پهنه‌بندی فرسایش پذیری بادی خاک سواحل شرقی دریاچه ارومیه

فرسایش بادی خاک زمانی رخ می دهد که سرعت باد از آستانه فرسایش خاک بیشترشده و سطح خاک با گیاهان یا باقیمانده آن ها، ناهمواری های سطح و یا موانع دیگر حفاظت نشده باشد. همچنین فرسایش پذیری بادی یکی از مهمترین پارامترهای تعیین کننده فرسایش بادی تحت شرایط آب و هوایی معین می باشد. هدف اصلی این تحقیق تهیه نقشه فرسایش پذیری بادی خاک از طریق ارتباط تجربی بین تصاویر ماهواره ای و ویژگی های فیزیکو شیمیایی در سواحل شرقی دریاچه ارومیه می باشد. برای این تحقیق نمونه برداری خاک در 153 نقطه سه لایه ارتفاعی (1271-1273، 1273-1275و 1275-1278متر ارتفاع از سطح دریا) انجام و از 4 روش نظارت شده مانند حداقل فاصله، حداکثر احتمال، شبکه عصبی مصنوعی(ann) و ماشین بردار پشتیبان(svm) درطبقه بندی و نقشه برداری از فرسایش پذیری استفاده شد. ویژگی های فیزیکوشیمیایی نمونه های خاک نیز اندازه گیری و 26 نمونه از آن ها بصورت تصادفی جهت بررسی فرسایش پذیری بادی در تونل باد انتخاب گردید. نتایج حاصله از آزمایش های تونل باد با ارتفاع 20 سانتیمتراز کف تونل، بیانگر فرسایش پذیری بادی میانگین ((g m2  min1)/(m s1)) 2.92 است. نتایج رگرسیون گام به گام نیز نشان داد که از بین ویژگی های فیزیکو شیمیایی خاک ها، جزء فرسایش پذیر مهمترین ویژگی خاک است که در تخمین فرسایش پذیری مورد استفاده قرار می گیرد و با فرسایش پذیری بادی خاک همبستگی مثبت دارد. میانگین وزن قطر خاکدانه ها با فرسایش پذیری خاک همبستگی منفی معنی داری داشته و هیچ رابطه ای بین ویژگی های شیمیایی خاک و فرسایش پذیری یافت نشد. از 4 روش طبقه بندی نظارت شده، شبکه عصبی مصنوعی قابلیت بالاتری درطبقه بندی و نقشه برداری فرسایش پذیری داشته ودر نهایت نتایج نشان داد که دقت کلی طبقه بندی57.1 ٪ می باشد.

Soil Wind Erodibility Zonation of the Urmia Lake Eastern shores

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 (12711273, 12731275 and 12751278 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 physicchemical 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 m2 min1)/ (m s1)). Also, stepwise regression results showed that among the physicchemical 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%.