| تعداد نشریات | 44 |
| تعداد شمارهها | 1,877 |
| تعداد مقالات | 15,278 |
| تعداد مشاهده مقاله | 43,731,918 |
| تعداد دریافت فایل اصل مقاله | 17,564,270 |
مدلسازی زمانی- مکانی فرسایش خاک با استفاده از مدل RUSLE و اثرات آن بر کیفیت خاک | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| جغرافیا و برنامه ریزی محیطی | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مقاله 6، دوره 36، شماره 2 - شماره پیاپی 98، تیر 1404، صفحه 113-140 اصل مقاله (2.33 M) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نوع مقاله: مقاله پژوهشی | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| شناسه دیجیتال (DOI): 10.22108/gep.2025.145683.1732 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نویسندگان | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| امین برابریان1؛ ندا محسنی* 2 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 1دانشجوی کارشناسی ارشد ژئومورفولوژی، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 2دانشیار ژئومورفولوژی، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| چکیده | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| هدف از پژوهش حاضر ارزیابی سازوکارهای مؤثر بر توسعۀ فرسایش خاک و بررسی پیامد آن بر تغییر کیفیت خاک در دامنههای جنوبی آلاداغ واقع در استان خراسان شمالی است. این پژوهش با بهرهگیری از مدل RUSLE و دادههای ماهوارهای، فرسایش خاک را در دامنههای جنوبی آلاداغ ارزیابی کرد و با استفاده از ضریب همبستگی پیرسون، رابطۀ آن را با شاخص کیفیت خاک بررسی کرده است. نتایج مدل در مقیاس زمانی 20ساله نشان میدهد که حدود 90درصد از مساحت منطقه در کلاس فرسایشی شدید با مقدار 20 تا 40 تن در هکتار در سال قرار دارد. کلاسهای فرسایشی با مقدار تلفات خاک کمتر از 10 تا 20 تن در هکتار در سال حدود 8درصد از مساحت منطقه را پوشش میدهند. الگوی مکانی این کانونهای افزایشی که در مناطق پایکوهی و دشتسر متمرکز شدهاند، بهشدت بر نقش تغییرات کاربری و مدیریت ناپایدار اراضی بر تشدید فرسایش دلالت دارند. الگوی مکانی کیفیت خاک نشاندهندۀ ناهمگونی معنادار در سطح منطقه است. شاخص کیفیت خاک در بخشهای وسیعی از مرکز، غرب و جنوب غربی منطقه در پایینترین مقدار نزدیک به 34/0 است. تطبیق این الگو با نتایج مدل RUSLE نشان میدهد که پهنههایی با کمترین مقدار کیفیت خاک بهطور عمده در اراضی کوهستانی، دامنههای پرشیب، رخنمونهای سنگی و خاکهای کمعمق بهدلیل فقر مادۀ آلی، ظرفیت پایین نگهداشت آب و شیب زیاد قرار گرفتهاند. نتایج آنالیز همبستگی نشان داد که حدود 69/82درصد از مساحت منطقه دارای همبستگی منفی قوی بین فرسایش و کیفیت خاک بودهاند. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| کلیدواژهها | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| رواناب؛ مدیریت؛ تخریب اراضی؛ سنجش از دور؛ آلاداغ | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| اصل مقاله | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
مقدمه فرسایش خاک شامل کندهشدن و حمل ذرات خاک از لایههای سطحی که با تبعات جبرانناپذیر بر زمینهای کشاورزی، پرشدن دریاچۀ سدها و تخریب کیفیت خاک از مشکلات شایع در تمامی نقاط جهان محسوب میشود ( Rojas-Conzalez, 2008; Lu et al., 2004; Kim et al., 2005). تخمین تلفات خاک و شناسایی مناطق مستعد و بررسی عوامل و سازوکارهای اثرگذار میتواند بهترین اقدام مدیریتی برای دستیابی به برنامههای حفاظت خاک باشد. درمجموع، مناطق مستعد به تخریب خاک توسط فعالیتهای انسان حدود دو میلیارد هکتار، تخریب خاک ناشی از عملکرد فرسایش آبی، حدود 1100 میلیون تن در هر هکتار در سال و تلفات خاک ناشی از عملکرد فرسایش بادی، 550 تن در هر هکتار در سال برآورد شده است (Saha, 2004). فرایند تخریب خاک بهشدت متأثر از عوامل محیطی شامل نوع خاک، اقلیم، ویژگیهای توپوگرافی، پوشش گیاهی و درنهایت برهمکنش بین آنها قرار دارد. عمدهترین ویژگیهای توپوگرافی مؤثر بر فرسایش خاک شامل درصد شیب، جهت شیب و طول شیب هستند (Huang et al., 2015). این عوامل نقش مهمی در سازوکار رواناب بازی میکنند. شیب بیشتر، تولید رواناب بیشتر و بنابراین، کاهش نفوذپذیری را فراهم میآورد. همچنین فعالیتهای انسانی نظیر گسترش کشاورزی، تبدیل جنگل به کاربریهای شهری و مزارع میتواند به افزایش نرخ فرسایش خاک منجر میشود. اگرچه بسیاری از متغیرهای محیطی همچنان که در بالا تشریح شد، نقش مهمی در کمیت فرسایش خاک دارند، ویژگیهای ذاتی خاک مانند بافت خاک، ویژگی فیزیکی خاکدانهها، میزان تخلخل خاک، میزان مادۀ آلی، سطح تنوع زیستی خاک بهطور بالقوه پتانسیل وقوع فرسایش خاک را در برهمکنش با متغیرهای محیطی تشدید میکنند. مدلسازی فرسایش خاک با در نظر گرفتن عوامل درونی و بیرونی مؤثر، میتواند زمینهای برای درک شرایط فرسایش فعلی و پیشبینی روند تغییرات آینده فراهم آورد. با این رویکرد، اقدامات مدلسازی متعددی برای بررسی ابعاد فرسایش خاک در دنیا انجام شده است. ارزیابی کمّی فرسایش خاک ازطریق ترکیب رویکردهای مدلسازی، اندازهگیریهای میدانی و مدلهای شبیهسازی میتواند گزینهای کارآمد برای درک عمیقتر گسترۀ زمانی-مکانی مشکلات مرتبط با فرسایش باشد. در دهههای اخیر، مدلهای فرسایش متعددی برای ارزیابی پتانسیل فرسایش ورقهای، شیاری و خندقی ارائه شدهاند. مدل USLE برای اولینبار با هدف ارزیابی و تخمین فرسایش خاک در مزارع و مناطقی با توپوگرافیهای کمشیب ارائه شد. نسخۀ اصلاحشدۀ آن با عنوان RUSLE بعدها برای سنجش فرسایش خاک در طیف گستردهای از مناطق ارائه شد ( Wischmeier & Smith, 1978; Van Remortel et al., 2001; Lee & Lee, 2006). مدلهای فرسایش خاک درمجموع به سه گروه مدلهای تجربی، مفهومی و فیزیکی تقسیم میشوند. مدل USLE و نسخۀ اصلاحشدۀ آن RUSLE درواقع ترکیبی از مدلهای تجربی و مفهومی در حوزۀ فرسایش خاک هستند (Merritt et al., 2003). ترکیب یکپارچه از مدلهای فرسایش خاک، دادههای میدانی و دادههای حاصل از سنجش از دور بهطور قطع میتواند به ارزیابی دقیقتر ابعاد فرسایش خاک کمک کند. باتوجهبه شرایط ژئومورفیک چشماندازهای کوهستانی و دشتسرها و محیط بهینۀ آنها برای توسعۀ زمینهای کشاورزی، این اراضی از آسیبپذیرترین اشکال ژئومورفیک در برابر فرسایش محسوب میشوند. بهطوریکه گسترش فرسایش روی این سطوح بهشدت سطح کیفیت خاک را متأثر میسازد. فرسایشپذیری خاک یا همان فاکتور K در معادلۀ جهانی تلفات خاک[1] USLE شاخص بسیار مهمی برای اندازهگیری حساسیتپذیری خاک به فرسایش آبی و عاملی ضروری برای پیشبینی فرسایش خاک است (Borselli et al., 2012). باتوجهبه اثرات فرسایش روی کیفیت خاک، مطالعات بر روی ویژگیها و فرسایشپذیری خاکهای متأثر از فرسایش در راستای حفظ منابع طبیعی ازجمله افزایش سطح کیفیت خاک ضروری بهنظر میرسد. Yusong et al (2019) و (2013) Zhong et al. در مطالعهای در چین نشان دادهاند که از سال 1950 تا 2005، فرسایش خاک در مناطقی با خاکهای رسی بر محدودهای با وسعت 1220 کیلومتر مربع تأثیر گذاشته و به تلفات بیش از 60 میلیون تن خاک و بیش از 38000 هکتار از زمینهای کشاورزی منجر شده است. Fang et al. (2024) در مطالعهای اثرات فرسایش را روی کیفیت خاکهای زمینهای کشاورزی در شمال شرق چین بررسی کردند. نتایج این مطالعه نشان داد که تغییرپذیری در نرخ فرسایش و کیفیت خاک بهشدت متأثر از عامل شیب است. در مطالعهای دیگر، Mandal et al. (2023) اثرات فرسایش را روی کیفیت خاک و پیامدهای آنها بر توسعۀ پایدار کشاورزی در مناطقی از هند ارزیابی کردند. نتایج نشان داد که شاخص کیفیت خاک بهطور معناداری در پاسخ به