چکیده

خاک ها خدمات اکوسیستم تنظیم کننده مهمی را ارائه می دهند و پیامدهای مهمی برای رفاه انسان و حفاظت از محیط زیست دارند. با این حال، تخریب خاک و به ویژه فرسایش خاک، نگهداری و وجود این خدمات را به خطر می اندازد. این مطالعه به بررسی روابط مکانی-زمانی فرسایش خاک برای درک الگوهای توزیع خدمات نگهداری رسوب در سرزمین اصلی پرتغال می‌پردازد. بر اساس نقشه‌های پوشش زمین Corine از سال 1990 تا 2018، مدل InVEST Sediment Delivery Ratio (SDR) برای ارزیابی تأثیر دینامیک رسوب برای حفاظت از خاک و آب استفاده شد. تفاوت‌های فضایی در سطوح نگهداری رسوب در مرزهای NUTS III مشاهده شد، که نشان می‌دهد کدام مناطق در برابر فرآیندهای فرسایش خاک آسیب‌پذیرتر هستند. نتایج نشان داد که منطقه لیریا، Douro و مناطق ساحلی به طور قابل توجهی در ظرفیت نگهداری رسوب در طول سال ها کاهش یافته اند. با این حال، در بیشتر قلمرو (77.52٪)، تغییرات در احتباس رسوب اندک بود یا مهم نبود (یعنی، کمتر از 5٪). اعتبار آماری مدل سازگاری نتایج را ثابت کرد و نشان داد که مدل InVEST SDR ابزار مناسبی برای تخمین پتانسیل از دست دادن خاک توسط آب در سطوح منطقه‌ای/ملی است، اگرچه دارای محدودیت‌های آن است. این یافته‌ها می‌تواند برای حمایت از استراتژی‌ها برای برنامه‌ریزی کاربری کارآمدتر در رابطه با شیوه‌های کاهش فرسایش خاک و تحریک تحقیقات بیشتر در سطح ملی در مورد این خدمات مهم اکوسیستم مرتبط باشد. تغییرات در احتباس رسوب کم بود یا مهم نبود (به عنوان مثال، کمتر از 5٪). اعتبار آماری مدل سازگاری نتایج را ثابت کرد و نشان داد که مدل InVEST SDR ابزار مناسبی برای تخمین پتانسیل از دست دادن خاک توسط آب در سطوح منطقه‌ای/ملی است، اگرچه دارای محدودیت‌های آن است. این یافته‌ها می‌تواند برای حمایت از استراتژی‌ها برای برنامه‌ریزی کاربری کارآمدتر در رابطه با شیوه‌های کاهش فرسایش خاک و تحریک تحقیقات بیشتر در سطح ملی در مورد این خدمات مهم اکوسیستم مرتبط باشد. تغییرات در احتباس رسوب کم بود یا مهم نبود (به عنوان مثال، کمتر از 5٪). اعتبار آماری مدل سازگاری نتایج را ثابت کرد و نشان داد که مدل InVEST SDR ابزار مناسبی برای تخمین پتانسیل از دست دادن خاک توسط آب در سطوح منطقه‌ای/ملی است، اگرچه دارای محدودیت‌های آن است. این یافته‌ها می‌تواند برای حمایت از استراتژی‌ها برای برنامه‌ریزی کاربری کارآمدتر در رابطه با شیوه‌های کاهش فرسایش خاک و تحریک تحقیقات بیشتر در سطح ملی در مورد این خدمات مهم اکوسیستم مرتبط باشد. نشان می دهد که مدل InVEST SDR یک ابزار مناسب برای تخمین پتانسیل از دست دادن خاک توسط آب در سطوح منطقه ای / ملی است، اگرچه محدودیت های آن را دارد. این یافته‌ها می‌تواند برای حمایت از استراتژی‌ها برای برنامه‌ریزی کاربری کارآمدتر در رابطه با شیوه‌های کاهش فرسایش خاک و تحریک تحقیقات بیشتر در سطح ملی در مورد این خدمات مهم اکوسیستم مرتبط باشد. نشان می دهد که مدل InVEST SDR یک ابزار مناسب برای تخمین پتانسیل از دست دادن خاک توسط آب در سطوح منطقه ای / ملی است، اگرچه محدودیت های آن را دارد. این یافته‌ها می‌تواند برای حمایت از استراتژی‌ها برای برنامه‌ریزی کاربری کارآمدتر در رابطه با شیوه‌های کاهش فرسایش خاک و تحریک تحقیقات بیشتر در سطح ملی در مورد این خدمات مهم اکوسیستم مرتبط باشد.

کلید واژه ها:

