تعیین مناطق مستعد فرسایش شیاری با استفاده از روش آنتروپی بیشینه در تالاب کجی خراسان جنوبی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، بیرجند، ایران

2 استادیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، بیرجند، ایران.

3 دانشیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، بیرجند، ایران.

چکیده

فرسایش شیاری به عنوان یکی از فرآیندهای آغازین در هدررفت خاک، منجر به اثرات درون منطقه‌ای و برون منطقه‌ای در سطح سیمای­ سرزمین می‌شود. استفاده از مدل‌های یادگیری ماشین می‌تواند برای پیش‌بینی تغییرات مکانی فرسایش اشکال فرسایش بکار گرفته­ شود. برای این منظور مناطق مستعد فرسایش شیاری با استفاده از روش آنتروپی بیشینه (MaxEnt) در حوزۀ آبخیز تالاب کجی استان خراسان جنوبی تعیین شد. نه متغیر مستقل سنگ‌شناسی، تندی شیب، بافت خاک، ژئومورفولوژی، کاربری زمین، پوشش گیاهی، ارتفاع از سطح دریا، جهت شیب و بارش استفاده شد. داده‌های میدانی از 138 برداشت صحرایی به عنوان متغیر وابسته به مدل معرفی گردید. به‌منظور بررسی کارایی مدل، از شاخص ROC استفاده شد. نتایج پژوهش بیانگر دقت مدل آنتروپی بیشینه بود که نشان از مناسب بودن مدل مذکور در مدل‌سازی حساسیت‌پذیری فرسایش شیاری داشته است، به طوری که مقدار AUC در مرحله آموزش برابر 0.885 و در مرحله آزمون برابر 0.859 بدست آمد است که بیانگر طبقه خیلی خوب مدل می‌باشد. نتایج شاخص جک‌نایف به منظور تعیین اهمیت عامل‌ها نشان داد تندی شیب و حساسیت‌پذیری واحدهای زمین‌شناسی به عنوان مهمترین عوامل و درصد مشارکت در مدل‌سازی فرسایش شیاری هستند. بر اساس همپوشانی لایه‌های ورودی متغیرهای مستقل و نقشه حساسیت فرسایش شیاری مشخص شد که در رقوم ارتفاعی بالاتر از m 1700 با شیب 8 تا 20 % و جهات شیب شرقی تا جنوبی بیشترین فراوانی فرسایش شیاری رخ داده است. علاوه بر این، در مناطقی که مراتع ضعیف و پوشش کم تا متوسط گیاهان استپی بر روی خاک عمدتاً شنی سنگریزه‌دار گسترش یافته‌اند و بارش سالانه بیشتر از mm/year 150 است، فرسایش شیاری از فراوانی بیشتری برخوردار است. ضمن اینکه واحد زمین شناسی آبرفتی مخروطه افکنه‌ای بر روی تپه‌ها، فلات‌ها و تراس‌ها اهمیت بیشتری در وقوع فرسایش شیاری داشتند. در کل نتایج نشان داد مدل آنتروپی بیشینه به منظور مدل‌سازی فرسایش شیاری حوزه آبخیز تالاب کجی نهبندان از کارایی مناسبی برخوردار است. ضمن اینکه با استفاده از متغیرهای محیطی شامل تندی شیب و واحدهای زمین شناسی نیز می‌تواند به مدل‌سازی حساسیت‌پذیری فرسایش شیاری در منطقه مطالعاتی بپردازد.

کلیدواژه‌ها

موضوعات

مراجع

  1. Bewket, W. & Teferi, E. (2009). Assessment of soil erosion hazard and prioritization for treatment at the watershed level: case study in the Chemoga watershed, Blue Nile basin, Ethiopia. Land Degradation & Development, 20(6), 609-622. DOI: org/10.1002/ldr.944
  2. Bou-imajjane, L., Belfoul, M.A., Elkadiri, R. & Stokes, M. (2020). Soil erosion assessment in a semi-arid environment: a case study from the Argana Corridor, Morocco. Environmental Earth Sciences, 79,1-14. DOI: org/10.1007/s12665-020-09127-8
  3. Chuma, G.B., Mugumaarhahama, Y., Mond, J.M., Bagula, E.M., Ndeko, A.B., Lucungu, P.B., Karume, K., Mushagalusa, G.N., & Schmitz, S. (2023). Gully erosion susceptibility mapping using four machine learning methods in Luzinzi watershed, eastern Democratic Republic of Congo. Physics and Chemistry of the Earth, Parts A/B/C, 129(2), DOI: doi.org/10.1016/j.pce.2022.103295
  4. Elith, J.S., Phillips, T., Hastie, M., Dudík, Y., Chee, L., & Yates, C. (2010). A statistical explanation of MaxEnt for ecologists. Journal of Diversity and Distributions. 17(1), 43–57. DOI: org/10.1111/j.1472-4642.2010.00725.x
  5. Graham, C.H., Elith, J., Hijmans, A.J., Guisan, A., Peterson, A.T., & Loiselle, B.A. (2008). The influence of spatial errors in species occurrence data used in distribution models. Journal of Applied Ecology. 45(1), 239–247. DOI: org/10.1111/j.1365-2664.2007.01408.x
  6. Hosseinpour, R., Onagh, M., Komaki, B., & Ramazani gask, M. (2017). Hazard assessment of desertification using the MICD model: a case study of Kaji pond watershed in Nehbandan, Iran. Desert Ecosystem Engineering. 6(14), 33-44. DOI: doi:10.22052/6.14.33 [In Persian]
  7. Jiang, F., Zhan, Z., Chen, J., Lin, J., Wang, MK., Ge, H., & Huang, Y. (2018). Rill erosion processes on a steep colluvial deposit slope under heavy rainfall in flume experiments with artificial rain. Catena. 169(1), 46-58. DOI: org/10.1016/j.catena.2018.05.023
  8. Jiao, Y., Zhao, D., Ding, Y., Liu, Y., Xu, Q., Qiu, Y., Liu, C., Liu, Z., Zha, Z., & Li, R. (2019). Performance evaluation for four GIS-based models purposed to predict and map landslide susceptibility: A case study at a World Heritage site in Southwest China. Catena. 183(1), 104221. DOI: org/10.1016/j.catena.2019.104221
  9. Kerekes, A.H., Poszet, S.L., & Gal, A. (2018). Landslide susceptibility assessment using the maximum entropy model in a sector of the Cluj– Napoca Municipality, Romania. Revista de Geomorfologie. 20(2), 130-146. DOI: org/10.21094/rg.2018.039
  10. Li, Z., Liu, Y., & Zeng, H. (2022). Application of the MaxEnt model in improving the accuracy of ecological red line identification: A case study of Zhanjiang, China. Ecological Indicators, 137(1), 108767. DOI: org/10.1016/j.ecolind.2022.108767
  11. Lowe, M.A., McGrath, G. & Leopold, M. (2021). The impact of soil water repellency and slope upon runoff and erosion. Soil and Tillage Research, 205(1), 104756. DOI: org/10.1016/j.still.2020.104756
  12. Madadi, A., Asghari Saraskanroud, S., Negahban, S., & Marhamat, M. (2022). Evaluation of gully erosion sensitivity using maximum entropy model in Shoor river watershed (Mohr Township). Journal of Geography and Environmental Hazards. 11(3), 123-145. DOI: org/10.22067/geoeh.2022.76707.1228 [In Persian]
  13. Maeda, E.E., Pellikka, P.K., Siljander, M. & Clark, B.J. (2010). Potential impacts of agricultural expansion and climate change on soil erosion in the Eastern Arc Mountains of Kenya. Geomorphology, 123(4), 279-289. DOI: org/10.1016/j.geomorph.2010.07.019
  14. Maerker, M., Bosino, A., Scopesi, C., Giordani, P., Firpo, M., & Rellini, I. (2020). Assessment of calanchi and rill-interrill erosion susceptibility in northern Liguria, Italy: A case study using a probabilistic modelling framework. Geoderma, 371(1), 114367. DOI: org/10.1016/j.geoderma.2020.114367
  15. Munro, R.N., Deckers, J., Haile, M., Grove, A.T., Poesen, J. & Nyssen, J. (2008). Soil landscapes, land cover change and erosion features of the Central Plateau region of Tigrai, Ethiopia: Photo-monitoring with an interval of 30 years. Catena, 75(1), 55-64. DOI: org/10.1016/j.catena.2008.04.009
  16. Nekooeimehr, M., Yousefi, S. & Emami, S.N. (2022). Identify the important driving forces on gully erosion, Chaharmahal and Bakhtiari province, Iran. In Computers in Earth and Environmental Sciences. 21(2). 191-197. DOI: org/10.1016/B978-0-323-89861-4.00012-9
  17. Ni, S., Zhang, Z., Wang, J., & Cai, C. (2022). Linking rill development characteristics to sediment production on different coarse-textured granite topsoils. Catena, 214(2), 106295. DOI: org/10.1016/j.catena.2022.106295
