خلاصه

در دهه‌های اخیر، آتش‌سوزی‌های جنگلی به یک تهدید جدی در سراسر جهان تبدیل شده‌اند که باعث ایجاد بلایایی در محیط طبیعی و انسانی و همچنین خسارات اقتصادی جدی شده است. یکی از تأثیرات عمده آتش سوزی، فرسایش خاک است، زیرا ممکن است مشکلات بزرگی را هم در محیط فیزیکی و هم در محیط انسانی ایجاد کند و به طور جدی بر چشم انداز تأثیر بگذارد. این مطالعه به بررسی تغییرات نرخ فرسایش خاک در مناطق آسیب‌دیده از آتش‌سوزی‌های جنگلی می‌پردازد و به عنوان یک منطقه آزمایشی از حوضه زهکشی سد پر از خاک پینیوس واقع در واحد منطقه‌ای ایلیا، یونان غربی، که پس از آتش‌سوزی جنگلی دچار تغییرات فرسایشی جدی شده است، استفاده می‌کند. رویداد. برای این منظور، معادله جهانی تلفات خاک (RUSLE) در نرم افزار GIS اعمال می شود و تغییرات نرخ فرسایش خاک در منطقه مورد بررسی انتخاب شده در بازه های زمانی مختلف برآورد می شود. به طور مشخص، تغییرات نرخ فرسایش خاک با وارد کردن عوامل از معادله RUSLE در نرم افزار GIS محاسبه شده و به عنوان متغیر وابسته از ضریب مدیریت پوشش C استفاده می شود که به شدت تحت تأثیر آتش سوزی های مخرب بزرگ است. مدل های تولید شده با تلفیق میانگین سالانه نقشه ها و نرخ های فرسایش خاک قبل از آتش سوزی، بلافاصله پس از آتش سوزی و برای شرایط موجود در منطقه پایلوت با یکدیگر مقایسه می شوند.

کلید واژه ها:

فرسایش خاک ؛ آتش سوزی جنگلی ؛ GIS ; راسل

1. معرفی

آتش سوزی به عنوان مایع قابل اشتعال قابل احتراق تعریف می شود که از بین بردن آن دشوار است و یونانیان باستان به طور گسترده ای از آن در جنگ استفاده می کردند. امروزه آتش سوزی به عنوان آتش سوزی مخربی تعریف می شود که به سرعت در جنگل ها، جنگل ها، بوته ها و مناطق مسکونی پخش می شود و خطر قابل توجهی برای اروپا ایجاد می کند که نتایج منفی برای محیط زیست، رشد اقتصادی و ایجاد اثرات جدی بر اموال مسکونی و جمعیت انسانی ایجاد می کند.
با توجه به گزارش پروژه EC PESETA II (پیش‌بینی اثرات اقتصادی تغییرات آب و هوایی در بخش‌های اتحادیه اروپا بر اساس تحلیل از پایین به بالا) و اطلاعات به دست آمده توسط سیستم‌های اطلاعات جنگل و آتش اروپا، تأثیر آتش‌سوزی جنگل‌ها و چوب‌ها در اتحادیه اروپا طی سال‌های 2000-2017، 480000 هکتار زمین سوخته، 34 تلفات انسانی در سال و 3 میلیارد یورو در سال خسارت اقتصادی ایجاد کرد. با نرخ فعلی توسعه اقتصادی و تغییرات آب و هوایی، تأثیر اقتصادی برای کشورهای مدیترانه ای (اسپانیا، ایتالیا، پرتغال، فرانسه و یونان) ممکن است پس از سال 2070 به بیش از 5 میلیارد یورو در سال افزایش یابد.
در 30 سال گذشته، تجزیه و تحلیل آتش‌سوزی‌های جنگل‌های اروپا، وقوع حوادث آتش‌سوزی شدید را از ژوئن تا اکتبر نشان می‌دهد که باعث افزایش در دوره فصل آتش سوزی سنتی می‌شود. در طول دهه گذشته، تقریباً هشتاد و پنج درصد از کل مساحت سوخته در اروپا در جنوب اروپا و در میان کشورهای مدیترانه رخ داده است. این به این دلیل است که کشورهای مدیترانه از حوادث آتش سوزی شدید حتی در ماه های ژوئن و اکتبر رنج می برند و ویژگی های طبیعی، جغرافیایی و آب و هوایی آنها باعث طغیان آتش سوزی های جنگلی و پدیده فرسایش پس از آتش سوزی می شود [2 ] .
دو عامل اساسی برای چنین رویدادهای شدید آتش‌سوزی جنگلی مقصر هستند: شرایط آب و هوایی گرم و مرطوب و حساسیت به آتش در مناظر جنگلی انبوه. یکی دیگر از عوامل اساسی که در وقوع حوادث شدید آتش سوزی در جنگل ها مقصر شناخته می شود، انفجار موج گرما به ویژه در ماه های تابستان است. همراه با چندین آتش سوزی بزرگ که می تواند مناطق وسیعی را در یک منطقه یا یک کشور بسوزاند. دو مورد از شدیدترین آتش‌سوزی‌های جنگلی که تا به حال در اروپا اتفاق افتاده در یونان رخ داده است که بیش از 100000 هکتار زمین سوخته و صدها غیرنظامی کشته و به شدت مجروح شده‌اند. اولین آتش در سال 2007 شعله ور شد و مناطق وسیعی از واحد منطقه ای ایلیا واقع در غرب پلوپونز را سوزاند و آتش دوم در سال 2018 شعله ور شد و مناطق وسیعی را در شرق آتیکا سوزاند.
پیامدهای چنین رویدادهای شدید، از بین رفتن پوشش گیاهی، اختلال در خواص فیزیکی خاک، کاهش فعالیت بیولوژیکی، افزایش رواناب و حوادث سیل و همچنین حساسیت خاک به فرسایش آبی است که منجر به افزایش نرخ رسوب می شود. 3 ، 4 ]. یکی از اثرات عمده آتش سوزی، فرسایش خاک، ممکن است مشکلات جدی در اکوسیستم ها و جوامع انسانی ایجاد کند، زیرا فرآیندهای مکانیکی طبیعی باد و آب با سرعت بیشتری بر منظره لخت تأثیر می گذارد و در نتیجه، نرخ فرسایش خاک افزایش می یابد و مشکل در اکوسیستم ها و جوامع انسانی بزرگتر می شود [ 5 ].
فرسایش خاک را می توان به عنوان یک خطر با اثرات بلند مدت و درجه بندی متغیر در مناطق مختلف توصیف کرد. خسارات گسترده ای که بر محیط زیست وارد می کند شامل وخامت کیفیت آب، کاهش کیفیت خاک، سیل و بلایای زمین و همچنین افزایش حمل و نقل و رسوب رسوب در مخازن آب است و بنابراین پیش بینی خسارات احتمالی و خاک بسیار مهم است. نرخ ضرر برای پیشگیری در آینده به خصوص هنگام برخورد با اثرات پس از آتش سوزی بر فرسایش خاک، مشکل پیچیده تر می شود و پیش آگهی افزایش نرخ فرسایش خاک پس از آتش سوزی دشوارتر می شود [ 6]]. سپس تخمین نرخ تلفات خاک برای سیاستگذاران و دانشمندان برای ارزیابی خطر بالقوه، اجرای اقدامات حفاظتی و کاهشی و طراحی برنامه‌های بازسازی مناسب حیاتی می‌شود. این فقدان دانش در مورد مقیاس های زمانی و مکانی روش های فرسایش خاک، درک نحوه عملکرد آن را به یک ماموریت پیچیده و تحقیقات بیشتر در سراسر جهان ضروری می کند.
بهبود فزاینده در ابزارهای محاسباتی همراه با توسعه سریع نرم افزار GIS، ایجاد مدل های متعدد پیش بینی فرسایش را ممکن کرد که هر یک از آنها پیچیدگی و دقت متفاوتی دارند. Wischmeier و Smith [ 7 ، 8 ] و Wischmeier [ 9 ] ابزارهای محاسباتی را با توسعه معادله جهانی از دست دادن خاک (USLE) برای محاسبه نرخ فرسایش خاک ناشی از نیروی آب معرفی کردند. این معادله نرخ متوسط ​​بلندمدت سالانه فرسایش در یک شیب را بر اساس عوامل مختلف متاثر از خاک مانند شدت بارندگی، توپوگرافی، نوع خاک، سیستم‌های کشت و شیوه‌های مدیریتی پیش‌بینی می‌کند. علاوه بر این، کینل و ریس [ 10] معادله USLE را بهبود بخشید و نسخه به روز شده ای به نام USLE-M ارائه کرد. علاوه بر این بهبود، رنارد و همکاران. [ 11 ، 12 ، 13 ]، و همچنین لوپز و ناواس [ 14 ]، نسخه اصلاح شده ای به نام RUSLE (معادله جهانی تلفات خاک تجدید نظر شده) ارائه کردند که صلاحیت مدل قدیمی برای پیش بینی فرسایش خاک را با افزودن روش های مدرن و داده های جدید افزایش داد. که پس از سالها تحقیق در دسترس قرار گرفت.
علاوه بر موارد فوق، مدل‌های جهانی فرسایش خاک در مقیاس اروپایی، مانند مدل اروپایی فرسایش خاک (EUROSEM) و ارزیابی خطر فرسایش خاک پان-اروپایی (PESERA) تولید شد. EUROSEM مدلی است که قادر به شبیه سازی فرسایش، رسوب و انتقال رسوب توسط فرآیندهای رودخانه و نهر در طول حوادث طوفانی برای هر دو حوضه آبریز کوچک و مناطق واحد است [ 15 ، 16 ]. PESERA مدلی است که نقشه های خاک را در GIS تولید می کند که تخمینی از فرسایش خاک را در t/ha/year ارائه می دهد. این امر با استفاده از یک مدل فیزیکی در 1 کیلومتر، شناخته شده به عنوان شبکه PESERA با استفاده همزمان از یک مدل ارتفاعی دیجیتال، داده های آب و هوا از پروژه اروپایی MARS، داده های خاک از پایگاه داده خاک و داده های کاربری زمین از Corine به دست می آید. پوشش زمین [17 ، 18 ]. علاوه بر این، در دهه‌های اخیر چندین محقق از استفاده یکپارچه از داده‌های سنجش از دور، داده‌های ماهواره‌ای، نرم‌افزار سیستم‌های اطلاعات جغرافیایی و معادله جهانی تلفات خاک (USLE) به منظور پایش و محاسبه نرخ فرسایش خاک استفاده کرده‌اند [ 19 ، 20 ، 21 ] .
در برخی موارد آتش سوزی شدید در مناطق مدیترانه، چندین محقق مدل تجربی تجدید نظر شده جهانی معادله از دست دادن خاک را برای ارزیابی فرسایش و تغییرات کاربری زمین پس از یک رویداد آتش سوزی انتخاب کرده اند [ 22 ، 23 ، 24 ، 25 ]. محققان دیگر ترکیبی از مدل های PESERA و RUSLE را برای پیش بینی تغییرات نوسانات مکانی در فرسایش خاک پس از یک رویداد آتش سوزی انتخاب کرده اند [ 26 ، 27 ]. مدل‌های مختلف، مانند WEPP آشفته (پروژه پیش‌بینی فرسایش آب) [ 28 ]، تحلیل فضایی [ 29 ]، و مدل مورگان-مورگان-فینی تجدیدنظر شده [ 23]] نیز توسط دانشمندان دیگر به منظور تخمین نرخ فرسایش خاک پس از آتش سوزی استفاده شده است.
این تحقیق با در نظر گرفتن تمام مدل‌های ذکر شده در قبل، روشی برای محاسبه تغییرات قابل توجه در نرخ فرسایش خاک قبل و بعد از آتش‌سوزی و مقایسه همزمان تمام نقشه‌های فرسایش خاک قبل و بعد از آتش سوزی در فواصل زمانی مختلف ارائه می‌کند. به عنوان یک منطقه آزمایشی برای تأیید اجرای روش، ما از حوضه زهکشی سد پر از خاک Pinios واقع در واحد منطقه ای ایلیا، در غرب پلوپونز استفاده کردیم که در آن صدها هکتار جنگل و زمین کشاورزی در آتش سوخت.
مرحله اولیه روش ارائه شده، وارد کردن تمامی عوامل کنترل کننده معادله RUSLE (SE=R*K*L*S*C*P) در یک نرم افزار GIS و مرحله بعدی اصلاح صحیح الگوریتم وارد شده در به منظور تهیه نقشه های فرسایش خاک با دقت بالا. فاکتورهای وارد شده در نرم افزار GIS عبارتند از: ضریب فرسایش بارندگی-رواناب (R)، ضریب فرسایش پذیری خاک (K)، فاکتورهای طول شیب و شیب (L، S)، ضریب مدیریت پوشش (C) و عملکرد پشتیبانی. عامل (P). نقشه‌های حاصل، نقشه‌های نرخ فرسایش خاک هستند که می‌توانند تمام داده‌های لازم برای پیش‌بینی فرسایش سالانه خاک (SE) در هر منطقه را با جزئیات ارائه کنند.
تازگی این نوع تولید نقشه این است که هر عاملی که معادله RUSLE را کنترل می‌کند بر روی مدل دقیق ارتفاع دیجیتال (DEM) با اندازه نقشه سلولی 5 متر اعمال می‌شود و نقشه‌های فرسایش خاک تولید شده در فواصل زمانی مختلف با هم مقایسه می‌شوند. همچنین استفاده از داده های تصاویر ماهواره ای با وضوح بالا برای تشخیص مناطق سوخته و تأثیر آتش بر یکی از عوامل مورد استفاده در معادله RUSLE (فاکتور C) بسیار مهم است.

2. حوزه تحقیق و مواد علمی

2.1. حوزه تحقیقاتی

جولای و آگوست سال 2007 در یونان ماه های بسیار گرم با امواج گرمای گرم و ناهنجاری های مثبت دمایی بود [ 30 ]. تابستان گرم، همراه با زمستان گرم و خشک قبلی، دلیل اصلی آن بود که منجر به یکی از مخرب ترین آتش سوزی ها در سراسر کشور و به ویژه در واحد منطقه ای ایلیا واقع در غرب یونان شد. در این واحد منطقه ای تقریباً 870 کیلومتر مربع ، عمدتاً زمین های جنگلی و کشاورزی در آتش سوخت، 63 نفر کشته شدند، صدها نفر مجروح شدند و صدها خانه ویران شد.
منطقه آزمایشی تحقیق حوضه زهکشی سد خاکی پینیوس است که در غرب یونان و به طور دقیق تر در واحد منطقه ای ایلیا واقع شده است. حوضه هیدرولوژیکی رودخانه پینیوس مساحتی معادل 1026 کیلومتر مربع را اشغال می کند ، در حالی که حوضه زهکشی سد مساحتی در حدود 700 کیلومتر مربع را اشغال می کند ( شکل 1 ). روان آب سطحی از حوضه زهکشی سد به یک مخزن بزرگ آب جمع می شود که مساحت تقریباً 20 کیلومتر مربع را اشغال می کند [ 31 ]. بخش بزرگ‌تری از محدوده وسیع‌تر سد که در اثر آتش‌سوزی ویران شده بود، به‌عنوان منطقه مطالعاتی (پایلوت) برای تحقیق حاضر انتخاب شده است.

2.2. داده های تصاویر ماهواره ای

تصاویر به‌دست‌آمده از رادیومتر MODIS روی ماهواره Terra به منظور تولید شاخص‌های پوشش گیاهی قبل و بعد از حادثه آتش‌سوزی به صورت دیجیتالی پردازش شدند. کل منطقه سوخته در واحد منطقه ای ایلیا با مقایسه یک شاخص پوشش گیاهی به نام NDVI (شاخص تفاوت عادی شده گیاهی) قبل از (10 اوت 2007) و پس از (14 سپتامبر 2007) رویداد آتش سوزی، 870 کیلومتر مربع برآورد شده است. منطقه سوخته شامل جنگل، کشاورزی و زمین های دیگر و همچنین 27 منطقه مسکونی (عمدتا روستاها و سکونتگاه ها) بوده و در لندست ( شکل 2 ) و نقشه تصویری نقطه ای ( شکل 3 )، قبل و بعد از حادثه آتش سوزی ارائه شده است. ، به ترتیب. با مقایسه نقشه ها و داده های ماهواره ای، مشخص شد که 203 کیلومتر مربع93/28 درصد از منطقه مورد مطالعه حوضه زهکشی سد خاکی پینیوس کاملا سوخته است.