افزایش نرخ فرسایش خاک، روند کاهشی چشمگیری داشته است. همچنین، Mandal et al. (2021) کیفیت و بهرهوری خاک را طی فازهای مختلف فرسایش با تأکید بر فرایندهای تخریب زمین در مناطق گرم و مرطوب هند ارزیابی کردند. نتایج بیانگر ارتباط معکوس و معنادار بین فازهای تکاملی فرسایش خاک با شاخصهای کیفیت و بهرهوری است.Nosrati (2013) در مطالعهای روی حوضههای آبخیز ایران، شاخصهای کیفیت خاک را در پاسخ به تغییرات کاربری اراضی و فرسایش خاک ارزیابی کرد. نتایج مطالعه، تفاوتهای معناداری از تغییرات کیفیت خاک را بین سطوح مختلف فرسایش/کاربری اراضی نشان داده است. Ma et al. (2024) پاسخ روند تخریب کیفیت خاک را به فرسایش ناشی از کشاورزی در شمال شرق چین مطالعه کردند. نتایج این تحقیق نشان داد که کشاورزی و فرسایش خاک ناشی از آن، بیشترین سهم در تخریب کیفیت خاک را در خاکهای مالیسول (Mollisols) دارد. Eekhout & de Vente (2022) در مطالعۀ مروری جهانی، نشان دادند که تغییر اقلیم به تشدید فرسایش خاک، بهویژه در مناطق نیمهخشک، منجر خواهد شد و تغییر کاربری اراضی این روند را تشدید میکند؛ بااینحال، اقدامات حفاظتی میتوانند این اثرات را جبران کنند. Ibragimov et al. (2024) با استفاده از مدل RUSLE ، فرسایش خاک را در منطقۀ بکآباد ازبکستان بررسی کرده و افزایش کلاسهای فرسایش متوسط و جزئی را گزارش کردند که بر لزوم پایش مستمر و اقدامات حفاظتی تأکید دارد. Sud et al. (2024) نیز با بهکارگیری همین رویکرد در حوضۀ آبخیز ساتلوج دریافتند که ۹۲درصد از منطقه دارای فرسایش شدید با میانگین تلفات خاک ۱۰۷۴۰ تن در هکتار در سال است. در پژوهشی دیگر، Sentani et al. (2024) با ارزیابی فرسایش در حوضۀ آبخیز تانتانگ اندونزی نشان دادند که اگرچه فرسایش در بیشتر مناطق در سطح متوسط قرار دارد، برخی زیرحوضهها با خطر فرسایش شدید مواجه هستند که میتواند به رسوبگذاری و سیلاب منجر شود. تحقیقات زیادی در ایران با استفاده از روشهای مختلف، فرسایش خاک و ارتباط آن را با کیفیت خاک ارزیابی کردهاند. امامی و همکاران (۱۳۹۵) با بررسی اثرات شیب و جهت آن بر کیفیت خاک در جنوب شرق مشهد نشان دادند که مقدار عددی شاخص کیفیت خاک در شیبهای شمالی بهطور معنیداری بیشتر از شیبهای جنوبی است. محسنی (۱۳۹۸) در مطالعهای روی سطوح مخروطهافکنهای، اثرات فرسایش را بر تنوع میکروبی خاک بررسی کرد و دریافت که میزان کربن آلی و نیتروژن کل در مکانهای رسوبی در مقایسه با مکانهای فرسایشی کاهش معناداری داشته است. خضری و همکاران (۱۴۰۱) با بررسی تأثیر موقعیتهای ژئومورفیک بر فرسایشپذیری و کیفیت خاک در حوضۀ آبخیز هشتیان نتیجه گرفتند که شانۀ دامنه بهدلیل شیب بیشتر، نرخ فرسایشپذیری بیشتری دارد، درحالیکه کیفیت خاک در خطالرأس و پای دامنه بهتر است. درسالهای اخیر، کاربرد مدلهای مبتنیبر سنجش از دور برای برآورد فرسایش افزایش یافته است. معتمدیراد و همکاران (۱۴۰۲) با استفاده از مدل RUSLE در حوضۀ کال اسماعیل دره شاهرود، میزان فرسایش را 19/17 تن در هکتار برآورد کردند و منطقه را در کلاس فرسایش خیلی کم طبقهبندی کردند. درمقابل، ابراهیمزاده و همکاران (۱۴۰۳) با بهکارگیری مدل RUSLE/SDR در حوضۀ آبخیز دیزگران، نرخ متوسط فرسایش را 09/45 تن در هکتار در سال محاسبه و نشان دادند که بیش از ۷۰درصد مساحت حوضه در کلاسهای فرسایش شدید و بسیار شدید قرار دارد. معرفتی و همکاران (۱۴۰۳) نیز با بررسی اثرات فرسایش خندقی در حوضۀ آبخیز ملااحمد اردبیل، بر اهمیت این نوع فرسایش در کاهش کیفیت خاک تأکید کردند. همچنین، ایزدیپور و همکاران (۱۴۰۴) با استفاده از مدل اینوست (InVEST) در منطقۀ سیستان، میانگین فرسایش را 07/2 تن در هکتار در سال برآورد کردند و رابطهای مثبت و معنادار بین کیفیت زیستگاه و پتانسیل فرسایش خاک یافتند. باوجود تعدد مطالعات در زمینۀ مدلسازی زمانی-مکانی فرسایش خاک، به بررسی پیامدهای مستقیم این پدیده بر شاخصهای کیفیت خاک کمتر توجه شده است. تمرکز اصلی پژوهشهای پیشین بر کمّیسازی تلفات خاک بوده و ارزیابی ابعاد این مخاطره بر تغییرات سطح کیفیت خاک، کمتر بررسی شده است. ازآنجاکه یکی از مخربترین اثرات فرسایش، کاهش کیفیت خاک است، هدف از پژوهش حاضر پرکردن این شکاف تحقیقاتی است. بهطور جزئی تحقیق پیشرو اهداف زیر را دنبال میکند: (1) پیشبینی عوامل و سازوکارهای مؤثر بر توسعۀ فرسایش خاک با ترکیبی از دادههای سنجش از دور و مدل RUSLE؛ (2) سنجش شاخص کیفیت خاک با استفاده از دادۀ OpenLandMap و محصولات سنجندۀ MODIS؛ (3) بررسی اثرات فاکتور فرسایشپذیری بر تغییر کیفیت خاک.
روششناسی پژوهش محدودۀ مطالعهشده این پژوهش در دامنههای جنوبی رشتهکوه آلاداغ، واقع در استان خراسان شمالی در شمال شرقی ایران انجام شده است (شکل ۱). این منطقه بهلحاظ توپوگرافیک، ناحیهای کوهستانی است که آن را به منطقۀ نمونه برای مطالعات فرسایش خاک تبدیل کرده است. دامنۀ ارتفاعی از کمینۀ 995 متر در پاییندست تا بیشینه 2975 متر از سطح دریای آزاد متغیر است و میانگین ارتفاع کل منطقه 1352 متر از سطح دریا برآورد میشود. وجود شیبهای بسیار تند یکی از مشخصههای اصلی این منطقه است، بهطوری که بیشینۀ شیب در دامنههای پرشیب به 71 درجه میرسد. این شیب تند، پتانسیل منطقه را برای رخداد فرسایش آبی و حرکات تودهای افزایش میدهد. منطقۀ مطالعهشده دارای میانگین بارش سالانۀ بلندمدت 8/254 میلیمتر (ضریب تغییرات 5/23درصد) و میانگین دمای سالانۀ 9/13 درجۀ سلسیوس (ضریب تغییرات 21/0درصد) است. این مقادیر، اقلیم منطقه را براساس طبقهبندیهای اقلیمی دمارتن (Oliver, 1991)، در گروه نیمهخشک با بارشهای نامنظم و دمای نسبتاً پایدار طبقهبندی میکند. وضعیت پوشش گیاهی که انعکاسی از شرایط اقلیمی است، با میانگین شاخص NDVI بلندمدت 13/0، تراکم گیاهی کمی را نشان میدهد. نوسانات سالانۀ این شاخص با ضریب تغییرات 8/9درصد، بیانگر حساسیت بالای اکوسیستم منطقه به تغییرات سالانه، بهخصوص نوسانات بارش است.
شکل 1: موقعیت منطقۀ مطالعهشده در شمال شرق ایران به همراه مدل رقومی ارتفاع (DEM) (الف) و شیب منطقه (ب) Figure 1: Location of the study area in northeastern Iran along with DEM (a) and slope gradient (b)
دادههای استفادهشده دادههای ورودی برای محاسبۀ سالانۀ مدل جهانی بازنگریشدۀ فرسایش خاک (RUSLE[2]) از چندین مجموعهدادۀ جهانی استخراج شده است (جدول 1 و شکل 2). برای برآورد عامل فرسایشپذیری بارش (R)، از دادههای بارش با تفکیک افقی 5 کیلومتر مجموعهداده CHIRPS[3] (Shen et al., 2020) استفاده شد. عامل فرسایشپذیری خاک (K) با بهرهگیری از نقشۀ کلاس بافت خاک OpenLandMap (Gupta et al., 2024) و تخصیص مقادیر K استاندارد به هر کلاس تعیین شد. عامل توپوگرافی (LS) که اثر طول و شیب دامنه را نشان میدهد، ازطریق تحلیلهای مکانی روی مدل رقومی ارتفاع ([4]DEM) حاصل از مأموریت توپوگرافی شاتل رادار (SRTM[5]) با تفکیک 30 متر محاسبه شد. بهمنظور محاسبۀ دقیقتر عامل پوشش گیاهی و مدیریت (C)، رویکرد تلفیقی بهکار گرفته شد که در آن دادههای سالانۀ پوشش/کاربری اراضی سنجندۀ MODIS ماهوارۀ Terra با دادههای سری زمانی شاخص نرمالشده تفاوت پوشش گیاهی ([6]NDVI) از همان سنجنده ترکیب شد تا تأثیر همزمان نوع کاربری و تراکم پوشش گیاهی لحاظ شود. بهمنظور ارزیابی شاخص کیفیت خاک، مجموعهای از خصوصیات فیزیکی و شیمیایی خاک به کار گرفته شد (جدول 2 و شکل 3). خصوصیات فیزیکی شامل درصد شن (Sand)، سیلت (Silt) و رس (Clay) و خصوصیات شیمیایی شامل pH و مادۀ آلی خاک از محصولات جهانی OpenLandMap استخراج شد. جرم مخصوص ظاهری (Bulk density) و تخلخل کل (Total porosity) از مجموعهدادۀ Soilgrids و رطوبت سطحی خاک از محصول سنجندۀ SMAP استخراج شد.
