ارزیابی حساسیت فرسایش خندقی با استفاده از مدل حداکثر آنتروپی در حوضه آبخیز رودخانه شور (شهرستان مُهر)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد ژئومورفولوژی گروه جغرافیا، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی

2 دانشیار ژئومورفولوژی گروه جغرافیا، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی

3 دانشیار ژئومورفولوژی گروه جغرافیا، دانشکده اقتصاد، مدیریت و علوم اجتماعی، دانشگاه شیراز

4 دانشجوی دکتری ژئومورفولوژی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی

چکیده

فرسایش خندقی یکی از مهم­ترین فرآیندهای تخریب زمین است که منجر به کاهش بهره­برداری از زمین می­گردد. بخش جنوب و جنوب شرقی حوضه شور مُهر تحت تأثیر فرسایش خندقی قرار گرفته است، از پیامدهای این نوع فرسایش می­توان به بهم خوردن تعادل اکولوژیک منطقه، به خطر افتادن منابع زیستی اشاره کرد که این امر مطالعه در مورد فرسایش خندقی در منطقه را ضروری می­کند. هدف از این پژوهش تهیه نقشه پهنه­بندی حساسیت به فرسایش خندقی با استفاده از مدل حداکثر آنتروپی و سیستم اطلاعات جغرافیایی است. برای رسیدن به هدف مزبور 15 متغیر شامل ارتفاع، شیب، جهت شیب، فاصله از آبراهه، تراکم زهکشی، فاصله از جاده، بافت خاک، زمین‌شناسی، کاربری اراضی، بارندگی، فاصله از گسل، پوشش گیاهی، انحنای مقطع، شاخص قدرت جریان (SPI)، شاخص رطوبت توپوگرافی (TWI) انتخاب و تست هم خطی با استفاده از شاخص­های (Variance Inflation Factor) و (Tolernace) گرفته شد. از 100 خندق انتخابی موردبررسی 70 درصد به‌صورت تصادفی برای داده­های آموزشی و 30 درصد برای اعتبار سنجی طبقه­بندی و از روش نمونه­برداری Bootstrap برای اجرای مدل استفاده شد. جهت تعیین مهم­ترین متغیرها از آزمون جک نایف و برای مشخص نمودن قدرت پیش‌بینی مدل از منحنی ROC استفاده شد. نتایج تست هم خطی بین پوشش گیاهی، فاصله از گسل، انحنای مقطع، SPI و TWI وجود داشت درنتیجه حذف شدند. بر اساس آزمون جک نایف به ترتیب متغیرهای ارتفاع، متوسط بارندگی سالانه، بافت خاک، تراکم زهکشی، زمین‌شناسی، فاصله از جاده، فاصله از رودخانه بیشترین تأثیر را در فرسایش خندقی داشتند. منحنیROC نشان دهنده دقت 95 درصدی در مرحله اعتبار سنجی مدل است. بر اساس این مدل بیش از 15 درصد حوضه (8445.83 هکتار) دارای حساسیت زیاد و خیلی زیاد به فرسایش خندقی است.

چکیده تصویری

ارزیابی حساسیت فرسایش خندقی با استفاده از مدل حداکثر آنتروپی در حوضه آبخیز رودخانه شور (شهرستان مُهر)

کلیدواژه‌ها


امیری، مهدیس؛ پورقاسمی، حمیدرضا؛ قنبریان، غلام عباس؛ افضلی، سیدفخرالدین؛ 1396. مدل­سازی مکانی فرسایش خندقی حوزه آبخیز مهارلو با استفاده از سناریوهای مختلف و الگوریتم وزن واقعه، مهندسی و آبخیزداری. جلد 11. شماره 4. صص 1032-1016.  https://doi.org/10.22092/ijwmse.2018.120399.1435
بهیاری، مهدی؛ علیزاده، ا؛ محمودیان، شهاب؛ 1396. ارزیابی تأثیر ساختارهای فعال بر خطر فرونشست زمین با استفاده از مدل­های تصمیم­گیری چندمتغیره. زمین­شناسی کاربردی پیشرفته. شماره 24. صص: 56-49.   https://doi.org/10.22055/aag.2017.13229
جعفرزاده، مریم؛ طهماسبی پور، ناصر؛ حقی زاده، علی؛ پورقاسمی، حمیدرضا؛ روحانی، حمید؛ 1399. بررسی کارآیی روش­های نمونه‌برداری داده­های مشاهداتی بر پهنه­های قابلیت نفوذ آب در خاک با روش ماکزیمم آنتروپی. مدیریت حوزه آبخیز. سال یازدهم. شماره 22. صص:110-96. 20.1001.1.22516174.1399.11.22.5.1
خطیبی، مریم؛ 1400. تعیین آستانه­های اقلیمی و توپوگرافی برای شروع فرسایش خندقی در شیب­های نواحی نیمه‌خشک (مطالعه موردی: حوضه اوجان چای، دامنه شرقی کوهستان سهند). پژوهش­های جغرافیای طبیعی. دوره53. شماره4. صص: 445-431.   10.22059/JPHGR.2022.106008.1006609
ذاکری نژاد، رضا؛ 1399. ارزیابی مدل­های رقومی ارتفاع جهت تعیین پتانسیل فرسایش خندقی با استفاده از مدل مکسنت و سامانه اطلاعات جغرافیایی (مطالعه موردی: حوضه آبخیز سمیرم، جنوب استان اصفهان). سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی. سال 11. شماره3. صص: 122-106.  http://girs.iaubushehr.ac.ir
زارع چاهوکی، محمدعلی؛ ناصری حصار، نرگس؛ جعفری، محمد؛ 1396. مدل­سازی پراکنش تیب­های گیاهی با استفاده از روش آنتروپی حداکثر (مطالعه موردی: مراتع غرب شهرک صنعتی اشتهارد). فصلنامه تحقیقات مراتع و بیابان ایران. 25 (2): صص: 309-298. 10.22092/IJRDR.2018.116842
شهبازی، خسرو؛ وکیلی تجره، فرزانه؛ 1400. اولویت‌بندی عوامل مؤثر بر فرسایش خندقی و تعیین پهنه­های حساس در استان کرمانشاه با استفاده از مدل Maxent. انجمن آبخیزداری ایران. سال پانزدهم. شماره 54. صص: 58-48.  20.1001.1.20089554.1400.15.54.6.2
شهبازی، خسرو؛ وکیلی تجره، فرزانه؛ الوندی، احسان؛ بیات، اصغر؛ اسدی نلیوان، امید؛ 1400. ارزیابی مدل­های شبکه عصبی مصنوعی و حداکثر آنتروپی در پهنه‌بندی حساسیت فرسایش آبکندی حوزه آبخیز سد گلستان. علوم و مهندسی آبخیزداری ایران. سال 15. شماره52. صص: 23-12. 20.1001.1.20089554.1400.15.52.4.6
عرب عامری، علی رضا؛ رضایی، خلیل؛ یمانی، مجتبی؛ 1396. ارزیابی حساسیت زمین نسبت به فرسایش خندقی با تکنیک داده کاوی گروهی مطالعه موردی: حوضه شاهرود. علوم زمین. سال 28. شماره 111. صص: 150-139. https://doi.org/10.22071/gsj.2018.114756.1374
عرب عامری، علی رضا؛ رضایی، خلیل؛ یمانی، مجتبی؛ 1397. تحلیل متغیرهای محیطی به‌منظور تهیه نقشه حساسیت فرسایش خندقی در حوضه طرود با روش شواهد وزن قطعی. مرتع و آبخیزداری. مجله منابع طبیعی ایران. دوره 71 شماره 1. صص: 114-97. 10.22059/jrwm.2018.244297.1178
گرنامی، رضا؛ شادفر، صمد؛ 1396. کاربرد GIS در تعیین مناطق مستعد فرسایش خندقی با روش فرآیند تحلیل شبکه. پژوهش‌های آبخیزداری. دوره 21. شماره 4. صص: 68-58. 10.22092/WMEJ.2018.121633.1112
 
Arabameri, A., Pradhan,B., Rezaei,Kh., & Conoscent, Ch., 2019. Gully erosion mapping using GIS- based multi –criteria decision analysis techniques, Catena180:282-297. DOI:10.1016/ j. catena. 2019.04.032
Auerswald, K., Fiener, P.,Martin,W., & Elhaus, D., 2014. Use andmisuse of the K factor equation in soil erosion modeling: an alternative equation for determining USLE nomograph soil erodibility values. Catena 118, 220–225. DOI:10.1016/j.catena.2014.01.008
Azareh, A.; Rahmati, O.; Rafiei-Sardooi, E.; Sankey, J.B.; Lee, S.; Shahabi, H.; & Ahmad, B., 2019. Modelling gully-erosion susceptibility in a semi-arid region, Iran: Investigation of applicability of certainty factor and maximum entropy models. Sci. Total Environ , 684–696. DOI: 10.1016/j.scitotenv.2018.11.235
Bernini, A., Bosino, A., Botha, G., & Mearker, M., 2021. Elevation of gully erosion suscepceptibility using a maximum entropy model in the upper Mkhomazi River Basin in South Africa. Geo Information,1-20. https://doi.org/10.3390/ijgi10110729
Conoscenti, C., Agnesi, V., Cama,M., Caraballo-Arias, N.A.,& Rotigliano, E., 2018. Assessment of gully erosion susceptibility using multivariate adaptive regression splines and accounting for terrain connectivity. Land Degrad. Dev. 29 (3), 724–736. DOI:10.1002/ldr.2772
Dube, F., Nhapi, I., Murwira, A., Gumindoga, W., Goldin, J., & Mashauri, D.A., 2014. Potential of weight of evidence modelling for gully erosion hazard assessment in Mbire District–Zimbabwe. Phys. Chem. Earth 67, 145–152. https://doi.org/10.1016/j.pce.2014.02.002
Ghorbanzadeh, O., Shahabi, H., Mirchooli, F., Valizadeh Kamran, KH., Lim,S., Aryal, J., Jarihani, B., & Blaschke, TH., 2020. gully erosion susceptibility maping(GESM) using machine learning methods optimized by the multi-collinearity analysis and K-fold cross validation. Geomatics, Natural Hazards and Risk VOL. 11, NO. 1, 1653–1678. https://doi.org/10.1080/19475705.2020.1810138
Hongchun, Z.H.U., Guoan, T., Kejian, Q., & Haiying, L., 2014. Extraction and analysis of gully head of loess plateau in China based on digital elevation model. Chin. Geogr. Sci. 24(3), 328–338. doi: 10.1007/s11769-014-0663-8   
Javidan, N., Kavian,A., Pourghasemi, H, M., Conoscenti, CH., Jafarian,Z., & Rodrige-Comino, J., 2021. Evaluation of multi‑hazard map produced using MaxEnt machine learning technique Nature portfolio, 64-94. https://doi.org/10.1038/s41598-021-85862-7
Kariminejad, N.; Hosseinalizadeh, M.; Pourghasemi, H.R.; Bernatek-Jakiel, A.; Campetella, G.; & Ownegh, M., 2019. Evaluation of factors affecting gully headcut location using summary statistics and the maximum entropy model: Golestan Province, NE Iran. Sci.Total Environ. 677, 281–298. DOI: 10.1016/j.scitotenv.2019.04.306
Le Roux, J. J., & Sumner, P. D., 2012. Factors controlling gully development: Comparing continuous and discontinuous gullies. Land Degradation & Development, 23(5), 440–449. https://doi.org/10.1002/ldr.1083
Manap, M.A., Sulaiman, W.N.A., Ramli, M.F., Pradhan, B., & Surip, N., 2013. A knowledgedriven GIS modeling technique for groundwater potential mapping at the Upper Langat Basin, Malaysia. Arab. J. Geosci. 6, 1621–1637. https://doi.org/10.1007/s12517-011-0469-2
Mararakanye, N.,& Sumner, P.D., 2017. Gully erosion: A comparison of contributing factors in two catchments in South Africa. Geomorphology 288, 99–110. https:// doi.org/ 10.1016/ j.geomorph. 2017.03.029
Panagos, P., Standardi, G.,  Borrelli, P.,  Lugato, E., Montanarella, L., & Bosello, F., 2018. Cost of agricultural productivity loss due to soil erosion in the European Union: From direct cost evaluation approaches to the use of macroeconomic models. L. Degrad. Dev.29, 471–484.   https://doi.org/10.1002/ldr.2879
Pandey, V.K., Pourghasemi, H.R., & Sharma, M.C., 2018. Landslide susceptibility mapping using maximum entropy and support vector machine models along the Highway Corridor, Garhwal Himalaya. Geocarto International 35(2):1-38. DOI:10.1080/ 10106049. 2018. 1510038
Prasad, R.K., N.C. Mondal, P. Banerjee, M.V. Nandakumar &. Singh .V.S., 2008. Deciphering potential groundwater zone in hard rock through the application of GIS. Environ. Geol, 55(3): 467-475. DOI:10.1007/s00254-007-0992-3
Rahmati, O., Haghizadeh, A., Pourghasemi, H.R., &  Noormohamadi, F., 2016. Gully erosion susceptibility mapping: the role of GIS-based bivariate statistical models and their comparison, Nat. Hazards, 82 (2), 1231–1258. http://link.springer.com/10.1007/s11069-016-2239-7
Rahmati, O., Tahmasebipour, N., Haghizadeh, A., Pourghasemi, H.R., & Feizizadeh, B., 2017. Evaluating the influence of geo-environmental factors on gully erosion in a semi-arid region of Iran: An integrated framework. Sci. Total Environ. 579, 913–927. DOI: 10.1016/ j.scitotenv. 2016.10.176 
Saha, A., Chandra pal, S., Arabameri, A.R., Chowdhuri, I., Rezaie, F., Chakrabortty, R., Roy, P., & Manisa, SH., 2021. Optimization modelling to establish false measures implemented with ex-situ plant species to control gully erosion in monsoon–dominated region with novel in situ measurements. Enviromental management, 287, 112284. DOI: 10.1016/ j.jenvman. 2021. 112284
Shit, P.K., Paira, R., Bhunia, G. & Maiti, R., 2015. Modeling of potential gully erosion hazard using geo-spatial technology at Garbheta block, West Bengal in India. Model, Earth Sys. Environ, 1 (1–2), 1–16. DOI:10.1007/s40808-015-0001-x
Umar, Z., Pradhan,B., Ahmad, A., Jebur, M.N., & Shafapur Tehrany, M., 2014. Earth quake induced landslide susceptibility mapping using an integrated ensemble frequencyratio and logistic regression models in West Sumatera Province,Indonesia. Catena118,124-135. https://doi.org/10.1016/j.catena.2014.02.005
Zakerinejad, R., & Maerker, M., 2014. Prediction of gully erosion susceptibilities using detailed terrain analysis and Maximum Entropy Modeling: A case study in the Mazayejan plain, Southwest Iran. Geogr. Fis. E Din. Quat. 37, 67–76. DOI:10.4461/GFDQ.2014.37.7
 
 
 
CAPTCHA Image