مدلسازی هدررفت خاک ناشی از فرسایش خندقی در مناطق فاقد آمار

نویسندگان

1 بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع ‌طبیعی کردستان، سازمان تحقیقات، آموزش و ترویج کشاورزی،

2 پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران ایران

3 بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع ‌طبیعی آذربایجان غربی، سازمان تحقیقات، آموزش و ترویج کشاورزی،

4 بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع ‌طبیعی اصفهان، سازمان تحقیقات، آموزش و ترویج کشاورزی،

5 بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع ‌طبیعی فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، شیراز،

doi
10.22059/ijswr.2024.381049.669782
چکیده

فرسایش خندقی به‌عنوان یکی از مخرب‌ترین شکل تخریب زمین و هدررفت خاک در سطح جهانی مطرح می‌باشد. باتوجه به زمان‌بر و هزینه‌بر بودن پایش میدانی، این پژوهش به دنبال مدلسازی و برآورد حجم خاک از دست رفته به‌وسیله آن در حوزه آبخیز چوپانلو در استان آذربایجان غربی بود. به این منظور، ابتدا پایش میدانی جهت شناسایی خندق‌ها انجام شد و سپس به منظور خوشه‌بندی خندق‌ها و تعیین خندق‌های منتخب، لایه‌های رقومی عوامل تأثیرگذار بر گسترش خندق‌ها از جمله عوامل توپوگرافی (ارتفاع، شیب، جهت، انحنای سطح و شاخص موقعیت شیب نسبی)، پوشش گیاهی، کاربری اراضی، سنگ‌شناسی و هیدرواقلیم (فاصله از جریان، تراکم زهکشی، شاخص رطوبت توپوگرافی، بارش سالیانه و فراوانی بارش‌‌های سنگین) تهیه شدند. سپس حجم خاک از دست رفته ناشی از فرسایش خندقی در طی سه سال 1400-1402 برای خندق‌های منتخب به عنوان متغیر وابسته در عرصه اندازه‌گیری شد. مدلسازی در این پژوهش با استفاده از سه مدل جنگل تصادفی، ماشین بردار پشتیبان و شبکه عصبی مصنوعی و با رویکرد اعتبارسنجی متقاطع صورت پذیرفت. نتایج فرمول کوکران نشان داد که از بین 67 مورد خندق شناسایی شده در عرصه تعداد 58 مورد حداقل نمونه لازم می‌باشند که این تعداد خندق منتخب پس از خوشه‌بندی از بین سه خوشه شناسایی شده انتخاب شدند. مقدار فرسایش خالص سالانه خاک ناشی از خندق‌های منتخب (58 مورد) به‌ترتیب برابر با 172، 196 و 208 تن در طی سال‌های 1400، 1401 و 1402 می‌باشد. نتایج نشان داد که مدل جنگل تصادفی عملکرد خوب، مدل ماشین بردار پشتیبان عملکرد متوسط و مدل شبکه عصبی عملکرد ضعیفی در مدلسازی داشتند.