خدمات اکوسیستم ; مدل سازی فضایی ; فرسایش خاک ؛ احتباس رسوب ; مدل InVEST

1. مقدمه

فرسایش خاک یک فرآیند طبیعی است که مسئول شکل دادن به چشم انداز فیزیکی از طریق توزیع مواد هوازده تولید شده توسط فرآیندهای ژئومورفیک است [ 1 ]. با این حال، زمانی که فرسایش خاک به دلیل فعالیت‌های انسانی، باد یا آب با سرعتی شتابان رخ می‌دهد، احتمالاً زوال یا از دست دادن عملکرد طبیعی خاک رخ می‌دهد [ 1 ]. خاک‌ها طیف وسیعی از عملکردهای کلیدی را انجام می‌دهند، از جمله تولید غذا، ذخیره‌سازی مواد آلی، چرخه آب و مواد مغذی، و کیفیت زیستگاه برای طیف عظیمی از موجودات [ 2 ]. حفظ منابع خاک از طریق پیشگیری از فرسایش یک روش حفاظتی برای حفاظت از محیط زیست اکولوژیکی و توانایی خاک برای کمک به عملکرد اکوسیستم است [ 3 ]].
از دست دادن خاک توسط آب ارتباط نزدیکی با بارندگی، ذوب برف و آبیاری دارد، تا حدی از طریق قدرت جداسازی قطرات آب که به سطح خاک برخورد می کند، و تا حدی از طریق سهم باران در رواناب [ 2 ]. فرسایش خاک توسط آب به یکی از بزرگترین تهدیدات جهانی برای محیط زیست تبدیل شده است [ 4 ]. در نتیجه، وضعیت خاک، کیفیت آب، زیستگاه گونه‌ها و ارائه خدمات اکوسیستمی تحت تأثیر منفی قرار می‌گیرد، که اهمیت کمی کردن اثرات فرسایش خاک توسط آب و توسعه اقدامات مؤثر برای حفاظت از خاک و آب را نشان می‌دهد [ 5 ]. با توجه به دشواری اندازه گیری فرسایش خاک در مقیاس های بزرگ، مدل های فرسایش خاک ابزار مناسبی برای برآوردهای منطقه ای و ملی هستند [ 6 ].]. با این حال، ناهمگونی بالای عوامل سببی فرسایش خاک همراه با در دسترس بودن داده‌های اغلب ضعیف، مانعی برای استراتژی‌های حفاظتی کاربردی باقی می‌ماند [ 6 ].
با استفاده از ترکیبی از سنجش از دور، مدل‌سازی سیستم‌های اطلاعات جغرافیایی (GIS) و داده‌های سرشماری، چندین مطالعه اثرات کاربری زمین و پوشش زمین را بر فرسایش خاک در سطح جهانی نشان داده‌اند [ 3 ، 7 ، 8 ، 9 ، 10 ]. در اروپا، یک مطالعه استفاده از مدل فرسایش خاک اروپا (EUROSEM) را برای شبیه‌سازی فرآیندهای فرسایش، به طور صریح برای جریان‌های شیاری و بین شیاری مورد بررسی قرار داد [ 11 ]. همچنین، مدل RUSLE2015 تلفات خاک را در وضوح 100 متر برای قاره اروپا تخمین زد [ 12 ]]. در آفریقا، یک مطالعه اخیر از دست دادن خاک و صادرات رسوب در حوزه آبخیز Winike در اتیوپی را مورد تجزیه و تحلیل قرار داد و به این نتیجه رسید که تغییرات کاربری زمین تا حد زیادی بر میزان از دست دادن خاک در مناطق زیر کشت تأثیر می گذارد [ 13 ]. در چین، نویسندگان فرسایش خاک را در مقیاس منطقه‌ای در استان یوننان با استفاده از معادله از دست دادن خاک چینی (CSLE) ارزیابی کردند، که به نقشه دقیق‌تر فرسایش خاک برای آن استان اجازه داد [ 14 ].
به ویژه برای پرتغال، برخی مطالعات برای مدل سازی فرسایش خاک در مقیاس های محلی انجام شده است (به عنوان مثال، [ 15 ، 16 ، 17 ]). یک مطالعه در مورد حفظ مواد مغذی توسط مبادله بین رسوبات و انواع پوشش گیاهی در تالاب Ria de Aveiro (مرکزی پرتغال) [ 15 ] بود. تحقیق دیگری اثرات رها شدن زمین را بر فرسایش خاک و تخریب زمین در دره رودخانه کوآ (شمال شرقی پرتغال) تحلیل کرد [ 16 ]. اخیراً مطالعه ای تأثیرات فرسایش خندقی را در مناطق شیب دار در قلمرو شمالی پرتغال تعیین کرد [ 17 ]]. اگرچه این مطالعات در مناطق مختلف پرتغال انجام شده است، هنوز یک مطالعه عمیق تر و معتبرتر برای توضیح اثر احتباس رسوب بر فرسایش خاک در کل قلمرو انجام نشده است. برای پر کردن این شکاف، هدف اصلی این تحقیق بررسی توزیع مکانی- زمانی فرسایش خاک با درک الگوهای فضایی ظرفیت نگهداری رسوب در سرزمین اصلی پرتغال، بر اساس تغییرات پوشش زمین از سال 1990 تا 2018 است. به طور خاص، هدف آن است. برای: (i) برآورد تلفات خاک در مقیاس پیکسل، و (ب) برآورد تغییرات احتباس رسوب در سطح NUTS III.
با استفاده از مدل InVEST Sediment Delivery Ratio (SDR) برای تعیین رفتار احتباس رسوب در سرزمین اصلی پرتغال، نتایج یک چشم انداز منحصر به فرد در مورد فرسایش خاک و حفظ رسوب برای پرتغال ارائه می دهد و اطلاعات مفیدی را برای طراحی برنامه ریزی منظر موثر برای حفاظت از خاک و آب ارائه می دهد.

2. مواد و روشها

2.1. منطقه مطالعه

این مطالعه بر سرزمین اصلی پرتغال متمرکز است ( شکل 1 ). پرتغال کشوری در جنوب اروپا است که مساحت کل 92212 کیلومتر مربع را اشغال می کند ، در حالی که مساحت سرزمین اصلی 89102.14 کیلومتر مربع است که 23 مرز آماری به عنوان NUTS III تعریف شده است [ 18 ، 19 ]. سرزمین اصلی در جنوب غربی شبه جزیره ایبری واقع شده و از شمال و شرق با اسپانیا و از غرب و جنوب با اقیانوس اطلس همسایه است. مناطق شمالی و مرکزی قلمرو پرتغال زمین بسیار کوهستانی دارند. آب و هوا عمدتاً در سرتاسر سرزمین اصلی پرتغال معتدل است [ 20]. بر اساس طبقه بندی کوپن، پرتغال قاره ای را می توان به دو منطقه تقسیم کرد: یکی آب و هوای معتدل با زمستان بارانی/خشک و تابستان گرم، و دیگری با آب و هوای معتدل با زمستان بارانی/خشک و تابستان نه خیلی گرم [ 21 ]. از نظر بارندگی، توزیع آن در سرتاسر قلمرو نسبتاً نامتقارن است، در شمال غالب تر، در مرکز متوسط ​​و در جنوب کمیاب است، منطقه ای که از یک روند پیش رونده بیابان زایی رنج می برد [ 22 ].

2.2. مدل نسبت تحویل رسوب

فرسایش فعلی خاک توسط آب با استفاده از نرم افزار InVEST 3.6.0 از پروژه سرمایه طبیعی [ 23 ] مدل سازی شد. مدل‌های InVEST مدل‌های «آماده برای استفاده» هستند، یعنی پس از جمع‌آوری و پیش پردازش داده‌های ورودی مورد نیاز توسط کاربر، مدل در یک رابط ساده اجرا می‌شود و خروجی‌های مورد انتظار را ارائه می‌کند. مدل SDR مبتنی بر مفهوم اتصال هیدرولوژیکی است که به حداقل تعداد پارامتر نیاز دارد [ 23 ]. مدل اعمال شده از عبارت RUSLE (معادله تلفات جهانی تجدید نظر شده) استفاده می کند، که در آن عوامل از نقشه های مختلف ارائه شده از منابع مختلف برای تعیین تلفات سالانه خاک استخراج می شوند [ 23 ]]. RUSLE توسعه ای از USLE اصلی (معادله جهانی از دست دادن خاک) با بهبود در تعیین عوامل کنترل کننده فرسایش است [ 24 ، 25 ]. این یک مدل تجربی است که معمولاً برای تخمین پتانسیل از دست دادن خاک توسط آب از دامنه های تپه در مناطق وسیعی از زمین استفاده می شود. پتانسیل از دست دادن خاک را می توان به عنوان مقدار متوسط ​​برآورد شده سالانه (تن در هکتار -1 y -1 ) فرسایش خاک توصیف کرد که یک منطقه می تواند جمع آوری کند، با استفاده از رویکرد مبتنی بر عامل با بارندگی، فرسایش پذیری خاک، طول شیب، شیب شیب و پوشش. شیوه های مدیریت و حفاظت به عنوان ورودی [ 26 ]. هر دو معادله USLE و RUSLE به صورت زیر نوشته شده اند [ 27 ]:

A = R∙K∙L∙S∙C∙P،

که در آن A تلفات خاک است (تن در هکتار -1 و -1 ). R ضریب فرسایش بارندگی است (MJ mm ha –1h –1 y –1 ) . K ضریب فرسایش پذیری خاک است (تن در هکتار [هکتار MJ میلی متر] -1 ). L ضریب طول شیب است. S ضریب شیب شیب است. C عامل مدیریت پوشش است. و P عامل تمرین حمایتی است. اصطلاحات L و S معادله اغلب به عنوان “LS” در کنار هم قرار می گیرند و به عنوان عامل توپوگرافی [ 27 ] نامیده می شوند.

نرم افزار مورد استفاده برای پیش پردازش و تجزیه و تحلیل داده های مکانی، ArcMap 10.7.1 برای دسکتاپ [ 28 ] بود. تمام داده های ورودی دارای سیستم مرجع مختصات ETRS_1989_TM06 بودند. جدول 1 داده های استفاده شده به عنوان ورودی مدل SDR در InVEST را نشان می دهد.
پارامترهای مربوطه مورد استفاده در SDR شامل تعریف مقادیر تجمع جریان آستانه (TFA) است که تعداد سلول‌های بالادستی را نشان می‌دهد که قبل از در نظر گرفتن بخشی از یک جریان، باید به داخل یک سلول جریان پیدا کنند. دو پارامتر کالیبراسیون، kb و IC 0 ، که درجه اتصال از تکه های زمین به جریان و درصد از دست دادن خاک را که در واقع به جریان می رسد را تعیین می کند. و SDR max ، که حداکثر SDR است که یک پیکسل می تواند به آن برسد، در تابعی از بافت خاک. مقادیر پیش‌فرض استفاده شد، همانطور که در مستندات راهنمای کاربر InVEST برای این مدل نشان داده شده است [ 23 ].
مدل رقومی ارتفاع 30 متری (DEM) از رادیومتر گسیل و انعکاس حرارتی پیشرفته فضایی (ASTER) [ 29 ، 36 ] بازیابی شد.
شاخص فرسایش بارندگی نشانگر توانایی آب برای جداسازی و انتقال ذرات خاک است. بنابراین، فرسایش به شدت و مدت بارندگی حساس است [ 26 ]. این شاخص توسط پایگاه جهانی فرسایش باران (GloREDa) از مرکز تحقیقات مشترک- مرکز داده خاک اروپا (ESDAC) ارائه شده است و دارای وضوح پیکسلی 30 ثانیه قوسی (~1 کیلومتر در اکوادور) است [ 30]. GloREDa حاوی مقادیر فرسایشی است که به عنوان فاکتورهای R از 3625 ایستگاه توزیع شده در 63 کشور در سراسر جهان تخمین زده شده است. این نتیجه یک مجموعه داده گسترده از داده‌های بارندگی با وضوح زمانی بالا از حداکثر تعداد ممکن کشورها برای داشتن یک نمونه نماینده در سراسر شیب مختلف آب و هوایی و جغرافیایی است. دارای سه جزء است: (i) پایگاه داده فرسایش باران در مقیاس اروپایی (REDES) [ 37 ]. (ii) 1865 ایستگاه از 23 کشور خارج از اروپا. و (iii) 85 ایستگاه. بنابراین، این جامع ترین پایگاه داده جهانی شامل بیشترین تعداد ایستگاه های ممکن با داده های بارندگی با وضوح زمانی بالا است [ 38 ].
ضریب فرسایش پذیری خاک (عامل K) یک پارامتر کلوخه ای است که نشان دهنده یک مقدار متوسط ​​سالانه یکپارچه واکنش نیمرخ خاک به فرآیندهای جدا شدن و انتقال خاک توسط ضربه قطرات باران و جریان سطحی است [ 24 ]. در نتیجه، ضریب K به بهترین وجه از اندازه‌گیری‌های مستقیم در نمودارهای طبیعی به دست می‌آید [ 39 ]. با این حال، این یک کار دشوار در مقیاس ملی یا بزرگتر است. برای غلبه بر این مشکل، مقادیر ضریب K اندازه‌گیری شده با ویژگی‌های خاک [ 39 ] که فرسایش‌پذیری خاک را در سطح اروپا تخمین می‌زند، بر اساس ویژگی‌هایی مانند بافت، ماده آلی، ساختار خاک و نفوذپذیری که از کاربری زمین در دسترس بود، مرتبط است. /Cover Area Frame Survey (LUCAS) [ 40 ] داده های خاک سطحی [ 25]. وزن دهی معکوس فاصله (IDW) برای درون یابی فرسایش پذیری به نقشه ای با وضوح سلول شبکه ای 10 کیلومتر استفاده شد [ 6 ].
نقشه های پوشش زمین CORINE (CLC) از آژانس محیط زیست اروپا (EEA) مبنایی برای رویکرد مدل سازی [ 33 ] بود. CLC یک نقشه برداری موضوعی کاربری/پوشش زمین است که برای سال های 1990، 2000، 2006، 2012 و 2018 در دسترس است و توسط اداره کل توسعه سرزمینی پرتغال (DGT) برای پروژه ای که توسط EEA هماهنگ شده است، تهیه شده است. این شامل فهرستی از پوشش زمین در 44 کلاس، با حداقل واحد نقشه برداری (MMU) 25 هکتار (هکتار) برای پدیده های منطقه و حداقل عرض 100 متر برای پدیده های خطی است [ 32 ]. چند ضلعی های حوزه آبخیز توسط زیرساخت داده های فضایی ملی (SNIG) [ 35 ] ارائه شده است.
عامل مدیریت پوشش (C-factor) هم در USLE و هم در RUSLE استفاده می‌شود تا تأثیر کشت و شیوه‌های مدیریتی بر نرخ فرسایش را منعکس کند [ 34 ]. این عامل بیشترین استفاده را برای مقایسه اثرات نسبی گزینه‌های مدیریتی بر برنامه‌های حفاظتی است، که نشان می‌دهد چگونه برنامه حفاظتی بر میانگین تلفات سالانه خاک تأثیر می‌گذارد و چگونه این تلفات بالقوه خاک در زمان فعالیت‌های ساخت‌وساز، تناوب زراعی یا سایر موارد توزیع می‌شود. طرح های مدیریتی [ 24 ]. مطالعه انجام شده توسط پاناگوس و همکاران [ 34 ]، که در آن نویسندگان مقادیر فاکتور C را در سطح اروپایی تخمین زدند، نقطه شروعی برای تخمین مقادیر فاکتور C برای کاربری/پوشش زمین مختلف مطالعه حاضر بود.
عامل اقدامات پشتیبانی (عامل P) برای اعمال کنترلی که پتانسیل فرسایش رواناب را با تأثیر آنها بر الگوهای زهکشی، غلظت رواناب، سرعت رواناب و نیروهای هیدرولیکی اعمال شده توسط رواناب بر سطح خاک کاهش می دهد، به حساب می آورد. این بیانی است از اثرات کلی حمایت از شیوه‌های حفاظتی – مانند کشاورزی کانتور، کشت نواری، تراس‌سازی و زهکشی زیرسطحی – بر از دست دادن خاک در یک مکان خاص، زیرا این شیوه‌ها اساساً با اصلاح الگوی جریان، درجه یا فرسایش آب بر فرسایش آب تأثیر می‌گذارند. جهت رواناب سطحی و با کاهش حجم و سرعت رواناب [ 24]. ارزش فاکتور P با اتخاذ این روش‌های حفاظتی حمایتی کاهش می‌یابد زیرا حجم و سرعت رواناب را کاهش می‌دهند و رسوب را بر روی سطح شیب تپه تشویق می‌کنند. هرچه مقدار فاکتور P کمتر باشد، عمل برای کنترل فرسایش خاک بهتر است [ 12 ]. بسیاری از نویسندگان با دادن مقدار 1، فاکتور P را نادیده می گیرند، به دلیل دشواری نگاشت دقیق عوامل تمرین پشتیبانی [ 41 ]. در این مطالعه، ضریب P مورد استفاده برای پرتغال برای تمام طبقات CLC در کل کشور 0.9178 است، یعنی همان مقدار ارائه شده در مطالعه JRC-ESDAC [ 12 ] برای پرتغال، با این فرض که همه طبقات زمین های زراعی هستند. [ 12]. اقدامات حمایتی بالای 0.95 تأثیر بیشتری در زمین های کشاورزی دارد، به این معنی که P> 0.95 مستعد فرسایش خاک خواهد بود.
جدول بیوفیزیکی ( جدول 2 ) با استفاده از کلاس‌های CLC، و فاکتورهای C و P، همانطور که قبلاً ذکر شد، با مرور مطالعات از ادبیات [ 12 ، 34 ]، و با اتخاذ برخی از مقادیر (مثلاً برای بدنه‌های آبی) از جدول بیوفیزیکی موجود در داده های نمونه پروژه سرمایه طبیعی [ 23 ]. در این جدول ضریب C با فیلد USLE-c و ضریب P با فیلد USLE-p نشان داده شده است. فیلد LU-code نشان دهنده کد CLC برای هر کلاس است.
مقادیر TFA تعداد سلول‌های بالادستی را نشان می‌دهد که باید قبل از اینکه سلول به عنوان بخشی از یک جریان در نظر گرفته شود، به داخل یک سلول جریان یابد، که برای طبقه‌بندی جریان‌ها از DEM استفاده می‌شود. این مقادیری هستند که براساس آنها مدل یک فایل خروجی از جریان‌ها را تا حد امکان نزدیک به واقعیت، بسته به وضوح DEM، آب و هوا و توپوگرافی ایجاد می‌کند [ 23 ]. IC 0 و kb دو پارامتر کالیبراسیون هستند که شکل رابطه بین اتصال هیدرولوژیکی و نسبت تحویل رسوب را تعیین می کنند. مقادیر IC 0 و Kb مقادیر پیش‌فرض برای مدل SDR هستند، زیرا مشخص شد که در بازده‌های خاص فرسایش شیب، مدل عملکرد بهتری خواهد داشت [ 42]. SDR max حداکثر SDR است که یک پیکسل می تواند به آن برسد، به این معنی که حداکثر نسبت رسوب قابل دستیابی واحد (در این مورد پیکسل) است [ 23 ، 42 ]. مقادیر مدل SDR در جدول 3 ارائه شده است.

2.3. تنوع SDR

خروجی مدل (احتباس رسوب) با وضوح فضایی 30 متر (برابر با DEM) برای تمام آنالیزها استفاده شد. عبارت مورد استفاده برای محاسبه تغییر احتباس رسوب بین سال های 1990 و 2018 این بود:

اسe dمن n t R e t e n t i o n C _ _  h a n ge ( % ) = ( اسآر2018– اسآر1990)اسآر1990× 100 ،اسهدمنمتره�تی آرهتیه�تیمن�� سیساعتآ��ه %=اسآر2018-اسآر1990اسآر1990×100،

جایی که اسآر1990اسآر1990و اسآر2018اسآر2018، خروجی های شطرنجی (حفظ رسوب) از مدل SDR، به ترتیب از سال 1990 و 2018 هستند.

2.4. روش شناسی

مدل نگهداری رسوب از گردش کار ارائه شده در شکل 2 پیروی می کند . جزئیات فنی مدل InVEST SDR را می توان در راهنمای کاربر نرم افزار [ 23 ] به دست آورد.

2.5. اعتبار سنجی مدل

برای اعتبارسنجی مدل SDR و توانایی آن در ارزیابی فرسایش خاک، خروجی USLE در نظر گرفته شد. این خروجی کل از دست دادن خاک بالقوه توسط آب در هر پیکسل در پوشش زمین اصلی محاسبه شده از معادله USLE را نشان می دهد [ 23 ]. یک آزمون آماری میانگین (آزمون t) برای مقایسه میانگین نتایج به‌دست‌آمده برای NUTS III با مدل ما و با مجموعه داده‌های فرسایش خاک توسط آب (RUSLE2015) ارائه‌شده توسط مرکز داده‌های خاک اروپا (ESDAC) [ 43 ] انجام شد.]. مجموعه داده RUSLE2015 از یک نسخه اصلاح شده از مدل RUSLE استفاده می کند که تخمین های بهبود یافته را بر اساس ورودی های بررسی شده با وضوح بالاتر (100 متر) از بارندگی، خاک، توپوگرافی، کاربری زمین و مدیریت از سال 2010 (یعنی آخرین سال برای که اکثر عوامل ورودی تخمین زده می شوند) [ 12 ]. این مجموعه داده به 28 کشور عضو اتحادیه اروپا اشاره دارد و استخراج اطلاعات تلفات خاک برای پرتغال را ساده می کند.

