اثر سنگفرش سطحي بر عامل فرسايش پذيري خاك با استفاده از زمين آمار

لاتين

عامل فرسايش پذيري معادله جهاني تلفات خاك يكي از عوامل مهم و تاثيرگذار در برآورد فرسايش آبي است كه در مدل USLE و نسخ مختلف آن استفاده مي شود. تغييرات مكاني عامل K و شناسايي عوامل موثر در آن موضوع اصلي مقاله حاضر است. يكي از متغيرهايي كه همواره در برآورد صحيح اين عامل مدنظر قرار نمي گيرد، تراكم پوشش سنگفرش سطحي به عنوان عامل طبيعي حفاظت خاك است. برآورد تغيير عامل K در اثر تغيير كاربري اراضي ناشي از شخم اراضي و اختلاط آن با خاك زيرين از جمله اهداف ديگر اين مقاله مي باشد. بدين منظور پژوهش حاضر در مقطعي از دشت يزد- اردكان شامل سه نوع دشت سر پوشيده، آپانداژ و لخت با تراكم متفاوت سنگفرش انجام شد. روش نمونه برداري از نوع طبقه بندي- تصادفي و بر اساس آزمون كفايت نمونه 37 نقطه با توزيع تاحدودي يكنواخت از خاك سطحي تا عمق 10 سانتي متري برداشت گرديد. نفوذپذيري با استفاده از روش استوانه مضاعف، درصد پوشش سنگفرش سطحي در دو حالت طبيعي و شخم خورده با استفاده از نمايه هاي دفترچه مانسل اندازه گيري شد. نمونه ها به آزمايشگاه منتقل و دانه بندي به روش آب سنجي، مواد آلي به روش هاي استاندارد آزمايش شد. با استفاده از تغييرنماهاي ArcGIS9.3 وSurfer9.0 الگوي تغييرات تعيين و پهنه بندي به روش كريجينگ معمولي براي عامل K و عوامل موثر در آن انجام شد. از نمايه هاي ميانگين مطلق اشتباهات، ميانگين اريبي اشتباهات، مجذور ميانگين اشتباهات، ريشه دوم ميانگين مربع خطا و ضريب تبيين به منظور كنترل و اعتبارسنجي نيم تغييرنماها استفاده گرديد. نتايج نشان داد كه در دشت سرهاي پوشيده،كاهش پوشش سنگفرش تا مرز 20 درصد نقش حفاظتي چنداني براي اين عامل نداشته و ارتباط پوشش سنگفرش و عامل K معني دار نبود. در حالي كه در دشت-سرهاي آپانداژ و لخت با سنگفرش بيش از 50 درصد، عامل K كم تا ناچيز بود. اين در حالي است كه در صورت اختلاط سنگفرش با شخم اراضي مقدار K تا 10 برابر مقدار طبيعي افزايش يافت. برازش مدل بر تغييرنماهاي مختلف نيز نشان داد كه توزيع سنگفرش بياباني با مدل گوسي قابل توجيه است. در مجموع استفاده از روش كريجينگ معمولي، روش مناسب تري در پهنه بندي عامل فرسايش پذيري و عوامل موثر در آن است.

The Soil erodibility Factor is one of the important and effective factor that is used for estimating water erosion by USLE model and its different versions. The main topic of this paper is the spatial distribution of K factor and knowing its effective factors. One of the factors which is usually ignored for K estimation, is the desert pavement density as the natural factor of soil conservation. The other purpose of this paper is the estimating of the variations of K factor due to landuse change, land plowging and combination with sub-layers soil. For doing that in cross-section of Yazd-Ardakan plain (including Coarse grain plain, Medium grain plain and fine grain plain) with different pavement density, by random classification sampling method, the soil samples were collected in 37 points from 0-10 cm of surface soil in each parts of plain. The rate of infiltration was measured by using double ring method. Desert pavement cover in to conditions (natural and disturbed) was measured using the exist scales in Munsell’s notebook. Grain size distribution by hydrometry method and organic matter by standard methods were analyzed. Then the spatial pattern of variations by ArcGIS9.3 and Surfer9.0 softwares and zonation by kriging method for K factor and its effective parameters were determined. To evaluate the obtained semivariogram, some statistical indices like MAE(Mean Absolute Error), MBE(Mean Bias Error), MSE(Mean Square Error), RMSE(Root Mean Square Error) and determination coefficient were applied. The results show that in fine grain plains due to decreasing the desert pavement until less than %20, it can not be considerd as the conservation factor and the relation between pavement desert and K factor is not sufficient. On the other hand, in Coarse grain and Medium grain plains (that desert pavement is more than %50), the K factor lies in the low until very low .The conservative role of desert pavement in Coarse grain and Medium grain plains that by combining pavement, the K factor is increased 10 times more than natural conditions. The results of model fitting on spatial changes show that Gaussian model is the best. Totally, ordinary kriging is suitable method for spatial variability description of K and its effective factors.