جدول 1: دادههای استفادهشده برای مدل جهانی تصحیحشدۀ فرسایش خاک (RUSLE) Table 1: Data employed for the RUSLE model
روش تحقیق مدل جهانی بازنگریشدۀ فرسایش خاک (RUSLE) فرسایش خاک حاصل برهمکنش مجموعهای از عوامل مستقیم و غیرمستقیم شامل جهت شیب و شیب دامنه، پتانسیل فرسایشپذیری بارش، حساسیت خاک به فرسایش (عامل فرسایشپذیری)، روشهای مدیریت کشاورزی و کارایی اقدامات حفاظتی است (Wang et al., 2022). بهمنظور بررسی و ارزیابی فرسایش خاک، از مدل بازنگریشدۀ جهانی فرسایش خاک (RUSLE) استفاده شده است. مدل RUSLE بهعنوان ابزاری شناختهشده و پرکاربرد برای تحلیل پدیدۀ فرسایش خاک با بهرهگیری از دادههای مختلف زمینی و ماهوارهای، اطلاعات درخور توجهی را در این زمینه فراهم میآورد .(Zhu et al., 2022) در پژوهش حاضر، دادههای استفادهشده براساس اطلاعات جدول (1) تهیه شد. سپس، مدل RUSLE برای یک دورۀ آماری 20ساله (2001-2020) بهصورت سلولبهسلول (pixel-by-pixel) و با در نظر گرفتن وابستگی متقابل و تغییرپذیری مکانی دادههای ورودی محاسبه شد. شرح محاسباتی مدل RUSLE در رابطۀ (1) ارائه شده است.
A=R×K×LS×C×P رابطۀ (1)
در رابطۀ (1) A بیانگر میانگین فرسایش سالانۀ خاک، K عامل فرسایشپذیری خاک،LS عامل طول و شیب دامنه، C عامل مدیریت پوشش گیاهی و زراعی و P عامل عملیات حفاظتی بدون بُعد هستند (Zhang et al., 2025). ازآنجاکه ناهمگونی در تفکیک افقی متغیرهای ورودی، چالشی کلیدی در مدلسازی مکانی است و میتواند بر دقت و قطعیت نتایج نهایی تأثیرگذار باشد، در این پژوهش از دادههای بافت خاک، pH، مادۀ آلی، جرم مخصوص ظاهری و تخلخل با تفکیک 250 متر (از منابع OpenLandMap و Soilgrids) و دادههای رطوبت خاک با تفکیک 10 متر استفاده شده است. برای مدیریت تطابقنداشتن مقیاس مکانی که از درونیابی دادههای با تفکیک پایین ناشی میشود، تمامی متغیرهایی با تفکیک 10 متر به 250 متر با استفاده از تابع میانگین، نمونهگیری مجدد (Resample) شدند. بهمنظور طبقهبندی کیفی نتایج کمّی حاصل از مدل RUSLE، از سیستم طبقهبندی شدت فرسایشی استفاده شد که مورگان (Morgan, 2009) پیشنهاد داده بود. در این روش، مقادیر برآوردشدۀ فرسایش خاک براساس پیامدهای زیستمحیطی و ارتباط با آستانۀ تحمل خاک (T-value) به کلاسهای مختلفی تقسیم میشوند.
جدول 2: دادههای استفادهشده برای ارزیابی شاخص کیفیت خاک Table 2: Data employed for assessing soil quality index
شاخص کیفیت خاک (SQI[7]) شاخصهای کیفیت خاک مجموعهای از ویژگیهای فیزیکی و شیمیایی خاک هستند که شرح هریک از این دادهها در جدول (2) ارائه شده است. بهطورکلی، شاخصهای کیفیت خاک در سیستمهای کشاورزی از اهمیت بسیار زیادی برخوردارند؛ زیرا تولید پایدار محصولات کشاورزی به تعامل یکپارچه و متوازن خصوصیات فیزیکی، شیمیایی و بیولوژیکی خاک وابسته است (Wood et al., 2017). از این دادهها در کرواسی (Radočaj et al., 2023)، شمال تایلند (Madueke et al., 2024)، شهرستان بکاباد ازبکستان (Ibragimov et al., 2024)، حوضۀ آبخیز ستلج (Satluj) در شمال هند (Sud et al., 2024) و حوزۀ آبخیز تونتانگ (Tuntang) در مرکز اندونزی (Sentani et al., 2024) استفاده شده است و کارایی این دادهها را تأیید کردهاند. برای ارزیابی وضعیت خاک در مناطق مختلف، شاخص کیفیت خاک (SQI) با بهرهگیری از رویکردهای آماری چندمتغیره محاسبه شد. این فرایند در سه گام اصلی پیادهسازی شد: نخست، انتخاب یک مجموعهدادۀ حداقلی (MDS) از میان شاخصهای فیزیکی و شیمیایی خاک که قادر به نمایش جامع عملکرد اکوسیستم باشند؛ دوم، استانداردسازی این شاخصها ازطریق توابع امتیازدهی و سوم، تجمیع این امتیازها در یک شاخص نهایی. برای تحقق گام اول، از تحلیل مؤلفۀ اصلی (PCA) برای شناسایی متغیرهای کلیدی و تأثیرگذار استفاده شد. مؤلفههای اصلی (PC) با مقدار ویژه (Eigen value) بالاتر از یک انتخاب شده و تنها متغیرهایی با بالاترین بار عاملی در هر مؤلفه، به شرط عدم همبستگی معنادار با یکدیگر، برای مجموعهدادۀ حداقلی برگزیده شدند (Andrews et al., 2002). در گام بعد، مقادیر متغیرهای منتخب با استفاده از توابع امتیازدهی غیرخطی سیگموئید به امتیازاتی بیبُعد در بازۀ صفر تا یک براساس رابطۀ (1) محاسبه و تبدیل شدند (Bastida et al., 2006).
(1)
که Y امتیاز شاخص، x مقدار اندازهگیریشده و x0 مقدار میانگین آن شاخص در تمامی نمونهها است؛ درنهایت، شاخص کیفیت خاک (SQI) ازطریق یک مدل وزنی تجمعی همانند رابطۀ (2) محاسبه شد. α حداکثر امتیاز (مقدار بیشینۀ خروجی تابع، اغلب برابر با یک و b تعیینکنندۀ شیب و نوع روند (افزایشی/کاهشی) تابع نسبت تغییرات است.
(2)
که Si امتیاز نرمالشدۀ هر شاخص و Wi وزن آن است که براساس درصد واریانس تبیینشده توسط هر مؤلفۀ اصلی در تحلیل PCA و پس از نرمالسازی به واحد، تعیین شد (Armenise et al., 2013).
روشهای آماری بهمنظور ارزیابی کمّی رابطۀ بین متغیرها از ضریب همبستگی پیرسون استفاده شد. این ضریب، شاخصی آماری است که شدت و جهت رابطۀ خطی بین دو متغیر کمّی پیوسته را اندازهگیری میکند (Cohen et al., 2009). در پژوهش حاضر، از این روش آماری برای بررسی نوع و شدت ارتباط بین مقادیر فرسایش خاک برآوردشده توسط مدل جهانی بازنگریشدۀ فرسایش خاک (RUSLE) و مقادیر محاسبهشده برای شاخص کیفیت خاک (SQI) در دامنههای جنوبی آلاداغ استفاده شد. هدف از این تحلیل، بررسی این فرض است که آیا کاهش یا افزایش مقدار فرسایش خاک در منطقه، رابطۀ آماری معناداری با کیفیت خاک دارد. بهمنظور تعیین بزرگی روند در سریهای زمانی از روش ناپارامتریک برآوردگر شیب سِن (Sen’s) استفاده شد. این روش برای کمّیسازی شیب یک روند خطی به کار میرود و بهدلیل ماهیت ناپارامتریک خود، نیازی به پیشفرض نرمالبودن توزیع دادهها ندارد و در برابر دادههای پرت بسیار مقاوم است (Sen, 1968). آزمون روند شیب سِن برای تمامی نقطه شبکههای بررسیشده محاسبه میشود و همچنین برای درک بهتر روند فرسایش خاک در دامنههای جنوبی آلاداغ متوسط پهنههای روند تهیه و تحلیل شده است.
