نقش تغییر منابع سنجشازدور و تکنیکهای GIS در نتایج برآورد فرسایش و رسوب حوضه آبریز رودخانه بالارود به روشRUSLE
First Statement of Responsibility
/احسان مرادی مطلق
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: برنامه ریزی و علوم محیطی
Date of Publication, Distribution, etc.
، ۱۳۹۶
Name of Manufacturer
، میرزائی
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
سنجشازدور و سیستم اطلاعات جغرافیایی، گرایش آبوخاک
Date of degree
۱۳۹۶/۰۶/۱۴
Body granting the degree
تبریز
SUMMARY OR ABSTRACT
Text of Note
خاک یکی از مهمترین منابع طبیعی هر کشور است .امروزه فرسایش خاک بهعنوان عاملی خطرناک برای رفاه انسان و حتی برای حیات او به شمار میصآید .ازاینرو شناخت عوامل مؤثر در فرسایش بهویژه فرسایش آبی و اندازهصگیری مقدار آن در حوضهصهای آبریز جهت بهرهصگیری از آن در توسعه پایدار امری ضروری است .هدف از این پژوهش بررسی نقش تغییر منابع سنجشازدور و تکنیکصهای GIS در نتایج برآورد فرسایش و رسوب حوضه آبریز رودخانه بالارود به روش RUSLE است .حوضه آبریز رودخانه بالارود در شمال شهرستان اندیمشک واقع در استان خوزستان با مساحت ۵/۶۳۱ کیلومترمربع است .بدین منظور از منابع سنجشصازدوری مانند تصاویر سنجندهصهایETM +، OLI وASTER ، روشصهای درونصیابی جبری) رگرسیونی (و کریجینگ معمولی در تهیه عوامل مختلف مدل فرسایش RUSLE استفاده شد .جهت تهیه لایه عامل LS با اندازه سلولصهای۱۰ ،۲۵ ،۳۰ ،۵۰ ،۷۰ ،۹۰ ،۱۰۰ ،۱۵۰ ،۲۰۰ ،۲۵۰ ،۳۰۰ ،۳۵۰ ،۴۰۰ ، ۴۵۰ و ۵۰۰ متر از نقشهصهای توپوگرافی ۱:۲۵۰۰۰ سازمان نقشهصبرداری استفاده ، جهت تهیه لایه عامل R از درونصیابیصهای جبری و کریجینگ معمولی ، برای تهیه لایه عامل P از طبقهصبندی های پیکسلصپایه با الگوریتم ماشین بردار پشتیبان (SVM) و طبقهصبندی شئصگرا با الگوریتم نزدیکصترین فاصله تا میانگین و برای تهیه لایه عامل C از ایجاد NDVI از تصاویر ماهوارهصای استفاده گردید .مقایسه ضریب تعیین (R۲) نیمصتغییرنماها برای عامل LS با اندازه مختلف نشان داد که بهترین اندازهصهای سلولص برای این عامل۲۵ ،۳۰ ، ۵۰ و ۷۰ متر هستند .درمجموع ۱۸۰ نقشه برآورد فرسایش برای هر تصویر ماهوارهصای و اندازه سلولصهای عامل LS نامبرده به دست آمد .در زمینه استفاده از منابع مختلف سنجش از دور نتایج نشان داد که فرسایشهای برآورد شده توسط مدل فرسایش RUSLE با استفاده از تصویر ASTER بیشصتر از وقتی است که از تصویرETM + و فرسایشهای برآورد شده با استفاده از تصویر ETM بیشصتر از وقتی است که از تصویر OLI استفاده میشود .نتایج تغییر تکنیکصهای GIS نشان میصدهد که با افزایش اندازه سلولDEM ، برآورد فرسایش نیز کاهش میصیابد و نیز روش درونیابی جبری نسبت به روش درونیابی کریگینگ معمولی در تهیه لایه عامل R باعث افزایش برآورد فرسایش میشود .همچنین نتایج نشان میصدهد که نوع الگوریتم طبقهبندی تصاویر ماهوارهای نیز در میزان برآورد فرسایش تأثیرگذار است RMS .بین همه مقادیر فرسایش برآوردشده و مقدار فرسایش برآورد شده در مطالعات پیشین، نشان میصدهد که فرسایش شماره۱) -۱.ha- A۱۲۵ (۲۰۶۱۹/۱۰۳ ton.yerمربوط به تصویر سنجندهASTER ، با اندازه سلول ۲۵ متر برای عاملLS ، عامل P به دست آمده از طبقهصبندی شئصگرا و عامل R درونصیابی شده به روش جبری، دارای کمصترین RMS (۳۴۷/۸۹۷) نسبت به مقدار برآورد شده مطالعات پیشین است .لذا این نقشه بهعنوان نقشه فرسایش حوضه آبریز موردمطالعه معرفیشده است
Text of Note
Soil is very important for each country. Today, soil erosion is a dangerous factor for people welfare and even their survival. So, it is essential knowing the factors that effect on the erosion, especially water erosion, and its measurement in basins to use it in sustainable development. the purpose of this study is surveying of the rule of remote sensing resources and GIS techniques changes in results of estimating the erosion and the edimentation of Balarood River's basin by RUSLE model. