Copyright©2018, University of Isfahan. This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/BY-NC-ND/4.0), which permits others to download this work and share it with others as long as they credit it,

but they can’t change it in any way or use it commercially. Doi: 10.22108/jssr.2018.84023.0

http://ui.ac.ir/en

Journal of Stratigraphy and Sedimentology Researches University of Isfahan

Vol. 34, Issue 1, No. 70, Spring 2018 pp. 13-16

Received: 04.07.2016 Accepted: 13.01.2018

Evaluation of erosion risk map based on hierarchical decision tree method, a case study: Semnan

drainage basin

Khalil Rezaei*

Assistant Professor, Sedimentology, Department of Earth Sciences, Kharazmi University, Tehran, Iran.

*Corresponding author email: kh.rezaei@gmail.com

Introduction

Today, Soil erosion has become one of the biggest problems in the country, especially in arid and semi-arid including Semnan. Effective and long term water and soil conservation programs require the concentration of resources on limited areas. For that purpose, regional-scale assessments of erosion risk are required. There are various methods to studying, evaluating, calculate and prevention with soil erosion. In addition, a number of parameters such as lithology, slope, aspect, land cover, elevation, and distance to stream, drainage density, vegetable cover, land use, river banks, and human activities are recommended to analyze the mechanism of soil erosion. So a rapid and cost effective methodological erosion assessment for these regions is required to describe and monitor the processes that control erosion. This study uses one of the remote sensing analyses to describe the contribution of several factors

that control erosion in Semnan drainage basin where erosion is the major environmental problem. Remote sensing monitoring has been carried out by using aero photos, or multispectral images, DTM (Digital Terrain Model) or ALS (Airborne LASER Scanning) data. Semnan basin, study area, is located in north of Kavir plain and south of Alborz mountain range.

Material & Methods This study was conducted to evaluate the potential of

analyzing regional erosion risk Topography, land use; vegetation density, soil properties and climatic proxies are

used to determine erosion risk and to provide basic maps of

water and soil conservation practices. A hierarchical decision tree is used to sum and combine the weight of parameters

controlling the erosion. The assigned weights of each spatial unit express the susceptibility to erosion. The most important

attributes in the definition of erosion landforms like gullies were selected using decision tree induction algorithms, being

these attributes spectral, altimetry and texture. Classifications

hierarchical and by decision trees were carried out. Using

decision tree the classification is performed only by a factor of scale, not allowing the identification of all the constituent

features of the erosion landforms system. One of the advantages of this method is that it can be used if there are

insufficient experimental data. The lack of experimental data can be compensated for through the use of expert evaluations.

Discussion of Results & Conclusions

Three different combinations of the three dominant controlling factors are yielded in this study. In order to

optimize the qualitative erosion risk assessment, each

combination is discussed and evaluated depending on the contribution of parameters involved in the erosion process.

As different erosion landforms erosion is similar when presents the same evolution stage and soil type, it is not

possible to select attributes to classify all erosion landform systems, being necessary to investigate attributes for each

erosion landform erosion, based on available data and existing land use classes in the area. The erosion landforms

are the biggest erosive processes and, consequently, responsible for ambient, social and financial damages.

Corrective and preventive measures need mapping and

monitoring, which can be made by local measurements or by remote sensing. In relation to the remote sensing, the erosion

landform erosion presents spectral heterogeneity (soil, vegetation, shade and water mix), spatial heterogeneity

(existence of features as head, canals and digits with irregular forms and variable dimensions) and altimetry variation (with

high declivity on the edges). Due to spectral heterogeneity, it

is not enough use only spectral data, being necessary

auxiliary data, as altimetry and texture data. This clearly shows that the study area is generally exposed to a high

hazard of soil erosion. Nevertheless, there is a probability that the rate of erosion will increase in the future, as hazard is the

probability of occurrence of a potential damaging phenomenon, within a period of time and a given area. As

known, there is always an interest to depend on latest developments when making subjective judgments. In spite of

the results obtained in this study, the development of a susceptibility map is usually determined by the needs and

available resources, and AHP method can be equally

important for all sorts of susceptibility zoning practices. The purpose of this study was to assess the soil erosion

hazard in the Semnan province for planning appropriate conservation measures. The integrated GIS-AHP model was

used to define spatial distribution of soil erosion hazard. In this area, erosion risk mainly was related with vegetation and

Journal of Stratigraphy and Sedimentology Researches University of Isfahan, Vol. 34, Issue 1, No. 70, Spring 2018 14

also, it anticipated that the southern and south-eastern region

due to the poverty of vegetation associated with increased levels of erosion. In each of the three mapped models, the

area of the class with high erosion sensitivity was more than 75% and for observational data, the area in all three maps is

above 71%. Also, the results of the assessment show that in all three maps there are over 99% correlation between the

data obtained from the modeling and the test data. The erosion landforms present spectral and spatial heterogeneity

and altimetry variation. This research demonstrates that the model developed was an effective tool for fast assessment of

soil erosion hazard by the integration of remote sensed data, AHP, and GIS techniques. Nevertheless, the results obtained

in this study are valid only for generalized planning and assessment purposes. They may be less useful at the site-

specific scale, where local geological and geographic heterogeneities may prevail. Finally, any proposed decision-

making tool in erosion control studies should also include

local experimentation data to better simulate the erosion hazard, resulting thereby in the most appropriate and efficient

choice of soil conservation works.

Keyword: Sediment, Erosion, Remote Sensing, Modeling, GIS, Semnan.

References

Agassi M. 1996. Soil Erosion, Conservation, and Rehabilitation. Marcel Dekker Inc., New York, p.

424. Bayramin I. Dengiz O. Baskan O. and Parlak M. 2003. Soil

erosion risk assessment with ICONA model; case study: Beypazar YArea. Turkish Journal of

Agriculture and Forestry 27:105-116. Bishr Y.A. and Radwan M.M. 1995. Preliminary design of a

decision support system for watershed management. ITC Journal, 1:23-28.

Biswas S. Sudhakar S. and Desai V.R. 1999. Prioritization of sub-watersheds based on morphometric analysis of

drainage basin: a remote sensing and GIS approach.

Journal of the Indian Society of Remote Sensing 27 (3):155-166.

Boardman J. and Vandaele K. 2010. Soil erosion, muddy floods and the need for institutional memory, Area,

42(4):502–513. Bouaziz M. Leidig M. and Gloaguen R. 2011. Optimal

parameter selection for qualitative regional erosion risk monitoring: A remote sensing study of SE

Ethiopia. Geoscience Frontiers 2(2):237- 245. Bouaziz M. Wijaya A. and Gloaguen R. 2009. Gully erosion

mapping using aster data and drainage network analysis in the main Ethiopian rift. In: Proceeding of

the International Geoscience and Remote Sensing Symposium (IRARSS), Cape Town, South Africa. p.

I13-I16. Bryan R.B. 1977. Assessment of soil erodibility: new

approaches and directions. In: Toy, T.J. (Ed.), Erosion: Research Techniques, Erodibility and

Sediment Delivery, Geoabstracts, Norwich. p. 57-72.

Chen W. Xie X. Wang J. Pradhan B. Hong H. Bui D.T. Duan Zh. And Ma J. 2017. A comparative study of

logistic model tree, random forest, and classification and regression tree models for spatial prediction of

landslide susceptibility. CATENA, 151:147–160.

Cerdan O. Souch_ere V. Lecomte V. Couturier A. Le and

Bissonnais Y. 2002. Incorporating soil surface crusting processes in an expert-based runoff model:

sealing and transfer by runoff and erosion related to agricultural management. CATENA 46 (2-3):189-

205. Crepani E. de Medeiros J.S. Hernandez F.P. Galloti F.T.

Duarte V. and Faria B.C.C. 2001. Remote Sensing and Geoprocessing Applied to the Ecological and

Economical Zoning and to the Territorial Ordering, INPE-8454-RPQ/722, S~ao Jos_e dos Campos,

Brazil, p. 124 (in Portuguese with English abstract). Devi R. Tesfahune E. Legesse W. Deboch B. and Beyene A.

2008. Assessment of siltation and nutrient enrichment of Gilgel Gibe dam, Southwest Ethiopia. Journal of

Bioresource Technology 99(5):975-979. Drzewiecki W. Wezyk P. Pierzchalski M. and Szafran-Ska B.

2013. Quantitative and Qualitative Assessment of

Soil Erosion Risk in Małopolska (Poland), Supported by an Object-Based Analysis of High-Resolution

Satellite Images, J. Pure and Applied Geophysics, DOI 10.1007/s00024-013-0669-7.

Dupac M. 2010. Soil erosion and degradation based on sand particles transport caused by wind blowing, Natural

Resource Modeling, 23(2):121-122. El-Swaify S.A. 1997. Factors affecting soil erosion hazards

and conservation needs for tropical steeplands. Soil Technology 11: 3-6.

Enters T. 1998. A framework for economic assessment of soil erosion and soil conservation. In: Penning de Vries,

F.W.T., Agus, F., Kerr, J. (Eds.), Soil Erosion at Multiple Scales: Principles and Methods for

Assessing Causes and Impacts. CAB Publishing, Wallingford, UK, p. 317-342.

Essa S. 2004. GIS modeling of land degradation in Northern Jordan using Landsat imagery. In: Proceeding of the

20th ISPRS Congress 12e23 July 2004, Istanbul, Turkey, 505-510.

Fernandes J. Bateirad C. Soares L. Faria A. Oliveira A.

Hermenegildo C. Moura R. and Gonçalves J. 2017. SIMWE model application on susceptibility analysis

to bank gully erosion in Alto Douro Wine Region agricultural terraces. CATENA, 153:39-49.

Foth L.T. and Turk L.M. 1972. Fundamentals of Soil Science, fifth ed. John Wiley & Sons, Inc., New

York, p. 371. Frank T.D. and Isard S.A. 1986. Alpine vegetation

classification using high resolution aerial imagery and topoclimatic index values. Photogrammetric

Engineering and Remote Sensing, 52 (3): 381-388. Gahegan M. German G. and West G. 1999. Improving Neural

Network Performance on the Classification of Complex Geographic Datasets. Journal of

Geographical Systems, 1:3-2. Gessler P.E. Moore I.D. McKenzie N.J. and Ryan P.J. 1995.

Soil-landscape modeling and spatial prediction of soil attributes. International Journal of Geographical

Information Systems 9 (4):421-432.

Grum B. Woldearegay K. Hessel R. Baartman J.E.M. Abdulkadir M. Yazewe E. Kessler A. Ritsem C. J.

and Geissen V. 2017. Assessing the effect of water harvesting techniques on event-based hydrological

responses and sediment yield at a catchment scale in

Evaluation of erosion risk map based on hierarchical decision tree method, a case study: Semnan drainage basin

15

northern Ethiopia using the Limburg Soil Erosion

Model (LISEM), CATENA, 159: 20-34. Harris M.T. and Boardman J. 1990. A rule-based expert

system approach to predicting waterborne soil erosion. In: Boardman, J. Foster, D.L. Dearing, J.A.

(Eds.) Soil Erosion on Agricultural Land. John Wiley & Sons, Chichester, p. 401-412.

Hill J. Megier J. Mehl W. 1995. Land degradation, soil erosion and desertification monitoring in

Mediterranean ecosystems. Remote Sensing Reviews, 12:107-130.

Hurni H. 1993. Land degradation, famine and resource scenarios in Ethiopia. In: Pimental, D. (Ed.), World

Soil Erosion and Conservation. Cambridge University Press, Cambridge, p. 27-61.

Jain S.K. Dolezal F. 2000. Modeling soil erosion using EPIC supported by GIS, Bohemia, Czech Republic. Journal

of Environmental Hydrology, 8:1-11.

Kirkby M. 2001. Modeling the interaction between soil surface properties and water erosion. CATENA 46:

89-102. Kothyari U.C. 1996. Erosion and sedimentation problems in

India. In: Wailing D.E. Webb B.W. (Eds.), Erosion and Sediment Yield: Global and Regional

Perspectives, 236. IAHS Publication, 531-540. Li P. Mu X. Holden J. Wu Y. Irvine B. Wang F. Gao P. Zhao

G. and Sun W. 2017. Comparison of soil erosion models used to study the Chinese Loess Plateau,

Earth-Science Reviews, 170: 17-30. Li Zh. Zhang Y. Zhu Q. Yang S. Lia H. and Ma H. 2017. A

gully erosion assessment model for the Chinese Loess Plateau based on changes in gully length and area,

CATENA, 148(2):195-203. Majaliwa M.J.G. Magunda M.K. Tenywa M.M. and Isabirye

M. 2003. Effect of topography on soil erodibility in Kakuuto micro-catchment, Uganda. East African

Agricultural and Forestry Journal, 69(1):19-27. Martinez G. Weltz M. Pierson F.B. Spaeth K.E. and

Pachepsky Y. 2017. Scale effects on runoff and

soil erosion in rangelands: Observations and estimations with predictors of different availability,

CATENA, 151:161-173. Martinez-Casasnovas, J.A. 2003. A spatial information

technology approach for the mapping and quantification of gully erosion. CATENA 50 (24):

293-308. Mitasova H. Hofierka J. Zlocha M. and Iverson L.R. 1996.

Modeling topographic potential for erosion and deposition using GIS. International Journal of

Geographical Information Science, 10(5):629-641. Morgan R.P.C. 1995. Soil Erosion and Conservation, second

ed., Essex, New York, p. 320. Moore I.D. Gessler P.E. Nielson G.A. and Peterson G.A.

1993. Soil attributes prediction using terrain analysis. Soil Science Society of America Journal 2:443-452.

Nearing M. A. Yin Sh. Borrelli P. and Polyakova V.O. 2017. Rainfall erosivity: An historical review. CATENA,

157:357-362.

Oldeman L.R. Hakkeling R.T.A. and Sombroek W.G. 1990. World Map of the Status of Human-induced Soil

Degradation: An Explanatory Note, Wageningen, Netherlands, p. 34.

