
ارزيابي الگوهاي براي گياهي بهپوشش نسبت حساسيت
هايبنابرايننبايدازپوششگياهيدرمطالعه.فرسايشاست
.پوشيشودفرسايشچشمحساسيتنسبتبهمربوطبه
حساسیت نسبت به فرسایش بسیار زیادارزیابی
مختلف سطوح بين بهاز نسبت فرسايش،حساسيت
به زياد بسيار فرسايشي بحرانيحساسيت بسيار جدي طور
استوبهعلتدرجۀزيادتخريبخاکدراينکالسنسبت
.ها،بازسازيدراينبخشبسيارمشکلاستبهديگرکالس
بهمقادير نسبت بحساسيت درفرسايش کالس اين راي
درصدسطح3تا7نزديکبههموبينCBوCAهايترکيب
بهطوردرخورتوجهيCCمنطقهاست؛اينبخشدرترکيب
مي افزايش به آن مقدار و حوضه1/74يابد سطح درصد
رسدمي ترکيبچشم. بارندگيدر مقادير درCAپوشياز و
ترکيب در آن دوبارۀ گرفتن درتغييراCBنظر چنداني ت
پوشش تحت بهمساحت نسبت بسيارحساسيت فرسايش
نمي ايجاد ميزياد نشان و درکند بارندگي عامل دهد
فرسايشنقشاساسينداردحساسيتنسبتبه عبارتي،. به
ترکيبCAوقتيترکيب تفاوتچندانيCBبا مقايسهشود،
فرسايشبسيارحساسيتنسبتبهدرمقاديروتوزيعفضايي
عاملکنترليپوششگياهيتنهادرترکيب.شودزيادديدهنمي
CB نشده گرفته نظر ايندر غالب نقش بنابراين، و است
در مؤثر بهشاخص نسبت زيادحساسيت بسيار فرسايش
است روشن انجامارزيابي. هاي از بهشده نسبت حساسيت
پو بر زياد بسيار و زياد متوسط، ششگياهيفرسايشکم،
مي کنندتأکيد اساسي. و عمده نقش بر دال نيز شواهدي
بر تأثير در گياهي پوشش بهشاخص نسبت حساسيت
دارند وجود نتيجه.فرسايش نتايجاين مشابه تقريباً گيري
Kirkby(3777)استکهارتباطبسيارقويفرسايشخاکبا
اقليم در گياهي نيمهپوشش و خشک نشانهاي را خشک
.دهنديم
نتیجه
و گياهي پوشش بارندگي، توپوگرافي، اراضي، کاربري
هايخاکعواملکليديکنترلفرسايشخاکهستندويژگي
روش با پژوهشحاضر در که و دور سنجشاز GISهاي
شدند ارزيابي و تحليل از. حاصل خطرپذيري نقش سه
اعمال ميالگوهاي نشان شده بهدهند نسبت حساسيت
مطالعه حوضۀ زياد، بسيار و زياد بهفرسايش و ويژهشده
نواحينمکيرا و نواحيدارايپوششسطحياراضيباير
ميبه پوشش گسترده دهندطور سمنان،. آبريز حوضۀ در
اطراف آبي، ذخاير نزديک نواحي در گياهي پوشش
رودخانه و اينمناطقسکونتگاهها استو هايفصليبيشتر
حساسيتدرصدهستندکه1اليميبينصفرتادارايشيبم
نشانمينسبتبه متوسطرا حساسيت .دهدفرسايشکمتا
به بهنسبت خاک گياهيفرسايش پوشش با عمده طور
مي پيشمشخص ميشود؛ بخشبيني وشود جنوبي هاي
شرقيحوضۀآبريزسمنانبهعلتفقرپوششگياهيجنوب
مواجه فرسايش افزايشسطح شوندبا . است اتخاذبديهي
حساسيتنسبتازسطوحدارايحفاظتيفورهايتصميم
تخريببه از جلوگيري براي زياد بسيار و زياد فرسايش
است ضروري امري آينده در اراضي روش. همچنين
63 يدرختيريگميبراساسروشتصمشينسبتبهفرساتيحساسۀنقشيابيارز
برداريوالگوسازيپژوهشحاضر،روشيسريع،سادهنقشه
بااستفادهازداده استکهبرايهايسنجشازدوروعمدتاً
ويژهکشورهايينظيرايرانکهتجهيزاتانواعمناطقجهانبه
اندازه و تاريخي آمار و آنهاگيريتکنيکي در ميداني هاي
.کندپذيروکاربرديفراهمميضعيفهستند،ابزاريانعطاف
References
Agassi M. 1996. Soil Erosion, Conservation, and
Rehabilitation. Marcel Dekker Inc., New
York, p. 424.
Bayramin I. Dengiz O. Baskan O. and Parlak M. 2003.
Soil erosion risk assessment with ICONA
model; case study: Beypazar YArea. Turkish
Journal of Agriculture and Forestry 27:105-
116.
Bishr Y.A. and Radwan M.M. 1995. Preliminary
design of a decision support system for
watershed management. ITC Journal, 1:23-
28.
Biswas S. Sudhakar S. and Desai V.R. 1999.
Prioritization of sub-watersheds based on
morphometric analysis of drainage basin: a
remote sensing and GIS approach. Journal of
the Indian Society of Remote Sensing 27
(3):155-166.
Boardman J. and Vandaele K. 2010. Soil erosion,
muddy floods and the need for institutional
memory, Area, 42(4):502–513.
Bouaziz M. Leidig M. and Gloaguen R. 2011. Optimal
parameter selection for qualitative regional
erosion risk monitoring: A remote sensing
study of SE Ethiopia. Geoscience Frontiers
2(2):237- 245.
Bouaziz M. Wijaya A. and Gloaguen R. 2009. Gully
erosion mapping using aster data and
drainage network analysis in the main
Ethiopian rift. In: Proceeding of the
International Geoscience and Remote
Sensing Symposium (IRARSS), Cape Town,
South Africa. p. I13-I16.
Bryan R.B. 1977. Assessment of soil erodibility: new
approaches and directions. In: Toy, T.J.
(Ed.), Erosion: Research Techniques,
Erodibility and Sediment Delivery,
Geoabstracts, Norwich. p. 57-72.
Chen W. Xie X. Wang J. Pradhan B. Hong H. Bui
D.T. Duan Zh. And Ma J. 2017. A
comparative study of logistic model tree,
random forest, and classification and
regression tree models for spatial prediction
of landslide susceptibility. CATENA,
151:147–160.
Cerdan O. Souch_ere V. Lecomte V. Couturier A. Le
and Bissonnais Y. 2002. Incorporating soil
surface crusting processes in an expert-based
runoff model: sealing and transfer by runoff
and erosion related to agricultural
management. CATENA 46 (2-3):189-205.
Crepani E. de Medeiros J.S. Hernandez F.P. Galloti
F.T. Duarte V. and Faria B.C.C. 2001.
Remote Sensing and Geoprocessing Applied
to the Ecological and Economical Zoning
and to the Territorial Ordering, INPE-8454-
RPQ/722, S~ao Jos_e dos Campos, Brazil,
p. 124 (in Portuguese with English abstract).
Devi R. Tesfahune E. Legesse W. Deboch B. and
Beyene A. 2008. Assessment of siltation and
nutrient enrichment of Gilgel Gibe dam,
Southwest Ethiopia. Journal of Bioresource
Technology 99(5):975-979.
Drzewiecki W. Wezyk P. Pierzchalski M. and Szafran-
Ska B. 2013. Quantitative and Qualitative
Assessment of Soil Erosion Risk in
Małopolska (Poland), Supported by an
Object-Based Analysis of High-Resolution
Satellite Images, J. Pure and Applied
Geophysics, DOI 10.1007/s00024-013-
0669-7.
Dupac M. 2010. Soil erosion and degradation based on
sand particles transport caused by wind
blowing, Natural Resource Modeling,
23(2):121-122.
El-Swaify S.A. 1997. Factors affecting soil erosion
hazards and conservation needs for tropical
steeplands. Soil Technology 11: 3-6.
Enters T. 1998. A framework for economic assessment
of soil erosion and soil conservation. In:
Penning de Vries, F.W.T., Agus, F., Kerr, J.
(Eds.), Soil Erosion at Multiple Scales:
Principles and Methods for Assessing
Causes and Impacts. CAB Publishing,
Wallingford, UK, p. 317-342.
Essa S. 2004. GIS modeling of land degradation in
Northern Jordan using Landsat imagery. In:
Proceeding of the 20th ISPRS Congress
12e23 July 2004, Istanbul, Turkey, 505-510.
Fernandes J. Bateirad C. Soares L. Faria A. Oliveira A.
Hermenegildo C. Moura R. and Gonçalves J.
2017. SIMWE model application on
susceptibility analysis to bank gully erosion
in Alto Douro Wine Region agricultural
terraces. CATENA, 153:39-49.
Foth L.T. and Turk L.M. 1972. Fundamentals of Soil
Science, fifth ed. John Wiley & Sons, Inc.,
New York, p. 371.
Frank T.D. and Isard S.A. 1986. Alpine vegetation
classification using high resolution aerial
imagery and topoclimatic index values.
7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 14
Photogrammetric Engineering and Remote
Sensing, 52 (3): 381-388.
Gahegan M. German G. and West G. 1999. Improving
Neural Network Performance on the
Classification of Complex Geographic
Datasets. Journal of Geographical Systems,
1:3-2.
Gessler P.E. Moore I.D. McKenzie N.J. and Ryan P.J.
1995. Soil-landscape modeling and spatial
prediction of soil attributes. International
Journal of Geographical Information
Systems 9 (4):421-432.
Grum B. Woldearegay K. Hessel R. Baartman J.E.M.
Abdulkadir M. Yazewe E. Kessler A.
Ritsem C. J. and Geissen V. 2017. Assessing
the effect of water harvesting techniques on
event-based hydrological responses and
sediment yield at a catchment scale in
northern Ethiopia using the Limburg Soil
Erosion Model (LISEM), CATENA, 159:
20-34.
Harris M.T. and Boardman J. 1990. A rule-based
expert system approach to predicting
waterborne soil erosion. In: Boardman, J.
Foster, D.L. Dearing, J.A. (Eds.) Soil
Erosion on Agricultural Land. John Wiley &
Sons, Chichester, p. 401-412.
Hill J. Megier J. Mehl W. 1995. Land degradation, soil
erosion and desertification monitoring in
Mediterranean ecosystems. Remote Sensing
Reviews, 12:107-130.
Hurni H. 1993. Land degradation, famine and resource
scenarios in Ethiopia. In: Pimental, D. (Ed.),
World Soil Erosion and Conservation.
Cambridge University Press, Cambridge, p.
27-61.
Jain S.K. Dolezal F. 2000. Modeling soil erosion using
EPIC supported by GIS, Bohemia, Czech
Republic. Journal of Environmental
Hydrology, 8:1-11.
Kirkby M. 2001. Modeling the interaction between soil
surface properties and water erosion.
CATENA 46: 89-102.
Kothyari U.C. 1996. Erosion and sedimentation
problems in India. In: Wailing D.E. Webb
B.W. (Eds.), Erosion and Sediment Yield:
Global and Regional Perspectives, 236.
IAHS Publication, 531-540.
Li P. Mu X. Holden J. Wu Y. Irvine B. Wang F. Gao P.
Zhao G. and Sun W. 2017. Comparison of
soil erosion models used to study the
Chinese Loess Plateau, Earth-Science
Reviews, 170: 17-30.
Li Zh. Zhang Y. Zhu Q. Yang S. Lia H. and Ma H.
2017. A gully erosion assessment model for
the Chinese Loess Plateau based on changes
in gully length and area, CATENA,
148(2):195-203.
Majaliwa M.J.G. Magunda M.K. Tenywa M.M. and
Isabirye M. 2003. Effect of topography on
soil erodibility in Kakuuto micro-catchment,
Uganda. East African Agricultural and
Forestry Journal, 69(1):19-27.
Martinez G. Weltz M. Pierson F.B. Spaeth K.E. and
Pachepsky Y. 2017. Scale effects on runoff
and soil erosion in rangelands: Observations
and estimations with predictors of different
availability, CATENA, 151:161-173.
Martinez-Casasnovas, J.A. 2003. A spatial information
technology approach for the mapping and
quantification of gully erosion. CATENA 50
(24): 293-308.
Mitasova H. Hofierka J. Zlocha M. and Iverson L.R.
1996. Modeling topographic potential for
erosion and deposition using GIS.
International Journal of Geographical
Information Science, 10(5):629-641.
Morgan R.P.C. 1995. Soil Erosion and Conservation,
second ed., Essex, New York, p. 320.
Moore I.D. Gessler P.E. Nielson G.A. and Peterson
G.A. 1993. Soil attributes prediction using
terrain analysis. Soil Science Society of
America Journal 2:443-452.
Nearing M. A. Yin Sh. Borrelli P. and Polyakova V.O.
2017. Rainfall erosivity: An historical
review. CATENA, 157:357-362.
Oldeman L.R. Hakkeling R.T.A. and Sombroek W.G.
1990. World Map of the Status of Human-
induced Soil Degradation: An Explanatory
Note, Wageningen, Netherlands, p. 34.
Oldeman L.R. 1994. The global extent of soil
degradation. In: Greenland, D.J., Szabolcs, I.
(Eds.), Soil Resilience and Sustainable Land
Use. CAB International, Oxon, U.K., p. 115.
Pickup G. and Chewings V.H. 1996. Correlations
between DEM-derived topographic indices
and remotely sensed vegetation cover in
rangelands. Earth Surface Processes and
Landforms, 21:517-529.
Quinton J.N. 1997. Reducing predictive uncertainty in
model simulations: a comparison of two
methods using the European Soil Erosion
Model EUROSEM, 30:101-117.
Qygarden L. 2003. Rill and gully development during
an extreme winter runoff event in Norway.
50 (2-4):217-242.
Reusing M. Schneider T. and Ammer U. 2000.
Modeling soil loss rates in the Ethiopian
Highlands by integration of high resolution
MOMS- 02/D2-stereo-data in a GIS. Journal
of Remote Sensing, 21:1885-1896
61 يدرختيريگميبراساسروشتصمشينسبتبهفرساتيحساسۀنقشيابيارز
Rouse J.W. Haas R.H. Schell J.A. and Deering D.W.
1974. Monitoring vegetation systems in the
Great Plains with ERTS. In: Freden, S.C.,
Mercanti E.P. Becker M.A. (Eds.), Third
Earth Resource Technology Satellite-1
Symposium, vol. 1, Technical Presentations.
NASA, Washington, D.C. p. 309-317.
Singh G. Babu R. Narain P. Bhushan L.S. and Abrol
I.P. 1992. Soil erosion rates in India. Journal
of Soil and Water Conservation, 47 (1): 97-
99.
Stocking M.A. and Murnaghan N. 2001. A Handbook
for the Field Assessment of Land
Degradation. Earthscan Publication, London,
UK, p. 169.
Sukhanovskii Y. P. 2010. Rainfall Erosion Model,
Eurasian Soil Science, 43(9):1036-1046.
Thornes J.B. Shao J.X. Diaz E. Roldan A. McMahon
M. and Hawkes J.C. 1996. Testing the
MEDALUS hillslope model. 26:137-160.
Toy T.J. Foster G.R. and Renard K.G. 2002. Soil
Erosion: Processes, Prediction,
Measurement and Control. John Wiley &
Sons, New York.
Trimble W.S. 1990. Geomorphic effects of vegetation
cover and management: some time and
space considerations in predicting of erosion
and sediment yield. In: Thornes, J.B. (Ed.),
Vegetation and Erosion. John Wiley & Sons
Ltd., UK, p. 55-65.
Van Rompaey A.J.J. and Govers G. 2002. Data quality
and model complexity for regional scale soil
erosion prediction. International Journal of
Geographical Information Science, 16(7):
663-680.
Vrieling A. Sterk G. and Beaulieu N. 2002. Erosion
risk mapping: a methodological case study
in the Colombian Eastern Plains. Journal of
Soil and Water Conservation, 57(3):158-
163.
Wang L. Huang J. Du Y. Hu Y. and Han P. 2013.
Dynamic Assessment of Soil Erosion Risk
Using Landsat TM and HJ Satellite Data in
Danjiangkou Reservoir Area, China, Remote
Sensing, 5:3826-3848.
Wijaya A. 2005. Application of Multi-stage
Classification to Detect Illegal Logging with
the Use of Multi-source Data, MSc. Thesis,
ITC, Enschede, The Netherlands.
Yao H. Shi Ch. Shao W. Bai J. and Yang H. 2017.
Changes and influencing factors of the
sediment load in the Xiliugou basin of the
upper Yellow River, China, CATENA,
142:1-10.
Yves L.B. Montier C. Jamagne M. Daroussin J. and
King D. 2002. Mapping erosion risk for
cultivated soil in France. CATENA,
46(23):207-220.
7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 11
Top Related