تاثیر سناریوهای تغییر کاربری اراضی بر فرسایش خاک در حوزه آبخیز قره سو، استان گلستان

فرسایش خاک نتیجه هم‌‌کنشی بین طبیعت و فعالیت‌‌های انسانی و یکی از مشکلات تهدیدکننده پایداری منابع‌طبیعی است. ارزیابی فرسایش خاک با استفاده از مدل‌‌های تجربی یک موضوع همیشگی تحقیقاتی است. مدل جهانی اصلاح شده خاک (rusle) احتمالا پراستفاده‌‌ترین نوع مدل‌‌های تجربی فرسایش خاک است. این مدل بر اساس پنج فاکتور (بارش، خاک، توپوگرافی و شیب، پوشش زمین و فعالیت‌‌های مدیریتی) به طور گسترده برای برآورد فرسایش خاک استفاده شده است. اثرات سناریوهای تغییر کاربری زمین بر فرسایش خاک با استفاده از مدل rusle در این مطالعه مورد بررسی قرار گرفت. فاکتور c (پوشش زمین) نشان‌‌دهنده ویژگی‌‌های پوشش و مدیریت خاک در مدل rusle است. این فاکتور به شدت با نوع پوشش و کاربری زمین مرتبط است. تغییرات کاربری زمین برای برآورد سناریوی آینده برای سال 1427 با استفاده از شبکه عصبی مصنوعی انجام شد. مقادیر فاکتور c بر اساس داده‌‌های چندزمانه استخراج شد. تغییرات فرسایش خاک نیز برای سال‌‌های 1363، 1387، 1397 و 1427 با استفاده سناریوهای مختلف کاربری اراضی و با به‌‌کارگیری مدل rusle بررسی شد. نتایج نشان داد که میانگین فرسایش خاک در سناریوهای مختلف کاربری زمین به میزان 21 (سال 1363)، 23.9 (سال 1387)، 24.6 (سال 1397) تن در هکتار در سال بوده و برای سال 1427، 27.3 تن در هکتار در سال خواهد بود. زیرحوزه‌‌های 5، 8 و 11 سه زیر حوزه با بالاترین مقدار فرسایش در تمام سال‌‌ها بوده‌‌اند.

effect of land use change scenarios on soil erosion in gharesoo watershed

soil erosion is a result of the interaction between nature and human activities. soil erosion is one of the major problems that threatens sustainability of natural resources. the assessment of soil erosion using empirical-based models has long been an active research topic. revised universal soil loss equation (rusle) is possibly the most widely applied and accepted empirical erosion model worldwide. the rusle model has been extensively applied for estimating erosion rates based on five parameters (rainfall, soil, topography and slope, land cover, and support practice). the c-factor (land cover) represents the characteristics of soil management and cover in rusle and is highly correlated to the land use/land cover practice we analyzed changes in land cover to estimate a future scenario for 2047 using an artificial neural network. the c-factor values were assigned based on historical land use maps. soil erosion variations in the years 1984, 2008, 2017 and 2047 were estimated using the rusle model based on the land use scenarios. the mean soil erosion rates based on the land use scenarios were 21 t/km2/y (1984), 23.9 t/km2/y (2008), 24.6 t/km2/y (2017), and 27.3 t/km2/y (2047). the results showed that the sub-basins 5, 8 and 11 were the third top areas contributing to the increased erosion rate in all years.