Oldeman L.R. 1994. The global extent of soil degradation. In: Greenland, D.J., Szabolcs, I. (Eds.), Soil Resilience

and Sustainable Land Use. CAB International, Oxon,

U.K., p. 115. Pickup G. and Chewings V.H. 1996. Correlations between

DEM-derived topographic indices and remotely sensed vegetation cover in rangelands. Earth Surface

Processes and Landforms, 21:517-529. Quinton J.N. 1997. Reducing predictive uncertainty in model

simulations: a comparison of two methods using the European Soil Erosion Model EUROSEM, 30:101-

117. Qygarden L. 2003. Rill and gully development during an

extreme winter runoff event in Norway. 50 (2-4):217-242.

Reusing M. Schneider T. and Ammer U. 2000. Modeling soil loss rates in the Ethiopian Highlands by integration of

high resolution MOMS- 02/D2-stereo-data in a GIS. Journal of Remote Sensing, 21:1885-1896

Rouse J.W. Haas R.H. Schell J.A. and Deering D.W. 1974.

Monitoring vegetation systems in the Great Plains with ERTS. In: Freden, S.C., Mercanti E.P. Becker

M.A. (Eds.), Third Earth Resource Technology Satellite-1 Symposium, vol. 1, Technical

Presentations. NASA, Washington, D.C. p. 309-317. Singh G. Babu R. Narain P. Bhushan L.S. and Abrol I.P.

1992. Soil erosion rates in India. Journal of Soil and Water Conservation, 47 (1): 97-99.

Stocking M.A. and Murnaghan N. 2001. A Handbook for the Field Assessment of Land Degradation. Earthscan

Publication, London, UK, p. 169. Sukhanovskii Y. P. 2010. Rainfall Erosion Model, Eurasian

Soil Science, 43(9):1036-1046. Thornes J.B. Shao J.X. Diaz E. Roldan A. McMahon M. and

Hawkes J.C. 1996. Testing the MEDALUS hillslope model. 26:137-160.

Toy T.J. Foster G.R. and Renard K.G. 2002. Soil Erosion: Processes, Prediction, Measurement and Control.

John Wiley & Sons, New York. Trimble W.S. 1990. Geomorphic effects of vegetation cover

and management: some time and space

considerations in predicting of erosion and sediment yield. In: Thornes, J.B. (Ed.), Vegetation and

Erosion. John Wiley & Sons Ltd., UK, p. 55-65. Van Rompaey A.J.J. and Govers G. 2002. Data quality and

model complexity for regional scale soil erosion prediction. International Journal of Geographical

Information Science, 16(7): 663-680. Vrieling A. Sterk G. and Beaulieu N. 2002. Erosion risk

mapping: a methodological case study in the Colombian Eastern Plains. Journal of Soil and Water

Conservation, 57(3):158-163. Wang L. Huang J. Du Y. Hu Y. and Han P. 2013. Dynamic

Assessment of Soil Erosion Risk Using Landsat TM and HJ Satellite Data in Danjiangkou Reservoir Area,

China, Remote Sensing, 5:3826-3848. Wijaya A. 2005. Application of Multi-stage Classification to

Detect Illegal Logging with the Use of Multi-source Data, MSc. Thesis, ITC, Enschede, The Netherlands.

Yao H. Shi Ch. Shao W. Bai J. and Yang H. 2017. Changes

and influencing factors of the sediment load in the Xiliugou basin of the upper Yellow River, China,

CATENA, 142:1-10. Yves L.B. Montier C. Jamagne M. Daroussin J. and King D.

2002. Mapping erosion risk for cultivated soil in France. CATENA, 46(23):207-220.

Journal of Stratigraphy and Sedimentology Researches University of Isfahan, Vol. 34, Issue 1, No. 70, Spring 2018 16

‌شناسي‌نگاري‌و‌رسوب‌هاي‌چينه‌پژوهش

‌7930شماره‌اول،‌بهار‌،‌07سال‌سي‌و‌چهارم،‌شماره‌پياپي‌

‌39/77/7931:‌تاريخ‌پذيرش‌‌‌‌‌74/74/7931:‌تاريخ‌وصول

‌11-‌40صص

: یمورد ۀمطالع) یدرخت یریگ میبر اساس روش تصم شینسبت به فرسا تیحساس ۀنقش یابیارز

‌(سمنان زیآبر ۀحوض‌

تهران،‌ايران‌،يدانشگاه‌خوارزم‌گروه‌آموزشي‌زمين‌شناسي،‌،ارياستاد ،ییرضا لیخل

‌ چکیده

‌فرسا ‌‌شيامروزه، ‌بزرگ‌يکيخاک‌به ‌به‌يها‌معضل‌نيتر‌از ‌نواح‌ژهيو‌کشور ‌ن‌يدر ‌تبد‌از‌خشک‌مهيخشک‌و ‌سمنان ‌است‌ليجمله .‌شده

‌يصرفه‌برا‌به‌و‌مقرون‌عيسر‌يروش‌يريخاک‌و‌مقابله‌با‌آن‌وجود‌دارند‌و‌بکارگ‌شيفرسا‌ۀمحاسب‌يبرا‌يمتنوع‌يابيمطالعه‌و‌ارز‌يها‌روش

‌فرسا‌يابيارز ‌به ‌مستعد ‌توص‌به‌شيمناطق ‌پا‌فيمنظور ‌فرسا‌نديفرا‌شيو ‌ح‌يضرور‌شيکنترل ‌است‌ياتيو ‌مطالع. ‌‌ۀدر از‌‌يکيحاضر،

‌نيا.‌سمنان‌استفاده‌شده‌است‌زيآبر‌ۀدر‌حوض‌شياز‌عوامل‌مؤثر‌در‌کنترل‌فرسا‌يتعداد‌عيتوز‌ۀويش‌فيتوص‌يسنجش‌از‌دور‌برا‌يها‌روش

جزو‌مسائل‌‌شيفرسا‌نديفرا‌،ييهوا‌و‌آب‌طيالبرز‌قرار‌دارد‌و‌به‌علت‌شرا‌يکوهها‌رشته‌ينوبج‌يها‌و‌دامنه‌ريدر‌شمال‌دشت‌کو‌زيآبر‌ۀحوض

‌مح ‌است‌يعيطب‌طيمهم ‌آن ‌گ‌،ياراض‌يکاربر‌،يتوپوگراف. ‌پوشش ‌داده‌يها‌يژگيو‌،ياهيتراکم ‌و ‌آب‌يها‌خاک ‌يبرا‌ييهوا‌و‌مؤثر

‌يبرا‌يدرخت‌يريگ‌ميروش‌تصم.‌آب‌و‌خاک‌استفاده‌شدند‌فاظتح‌يها‌اقدام‌يۀپا‌ۀنقش‌يۀو‌ته‌شينسبت‌به‌فرسا‌تيکردن‌حساس‌مشخص

‌تيحساس‌زانيم‌،ييفضا‌ياز‌واحدها‌کيبه‌هر‌‌افتهي‌اختصاص‌يوزن‌ها.‌استفاده‌شد‌شيکنترل‌فرسا‌يها‌وزن‌شاخص‌بيکردن‌و‌ترک‌جمع

‌ب‌شيبه‌فرسا ‌کند‌يم‌انيرا ‌کردن‌نهيبه‌ياستخراج‌شدند‌و‌برا‌شده‌عهمطال‌ۀدر‌منطق‌شيفرسا‌يمتفاوت‌عوامل‌کنترل‌بيکسه‌نقشه‌از‌سه‌تر.

‌هر‌‌تيحساس‌يفيک‌يابيارز ‌ترک‌کينسبت‌به، ‌به‌توز‌شده‌جاديا‌باتياز ‌يابيارز‌و‌‌بحث‌‌يشيفرسا‌نديفرا‌ۀرنديدربرگ‌يها‌شاخص‌عيبسته

و‌‌يجنوب‌يه‌بخش‌شود‌يم‌ينيب‌شيمرتبط‌است‌و‌پ‌ياهيطور‌عمده‌با‌پوشش‌گ‌خاک‌به‌شينسبت‌به‌فرسا‌تيمنطقه،‌حساس‌نيدر‌ا.‌شدند

‌ۀدر‌هر‌سه‌نقش‌شيفرسا‌اديز‌تيمساحت‌کالس‌حساس.‌همراه‌شوند‌شيفرسا‌زانيم‌شيبا‌افزا‌ياهيمنطقه‌به‌علت‌فقر‌پوشش‌گ‌يشرق‌جنوب

نشان‌‌يابيارز‌جينتا.‌درصد‌است‌07از‌‌شيمساحت‌در‌هر‌سه‌نقشه‌ب‌نيا‌زين‌يا‌مشاهده‌يها‌داده‌يدرصد‌و‌برا‌01از‌‌شيب‌شده‌يالگوساز

‌.آزمون‌وجود‌دارد‌يها‌و‌داده‌يحاصل‌از‌الگوساز‌يها‌داده‌نيدرصد‌ب‌33از‌‌شيب‌يدر‌هر‌سه‌نقشه،‌همبستگ‌دهند‌يم

‌سمنان‌،يسنجش‌از‌دور،‌الگوساز‌ش،يرسوب،‌فرسا‌:های کلیدی واژه

73739107710:‌نويسندۀ‌مسؤول‌‌‌ Email: kh.rezaei@gmail.com

Copyright©2018, University of Isfahan. This is an Open Access article distributed under the terms of the Creative Commons

Attribution License (http://creativecommons.org/licenses/BY-NC-ND/4.0), which permits others to download this work and share it

with others as long as they credit it, but they can’t change it in any way or use it commercially.

7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 40

مقدمه

‌خطرناک ‌از ‌يکي ‌و ‌فيزيکي ‌فرايندي ‌خاک ترين‌‌فرسايش

‌کاهش‌ ‌باعث ‌که ‌است ‌زمين ‌سطح ‌گسيختگي سازوکارهاي

‌اح ‌و ‌خاک ‌زمينصلخيزي ‌به ‌‌آسيب ‌کشاورزي شود‌‌ميهاي(Oldeman 1994; Morgan 1995; El-Swaify 1997; Enters

(1998; Boardman & Vandaele 2010; Dupac 2010بين‌‌و‌‌ از

‌خاک ‌و‌‌رفتن ‌سدها ‌پرشدن ‌کشت، ‌براي ‌باارزش هاي

‌هستند‌رودخانه ‌آن ‌اصلي ‌نتايج ‌ازجمله ;Kothyari 1996)‌ها

(Biswas et al. 1999; Jain and Dolezal 2000‌ ‌اقتصادي‌. تأثير

‌به ‌مغذي‌هدررفته ‌در‌‌فرسايش‌خاک‌در‌جايگزيني‌مواد ويژه

کشورهاي‌در‌حال‌توسعۀ‌مواجه‌با‌کمبود‌منابع‌درخور‌توجه‌

‌.(Reusing et al. 2000)‌است

انسان‌‌تأثيرهاي‌پياپي‌و‌‌به‌شدت‌خشکسالي‌توجه‌امروزه‌با

‌تخريب‌منابع‌زيست‌در ‌و‌‌جنگل‌ويژه‌بهمحيطي‌‌طبيعت‌و ها

مزارع‌و‌تخريب‌‌،ها‌زايي‌باعث‌هجوم‌ماسه‌بيابان‌ۀ،‌پديدمراتع

‌آن‌زيرساخت ‌پي ‌در ‌و ‌است‌،ها ‌شده ‌روستاييان ‌.مهاجرت

‌بيابان ‌مرحل‌پيشروي ‌در ‌نخستها ‌‌فعاليت‌ۀ ‌انساني و‌هاي

‌طبيعي‌بهره ‌منابع ‌حد هاي‌نامناسب‌و‌‌روش‌،برداري‌بيش‌از

شدن‌‌گرمو‌هدررفتن‌آب‌و‌‌هوا‌و‌تغييرات‌آب‌،نادرست‌آبياري

‌در‌پي‌ۀ‌کر يند‌فرسايش‌و‌اطي‌فر‌خاک‌.داشته‌استزمين‌را

‌آلي‌تهي‌مي‌تخريب ‌معدني‌و ‌مواد ‌کم‌از ‌و کم‌استعداد‌‌شود

‌ ‌آن ‌در ‌يابد‌مي‌کاهشرويش .‌ ‌موقعيتفرسايش ‌اثر هاي‌‌بر

‌عوامل ‌با ‌رويارويي ‌و ‌‌مختلف ‌خاک، ‌و‌زميني، ‌آب منابع

‌ ‌گياهي ‌ميپوشش ‌‌اتفاق ‌و ‌نوع‌افتد ‌مانند ‌طبيعي عوامل

‌زمين ‌‌سازندهاي ‌اقليم، ‌خاک، ‌بافت ‌شناسي، کاربري‌تغيير

‌اراضي‌ ‌کنار ‌اقتصادي‌ودر ‌اجتماعي، افزايش‌‌عوامل‌انساني،

‌نابودي‌جنگل ‌زراعت‌نادرست‌و‌چراي‌‌جمعيت، ها‌و‌مراتع،

‌‌کنترل ‌به ‌دام ‌به‌شتابنشدۀ ‌خاک ‌فرسايش ‌در‌‌گرفتن ويژه

‌ ‌در ‌ميکشورهاي ‌کمک ‌توسعه Stocking .and)‌کنند‌حال

Murnaghan 2001)‌

‌پي‌ ‌در ‌پژوهشگران ‌بيشتر ‌فرسايشي، ‌فرايندهاي ‌مقولۀ در

فرسايش‌و‌پراکندگي‌مکاني‌‌مقاديرروشي‌کمي‌براي‌تهيۀ‌نقشۀ‌

;Singh et al. 1992; Martinez- Casasnovas 2003)‌دقيق‌آن‌هستند

Qygarden 2003; Essa 2004; Chen et al. 2017; Fernandes et al.

2017; Grum et al. 2017)‌ ‌دربارۀ‌‌مطالعه‌اگرچه. ‌اندکي هاي

‌نقشه‌روش ‌به‌هاي ‌نسبت ‌حساسيت ‌کيفي فرسايش‌‌برداري

‌ ‌دارند .Li et al. 2017; Li et al. 2017; Martinez et al)وجود

‌عوامل‌2017) ‌شناخت ‌بر ‌مبتني ‌کيفي ‌ارزيابي ‌است ‌بديهي ،

‌به ‌اقدام‌فرسايش ‌انجام ‌براي‌‌منظور ‌خاک، ‌حفاظت هاي

‌و‌‌اولويت ‌است ‌مفيد ‌بسيار ‌منطقه ‌هر ‌در ‌مؤثر ‌عوامل بندي

‌مي ‌کاهش ‌را ‌زمين ‌دهد‌تخريب ‌دربارۀ‌‌مطالعه. ‌متعددي هاي

‌شدهفرايندها ‌انجام ‌فرسايشي ‌‌ي ;Oldeman et al. 1990)اند

(Hurni 1993; Devi et al. 2008چندين‌الگو‌و‌روش‌فرسايش‌و‌‌

‌،(USLE)،‌معادلۀ‌جهاني‌خاک‌MPSIACخاک‌ازجمله‌الگوي‌

‌خاک ‌جهاني ‌معادلۀ ‌در ‌تجديدنظر ‌يعني ‌آن ‌جايگزين ‌الگوي

(RUSLE)براي‌نمونه،‌الگوي‌)‌،‌الگوي‌ارزيابي‌فرسايش‌خاک

ICONA)‌ ‌الگوي ،SIMWE،‌‌ ‌الگوي‌LISEMالگوي ،

QUERIM‌‌ ‌و ‌پيش... ‌يا ‌ارزيابي ‌يا‌‌براي ‌فرسايش‌کيفي بيني

.اند‌کمي‌خاک‌توسعه‌يافته

‌داده‌جمع ‌با‌‌آوري ‌که ‌است ‌بزرگي ‌مشکل ‌ورودي، هاي

‌کاسته‌‌مطالعه ‌شدت‌آن ‌از ‌حدي ‌تا ‌دور ‌راه هاي‌سنجش‌از

ي‌تهيۀ‌الگوي‌سنجش‌از‌دور،‌منبع‌مهم‌اطالعاتي‌برا.‌شود‌مي

‌منطقه ‌مقياس ‌در ‌خاک ‌انجام‌‌فرسايش ‌از ‌پس ‌و ‌است اي

‌تغييرات‌الزم‌در‌آن‌با‌استفاده‌از‌سيستم‌اطالعات‌جغرافيايي

(GIS)هدف‌مطالعۀ‌حاضر،‌استفاده‌از‌.‌شود‌تحليل‌مي‌و‌تجزيه‌

ماهوارۀ‌‌OLIهاي‌سنجش‌از‌دور‌شامل‌تصاوير‌سنجندۀ‌‌داده

‌ ‌0لندست ‌با ‌ترکيب ،GISخطر‌‌‌ ‌کيفي ‌نقشۀ ‌سه ‌ارائۀ و

سازي‌‌فرسايش‌بر‌اساس‌عوامل‌مؤثر‌بر‌فرسايش‌خاک‌و‌بهينه

‌فرسايش‌است ‌حساسيت‌کيفي ‌بر ‌کمک‌مطالعۀ‌‌.نظارت به

‌مناطقي‌شناسايي‌شدند‌که‌به‌سنجش‌حفاظت‌آب‌و‌ حاضر،

هاي‌الزم‌براي‌اجراي‌اين‌الگو‌از‌‌سپس‌داده.‌خاک‌نياز‌داشتند

‌ماهواره ‌دانش‌تصاوير ‌و ‌دست‌‌اي ‌به ‌متخصص کارشناسان

‌آمد ‌تجزيه. ‌داده‌و‌درنهايت ‌از‌‌تحليل ‌استفاده ‌با ‌ترکيبي هاي

‌تصميم ‌کيفي ‌سلسله‌قواعد ‌نظامي ‌شدت‌‌گيري، ‌از مراتبي

‌.فرسايش‌خاک‌ارائه‌داد

94 يدرخت‌يريگ‌ميبر‌اساس‌روش‌تصم‌شينسبت‌به‌فرسا‌تيحساس‌ۀنقش‌يابيارز

‌آبريزمناطق‌مختلف‌ ‌علتسمنان‌ب‌حوضۀ ‌ۀشرايط‌ويژ‌ه

‌بادهاي‌ ‌اقليمي، شناسي‌‌سازندهاي‌زمين‌ويرانگر،شديد‌و‌گاه

‌فقدانحس ‌خاک‌سست‌و ‌فرسايش‌و پوشش‌گياهي‌‌اس‌به

‌ ‌در ‌‌بسياريمناسب ‌از ‌فرسايش‌خاکمناطق ‌امان‌‌خطر در

و‌‌همناطق‌بياباني‌اين‌استان‌افزودوسعت‌بر‌‌تدريج‌بهو‌‌نيستند

‌ ‌از ‌‌خاکميزان ‌و ‌مستعد ‌آنحهاي ‌مي‌هااصلخيز .‌شود‌کاسته

‌بهره ‌و ‌سمنان ‌استان ‌بر ‌اقليمي‌حاکم ‌بيش‌از‌‌شرايط برداري

هزار‌هکتار‌‌377ميليون‌و‌‌1اند‌‌منابع‌طبيعي‌باعث‌شدهد‌ح

‌‌ۀعرص ‌بياباني ‌‌7و ‌و ‌استان‌‌317ميليون ‌اراضي ‌هکتار هزار

و‌(‌7901ارزاني‌و‌همکاران‌)ثير‌فرسايش‌بادي‌قرار‌گيرد‌أت‌تحت

‌‌به ‌روستاييان ‌شودمهاجرت ‌بررسي‌.منجر هاي‌‌تاکنون

‌مقياس‌منطقه‌نقشه در‌سمنان‌اي‌‌برداري‌از‌خطر‌فرسايش‌در

هاي‌‌کوشد‌بر‌اساس‌شاخص‌اند‌و‌مقالۀ‌حاضر‌مي‌انجام‌نشده

فرسايش،‌مقادير‌فرسايش‌‌مؤثر‌در‌فرايند‌حساسيت‌نسبت‌به

‌و‌تأثيرپذيري‌از‌هر‌‌هاي‌حوضۀ‌مطالعه‌هر‌يک‌از‌بخش شده

‌.را‌بررسي‌کندکدام‌از‌عوامل‌

‌

شده منطقۀ مطالعه

‌ ‌داراي ‌نواحي‌خشک‌و ‌از ‌يکي ‌سمنان ‌آبريز ميزان‌حوضۀ

‌بارش ‌و ‌کم ‌بسيار ‌دامنۀ‌‌بارندگي ‌در ‌که ‌است ‌نامنظم هاي

‌‌کوه‌جنوبي‌رشته ‌فاصلۀ ‌و ‌‌19هاي‌البرز ‌و ‌و‌‌4درجه دقيقه

ثانيۀ‌شرقي‌و‌‌93/14دقيقه‌و‌‌40درجه‌و‌‌19ثانيه‌تا‌‌43/91

دقيقه‌و‌‌17درجه‌و‌‌91ثانيه‌تا‌‌07/90دقيقه‌و‌‌0درجه‌و‌‌91

99/31‌‌ ‌است ‌گرفته ‌قرار ‌شمالي ‌ش)ثانيۀ ‌7کل مساحت‌(.

‌ ‌حدود ‌يادشده ‌بارش‌373101حوضۀ ‌ميانگين ‌با ‌و ‌هکتار

‌است‌ميلي‌37 ‌خشک ‌نواحي ‌جزو ‌سال ‌در ‌متر ميانگين‌.

.متر‌است‌3799ارتفاع‌حوضه‌از‌سطح‌دريا‌نيز‌حدود‌

8لندست RGBشده در سطح کشور با تصویر موقعیت منطقۀ مطالعه -1شکل

روش پژوهش

‌روش‌روش ‌ازجمله ‌متعددي ‌‌هاي ‌MPSIACهاي ،USLE‌،

SIMWE‌،LISEM‌،RUSLEو‌‌ICONAبراي‌بررسي‌مسئلۀ‌‌

Moor et al. 1993; Radwan and Bishr)اند‌‌فرسايش‌توسعه‌يافته

1995; Gessler et al. 1995; Hill et al. 1995; Mitasova et al.

1996; Thornes et al. 1996; Bouaziz et al. 2009)‌.ارزيابي‌براي‌

‌سمنان،‌ ‌آبريز ‌حوضۀ ‌در ‌فرسايش ‌به ‌نسبت حساسيت

هاي‌سنجش‌از‌دور‌و‌‌شناختي‌با‌روش‌اي‌موردي‌روش‌مطالعه

‌منطقۀ‌يادشده‌هاي‌اطالعات‌مکاني‌‌سيستم به‌شکل‌کيفي‌در

‌فرسايش‌برانجام‌شد؛‌بر‌اساس‌هدف‌پژوهش،‌ارزيابي‌کيفي‌

7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 17

‌بارندگي‌ساالنه،‌ ‌فرسايش‌شامل ‌در ‌مؤثر ‌عوامل اساس‌عمده

هاي‌خاک‌و‌پوشش‌گياهي‌‌کاربري‌اراضي،‌توپوگرافي‌و‌ويژگي

‌ ‌شد ‌(Bouaziz et al. 2011)انجام ‌پژوهش‌. ‌در ‌است گفتني

‌تصميم ‌قوانين ‌سلسه‌حاضر، ‌سازماندهي ‌و مراتبي‌‌گيري

‌دانش‌‌شاخص ‌و ‌مهندسي ‌قضاوت ‌اساس ‌بر ‌مؤثر هاي

‌شده ‌انجام ‌اند‌کارشناسي ‌پيشين،‌‌روش. ‌موفق ‌و ‌مشابه هاي

‌مقياس ‌در ‌را ‌کرده‌فرسايش‌خاک ‌مختلف‌الگوسازي اند‌‌هاي

(Boardman and Harris 1990; Cerdan et al. 2002)مقايسۀ‌‌ ؛

تهيۀ‌نقشۀ‌حساسيت‌الگوها‌نيز‌در‌بسياري‌از‌نقاط‌جهان‌براي‌‌فرسايش‌ ‌بهنسبت‌به ‌تخريب‌سرزمين ‌اثر ‌فرسايش‌‌بر واسطۀ

‌.(Quinton 1997; Sukhanovskii 2010)انجام‌شده‌است‌

‌ ‌ارتفاع ‌رقومي ‌داده‌(DEM)نقشۀ ‌از ‌استفاده هاي‌‌با

ASTERمتر‌تهيه‌و‌براي‌استخراج‌و‌تهيۀ‌‌97با‌دقت‌مکاني‌‌

هاي‌ژئومورفولوژيکي‌منطقه‌شامل‌شيب،‌شبکۀ‌‌نقشۀ‌شاخص

در‌مطالعۀ‌حاضر،‌عوامل‌.‌ستفاده‌شدها‌و‌جهت‌شيب‌ا‌آبراهه

‌اقليمي‌در‌قالب‌بارندگي‌بررسي‌شدند ها‌به‌شکل‌‌ابتدا،‌داده.

هاي‌هواشناسي‌موجود‌در‌سطح‌حوضه‌و‌‌اي‌از‌ايستگاه‌نقطه

‌درون ‌فرايند ‌سپس‌طي ‌و ‌تهيه ‌سطح‌‌اطراف‌آن ‌کل ‌به يابي

هاي‌خاک‌‌هاي‌مربوط‌به‌ويژگي‌داده.‌حوضه‌تعميم‌داده‌شدند

‌خا ‌نقشۀ ‌از‌‌کاز ‌اراضي ‌کاربري ‌اطالعات ‌و ‌کشور شناسيبا‌استفاده‌‌0مربوط‌به‌لندست‌‌OLIبندي‌تصاوير‌سنجندۀ‌‌طبقه

‌.تهيه‌شدند‌(ANN)هاي‌عصبي‌مصنوعي‌‌از‌روش‌شبکه

‌ الگوی مفهومی روش پژوهش -2شکل

‌حساسيت‌نسبت‌بههاي‌حاصل‌براي‌توليد‌سه‌نقشۀ‌‌داده

‌مشتق ‌نقشه‌فرسايش ‌از ‌شدند‌‌شده ‌استفاده ‌مکاني ‌هاي

(‌ ‌3شکل ‌فرسايش‌به(. ‌حساسيت‌نسبت‌به ‌کيفي‌‌ميزان طور

‌فرسايش‌‌بين‌کم‌و‌شديد‌وزن ‌بر ‌تأثير ‌به ‌آن ‌در دهي‌شد‌و

اين‌فرايند‌در‌.‌خاک‌و‌همپوشاني‌پنج‌عامل‌يادشده‌توجه‌شد

(.3و‌‌7هاي‌‌جدول)گيري‌نمايش‌داده‌شده‌است‌‌تصميمروند‌

‌ (Bouaziz et al. 2011)پذیری خاک گیری برای فرسایش قوانین تصمیم -1جدول

‌‌نوع‌خاکSalt flats/ Bad lands

Aridisols/ Entisol‌

Rock outcrops/ Inceptisols

‌کم‌متوسط‌زيادهاي‌شيب‌‌کالس‌3-‌7کم‌کم‌کم‌متوسط

‌(درصد) ‌1-‌3متوسط‌‌کم‌کم‌متوسط‌71-‌1زياد‌متوسط‌متوسط‌زياد

‌91-‌71خيلي‌زياد‌متوسط‌زياد‌خيلي‌زياد‌>‌‌91شديد‌زياد‌زياد‌خيلي‌زياد

11 يدرخت‌يريگ‌ميبر‌اساس‌روش‌تصم‌شينسبت‌به‌فرسا‌تيحساس‌ۀنقش‌يابيارز

‌ (Bouaziz et al. 2011) گیری برای حفاظت خاک قوانین تصمیم -2جدول

‌‌پوشش‌هاي‌سطحي‌اراضي‌‌مراتع‌اراضي‌نمکي‌هاي‌باير‌زمين

‌کشاورزي‌سطوح‌آبي

‌کم‌متوسط‌‌متوسط‌زياد‌خيلي‌زيادهاي‌‌کالس‌>‌‌‌17کم‌کم‌کم‌کم‌متوسط‌متوسط

پوشش‌گياهي‌‌(درصد)

‌17-‌91متوسط‌‌کم‌متوسط‌متوسط‌متوسط‌زياد‌91-‌37زياد‌متوسط‌متوسط‌زياد‌زياد‌خيلي‌زياد‌31-‌7خيلي‌زياد‌زياد‌زياد‌زيادخيلي‌‌خيلي‌زياد‌خيلي‌زياد

‌ ‌همکاران ‌و ‌کيفي‌‌(Bryan et al. 1977)بريان روش

فرسايش‌استفاده‌‌حساسيت‌نسبت‌بهمشابهي‌را‌براي‌ارزيابي‌

‌پيش ‌شامل‌فاز ‌با‌‌کردند‌که ‌و‌شروع ‌ادغام ‌توصيف‌و بيني،

هاي‌رستري‌‌از‌دادهپايگاه‌داده‌پردازش‌بود‌و‌با‌تهيۀ‌‌فاز‌پيش

‌ ‌پيکسل ‌اندازه ‌داده‌97با ‌از ‌همراه‌‌متر ‌دور هاي‌سنجش‌از

‌بود ‌پيش. ‌شرح ‌به ‌عوامل‌‌سپس، ‌يک‌از بيني‌حساسيت‌هر

‌ايجاد‌ترکيبات‌ ‌با ،‌CAکنترل‌فرسايش‌پرداختند‌و‌درنهايت،

CB‌‌ ‌رسيدند‌‌CC‌(Bouaziz et al. 2011) و ‌ادغام ‌فاز به

.آمده‌است‌(3)روش‌کلي‌کار‌در‌شکل‌‌(.9جدول‌)

های ورودی برای سه ترکیب مختلف ارزیابی شاخص -3جدول

فرسایش حساسیت نسبت به

‌ ترکیباتC

C C

B C

A

X X X فاکتورهاي‌‌توپوگرافي‌کنترلي

‌فرسايش‌خاک‌X X‌Xهاي‌خاک‌ويژگي‌‌X X‌---بارندگي‌‌X ---‌Xپوشش‌گياهي‌‌X X‌Xکاربري‌اراضي‌‌

‌ ‌سازمان ‌خاک‌که ‌اساس‌اطالعات‌نقشۀ پايگاه‌)‌FAOبر

‌‌هم ‌خاک، ‌جهاني ‌3773خوان ‌نوع‌( ‌شش ‌است، ‌کرده تهيه

مختلف‌و‌ترکيبي‌خاک‌در‌سطح‌منطقه‌تشخيص‌داده‌شدند‌

.‌شدند‌‌پذيري‌تقسيم‌که‌به‌سه‌کالس‌مختلف‌ازنظر‌فرسايش

دريافت‌و‌با‌استفاده‌از‌‌0لندست‌‌OLIدر‌مرحلۀ‌بعد،‌تصاوير‌

هاي‌مختلف‌‌بندي‌شبکۀ‌عصبي‌مصنوعي‌به‌بخش‌روش‌طبقه

‌شدند ‌تقسيم ‌سمنان ‌آبريز ‌حوضۀ ‌در ‌اراضي ‌کاربري براي‌.

منظور‌تصحيح‌‌پردازش‌به‌تفسير‌بهتر‌تصاوير،‌عملگرهاي‌پيش

‌شدند ‌انجام ‌اتمسفري ‌ابهام ‌رفع ‌و ‌هندسي پردازش‌‌پيش.

‌نرم ‌با ‌‌تصاوير ‌‌PCA Geomaticaافزار ‌از‌‌7/3نسخۀ ‌و انجام

‌‌نرم ‌شد‌ENVI 4.8افزار ‌استفاده ‌تحليل ‌و ‌پردازش .‌براي

و‌در‌محيط‌‌FLAASHاختالالت‌مختلف‌اتمسفري‌با‌الگوي‌

افزايش‌خطي‌.‌تصحيح‌شدند‌PCA Geomatica 9.1افزار‌‌نرم

منظور‌اصالح‌‌کنتراست،‌روشي‌براي‌بهبود‌مکاني‌است‌که‌به

کردن‌‌شکلي‌مؤثر‌بر‌منطقه‌و‌بهينههاي‌ژئومتريکي‌و‌‌شاخص

اليۀ‌بارندگي‌ساالنۀ‌منطقه‌مربوط‌به‌.‌تفسير‌بصري‌انجام‌شد

‌ ‌درون‌3774سال ‌طريق ‌از ‌داده‌نيز ‌ايستگاه‌يابي هاي‌‌هاي

‌شد ‌تهيه ‌اطراف‌حوضه ‌سطح‌و ‌در ‌هواشناسي‌موجود اليۀ‌.

‌از‌ ‌پس ‌خاک ‌و ‌ارتفاع ‌اليۀ ‌از ‌استخراج ‌از ‌پس شيب

‌ال‌رستري ‌توليد ‌براي ‌فرسايششدن ‌تابع‌‌يۀ ‌اساس ‌بر پذيري

درنهايت،‌نقشۀ‌کاربري‌(.‌7جدول‌)خطي‌با‌هم‌ترکيب‌شدند‌

‌داده ‌و ‌گياهي ‌پوشش ‌بارندگي، ‌خاک، ‌نقشۀ هاي‌‌اراضي،

‌در‌جدول‌ترکيبات‌ ‌ترکيب‌مختلف‌موجود ‌سه توپوگرافي‌با

‌به‌ ‌نسبت ‌حساسيت ‌متفاوت ‌نقشۀ ‌سه ‌توليد ‌براي عوامل

سنجش‌از‌دور‌و‌استفاده‌از‌هاي‌‌روش.‌فرسايش‌استفاده‌شدند

GISداده‌‌ ‌نشان ‌مطالعه ‌فلوچارت ‌‌شده‌‌در ‌)اند ؛‌(3شکل

‌ ‌شکل ‌و‌(3)همچنين ‌ارزيابي ‌براي ‌دانش‌کارشناسي ‌ادغام ،

‌نشان‌مي‌تعريف‌حساسيت .‌دهد‌پذيري‌حوضه‌به‌فرسايش‌را

‌اليه‌هم‌روي ‌ترکيب ‌و ‌درخت‌‌اندازي ‌در ‌مختلف هاي

عنوان‌ميانگين‌‌ي‌بهگيري‌بر‌اساس‌الگوي‌مقايسۀ‌زوج‌تصميم

.ارتباط‌خطي‌بين‌عوامل‌مؤثر‌در‌فرسايش‌انجام‌شده‌است

فرسایش مبانی فرایند حساسیت نسبت به

نمودار‌روش‌پژوهش،‌پنج‌اليۀ‌ورودي‌متفاوت‌الزم‌را‌نشان‌

7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 13

‌‌مي ‌)دهد ‌3شکل ‌داده(. ‌بجز ‌کار، ‌اين ‌بارندگي،‌‌در هاي

‌شاخص‌جمع ‌روش‌آوري ‌راه ‌از ‌فرسايش ‌کنترلي هاي‌‌هاي

‌ ‌و ‌دور ‌از ‌شد‌GISسنجش ‌انجام ‌شاخص. ‌ادامه، هاي‌‌در

‌آسيب ‌ارزيابي ‌و ‌تعيين ‌همچنين ‌و ‌نسبي‌‌يادشده پذيري

‌.شود‌فرسايش‌خاک‌شرح‌داده‌مي

های اصلی کنترل فرسایش شاخص

نقشۀ شیب -توپوگرافی

‌فرسايش‌خاک‌به ‌مي‌فرايند ‌تأثير ‌توپوگرافي .‌پذيرد‌شدت‌از

‌ويژگي‌ويژگي ‌بر ‌توپوگرافيکي ‌کنترهاي ‌خاک‌‌هاي هاي

(Moore et al. 1993)ميکرواقليم،‌توزيع‌پوشش‌گياهي‌‌،(Frank

et al. 1986)دسترس‌‌ ‌رطوبت‌در ‌رواناب‌و ،(Moore et al.

(1993; Chevings and Pickup 1996مي‌اثر‌‌‌ (.‌4جدول‌)گذارد

‌شيب‌ ‌مقادير ‌حاضر، ‌مطالعۀ ‌درجه)در ‌به ‌يک‌از‌( ‌هر براي

‌‌پيکسل ‌ارتفاعي ‌داده‌DEMهاي ‌از ‌سنجندۀ‌‌حاصل هاي

ASTER(.9شکل‌)شدند‌‌‌توليد‌و‌به‌پنج‌کالس‌تقسيم‌‌

‌

شده مطالعه نقشۀ شیب منطقۀ -3شکل

‌

:‌ترتيب‌عبارتند‌از‌ها‌به‌مقادير‌آستانه‌براي‌هر‌يک‌از‌کالس

‌شيب ‌‌درجه ‌تا ‌‌3هاي‌صفر ‌‌3درصد، ‌‌1تا ‌‌1درصد، ‌71تا

‌ ‌‌71درصد، ‌‌91تا ‌و ‌‌91درصد ‌درصد‌41تا ‌نسبي‌. مقادير

‌‌کالس ‌جدول ‌در ‌شده ‌پوشش‌داده ‌سطح ‌شيب‌و ‌(4)هاي

‌.اند‌نشان‌داده‌شده‌

شده های شیب در منطقۀ مطالعه کالس -9جدول

‌‌هاي‌شيب‌کالس91‌‌‌%<‌71-91‌

%‌1-71‌%‌3-1‌%‌7-3‌%‌

مساحت‌‌97444‌17170‌770337‌39700‌1191‌(هکتار)

مساحت‌‌74‌39‌43‌77‌9‌(درصد)

‌فرسايش‌خاک‌مي‌توانند‌ ‌حاصل‌از رسوبات‌توليد‌شده

‌کانال ‌و ‌‌ذخاير ‌کنندهاي ‌پر ‌را ‌آب ‌قابليت‌‌انتقال ‌با و

‌جذب‌آلوده ‌شيميايي ‌مواد ‌حمل ‌و ‌خود ‌به‌‌کنندگي شده

ها‌باعث‌آسيب‌به‌کيفيت‌آب‌آنها‌شوند؛‌‌ها‌و‌درياچه‌رودخانه

‌خاک‌عالوه ‌برخي ‌در‌‌براين، ‌بيشتري ‌ذاتي ‌قابليت ‌داراي ها

‌خاک‌فرسايش ‌ديگر ‌نسبت‌به ‌هستند‌پذيري ,.Toy (et al)ها

Agassi (1996)‌،Bryan (1997)‌،Turk andي‌ها‌مطالعه.‌2002

Foth (1972)‌‌ ‌دادند‌‌Majaliwa et al. (2003)و نشان

‌فرسايش‌خاک ‌بسيار ‌خاک‌هاي ‌نسبت‌به ‌در‌‌پذير ‌مقاوم هاي

تر‌‌برابر‌نسبت‌به‌فرايند‌فرسايش‌حساس‌77برابر‌فرسايش‌تا‌

‌توصيف‌ويژگي ‌بنابراين، شده‌‌هاي‌خاک‌منطقۀ‌مطالعه‌هستند؛

13 يدرخت‌يريگ‌ميبر‌اساس‌روش‌تصم‌شينسبت‌به‌فرسا‌تيحساس‌ۀنقش‌يابيارز

.‌ها‌نسبت‌به‌فرسايش‌است‌آگاهي‌از‌حساسيت‌خاکنيازمند‌

‌خوار ‌‌و‌سازمان ‌جهاني ‌FAO)بار ‌خاک‌‌ويژگي( ‌فيزيکي هاي

هاي‌‌هاي‌خاک‌شامل‌محتواي‌شن‌و‌ماسه‌و‌توزيع‌اندازۀ‌دانه

Harmonized World)مختلف‌را‌به‌شکل‌نقشه‌تهيه‌کرده‌است‌

Soil Data Base, Version 1.1, March (2009‌.نقشۀ‌خاک‌FAO‌

‌برخي‌شاخص ‌کاني‌شامل ‌نظير ‌عمق‌خاک،‌‌ها شناسي‌رسي،

هاي‌گياهي‌ويژه،‌‌پذيري‌خاک‌و‌زمين‌براي‌پوشش‌حساسيت

‌ذخيره ‌ظرفيت ‌خاک، ‌کالس‌رطوبت ‌و ‌زهکشي‌‌سازي هاي

شده‌در‌منطقۀ‌مطالعه‌به‌‌شش‌نوع‌خاک‌مشاهده.‌خاک‌است

‌تقسيم ‌کالس ‌شدند‌سه ‌بندي :7‌ ‌توسعه‌خاک. ‌در‌‌هاي نيافته

‌‌اني‌و‌صخرهنواحي‌کوهست ‌3اي؛ هاي‌مناطق‌خشک‌و‌‌خاک.

‌‌خاک ‌اوليه؛ ‌9هاي ‌‌دشت. ‌بدلندها ‌و ‌نمکي ‌)هاي (.‌4شکل

‌و‌پايگاه‌‌حساسيت‌به‌فرسايش‌بر‌اساس‌شاخص هاي‌يادشده

‌تعيين‌شد‌FAOهاي‌مرجع‌‌داده اي‌که‌هر‌يک‌‌مساحت‌ناحيه.

‌کالس ‌‌از ‌پوشش ‌خاک ‌‌داده‌هاي ‌جدول ‌در مشاهده‌‌(1)اند،

‌.شود‌مي

شده از سطح حوضۀ های خاک اشغال مساحت کالس -1جدول

شده مطالعه

‌‌نوع‌خاک

Salt flats/

Bad lands

Aridisols /

Entisols

Rock

outcrops/

Inceptisols

مساحت‌‌94/19170‌0/30313 37/730317

‌(هکتار)

مساحت‌‌10‌33‌79

‌(درصد)

شده نقشۀ خاک منطقۀ مطالعه -9شکل

کاربری اراضی

فرايند‌فرسايش‌خاک‌با‌نواحي‌داراي‌شرايط‌محيطي‌متفاوت‌

‌است ‌منطبق ‌بسيار ‌شيب ‌ناپايداري ‌و ‌پوشش‌گياهي .‌ازنظر

با‌شرايط‌پژوهش‌حاضر‌براي‌(‌3774)‌0لندست‌‌OLIتصوير‌

‌مطالعۀ‌منطقۀ‌مدنظر‌متناسب‌بود پردازش‌تصاوير‌پيش‌‌پيش.

‌طبقه ‌طبقه‌از ‌سپس ‌و ‌انجام ‌شبکه‌بندي ‌عصبي‌‌بندي هاي

‌روي‌تصاوير‌اعمال‌شد‌(ANN)مصنوعي‌ هاي‌عصبي‌‌شبکه.

‌طبقه ‌براي ‌روش‌مطلوبي ‌پوشش‌‌مصنوعي، ‌و ‌کاربري بندي

‌مي ‌محسوب ‌دادهشو‌اراضي ‌انواع ‌براي ‌زيرا ‌در‌‌د، ها

Gahegan et)شدني‌است‌‌هاي‌آماري‌گوناگون‌استفاده‌مقياس

7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 14

(al. 1999‌ ‌طبقه‌به. ‌در ‌مرحله ‌عصبي‌‌طورکلي‌سه بندي‌شبکۀ

‌دارد ‌وجود ‌از‌: ‌استفاده ‌با ‌آموزش‌شبکه ‌فرايند ‌اول، مرحلۀ

سنجي‌و‌آزمون‌‌مرحلۀ‌دوم،‌فاز‌اعتبار‌هاي‌ورودي‌است؛‌داده

است‌که‌موفقيت‌فاز‌آموزشي‌و‌درستي‌شبکه‌را‌خطاي‌شبکه‌

‌شبيه‌تعيين‌مي ‌مرحلۀ‌سوم، ‌طبقه‌کند؛ بندي‌است‌که‌‌سازي‌و

‌کند‌شدۀ‌پوشش‌يا‌کاربري‌اراضي‌را‌ايجاد‌مي‌بندي‌نقشۀ‌طبقه

(Wijaya 2005).کنندۀ‌‌نورون‌و‌بيان‌1اطالعات‌ورودي‌شامل‌‌

‌استفاده ‌لندست ‌تصوير ‌باندهاي ‌بود‌تعداد ‌شده تعداد‌.

‌انتخاب‌‌ورونن ‌با ‌شبکه ‌براي ‌مياني ‌اليۀ ‌و‌‌1هاي ‌آغاز اليه

‌اليه ‌افزايش‌تعداد ‌با ‌شبکه ‌هر ‌واقعي‌‌خروجي ‌مقادير ‌به ها

‌انتخاب‌‌نزديک اليه‌دريافت‌شد‌و‌‌3تر‌و‌بهترين‌خروجي‌با

خروجي‌.‌اليۀ‌دروني‌کاهش‌يافت‌77دقت‌خروجي‌شبکه‌با‌

‌برازش‌رگرس ‌و ‌خطا ‌مربع ‌مجذور ‌ميانگين ‌با ‌شبکه يون‌هر

شبکه‌.‌نورون‌بود‌7کنترل‌شد‌و‌درنهايت،‌اليۀ‌خروجي‌شامل‌

RMSEنورون‌در‌اليۀ‌مياني‌و‌در‌تکرار‌پنجم‌با‌مقدار‌‌3با‌ 7‌

‌داشت‌70701/7برابر‌ ‌بهترين‌عملکرد‌را در‌پژوهش‌حاضر‌.

از‌روش‌3MLPبر‌پايۀ‌الگوريتم‌يادگيري‌پس‌انتشار‌خطا‌و‌‌

‌لونبرگ ‌شد‌9مارکوارت‌-الگوريتم ‌استفاده ‌طبقه. بندي‌‌نتايج

نمايش‌داده‌‌(1)و‌جدول‌‌(1)هاي‌کاربري‌زمين‌در‌شکل‌‌کالس

‌اند‌‌شده ‌طبقه. عمليات‌‌4بندي‌حاصل‌داراي‌درصد‌درستي‌نقشۀ

درصد‌و‌‌3/03برابر‌‌1درصد‌و‌متوسط‌درصد‌اطمينان‌1/37برابر‌

‌ ‌برابر ‌کلي ‌کاپاي ‌است‌00/7ضريب ‌کالس. ‌از ‌يک هاي‌‌هر

‌نقشۀ ‌در ‌رفتار‌‌موجود ‌فرسايش‌خاک‌با پوشش‌سطحي‌ازنظر

‌اي‌مرتبط‌است‌ويژه ‌پوشش‌غالب‌. ‌نواحي‌شور، ‌و اراضي‌باير

اند‌و‌بيشتر‌حساسيت‌خاک‌نيز‌‌شده‌را‌تشکيل‌داده‌منطقۀ‌مطالعه

.به‌اين‌دو‌بخش‌از‌پوشش‌سطحي‌مربوط‌است

1 Root-Mean-Square Error 2 Multi Layer Perceptron 3 Levenberg-Marquardt 4 Accuracy 5 Reliability

های کاربری اراضی در سطح حوضۀ مساحت کالس -6جدول

شده مطالعه

‌‌سطحی های پوشش

هاي‌‌زمين

‌باير

اراضي‌

‌نمکي

سطوح‌

‌آبي

اراضي‌‌مراتع

‌کشاورزي

مساحت‌‌17/730737‌31/0930‌03/31‌11/0970‌31/1030

‌(هکتار)

مساحت‌‌37‌9‌1/7‌4‌1/3

‌(درصد)

شده نقشۀ پوشش کاربری اراضی در سطح منطقۀ مطالعه -1شکل

اقلیم

ترين‌عوامل‌در‌کنش‌متقابل‌با‌ديگر‌عوامل‌‌اقليم،‌يکي‌از‌مهم

طور‌مستقيم‌و‌غيرمستقيم‌بر‌فرسايش‌خاک‌تأثير‌‌است‌که‌به

ترين‌متغير‌اقليمي‌‌،‌مهمبارندگي.‌(Toy et al. 2002)گذارد‌‌مي

‌گرفته‌ ‌نظر ‌در ‌تنهايي ‌به ‌که ‌است ‌فرسايش‌خاک ‌در مؤثر

‌درخور‌‌مي ‌برخورد ‌راه ‌از ‌فرسايش ‌به ‌پرداختن ‌با ‌و شود

هاي‌باران‌به‌سطح‌خاک‌و‌جريان‌آب‌روي‌سطح‌‌توجه‌قطره

‌مي ‌بين‌رفتن‌خاک‌‌خاک‌برجسته ‌از ‌همواره ‌بنابراين، شود؛

اخصي‌اقليمي‌در‌ارزيابي‌با‌مقدار‌بارندگي‌مرتبط‌است‌که‌ش

ها‌و‌اطالعات‌در‌‌مشاهده.‌فرسايش‌است‌حساسيت‌نسبت‌به

‌مطالعه ‌منطقۀ ‌مي‌دسترس‌از ‌نشان ‌آنها ‌بررسي ‌و دهند‌‌شده

‌مي ‌اتفاق ‌خاک ‌سطح ‌روي ‌آب ‌جريان ‌ايجاد‌‌اگرچه افتد،

‌رخ‌ ‌بارندگي ‌فصل ‌در ‌اساساً ‌و ‌نيست ‌ناگهاني رواناب

11 يدرخت‌يريگ‌ميبر‌اساس‌روش‌تصم‌شينسبت‌به‌فرسا‌تيحساس‌ۀنقش‌يابيارز

‌دهد‌مي ‌اتفاق. ‌نيز ‌خشک ‌فصل ‌طي ‌اما‌‌مي‌بارندگي افتد،

رو،‌‌مقدار‌آن‌بسيار‌ناچيز‌و‌معموالً‌بدون‌رواناب‌است؛‌ازاين

شده‌در‌فصل‌آبي‌انجام‌و‌از‌‌عمده‌بارندگي‌در‌منطقۀ‌مطالعه

‌ ‌ارزيابي ‌براي ‌بهآن ‌نسبت ‌استفاده‌‌حساسيت فرسايش

هاي‌‌از‌ايستگاه‌3774هاي‌بارندگي‌ماهانۀ‌سال‌‌داده.‌شود‌مي

‌در‌سطح‌حوضه‌ و‌اطراف‌آن‌از‌سازمان‌هواشناسي‌موجود

‌‌و‌آب ‌شدند ‌دريافت ‌سمنان ‌استان ‌)هواشناسي (.‌0جدول

‌داده ‌ساالنۀ ‌مجموع ‌به‌سپس، ‌نقطه‌ها ‌نرم‌شکل ‌در افزار‌‌اي

ArcGIS 10.37دار‌و‌با‌استفاده‌از‌روش‌معکوس‌فاصلۀ‌وزن‌‌

(IDW‌)يابي‌و‌به‌کل‌سطح‌حوضه‌تعميم‌داده‌شد؛‌به‌‌درون

‌نقشۀ‌بارندگي‌ساالن شده‌حاصل‌‌ۀ‌حوضۀ‌مطالعهاين‌ترتيب،

‌نشان‌ شد‌که‌توزيع‌فضايي‌بارش‌باران‌در‌سطح‌حوضه‌را

‌‌مي ‌)دهد ‌1شکل ‌در‌(. ‌نقشه ‌اين ‌حاضر، ‌پژوهش در

‌‌ترکيب ‌‌CBهاي ‌فراهم‌CCو ‌متفاوت‌‌براي ‌نقشۀ ‌دو کردن

‌.‌فرسايش‌استفاده‌شد‌حساسيت‌نسبت‌به

‌

شاخص پوشش گیاهی

پوشش‌گياهي‌يکي‌از‌عوامل‌کنترلي‌فرسايش‌و‌بيشتر‌متأثر‌از‌

هاي‌انساني‌است؛‌اين‌عامل‌يکي‌از‌عوامل‌مهم‌در‌هر‌‌دخالت

و‌چندين‌نوع‌‌(Trimble 1990)است‌‌‌کننده‌بيني‌نوع‌الگوي‌پيش

‌نسبت‌ ‌روش ‌اعمال ‌از ‌استفاده ‌با ‌گياهي ‌پوشش شاخص

.‌شوند‌دادن‌پوشش‌گياهي‌استفاده‌مي‌باندهاي‌طيفي‌براي‌نشان

‌Rouseکه‌(‌NDVI)‌3شدۀ‌نسبت‌تفاضل‌باندي‌شاخص‌نرمال

آن‌را‌توسعه‌دادند،‌يکي‌از‌پرکاربردترين‌(‌7304)و‌همکاران‌

‌پژوهش‌شاخص ‌بين ‌در ‌گياهي ‌کاربر‌هاي ‌مختلف‌هاي دي

‌است ‌دور ‌از ‌سنجش ‌شاخص. ‌گياهي‌‌همچنين هاي

‌خاک‌تري‌نظير‌شاخص‌گياهي‌تعديل‌پيشرفته (‌SAVI)‌9شدۀ

‌مي ‌نظر ‌در ‌را ‌خاک ‌سطح ‌از ‌بازتاب ‌بهبود‌‌که ‌براي گيرد،

‌يافته ‌توسعه ‌گياهي ‌پوشش ‌اند‌ارزيابي ‌گياهي‌. شاخص

1 Inverse Distance Weighted 2 The Normalized Difference Vegetation Index 3 soils adjusted vegetation indices

‌خاک‌تعديل ‌تبديل ‌گياهي‌(TSAVI)‌4شدۀ ‌شاخص ،

‌خاک‌تعديل ‌تغيير ‌تعديل‌(MSAVI)‌1شدۀ ‌شاخص‌گياهي ،

‌خاک ‌OSAVI)‌1بهينۀ ‌نيز‌( ‌ديگر ‌شاخص‌گياهي ‌چندين و

‌حداقل ‌به ‌شده‌براي ‌ارائه ‌اتمسفر ‌خاک‌و ‌آثار ‌اند‌رساندن در‌.