شکل 2: متغیرهای مدل RUSLE برای ارزیابی نرخ فرسایش خاک. R (شاخص فرسایندگی بارش)؛ K (فرسایشپذیری خاک)؛ LS (ضریب شیب و طول شیب)؛ C (ضریب پوشش گیاهی/مدیریت)؛ P (ضریب عملیات حفاظتی/مدیریت زمین) Figure 2: Factors of RUSLE model for assessing soil erosion rate. R (Rainfall Erosivity Factor); R (Soil Erodibility Factor); LS (Slope Length and Steepness Factor); C (Cover and Management Factor); P (Conservation Practice Factor) یافتههای پژوهش و تجزیهوتحلیل تحلیل میانگین فرسایش خاک براساس نتایج مدل RUSLE در بازۀ ۲۰۲۰-۲۰۰۱ براساس نتایج ارائهشده در جدول (3)، روند تغییرات شاخص کیفیت خاک و میزان فرسایش خاک طی دورۀ 20ساله (2001-2020) تحلیل شد. نتایج نشان میدهد که شاخص کیفیت خاک از دامنۀ 69/0-49/0 در دورۀ 2001-2005 به 54/0-33/0 در دورۀ 2016-2020 کاهش یافته است که بیانگر افت 7/32درصد در حد پایین و 7/21درصد در حد بالای این شاخص است. کلاس فرسایش شدید بیشترین مساحت (60درصد) بهطور عمده در بخشهای شمالی، مرکزی و غربی حوضه متمرکز هستند. این کاهش چشمگیر در کیفیت خاک میتواند ناشی از عوامل متعددی نظیر تشدید فعالیتهای انسانی، تغییر اقلیم و مدیریت نامناسب اراضی باشد. نتایج این پژوهش که نشاندهندۀ کاهش محسوس کیفیت خاک است، با یافتههای مطالعات جهانی همسو است. تحقیقات مختلف ازجمله مطالعۀ Kahsay (2025) در اتیوپی، کاهش معنادار شاخص کیفیت خاک را در اثر مدیریت نادرست اراضی گزارش کردهاند که تأییدی بر نتایج حاضر است. بهطور مشابه، Bünemann et al. (2018) نشان دادند که فعالیتهای انسانی مانند کشاورزی و تغییر کاربری اراضی، نقش اصلی در تخریب خاک ایفا میکنند. Dror et al. (2021) نیز تأکید کردهاند که در دهههای اخیر، تأثیر فعالیتهای انسانی بر کاهش کیفیت خاک حتی از عوامل طبیعی پیشی گرفته است. این همخوانی یافتهها نشان میدهد که کاهش کیفیت خاک پدیدهای جهانی است که نیازمند مدیریت پایدار اراضی و راهکارهای انطباقی با تغییر اقلیم است. از منظر فرسایش خاک، تحلیل دادهها حاکیازآن است که بیشترین درصد اراضی در طبقۀ فرسایش شدید قرار دارد که این میزان از 9/55درصد در دورۀ 2005-2001 به 8/60درصد در دورۀ 2016-2020 افزایش یافته است. نکتۀ درخور تأمل، کاهش مساحت اراضی با فرسایش کم از 3/3 به 3/1درصد و همچنین کاهش اراضی با فرسایش متوسط از 9/5 به 1/5درصد است. این روند نشاندهندۀ انتقال تدریجی اراضی از طبقات فرسایشی کمتر به طبقات با شدت فرسایش بیشتر است. نتایج این پژوهش نشان داد که بیشترین نرخ فرسایش خاک عمدتاً در دشتهای کمشیب و مناطق دارای پوشش گیاهی ضعیف رخ میدهد که این یافته با نتایج مطالعات مشابه در ایران و سایر مناطق نیمهخشک و خشک جهان همخوانی دارد. مطالعات انجامشده در ایران (Mohammadi et al., 2021) نشان دادهاند که مناطق با اراضی بایر و مدیریت نامناسب مراتع، بیشترین نرخ فرسایش خاک را به خود اختصاص دادهاند و حتی در اراضی کمشیب نیز شدت فرسایش زیاد است. همچنین، Eekhout & deVente (2022) نشان دادند که بیشترین مقادیر فرسایش در اراضی فاقد پوشش گیاهی و با خاکهای با بافت ریز و حساس به فرسایش، حتی در شیبهای ملایم مشاهده میشود. این همراستایی در نتایج این تحقیق در دامنههای جنوبی آلاداغ با تحقیقات مشابه ناشی از نقش کلیدی پوشش گیاهی، مدیریت اراضی و ویژگیهای خاک است که در مدل RUSLE نیز به آن توجه شده است و نشان میدهد که عامل C و K بهشدت در تعیین پراکنش مکانی فرسایش مؤثر هستند؛ بنابراین، برهمکنش این دو عامل حتی در شیبهای ملایم بخشهای شمالی، مرکزی و غربی به بروز شدیدترین نرخ فرسایش در حوضه منجر شده است. جدول 3: درصد مساحت هریک از کلاسهای فرسایش خاک (تن در هکتار در سال) و شاخص کیفیت خاک Table 3: Area percentage of the soil erosion zones (ton/ha/y) and soil quality index
پهنههایی با نرخ فرسایش زیاد (20-30 تن در هکتار در سال) و خیلی زیاد (30-40 تن در هکتار در سال) به ترتیب 18درصد و 14درصد از مساحت کل منطقه را به خود اختصاص دادهاند؛ بهطوریکه همراه با کلاس شدید فرسایش، درمجموع حدود 92درصد از کل منطقه نرخ فرسایشی بیشتر از 20 تن در هکتار در سال را تجربه میکند (جدول 3). این پهنهها بیشتر در بخشهای جنوبی و نزدیک به کوهپایهها و مخروطافکنهها دیده میشوند. در این نواحی، عامل شیب (LS) بهدلیل نزدیکشدن به ارتفاعات، افزایش مییابد؛ اما تراکم پوشش گیاهی بیشتری در مقایسه با دشتهای شمالی دارند (شکل 2). محدودههایی با نرخ فرسایش متوسط حدود 10 تا 20 تن در هکتار در بازۀ 20ساله بهصورت لکههایی در بخشهای جنوب و جنوب شرقی حوضه پراکنده شدهاند. این مناطق بهطور عمده در کوهپایهها و بخشهایی از دشتهای آبرفتی قرار دارند که پوشش گیاهی متراکمتری را تجربه میکنند (شکل 2). پوشش گیاهی نقش مؤثری در کاهش انرژی بارش و کنترل رواناب داشته و برخلاف وجود شیبهای تندتر در مقایسه با دشتها، فرسایش را به سطح متوسطی کاهش داده است. محدودههایی با کمترین نرخ فرسایش (کمتر از 10 تن در هکتار) کمترین مساحت را در سطح حوضه نشان میدهند (حدود 8درصد) و بهطور مشخص در بخش جنوب شرقی و در امتداد آبراهههای اصلی متمرکز شدهاند. همچنان که در شکل 2 و جدول 4 مشاهده میشود، این پهنهها بهطور عمده در اراضی کشاورزی آبی با مدیریت مناسب و مناطقی با پوشش گیاهی متراکم و دائمی (پوشش گیاهی حاشیه رودخانهها) متمرکز هستند.
شکل 3: ویژگیهای خاک استفادهشده برای سنجش شاخص کیفیت خاک Figure 3: Soil characteristics employed for assessing soil quality index
در این نواحی، عامل پوشش گیاهی (C) بسیار کم است و بنابراین، نقش کلیدی در کنترل فرسایش دارد؛ بهطوریکه تأثیر سایر عوامل مانند شیب یا فرسایشپذیری خاک را خنثی کرده است. برخلاف انتظار که فرسایش شدید باید در مناطق پرشیب متمرکز باشد، وسیعترین مناطق با فرسایش شدید (بیش از 40 تن در هکتار) در دشتهای کمشیب شمالی و مرکزی قرار گرفته است. این نتایج بر نقش تعیینکنندۀ پوشش گیاهی و مدیریت کاربری اراضی در کنترل فرسایش در اکوسیستمهای خشک و نیمهخشک (Li et al., 2010) تأکید میکند. نتایج این پژوهش، ضرورت اجرای اقدامات مدیریتی و حفاظتی خاک، بهویژه تمرکز بر احیای پوشش گیاهی و بهبود شیوههای مدیریت مرتع و کشاورزی در پهنههای وسیع شمالی و مرکزی حوضه برای جلوگیری از بیابانزایی و تخریب اراضی را بیشازپیش آشکار میسازد. بررسی کلی دادهها در بازۀ زمانی مطالعهشده، الگوی تحولی بسیار مشخصی را آشکار میسازد. کاهش چشمگیر مساحت اراضی بایر که بهطور عمده به نفع افزایش پوشش مراتع بوده است (جدول 4). این دو کلاس کاربری که مجموعاً بیش از95درصد از سطح منطقه را در تمامی سالها تشکیل میدهند، رابطهای معکوس و قوی را به نمایش میگذارند. در کنار این تحول بزرگ، رشد تدریجی اما پیوسته در اراضی کشاورزی و مناطق ساختهشده نیز مشاهده میشود که نشاندهندۀ افزایش فشارهای انسانی بر اکوسیستم منطقه است. همچنان که در جدول (4) مشاهده میشود، پوشش مرتعی بهعنوان غالبترین کلاس کاربری، روند افزایشی چشمگیری را تجربه کرده است. مساحت این کلاس از 78/70درصد در سال 2017 به 99/86درصد در سال 2024 رسیده که نشاندهندۀ افزایش خالصی معادل 21/16 واحددرصد در طول هشت سال است. درمقابلِ افزایش مراتع، اراضی بایر با روند کاهشی شدید و مداوم مواجه بودهاند. مساحت این کاربری از 50/25درصد در سال 2017 به 29/8درصد در سال 2024 کاهش یافته است. این به معنای کاهش خالصی معادل 17.21 واحددرصد است. اراضی کشاورزی نیز روند کلی افزایشی را نشان میدهند. مساحت این اراضی از 96/2درصد در سال 2017 به 77/3درصد در سال 2024 افزایش یافته است. مناطق ساختهشده اگرچه بخش کوچکی از منطقه را تشکیل میدهند، روند رشد آهسته و پیوستهای را از 72/0درصد در سال 2017 به 86/0درصد در سال 2024 نشان میدهند. این افزایش شاخصی کلیدی از رشد جمعیت، توسعۀ زیرساختها و گسترش سکونتگاههای انسانی در منطقه است که میتواند پیامدهایی مانند تجزیۀ زیستگاهها را به دنبال داشته باشد. تحول اصلی مشاهدهشده در دامنههای جنوبی آلاداغ، یعنی تبدیل گستردۀ اراضی بایر به مراتع میتواند ناشی از ترکیب عواملی مانند تغییر الگوهای دمایی، اقدامات مدیریتی و حفاظتی نظیر اجرای پروژههای احیای مراتع نظیر بذرپاشی، ساخت بانکت یا مدیریت قرق باشد که توانسته بهطور مستقیم به کاهش اراضی بایر و افزایش تراکم پوشش گیاهی منجر شود.
جدول 4: تغییرات کاربری اراضی برحسب درصد در منطقۀ مطالعهشده در بازۀ 2017-2024 Table 4: Land use changes درصد)) in the study area during 2017-2024
تحلیل روند زمانی تغییرات مکانی فرسایش خاک در دامنههای جنوبی آلاداغ در بازۀ 2020-2001 نقشۀ توزیع مکانی و نمودار رگرسیون خطی در شکل 4 ب و د، روند فرسایش خاک را که با استفاده از مدل RUSLE برای دورۀ 20ساله از 2001 تا 2020 محاسبه شده و ارتباط بین الگوهای فرسایش و ویژگیهای فیزیوگرافی را نمایش میدهد. مقادیر موجود در راهنمای نقشه، شیب خط رگرسیون است که روی سری زمانی مقادیر سالانۀ فرسایش خاک (برحسب تن در هکتار در سال) برازش داده شده است. مقادیر مثبت بیانگر روند افزایشی، مقادیر منفی نشاندهندۀ روند کاهشی و مقادیر نزدیک به صفر گویای پایداری نسبی میزان فرسایش خاک طی دورۀ مطالعهشده است. بخش غالب منطقه، دارای مقادیر روند فرسایش خاک بین 05/0- تا 003/0 تن/هکتار/سال (مناطق با روند پایدار یا کاهشی ملایم) هستند. این گستردگی نشان میدهد که در بخش وسیعی از حوضه، نرخ فرسایش خاک در دو دهۀ گذشته یا تغییر محسوسی نداشته یا روند کاهشی بسیار ملایمی را تجربه کرده است. این مناطق بهطور عمده شامل اراضی دشتی با شیب کم در جنوب و برخی از مناطق مرتفعتر در شمال حوضه هستند که از پوشش گیاهی باثباتتری برخوردار بوده یا کمتر متأثر از تغییرات کاربری اراضی قرار گرفتهاند. مهمترین یافتۀ این بخش، شناسایی کانونهای بحرانی فرسایش است که بیانگر روند معنادار افزایشی در فرسایش خاک هستند. مناطقی با شدیدترین روند افزایشی محدودههایی را با مقادیر 09/0 تا 2/0 و 05/0 تا 09/0 تن/هکتار/سال نشان میدهند (شکل 4 ب و د). این کانونهای بحرانی بهصورت لکهها و نوارهای گسسته، بهطور عمده با امتداد شرقی-غربی، در بخشهای میانی حوضه و همچنین در قسمت جنوب غربی متمرکز شدهاند. تطبیق این الگوها با خروجی مدل RUSLE و تغییرات کاربری اراضی (جدول 4) نشان میدهد که این پهنهها با اراضی مرتعی تخریبشده، دیمزارهای کمبازده در دامنهها یا مناطقی انطباق دارند که زیر فشار چرای بیرویه و تغییر کاربری اراضی بودهاند. موقعیت این مناطق در دامنههای دشتسر که دارای شیب متوسط و خاکهای حساس به فرسایش هستند، پتانسیل تخریب را درصورت مدیریت ناپایدار افزایش میدهد. پیرامون کانونهای بحرانی و بهصورت پراکنده در سایر نقاط، مناطقی با روند افزایشی ملایم (مقادیر روند بین 02/0 تا 05/0 و مقادیر بین 003/0 تا 02/0) دیده میشوند. این پهنهها نشاندهندۀ روند افزایشی فرسایش خاک، اما با شدت کمتر هستند و میتوانند بهعنوان مناطق در معرض خطر یا مناطق گذار در نظر گرفته شوند که درصورت توجهنکردن، مستعد تبدیلشدن به کانونهای بحرانی در آیندۀ نزدیک هستند. تحلیل روند زمانی فرسایش خاک در دامنههای جنوبی آلاداغ طی دورۀ 2001 تا 2020 تصویری دوگانه را ارائه میدهد. از یکسو، بخش بزرگی از منطقه ازنظر پویایی فرسایش، وضعیت نسبتاً پایداری داشته است. از سوی دیگر، نتایج بهوضوح نشاندهندۀ شکلگیری و تشدید فرایندهای تخریب زمین در کانونهای مشخصی است. الگوی مکانی این کانونهای افزایشی که بهصورت خطی و لکهای در مناطق پایکوهی و دشتسرها متمرکز شدهاند، قویاً بر نقش عوامل انسانی بهویژه تغییرات کاربری و پوشش اراضی و مدیریت ناپایدار اراضی بهعنوان محرکهای اصلی تشدید فرسایش دلالت دارد. عواملی مانند تبدیل مراتع به اراضی کشاورزی، تخریب پوشش گیاهی ناشی از چرای مفرط و توسعۀ زیرساختها بدون ملاحظات محیطزیستی میتوانند دلایل اصلی این روندهای افزایشی باشند. همچنانکه Korkanc et al. (2008) نشان دادند که مخروطافکنههایی که بیشتر در معرض کاربریهای کشاورزی بودهاند، سطح فرسایشپذیری خاک مقادیر بالاتری را در مقایسه با سایر واحدها نشان میدهد. نتایج این مطالعه نشان داد که فرسایشپذیری خاک زمانی افزایش مییابد که مواد رسوبی از خندقهای فرسایشی وارد زمینهای کشاورزی و مزارع میشود؛ اگرچه بارش همچنانکه Wang et al. (2014) در پژوهش خود اثبات کردهاند نقش مهمی بهعنوان عامل درونی ایفا میکند که میتواند اثرات تغییرات کاربری را تشدید یا تضعیف کند. نقشۀ روند فرسایش بهعنوان ابزاری قدرتمند میتواند به مدیران و تصمیمگیران کمک کند تا اقدامات حفاظتی و مدیریتی نظیر پروژههای آبخیزداری، اصلاح و احیای مراتع و ترویج کشاورزی حفاظتی را بهجای اجرای پراکنده در کل حوضه، بهطور مؤثر روی مناطق با بیشترین اولویت متمرکز کنند.
شکل 4: (الف) میانگین نرخ فرسایش خاک براساس نتایج مدل RUSLE در بازۀ ۲۰۲۰-۲۰۰۱؛ (ب) روند فرسایش خاک با استفاده از آزمون ناپارامتریک سن برای بازه ۲۰۲۰-۲۰۰۱؛ (ج) شاخص کیفیت خاک؛ (د) روند متوسط پهنهای فرسایش خاک (تن/هکتار/سال) Figure 4: (a) Average soil erosion rate based on RUSLE model during 2001-2020; (b) Soil erosion trend by using Sen's non-parametric method; (c) Soil quality index; (d) Area- averaged soil erosion درمجموع، در طول دورۀ 20سالۀ مطالعهشده، روندی افزایشی در میزان متوسط فرسایش خاک در حوضۀ آلاداغ جنوبی دیده میشود. با استناد به خط روند، مقدار فرسایش از حدود 092/0 در ابتدای دوره (حدود سال 2001) به حدود 122/0 تن/هکتار/سال در انتهای دوره (حدود سال 2020) افزایش یافته است. این روند صعودی، هرچند با شیب ملایم، نشاندهندۀ تشدید تدریجی فشارها بر منابع خاک و افزایش آسیبپذیری حوضه در مقایسه با فرسایش در طول دو دهۀ اخیر است. همچنانکه در شکل 4 د مشاهده میشود، کمترین روند فرسایش در سال 2008 با مقدار 075/0 تن در هکتار مشاهده میشود. بیشترین مقدار روند فرسایش در سال 2019 تقریباً 143/0 تن/هکتار/سال رخ داده است. علاوهبر سال 2019، سالهای 2004 (مقدار روند 114/0 تن/هکتار/سال)، 2007 (مقدار روند 115/0 تن/هکتار/سال) و 2011 (مقدار روند 116/0 تن/هکتار/سال) نیز بهعنوان سالهایی با نرخ فرسایش زیاد شناسایی میشوند. در یک حوضۀ مشخص، عوامل K و LS در بازۀ زمانی کوتاه (20 سال) تقریباً ثابت فرض میشوند؛ بنابراین، تغییرات مشاهدهشده در فرسایش (A) بهطور عمده ناشی از تغییرات در عوامل R ,Cو P است. نوسانات شدید سالانه، بهطور عمده متأثر از عامل فرسایندگی بارش (R) قرار دارد. عامل R بهطور مستقیم به مقدار کل، شدت و توزیع انرژی جنبشی بارش در هر سال بستگی دارد. سالهایی که با بارشهای شدید، رگباری و طولانیمدت همراه بودهاند (مانند سال 2019 یا 2007)، به افزایش چشمگیر عامل R و درنتیجه افزایش ناگهانی فرسایش خاک منجر شدهاند. برعکس، سالهای خشکتر یا سالهایی با بارشهای ملایم و پراکنده (مانند سال 2008)، با کاهش عاملR ، کاهش شدید نرخ فرسایش را به همراه داشتهاند. عامل پوشش گیاهی C نیز میتواند در این نوسانات نقش ثانویه داشته باشد. درسالهای مرطوب، پوشش گیاهی ممکن است متراکمتر شود و از خاک محافظت کند، اما این اثر معمولاً با تأخیر زمانی همراه است و تأثیر آنی عامل R درسالهای بسیار پربارش یا کمبارش غالباً قویتر است. روند صعودی و تدریجی فرسایش را نمیتوان تنها با نوسانات بارندگی Rتوضیح داد؛ زیرا این نوسانات ماهیت چرخهای دارند. این روند بلندمدت ناشی از تغییرات تدریجی و دخالت انسانی در عامل پوشش گیاهی و مدیریت Cو/یا عامل عملیات حفاظتی P است. عواملی مانند تغییر کاربری اراضی(تبدیل مراتع به دیمزارهای کمبازده)، جنگلزدایی در حوضۀ بالادست، چرای بیرویه و توسعۀ ناپایدار مناطق مسکونی یا زیرساختها میتوانند بهمرور زمان به کاهش تراکم پوشش گیاهی محافظ، تخریب ساختمان خاک و درنتیجه افزایش مقدار عامل C منجر شوند. اجرانشدن عملیات آبخیزداری و حفاظت خاک (مانند تراسبندی، کشت روی خطوط تراز، بانکتبندی) میتواند به افزایش عامل P (که مقدار آن بین 0 و 1 است و مقدار 1 به معنای وجودنداشتن عملیات حفاظتی است) و تشدید فرسایش منجر شود. علاوهبر موارد فوق، تغییرات اقلیمی بلندمدت به افزایش فراوانی و شدت بارشهای جدی منجر میشود. این پدیده میتواند بهتدریج میانگین بلندمدت عامل R را افزایش دهد و به روند صعودی فرسایش کمک کند.
