انگشت نگاري رسوبات و برآورد عدم قطعيت آن در حوزه آبخيز تول بنه در استان گلستان

Sediment fingerprinting and estimation uncertainty in Toulbane watershed, Golestan province

آگاهي از منابع توليد رسوب جهت تدوين برنامه هاي مديريتي حفاظت آب و خاك در حوزه هاي آبخيز امري ضروري مي باشد. در طي سه دهه گذشته روش انگشت نگاري كاربرد گسترده اي در تعيين سهم منابع مختلف رسوب داشته است. در تحقيق حاضر اقدام به انگشت نگاري رسوبات و تعيين سهم كاربري هاي مختلف در توليد رسوب در حوزه آبخيز تول بنه در استان گلستان شد. بدين منظور ابتدا 44 نمونه منبع از كاربري هاي جنگل، مرتع، كشاورزي و فرسايش كناري رودخانه برداشت شد. هم چنين تعداد هشت نمونه رسوب معلق با استفاده از نمونه بردار ممتد رسوب فيليپس برداشت گرديد. سپس غلظت 34 خصوصيت ژئوشيميايي با استفاده از دستگاه ICP در آزمايشگاه تعيين شد. در ادامه با استفاده از آزمون هاي آماري تست غلظت جرمي و كراسكال- واليس تركيب بهينه جهت تعيين سهم منابع مختلف در توليد رسوب، تعيين شد. سپس با استفاده از مدل تركيبي چند متغيره، سهم منابع مختلف در توليد رسوب تعيين گرديد. در نهايت عدم قطعيت با استفاده از روش مونت كارلو مورد بررسي قرار گرفت. با توجه به نتايج به دست آمده پس از آزمون هاي آماري، تعداد 12 ردياب به عنوان تركيب بهينه انتخاب شدند. رخساره فرسايش كناري رودخانه با 52/18% اصلي ترين منبع توليد رسوب بوده است و جنگل با 4/39 % كم ترين سهم را در توليد رسوب داشته است. هم چنين سهم كاربري هاي كشاورزي و مرتع نيز به ترتيب 23/33% و 10/21% بوده است. نتايج آناليز عدم قطعيت نشان مي دهد كه فرسايش كناري رودخانه در اكثر موارد منبع عمده در توليد رسوب است. هم چنين اختلاف بالاي بين حد بالا و حد پايين در منابع مختلف، حاكي از عدم قطعيت بالا مي باشد.

In order to develop management plans for water and soil conservation, it is necessary to determine the sources of sediment production in watersheds. During the past three decades fingerprinting technique has been used extensively in determining the contribution of different sources of sediment. In this study, was carried out sediments fingerprinting and determine the contribution of each source to sediment production of the Toulbane watershed in Golestan province. To this end, 44 source samples were collected from forest, pasture, agriculture and bank erosion. Also 8 sediment samples were collected using Philips time-integrated sediment sampler. Afterward, the concentration of 34 geochemical properties was examined in the laboratory using the ICP device. Next, the optimal composite tracers were determined to discriminate sediment sources by using statistical tests including mass conservation test and Kruskal-Wallis. The contribution of different sources to sediment production was determined using the multivariate mixing model. Finally, the uncertainty in the case of a low number of data, was examined using the Monte Carlo method. As a result, after statistical tests, 12 tracers were selected as the optimal composite fingerprints. The bank erosion was main source to sediment production with 52.18% and the forest had the lowest contribution to sediment production with 4.39%. The contribution of agriculture and pasture was 33.23% and 10.21%, respectively. According to the uncertainty analysis, bank erosion is the most significant source to sediment production. Also, the high difference between the upper and the lower boundaries in different sources indicates high uncertainty.