3. نتایج و بحث

3.1. نتایج اصلی و تجزیه و تحلیل آماری

مدل SDR برای پنج لحظه در زمان محاسبه شد که مربوط به سال‌های نقشه‌های CLC موجود است: 1990، 2000، 2006، 2012 و 2018. در طول 28 سال ارزیابی‌شده، احتباس رسوب تقریباً یکسان باقی ماند و از 7.4 تن در محدوده متغیر بود. در هکتار در سال 1990 به 7.3 تن در هکتار در سال 2018 رسید که نشان دهنده کاهش 1.4 درصدی است. مقادیر برای سالهای 2000، 2006 و 2012 بسیار مشابه بود، یعنی به ترتیب 7.4، 7.3 و 7.4 تن در هکتار.
نقشه های خروجی SDR برای هر یک از سال های شمارش شده به تنهایی اطلاعات زیادی را ارائه نمی دهند. بنابراین، برای درک بهتر خروجی‌های به‌دست‌آمده، از ماشین‌حساب رستری در ArcToolbox برای محاسبه درصد سود/تلفات احتباس رسوب از سال 1990 تا 2018 استفاده شد. در شکل 3 ، می‌توان مشاهده کرد که تفاوت احتباس رسوب در سراسر قلمرو وجود دارد. عمدتاً بین 5- تا 5 درصد است که نشان می‌دهد این قلمرو از نظر ظرفیت نگهداری رسوبات از تنوع زیادی رنج نمی‌برد. تجزیه و تحلیل بیشتر شطرنجی محاسبه شده درصد قلمرو اشغال شده توسط هر طبقه را نشان می دهد ( جدول 4). نتایج نشان می دهد که ظرفیت نگهداری رسوب در سراسر قلمرو پرتغال (77.52٪) در بازه زمانی 28 ساله نسبتاً یکسان است.
از سال 1990 تا 2018، می توان مشاهده کرد که کمتر از 1 درصد قلمرو دارای افزایش ظرفیت نگهداری رسوب بوده و برعکس، 4.85 درصد کاهش داشته است. در شکل 3 ، این کاهش عمدتاً در مناطق آلنتجو (رنگ زرد) قابل توجه است. در آن مناطق، ظرفیت نگهداری رسوب 4.55 درصد افزایش یافت. این ممکن است با فرسایش فصلی توضیح داده شود. یک مطالعه در مورد سد Alqueva (واقع بین Alentejo Central و Baixo Alentejo) توضیح می‌دهد که با توجه به فصول، می‌توان نرخ‌های مختلف فرسایش خاک را تأیید کرد، که در آن بالاترین مقادیر در طول پاییز به دلیل بارندگی‌های شدید رخ می‌دهد و تفاوت را افزایش می‌دهد. بین فرسایش بارندگی و رشد پوشش گیاهی [ 44]. نقشه فرسایشی بارندگی GloREDa مورد استفاده در این مطالعه دارای داده های بارندگی با وضوح زمانی بالا (30-40 سال)، با مقادیر میانگین در سال [ 38 ] است. در این مجموعه داده، تفکیک فصولی که ممکن است منجر به اختلاف ظرفیت نگهداری رسوب در همان منطقه شود، امکان پذیر نیست. نویسندگان نقشه فرسایشی بارندگی GloREDa بیان می‌کنند که بیشتر عدم قطعیت این نقشه به احتمال زیاد مربوط به مناطق انتقالی بین مناطق مختلف آب و هوایی و شرایط آب و هوایی مختلف است که در نهایت منجر به تنوع زیاد میزان، مدت، بزرگی و شدت بارندگی می‌شود [ 38 ].]. راهی برای غلبه بر این مشکل، ایجاد نقشه‌های فرسایشی بارندگی برای هر فصل برای هر سال و استفاده از آنها در مدل InVEST SDR است که نتایج را قابل اعتمادتر می‌کند. در این نقشه مناطقی با کاهش بیش از 50 درصدی ظرفیت نگهداری رسوب (یعنی 1.21 درصد قلمرو) یافت می شود. هنگام مقایسه این مناطق با CLC برای سال 2018 ( شکل 1 )، می توان مشاهده کرد که بسیاری از آنها با رده منطقه سوخته مطابقت دارند و نشان می دهد که مناطق سوخته تا حد زیادی بر ظرفیت خاک برای نگهداری رسوبات تأثیر می گذارد.
برای درک اینکه کدام مناطق دارای تلفات یا افزایش بیشتری در ظرفیت نگهداری رسوبات هستند، یک تحلیل آماری با استفاده از ابزار آمار منطقه ای ArcGIS ArcToolbox بر روی نقشه در شکل 3 اعمال شد. نقشه شکل 4 تفاوت مقادیر میانگین (٪) را از سال 1990 تا 2018 نشان می دهد که در هر NUTS III پس از طبقه بندی در شکست های طبیعی به دست آمده است. مناطق نشان داده شده به رنگ خاکستری در نقشه شکل 4ظرفیت نگهداری رسوب در طول سال ها تقریباً یکسان است. Douro و مناطق ساحلی مناطقی هستند که از بین رفتن رسوبات (رنگ هلویی) بیشتری دارند، به ویژه منطقه Leiria (رنگ قرمز تیره) که در سال 2017 به شدت تحت تأثیر آتش سوزی های شدید جنگل قرار گرفت. مناطق آلنتجو ظرفیت خود را افزایش دادند. حفظ رسوبات در طول دوره مطالعه (رنگ آبی).
در شکل 5 ، مشاهده احتباس رسوب (تن در هکتار) توسط NUTS III برای هر سال امکان پذیر است. آلتو مینهو منطقه ای با بالاترین ظرفیت برای نگهداری رسوبات است، در حالی که Lezíria do Tejo منطقه با کمترین ظرفیت است. این شکل همچنین نشان می دهد که کدام مناطق بیشترین تنوع در نگهداری رسوب در سال را دارند. به عنوان مثال، منطقه کاوادو دارای تنوع بالایی برای سال های 2000 و 2018 است. منطقه Beiras e Serra da Estrela دارای تنوع بالایی در سال‌های 1990 و 2012 است. مناطق Aveiro و Médio Tejo هر دو دارای تنوع بالاتری از مقادیر میانگین در سال 2012 هستند. این سطوح بالای تنوع نیاز به تحقیقات بیشتر برای درک بهتر علل آنها را دارد.
اگر آتش‌سوزی‌های جنگلی مستقیماً بر تلفات احتباس رسوب تأثیر می‌گذارد، دلایل دیگری که ممکن است تفاوت‌های حفظ رسوب را از سال 1990 تا 2018 توجیه کند، شامل تغییرات در کاربری زمین، به‌ویژه برای کشاورزی و رشد شهری است. یکی دیگر از توضیحات مهم بالقوه برای تفاوت های موجود در احتباس رسوب، خشکسالی است. بر اساس گزارش فنی آژانس محیط زیست اروپا [ 45 ]، سال 2004/2005 سالی بود که یکی از بدترین خشکسالی های ثبت شده در شبه جزیره ایبری را تجربه کرد و تنها نیمی از میانگین بارندگی داشت و باعث کاهش جریان رودخانه ها شد. . در سال‌های 2003 و 2005، آتش‌سوزی‌های شدید به دنبال خشکسالی بر میزان نگهداری رسوب تأثیر گذاشت.

3.2. اعتبار سنجی مدل

برای اعتبارسنجی مدل، خروجی مدل USLE استفاده شد، کل از دست دادن خاک بالقوه توسط آب در هر پیکسل در پوشش اصلی زمین از معادله USLE محاسبه شده است [ 23 ]. یک مقدار متوسط ​​برای هر یک از 23 منطقه NUTS III برای سال 2018 به دست آمد ( جدول 5 ). سپس این مقادیر از طریق آزمون t با مقادیر استفاده شده از ESDAC RUSLE2015 مقایسه شدند. فرضیه صفر رد نشد، یعنی تفاوت مشاهده شده میانگین نمونه (3.971-2.918) برای گفتن اینکه میانگین USLE و RUSLE2015 به طور قابل توجهی برای مناطق NUTS III متفاوت است کافی نبود. بنابراین، خروجی های مدل با داده های رسمی ESDAC [ 12 ] منسجم هستند.

3.3. محدودیت ها و تحولات آینده

این مدل نتایجی را تولید کرد که تخمین‌هایی برای دنیای واقعی هستند. از این نظر، باید در نظر داشت که نتایج به‌دست‌آمده جزئی خواهد بود و اهمیت نتایج به‌دست‌آمده در گرایش‌ها و بینش‌هایی است که این تحلیل ارائه می‌کند که می‌تواند در هدایت توسعه مدل و استفاده بهینه از آن ارزشمند باشد. از مدل های این نوع
طبق راهنمای کاربر مدل های InVEST، مدل SDR محدودیت هایی را ارائه می دهد [ 23 ]. استفاده از USLE [ 24 ] بسیار متداول است، اما این معادله از نظر دامنه محدود است زیرا فقط فرآیندهای فرسایش شیاری/بین شیاری را نشان می‌دهد. فرآیندهای فرسایش انبوه مانند زمین لغزش به طور قابل توجهی بر تعیین میزان فرسایش خاک در برخی مناطق تأثیر می گذارد. با این وجود، آن فرآیندها در این مدل نشان داده نمی شوند. مدل SDR همچنین به پارامترهای kb و IC 0 بسیار حساس است که از نظر فیزیکی مبتنی نیستند.
محدودیت دیگر این است که این مدل پیکسل های NoData را در شبکه جریان تولید می کند. دلیل این امر با عدم پردازش درون جریانی توجیه می شود. همانطور که رسوب را در شیب به سمت پایین حرکت می دهد، زمانی که رسوب به جریان می رسد، محاسبات را متوقف می کند، بنابراین در مناطق مصب، که در آن آب های بزرگی داریم، برخی از خطاهای پیکسلی ممکن است در مرز آب/خشکی رخ دهد. علاوه بر این، مدل SDR به بسیاری از داده‌های ورودی (به دلیل سادگی و تعداد کم پارامترها) بسیار حساس است، که پردازش و تنظیم با مدل زمان زیادی را صرف کرد. علاوه بر این، زمان لازم برای اجرا و پردازش مدل، به دلیل ورودی داده های سنگین، نیز یک محدودیت بود.
به دلیل محدودیت در دسترس بودن داده ها، داده های تغییر اقلیم در نظر گرفته نشد. علاوه بر این، برای داده‌های بارندگی، از همان نقشه JRC-ESDAC GloREDa برای تمام لحظات زمانی استفاده شد. این جنبه ای است که باید در تحقیقات آینده بهبود یابد.
پیشرفت‌های آتی باید شامل تحلیل حساسیت با الگوریتم‌های محاسباتی پیشرفته، مانند شبکه‌های عصبی مصنوعی، باشد تا مشخص شود که وقتی مقادیر پارامترهای Borselli kb ، شاخص اتصال IC 0 و مقادیر TFA کالیبره می‌شوند، چگونه مدل تحت تأثیر قرار می‌گیرد. عملکرد بهینه مدل سایر پیشرفت‌های آینده باید شامل تعیین مقدار واقعی رسوبات در هر پیکسل باشد تا مشخص شود که در کجا و چه مقدار خاک در سرازیری به سمت یک جریان رسوب می‌کند، یا برای تعیین کمیت فرسایش در قلمرو بدون تبدیل کلاس‌های CLC به عنوان خاک لخت. مقایسه نتایج حاصل از انواع دیگر مدل‌ها، مانند ابزار ارزیابی خاک و آب (SWAT) [ 46 ] یا HEC-RAS [47 ]، در میان دیگران، نیز باید در نظر گرفته شود. برخی مطالعات برای تعیین نقش مدل‌های مبتنی بر USLE بر روی نرخ فرسایش انجام شده است (به عنوان مثال، [ 41 ، 48 ])، که در آن رویکردهای متفاوتی برای مدل‌های مبتنی بر USLE در نظر گرفته شده است. توسعه آینده باید با نتایج روش های مدل سازی جایگزین مقایسه شود. استفاده از مقادیر مختلف ضریب P نیز می تواند مورد مطالعه قرار گیرد، تجزیه و تحلیل در هر کلاس CLC و اعمال آن بر روی مدل برای اهداف مقایسه انجام شود. در نهایت، مطالعات بیشتر همچنین می‌تواند شامل تجزیه و تحلیل کلاس‌های اصلی CLC در NUTS III و چگونگی ارتباط این نتایج با فرسایش خاک باشد.

4. نتیجه گیری

این مطالعه تغییرات احتباس رسوب در سرزمین اصلی پرتغال را از سال 1990 تا 2018 ارزیابی کرد. نتایج نشان‌دهنده پویایی‌های مختلف در نگهداری رسوب در طول سال‌ها در سطح NUTS III است. تلفات بیشتر در احتباس رسوب در مناطق Douro و ساحلی و به ویژه در منطقه Leiria مشاهده شد. اعتبار مدل تأیید می کند که خروجی های به دست آمده با داده های رسمی ESDAC مطابقت دارند و نشان می دهد که مدل InVEST SDR ابزار مناسبی برای تخمین پتانسیل از دست دادن خاک توسط آب در سطوح منطقه ای / ملی است. علاوه بر کمک به اطلاعات جدید در مورد نگهداری رسوب برای پرتغال در یک بازه زمانی 28 ساله، این مطالعه همچنین با استفاده از مجموعه داده های مرجع معتبر، یک روش اعتبار سنجی ساده از نتایج را ارائه می دهد که می تواند به راحتی برای سایر مناطق مورد مطالعه تکرار شود. این یافته ها همچنین به دستیابی به دو هدف توسعه پایدار (SDGs، دستور کار 2030) کمک می کند.49 ]: یعنی هدف شماره 15، «زندگی در خشکی- حفاظت، بازیابی و ترویج استفاده پایدار از اکوسیستم‌های زمینی، مدیریت پایدار جنگل‌ها، مبارزه با بیابان‌زایی، توقف و معکوس کردن تخریب زمین و توقف از دست دادن تنوع زیستی»؛ و هدف شماره 6، “آب و بهداشت – اطمینان از در دسترس بودن و مدیریت پایدار آب و فاضلاب برای همه” [ 49 ].

