کارایی آنالیز کمی پارامترهای ژئومورفومتریک در تهیه نقشه حساسیت فرسایش خاک (مطالعه موردی: حوضه منج)
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 267
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GEH-7-2_001
تاریخ نمایه سازی: 24 فروردین 1400
چکیده مقاله:
ژئومورفومتری زیرمجموعهای از ژئومورفولوژی است که دارای رویکرد اندازهگیری کمّی و کیفی عوارض سطح زمین میباشد. ژئومورفومتری شبکه زهکشی در فهم فرآیندهای تشکیلدهنده لندفرمها، خواص فیزیکی خاک و ویژگیهای فرسایشی آن بسیار مهم است. در این پژوهش با استفاده از آنالیز پارامترهای ژئومورفومتریک و روشهای فاکتور ترکیب و VIKOR به اولویتبندی فرسایشپذیری زیرحوضههای حوضه آبخیز منج در استان چهارمحال و بختیاری که یک منطقه حساس به فرسایش میباشد، پرداخته شده است. بدینمنظور از مدل رقومی ASTER با دقت 30 متر و ArcGIS برای استخراج و آنالیز 22 پارامتر ژئومورفومتریک که شامل پارامترهای پایه، خطی، شکلی و توپوگرافیک است، استفاده گردید. بهمنظور صحتسنجی روشها از مقادیر عددی فرسایش ویژه استخراج شده برای هر یک از زیرحوضهها استفاده شده است. طبق نتایج پارامترهای تراکم زهکشی، شیب و عدد نفوذ بیشترین تأثیر را در فرسایشپذیری داشتهاند. نتایج حاصل از اولویتبندی زیرحوضهها نشان داد که در هر دو روش زیرحوضه 1 دارای بیشترین حساسیت به فرسایش است که علت آن بالا بودن مقادیر پارامترهای خطی و توپوگرافیک و پایین بودن مقادیر پارامترهای شکلی در آن میباشد. پس از اولویتبندی زیرحوضهها، حوضه منج با مساحت 707/70 کیلومترمربع، از لحاظ حساسیت به فرسایش به 3 کلاس حساسیت خیلی زیاد، زیاد و متوسط در مدل فاکتور ترکیب و به چهار کلاس حساسیت خیلی زیاد، زیاد، متوسط و کم در مدل VIKOR طبقهبندی گردید. مقایسه نتایج حاصل از اولویتبندی زیرحوضهها با مقادیر عددی فرسایش ویژه اندازهگیری شده برای هر یک از زیرحوضهها نشان داد که پارامترهای ژئومورفومتریک دارای کارایی بالایی در شناسایی مناطق حساس به فرسایش بوده و همچنین روش VIKOR دارای دقت پیشبینی بالاتری نسبت به روش فاکتور ترکیب است.
کلیدواژه ها:
نویسندگان
مجتبی یمانی
دانشگاه تهران
علیرضا عرب عامری
تربیت مدرس
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :