| تعداد نشریات | 284 |
| تعداد نشریات سازمان | 82 |
| تعداد شماره‌ها | 3,035 |
| تعداد مقالات | 33,965 |
| تعداد مشاهده مقاله | 45,490,947 |
| تعداد دریافت فایل اصل مقاله | 72,131,858 |
تغییرات زمانی و مکانی فرسایندگی باران با اِعمال ضریب اصلاحی پوشش برف در بخش ایرانی آبخیز دریای خزر | ||
| پژوهش های آبخیزداری | ||
| مقاله 6، دوره 36، شماره 3 - شماره پیاپی 140، مهر 1402، صفحه 70-89 اصل مقاله (3.51 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/wmrj.2023.359311.1484 | ||
| نویسندگان | ||
| خدیجه حاجی1؛ عبدالواحد خالدی درویشان* 2؛ رئوف مصطفی زاده3 | ||
| 1دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشکده ی منابع‌طبیعی، دانشگاه تربیت مدرس، نور، ایران | ||
| 2دانشیار گروه مهندسی آبخیزداری، دانشکده ی منابع‌طبیعی، دانشگاه تربیت مدرس، نور، ایران | ||
| 3دانشیار گروه منابع‌طبیعی و عضو پژوهشکده ی مدیریت آب، دانشکده‌ی کشاورزی و منابع‌طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران | ||
| چکیده | ||
| مقدمه و هدف آگاهی از الگوی تغییرات مکانی و زمانی فرسایندگی باران برای بهبود برآوردهای فرسایش خاک به‌ویژه با در نظر گرفتن پوشش برف در ماه‌های مختلف ضروری است. در آبخیز دریای خزر به‌دلیل فاصله‌ی کم بین مناطق کوهستانی و جلگه‌ی پرباران، برآورد عامل فرسایندگی باران بدون اِعمال ضریب‌های اصلاحی پوشش برف صحت و دقت لازم را ندارد. بر این اساس این پژوهش با هدف بررسی تغییرات زمانی و مکانی عامل فرسایندگی باران با اِعمال ضریب اصلاحی پوشش برف در بخش ایرانی بزرگ آبخیز دریای خزر برنامه‌ریزی شد. مواد و روش‌ها برای تعیین عامل فرسایندگی باران ماهانه، فصلی و سالانه، داده‌های بارندگی ماهانه‌ی 56 ایستگاه همدید (سینوپتیک) بزرگ آبخیز دریای خزر از سازمان هواشناسی کشور و سال‌نامه‌های آماری با دوره‌ی مشترک آماری 25-20 ساله (۱۳۹9-1375) جمع‌‌آوری شد. در نتیجه لایه‌ی فرسایندگی باران در پایه‌های زمانی مختلف با استفاده از روش زمین آماری کوکریجینگ با متغیر کمکی بلندی از سطح دریا با ریشه‌ی میانگین مربعات خطا (RMSE) کمتر به‌عنوان معمول‌ترین شاخص ارزیابی و انتخاب روش بهینه استفاده شد. سپس لایه‌ی پوشش برف ماهانه از محصول MOD10CM تهیه و نقشه‌ی فرسایندگی باران اصلاح شد. نتایج و بحث براساس نتایج، اندازه‌ی میانگین عامل فرسایندگی باران سالانه در بخش ایرانی آبخیز دریای خزر برابر با 254/61 مگاژول میلی‌متر بر هکتار ساعت به‌دست آمد، در حالی‌که با اِعمال ضریب اصلاحی پوشش برف، فرسایندگی باران سالانه به 210/53 مگاژول میلی‌متر بر هکتار ساعت کاهش یافت. هم‌چنین ایستگاه‌های همدید بندرانزلی و منجیل به‌ترتیب بیشترین و کمترین اندازه میانگین عامل فرسایندگی باران سالانه (به‌ترتیب 749/30 و 162/87 مگاژول میلی‌متر بر هکتار ساعت) را داشتند. افزون بر این بیشترین اندازه‌های میانگین فرسایندگی باران ماهانه با اِعمال ضریب اصلاحی پوشش برف در آوریل، اکتبر و نوامبر به‌ترتیب برابر با 27/27، 25/81، 25/56 مگاژول میلی‌متر بر هکتار ساعت مشاهده شد. از طرفی 12/81% از مساحت منطقه‌ی مطالعه شده در طبقه‌های متوسط تا خیلی‌زیاد فرسایندگی باران در بخش شمالی بزرگ آبخیز دریای خزر بود، که می‌تواند در اولویت‌بندی مناطق مختلف برای انجام اقدام‌های حفاظتی به‌منظور کاهش اثر عامل فرسایندگی باران بر اندازه‌ی فرسایش خاک و تولید رسوب استفاده شود. نتیجه‌گیری و پیشنهادها براساس نتایج این پژوهش می‌توان گفت که نوسان فرسایندگی باران در ماه‌ها و فصل‌های مختلف نیز متأثر از توزیع زمانی بارش در طول سال است. بنابراین بیشترین اندازه‌های فرسایندگی باران در اکثر مناطق مطالعه شده مطابق با زمان‌های اصلی فعالیت‌های کشاورزی (کاشت و برداشت محصولات) است و زمان‌های بحرانی برای فرسایش خاک به‌شمار می‌روند. نتایج بررسی الگوی مکانی فرسایندگی باران در بخش ایرانی بزرگ آبخیز دریای خزر نشان داد که تغییرات نسبی زیادی بین مناطق مختلف از جلگه تا بخش‌های بلند است. این الگو اگرچه تا حدی منطبق بر الگوی تغییرات اقلیمی از مناطق خشک‌تر و کم‌باران‌‌تر به مناطق مرطوب‌تر و پرباران‌تر است، اما نوع نزولات جوی و به‌طور ویژه برف در مناطق بلند باعث کاهش فرسایندگی باران در این مناطق شده است. بنابراین در این پژوهش ارزیابی زمانی فرسایندگی باران با اِعمال ضریب اصلاحی پوشش برف در آن، با زمان‌بندی حضور و تراکم پوشش‌گیاهی در سطح خاک نتایج قابل استنادتری برای استفاده‌ی مدیران و برنامه‌ریزان آمایش سرزمین به‌ویژه در بخش کشاورزی برای انتخاب نوع محصولات مناسب برای هر منطقه خواهد داشت. | ||
| کلیدواژه‌ها | ||
| نابودی خاک؛ زمین آمار؛ سطح پوشش برف؛ شاخص فرسایندگی باران؛ مدیریت آبخیز | ||
| عنوان مقاله [English] | ||
| Spatiotemporal Variations of the Rainfall Erosivity with Considering Snow Cover Correction Coefficient in the Iranian Part of the Caspian Sea Basin | ||
| نویسندگان [English] | ||
| Khadijeh Haji1؛ Abdulvahed Khaledi Darvishan2؛ Raoof Mostafazadeh3 | ||
| 1Ph.D. Student, Department of Watershed Management Engineering, Faculty of Natural Resources, Tarbiat Modares University, Noor, Iran | ||
| 2Associate Professor, Department of Watershed Management Engineering, Faculty of Natural Resources, Tarbiat Modares University, Noor, Iran | ||
| 3Associate Professor, Department of Watershed Management and Member of Water Management Research Institute, University of Mohaghegh Ardabili, Ardabil, Iran | ||
| چکیده [English] | ||
| Introduction and Objective Awareness of the pattern of spatial and temporal variations of the rainfall erosivity is essential for improving soil erosion estimates, especially considering snow cover in different months. In the Caspian Sea Basin, due to the low distance between mountain regions and rainy plain, estimation of rainfall erosivity factor without considering snow cover correction coefficients is associated with a significant uncertainty. Accordingly, the current study aims to analyze the spatiotemporal variations of the rainfall erosivity factor with considering snow cover correction coefficient in the Iranian part of the Caspian Sea Basin. Materials and Methods To prepare monthly, seasonal and annual rainfall erosivity factor, monthly rainfall data of 56 synoptic stations of the Caspian Sea Basin were obtained from the national meteorological organization and statistical yearbooks with a common statistical period of 20-25 years (1996-2020). As a result, the rain erosive layer in different time bases using Co-Kriging geostatistical method with auxiliary variable of height above sea level with less root mean square error (RMSE) was used as the most common evaluation index and selection of the optimal method. Then the monthly snow cover layer was prepared from MOD10CM product and the rainfall erosivity for each month was modified. Results and Discussion Based on the results, the average annual rainfall erosivity factor of the Iranian part of the Caspian Sea Basin was 254.61 (MJ mm ha-1 hr-1), while by considering the snow cover correction coefficient, the rainfall erosivity value was redused to 210.53 (MJ mm ha-1 hr-1). Also, Bandar Anzali and Manjil synoptic stations have the highest and lowest values of the average annual rainfall erosivity factor equal to 749.30 and 162.87 (MJ mm ha-1 hr-1), respectively. In addition, after considering the snow cover correction coefficient, the highest monthly rainfall erosivity values of 27.27, 25.81 and, 25.56 MJ mm ha-1 hr-1 were observed in April, October and, November, respectively. On the other hand, 12.81% of the studied area is in the medium to very high levels of rainfall erosivity in the northern part of the Caspian Sea Basin, which can be used to prioritize different areas in order to carry out conservation measures to reduce the effect of the rainfall erosivity factor on the amount of soil erosion and sediment yield were used. Conclusion and Suggestions Based on the results of the current research, it can be stated that the fluctuation of rainfall erosivity in different months and seasons is also affected by the rainfall time distribution throughout the year. Therefore, the maximum amounts of rainfall erosivity in most of the studied areas correspond to the main times of agricultural activities, i.e. planting and harvesting, which are critical times for soil erosion. Investigating the spatial pattern of rainfall erosivity in the Iranian part of the Caspian Sea Basin shows many relative changes between different regions from the plains to the highlands. Although this pattern is somewhat consistent with the pattern of climate changes from drier and less rainy areas to wetter and morerainy areas, the type of precipitation and especially snow in high areas has reduced the rainfall erosivity in these areas. Therefore, the temporal evaluation of rainfall erosivity resulting from the current research, in which the snow cover correction coefficient is applied, with the timing of the presence and density of vegetation on the soil surface, provides more reliable results for land management managers and planners, especially in the agricultural sector, to choose the right type of crops for each will place the area. | ||
| مراجع | ||
|
Arabkhedri M, Asadi H, Eslami F, Gerami Loshabi Z, Vazifehdoost M. 2021. Application of vegetation cover seasonality, temporal variation of rainfall erosivity and sediment yield for land utilization planning. Journal of Water and Soil Conservation. 27(5): 217-232. (In Persian). Barkhordari J, Nikkami D, Samadi MB, Tabatabaeizadeh M. 2015. Suitability of different rainfall erosivity indices in cold, dry climate of central Iran, a Case study in Nir rangeland research station-Yazd Province. Journal of Watershed Engineering and Management. 7(2): 136-144. (In Persian). Behzadfar A, Khaledi Darvishan A, Gharagozlou A. 2016. Preparation of rainfall erosivity factor map by using GIS (Case Study: Darkesh Watershed, North Khorasan province). 11th National Seminar on Watershed Management Sciences and Engineering. 648-655. (In Persian). Chavoshi S, Sulaiman WNA, Saghafian B, Sulaiman MNB, Abd Mana L. 2013. Flood prediction in southern strip of Caspian Sea Watershed. Water Resources and the Regime of Water Bodies. 40(6): 593-605. Davison P, Hutchins MG, Anthony SG, Betson M, Johnson C, Lord EI. 2005. The Relationship between potentially erosive storm energy and daily rainfall quantity in England and Wales. Science of the Total Enviroment. 15: 344 (1-3): 15-25. https://doi.org/10.1016/j.scitotenv.2005.02.002. Desinayak N, Prasad AK, El-Askary H, Kafatos M, Asrar GR. 2022. Snow cover variability and trend over the Hindu Kush Himalayan region using MODIS and SRTM Data. Annals of Geophysics. 40(1): 67-82. https://doi.org/10.5194/angeo-40-67-2022. Di Lena B, Curci G, Vergni L. 2021. Analysis of rainfall erosivity trends 1980-2018 in a complex terrain region (Abruzzo, Central Italy) from Rain Gauges and Gridded Datasets. Atmosphere. 12(6): 657. https://doi.org/10.3390/atmos12060657. Entezami H, Mojarrad F, Darand M, Shahabi H. 2021. Investigating the changes in snow cover in Sefidrood drainage basin using remote sensing. Geography and Environmental Sustainability. 11(2): 1-18. (In Persian). Eslami H. 2022. Evaluation of spatio-temporal variations of rainfall erosivity index using cokriging method in Khouzestan Province. Watershed Engeneering. 8(3): 1-15. (In Persian). Fathollahnejad Damghani Y. 2008. The study of rainfall spatial and temporal changes effects on rainfall erosivity (Case study: Gorganrood Watershed). M.Sc. Thesis. Department of Range and Watershed Management. Mazandran University. 1-96. (In Persian). Gerami Loshabi Z, Arabkhedri M, Asadi H, Bayat R. 2016. The influence of rainfall erosivity temporal variation on suspended sediment load seasonality (Case study: Kasiliyan Basin). Journal of Watershed Management Research. 7(14): 167-176. (In Persian). Gu Z, Feng D, Duan X, Gong K, Li Y, Yue T. 2020. Spatial and temporal patterns of rainfall erosivity in the Tibetan Plateau. Water. 12(1): 200. https://doi.10.3390/w12010200. Guesri M, Megnounif A, Nekkache Ghenim A. 2020. Rainfall erosivity and sediment yield in northeast Algeria: K’sob Watershed Case Study. Arabian Journal of Geosciences. 13(299): 1-11. https://doi.org/10.1007/s12517-020-5276-1. Hall DK, Riggs GA. 2007. Accuracy assessment of the MODIS snow products. Hydrological Processes. 21(12): 1534-1547. https://doi.org/10.1002/hyp.6715. Hazbavi Z, Sadeghi SHR. 2013. Analysis of spatial trend of rainfall erosivity in Iran. 1st International Conference on Environmental Crisis and its Solutions, Kish Island-Iran. February. 13: 434-440. Hoyos N, Waylen PR, Jaramillo A. 2005. Seasonal and spatial of erosivity in a tropical watershed of the Colombia Andes. Journal of Hydrology. 314(1-4): 177-191. https://doi.org/10.1016/j.jhydrol.2005.03.014. Jain MK, Das D. 2010. Estimation of sediment yield and areas of soil erosion and deposition for watershed prioritization using GIS and Remote Sensing. Water Resources Management. 24(10): 2091-2112. https://doi.org/10.1007/s11269-009-9540-0. Khaledi Darvishan A, Derikvandi M, Aliramaee R, Khorsand M, Spalevic V, Gholami L, Vujacic D. 2018. Efficiency of IntErO Model to predict soil erosion intensity and sediment yield in Khamsan representative watershed (West of Iran). Agrofor International Journal. 3(2): 22-31. Lee S, Hyun Bae J, Hong J, Yang D, Panagos P, Borrelli P, Yang JE, Kim J, Lim KJ. 2022. Estimation of rainfall erosivity factor in Italy and Switzerland using bayesian optimization based machine learning models. Catena. 211(105957): 1-14. Mohammadi Sh, Balouei F, Haji Kh, Khaledi Darvishan A, Karydas C. 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. Mostafazadeh R, Zabihi M, Haji Kh, Ghavimipanah MH. 2019. Spatiotemporal variations of rainfall erosivity factor in Gorganroud Watershed. Nivar. 42(102): 9-18. (In Persian). Nikkami D, Mahdian MH. 2015. Rainfall erosivity mapping in Iran. Journal of Watershed Engineering and Management. 6(4): 364-376. (In Persian). Padulano R, Rianna G, Santini M. 2021. Datasets and approaches for the estimation of rainfall erosivity over Italy: a comprehensive comparison study and a new method. Journal of Hydrology: Regional Studies. 