  18. Panagos, P., Borrelli, P., Poesen, J., Meusburger, K., Ballabio, C., Lugato, E., Montanarella, L. & Alewell, C. (2016). Reply to the comment on “The new assessment of soil loss by water erosion in Europe” by Fiener & Auerswald. Environmental Science & Policy, 57(1), 143-150. DOI: org/10.1016/j.envsci.2015.12.011
  19. Park, N.W. (2015). Using maximum entropy modeling for landslide susceptibility mapping with multiple geoenvironmental datasets. Environment Earth Science, 73(3), 937-949. DOI: org/10.1007/s12665-014-3442-z
  20. Phillips, S., Anderson, R., & Schapire, R. (2006). Maximum entropy modelling of species geographic distributions. Ecological Modeling, 190, 231–259. DOI: org/10.1016/j.ecolmodel.2005.03.026
  21. Pournader, M., Feiznia, S., Ahmadi, H., Karimi, H., & Peirovan, H. (2020). Assessing the stability of maximum entropy prediction for rill erosion modelling. Journal of Water and Soil Resources Conservation, 9(2), 123-139. [In Persian]
  22. Sadeghi, S.H.R. (2017). Soil erosion in Iran: state of the art, tendency and solutions. Poljoprivreda i Sumarstvo, 63(3), 33-37. DOI: org/10.17707/AgricultForest.63.3.04
  23. Shahbazi A, Vakili Tajareh F, Alvandi E, Bayat A, & Asadi Nalivan O. (2021). Assessment of artificial neural network models and maximum entropy in zoning of gully erosion sensitivity of golestan dam Basin. Journal of Watershed Management Science and Engineering. 15(52), 12-23. [In Persian]
  24. Shirani K., & Naderi Samani, R. (2022). Prioritization of effective parameters and landslide susceptibility zonation using maximum entropy and dempster shafer in Doab Samsami, Chaharmahal Bakhtiyari. Range and Watershed Management, 75(1), 51-72. DOI: org/10.22059/jrwm.2022.324882.1592 [In Persian]
  25. Singh, K.R., Ajays, R.D., & Kumar, K.B. (2019). An investigation on water quality variability and identification of ideal monitoring locations by using entropy based disorder indices. The Total of Environment, 647(3), 1444-1455. DOI: org/10.1016/j.scitotenv.2018.07.463
  26. Teimouri, M., & Asadi Nalivan, O. (2020). Susceptibility zoning and prioritization of the factors affecting landslide using MaxEnt, geographic information system and remote sensing models (Case study: Lorestan province). Hydrogeomorphology, 6(21), 155-179. [In Persian]
  27. Teimurian, T., Nazari Samani, A., Feiznia, S., Ahmadaali, K., & Soleimanpour, S. M. (2022). Determining the spatial distribution of gully erosion probability using the MaxEnt model. Watershed Management Research Journal. 35(2), 2-15. DOI: org/10.22092/wmrj.2021.354647.1415 [In Persian]
  28. Vaezi A R, Sahandi K., & Sadeghian N. (2020). Determination of susceptibility to rill and interrill erosion of some semi-arid soils using rainfall simulator in laboratory conditions. Journal of Water and Soil Science. 24(2), 1-11. DOI: org/10.47176/jwss.24.2.133013 [In Persian]
  29. Vaezi A, & Mohammadi E. (2022). Temporal variation pattern of runoff generation and rill erosion in different soils and slope gradients. Journal of Water and Soil Science. 25(4), 19-31. DOI: doi /10.47176/jwss.25.4.12741 [In Persian]
  30. Vaezi, A.R., Gharehdaghli, H., & Marzvan, S. (2016). The role of slope steepness and soil properties in rill erosion in the hillslopes (a case study: Taham Chai catchment, NW Zanjan). Journal of Water and Soil Conservation, 23(4), 83-100. DOI: org/10.22069/jwfst.2016.8978.2280 [In Persian]
  31. Wildhaber, Y. S., D. Banninger, K. & Burri, C. Alewell. (2012). Evaluation and application of a portable rainfall simulator on subalpine grassland. Catena, 91(2), 56-62. DOI: org/10.1016/j.catena.2011.03.004
  32. Zakerinejad, R., & Amoshahi, N. (2022). Assessment of landslide hazard using remote sensing data and the maximum entropy model (Case Study: Kome watershed, in south of Isfahan Province). Quantitative Geomorphological Research. 11(2), 128-149. DOI: doi/10.22034/gmpj.2022.340900.1349 [In Persian]
  33. Zhu, C., & Wang, X. (2009). Landslide susceptibility mapping: A comparison of information and weights-of evidence methods in Three Gorges Area. International Conference on Environmental Science and Information Application Technology. 187(2), 342-346. DOI: org/10.1109/ESIAT.2009.187
مدیریت بیابان
دوره 11، شماره 3 - شماره پیاپی 27
6 مقاله
آذر 1402
صفحه 89-104

فایل ها

سابقه مقاله

  • تاریخ دریافت: 26 مهر 1402
  • تاریخ بازنگری: 24 آذر 1402
  • تاریخ پذیرش: 25 آذر 1402

هم رسانی

ارجاع به این مقاله

آمار