تحلیل الگوی مکانی شاخص کیفیت خاک در دامنههای جنوبی آلاداغ در بازۀ ۲۰۲۰-۲۰۰۱ شکل 4 ج نقشۀ توزیع مکانی شاخص کیفیت خاک را برای دورۀ 20ساله از ۲۰۰۱ تا ۲۰۲۰ نشان میدهد. مقادیر شاخص کیفیت خاک در بازۀ عددی 34/0 تا 54/0 متغیر است. الگوی مکانی کیفیت خاک در منطقۀ مطالعهشده نشاندهندۀ هتروژنیتی معنادار در سطح کیفیت خاک است که بهشدت متأثر از عوامل فیزیوگرافی حوضه مانند توپوگرافی، شیب و جهت دامنهها قرار دارد. شاخص کیفیت خاک در بخشهای وسیعی از مرکز، غرب و جنوب غربی منطقه در پایینترین مقدار نزدیک به 34/0 است. تطبیق این الگو با عاملهای مدل RUSLE (شکل 2) نشان میدهد که پهنههایی با کمترین مقدار کیفیت خاک بهطور عمده در اراضی کوهستانی، دامنههای پرشیب، رخنمونهای سنگی و خاکهای کمعمق قرار گرفتهاند. در این مناطق بهدلیل شیب زیاد، فرایندهای فرسایش خاک شدیدتر است که از تشکیل و توسعۀ خاک حاصلخیز جلوگیری میکنند. فقر مواد آلی و ظرفیت پایین نگهداری آب از دیگر ویژگیهای این خاکهاست که به کاهش کیفیت خاک منجر شده است (شکل 3). این الگو نشان میدهد که عامل محدودکنندۀ اصلی در این بخشها، توپوگرافی و جنس مواد مادری بوده است. درمقابل، لکههایی با شاخص بالای کیفتت در بخش شمال شرقی، بخش کوچکی در غرب، بهطور عمده واحدهای ژئومورفولوژیکی مسطحتر مانند دشتهای دامنهای، تراسهای آبرفتی و کف درهها را شامل میشوند. در این نواحی، عمق خاک بیشتر، مواد آلی غنیتر، جرم مخصوص ظاهری کمتر و رطوبت قابلدسترس بالاتر است (شکل 3)؛ بنابراین، محیطی مناسب برای استقرار پوشش گیاهی متراکمتر (مانند مراتع با وضعیت خوب) یا فعالیتهای کشاورزی فراهم آورده است. بخش بزرگی از مساحت منطقه، بهویژه در نواحی حد واسط بین کوهستان و دشت، شاخص کیفیت متوسط خاک بین 45/0 بوده است. این مناطق نمایانگر وضعیت غالب مراتع و اراضی طبیعی منطقه هستند که متأثر از مدیریت چرای دام و نوسانات اقلیمی قرار دارند. این خاکها وضعیت متعادلی ازنظر فرسایش و تجمع مواد دارند و بهعنوان مناطق گذر بین نواحی تخریبیافته و نواحی حاصلخیز عمل میکنند.
تحلیل همبستگی مکانی بین فرسایش خاک (RUSLE) و شاخص کیفیت خاک شکل (5) توزیع مکانی ضریب همبستگی بین نرخ فرسایش خاک برآوردشده توسط مدل RUSLE و شاخص کیفیت خاک را در حوضۀ دامنههای جنوبی آلاداغ نشان میدهد. تحلیل این نقشه درک عمیقی از ارتباط متقابل بین فرایندهای فرسایشی و پایداری خاک در این منطقه ارائه میدهد. بخش عمدهای از منطقۀ مطالعهشده (69/82درصد از کل مساحت منطقه)، دارای همبستگی منفی بین فرسایش و کیفیت خاک است. در مناطقی با شدت زیاد فرسایش خاک (شکل 4الف و شکل 5)، شاخص کیفیت خاک بهطور معناداری پایینتر است. افق سطحی (که بیشترین آسیب در برابر فرسایش خاک دارد) غنیترین بخش خاک ازنظر مادۀ آلی، عناصر غذایی ضروری برای گیاهان (مانند نیتروژن، فسفر و پتاسیم) و جمعیت میکروبی فعال است. فرایندهای فرسایشی، بهویژه برخورد قطرات باران و جریان سطحی آب، باعث شکستهشدن خاکدانهها و تخریب ساختمان خاک میشوند. این امر به کاهش نفوذپذیری آب، افزایش فشردگی و رواناب و درنتیجه کاهش ظرفیت نگهداری آب خاک منجر میشود. همچنین فرسایش مداوم با کاهش عمق مؤثر خاک به محدودشدن فضای قابلدسترس برای رشد ریشههای گیاهان و متعاقباً تضعیف و پایداری اکوسیستم منجر میشود. نتایج مطالعۀ Yusong et al. (2019) نشاندهندۀ اثرات منفی توسعۀ فرسایش بر ویژگیهای فیزیکی و شیمیایی و سطح فرسایشپذیری خاک دارد. بهطوریکه با کاهش سطح کیفیت خاک، شاخص فرسایشپذیری خاک بهطور درخور توجهی میتواند افزایش یابد. در مطالعۀ دیگر Ganasri & Ramesh (2016) نشان دادهاند که کمیت فرسایشپذیری و تلفات خاک بهشدت متأثر از توپوگرافی و کاربری اراضی است. بهطوریکه با افزایش زمینهای کشاورزی ریسک فرسایش خاک بهطور چشمگیری افزایش مییابد. همچنین نتایج مطالعۀ Ashiagbor et al. (2013) نشان داده است که نرخ شدید فرسایش خاک بهطور عمده در پهنههایی با شیب بیشتر و کاربریهای جنگلی متوسط متمرکز است. بااینوجود، ازآنجاکه پوشش گیاهی مهمترین عامل کنترلکنندۀ فرسایش خاک است، پایش دقیق تغییرات پوشش گیاهی در ارتباط با عامل بارش مهمترین اقدام برای مدیریت بهنگام پهنههای مستعد به فرسایش است. ازلحاظ الگوی مکانی، مناطق با همبستگی منفی قوی، بهطور عمده در بخشهای جنوبی و جنوب غربی حوضه متمرکز شدهاند. این مناطق اراضی با شیب کمتر، دشتهای آبرفتی یا مناطق کشاورزی هستند که خاکهای تکاملیافتهتری دارند؛ اما بهدلیل کاربری نامناسب یا خصوصیات ذاتی خاک، مستعد فرسایش هستند و بنابراین فرسایش، تأثیر مخرب و مستقیمی بر کیفیت آنها گذاشته است. همبستگی منفی بسیار قوی بین میزان فرسایش و شاخص کیفیت خاک (69/82درصد) بهوضوح بیانگر این مسئله است که فرسایش بهعنوان عامل اصلی تخریب و کاهش کیفیت خاک در این منطقه عمل میکند. این ارتباط معکوس، بر ضرورت اجرای اقدامات مدیریتی و حفاظتی خاک در این مناطق، بهویژه در نواحی با همبستگی منفی قوی، تأکید دارد. همچنین، وجود لکههایی با همبستگی مثبت (31/17درصد) پیچیدگیهای تعاملات خاک-فرسایش-چشمانداز را برجسته میسازد و نشان میدهد که در مناطق کوهستانی با شیب تند، تأثیر مادۀ مادری و فرایندهای ژئومورفولوژیک میتواند روابط مورد انتظار را تحتالشعاع قرار دهد. این یافتهها میتوانند به مدیران و برنامهریزان محیطی در شناسایی مناطق بحرانی و اولویتبندی اقدامات حفاظتی کمک کنند.
شکل 5: توزیع مکانی ضریب همبستگی بین میزان فرسایش خاک برآوردشده توسط مدل RUSLE و شاخص کیفیت خاک Figure 5: Spatial distribution of correlation between soil erosion rate and soil quality index نتیجهگیری نتایج مطالعۀ حاضر بهخوبی ارتباط بین تغییرپذیری در نرخ فرسایش خاک و عوامل مختلف طبیعی و انسانی و پیامدهای گستردۀ این مخاطره را بر کاهش کیفیت خاک نشان میدهد. تحلیل نتایج مدل RUSLE در مقیاس زمانی دو دهه، بیانگر چالشی جدی در ارتباط با حفاظت خاک در منطقۀ مطالعهشده است. غالببودن کلاس فرسایش شدید که بیش از نیمی از منطقه (60درصد) را با نرخ تلفات خاک 40 تن/هکتار/سال در بر میگیرد، نشاندهندۀ عدم تعادل جدی بین عوامل فرساینده و مقاومت خاک است. این توزیع، تصویری از یک حوضه با پتانسیل بالای تولید رسوب و تخریب اراضی ارائه میدهد که نیازمند اقدامات مدیریتی در حوزۀ منابع طبیعی است. باتوجهبه اینکه درمجموع 92درصد از منطقه دارای نرخ فرسایش در سطوح زیاد تا شدید است، میتوان استنباط کرد که شیوههای کنونی مدیریت اکوسیستم و پوشش گیاهی در مهار فرسایش آبی ناکارآمد بودهاند. اقداماتی نظیر اجرای عملیات آبخیزداری (مانند بانکتبندی و تراسبندی)، اصلاح و احیای پوشش گیاهی با استفاده از گونههای بومی و مقاوم و ترویج کشاورزی حفاظتی در اراضی مستعد فرسایش میبایست در اولویت برنامهریزیهای کلان منطقه قرار گیرند. نتایج مدل RUSLE نشاندهندۀ دو رخداد همزمان هستند: اول اینکه، روند افزایشی کلی را در میانگین فرسایش سالانۀ خاک نشان میدهد که عمدتاً ناشی از فشارهای انسانی، تغییر کاربری و تخریب زمین است؛ دوم اینکه، بیانگر نوسانات شدید سالانه در فرسایشپذیری و کیفیت خاک هستند که ارتباط مستقیمی با تغییرات اقلیمی کوتاهمدت، بهویژه شدت و میزان بارش سالانه دارند و بیانگر آسیبپذیری سیستم اکولوژیکی منطقه در برابر نوسانات اقلیمی هستند. نتایج این پژوهش همچنین نشان داد که رابطهای معکوس و معنادار میان فرسایش و کیفیت خاک در منطقۀ مطالعهشده وجود دارد. تحلیلهای مکانی، همبستگی منفی قوی (69/82درصد) بین این دو متغیر را به اثبات رساند که بیانگر نقش کلیدی فرسایش بهعنوان عامل اصلی کاهشدهندۀ کیفیت خاک است؛ برایناساس، پهنههایی با فرسایش بالا، با کیفیت پایین خاک و مناطق با فرسایش کم با کیفیت خاک مطلوب انطباق مکانی دارند. براساس نتایج، سطح فرسایشپذیری بهشدت وابسته به ویژگیهای ذاتی خاک مانند میزان مواد آلی خاک، بافت خاک، ساختمان خاک و میزان رطوبت و نفوذپذیری خاک است. ارتباط بین فرسایش و ویژگیهای خاک نشان میدهد که فرسایشپذیری با افزایش مقدار مادۀ آلی خاک کاهش مییابد که میتواند پیامد اثرات مادۀ آلی بر افزایش کوهیزیون خاکدانهها باشد. این ارتباط معکوس بر ضرورت اجرای اقدامات مدیریتی و حفاظتی خاک در این مناطق، بهویژه در نواحی با همبستگی منفی قوی تأکید دارد. اجرای برنامههای جامع مدیریت و حفاظت خاک و آب با تأکید بر احیای پوشش گیاهی، مدیریت صحیح چرا، ترویج روشهای کشاورزی حفاظتی و اجرای سازههای مهندسی کنترل فرسایش در مناطقی با کلاس فرسایش شدید و پایش مستمر وضعیت فرسایش برای ارزیابی اثربخشی اقدامات مدیریتی ضروری بهنظر میرسد.
قدردانی مقالۀ حاضر مستخرج از طرح پژوهشی با کد 64196-3 با حمایت مادی و معنوی دانشگاه فردوسی مشهد است.
[1] Universal Soil Loss Equation [2] Revised Universal Soil Loss Equation (RUSLE) [3] Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS) [4] Digital Elevation Model (DEM) [5] Shuttle Radar Topography Mission (SRTM) [6] Normalized Difference Vegetation Index (NDVI) [7] Soil Quality Indicators (SQI) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مراجع | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
منابع ابراهیمزاده، سمیه، ارگانی، میثم، و میردار هریجانی، فرشاد (1403). مدلسازی نرخ فرسایش خاک و تولید رسوب با مدل RUSLE/SDR در حوضه آبخیز دیزگران. مخاطرات محیط طبیعی، 13(39)، 1-24. https://doi.org/10.22111/jneh.2024.39109.1823 امامی، حجت، صوفی، محمدباقر، کریمی کارویه، علی رضا، و حق نیا، غلام حسین (1395). بررسی اثرات جهت و درجه شیب بر کیفیت خاک در جنوب شرق مشهد. پژوهشهای حفاظت آب و خاک، 23(2)، 301-310. https://doi.org/10.22069/jwfst.2016.3071 ایزدیپور، محمدامین، دهمرده بهروز، رضا، عین الهی پیر، فلطمه، و رجائی، فاطمه (1404). تحلیل مکانی فرسایش خاک و کیفیت زیستگاهها بر مبنای الگوی کاربری اراضی در منطقه سیستان. جغرافیا و مخاطرات محیطی، 14(1)، 22-42. https://doi.org/10.22067/geoeh.2024.87025.1468 خضری، میلاد، نصرتی، کاظم، خالقی، سمیه، محمدی رایگانی، زینب (1401). تأثیر اجزای ژئومورفیک دامنه بر فرسایشپذیری و کیفیت خاک (مطالعه موردی: حوضه آبخیز هشتیان، دریاچه ارومیه). پژوهشهای ژئومورفولوژی کمّی، 11(1)، 230-243. https://www.geomorphologyjournal.ir/article_150445.html محسنی، ندا (1398). اثر فرسایش آبی بر تنوع زیستی خاک در اکوسیستمهای خشک. پژوهشهای دانش زمین، 10(2)، 33-21. https://doi.org/10.52547/esrj.10.2.21 معتمدیراد، محمد، زنگنه اسدی، محمدعلی، و عجم، حسین (1402). بررسی میزان فرسایش خاک و تولید رسوب با استفاده از مدل) RUSLE) و روش پسیاک اصلاحشده (مطالعه موردی: حوضه آبخیز کال اسماعیل دره شهرستان شاهرود استان سمنان). پژوهشهای ژئومورفولوژی کمّی، 11(4)، 147-165. https://www.geomorphologyjournal.ir/article_162483.html معرفتی، حامد، آرخازلو، حسین، اصغری، شکرالله، و سلطانی طولارود، علی شرف (1403). بررسی اثر فرسایش خاک بر تغییرات شاخصهای تجمعی کیفیت خاک در جنوب اردبیل. پژوهشهای فرسایش محیطی، ۱۴(۳)، ۴۳-۶۵. https://doi.org/10.61186/jeer.14.3.43 References Andrews, S. S., Karlen, D. L., & Mitchell, J. P. (2002). A comparison of soil quality indexing methods for vegetable production systems in Northern California. Agriculture, Ecosystems & Environment, 90(1), 25-45. https://doi.org/10.1016/S0167-8809(01)00174-8 Armenise, E., Redmile-Gordon, M. A., Stellacci, A. M., Ciccarese, A., & Rubino, P. (2013). Developing a soil quality index to compare soil fitness for agricultural use under different managements in the Mediterranean environment. Soil and Tillage Research, 130, 91-98. https://doi.org/10.1016/j.still.2013.02.013 Ashiagbor, G., Forkuo, E. K., Laari, P., & Aabeyir, R. (2013). Modeling soil erosion using RUSLE and GIS tools. International Journal of Remote Sensing & Geoscience (IJRSG), 2(4), 1-17. https://B2n.ir/rx6674 Bastida, F., Moreno, J. L., Hernández, T., & García, C. (2006). Microbiological degradation index of soils in a semiarid climate. Soil Biology and Biochemistry, 38(12), 3463-3473. https://doi.org/10.1016/j.soilbio.2006.06.001 Borselli, L., Torri, D., Poesen, J., & Iaquinta, P. (2012). A robust algorithm for estimating soil erodibility in different climates. Catena, 97, 85-94. https://doi.org/10.1016/j.catena.2012.05.012 Bünemann, E. K., Bongiorno, G., Bai, Z., Creamer, R. E., De Deyn, G., De Goede, R., Fleskens, L., Geissen, V., Kuyper, T. W., Mäder, P., & Pulleman, M. (2018). Soil quality–A critical review. Soil Biology and Biochemistry, 120, 105-125. https://doi.org/10.1016/j.soilbio.2018.01.030 Cohen, I., Huang, Y., Chen, J., Benesty, J. (2009). Noise Reduction in Speech Processing. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-00296-0 Colliander, A., Reichle, R. H., Crow, W. T., Cosh, M. H., Chen, F., Chan, S., ... & Yueh, S. H. (2021). Validation of soil moisture data products from the NASA SMAP mission. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15, 364-392. https://doi.org/10.1109/JSTARS.2021.3124743 Dror, I., Yaron, B., & Berkowitz, B. (2021). The human impact on all soil-forming factors during the anthropocene. ACS Environmental, 2(1), 11-19. https://doi.org/10.1021/acsenvironau.1c00010 Ebrahimzadeh, S., Argany, M., & Mirdar-Harijani, F. (2024). Modeling the rate of soil erosion and sediment yield using the RUSLE / SDR model in the Dizgaran watershed. Journal of Natural Environmental Hazards, 13(39), 1-24. https://doi.org/10.22111/jneh.2024.39109.1823 [In Pershin] Eekhout, J. P., & de Vente, J. (2022). Global impact of climate change on soil erosion and potential for adaptation through soil conservation. Earth-Science Reviews, 226, 103921. https://doi.org/10.1016/j.earscirev.2022.103921 Emami, H. (2016). Investigation the effects of aspect and degree of slope on soil quality in the South East of Mashhad. Journal of Water and Soil Conservation, 23(2), 301-310. https://doi.org/10.22069/jwfst.2016.3071 [In Pershin] Fang, H., Zhai, Y., & Li, C. (2024). Evaluating the impact of soil erosion on soil quality in an agricultural land, northeastern China. Scientific Reports, 14(1), 15629. https://doi.org/10.1038/s41598-024-65646-5 Friedl, M. A., McIver, D. K., Hodges, J. C., Zhang, X. Y., Muchoney, D., Strahler, A. H., Woodcock, C. E., Gopal, S., Schneider, A., Cooper, A., Baccini, A., & Schaaf, C. (2002). Global land cover mapping from MODIS: Algorithms and early results. Remote Sensing of Environment, 83(1-2), 287-302. https://doi.org/10.1016/S0034-4257(02)00078-0 Ganasri, B. P., & Ramesh, H. (2016). Assessment of soil erosion by RUSLE model using remote sensing and GIS-A case study of Nethravathi Basin. Geoscience Frontiers, 7(6), 953-961. https://doi.org/10.1016/j.gsf.2015.10.007 Gupta, S., Hasler, J. K., & Alewell, C. (2024). Mining soil data of Switzerland: New maps for soil texture, soil organic carbon, nitrogen, and phosphorus. Geoderma Regional, 36, e00747. https://doi.org/10.1016/j.geodrs.2023.e00747 Huang, Y. M., Liu, D., & An, S. S. (2015). Effects of slope aspect on soil nitrogen and microbial properties in the Chinese Loess region. Catena, 125, 135-145. https://doi.org/10.1016/j.catena.2014.09.010 Ibragimov, O., Inamov, B., & Alimakhamatova, S. (2024). Assessing soil erosion dynamics in the Bekabad district, Uzbekistan: A remote sensing approach integrating the RUSLE model and Google earth engine. 6th Annual International Scientific Conference on Geoinformatics - GI 2024: “Sustainable Geospatial Solutions for a Changing World”. https://doi.org/10.1051/e3sconf/202459001005 Izadipoor, M. A., Dahmardeh-Behrooz, R., Eynollahipir, F., & Rajaei, F. (2025). Spatial analysis of soil erosion and habitat quality based on land use patterns in Sistan region, Eastern Iran. Journal of Geography and Environmental Hazards, 14(1), 22-42. https://doi.org/10.22067/geoeh.2024.87025.1468 [In Pershin] Kahsay, A., Haile, M., Gebresamuel, G., & Mohammed, M. (2025). Developing soil quality indices to investigate degradation impacts of different land use types in Northern Ethiopia. Heliyon, 11(1), e41185. https://doi.org/10.1016/j.heliyon.2024.e41185 Khezri, M., Nosrati, K., Khaleghi, & Mohammadi-Reygani, Z. (2022). Impact of geomorphic hillslope components on soil erodibility and soil quality (Case study: Hashtian catchment, Urmia Lake). Quantitative Geomorphological Research, 11(1), 230-243. https://www.geomorphologyjournal.ir/article_150445.html [In Pershin] Kim, J. B., Saunders, P., & Finn, J. T. (2005). Rapid assessment of soil erosion in the Rio Lempa Basin, Central America, using the universal soil loss equation and geographic information systems. Environmental Management, 36, 872-885. https://doi.org/10.1007/s00267-002-0065-z Korkanc, S. Y., Ozyuvaci, N., & Hizal, A. (2008). Impacts of land use conversion on soil properties and soil erodibility. Journal of Environmental Biology, 29(3), 363. https://pubmed.ncbi.nlm.nih.gov/18972693/ Lee, G. S., & Lee, K. H. (2006). Scaling effect for estimating soil loss in the RUSLE model using remotely sensed geospatial data in Korea. Hydrology and Earth System Sciences Discussions, 3(1), 135-157. https://doi.org/10.5194/hessd-3-135-2006 