2.3. داده های ارتفاعی

یک DΤM (مدل زمین دیجیتال)، با نمونه برداری نقطه ای 5 متر و دقت عمودی بسیار بالا که 2 متر برآورد شده است، استفاده می شود. DTM توسط کاداستر یونان در دوره دو ساله 2007-2009 تولید می شود و به طور کامل قلمرو یونان را پوشش می دهد. داده‌های منبع برای توسعه DTM عکس‌های هوایی رنگی بود که توسط یک دوربین دیجیتال در هواپیما گرفته شده بود.
از DTM خاص، یک نقشه دیجیتالی ارتفاع (DEM) برای کل حوضه هیدرولوژیکی رودخانه پینیوس تولید شد. با این حال، منطقه مورد مطالعه بر قسمت بالادست حوضه سد پینیوس متمرکز است ( شکل 4 را ببینید ). تجزیه و تحلیل لازم DEM در یک چارچوب GIS منجر به توسعه محصولاتی مانند نقشه های شیب و جهت جریان شد. به ترتیب، مجموعه داده های خاص برای محاسبه دو عامل، طول شیب (L) و عامل شیب شیب (S) بیشتر پردازش می شود.
سیستم مختصاتی که برای ارجاع جغرافیایی هر نقشه در این مطالعه استفاده شد، سیستم مرجع ژئودتیک هلنی 1987 (HGRS/EGSA87) است.

2.4. داده های بارندگی

داده‌های بارندگی مورد استفاده از هفت ایستگاه هواشناسی (کومانی، کریوریسی، سیموپولو، کسیروهوری، پورتس، سد پینیوس، گستونی) که در حوضه هیدرولوژیکی پینیوس وجود دارند، به دست آمد ( شکل 4 ). بدین منظور میانگین بارندگی سالانه و ماهانه برای هر یک از ایستگاه های ارجاع شده برای یک دوره زمانی سی و سه ساله محاسبه شد.

2.5. زمين شناسي

منطقه اطراف حوضه رودخانه پینیوس توسط سازندهای آلپ از مناطق ژئوتکتونیکی یونانی ایونی، گابروو-تریپولیس و پیندوس و همچنین نهشته های کواترنر و نئوژن ساخته شده است. زمین شناسی محلی با چهار صفحه زمین شناسی، در مقیاس 1:50000 (آمالیاس، کرتزی، گومرون و پاتراس)، که از بررسی اکتشافات زمین شناسی و معدنی یونان مشتق شده است، حدس زده شد. سازندهای زمین شناسی این ورق ها دیجیتالی شده، در محیط GIS وارد شده و در 9 دسته زمین شناسی برای تهیه نقشه زمین شناسی خاص منطقه تحقیقاتی گروه بندی شدند ( شکل 5 ). 9 دسته زمین شناسی بر اساس سنگ شناسی، سن و نفوذپذیری طبقه بندی شدند.

2.6. پوشش زمین کورین

یکی از عوامل مهم مؤثر بر فرسایش خاک، پوشش گیاهی و به طور کلی پوشش و مدیریت زمین است. بنابراین، تجزیه و تحلیل تغییرات زمانی و مکانی کاربری‌های زمین در منطقه آزمایشی مهم بود. برای این منظور از پوشش زمین کورین اروپایی (CLC) استفاده شد و منطقه آزمایشی به بیست کلاس کاربری مختلف تقسیم شد، زیرا CLC یکی از محبوب ترین و پرکاربردترین محصولات برنامه خدمات نظارت بر زمین کوپرنیک است. برای اهداف این تحقیق، نسخه های Corine 2006 و Corine 2018 ( شکل 6 ) به منظور برآورد ضریب مدیریت پوشش (C) استفاده شد.
با استفاده از ابزار Arc در محیط GIS، تولید یک جدول CLC که مقوله‌های پوشش زمین و درصد آن‌ها را برای منطقه مورد مطالعه برای سال‌های 2006 و 2018 نرمال‌سازی می‌کند، کارآمد شد (شکل 6 ) . وسعت بیشتر منطقه مورد مطالعه عمدتاً توسط زمین های کشاورزی با سطح وسیعی از پوشش گیاهی طبیعی، زمین های زراعی غیرآبیاری، پوشش گیاهی اسکلروفیل، الگوهای کشت پیچیده و درختچه های جنگلی انتقالی اشغال شده است. با این حال، آتش سوزی جنگلی که در واحد منطقه ای ایلیا در اوت 2007 رخ داد، در مجموع 203 کیلومتر مربع از زمین را در منطقه آزمایشی (28.93٪) سوزاند و همانطور که انتظار می رفت، منجر به افزایش تلفات خاک برای بیش از یک درصد شد. دهه

3. تحلیل عاملی و محاسبه

3.1. روش شناسی

روش بکار گرفته شده در این تحقیق در ابتدا شامل ورود کلیه داده های انباشته شده در یک سیستم اطلاعات جغرافیایی (GIS) می باشد. در نتیجه، چندین نقشه پایه شطرنجی تولید می‌شود و همه عوامل RUSLE محاسبه می‌شوند. در نهایت، معادله RUSLE در GIS اعمال می شود و نقشه های فرسایش خاک با دقت بالا تهیه می شود و تلفات سالانه خاک در زمان های مختلف محاسبه می شود ( شکل 7 ).
میانگین محاسبه‌شده تلفات خاک در واحد سطح (SE) بر حسب تن در هکتار در سال، ضریب فرسایش بارندگی-رواناب (R) بر حسب MJ میلی‌متر در هکتار – 1 ساعت – 1 سال بیان می‌شود، ضریب فرسایش‌پذیری خاک (K) برابر است. بیان شده در th MJ -1mm – 1 . فاکتور طول شیب (L)، ضریب شیب شیب (S)، ضریب مدیریت پوشش (C) و ضریب عمل کنترل فرسایش (P) بدون بعد هستند.

3.2. تجزیه و تحلیل و محاسبه ضریب فرسایش بارش-رواناب (R).

فرسایش باران-رواناب اصطلاحی است که برای بیان توانایی آب در ایجاد جداشدگی و انتقال خاک [ 32 ] و تلفات خاک طوفانی از مزارع زیرکشت که نسبت مستقیمی با مقدار انرژی جنبشی کل طوفان ضربدر حداکثر 30- دارد استفاده می شود. شدت دقیقه (EI) [ 7 ]. این توسط عامل R نشان داده می شود، که مجموع مقادیر EI طوفان برای یک سال به طور میانگین در دوره های زمانی طولانی (بیش از 20 سال) برای تطبیق با الگوهای بارش دوره ای ظاهری [12] است . دشواری یافتن این نوع داده‌ها منجر به توسعه تکنیک‌های جدید با استفاده از متغیرهای مختلف شد که به راحتی می‌توان آن را اندازه‌گیری و کمی کرد و سپس با عامل R همبستگی داشت. شاخص فورنیه [ 33] یکی از آنها است که به طور کلی برای یافتن همبستگی بالاتری بین فرسایش و از دست دادن خاک به کار می رود

F =پحداکثر2/ پاف=پحداکثر2/پ

که p میانگین بارندگی ماه با بیشترین میزان بارندگی و P میانگین بارندگی سالانه است.

مهمترین نقطه ضعف این شاخص عدم توجه به قدرت فرسایشی بارندگی های با شدت کم یا متوسط ​​است. آرنولدوس [ 34 ] شاخص فورنیه را با در نظر گرفتن مقادیر بارندگی تمام ماه ها و استفاده از شاخص به عنوان یک متغیر مستقل اصلاح کرد. در نتیجه با استفاده از فرمول زیر همبستگی بهبود یافته ای به دست آمد (r 2 = 0.83).

MF =∑12i = 1پی2پMF=∑من=112پی2پ

که در آن MF مقدار شاخص فورنیه اصلاح شده است، پی میانگین بارندگی ماهانه، و P میانگین بارندگی سالانه است.

به دنبال کار آرنولدوس [ 34 ]، رنارد و فریموند [ 12 ] فرمول های زیر را برای تعیین ضریب R پیشنهاد کردند (MJ mm ha – 1h -1 year):

R = 0.7397 * MF 1.847 ، MF < 55 میلی متر، r 2 = 0.81
R = 95.77 – 6.081 * MF + 0.477 * MF 2 ، MF > 55 میلی متر، r2 = 0.75
ضریب فرسایش بارش-رواناب R به کار رفته در این تحقیق با استفاده از فرمول های فوق محاسبه شد. میانگین بارندگی سالانه و ماهانه برای هر یک از ایستگاه های هواشناسی موجود در منطقه برای یک دوره زمانی سی و سه ساله محاسبه شد و ضریب R محاسبه شده در یک پایگاه داده GIS وارد شد (جدول 1 ) .
با استفاده از جعبه ابزار Geostatistical Analyst نرم افزار GIS و پس از چندین آزمایش آزمایشی توزیع فضایی به این نتیجه رسید که بهترین روش برای توزیع فضایی اصلاح فاکتور (R) روش وزن دهی معکوس فاصله (IDW) است. وزن دهی معکوس فاصله یک روش قطعی تداخل فضایی است که تنها با استفاده از ویژگی های هندسی اندازه گیری های نقطه ای یک سطح پیوسته تولید می کند. ضریب R که با این روش برآورد شد در نقشه زیر از توزیع R ارائه شده است ( شکل 8 ). نقشه ضریب فرسایش بارش-رواناب R منطقه پایلوت.).
رنگ آبی تیره نشان دهنده مناطقی با ضریب R بالاتر است، در حالی که رنگ سفید نشان دهنده مناطق با ضریب R کمتر است. از تفسیر داده ها این نتیجه حاصل می شود که در ارتفاعات بالاتر ضریب R به ویژه در قسمت شرقی منطقه پایلوت بیشتر می شود. با استفاده از جعبه ابزار GIS، میانگین ضریب فرسایش بارندگی-رواناب (R) در منطقه پایلوت برابر با 6609.47 مگا ژول میلی‌متر در هکتار – 1 ساعت – 1 سال – 1 ، با حداکثر و حداقل مقدار 12815.83 و 2814.82 MJ محاسبه شد. میلی متر در هکتار -1 ساعت -1 سال -1 ، به ترتیب.

3.3. تجزیه و تحلیل و محاسبه ضریب فرسایش پذیری خاک (K).

فرسایش پذیری، به عنوان یک اصطلاح، معیار حساسیت خاک برای جدا شدن و انتقال به دلیل عناصر فرسایش است [ 32 ]. خاکها بدون توجه به شرایط فعلی مانند شیب زمین، بارندگی، پوشش زمین و مدیریت به درجات مختلفی فرسایش می یابند. حساسیت خاک به فرسایش، قابلیت انتقال رسوب و میزان و میزان رواناب در هر بارندگی بیانگر از دست دادن خاک در واحد R [تن در هکتار در واحد R] است [13] .]. در این مطالعه، فرسایش پذیری خاک با حساسیت به فرسایش سازندهای زمین شناسی مرتبط است. همبستگی (بین فرسایش پذیری خاک و حساسیت به فرسایش از این واقعیت ناشی می شود که سازندهای زمین شناسی را می توان بسته به حساسیت آنها به هوازدگی فیزیکی و شیمیایی و توانایی آنها در تولید رسوب به دسته های مختلفی تقسیم کرد).

سازندهای زمین شناسی غالب در منطقه پایلوت با توجه به سنگ شناسی، سن و نفوذپذیری در 9 دسته طبقه بندی شدند و از نرم افزار ArcMap برای تخمین ضریب فرسایش پذیری خاک در هر یک از 9 دسته زمین شناسی (جدول 2 و شکل 9) با استفاده از استفاده از نرم افزار ArcMap استفاده شد . روش و معادلات زیر ارائه شده توسط ویشمایر و اسمیت [ 7 ، 8 ].

K = [(2.1M 1.14 ( 10-4 )(12 – a) + 3.25 (b – 2) + 2.5 (c – 3))/100]
M = Ps × (100 −Pc)

که در آن K ضریب فرسایش پذیری خاک است (tha h -1 MJ -1mm -1 )، M پارامتر اندازه دانه، a محتوای ماده آلی (%)، b شاخص ساختار، c شاخص نفوذپذیری است . Ps (%) محتوای کسر “سیل و ماسه بسیار ریز” و Pc (%) محتوای کسر رس است و ضریب فرسایش پذیری با عدد 0.1317 ضرب می شود تا واحدهای آن به th/MJ میلی متر تبدیل شود [ 7 ، 35 ].

3.4. تجزیه و تحلیل و محاسبه ضریب شیب و طول شیب (LS).

LS ترکیبی از فاکتور طول شیب L و ضریب شیب شیب S است که تأثیر طول شیب و شیب را بر فرآیند فرسایش خاک منعکس می کند. ضریب شیب طول (L) نسبت از دست دادن خاک (A) از طول شیب مزرعه به طول شیب 22.1 متر است. این فاصله از مبدا جریان زمینی در طول مسیر جریان تا محل رسوب را اندازه گیری می کند. ضریب شیب-شیب (S) نسبت فرسایش خاک از شیب شیب مزرعه به شیب 9 درصد است [ 8 ]. ضریب LS به طور کلی با استفاده از معادله زیر برآورد می شود:

LS = (A/22.13) m (sinβ/0.09) n

که به طور گسترده توسط چندین محقق این موضوع مورد استفاده قرار گرفته و تا حدی اصلاح شده است [ 36 ، 37 ، 38 ].

مدل‌های رقومی ارتفاع (DEMs)، همراه با استفاده از داده‌های ماهواره‌ای و GIS، نقش مهمی در بررسی فرسایش خاک دارند، زیرا می‌توانند در شناسایی دقیق ویژگی‌های زمین استفاده شوند [39 ، 40 ] . هر سلول شبکه DEM حاوی مقداری مربوط به ارتفاع واقعی آن در سطح زمین [ 41 ] است و محاسبه ضریب LS به شدت به دقت DEM وابسته است [ 42 ]. در این تحقیق از یک DEM با دقت 5 متر ( شکل 4 ) استفاده شد و معادله زیر [ 38 ] در GIS برای تخمین توزیع ضریب LS در منطقه مورد مطالعه وارد شد.

LS = (m+1) (A/22.13) m (sinβ/0.09) n

که در آن A ناحیه کمک کننده شیب در واحد عرض کانتور (m2 / m)، β زاویه شیب، m توانی است که از 0.4 تا 0.6 متغیر است و n توانی است که از 1 تا 1.3 متغیر است. بنابراین 22.13 متر و 0.09 در مخرج به ترتیب به طول و شیب پلات واحد استاندارد اشاره دارد.

DEM ایجاد شده برای منطقه مورد مطالعه ( شکل 4 ) و همچنین فرمول فوق در نرم افزار ArcMap وارد شد و با پردازش مناسب کلیه نقشه های لازم تهیه شد ( شکل 10 ) که در آن اندازه هر سلول وجود دارد. مقدار 5 برابر با دقت DEM دریافت کرد.
از تفسیر نقشه LS ( شکل 11 )، مشهود است که بالاترین مقادیر آن در قسمت شرقی منطقه تحقیقاتی که در آن کوه ها و دره های رودخانه وجود دارد، شناسایی شده است. برعکس، مقادیر پایین تر LS در قسمت غربی منطقه تحقیقاتی رخ می دهد، جایی که تسکین شیب هموارتر است. با استفاده از ابزار Arc مناسب، میانگین ضریب توپوگرافی (LS) برابر 7.5 برآورد شد.

3.5. تجزیه و تحلیل و محاسبه ضریب مدیریت پوشش (C).

پوشش گیاهی فیلتر طبیعی موجود در بالای خاک است که مقداری از انرژی ناشی از ریزش قطرات باران، باد و آب جاری را جذب می کند، به طوری که مقدار کمتری به خاک منتقل می شود، در حالی که سیستم پوشش گیاهی ریشه به استحکام مکانیکی خاک کمک می کند [43 ] . پس از توپوگرافی، پوشش گیاهی مهمترین عامل کنترل کننده فرسایش خاک است [ 44 ].
به طور کلی، ضریب C بین 1 تا 0 است. در حالت اول، هیچ پوششی ارائه نمی شود و سطح زمین مشابه زمین بایر در نظر گرفته می شود، در حالی که پوشش بسیار ضخیم به معنای خاکی است که به خوبی محافظت شده است، با مقادیر C نزدیک به صفر. (0) [ 45 ]. به منظور محاسبه ضریب C در منطقه مورد مطالعه، از پایگاه داده Corine Land Cover (CLC) استفاده شد ( شکل 6 ). هر دسته کاربری زمین از CLC با مقادیر کتابشناختی مربوطه ضریب C مطابقت داده شد [ 46 ، 47 ، 48 ، 49 ، 50 ] و نقشه مدیریت پوشش در منطقه آزمایشی در نهایت با استفاده از GIS تولید شد. در پایان سه نقشه ضریب مدیریت پوشش (C) تهیه شد.شکل 12 ). نقشه اول نشان دهنده عامل C قبل از آتش سوزی، نقشه دوم عامل C بعد از آتش سوزی و نقشه سوم عامل C یک دهه پس از آتش سوزی است. لازم به ذکر است که منطقه با کد CLC 334 مطابق با زمین سوخته است و همانطور که توسط سایر محققین پیشنهاد شده است، مقدار 0.4 دریافت می کند [ 46 ، 47 ، 48 ، 49 ، 50 ، 51 ].

3.6. تجزیه و تحلیل و محاسبه ضریب تمرین پشتیبانی (P).

فاکتور تمرین حمایتی P نسبت از دست دادن خاک است که تحت تأثیر یک عمل حمایتی صریح، به تلفات مربوطه با کشت شیب و پایین شیب [ 13 ] است. این نوع عمل با اصلاح الگوی جریان و جهت رواناب سطحی و با کاهش میزان و سرعت رواناب سطحی بر فرسایش تأثیر می گذارد [ 51 ]. برخی از مهم‌ترین روش‌های حمایتی عبارتند از: کشت کانتور، برش نوار کانتور و سیستم‌های تراس [ 8]]. فاکتور P بدون بعد است و مقادیر آن از 0 تا 1 متغیر است. مقادیر نزدیک به صفر نشان می دهد که اقدامات حمایتی در برابر فرسایش در منطقه انجام شده است در حالی که مقادیر نزدیک به 1 مربوط به بدترین مواردی است که هیچ گونه اقدامات حمایتی انجام نشده است. به دست آوردن مقدار صفر عملاً غیرممکن است زیرا نمی توان از فرسایش جلوگیری کرد بلکه فقط با استفاده از روش های پشتیبانی می توان سرعت آن را کاهش داد. در اغلب موارد، به دلیل عدم وجود داده در مورد شیوه های مدیریتی اجرا شده در مناطق مورد مطالعه، ضریب P مستقیماً روی 1 تنظیم می شود. با این حال، این رویکرد اثر بازدارندگی اعمال در منطقه را در نظر نمی گیرد. به گفته شین [ 52 ]، این اعمال در زمین های زیر کشت (کانتور، کشت و تراس) عوامل مهمی هستند که می توانند فرسایش را کنترل کنند.
در منطقه مورد مطالعه، درصد بالایی از اراضی به فعالیت‌های کشاورزی مانند باغ‌های زیتون، الگوهای کشت، زمین‌های زراعی غیرآبیاری و زمین‌هایی که عمدتاً توسط کشاورزی اشغال می‌شود با مناطق زیادی از پوشش گیاهی طبیعی اختصاص دارد. علاوه بر این، برخی از اقدامات حفاظتی فردی بدون در دسترس بودن اطلاعات دقیق اجرا شده است [ 50]. زمین های کشاورزی و جنگلی (کدهای CLC: 211، 221، 223، 231، 242، 243) 56.74 درصد از کل مساحت را تشکیل می دهند که برای نادیده گرفتن تأثیر سیستم های زراعی بر فرسایش خاک بسیار زیاد است. بنابراین ضریب P روی 0.5 تنظیم شد. این مقدار با توجه به این که نزدیک به 50 درصد از کل مساحت به مناطق کشاورزی مانند باغ های زیتون، علفزار، تاکستان، محصولات مرکب، زمین های زراعی غیر آبی و همچنین مناطقی که عمدتاً توسط کشاورزی با پوشش گیاهی طبیعی قابل توجهی اشغال می شود، انتخاب شده است.

4. نتایج

بر اساس تحلیل عاملی و محاسبات ارائه شده در پاراگراف های قبل و با استفاده از معادله RUSLE وارد شده در چارچوب GIS، در نهایت نقشه های سالانه فرسایش خاک تهیه می شود. به طور خاص، دستور Raster Calculator در محیط ArcMap اجرا می شود که در آن تمام فاکتورهای RUSLE مربوطه در یکدیگر ضرب می شوند. نتیجه این روش توسعه یک فایل شطرنجی جدید است که نشان دهنده تلفات خاک در منطقه مورد مطالعه است.
سه نقشه از فرسایش سالانه مختلف خاک با این فرآیند تهیه می شود. نقشه اول مربوط به شرایط فرسایش خاک است که قبل از حادثه آتش سوزی وجود داشت، نقشه دوم مربوط به شرایط فرسایش خاک پس از آتش سوزی و نقشه سوم وضعیت فرسایش خاک موجود را منعکس می کند (شکل 13 ) . تمام مقادیر فرسایش خاک بر حسب تن در هکتار در سال (t/ha/year) ذکر شده است. مقادیر بالا با رنگ قرمز و مقادیر کم با رنگ آبی ارائه می شوند.
با مقایسه سه نقشه تولید شده مشخص می شود که در نقشه دوم افزایش قابل توجهی در فرسایش وجود دارد که در قسمت غربی منطقه تحقیقاتی مشهودتر است. به طور کلی، مقادیر زیادی از دست دادن خاک در مناطق با زمین زیاد و شیب های تند و همچنین در امتداد نهرها رخ می دهد. اثر بارندگی در این مورد نیز قابل توجه است زیرا مقادیر ضریب فرسایش بارندگی به اندازه کافی بالاست که فرسایش خاک را تشدید کند. از سوی دیگر، نقش پوشش گیاهی و زمین از اهمیت بیشتری برخوردار است، زیرا ثابت شده است که زمین های سوخته بیشترین آسیب پذیری را در برابر فرسایش دارند.
میانگین تلفات سالانه خاک به طور خودکار از آمار موجود در برنامه ArcMap محاسبه می شود. میانگین تلفات سالانه خاک قبل از آتش سوزی برابر با SE (1) = 69 تن در هکتار در سال است ( شکل 13 a) و مقدار مربوط به تلفات خاک بلافاصله پس از آتش سوزی SE (2) = 94 تن در هکتار در سال است. ( شکل 13 ب). در نهایت، بر اساس شرایط موجود و اخیر، یک دهه پس از آتش سوزی، میانگین ارزش تلفات سالانه خاک برابر با SE (3) = 64 تن در هکتار در سال است ( شکل 13 ج).
مهمترین عنصر از فرآیند فوق عمدتاً برآورد تغییرات درصد تلفات خاک و عوامل مؤثر بر آن است. به طور خاص، نرخ افزایش در فرسایش خاک بلافاصله پس از رویداد آتش سوزی برابر با 36.2٪ است، با افزایش متوسط ​​​​عامل C به میزان 28٪. پس از گذشت یک دهه از حادثه آتش‌سوزی، میزان کاهش اتلاف خاک برابر با 31 درصد با کاهش متناظر در ضریب C به میزان 26 درصد است که نشان‌دهنده بازسازی فیزیکی منطقه است.

5. بحث

از دست دادن خاک یک مشکل مهم زیست محیطی است که مسئول یک سری اختلالات زیست محیطی غیر قابل برگشت است که با فرآیندهای بیابان زایی مرتبط است. اگرچه نرخ فرسایش خاک توسط یک سری مدل‌های مختلف تخمین زده می‌شود، توزیع فضایی آن کار بسیار پیچیده‌ای را شامل می‌شود زیرا ارتباط نزدیکی با نوع پوشش گیاهی دارد و تنوع زیادی از سال به سال ارائه می‌دهد. به خصوص هنگامی که آتش سوزی رخ می دهد، اوضاع بدتر می شود.
دانشمندان چندین مدل فرسایش را در سرتاسر جهان توسعه داده‌اند که عمدتاً بر اساس روابط آماری بین یک سری از پارامترها است [ 3 ، 4 ]. بارندگی، توپوگرافی، پوشش گیاهی، رواناب و فرسایش پذیری خاک از جمله آنهاست. مدل تجربی RUSLE همچنین یک ابزار مهم برای استفاده از زمین و برآورد فرسایش پس از آتش سوزی است. اگرچه مدل RUSLE به طور گسترده مورد استفاده قرار گرفته است [ 11 ، 12 ، 13 ]، اطلاعات محدودی در مورد تغییرات نرخ فرسایش زمین در طول سال‌هایی که آتش‌سوزی رخ می‌دهد، وجود دارد، و در آن‌ها فاکتور مدیریت پوشش تلفات خاک را کنترل می‌کند.
روش مورد استفاده در این تحقیق مبتنی بر مدل تجربی RUSLE و ورود عوامل آن در محیط GIS است. با این روش، تولید نقشه‌های فرسایش خاک با دقت بالا در مناطقی که دچار تغییرات شدید خاک در اثر آتش‌سوزی شده‌اند، مشهود است و می‌توان تلفات خاک را در طول زمان محاسبه کرد. با جزئیات بیشتر، در حوضه زهکشی سد پر از خاک Pinios (منطقه آزمایشی)، محاسبه شد که 28.93٪ از پوشش گیاهی سوخته نشان دهنده افزایش نرخ از دست دادن خاک 36.2٪ است. پس از یک دهه بازسازی فیزیکی، میزان تلفات خاک به همان سرعتی می رسد که قبل از حادثه آتش سوزی وجود داشت.
همه اینها باید به طور جدی مورد توجه قرار گیرند زیرا استراتژی های جلوگیری از فرسایش خاک عمدتاً بر اساس ساخت سازه های گران قیمت ساخته شده توسط انسان است، اگرچه پوشش گیاهی و احیای سریع آن در مناطق سوخته ممکن است به طور موثر از فرآیندهای فرسایش جلوگیری کند.
چالش اصلی روش پیشنهادی و مدل صادراتی، تولید نتایج قابل اعتماد، بسته به کیفیت و کمیت داده های درج شده، به منظور شبیه سازی سناریوهای مختلف از حوضه های مختلف و تجسم آنها با صادرات نقشه های مناسب است. بنابراین، مدل باید در شرایط میدانی مختلف آزمایش شود تا دقت آن برآورد شود. علاوه بر این، مدل صادر شده ممکن است به یک سیستم پشتیبانی تصمیم (DSS) مرتبط باشد که هدف آن یک پیشنهاد کامل برای مدیریت زیست محیطی پایدار و کارآمد حوضه هایی است که تحت تأثیر آتش سوزی های شدید جنگلی یا سایر بلایای طبیعی قرار گرفته اند.

6. نتیجه گیری

هدف این مطالعه ارائه روشی برای محاسبه نرخ فرسایش زمین برای شرایط پس از آتش سوزی و تهیه نقشه های مدل لازم برای مقایسه تغییرات فرسایش خاک قبل از آتش سوزی و پس از آتش سوزی در فواصل زمانی مختلف است. بدین منظور فاکتورهای معادله RUSLE را در یک سیستم اطلاعات جغرافیایی (GIS) وارد کرده و با تحلیل مناسب نقشه‌های فرسایش خاک را با دقت بالا تولید می‌کند. تغییرات نرخ فرسایش خاک، در مناطق تحت تأثیر آتش سوزی، پس از آن می تواند به راحتی در فواصل زمانی مختلف محاسبه شود.
نقشه‌های مدلی که به دلیل این روش تولید می‌شوند با تلفیق میانگین سالانه نقشه‌ها و نرخ‌های فرسایش خاک قبل از آتش‌سوزی، بلافاصله پس از آتش‌سوزی و برای شرایط موجود با یکدیگر مقایسه می‌شوند. این نوع تولید نقشه بر روی مدل دقیق ارتفاع دیجیتال (DEM) اعمال می شود. همچنین استفاده از داده های تصاویر ماهواره ای با وضوح بالا برای تشخیص مناطق سوخته و همچنین ارزیابی شدت آتش سوزی نسبت به عوامل مورد استفاده در معادله RUSLE بسیار مهم است.
مهمترین عنصر در این فرآیند، برآورد دقیق تغییرات فرسایش خاک در مناطق آسیب دیده است. در منطقه آزمایشی، حوضه زهکشی سد خاکی پینیوس واقع در واحد منطقه ای ایلیا، نرخ افزایش نرخ فرسایش خاک بلافاصله پس از حادثه آتش سوزی برابر با 36.2٪ با میانگین افزایش در ضریب C 28٪. پس از گذشت یک دهه از حادثه آتش‌سوزی، میزان کاهش اتلاف خاک برابر با 31 درصد با کاهش متناظر در ضریب C به میزان 26 درصد بود که نشان‌دهنده بازسازی فیزیکی منطقه است. مقدار قابل توجهی از این تلفات خاک در مخزن سد رسوب کرده است که در نهایت ممکن است باعث تجمع و کاهش عمر عملیاتی سد شود که نیاز به بررسی بیشتر دارد.

منابع

  1. پروژه EC PESETA II: پیش بینی تأثیر اقتصادی تغییر آب و هوا در بخش های اتحادیه اروپا بر اساس تجزیه و تحلیل از پایین به بالا. در دسترس آنلاین: https://ec.europa.eu/jrc/en/peseta (دسترسی در 15 نوامبر 2019).
  2. ویرا، DCS; سرپا، دی. Nunes، JPC; Prats، SA; نیس، آر. Keizer، JJ پیش بینی اثربخشی تکنیک های مختلف مالچ پاشی در کاهش رواناب و فرسایش پس از آتش سوزی در مقیاس نمودار با مدل های RUSLE، MMF و PESERA. محیط زیست Res. 2018 ، 165 ، 365-378. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  3. وارلا، من؛ بنیتو، ای. اثرات Keijer، JJ آتش‌سوزی بر فرسایش‌پذیری خاک جنگل‌ها در شمال غربی اسپانیا. تخریب زمین توسعه دهنده 2010 ، 21 ، 75-82. [ Google Scholar ] [ CrossRef ]
  4. مودی، جی. Shakesby، RA; Robichaud، روابط عمومی; کانن، SH; مارتین، DA مسائل تحقیقاتی جاری مربوط به رواناب و فرآیندهای فرسایش پس از آتش سوزی. علوم زمین Rev. 2013 , 122 , 10-37. [ Google Scholar ] [ CrossRef ]
  5. Richter, G. جنبه ها و مشکلات خطر فرسایش خاک در کشورهای EEC. در فرسایش خاک ; پرندرگاست، AG، اد. کمیسیون جوامع اروپایی: گزارش شماره EUR 8427 EN.1983; دفتر انتشارات رسمی جوامع اروپایی: لوکزامبورگ، 1983; صص 9-17. [ Google Scholar ]
  6. Robichaud، RP; Cerdà, A. (Eds.) خلاصه و اظهارات. در فصل 21: اثرات آتش سوزی بر خاک و راهبردهای احیا . ناشران علوم: Enfield، NH، ایالات متحده، 2009. [ Google Scholar ]
  7. ویشمایر، WH; اسمیت، دی‌دی پیش‌بینی تلفات بارندگی-فرسایش از زمین‌های زراعی شرق کوه‌های راکی . کتاب راهنمای کشاورزی شماره 282; وزارت کشاورزی ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، 1965.
  8. ویشمایر، WH; اسمیت، DD پیش بینی تلفات فرسایش باران، راهنمای برنامه ریزی حفاظت . راهنمای کشاورزی شماره 537; وزارت کشاورزی، اداره علوم و آموزش ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، 1978.
  9. Wischmeier, WH برآورد ضریب پوشش و مدیریت معادله از دست دادن خاک برای منطقه دست نخورده. در فناوری کنونی و آینده نگر برای پیش بینی بازده و منابع رسوب ; انتشارات USDA ARS ARS-S: واشنگتن، دی سی، ایالات متحده آمریکا، 1975; جلد 40، ص 118–124. [ Google Scholar ]
  10. کینل، PIA؛ Risse، LM USLE-M: مدلسازی تجربی فرسایش بارندگی از طریق رواناب و غلظت رسوب. علم خاک Soc. صبح. J. 1998 , 62 , 1667-1672. [ Google Scholar ] [ CrossRef ]
  11. رنارد، KG; فاستر، GR; ویزیس، GA; پورتر، JP اصلاح شده معادله جهانی از دست دادن خاک. J. حفظ آب خاک. 1991 ، 46 ، 30-33. [ Google Scholar ]
  12. رنارد، KG; Freimund، JR با استفاده از داده‌های بارش ماهانه برای تخمین فاکتور R در USLE تجدیدنظر شده. جی هیدرول. 1994 ، 157 ، 287-306. [ Google Scholar ] [ CrossRef ]
  13. رنارد، KG; فاستر، GR; ویزیس، GA; مک کول، DK; Yoder، DC پیش بینی فرسایش خاک توسط آب: راهنمای برنامه ریزی حفاظت با معادله جهانی از دست دادن خاک (RUSLE) . کتاب راهنمای کشاورزی، شماره 703. USDA-ARS; وزارت کشاورزی ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، 1997; پ. 384.
  14. لوپز-ویسنته، ام. ناواس، A. پیش بینی فرسایش خاک با RUSLE در سیستم های کشاورزی مدیترانه ای در مقیاس حوضه آبریز. علم خاک 2009 ، 174 ، 272-282. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. 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. Landf. 1998 ، 23 ، 527-544. [ Google Scholar ] [ CrossRef ]
  16. Mati، BM; مورگان، RPC؛ Quinton، JN مدل‌سازی فرسایش خاک با EUROSEM در حوضه‌های Embori و Mukogodo، کنیا. زمین گشت و گذار. روند. Landf. 2006 ، 35 ، 579-588. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  17. کرکبی، ام. گوبین، ا. ارواین، بی. ارزیابی ریسک فرسایش خاک پان اروپا. در تحویل 5: استراتژی مدل PESERA، کاربری زمین و رشد گیاهی . دفتر خاک اروپا: بروکسل، بلژیک، 2003; در دسترس آنلاین: https://eusoils.jrc.it/ (در 23 ژوئن 2019 قابل دسترسی است).
  18. کرکبی، ام جی. ایروین، بی جی; جونز، RJA; گاورز، جی. تیم PESERA. مدل فرسایش در مقیاس درشت PESERA برای اروپا مدل منطقی و پیاده سازی. یورو J. Soil Sci. 2008 ، 59 ، 1293-1306. [ Google Scholar ] [ CrossRef ]
  19. الکساکیس، دی. Hadjimitsis، DG; Agapiou، A. استفاده یکپارچه از سنجش از دور، GIS و داده های بارش برای ارزیابی نرخ فرسایش خاک در حوضه آبریز “Yialias” در قبرس. اتمس. Res. 2013 ، 131 ، 108-124. [ Google Scholar ] [ CrossRef ]
  20. بورلی، پی. مرکر، ام. پاناگوس، پی. شوت، ب. مدل‌سازی فرسایش خاک و رسوب رودخانه برای یک حوضه زهکشی بین کوهستانی آپنین مرکزی، ایتالیا. CATENA 2014 ، 114 ، 45-58. [ Google Scholar ] [ CrossRef ]
  21. فینزی، ک. Ngetar، NS ارزیابی فرسایش ناشی از آب در سطح حوضه با استفاده از RUSLE مبتنی بر GIS و سنجش از دور: یک بررسی. بین المللی حفظ آب خاک Res. 2018 ، 7 ، 27–46. [ Google Scholar ] [ CrossRef ]
  22. دی پیازا، جی وی. دی استفانو، سی. Ferro, V. مدل‌سازی اثرات یک آتش‌سوزی در بوته‌ها بر فرسایش در حوضه مدیترانه/Modélisation des Impacts d’un incendie sur l’érosion dans un bassin Méditerranéen. هیدرول. علمی J. 2007 , 52 , 1253-1270. [ Google Scholar ] [ CrossRef ]
  23. فرناندز، سی. وگا، جی. Vieira، DCS ارزیابی فرسایش خاک پس از آتش‌سوزی و درمان‌های توانبخشی در شمال غربی اسپانیا: عملکرد مدل‌های راسل و اصلاح‌شده مورگان-مورگان-فینی. تخریب زمین توسعه دهنده 2010 ، 21 ، 58-67. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  24. رولی، ام سی; افددو، ال. Santini، M. مدل سازی استراتژی های کاهش فرسایش آب پس از آتش سوزی. هیدرول. سیستم زمین علمی 2013 ، 17 ، 2323-2337. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. افتیمیو، ن. پسومیادیس، ای. Panagos، P. نقشه‌برداری حساسیت به شدت آتش‌سوزی و فرسایش خاک با استفاده از داده‌های چند زمانی مشاهده زمین: مورد آتش‌سوزی کشنده ماتی در شرق آتیکا، یونان. CATENA 2020 ، 187 ، 1-16. [ Google Scholar ] [ CrossRef ]
  26. استیوز، TCJ; کرکبی، ام جی. Shakesby، RA; فریرا، AJD; سوآرس، جی. ایروین، بی. فریرا، CSS؛ کوهلو، COA; بنتو، CPM؛ Carreira، M. کاهش تخریب زمین ناشی از آتش سوزی: استفاده از مدل PESERA در سایت های متاثر از آتش سوزی در مرکز پرتغال. ژئودرما 2012 ، 191 ، 40-50. [ Google Scholar ] [ CrossRef ]
  27. کرامسوتی، م. پتروپولوس، GP; پاپانیکولاو، شناسه; کایریس، او. پیش‌بینی‌های نرخ فرسایش Kosmas، K. از PESERA و RUSLE در یک سایت مدیترانه قبل و بعد از آتش‌سوزی جنگلی: مقایسه و مفاهیم. ژئودرما 2016 ، 261 ، 44-58. [ Google Scholar ]
  28. فرناندز، سی. Vega، JA ارزیابی مدل‌های فرسایش rusle و مزاحم wepp برای پیش‌بینی از دست دادن خاک در سال اول پس از آتش‌سوزی جنگلی در شمال غربی اسپانیا. محیط زیست Res. 2018 ، 165 ، 279-285. [ Google Scholar ] [ CrossRef ]
  29. میرونیدیس، دی. ارزیابی سیاست کاهش فرسایش پس از آتش سوزی یونان از طریق تحلیل فضایی. پول جی. محیط زیست. گل میخ. 2009 ، 18 ، 865-872. [ Google Scholar ]
  30. فوندا، دی. Giannakopoulos، C. تابستان فوق العاده گرم سال 2007 در آتن، یونان – تابستان معمولی در آب و هوای آینده؟ گلوب. سیاره. چانگ. 2009 ، 67 ، 227-236، E-ISSN: 2224-3496. [ Google Scholar ] [ CrossRef ]
  31. دپونتیس، ن. ویدالی، م. کاوورا، ک. Sabatakakis، N. پیش‌بینی فرسایش خاک در حوضه مخزن آب سد Pineios، یونان غربی، با استفاده از معادله جهانی از دست دادن خاک (RUSLE) و GIS. WSEAS Trans. محیط زیست توسعه دهنده 2018 ، 14 ، 457–463، E-ISSN: 2224-3496. [ Google Scholar ]
  32. لعل، ر. انجمن حفاظت از خاک و آب (ایالات متحده). فرسایش خاک: روش تحقیق ، ویرایش دوم. انجمن حفاظت از خاک و آب: دلری بیچ، فلوریدا، ایالات متحده آمریکا. St. Lucie Press: Ankeny, IA, USA, 1994. [ Google Scholar ]
  33. Fournier, F. Climat et Erosion ; Presses Universitaires de France: Paris, France, 1960. [ Google Scholar ]
  34. روش آرنولدوس، HMJ برای تعیین حداکثر میانگین پتانسیل تلفات سالانه خاک ناشی از فرسایش ورق و شیار در مراکش استفاده شد. گاو نر خاکی فائو 1977 ، 34 ، 39-48. [ Google Scholar ]
  35. فاستر، GR; مک کول، DK; رنارد، KG; مولدنهاور، WC تبدیل معادله جهانی تلفات خاک به واحدهای متریک SI. J. حفظ آب خاک. 1981 ، 36 ، 355-359. [ Google Scholar ]
  36. مور، شناسه; Burch، GJ مبنای فیزیکی فاکتور طول-شیب در معادله جهانی از دست دادن خاک. علم خاک Soc. صبح. J. 1986 ، 50 ، 1294-1298. [ Google Scholar ] [ CrossRef ]
  37. مور، شناسه; فاکتورهای طول شیب ویلسون، JP برای معادله تلفات خاک جهانی تجدید نظر شده: روش ساده شده تخمین. J. حفظ آب خاک. 1992 ، 4 ، 423-428. [ Google Scholar ]
  38. میتاسووا، اچ. شبیه سازی فرسایش خاک چند مقیاسی برای مدیریت کاربری زمین. در فرسایش چشم انداز و مدل سازی تکامل ; Harmon, RS, Doe, WW, III, Eds. Springer: New York, NY, USA, 2001; صص 321-347. [ Google Scholar ] [ CrossRef ]
  39. هولمز، ک. چادویک، او. Kyriakidis، P. خطا در یک مدل ارتفاع دیجیتال 30 متری USGS و تأثیر آن بر مدل‌سازی زمین. جی هیدرول. 2000 ، 233 ، 154-173. [ Google Scholar ] [ CrossRef ]
  40. راج، آر. جورج، جی. راگاوندرا، س. کومار، اس. Agrawal, S. اثر وضوح DEM بر محاسبه عامل LS. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. Sci 2018 ، XLII-5 ، 315-321. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  41. خسروپناه، س. هایتس، ال. ون، ی. پارک، ام. توسعه یک مدل پتانسیل فرسایش خاک مبتنی بر GIS در حوزه آبخیز اوگم . گزارش فنی شماره 117; موسسه تحقیقات محیطی آب اقیانوس آرام غربی، دانشگاه گوام: Mangilao، Guam، 2007. [ Google Scholar ]
  42. لیو، اچ. کیزل، جی. هورمن، جی. فوهرر، ن. اثرات تفکیک افقی DEM و روش ها بر محاسبه ضریب طول شیب در مناظر به آرامی نورد. CATENA 2011 ، 87 ، 368-375. [ Google Scholar ] [ CrossRef ]
  43. مورگان، فرسایش و حفاظت خاک RPC ، ویرایش سوم. Blackwell Publishing Co.: Malden، MA، ایالات متحده آمریکا، 2005. [ Google Scholar ]
  44. Van der Knijff, JM; جونز، RJA; مونتانارلا، L. ارزیابی ریسک فرسایش خاک در اروپا، گزارش علمی و فنی JRC-EUR 19022 EN ; دفتر خاک اروپا، کمیسیون اروپا: بروکسل، بلژیک، 2000; 58 p. [ Google Scholar ]
  45. فام، تی جی; دژنر، ج. Kappas، M. معادله جهانی از دست دادن خاک (USLE) و سیستم اطلاعات جغرافیایی (GIS) برای تخمین فرسایش خاک در حوضه A Sap: ویتنام مرکزی. بین المللی حفظ آب خاک Res. 2018 ، 6 . [ Google Scholar ] [ CrossRef ]
  46. بیکر، ام. گاور، جی. دورن، ا. کویتیر، اف. چوورداس، د. Rounsevell، M. پاسخ فرسایش خاک و صادرات رسوب به تغییر کاربری زمین در چهار منطقه اروپا: اهمیت الگوی منظر. ژئومورفولوژی 2008 ، 98 ، 213-226. [ Google Scholar ] [ CrossRef ]
  47. دیوداتو، ن. فاگنانو، م. Alberico، I. مدل‌سازی جغرافیایی و بصری برای کاوش در مناطق منبع رسوب در سراسر چشم‌انداز رودخانه Sele، ایتالیا. ایتالیایی جی. آگرون. 2011 ، 6 ، e14. [ Google Scholar ] [ CrossRef ]
  48. پاناگوس، پی. بورلی، پی. میوسبرگر، ک. الول، سی. لوگاتو، ای. Montanarella, L. برآورد عامل مدیریت پوشش فرسایش خاک در مقیاس اروپایی. ارزیابی جدید از دست دادن خاک توسط فرسایش آبی در اروپا سیاست کاربری زمین 2015 ، 48 ، 38-50. [ Google Scholar ] [ CrossRef ]
  49. زانتاکیس، M. مطالعه فرسایش خاک در حوضه کوهستانی دریاچه ماراتون، آتیکا یونان، با استفاده از ابزارهای تکنولوژیک مدرن. Ph.D. پایان نامه، هاروکوپیو پانپیستیمیو آتن، کالیته، یونان، 2011; 288p. [ Google Scholar ]
  50. ویدالی، م. برآورد مدل فرسایش خاک در مخزن سد پینیوس استان ایلیا. پایان نامه کارشناسی ارشد، دانشگاه پاتراس، پاتراس، یونان، 2013; 114p. [ Google Scholar ]
  51. رنارد، KG; فاستر، GR حفاظت از خاک: اصول فرسایش توسط آب. در کشاورزی دیم ; Dregne, HE, Willis, WO, Eds. انجمن آمریکایی کشاورزی: ​​مدیسون، WI، ایالات متحده آمریکا، 1983; صص 155-176. [ Google Scholar ]
  52. Shin, GJ تجزیه و تحلیل تحلیل فرسایش خاک در حوزه آبخیز با استفاده از GIS. Ph.D. پایان نامه، دانشگاه ملی Gang-won، Chuncheon، کره، 1999. [ Google Scholar ]
Ijgi 09 00562 g001 550
شکل 1. منطقه خلبان.
Ijgi 09 00562 g002 550
شکل 2. منطقه سوخته ارائه شده در نقشه تصویری Landsat.
Ijgi 09 00562 g003 550
شکل 3. منطقه سوخته ارائه شده در یک نقشه تصویری نقطه ای.
Ijgi 09 00562 g004 550
شکل 4. نقشه دیجیتالی ارتفاع (DEM) منطقه آزمایشی.
Ijgi 09 00562 g005 550
شکل 5. نقشه زمین شناسی منطقه پایلوت.
Ijgi 09 00562 g006 550
شکل 6. ( الف ) نقشه Corine Land Cover 2006 و ( b ) Corine Land Cover 2018 نقشه منطقه آزمایشی.
Ijgi 09 00562 g007 550
شکل 7. ارائه روش شناسی کاربردی.
Ijgi 09 00562 g008 550
شکل 8. نقشه ضریب فرسایش بارندگی-رواناب R منطقه پایلوت.
Ijgi 09 00562 g009 550
شکل 9. نقشه ضریب فرسایش پذیری خاک (K) منطقه پایلوت.
Ijgi 09 00562 g010 550
شکل 10. ( الف ) پر کردن نقشه DEM، ( ب ) نقشه شیب، ( ج ) نقشه جهت جریان، ( د ) نقشه تجمع جریان.
Ijgi 09 00562 g011 550
شکل 11. نقشه طول شیب و فاکتور شیب (LS) منطقه پایلوت.
Ijgi 09 00562 g012 550
شکل 12. نقشه های فاکتور مدیریت پوشش منطقه آزمایشی ( الف ) قبل از آتش سوزی، ( ب ) پس از آتش سوزی و ( ج ) یک دهه پس از آتش سوزی جنگلی.
Ijgi 09 00562 g013 550
شکل 13. ( الف ) فرسایش خاک قبل از آتش سوزی، ( ب ) فرسایش خاک پس از آتش سوزی، ( ج ) فرسایش خاک موجود – نقشه های منطقه تحقیقاتی.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید