بررسی ارتباط بین عامل مدیریت پوشش در معادله جهانی فرسایش با شاخص‌های گیاهی در اراضی شیب‌دار لسی (مطالعه موردی: مزرعه گندم در حوضه توشن)

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 دانشجوی دانشگاه علوم کشاورزی و منابع طبیعی گرگان

2 استادیار گروه علوم خاک- دانشگاه علوم کشاورزی و منابع طبیعی گرگان

3 معاونت آبخیزداری اداره منابع طبیعی استان گلستان

چکیده

سابقه و هدف: میزان فرسایش در استان گلستان به‌علت موقعیت جغرافیایی، اقلیمی و تخریب منابع دارای نرخ بالایی می‌باشد. یکی از اولویت‌ها در جلوگیری از پدیده مخرب فرسایش، تعیین یک روش مناسب جهت اندازه‌گیری میزان فرسایش‌پذیری خاک‌هاست. یکی از مهمترین روش‌های محاسبه فرسایش خاک، معادله ویشمایر و اسمیت (١٩٧٨) است که به فرمول جهانی فرسایش خاک معروف می‌باشد. در این معادله مدیریت پوشش گیاهی(C) یکی از عوامل شش‌گانه موثر در فرسایش است که اندازه‌گیری آن به‌سادگی امکان‌پذیر نمی‌باشد. یکی از روش‌های پرکاربرد جهت برآورد این شاخص، استفاده از تصاویر ماهواره‌ای می‌باشد. محققان روشهای زیادی را برای ارزیابی فاکتور مدیریت پوشش گیاهی با استفاده از NDVI برای ارزیابی هدر رفت خاک به روش USLE ارائه دادند (لین و همکاران ، ؛ 1999؛ دی‌جونگ ، 2002). این روشها از مدل رگرسیونی برای ایجاد آنالیز همبستگی بین مقدار فاکتور C اندازه‌گیری شده در مزرعه استفاده می‌کند. لذا در این تحقیق تلاش شد شاخص‌های مربوطه از تصاویر ماهواره‌ای در زمان‌های مختلف رشد محصول زراعی عمده استان استخراج و ارتباط آن با میزان فرسایش واقعی بدست آمده در مزرعه بدست آید.
مواد و روشها: برآورد عامل C، در 6 زمان متوالی به‌کمک شبیه‌ساز باران در دو شدت بارش 32 و 105 میلی‌متر بر ساعت، در زمان تداوم 20 دقیقه اندازه‌گیری شد. عامل مدیریت پوشش گیاهی به روش CSERL نیز محاسبه و شاخص‌های گیاهی NDVI و SAVI با استفاده از تصاویر ماهواره لندست 8 مربوط به 6 زمان موردنظر به‌کمک نرم‌افزارERDAS IMAGIN 2011 بدست آمد. سپس ارتباط رگرسیونی بین فاکتور CSERL و شاخص‌های گیاهی NDVI و SAVI با استفاده از نرم‌افزار Excel بدست آمد و ضریب تبیین تعدیل شده، ضریب تبیین رگرسیون و همبستگی بدست آمده توسط نرم‌افزار SAS بعنوان شاخص ارزیابی مورد استفاده قرار گرفت.
یافته‌ها: با توجه به نتایج، شاخص NDVI (76/0= R2) در مقایسه با شاخص SAVI (54/0= R2) به‌منظور پیش‌بینی فاکتور CSERL توسط تصاویر ماهواره‌ لندست 8 مناسب‌تر به‌نظر می‌رسد. شاخص‌های پوشش گیاهی به‌دست آمده توسط تصاویر ماهواره‌ای با عامل C به‌دست آمده از شدت بارش بالاتر ارتباط بیشتری داشت. همچنین با بررسی روند تغییرات فاکتور CSERL طی 6 زمان متوالی در تیمار با شدت بارش 105 میلی‌متر در ساعت در زمان تداوم 20 دقیقه مشاهده شد که این فاکتور در ماه دی و خرداد به ترتیب برابر با 16/0 و 03/0 شد.
نتیجه‌گیری: در این تحقیق مشاهده شد که رابطه معنی‌داری بین عامل C و شاخص NDVI (76/0= R2) در سطح احتمال 99 درصد وجود دارد. بر اساس نتایج شاخص NDVI بهترین برآورد را با فاکتور CSERL در شدت بارش 105 میلی‌متر بر ساعت داشت و بنابراین به‌عنوان روشی با دقت مناسب پیشنهاد می‌گردد.

کلیدواژه‌ها


عنوان مقاله [English]

Examination of the relation between cover management factor with vegetation indices in the loess slope land (case study: Wheat farm in toshan catchment)

نویسنده [English]

  • mohtaram jennat alipour 1
1
2
3
چکیده [English]

Background and objectives: Erosion rate in the Golestan province has a high rate due to geographical location, climatic and resource degradation. Determining a suitable method for measuring soil erodibility is one of the priorities in the prevention of destructive erosion. Wishmeyer and Smith equation (1978) is one of the important methods for calculating soil erosion, that is known the Universal Soil Loss Equation. In this equation, cover management (C) is one of the six factors affecting soil water-erosion that it`s measuring is not simply possible. One of the widely used methods for estimating this factor is using satellite imagery. Researcher provided many ways to evaluate vegetation management factor using NDVI to assess soil losses with USLE method (Lin et al., 1999; DeJong, 2002). These methods use regression model to analyze the correlation between the amount of measured C factor at the farm.
So, in this research scrambled to derive relevant indicators from satellite images of different in the Golestan province agronomic main crop growth and obtain their relations between them with real erosion in the farm.

Materials and methods: Evaluation C factor was measured by using simulated rainfall with 2 intensity of 32 and 105 mm/h in duration 20 minute in 6 consecutive times. Cover management factor also was measured using CERL method, and vegetation indices (SAVI & NDVI) were computed from of Landsat 8 images in 6 consecutive times using ERDAS IMAGIN 2011. Then, the relations between CSERL factor and vegetation indices (SAVI & NDVI) were obtained using Excel software and Adjusted coefficient of determination, Regression coefficient and Correlation were obtained using SAS software were used as evaluation indices.
Results: According to the results, ) in order to predict CSERL factor using satellite images NDVI index (R2 = 0.76 is more suitable comparing SAVI index (R2 = 0.54). The vegetation indices derived from satellite images have higher relation with C factor derived from higher rain intensity. By examining trends of CSERL changes in 6 consecutive time on the rainfall intensity with 105mm at duration of 20 minutes per hour rainfall was also found that this factor was 0.16 and 0.03 in December and June respectively.

Conclusion: In this survey, observed that there is significantly relation between C factor and NDVI index (R2 = 0.76 at 99% probability level. According to the results, NDVI index had a best estimation with CSERL in higher intensity (R2 = 0.76) and so this index is offered as a method with proper accuracy.

کلیدواژه‌ها [English]

  • vegetation cover management factor
  • sediment
  • Remote sensing
  • NDVI
  • SAVI
1.De Jong, S.M. 1994. Applications of reflective remote sensing for land degradation studies in a Mediterranean environment. PhD Thesis, Utrecht University, Utrecht, 237p.
2.Gupta, R.P., Ghosh, A., and Haritashya, U.K. 2007. Empirical relationship between near-IR reflectance of melting seasonal snow and environmental temperature in a Himalayan basin. Remote Sensing of Environment, 107: 3. 402-413.
3.Karaburn. A. 2010. Estimation of C factor for soil erosion modeling using NDVI in Buyukcekmece Watershed. Ozean J. Appl. Sci. 3: 1. 77-85.
4.San Diego State University Soil Erosion Research Laboratory. 2001. SDSU/SERL Project Reference No. 2001-01-PRO Results from a Study of Profile Products’ M-BFM: Runoff Characteristics and Sediment Retention Under Simulated Rainfall Conditions. 18p.
5.Suriyaparasit, M., and Shrestha, D.P. Deriving landuse and canopy cover factor from remote sensing and field data in inaccessible mountainous terrain for use in soil erosion modelling. Technical Session TS-34:SS-7 Global Monitoring For Environment and Security (GMES): 1747-1750.
6.Van der Knijff, J.M.F., Jones, R.J.A., and Montanarella, L. 1999. Soil Erosion Risk Assessment in Italy, European Soil Bureau., Joint Research Centre (JRC)., Space Applications Institute.