منابع

  1. پاناگوس، پی. میوسبرگر، ک. ون لیدکرکه، م. الول، سی. هیدرر، آر. Montanarella، L. ارزیابی فرسایش خاک در اروپا بر اساس داده های جمع آوری شده از طریق یک شبکه اروپایی. علم خاک گیاه Nutr. 2014 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  2. وبستر، آر. مورگان، فرسایش و حفاظت خاک RPC، ویرایش سوم. Blackwell Publishing, Oxford, 2005. x + 304 pp. f29.95, paperback. شابک 1-4051-1781-8. یورو J. Soil Sci. 2005 ، 56 ، 686. [ Google Scholar ] [ CrossRef ]
  3. وو، جی. لیو، ی. کوی، ز. لیو، ی. شی، ز. یین، آر. Kardol، P. تجارت بین نوع پوشش گیاهی، کنترل فرسایش خاک و آب های سطحی در مناطق نیمه خشک جهانی: یک متاآنالیز. J. Appl. Ecol. 2020 ، 57 ، 875-885. [ Google Scholar ] [ CrossRef ]
  4. ناوارو-هویا، جی. لیما-فاریاس، TR; د آرائوخو، JC; Osorio-Peláez، C.; پاندو، V. فرسایش خاک در شیب‌های بریده جاده شیب‌دار در پالنسیا (اسپانیا). تخریب زمین توسعه دهنده 2016 ، 27 ، 190-199. [ Google Scholar ] [ CrossRef ]
  5. تنگ، اچ. لیانگ، ز. چن، اس. لیو، ی. ویسکارا راسل، RA; چاپل، ا. یو، دبلیو. Shi, Z. ارزیابی‌های فعلی و آتی فرسایش خاک توسط آب در فلات تبت بر اساس مدل‌های آب و هوایی RUSLE و CMIP5. علمی کل محیط. 2018 ، 635 ، 673-686. [ Google Scholar ] [ CrossRef ]
  6. پاناگوس، پی. میوسبرگر، ک. بالابیو، سی. بورلی، پی. Alewell، C. فرسایش پذیری خاک در اروپا: مجموعه داده با وضوح بالا بر اساس LUCAS. علمی کل محیط. 2014 ، 479-480 ، 189-200. [ Google Scholar ] [ CrossRef ]
  7. Bathurst، JC; مورتی، جی. الحمس، ع. بگریا، اس. García-Ruiz، JM مدل سازی تاثیر از دست دادن جنگل بر عملکرد رسوب زمین لغزش کم عمق، حوضه آبریز رودخانه Ijuez، Pyrenees اسپانیا. هیدرول. سیستم زمین علمی 2007 ، 11 ، 569-583. [ Google Scholar ] [ CrossRef ]
  8. بورلی، پی. رابینسون، دی. Fleischer, LR; لوگاتو، ای. بالابیو، سی. الول، سی. میوسبرگر، ک. مودوگنو، اس. شوت، بی. فرو، وی. و همکاران ارزیابی تأثیر جهانی تغییر کاربری اراضی قرن بیست و یکم بر فرسایش خاک نات. اشتراک. 2017 ، 8 ، 2013. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  9. بوریلو، ام. ری، اف. ماتیس، ن. Dutoit, T. صفات ریشه گیاه موثر بر مقاومت خاک در برابر فرسایش جریان متمرکز. زمین گشت و گذار. روند. Landforms 2012 ، 37 ، 1463-1470. [ Google Scholar ] [ CrossRef ]
  10. ژانگ، ز. شنگ، ال. یانگ، جی. چن، X.-A.; کنگ، ال. واگان، ب. اثرات استفاده از زمین و شیب شیب بر فرسایش خاک در یک حوضه تپه ای خاک قرمز در جنوب چین. پایداری 2015 ، 7 ، 14309-14325. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. مورگان، RPC؛ کوینتون، JN; اسمیت، RE; گاورز، جی. پوسن، JWA؛ اورسوالد، ک. چیشی، جی. توری، دی. Styczen، ME مدل فرسایش خاک اروپا (EUROSEM): یک رویکرد پویا برای پیش‌بینی انتقال رسوب از مزارع و حوضه‌های آبریز کوچک. زمین گشت و گذار. روند. Landforms 1998 , 23 , 527-544. [ Google Scholar ] [ CrossRef ]
  12. پاناگوس، پی. بورلی، پی. میوسبرگر، ک. Van Der Zanden، EH; پوسن، جی. Alewell, C. مدل‌سازی اثر شیوه‌های پشتیبانی (عامل P) بر کاهش فرسایش خاک توسط آب در مقیاس اروپایی. محیط زیست علمی سیاست 2015 ، 51 ، 23-34. [ Google Scholar ] [ CrossRef ]
  13. Aneseyee, AB; الیاس، ای. سورومسا، تی. Feyisa، GL اثر تغییر کاربری/پوشش زمین بر فرسایش خاک و تحویل رسوب در حوضه آبخیز Winike، حوضه Omo Gibe، اتیوپی. علمی کل محیط. 2020 , 728 , 138776. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  14. دوان، ایکس. بای، ز. رونگ، ال. لی، ی. دینگ، جی. تائو، ی. لی، جی. لی، جی. Wang، W. روش بررسی برای فرسایش خاک منطقه ای بر اساس معادله از دست دادن خاک چین و داده های مکانی با وضوح بالا: مطالعه موردی در استان کوهستانی یوننان، چین. CATENA 2020 , 184 , 104237. [ Google Scholar ] [ CrossRef ]
  15. داسیلوا، جی اف. اردک، RW; Catarino، JB حفظ مواد مغذی در رسوبات و پوشش گیاهی آبزی غوطه ور در تالاب ساحلی Ria de Aveiro، پرتغال. J. Sea Res. 2009 ، 62 ، 276-285. [ Google Scholar ] [ CrossRef ]
  16. Nunes، AN; کوئلیو، COA; د آلمیدا، AC; Figueiredo، A. فرسایش خاک و پاسخ هیدرولوژیکی به رها شدن زمین در یک منطقه داخلی مرکزی پرتغال. تخریب زمین توسعه دهنده 2010 ، 21 ، 260-273. [ Google Scholar ] [ CrossRef ]
  17. مارتینز، بی. میرا کاسترو، AC; فریرا، سی. لورنسو، ال. Nunes، A. Gllies کاهش و اقدامات کنترل: مطالعه موردی از خندق Seirós (شمال پرتغال). فیزیک شیمی. Earth Parts A/B/C 2019 ، 109 ، 26–30. [ Google Scholar ] [ CrossRef ]
  18. Eurostat-نامگذاری واحدهای سرزمینی برای آمار (NUTS). در دسترس آنلاین: https://ec.europa.eu/eurostat/web/nuts/nuts-maps (در 12 مارس 2019 قابل دسترسی است).
  19. پورتال دیپلماتیک Governo de Portugal، امور خارجه. در دسترس آنلاین: https://www.portaldiplomatico.mne.gov.pt/en/about-portugal (در 21 ژوئن 2020 قابل دسترسی است).
  20. IPMA Climate Normals، Instituto Português do Mar e da Atmosfera. در دسترس آنلاین: https://www.ipma.pt/en/oclima/normais.clima/ (در 1 ژوئیه 2020 قابل دسترسی است).
  21. IPMA Clima de Portugal Continental. در دسترس آنلاین: https://www.ipma.pt/pt/educativa/tempo.clima/ (در 7 آوریل 2021 قابل دسترسی است).
  22. پورتلا، MM; اسپینوزا، لس آنجلس؛ Zelenakova، M. روندهای بلند مدت بارندگی و تغییرپذیری آنها در سرزمین اصلی پرتغال در 106 سال گذشته. Climate 2020 , 8 , 146. [ Google Scholar ] [ CrossRef ]
  23. شارپ، ای آر. چاپلین کرامر، آر. جنگل.؛ گوری، ا. تالیس، اچ. ریکتز، تی. نویسندگان، سی. نلسون، ای. عنانای، دی. ولنی، اس. و همکاران نسبت تحویل رسوب. در راهنمای کاربر InVEST ؛ پروژه سرمایه طبیعی؛ دانشگاه استنفورد؛ دانشگاه مینه سوتا؛ حفاظت از طبیعت؛ صندوق جهانی حیات وحش: استنفورد، کالیفرنیا، ایالات متحده آمریکا، 2018؛ صص 137-153. [ Google Scholar ]
  24. رنارد، KG; فاستر، GR; ویزیس، GA; مک کول، DK; Yoder، DC پیش بینی فرسایش خاک توسط آب: راهنمای برنامه ریزی حفاظتی با معادله جهانی از دست دادن خاک (RUSLE). USDA Agric. هندب 1997 ، 703 ، 404. [ Google Scholar ]
  25. ویشمایر، WH; اسمیت، DD پیش بینی تلفات فرسایش باران – راهنمای برنامه ریزی حفاظت . وزارت کشاورزی ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، 1978.