‌ ‌شاخص ‌از ‌حاضر، ‌تصوير‌‌استخراج‌NDVIپژوهش ‌از شده

OLI‌‌ ‌3774)‌0لندست ‌گياهي‌( ‌پوشش ‌کيفي ‌تعريف براي

‌پرکا ‌از ‌شاخص‌يکي ‌اين ‌شد؛ ‌شاخصاستفاده هاي‌‌ربردترين

شده‌بسيار‌مناسب‌‌گياهي‌و‌براي‌هدف‌مدنظر‌در‌منطقۀ‌مطالعه

‌است .‌ ‌لندست ‌نسبت‌0در ‌شاخص‌از ‌اين ‌استخراج ‌براي ،

‌ ‌قرمز ‌مادون ‌به ‌قرمز ‌باندي -NIR))تفاضلي

RED)/(NIR+RED)‌ ‌شد( ‌استفاده ‌متغيري‌. ‌گياهي پوشش

‌مي ‌کنترل ‌را ‌فرسايش ‌که ‌است ‌کند‌فصلي .‌ ‌NDVIاليۀ

‌توليدش ‌0شکل‌)ده ‌چهار‌( ‌پوشش‌گياهي‌در ‌اليۀ براي‌توليد

‌طبقه ‌ترکيب‌‌گروه ‌در ‌و ‌با‌CAبندي‌شد ‌پوشش‌گياهي ‌اليه ،

‌(.3جدول‌)نقشۀ‌آن‌براي‌انجام‌تحليل‌حفاظت‌خاک‌توليد‌شد‌

4 Transformed Soil Adjusted Vegetation Index 5 Modified Soil Adjusted Vegetation Index 6 Optimized Soil Adjusted Vegetation Index

7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 11

های سینوپتیک سطح منطقه در محل ایستگاه 1349شده در سال گیری های اندازه مجموع بارندگی -7جدول

نام ژانویه فوریه مارس آپریل می ژوئن ژولیه آگوست سبتامبر اکتبر نوامبر دسامبر ساالنه ایستگاه

‌بيارجمند‌7/11‌4/0‌4/71‌9/1‌0/7‌7‌7‌4/9‌9/1‌3/77‌4/74‌9/7‌7‌دامغان‌3/770‌7/7‌0/3‌3/1‌3/47‌3/7‌1/7‌9/0‌3/9‌7/73‌34‌7‌4/3

‌سمنان‌370‌9/71‌3/1‌0‌7‌7‌7‌79‌11‌1/70‌3/73‌7‌3/1‌شاهرود‌770‌4‌7/33‌0‌7‌7‌7‌11‌3/71‌4/91‌9/39‌4/7‌9/7‌گرمسار‌171‌9/1‌31‌1/7‌7‌7‌7‌39‌79‌0/1‌971‌0/7‌1/9

‌

‌ شده نقشۀ بارندگی منطقۀ مطالعه -6شکل

‌

‌ شده منطقۀ مطالعه NDVIشدۀ شاخص بندی نقشۀ طبقه -7شکل

17 يدرخت‌يريگ‌ميبر‌اساس‌روش‌تصم‌شينسبت‌به‌فرسا‌تيحساس‌ۀنقش‌يابيارز

فرسایش های حساسیت نسبت به نقشه

به‌ارتباط‌‌توجه‌فرسايش‌خاک‌با‌حساسيت‌نسبت‌بههاي‌‌نقشه

‌ ‌فرسايش ‌کنترلي ‌نقشۀ‌)عوامل ‌اراضي، ‌کاربري توپوگرافي،

در‌چند‌ترکيب‌توليد‌شدند‌(‌خاک،‌پوشش‌گياهي‌و‌بارندگي

‌0شکل‌) ‌رده‌نقشه(. ‌با ‌چهار‌‌ها ‌در ‌زياد ‌بسيار بندي‌از‌کم‌به

‌کالس ‌شدند‌طبقه ‌بندي .‌ ‌نقشۀ ‌بهسه ‌نسبت ‌حساسيت

فرسايش‌در‌‌حساسيت‌نسبت‌بهبۀ‌دادن‌رت‌فرسايش‌براي‌نشان

‌نقشۀ‌ ‌سه ‌براي ‌رنگ ‌چهار ‌و ‌توليد ‌سمنان ‌آبريز حوضۀ

‌کالس ‌يک‌از ‌هر ‌به ‌مربوط ‌استفاده‌‌خروجي ‌فرسايشي هاي

‌حساسيت‌نسبت‌بههاي‌‌،‌توزيع‌کالس1بر‌اساس‌شکل‌.‌شد

بيشترين‌مساحت‌در‌.‌فرسايش‌به‌الگوي‌اجراشده‌بستگي‌دارد

‌مطالعه ‌نواحي‌حوضۀ ‌مربوط‌به ‌با‌‌شده داراي‌حساسيت‌زياد

قرار‌‌CCو‌‌CBترتيب‌در‌ترکيب‌‌درصد‌به‌1/01و‌‌3/07مقادير‌

(.0و‌جدول‌‌77و‌‌3هاي‌‌شکل)اند‌‌گرفته

CC.، جCB.، بCA.الف. شده در پژوهش فرسایش برای سه ترکیب استفاده نقشۀ حساسیت نسبت به -8شکل

فرسایش های حساسیت نسبت به درصد مساحت متأثر از هر یک از کالستوزیع -8جدول

‌‌ترکيبات‌ريسک‌فرسايش

CA

CB

CC

‌ريسک‌کم‌1/9‌7/7‌1/7

‌ريسک‌متوسط‌1‌71‌1/73

‌ريسک‌زياد‌01‌3/07‌1/01

‌ريسک‌خيلي‌زياد‌1/74‌3‌1/7

7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 10

ترکیباتفرسایش برای هر یک از های حساسیت نسبت به نمودار توزیع کالس -4شکل

یاعتبارسنج

‌ ‌نقشۀ ‌اعتبارسنجي ‌حاضر، ‌مطالعۀ ‌بهدر ‌نسبت ‌حساسيت

‌امري‌ ‌فرسايش، ‌کنترل ‌عوامل ‌ترکيب ‌از ‌حاصل فرسايش

‌است ‌منطقه ‌سطح ‌در ‌الگوسازي ‌دقت ‌بررسي ‌براي .‌حياتي

‌اندازه‌باوجود ‌سطح‌‌اين، ‌فرسايش‌خاک‌در گيري‌کمي‌ميزان

با‌ترکيب‌اطالعات‌حاصل‌از‌.‌ندرت‌انجام‌شده‌است‌منطقه‌به

‌ماهواره‌مشاهده ‌تصاوير اي‌داراي‌توان‌تفکيک‌‌هاي‌ميداني‌و

7ناسب‌حاصل‌از‌تصاوير‌سنجندۀ‌مOLIجزئياتي‌0لندست‌‌‌،

‌سطح‌منطقه‌ ‌شياري‌در ‌توزيع‌فضايي‌فرسايش‌خندقي‌و از

شده‌نشان‌داد‌تراکم‌زيادي‌از‌‌کار‌ميداني‌انجام.‌ارزيابي‌شدند

‌بخش ‌در ‌شياري ‌و ‌خندقي ‌مياني‌‌فرسايش ‌تا ‌جنوبي هاي

‌مشاهده ‌اين ‌و ‌است ‌داده ‌رخ ‌نقشه‌منطقه ‌نتايج ‌با هاي‌‌ها

‌ ‌ترکيب ‌از ‌‌CAحاصل ‌‌CCو ‌دارد ‌)تطابق ‌0شکل توان‌(.

‌ ‌پانکروماتيک‌سنجندۀ ‌باند ‌مناسب ‌OLI‌(71تفکيک‌مکاني

‌97)و‌توان‌تفکيک‌طيفي‌در‌باندهاي‌طيفي‌اين‌سنجنده‌(‌متر

در‌محدودۀ‌مرئي‌طيف‌الکترومغناطيسي‌در‌تمايز‌نواحي‌(‌متر

ناسب‌است‌ها‌و‌نواحي‌بدون‌تأثير‌بسيار‌م‌پذيرفته‌از‌گالي‌تأثير

‌(.‌77شکل‌)

‌

‌

1

Operational Land Imager

‌شده از سطح های فرسایش شیاری و خندقی برداشت نمونه -11شکل

8منطقه به همراه ترکیب رنگی تصویر لندست

‌و‌ ‌بارزسازي ‌از ‌پس ‌اطالعات ‌بصري تفسيرهاي

‌مي‌پيش ‌نشان ‌برخي‌بخش‌پردازش‌تصاوير هاي‌شمالي‌‌دهند

هاي‌حاصل‌از‌‌همۀ‌نقشه.‌نيز‌از‌فرسايش‌خندقي‌متأثر‌هستند

ترکيب‌عوامل‌کنترل‌فرسايش‌با‌نتايج‌تصاوير‌لندست‌مقايسه‌

‌ ‌)شدند ‌همان(3جدول ‌که‌‌؛ ‌مشخص‌است‌مساحتي ‌که طور

‌بردا‌داده ‌مشاهده‌شتهاي ‌از ‌تصاوير‌‌شده ‌و ‌ميداني هاي

14 يدرخت‌يريگ‌ميبر‌اساس‌روش‌تصم‌شينسبت‌به‌فرسا‌تيحساس‌ۀنقش‌يابيارز

دهند،‌‌پوشش‌مي‌‌براي‌هر‌کالس(‌هاي‌آزمون‌داده)اي‌‌ماهواره

‌نقشه ‌با ‌فراواني ‌‌تشابه ‌الگوسازي ‌از ‌حاصل هاي‌‌داده)هاي

‌الگوسازي ضريب‌همبستگي‌در‌هر‌سه‌نقشه‌بيش‌از‌)دارد‌(

‌(.درصد‌است‌33

‌استفاده ‌‌الگوي ‌نقشۀ ‌تهيۀ ‌براي ‌بشده ‌نسبت ‌هحساسيت

‌به ‌و ‌کيفي ‌رويکردي ‌ارايه‌‌فرسايش، ‌موضوعي ‌نسبي طور

‌دهد‌مي ‌دانش‌‌نقشه. ‌حاصل‌الگوسازي‌محيطي‌اطالعات‌و ها،

‌کارشناسان‌هستند ‌حاصل‌جمع. ‌حاضر آوري‌اطالعات‌‌مطالعۀ

‌مقياس ‌با ‌شاخص‌ناهمگون ‌و ‌مکاني ‌دقت ‌ويژۀ‌‌ها، هاي

طور‌ويژه‌نيازمند‌رويکرد‌‌گوناگون‌در‌مقياس‌محلي‌است‌که‌به

،‌(3773)و‌همکاران‌‌Yvesهاي‌‌همچنين‌مشابه‌يافته.‌کمي‌است

‌توان‌ ‌به ‌باشد، ‌وابسته ‌الگو ‌خود ‌به ‌آنکه ‌بيش‌از دقت‌نتايج

‌داده ‌کيفيت ‌و ‌مکاني ‌زيرا‌‌تفکيک ‌دارد؛ ‌بستگي ‌ورودي هاي

‌ ‌بهالگوهاي ‌نسبت ‌فرضيه‌حساسيت ‌اساس ‌بر هاي‌‌فرسايش

‌منطقه ‌و ‌اساس‌‌ساده ‌بر ‌الگو ‌اين ‌درنهايت، ‌و ‌هستند اي

‌يافته ‌مطابق ‌و ‌است ‌داده ‌‌حساسيت ‌و‌van Rompaeyهاي

Govers ‌(3773‌)طور‌‌انتشار‌خطاي‌ناشي‌از‌کيفيت‌کم‌داده‌به

‌.کند‌چشمگيري‌دقت‌نتايج‌خروجي‌را‌کمتر‌مي

یها داده یبرا شده مطالعه یباتاز ترک یکدر هر یشفرسا حساسیت نسبت به یها از کالس یکو درصد مساحت هر ( بر حسب متر)مساحت -4دول ج

شده یسازالگو یها و داده آزمون

C های تست داده سازی های مدل دادهA

طبقات مساحت درصد مساحت مساحت درصد مساحت

‌ريسک‌کم‌103079/9‌70/00079937‌037431/4‌77304/97090

‌ريسک‌متوسط‌007309/1‌733701403‌710313/1‌37901/94341

‌ريسک‌زياد‌343700/01‌7110311470‌973397/07‌0343/403443

‌ريسک‌خيلي‌زياد‌113733/74‌0/933703440‌097101/70‌4917/734731

C های تست داده سازی های مدل دادهB

طبقات مساحت مساحتدرصد مساحت درصد مساحت

‌ريسک‌کم‌777397/7‌719/3370333‌7‌7

‌ريسک‌متوسط‌037370/71‌7/941910433‌397977/74‌79701/34307

‌ريسک‌زياد‌41773/03‌707741311‌433073/01‌7030/111413

‌ريسک‌خيلي‌زياد‌00490/7‌10/93371391‌313007/7‌743943/7000

C های تست داده سازی های مدل دادهC

طبقات مساحت درصد مساحت مساحت درصد مساحت

‌ريسک‌کم‌493477/7‌774/3433744‌010033/7‌100901/1011

‌ريسک‌متوسط‌190171/73‌9/301447703‌070471/74‌31973/30170

‌ريسک‌زياد‌070119/01‌7001330194‌933173/04‌7331/113703

‌ريسک‌خيلي‌زياد‌300370/7‌10/30703037‌774911/7‌773030/31

‌

7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 17

‌‌

‌

های شده برای داده فرسایش در هر یک از ترکیبات مطالعه های حساسیت نسبت به مقایسۀ مساحت و درصد مساحت هر یک از کالس -11شکل

شده های الگوسازی آزمون و داده

‌براي‌ ‌فرسايش ‌کنترلي ‌عامل ‌چندين ‌حاضر، ‌پژوهش در

تغيير‌در‌.‌فرسايش‌بررسي‌شدند‌حساسيت‌نسبت‌بهارزيابي‌اثر‌

‌ ‌ترکيب ‌سه ‌بين ‌ورودي ‌محيطي ‌CAعوامل ،CB‌‌ کمک‌‌CCو

‌در‌‌مي ‌اثرگذاري ‌براي ‌توانايي ‌در ‌عوامل ‌يک‌از ‌هر ‌تأثير کند

هاي‌مربوط‌به‌هر‌يک‌از‌عوامل‌‌خروجي.‌فرسايش‌مشخص‌شود

ارزيابي‌شدند‌‌CCو‌‌CA‌،CBمحيطي،‌ورودي‌متفاوت‌در‌ترکيب‌

فرسايش‌شرح‌و‌بسط‌‌حساسيت‌نسبت‌بهو‌چهار‌سطح‌از‌نقشۀ‌

حساسيت‌نسبت‌به‌علت‌شباهت‌توزيع‌فضايي‌کالس‌.‌داده‌شد

فرسايش،‌‌حساسيت‌نسبت‌بههاي‌‌فرسايش‌کم‌در‌همۀ‌نقشه‌به

‌کالس ‌و ‌ارزيابي ‌هم ‌با ‌متوسط ‌و ‌کم هاي‌‌کالس‌خطرپذيري

.‌جداگانه‌ارزيابي‌شدند‌خطرپذيري‌زياد‌و‌بسيار‌زياد‌نيز‌هر‌کدام

زياد‌و‌بسيار‌زياد‌براي‌ارزيابي‌هر‌نوع‌‌هاي‌خطرپذيري‌کالس

ناشي‌از‌رخداد‌عمدۀ‌تخريب‌بسيار‌اهميت‌دارند؛‌‌تخريب‌زمين‌

‌مطالعه ‌منطقۀ ‌در ‌اين‌نکته ‌به ‌ضروري‌‌‌شده‌توجه ‌و ‌مهم بسيار

‌تحت ‌منطقه ‌کل ‌مساحت ‌از ‌بزرگي ‌بخش ‌که تأثير‌‌است

،‌درصد‌مساحت‌(73)نمودارهاي‌شکل‌.‌دحساسيت‌زياد‌قرار‌دار

‌داراي‌خطرپذيري ‌يک‌از‌‌نواحي ‌هر هاي‌مختلف‌فرسايش‌در

‌تعيين ‌مي‌ترکيبات ‌نشان ‌را ‌منطقۀ‌‌شده ‌مساحت ‌بيشترين دهند؛

مدنظر‌متأثر‌از‌خطرپذيري‌زياد‌و‌ميزان‌آن‌در‌همۀ‌ترکيبات‌بيش‌

همچنين‌درصد‌مساحت‌شامل‌نواحي‌داراي‌.‌درصد‌است‌01از‌

درصد‌‌4ي‌کم‌در‌همۀ‌ترکيبات‌بسيار‌ناچيز‌و‌کمتر‌از‌خطرپذير

‌است ‌مساحت‌منطقه ‌کل ‌نتايج‌. ‌بخش‌با ‌اين ‌در ‌نتايج تطابق

‌ماهواره‌داده ‌تصاوير ‌و ‌ميداني ‌‌هاي ‌است ‌استنادپذير شکل‌)اي

77.)‌

61 يدرخت‌يريگ‌ميبر‌اساس‌روش‌تصم‌شينسبت‌به‌فرسا‌تيحساس‌ۀنقش‌يابيارز

. خطرپذیری متوسط، ج. خطرپذیری کم، ب. الف. برای هر یک از ترکیباتفرسایش های حساسیت نسبت به توزیع درصد مساحت کالس -12شکل

خطرپذیری بسیار زیاد. خطرپذیری زیاد، د

ارزیابی حساسیت نسبت به فرسایش کم و متوسط

فرسايش‌کم‌و‌متوسط‌بيشتر‌‌حساسيت‌نسبت‌بهنواحي‌داراي‌

‌نزديکي‌نواحي‌آبي‌داراي‌ ‌و ‌اصلي‌حوضه ‌رودخانۀ ‌کنار در

‌شدند ‌مشاهده ‌شيب‌ماليم ‌شناخته. ‌‌نواحي ‌با حساسيت‌شده

‌به ‌‌نسبت ‌برابري ‌تقريباً ‌مقدار ‌داراي ‌کم مقدار‌)فرسايش

در‌هر‌سه‌نقشۀ‌(‌درصد‌سطح‌حوضه‌1/9تا‌‌1/7متغيري‌بين‌

‌به ‌نسبت ‌‌حساسيت ‌بودند ‌)فرسايش ‌0جدول حساسيت‌(.

‌به‌نسبت‌به ‌نواحي‌داراي‌کاربري‌‌فرسايش‌کم ‌در ‌ويژه طور

‌مکان ‌دارد؛ ‌وجود ‌شيب‌ماليم ‌و ‌پوشش‌‌کشاورزي ‌که هايي

.‌است‌(3کالس‌)‌Aridisolosگياهي‌بسيار‌زياد‌و‌نوع‌خاک‌

‌تغييرات‌ ‌ماليم، ‌خطرپذيري ‌برخالف ‌متوسط خطرپذيري

‌ترکيب‌ ‌بين‌سه ‌توجهي‌را ‌Aدرخور ،B‌‌ ‌مينشا‌Cو دهد‌‌ن

مقادير‌نزديکي‌از‌توزيع‌فضايي‌‌Cو‌‌Bهاي‌‌ترکيب(.‌1شکل‌)

مقدار‌‌Aدهند‌و‌ترکيب‌‌متوسط‌را‌نشان‌مي‌خطرپذيريکالس‌

‌نشان‌مي ‌اين‌کالس‌را ‌دهد‌کمتري‌از ‌الگوي‌. اين‌ترکيب‌با

ICONA‌(CA)‌‌،اراضي‌ ‌کاربري ‌شامل ‌که ‌است مرتبط

.‌هاي‌خاک‌است‌توپوگرافي،‌شاخص‌پوشش‌گياهي‌و‌ويژگي

،‌اما‌تأثير‌آن‌بسيار‌‌شود‌اضافه‌مي‌CBعامل‌بارندگي‌در‌ترکيب‌

‌جزئي‌است ‌ترکيب‌. ‌بارندگي‌در ‌و‌‌افزايش‌مي‌CCتأثير يابد

طور‌وسيعي‌‌شده‌در‌ترکيب‌قبلي‌به‌عامل‌پوشش‌گياهي‌حذف

‌ ‌بهدر ‌نسبت ‌مي‌حساسيت ‌تأثير ‌متوسط .‌گذارد‌فرسايش

حساسيت‌براي‌‌CCبنابراين‌پوشش‌گياهي‌در‌موقعيت‌الگوي‌

‌به ‌نيمه)فرسايش‌‌نسبت ‌مناطق ‌در ‌بارندگي ‌با خشک‌‌وقتي

‌.عامل‌بسيار‌مهمي‌است(‌شده‌مقايسه‌شود‌مانند‌منطقۀ‌مطالعه

‌

ارزیابی حساسیت نسبت به فرسایش زیاد

‌ ‌داراي ‌بهنواحي ‌نسبت ‌اهميت‌‌حساسيت ‌زياد فرسايش

‌بخش‌ويژه ‌اين ‌دارند؛ ‌به‌اي ‌فرسايش‌‌ها ‌مستعد ‌ذاتي طور

‌خاک‌مي ‌شديدي‌بر ‌بسيار ‌تأثير ‌و ‌گذارند‌هستند حساسيت‌.

‌ترکيب‌نسبت‌به ‌در‌همۀ ‌به‌فرسايش‌زياد ‌ترکيب‌ها هاي‌‌ويژه

CBو‌‌CCسطح‌بسيار‌زيادي‌را‌به‌خود‌اختصاص‌داده‌است‌‌.

‌ ‌مربو‌CAترکيب ‌مساحت ‌مقدار ‌کالس‌ازنظر ‌اين ‌به ط

7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 13

‌دارد ‌قرار ‌رتبۀ‌سوم ‌خطرپذيري‌در ‌اختالف‌زيادي‌. ‌اينجا در

‌نتايج‌نشان‌مي ‌و ‌ندارد ‌ترکيب‌وجود دهند‌‌بين‌خروجي‌سه

‌است ‌گياهي ‌پوشش ‌با ‌مستقيم ‌ارتباط ‌در ‌موجود .‌اختالف

تنها‌عامل‌کنترلي‌در‌‌NDVIپوشش‌گياهي‌حاصل‌از‌شاخص‌

خاک‌است‌و‌در‌کردن‌اجزاي‌‌کاهش‌اثر‌بارندگي‌در‌پراکنده

‌(.3شکل‌)در‌نظر‌گرفته‌نشده‌است‌‌CCترکيب‌

،‌CBو‌‌CAهاي‌‌با‌در‌نظر‌گرفتن‌پوشش‌گياهي‌در‌ترکيب

حساسيت‌درصد‌مساحت‌حوضه‌جزو‌نواحي‌داراي‌‌37تا‌‌00

پوشي‌از‌اين‌‌گيرند‌و‌با‌چشم‌فرسايش‌زياد‌قرار‌مي‌نسبت‌به

ند‌ما‌درصد‌باقي‌مي‌07،‌اين‌مقدار‌حدود‌CCعامل‌در‌ترکيب‌

(‌ ‌0جدول ‌ترکيب(. ‌بين ‌ميزان‌‌اختالف ‌در ‌مختلف هاي

‌حياتي‌ ‌اهميت ‌بر ‌شاهدي ‌زياد، ‌بخش‌خطرپذيري مساحت

‌ ‌ارزيابي ‌الگوهاي ‌براي ‌گياهي ‌بهپوشش ‌نسبت ‌حساسيت

هاي‌‌بنابراين‌نبايد‌از‌پوشش‌گياهي‌در‌مطالعه.‌فرسايش‌است

‌.پوشي‌شود‌فرسايش‌چشم‌حساسيت‌نسبت‌بهمربوط‌به‌

‌

حساسیت نسبت به فرسایش بسیار زیادارزیابی

‌ ‌مختلف ‌سطوح ‌بين ‌بهاز ‌نسبت فرسايش،‌‌حساسيت

‌به ‌زياد ‌بسيار ‌فرسايشي ‌بحراني‌‌حساسيت ‌بسيار ‌جدي طور

است‌و‌به‌علت‌درجۀ‌زياد‌تخريب‌خاک‌در‌اين‌کالس‌نسبت‌

.‌ها،‌بازسازي‌در‌اين‌بخش‌بسيار‌مشکل‌است‌به‌ديگر‌کالس

‌ ‌بهمقادير ‌نسبت ‌ب‌حساسيت ‌در‌فرسايش ‌کالس ‌اين راي

درصد‌سطح‌‌3تا‌‌7نزديک‌به‌هم‌و‌بين‌‌CBو‌‌CAهاي‌‌ترکيب

به‌طور‌درخور‌توجهي‌‌CCمنطقه‌است؛‌اين‌بخش‌در‌ترکيب‌

‌مي ‌‌افزايش ‌به ‌آن ‌مقدار ‌و ‌حوضه‌‌1/74يابد ‌سطح درصد

‌رسد‌مي ‌ترکيب‌‌چشم. ‌بارندگي‌در ‌مقادير ‌در‌‌CAپوشي‌از و

‌ ‌ترکيب ‌در ‌آن ‌دوبارۀ ‌گرفتن ‌در‌تغييرا‌CBنظر ‌چنداني ت

‌پوشش‌ ‌تحت ‌بهمساحت ‌نسبت ‌بسيار‌‌حساسيت فرسايش

‌نمي ‌ايجاد ‌مي‌زياد ‌نشان ‌و ‌در‌‌کند ‌بارندگي ‌عامل دهد

‌فرسايش‌نقش‌اساسي‌ندارد‌حساسيت‌نسبت‌به ‌عبارتي،‌. به

‌ترکيب‌‌CAوقتي‌ترکيب‌ ‌تفاوت‌چنداني‌‌CBبا مقايسه‌شود،

فرسايش‌بسيار‌‌حساسيت‌نسبت‌بهدر‌مقادير‌و‌توزيع‌فضايي‌

عامل‌کنترلي‌پوشش‌گياهي‌تنها‌در‌ترکيب‌.‌شود‌زياد‌ديده‌نمي

CB‌‌ ‌نشده ‌گرفته ‌نظر ‌اين‌در ‌غالب ‌نقش ‌بنابراين، ‌و است

‌ ‌در ‌مؤثر ‌بهشاخص ‌نسبت ‌زياد‌‌حساسيت ‌بسيار فرسايش

‌است ‌روشن ‌انجام‌ارزيابي. ‌‌هاي ‌از ‌بهشده ‌نسبت ‌حساسيت

‌پو ‌بر ‌زياد ‌بسيار ‌و ‌زياد ‌متوسط، شش‌گياهي‌فرسايش‌کم،

‌مي ‌کنند‌تأکيد ‌اساسي‌. ‌و ‌عمده ‌نقش ‌بر ‌دال ‌نيز شواهدي

‌ ‌بر ‌تأثير ‌در ‌گياهي ‌پوشش ‌بهشاخص ‌نسبت ‌حساسيت

‌دارند ‌وجود ‌نتيجه‌.فرسايش ‌نتايج‌‌اين ‌مشابه ‌تقريباً گيري

Kirkby‌(3777‌)است‌که‌ارتباط‌بسيار‌قوي‌فرسايش‌خاک‌با‌

‌اقليم ‌در ‌گياهي ‌نيمه‌پوشش ‌و ‌خشک ‌نشان‌‌هاي ‌را خشک

‌.دهند‌يم

‌

نتیجه

‌و‌ ‌گياهي ‌پوشش ‌بارندگي، ‌توپوگرافي، ‌اراضي، کاربري

هاي‌خاک‌عوامل‌کليدي‌کنترل‌فرسايش‌خاک‌هستند‌‌ويژگي

‌روش ‌با ‌پژوهش‌حاضر ‌در ‌‌که ‌و ‌دور ‌سنجش‌از ‌GISهاي

‌شدند ‌ارزيابي ‌و ‌تحليل ‌از‌. ‌حاصل ‌خطرپذيري ‌نقش سه

‌اعمال ‌مي‌الگوهاي ‌نشان ‌‌شده ‌بهدهند ‌نسبت ‌حساسيت

‌مطالعه ‌حوضۀ ‌زياد، ‌بسيار ‌و ‌زياد ‌به‌فرسايش ‌و ويژه‌‌شده

‌نواحي‌نمکي‌را‌ ‌و نواحي‌داراي‌پوشش‌سطحي‌اراضي‌باير

‌مي‌به ‌پوشش ‌گسترده ‌دهند‌طور ‌سمنان،‌. ‌آبريز ‌حوضۀ در

‌اطراف‌ ‌آبي، ‌ذخاير ‌نزديک ‌نواحي ‌در ‌گياهي پوشش

‌رودخانه ‌و ‌اين‌مناطق‌‌سکونتگاهها ‌است‌و هاي‌فصلي‌بيشتر

حساسيت‌درصد‌هستند‌که‌‌1اليمي‌بين‌صفر‌تا‌داراي‌شيب‌م

‌نشان‌مي‌نسبت‌به ‌متوسط‌را حساسيت‌ .دهد‌فرسايش‌کم‌تا

‌به ‌به‌نسبت ‌خاک ‌گياهي‌‌فرسايش ‌پوشش ‌با ‌عمده طور

‌مي ‌پيش‌مشخص ‌مي‌شود؛ ‌بخش‌بيني ‌و‌‌شود ‌جنوبي هاي

شرقي‌حوضۀ‌آبريز‌سمنان‌به‌علت‌فقر‌پوشش‌گياهي‌‌جنوب

‌ ‌مواجه ‌فرسايش ‌افزايش‌سطح ‌شوندبا .‌ ‌است اتخاذ‌بديهي

حساسيت‌نسبت‌از‌سطوح‌داراي‌‌حفاظت‌يفورهاي‌‌تصميم

‌تخريب‌‌به ‌از ‌جلوگيري ‌براي ‌زياد ‌بسيار ‌و ‌زياد فرسايش

‌است ‌ضروري ‌امري ‌آينده ‌در ‌اراضي ‌روش‌. همچنين

63 يدرخت‌يريگ‌ميبر‌اساس‌روش‌تصم‌شينسبت‌به‌فرسا‌تيحساس‌ۀنقش‌يابيارز

برداري‌و‌الگوسازي‌پژوهش‌حاضر،‌روشي‌سريع،‌ساده‌‌نقشه

‌با‌استفاده‌از‌داده است‌که‌براي‌هاي‌سنجش‌از‌دور‌‌و‌عمدتاً

ويژه‌کشورهايي‌نظير‌ايران‌که‌تجهيزات‌‌انواع‌مناطق‌جهان‌به

‌اندازه ‌و ‌تاريخي ‌آمار ‌و ‌آنها‌‌گيري‌تکنيکي ‌در ‌ميداني هاي

‌.کند‌پذير‌و‌کاربردي‌فراهم‌مي‌ضعيف‌هستند،‌ابزاري‌انعطاف

References

Agassi M. 1996. Soil Erosion, Conservation, and

Rehabilitation. Marcel Dekker Inc., New

York, p. 424.

Bayramin I. Dengiz O. Baskan O. and Parlak M. 2003.

Soil erosion risk assessment with ICONA

model; case study: Beypazar YArea. Turkish

Journal of Agriculture and Forestry 27:105-

116.

Bishr Y.A. and Radwan M.M. 1995. Preliminary

design of a decision support system for

watershed management. ITC Journal, 1:23-

28.

Biswas S. Sudhakar S. and Desai V.R. 1999.

Prioritization of sub-watersheds based on

morphometric analysis of drainage basin: a

remote sensing and GIS approach. Journal of

the Indian Society of Remote Sensing 27

(3):155-166.

Boardman J. and Vandaele K. 2010. Soil erosion,

muddy floods and the need for institutional

memory, Area, 42(4):502–513.

Bouaziz M. Leidig M. and Gloaguen R. 2011. Optimal

parameter selection for qualitative regional

erosion risk monitoring: A remote sensing

study of SE Ethiopia. Geoscience Frontiers

2(2):237- 245.

Bouaziz M. Wijaya A. and Gloaguen R. 2009. Gully

erosion mapping using aster data and

drainage network analysis in the main

Ethiopian rift. In: Proceeding of the

International Geoscience and Remote

Sensing Symposium (IRARSS), Cape Town,

South Africa. p. I13-I16.

Bryan R.B. 1977. Assessment of soil erodibility: new

approaches and directions. In: Toy, T.J.

(Ed.), Erosion: Research Techniques,

Erodibility and Sediment Delivery,

Geoabstracts, Norwich. p. 57-72.

Chen W. Xie X. Wang J. Pradhan B. Hong H. Bui

D.T. Duan Zh. And Ma J. 2017. A

comparative study of logistic model tree,

random forest, and classification and

regression tree models for spatial prediction

of landslide susceptibility. CATENA,

151:147–160.

Cerdan O. Souch_ere V. Lecomte V. Couturier A. Le

and Bissonnais Y. 2002. Incorporating soil

surface crusting processes in an expert-based

runoff model: sealing and transfer by runoff

and erosion related to agricultural

management. CATENA 46 (2-3):189-205.

Crepani E. de Medeiros J.S. Hernandez F.P. Galloti

F.T. Duarte V. and Faria B.C.C. 2001.

Remote Sensing and Geoprocessing Applied

to the Ecological and Economical Zoning

and to the Territorial Ordering, INPE-8454-

RPQ/722, S~ao Jos_e dos Campos, Brazil,

p. 124 (in Portuguese with English abstract).

Devi R. Tesfahune E. Legesse W. Deboch B. and

Beyene A. 2008. Assessment of siltation and

nutrient enrichment of Gilgel Gibe dam,

Southwest Ethiopia. Journal of Bioresource

Technology 99(5):975-979.

Drzewiecki W. Wezyk P. Pierzchalski M. and Szafran-

Ska B. 2013. Quantitative and Qualitative

Assessment of Soil Erosion Risk in

Małopolska (Poland), Supported by an

Object-Based Analysis of High-Resolution

Satellite Images, J. Pure and Applied

Geophysics, DOI 10.1007/s00024-013-

0669-7.

Dupac M. 2010. Soil erosion and degradation based on

sand particles transport caused by wind

blowing, Natural Resource Modeling,

23(2):121-122.

El-Swaify S.A. 1997. Factors affecting soil erosion

hazards and conservation needs for tropical

steeplands. Soil Technology 11: 3-6.

Enters T. 1998. A framework for economic assessment

of soil erosion and soil conservation. In:

Penning de Vries, F.W.T., Agus, F., Kerr, J.

(Eds.), Soil Erosion at Multiple Scales:

Principles and Methods for Assessing

Causes and Impacts. CAB Publishing,

Wallingford, UK, p. 317-342.

Essa S. 2004. GIS modeling of land degradation in

Northern Jordan using Landsat imagery. In:

Proceeding of the 20th ISPRS Congress

12e23 July 2004, Istanbul, Turkey, 505-510.

Fernandes J. Bateirad C. Soares L. Faria A. Oliveira A.

Hermenegildo C. Moura R. and Gonçalves J.

2017. SIMWE model application on

susceptibility analysis to bank gully erosion

in Alto Douro Wine Region agricultural

terraces. CATENA, 153:39-49.

Foth L.T. and Turk L.M. 1972. Fundamentals of Soil

Science, fifth ed. John Wiley & Sons, Inc.,

New York, p. 371.

Frank T.D. and Isard S.A. 1986. Alpine vegetation

classification using high resolution aerial

imagery and topoclimatic index values.

7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 14

Photogrammetric Engineering and Remote

Sensing, 52 (3): 381-388.

Gahegan M. German G. and West G. 1999. Improving

Neural Network Performance on the

Classification of Complex Geographic

Datasets. Journal of Geographical Systems,

1:3-2.

Gessler P.E. Moore I.D. McKenzie N.J. and Ryan P.J.

1995. Soil-landscape modeling and spatial

prediction of soil attributes. International

Journal of Geographical Information

Systems 9 (4):421-432.

Grum B. Woldearegay K. Hessel R. Baartman J.E.M.

Abdulkadir M. Yazewe E. Kessler A.

Ritsem C. J. and Geissen V. 2017. Assessing

the effect of water harvesting techniques on

event-based hydrological responses and

sediment yield at a catchment scale in

northern Ethiopia using the Limburg Soil

Erosion Model (LISEM), CATENA, 159:

20-34.

Harris M.T. and Boardman J. 1990. A rule-based

expert system approach to predicting

waterborne soil erosion. In: Boardman, J.

Foster, D.L. Dearing, J.A. (Eds.) Soil

Erosion on Agricultural Land. John Wiley &

Sons, Chichester, p. 401-412.

Hill J. Megier J. Mehl W. 1995. Land degradation, soil

erosion and desertification monitoring in

Mediterranean ecosystems. Remote Sensing

Reviews, 12:107-130.

Hurni H. 1993. Land degradation, famine and resource

scenarios in Ethiopia. In: Pimental, D. (Ed.),

World Soil Erosion and Conservation.

Cambridge University Press, Cambridge, p.

27-61.

Jain S.K. Dolezal F. 2000. Modeling soil erosion using

EPIC supported by GIS, Bohemia, Czech

Republic. Journal of Environmental

Hydrology, 8:1-11.

Kirkby M. 2001. Modeling the interaction between soil

surface properties and water erosion.

CATENA 46: 89-102.

Kothyari U.C. 1996. Erosion and sedimentation

problems in India. In: Wailing D.E. Webb

B.W. (Eds.), Erosion and Sediment Yield:

Global and Regional Perspectives, 236.

IAHS Publication, 531-540.

Li P. Mu X. Holden J. Wu Y. Irvine B. Wang F. Gao P.

Zhao G. and Sun W. 2017. Comparison of

soil erosion models used to study the

Chinese Loess Plateau, Earth-Science

Reviews, 170: 17-30.

Li Zh. Zhang Y. Zhu Q. Yang S. Lia H. and Ma H.

2017. A gully erosion assessment model for

the Chinese Loess Plateau based on changes

in gully length and area, CATENA,

148(2):195-203.

Majaliwa M.J.G. Magunda M.K. Tenywa M.M. and

Isabirye M. 2003. Effect of topography on

soil erodibility in Kakuuto micro-catchment,

Uganda. East African Agricultural and

Forestry Journal, 69(1):19-27.

Martinez G. Weltz M. Pierson F.B. Spaeth K.E. and

Pachepsky Y. 2017. Scale effects on runoff

and soil erosion in rangelands: Observations

and estimations with predictors of different

availability, CATENA, 151:161-173.

Martinez-Casasnovas, J.A. 2003. A spatial information

technology approach for the mapping and

quantification of gully erosion. CATENA 50

(24): 293-308.

Mitasova H. Hofierka J. Zlocha M. and Iverson L.R.

1996. Modeling topographic potential for

erosion and deposition using GIS.

International Journal of Geographical

Information Science, 10(5):629-641.

Morgan R.P.C. 1995. Soil Erosion and Conservation,

second ed., Essex, New York, p. 320.

Moore I.D. Gessler P.E. Nielson G.A. and Peterson

G.A. 1993. Soil attributes prediction using

terrain analysis. Soil Science Society of

America Journal 2:443-452.

Nearing M. A. Yin Sh. Borrelli P. and Polyakova V.O.

2017. Rainfall erosivity: An historical

review. CATENA, 157:357-362.

Oldeman L.R. Hakkeling R.T.A. and Sombroek W.G.

1990. World Map of the Status of Human-

induced Soil Degradation: An Explanatory

Note, Wageningen, Netherlands, p. 34.

Oldeman L.R. 1994. The global extent of soil

degradation. In: Greenland, D.J., Szabolcs, I.

(Eds.), Soil Resilience and Sustainable Land

Use. CAB International, Oxon, U.K., p. 115.

Pickup G. and Chewings V.H. 1996. Correlations

between DEM-derived topographic indices

and remotely sensed vegetation cover in

rangelands. Earth Surface Processes and

Landforms, 21:517-529.

Quinton J.N. 1997. Reducing predictive uncertainty in

model simulations: a comparison of two

methods using the European Soil Erosion

Model EUROSEM, 30:101-117.

Qygarden L. 2003. Rill and gully development during

an extreme winter runoff event in Norway.

50 (2-4):217-242.

Reusing M. Schneider T. and Ammer U. 2000.

Modeling soil loss rates in the Ethiopian

Highlands by integration of high resolution

MOMS- 02/D2-stereo-data in a GIS. Journal

of Remote Sensing, 21:1885-1896

61 يدرخت‌يريگ‌ميبر‌اساس‌روش‌تصم‌شينسبت‌به‌فرسا‌تيحساس‌ۀنقش‌يابيارز

Rouse J.W. Haas R.H. Schell J.A. and Deering D.W.

1974. Monitoring vegetation systems in the

Great Plains with ERTS. In: Freden, S.C.,

Mercanti E.P. Becker M.A. (Eds.), Third

Earth Resource Technology Satellite-1

Symposium, vol. 1, Technical Presentations.

NASA, Washington, D.C. p. 309-317.

Singh G. Babu R. Narain P. Bhushan L.S. and Abrol

I.P. 1992. Soil erosion rates in India. Journal

of Soil and Water Conservation, 47 (1): 97-

99.

Stocking M.A. and Murnaghan N. 2001. A Handbook

for the Field Assessment of Land

Degradation. Earthscan Publication, London,

UK, p. 169.

Sukhanovskii Y. P. 2010. Rainfall Erosion Model,

Eurasian Soil Science, 43(9):1036-1046.

Thornes J.B. Shao J.X. Diaz E. Roldan A. McMahon

M. and Hawkes J.C. 1996. Testing the

MEDALUS hillslope model. 26:137-160.

Toy T.J. Foster G.R. and Renard K.G. 2002. Soil

Erosion: Processes, Prediction,

Measurement and Control. John Wiley &

Sons, New York.

Trimble W.S. 1990. Geomorphic effects of vegetation

cover and management: some time and

space considerations in predicting of erosion

and sediment yield. In: Thornes, J.B. (Ed.),

Vegetation and Erosion. John Wiley & Sons

Ltd., UK, p. 55-65.

Van Rompaey A.J.J. and Govers G. 2002. Data quality

and model complexity for regional scale soil

erosion prediction. International Journal of

Geographical Information Science, 16(7):

663-680.

Vrieling A. Sterk G. and Beaulieu N. 2002. Erosion

risk mapping: a methodological case study

in the Colombian Eastern Plains. Journal of

Soil and Water Conservation, 57(3):158-

163.

Wang L. Huang J. Du Y. Hu Y. and Han P. 2013.

Dynamic Assessment of Soil Erosion Risk

Using Landsat TM and HJ Satellite Data in

Danjiangkou Reservoir Area, China, Remote

Sensing, 5:3826-3848.

Wijaya A. 2005. Application of Multi-stage

Classification to Detect Illegal Logging with

the Use of Multi-source Data, MSc. Thesis,

ITC, Enschede, The Netherlands.

Yao H. Shi Ch. Shao W. Bai J. and Yang H. 2017.

Changes and influencing factors of the

sediment load in the Xiliugou basin of the

upper Yellow River, China, CATENA,

142:1-10.

Yves L.B. Montier C. Jamagne M. Daroussin J. and

King D. 2002. Mapping erosion risk for

cultivated soil in France. CATENA,

46(23):207-220.

7930، شماره اول، بهار07و چهارم، شماره پياپي شناسي، سال سي نگاري و رسوب هاي چينه پژوهش 11