34(1): 100788. https://doi.org/10.1016/j.ejrh.2021.100788. Panagos P, Ballabio C, Borrelli P, Meusburger K, Klik A, Rousseva S, Tadi´c MP, Michaelides S, Hrabalíkova ´ M, Olsen P, Aalto J, Lakatos M, Rymszewicz A, Dumitrescu A, Beguería S, Alewell C. 2015. Rainfall erosivity in Europe. Science of the Total Environment. 1(511): 801-814. https://doi. org/10.1016/j.scitotenv.2015.01.008. Panagos P, Borrelli P, Meusburger K, Yu B, Klik A, Lim KJ, Yang JE, Ni J, Miao C, Chattopadhyay N, Sadeghi SHR, Hazbavi Z, Zabihi M, Larionov GA, Krasnov SF, Gorobets AV, Levi Y, Erpul G, Birkel C, Hoyos N, Naipal V, Oliveira PTS, Bonilla CA, Meddi M, Nel W, Al Dashti H, Boni M, Diodato N, Van Oost K, Nearing M, Ballabio C. 2017. Global rainfall erosivity assessment based on high-temporal resolution rainfall records. Scientific Reports. 7:4175; 1-12. https://doi.org/10.1038/s41598-017-04282-8. Rabbaniha M, 2017. Environmental and ecological studies in the northern Alborz of Golestan Province with the aim of fisheries development. Ministry of Jihad Agriculture Research Organization. Agriculture Education and Extension, Inland Fisheries Research Institute - Inland Aquatic Resources Research Center. 156 p. (In Persian). Raj R, Saharia M, Chakma S, Rafieinasab A. 2022a. Mapping rainfall erosivity over India using multiple precipitation datasets. Catena. 214(106256): 1-12. https://doi.org/10.1016/j.catena.2022.106256. Raj R, Saharia M, Chakma S, Rafieinasab A. 2022b. Spatial variability of rainfall erosivity over India. EGU General Assembly 2022. https://doi.org/10.5194/egusphere-egu22-152. Sadeghi SHR, Hazbavi Z. 2015. Trend analysis of the rainfall erosivity index at different time scales in Iran. Natural Hazards. 77(1): 383-404. https://doi.org/10.1007/s11069-015-1607-z. Sadeghi SHR, Moatamednia M, Behzadfar M. 2011. Spatial and temporal variations in the rainfall erosivity factor in Iran. Journal of Agricultural Science and Technology. 13(1): 451-464. Sadeghi SHR, Zabihi M, Vafakhah M, Hazbavi Z. 2017. Spatiotemporal mapping of rainfall erosivity index for different return periods in Iran. Natural Hazards. 87(1): 35-56. https://doi.org/10.1007/s11069-017-2752-3. Shahhossein T, Nazarnejad H, Asadzadeh F. 2022. Rainfall erosivity mapping for West Azerbaijan province. Applied Soil Research. 9(4): 49-61. (In Persian). Shamshad A, Azhari MN, Isa MH, Wan Hussin WMA, Parida BP. 2008. Development of an appropirate procedure for estimation of RUSLE EI30 index and preparation of erosivity maps for Pulau Penang in Peninsular Malaysia. Catena. 72(3): 423-432. https://doi. org/10.1016/j.catena.2007.08.002. Zabihi M, Sadeghi SHR, Vafakhah M. 2016. Spatial analysis of rainfall erosivity index patterns at different time scales in Iran. Journal of Watershed Engineering and Management. 7(4): 442-457. (In Persian). Zare S, Soltani Gerdefaramarzi S, Tazeh M. 2019. Comparison of geostatistical methods in the zoning of erosivity index (Case study: Fars Province). Geography and Programming. 23(68): 157-177. (In Persian). Zare S, Soltani Gerdfaramarzi S, Tazeh M. 2017. Determination of the best rainfall erosivity index in Fars Province and its zoning. Geography and Development. 15(48): 231-244. (In Persian). Zhang Y, Yan S, Lu Y. 2010. Snow cover monitoring using MODIS Data in Liaoning Province. Northeastern China. Remote Sensing. 2(3): 777-793. https://doi.org/10.3390/rs2030777. | ||
|
آمار تعداد مشاهده مقاله: 480 تعداد دریافت فایل اصل مقاله: 615 |
||