  26. تنگ، اچ. ویسکارا راسل، RA; شی، ز. بهرنز، تی. چاپل، ا. Bui، E. جذب تصاویر ماهواره‌ای و طیف‌سنجی مادون قرمز مرئی-نزدیک برای مدل‌سازی و نقشه‌برداری از دست دادن خاک توسط فرسایش آب در استرالیا. محیط زیست مدل. نرم افزار 2016 ، 77 ، 156-167. [ Google Scholar ] [ CrossRef ]
  27. وینچل، ام.اف. جکسون، SH. وادلی، AM; Srinivasan, R. گسترش و اعتبار یک روش مبتنی بر سیستم اطلاعات جغرافیایی برای محاسبه ضریب طول-شیب معادله جهانی تلفات خاک برای ارزیابی خطر فرسایش در حوضه های آبخیز بزرگ. J. حفظ آب خاک. 2008 ، 63 ، 105-111. [ Google Scholar ] [ CrossRef ]
  28. ESRI ArcGIS 2017. موجود به صورت آنلاین: https://www.esri.com/en-us/home (دسترسی در 16 دسامبر 2019).
  29. USGS ایالات متحده سازمان زمین شناسی زمین اکسپلورر پورتال. در دسترس آنلاین: https://earthexplorer.usgs.gov (در 20 ژوئن 2019 قابل دسترسی است).
  30. مرکز تحقیقات مشترک- مرکز داده خاک اروپا (JRC-ESDAC). فرسایش بارندگی جهانی در دسترس آنلاین: https://esdac.jrc.ec.europa.eu/content/global-rainfall-erosivity (در 25 مارس 2019 قابل دسترسی است).
  31. مرکز تحقیقات مشترک- مرکز داده خاک اروپا (JRC-ESDAC). داده فرسایش پذیری خاک (K-Factor) با وضوح بالا برای اروپا. در دسترس آنلاین: https://esdac.jrc.ec.europa.eu/content/soil-erodibility-k-factor-high-resolution-dataset-europe (دسترسی در 25 مارس 2019).
  32. Direção Geral do Território (DGT). داده های باز CLC در دسترس آنلاین: https://www.dgterritorio.pt/dados_abertos/clc/ (در 12 مارس 2019 قابل دسترسی است).
  33. Copernicus, E. Copernicus Program-CORINE Land Cover. در دسترس آنلاین: https://land.copernicus.eu/pan-european/corine-land-cover (در 12 مارس 2019 قابل دسترسی است).
  34. پاناگوس، پی. بورلی، پی. میوسبرگر، ک. الول، سی. لوگاتو، ای. مونتانارلا، ال. سیاست کاربری زمین برآورد عامل مدیریت پوشش فرسایش خاک در مقیاس اروپایی. سیاست کاربری زمین 2015 ، 48 ، 38-50. [ Google Scholar ] [ CrossRef ]
  35. SNIG Sistema Nacional de Informação Geográfica. در دسترس آنلاین: https://snig.dgterritorio.pt/ (دسترسی در 17 دسامبر 2019).
  36. سازمان ملی هوانوردی و فضایی (ناسا). رادیومتر گسیل و انعکاس حرارتی پیشرفته فضابردی (ASTER). در دسترس آنلاین: https://terra.nasa.gov/about/terra-instruments/aster (دسترسی در 20 ژوئن 2019).
  37. آژانس محیط زیست اروپا (EEA). پایگاه داده فرسایش باران در مقیاس اروپایی (REDES). در دسترس آنلاین: https://www.eea.europa.eu/data-and-maps/data/external/rainfall-erosivity-database-at-european (در 25 مارس 2019 قابل دسترسی است).
  38. پاناگوس، پی. بورلی، پی. میوسبرگر، ک. یو، بی. کلیک، ا. لیم، کی جی؛ یانگ، جی. نی، ج. میائو، سی. Chattopadhyay، N. ارزیابی فرسایش بارندگی جهانی بر اساس رکوردهای بارندگی با وضوح زمانی بالا. علمی 2017 ، 7 ، 1-12 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  39. پاناگوس، پی. میوسبرگر، ک. الول، سی. Montanarella, L. برآورد فرسایش پذیری خاک با استفاده از داده های بررسی نقطه ای LUCAS اروپا. محیط زیست مدل. نرم افزار 2012 ، 30 ، 143-145. [ Google Scholar ] [ CrossRef ]
  40. یورواستات Eurostat-استفاده از زمین و بررسی چارچوب منطقه تحت پوشش (LUCAS). در دسترس آنلاین: https://ec.europa.eu/eurostat/web/lucas (در 12 مارس 2019 قابل دسترسی است).
  41. بناویدز، ر. جکسون، بی. ماکسول، دی. نورتون، ک. مروری بر معادله جهانی تلفات خاک ((R)USLE (تجدید نظر شده): با هدف افزایش کاربرد جهانی آن و بهبود برآوردهای تلفات خاک. هیدرول. سیستم زمین علمی 2018 ، 22 ، 6059–6086. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  42. ویجیاک، او. بورسیلی، ال. نیوهام، LTH; مک اینز، جی. رابرتز، AM مقایسه معیارهای مفهومی منظر برای تعریف نسبت تحویل رسوب در مقیاس دامنه. ژئومورفولوژی 2012 ، 138 ، 74-88. [ Google Scholar ] [ CrossRef ]
  43. JRC- مرکز داده های خاک اروپا (ESDAC). در دسترس آنلاین: https://esdac.jrc.ec.europa.eu/ (در 25 مارس 2019 قابل دسترسی است).
  44. فریرا، وی. Panagopoulos، T. فصلی بودن فرسایش خاک تحت شرایط مدیترانه در حوضه آبخیز سد Alqueva. محیط زیست مدیریت 2014 ، 54 ، 67-83. [ Google Scholar ] [ CrossRef ]
  45. منطقه اقتصادی اروپا نقشه برداری از اثرات مخاطرات طبیعی و حوادث فناوری در اروپا. مروری بر دهه گذشته آژانس محیط زیست اروپا: København، دانمارک، 2010. [ Google Scholar ] [ CrossRef ]
  46. خدمات تحقیقات کشاورزی USDA (USDA-ARS). ابزار ارزیابی خاک و آب تحقیقات AgriLife تگزاس (SWAT). در دسترس آنلاین: https://swat.tamu.edu/ (دسترسی در 9 آوریل 2021).
  47. سپاه مهندسین ارتش ایالات متحده HEC-RAS. در دسترس آنلاین: https://www.hec.usace.army.mil/software/hec-ras/ (دسترسی در 9 آوریل 2021).
  48. Kinnell، PIA رویداد از دست دادن خاک، رواناب و خانواده مدل‌های معادله از دست دادن خاک: یک بررسی. جی هیدرول. 2010 ، 385 ، 384-397. [ Google Scholar ] [ CrossRef ]
  49. اهداف توسعه پایدار سازمان ملل متحد (SDGs). در دسترس آنلاین: https://sdgs.un.org/goals (در 9 آوریل 2021 قابل دسترسی است).
Ijgi 10 00262 g001 550
شکل 1. منطقه مورد مطالعه – نقشه ملی سرزمین اصلی پرتغال، بر اساس طبقات کاربری/پوشش زمین. منبع داده: پوشش زمین CORINE (کوپرنیک، 2018).
Ijgi 10 00262 g002 550
شکل 2. گردش کار مدل نگهداری رسوب.
Ijgi 10 00262 g003 550
شکل 3. تفاوت احتباس رسوب در سرزمین اصلی پرتغال بین سال های 1990 و 2018.
Ijgi 10 00262 g004 550
شکل 4. تجزیه و تحلیل آمار منطقه ای به ازای هر منطقه NUTS III برای بین سال های 1990 و 2018 (تغییر مقادیر میانگین (%)) (طبقات به دست آمده با شکست های طبیعی). 1. کاوادو; 2. خیابان 3. Área Metropolitana do Porto; 4. Viseu Dão Lafões; 5. Beira Baixa; 6. Alto Tâmega; 7. Tâmega e Sousa; 8. دورو; 9. Médio Tejo; 10. Beiras e Serra da Estrela; 11. Terras de Trás-os-Montes; 12. Área Metropolitana de Lisboa; 13. Alentejo Central; 14. الگاروه; 15. Oeste; 16. Região de Aveiro; 17. آلتو مینهو; 18. Alentejo Litoral; 19. Baixo Alentejo; 20. Região de Coimbra; 21. Região de Leiria; 22. Lezíria do Tejo; 23. آلتو آلنتخو.
Ijgi 10 00262 g005 550
شکل 5. میانگین (± SD) احتباس رسوب (تن در هکتار) توسط NUTS III در سرزمین اصلی پرتغال.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید