| تعداد نشریات | 286 |
| تعداد نشریات سازمان | 84 |
| تعداد شماره‌ها | 2,944 |
| تعداد مقالات | 33,229 |
| تعداد مشاهده مقاله | 43,867,525 |
| تعداد دریافت فایل اصل مقاله | 20,373,706 |
کاربرد GIS در تعیین مناطق مستعد فرسایش خندقی با روش فرایند تحلیل شبکه | ||
| پژوهش های آبخیزداری | ||
| مقاله 7، دوره 31، شماره 4 - شماره پیاپی 121، دی 1397، صفحه 58-68 اصل مقاله (725.83 K) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/wmej.2018.121633.1112 | ||
| نویسندگان | ||
| رضا گرنامی1؛ صمد شادفر* 2 | ||
| 1دانش‌‌‌‌‌‌آموخته‌‌‌‌‌‌ی دانشگاه آزاد اسلامی واحد رامسر | ||
| 2دانشیار پژوهشکده‌ی حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران | ||
| چکیده | ||
| فرسایش خندقی از انواع فرسایش آبی است که رخ‌داد و گسترش آن موجب هدررفتن خاک حاصل‌خیز کشاورزی، تخلیه‌ی رطوبت خاک و آب زیرزمینی میشود. اهداف پژوهش حاضر بررسی فرسایش خندقی و تعیین مناطق حساس از لحاظ توان فرسایش خندقی در حوضهی سرخ‌آباد است. ابتدا لایه‌‌‌‌های اطلاعاتی مانند شیب، کاربری، فاصله از گسل، جهت شیب، فاصله از آبراهه، فاصله از جاده، سنگ‌‌‌‌شناسی، بارش و ارتفاع از سطح دریا با استفاده از نرم‌افزار Arc GIS تهیه، طبقه‌بندی و وزن‌دهی شدند. در واکاوی داده‌ها و مدل‌سازی، روش فرایند تحلیل شبکه (ANP) به کار گرفته شد. در روش ANP برای طراحی ساختار شبکه‌‌‌‌ای بین معیارها از روش DEMATEL استفاده شد. اعتبارسنجی نقشه‌‌‌‌ی فرسایش خندقی با نمودار ROC و معیار ارزیابی سطح زیرمنحنی (AUC) انجام گرفت. نتایج نشان دادند که معیارهای فاصله از جاده، سنگ‌‌‌‌شناسی، کاربری زمین و بارش، مهم‌ترین عامل‌های تأثیرگذار بر فرسایش خندقی هستند. نتایج اعتبارسنجی نقشه‌‌‌‌ی پهنه‌بندی فرسایش خندقی نشان دادند که با مقدار سطح زیرمنحنی معادل 684/0، مدل عمل‌کرد متوسطی برای تعیین مناطق مستعد به فرسایش خندقی در حوضهی مطالعه‌شده دارد. تعیین مناطق مستعد فرسایش خندقی با استفاده از روش شبکه‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ی عصبی مصنوعی و مقایسه‌‌‌‌‌‌‌‌ی آن با روش فرایند تحلیل شبکه پیشنهاد میشود. | ||
| کلیدواژه‌ها | ||
| اعتبارسنجی؛ سطح زیرمنحنی؛ فرایند تحلیل شبکه؛ فرسایش خندقی | ||
| عنوان مقاله [English] | ||
| Application of the GIS in the Determination of Susceptible Areas to Gully Erosion Using the Analytic Network Process (ANP) | ||
| نویسندگان [English] | ||
| Reza Gornami1؛ Samad Shadfar2 | ||
| 1Islamic Azad University, Ramsar, Iran | ||
| 2Associate Prof, Soil Conservation and Watershed Management Research Institute (SCWMRI), Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran | ||
| چکیده [English] | ||
| Gully erosion is types of water erosion that its occurrence and development lead to the loss of fertile agricultural soil, depletion of soil and groundwater. The objectives of this study were to investigate gully erosion and determine the sensitive areas in terms of gully erosion on the Sorkh Abad Watershed. Information layers such as slope, land use, distance from faults, aspect, distance from the stream network, distance from roads, lithology, rainfall and altitude above the mean sea level were prepared, classified and weighted using the Arc GIS software. Analytic network process (ANP) was used in the data analysis and modeling. The DEMATEL method was used to design the network structure among the criteria. The receiver operating characteristics (ROC) and the area under curve (AUC) were used for validation of the gully erosion map. The results indicated that four criteria: distance from roads, lithology, land use and precipitation were the most important factors leading to cause gully erosion. The results of validation of the gully erosion zonation map showed that the AUC with 0.684 had an appropriate function to determine susceptibility of the localities to gully erosion in the studied watershed. | ||
| کلیدواژه‌ها [English] | ||
| ANP, area under curve (AUC), gully erosion, Validation | ||
| مراجع | ||
|
Asghari SM, Balvasi B, Zeinali IA, Balvasi A, Davoodi. 2014. Investigation of soil erosion risk in Doab basin of Lorestan by network analysis and RS and GIS techniques. Environmental Erosion Research. 4 (2):72–89 Caraballo-Arias NA, Conoscenti C, Di Stefano C, Ferro V, Gómez-Gutiérrez A. 2016. Morphometric and hydraulic geometry assessment of a gully in SW Spain. Geomorphology. 274: 143–151. Choubin B, Rahmati O, Tahmasebipour N, Feizizadeh B, Pourghasemi HR. 2017. Application of fuzzy analytical network process model for analyzing the gully erosion susceptibility; Natural Hazards GIS-based Spatial Modeling Using Data Mining Techniques. Springer International Publishing. (In press). Crouch R, Novruzzi T. 1989. Threshold conditions for rill initiation on a vertisol, Gunnedah, N.S.W., Australia, Catena. 10: 101–110. Dunne T. 2005. Formation and controls of channel network. Progress in Physical Geography. 4: 211–239. Jafari gorzin B. 2011. Investigation of effective factors in development of gully erosion in sorkh abad watershed, final report of research plan, Soil Conservation and Watershed Management Research Institute. 56p. (In Persian). Imasuen OI, Omali AO, Ibrahim I. 2011. Assessment of environmental impacts and remedies for gully erosion in Ankpa Metropolis and environs, Kogi state, Nigeria. Advances in Applied Science Research. 2(5):372–384. Li Z, Zhang Y, Zhu Q, Yang S, Li H, Ma H. 2017. A gully erosion assessment model for the Chinese Loess Plateau based on changes in gully length and area. Catena. 148: 195–203. Posesen JJ, Nachtorgale J, Verstrac G. (2003). Gully erosion and emvironmental change: importance and research needs, Catena. 50: 91–133. Rahmati O, Tahmasebipour N, Haghizadeh A, Pourghasemi HR, Feizizadeh B. (2017). An integrated framework. Science of The Total Environment, 579 Evaluating the influence of geo-environmental factors on gully erosion in a semi-arid region of Iran. 913–927. Saaty TL. 1996. Decision Making with Dependence and Feedback: The Analytic Network Process, RWS Publications, Pittsburgh. Safari A, Ahmadi M, Rahimi Har abadi S. 2015. Gully erosion zonation by ANP and AHP models in kahor watershed, Fars province, Journal of Earth Science Researches. 24: 94–110. Shadfar S. 2016. Determination of Gully erosion potential using Artificial Neural Network, Case study: Throud watershed, Journal of Watershed Engineering and Management. 8(3): 256–263. (In Persian). Shahrivar A, Shadfar S, khazae M, Adeli B. 2017. Assessment of Gully Erosion Zonation Methods (Case study: Abgendi Watershed), ECO HYDROLOGY. 4(1): 119–132. (In Persian). Solemanpour SM. 2007.Comparison of sediments of the gully And its relationship with the characteristics of the watershed and Geological Formation In different climates of Fars province, M.S Thesis, Islamic Azad University, Science and Research Branch, Tehran. 170 p. (in Persian). Wasson RJ, Olive LJ, Rosewell CJ. 1996. Rates of erosion and sediment transport in Australia. In: Walling, D.,Webb, B. Eds., Erosion and Sediment Yield: Global and Regional Perspectives, IAHS Publ. 236 p. Yesilnacar E, Topal T. 2005. Landslide Susceptibility Mapping: A Comparison of Logistic Regression and Neural Networks Methods in a Medium Scale Study, Hendek Region (Turkey). Engineering Geology. 79: 251–266. Zakerinejad R, Marker M. (2014) Prediction of gully erosion susceptibilities using detailed terrain analysis and maximum entropy modeling: A case study in the Mazayejan plain, southwest Iran.Supplementi di Geografia Fisica e Dinamica Quaternaria (GEOGR FIS DIN QUAT). 37(1):67–76. | ||
|
آمار تعداد مشاهده مقاله: 631 تعداد دریافت فایل اصل مقاله: 828 |
||