پهنه‌بندي فرسايش پذيري بادي خاك سواحل شرقي درياچه اروميه

Soil Wind Erodibility Zonation of the Urmia Lake Eastern shores

فرسايش بادي خاك زماني رخ مي­دهد كه سرعت باد از آستانه فرسايش خاك بيشترشده و سطح خاك با گياهان يا باقيمانده آن­ها، ناهمواري­هاي سطح و يا موانع ديگر حفاظت نشده باشد. همچنين فرسايش­پذيري بادي يكي از مهمترين پارامترهاي تعيين­ كننده فرسايش بادي تحت شرايط آب و هوايي معين مي­باشد. هدف اصلي اين تحقيق تهيه نقشه فرسايش­پذيري بادي خاك از طريق ارتباط تجربي بين تصاوير ماهواره­اي و ويژگي هاي فيزيكو شيميايي در سواحل شرقي درياچه اروميه مي­باشد. براي اين تحقيق نمونه­برداري خاك در 153 نقطه سه لايه ارتفاعي (1271-1273، 1273-1275و 1275-1278متر ارتفاع از سطح دريا) انجام و از 4 روش نظارت شده مانند حداقل فاصله، حداكثر احتمال، شبكه عصبي مصنوعي(ANN) و ماشين بردار پشتيبان(SVM) درطبقه­بندي و نقشه­برداري از فرسايش­پذيري استفاده شد. ويژگي­هاي فيزيكوشيميايي نمونه­هاي خاك نيز اندازه­گيري و 26 نمونه از آن­ها بصورت تصادفي جهت بررسي فرسايش­پذيري بادي در تونل باد انتخاب گرديد. نتايج حاصله از آزمايش­هاي تونل­باد با ارتفاع 20 سانتيمتراز كف تونل، بيانگر فرسايش­پذيري بادي ميانگين ((g m-2 min-1)/(m s-1)) 92/2 است. نتايج رگرسيون گام به گام نيز نشان داد كه از بين ويژگي­هاي فيزيكو شيميايي خاك­ها، جزء فرسايش­ پذير مهمترين ويژگي خاك است كه در تخمين فرسايش­پذيري مورد استفاده قرار مي­گيرد و با فرسايش­پذيري بادي خاك همبستگي مثبت دارد. ميانگين وزن قطر خاكدانه ­ها با فرسايش ­پذيري خاك همبستگي منفي معني ­داري داشته و هيچ رابطه­ اي بين ويژگي­هاي شيميايي خاك و فرسايش­پذيري يافت نشد. از 4 روش طبقه­ بندي نظارت شده، شبكه عصبي مصنوعي قابليت بالاتري درطبقه­ بندي و نقشه­ برداري فرسايش پذيري داشته ودر نهايت نتايج نشان داد كه دقت كلي طبقه­ بندي1/57 ٪ مي باشد.

The wind erosion occurs when wind speed exceeds the soil erosion threshold and plants or their residues, surface roughness, or other obstacles do not protect the soil surface. Also, wind erodibility is one of the most important determining parameters of wind erosion under certain climatic conditions. The main objective of this research was mapping of soil erodibility through empirical relationship between satellite imagery and physicochemical properties and estimation of soil erosion using a comprehensive assessment model on the east shore of the Urmia Lake. For this research work soil sampling carried out in 153 points of three elevation classes (1271-1273, 1273-1275 and 1275-1278 meters) and 4 supervised classification methods such as, support vector machine (SVM), maximum likelihood classification (MLC), minimum distance and artificial neural network (ANN) were used for classifying and mapping of soil erodibility. Soil physic-chemical properties measured and 26 samples of them randomly were selected for wind erodibility measurement in an artificial wind tunnel. Wind tunnel experiments at a distance of 20 cm from the tunnel floor, revealed wind erodibility of 2.92 ((g m-2 min-1)/ (m s-1)). Also, stepwise regression results showed that among the physic-chemical properties of soils, erodible fraction was the most important soil property which used in estimating erodibility and has a positive correlation with soil erodibility. The mean weight of aggregate diameter had negative correlation with soil erodibility and no relationship was found between soil chemical properties and erodibility. Among the four supervised classification methods, the ANN has a higher capability in classifying and mapping of erodibility. Finally, the results showed that the overall classification accuracy is 57.1