Li, X. R., He, M. Z., Zerbe, S., Li, X. J., & Liu, L. C. (2010). Micro‐geomorphology determines community structure of biological soil crusts at small scales. Earth Surface Processes and Landforms, 35(8), 932-940. https://doi.org/10.1002/esp.1963 Lu, D., Li, G., Valladares, G. S., & Batistella, M. (2004). Mapping soil erosion risk in Rondonia, Brazilian Amazonia: using RUSLE, remote sensing and GIS. Land Degradation & Development, 15(5), 499-512. https://doi.org/10.1002/ldr.634 Lunetta, R. S., Knight, J. F., Ediriwickrema, J., Lyon, J. G., & Worthy, L. D. (2022). Land-cover change detection using multi-temporal MODIS NDVI data. Remote Sensing of Environment, 105(2), 142-154. https://doi.org/10.1016/j.rse.2006.06.018 Ma, R., Tian, Z., Zhao, Y., Wu, Y., & Liang, Y. (2024). Response of soil quality degradation to cultivation and soil erosion: A case study in a Mollisol region of Northeast China. Soil and Tillage Research, 242, 106159. https://doi.org/10.1016/j.still.2024.106159 Madueke, C. O., Shrestha, D. P., & Nyktas, P. (2024). Assessment of SoilGrids data for soil erosion estimation at watershed scale: A case study in northern Thailand. Pedosphere, 34(4), 797-813. https://doi.org/10.1016/j.pedsph.2023.03.022 Mandal, D., Chandrakala, M., Alam, N. M., Roy, T., & Mandal, U. (2021). Assessment of soil quality and productivity in different phases of soil erosion with the focus on land degradation neutrality in tropical humid region of India. Catena, 204, 105440. https://doi.org/10.1016/j.catena.2021.105440 Mandal, D., Patra, S., Sharma, N. K., Alam, N. M., Jana, C., & Lal, R. (2023). Impacts of soil erosion on soil quality and agricultural sustainability in the North-Western Himalayan Region of India. Sustainability, 15(6), 5430. https://doi.org/10.3390/su15065430 Marefati, H., Shahab-Arkhazloo, H., Asghari S., & Soltani-Toolarood, A. A. (2024). The effect of gully erosion on integrated soil quality indices in South of Ardabil. Environmental Erosion Research Journal, 14(3), 43-65. https://doi.org/10.61186/jeer.14.3.43 [In Persian] Merritt, W. S., Letcher, R. A., & Jakeman, A. J. (2003). A review of erosion and sediment transport models. Environmental Modelling & Software, 18(8-9), 761-799. https://doi.org/10.1016/S1364-8152(03)00078-1 Mohammadi, S., Balouei, F., Haji, K., Khaledi Darvishan, A., & Karydas, C. G. (2021). Country-scale spatio-temporal monitoring of soil erosion in Iran using the G2 model. International Journal of Digital Earth, 14(8), 1019-1039. https://doi.org/10.1080/17538947.2021.1919230 Mohseni, N. (2019). Impact of water erosion on soil biological diversity in arid ecosystems. Researches in Earth Sciences, 10(2), 21-33. https://doi.org/10.52547/esrj.10.2.21 [In Pershin] Morgan, R. P. C. (2009). Soil Erosion and Conservation. John Wiley & Sons. Motamedirad, M., Zangane-Asadi, M. A., & Ajam, H. (2023). Investigating the rate of soil erosion and sediment production using the RUSLE model and the modified method PSIAC (Case study: kal basin of Ismail, Shahrood city, Semnan province). Quantitative Geomorphological Research, 11(4), 147-165. https://www.geomorphologyjournal.ir/article_162483.html [In Pershin] Nosrati, K. (2013). Assessing soil quality indicator under different land use and soil erosion using multivariate statistical techniques. Environmental Monitoring and Assessment, 185, 2895-2907. https://doi.org/10.1007/s10661-012-2758-y Oliver, J. E. (1991). The history, status and future of climatic classification. Physical Geography, 12(3), 231-251. https://doi.org/10.1080/02723646.1991.10642430 Radočaj, D., Jurišić, M., Rapčan, I., Domazetović, F., Milošević, R., & Plaščak, I. (2023). An independent validation of SoilGrids accuracy for soil texture components in Croatia. Land, 12(5), 1034. https://doi.org/10.3390/land12051034 Rojas-González, A. M. (2008, March). Soil erosion calculation using remote sensing and GIS in RÍO grande de Arecibo Watershed, Puerto Rico. In Proceedings ASPRS 2008 Annual Conference Bridging the Horizons: New Frontiers in Geospatial Collaboration, Portland, Oregon. https://www.researchgate.net/publication/260870773_ Saha, S. K. (2004). Water and wind induced soil erosion assessment and monitoring using remote sensing and GIS. In M. V. K. Sivakumar, P. S. Roy, K. Harsen, & S. K. Saha (Eds.), Satellite Remote Sensing and GIS Applications in Agricultural Meteorology (pp. 315-330). Dehra Dun. https://www.scirp.org/reference/referencespapers?referenceid=878327 Sen, P. K. (1968). Estimates of the regression coefficient based on Kendall's Tau. Journal of the American Statistical Association, 63(324), 1379-1389. https://www.tandfonline.com/doi/abs/10.1080/01621459.1968.10480934 Sentani, A., Niam, M. F., & Boogaard, F. C. (2024, April). Probability of erosion utilizing Google earth engine and the RUSLE method in the Tuntang watershed. In IOP Conference Series: Earth and Environmental Science. IOP Publishing. https://doi.org/10.1088/1755-1315/1321/1/012001 Shen, Z., Yong, B., Gourley, J. J., Qi, W., Lu, D., Liu, J., Ren, L., Hong, Y., & Zhang, J. (2020). Recent global performance of the Climate Hazards group Infrared Precipitation (CHIRP) with Stations (CHIRPS). Journal of Hydrology, 591, 125284. https://doi.org/10.1016/j.jhydrol.2020.125284 Sud, A., Sajan, B., Kanga, S., Singh, S. K., Singh, S., Durin, B., & Chand, K. (2024). Integrating RUSLE model with cloud-based geospatial analysis: A google earth engine approach for soil erosion assessment in the Satluj watershed. Water, 16(8), 1073. https://doi.org/10.3390/w16081073 Van Remortel, R. D., Hamilton, M. E., & Hickey, R. J. (2001). Estimating the LS factor for RUSLE through iterative slope length processing of digital elevation data within Arclnfo grid. Cartography, 30(1), 27-35. https://doi.org/10.1080/00690805.2001.9714133 Wang, G., Wu, B., Zhang, L., Jiang, H., & Xu, Z. (2014). Role of soil erodibility in affecting available nitrogen and phosphorus losses under simulated rainfall. Journal of Hydrology, 514, 180-191. https://doi.org/10.1016/j.jhydrol.2014.04.028 Wang, J., Lu, P., Valente, D., Petrosillo, I., Babu, S., Xu, S., Li, C., Huang, D., & Liu, M. (2022). Analysis of soil erosion characteristics in small watershed of the loess tableland Plateau of China. Ecological Indicators, 137, 108765. https://doi.org/10.1016/j.ecolind.2022.108765 Wischmeier, W. H., & Smith, D. D. (1978). Predicting Rainfall Erosion Losses: A Guide to Conservation Planning. U.S. Department of Agriculture. https://hero.epa.gov/hero/index.cfm/reference/details/reference_id/624965 Wood, M., & Litterick, A. M. (2017). Soil health–What should the doctor order? Soil Use and Management, 33(2), 339-345. https://doi.org/10.1111/sum.12344 Yang, L., Meng, X., & Zhang, X. (2011). SRTM DEM and its application advances. International Journal of Remote Sensing, 32(14), 3875-3896. https://doi.org/10.1080/01431161003786016 Yusong, D., Xue, S., Dong, X., Chongfa, C., Shuwen, D., & Tianwei, W. (2019). Soil erodibility and physicochemical properties of collapsing gully alluvial fans in southern China. Pedosphere, 29(1), 102-113. https://doi.org/10.1016/S1002-0160(15)60105-9 Zhang, L., Haseeb, M., Tahir, Z., Tariq, A., Almutairi, K. F., & Soufan, W. (2025). Assessment of soil erosion dynamics and implications for sustainable land management: A case study using the RUSLE model. International Journal of Sediment Research, 40(3), 385-399. https://doi.org/10.1016/j.ijsrc.2024.12.001 Zhong, B., Peng, S., Zhang, Q., Ma, H., & Cao, S. (2013). Using an ecological economics approach to support the restoration of collapsing gullies in southern China. Land Use Policy, 32, 119-124. https://doi.org/10.1016/j.landusepol.2012.10.005 Zhu, G., Yong, L., Zhao, X., Liu, Y., Zhang, Z., Xu, Y., Sun, Z., Sang, L. and Wang, L. (2022). Evaporation, infiltration and storage of soil water in different vegetation zones in the Qilian Mountains: A stable isotope perspective. Hydrology and Earth System Sciences, 26(14), 3771-3784. https://doi.org/10.5194/hess-26-3771-2022
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
آمار تعداد مشاهده مقاله: 827 تعداد دریافت فایل اصل مقاله: 414 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||