آمار
| تعداد نشریات | 13 |
| تعداد شماره‌ها | 626 |
| تعداد مقالات | 6,517 |
| تعداد مشاهده مقاله | 8,746,422 |
| تعداد دریافت فایل اصل مقاله | 8,317,274 |
بررسی ارتباط بین عامل مدیریت پوشش در معادله جهانی فرسایش با شاخص‌های گیاهی در اراضی شیب‌دار لسی (مطالعه موردی: مزرعه گندم در حوضه توشن) | ||
| مجله پژوهش‌های حفاظت آب و خاک | ||
| مقاله 21، دوره 23، شماره 1، فروردین 1395، صفحه 307-311 اصل مقاله (538.04 K) | ||
| نوع مقاله: مقاله کامل علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22069/jwfst.2016.3036 | ||
| نویسندگان | ||
| محترم جنت علیپور* 1؛ فرشاد کیانی2؛ کامبیز علیپور3 | ||
| 1دانشجوی دانشگاه علوم کشاورزی و منابع طبیعی گرگان | ||
| 2استادیار گروه علوم خاک- دانشگاه علوم کشاورزی و منابع طبیعی گرگان | ||
| 3معاونت آبخیزداری اداره منابع طبیعی استان گلستان | ||
| چکیده | ||
| سابقه و هدف: میزان فرسایش در استان گلستان به‌علت موقعیت جغرافیایی، اقلیمی و تخریب منابع دارای نرخ بالایی می‌باشد. یکی از اولویت‌ها در جلوگیری از پدیده مخرب فرسایش، تعیین یک روش مناسب جهت اندازه‌گیری میزان فرسایش‌پذیری خاک‌هاست. یکی از مهمترین روشهای محاسبه فرسایش خاک، معادله ویشمایر و اسمیت (١٩٧٨) است که به فرمول جهانی فرسایش خاک معروف می‌باشد. در این معادله مدیریت پوشش گیاهی(C) یکی از عوامل شش‌گانه موثر در فرسایش است که اندازه‌گیری آن به‌سادگی امکان‌پذیر نمی‌باشد. یکی از روشهای پرکاربرد جهت برآورد این شاخص، استفاده از تصاویر ماهواره‌ای می‌باشد. محققان روشهای زیادی را برای ارزیابی فاکتور مدیریت پوشش گیاهی با استفاده از NDVI برای ارزیابی هدر رفت خاک به روش USLE ارائه دادند (لین و همکاران ، ؛ 1999؛ دی‌جونگ ، 2002). این روشها از مدل رگرسیونی برای ایجاد آنالیز همبستگی بین مقدار فاکتور C اندازه‌گیری شده در مزرعه استفاده می‌کند. لذا در این تحقیق تلاش شد شاخص‌های مربوطه از تصاویر ماهواره‌ای در زمان‌های مختلف رشد محصول زراعی عمده استان استخراج و ارتباط آن با میزان فرسایش واقعی بدست آمده در مزرعه بدست آید. مواد و روشها: برآورد عامل C، در 6 زمان متوالی به‌کمک شبیه‌ساز باران در دو شدت بارش 32 و 105 میلی‌متر بر ساعت، در زمان تداوم 20 دقیقه اندازه‌گیری شد. عامل مدیریت پوشش گیاهی به روش CSERL نیز محاسبه و شاخص‌های گیاهی NDVI و SAVI با استفاده از تصاویر ماهواره لندست 8 مربوط به 6 زمان موردنظر به‌کمک نرم‌افزارERDAS IMAGIN 2011 بدست آمد. سپس ارتباط رگرسیونی بین فاکتور CSERL و شاخص‌های گیاهی NDVI و SAVI با استفاده از نرم‌افزار Excel بدست آمد و ضریب تبیین تعدیل شده، ضریب تبیین رگرسیون و همبستگی بدست آمده توسط نرم‌افزار SAS بعنوان شاخص ارزیابی مورد استفاده قرار گرفت. یافته‌ها: با توجه به نتایج، شاخص NDVI (76/0= R2) در مقایسه با شاخص SAVI (54/0= R2) به‌منظور پیش‌بینی فاکتور CSERL توسط تصاویر ماهواره لندست 8 مناسب‌تر به‌نظر می‌رسد. شاخص‌های پوشش گیاهی به‌دست آمده توسط تصاویر ماهواره‌ای با عامل C به‌دست آمده از شدت بارش بالاتر ارتباط بیشتری داشت. همچنین با بررسی روند تغییرات فاکتور CSERL طی 6 زمان متوالی در تیمار با شدت بارش 105 میلی‌متر در ساعت در زمان تداوم 20 دقیقه مشاهده شد که این فاکتور در ماه دی و خرداد به ترتیب برابر با 16/0 و 03/0 شد. نتیجه‌گیری: در این تحقیق مشاهده شد که رابطه معنی‌داری بین عامل C و شاخص NDVI (76/0= R2) در سطح احتمال 99 درصد وجود دارد. بر اساس نتایج شاخص NDVI بهترین برآورد را با فاکتور CSERL در شدت بارش 105 میلی‌متر بر ساعت داشت و بنابراین به‌عنوان روشی با دقت مناسب پیشنهاد می‌گردد. | ||
| کلیدواژه‌ها | ||
| عامل مدیریت پوشش گیاهی؛ رسوب؛ سنجش از دور؛ NDVI؛ SAVI | ||
| مراجع | ||
|
1.De Jong, S.M. 1994. Applications of reflective remote sensing for land degradation studies in a Mediterranean environment. PhD Thesis, Utrecht University, Utrecht, 237p.
2.Gupta, R.P., Ghosh, A., and Haritashya, U.K. 2007. Empirical relationship between near-IR reflectance of melting seasonal snow and environmental temperature in a Himalayan basin. Remote Sensing of Environment, 107: 3. 402-413.
3.Karaburn. A. 2010. Estimation of C factor for soil erosion modeling using NDVI in Buyukcekmece Watershed. Ozean J. Appl. Sci. 3: 1. 77-85.
4.San Diego State University Soil Erosion Research Laboratory. 2001. SDSU/SERL Project Reference No. 2001-01-PRO Results from a Study of Profile Products’ M-BFM: Runoff Characteristics and Sediment Retention Under Simulated Rainfall Conditions. 18p.
5.Suriyaparasit, M., and Shrestha, D.P. Deriving landuse and canopy cover factor from remote sensing and field data in inaccessible mountainous terrain for use in soil erosion modelling. Technical Session TS-34:SS-7 Global Monitoring For Environment and Security (GMES): 1747-1750.
6.Van der Knijff, J.M.F., Jones, R.J.A., and Montanarella, L. 1999. Soil Erosion Risk Assessment in Italy, European Soil Bureau., Joint Research Centre (JRC)., Space Applications Institute. | ||
|
آمار تعداد مشاهده مقاله: 1,441 تعداد دریافت فایل اصل مقاله: 1,361 |
||
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب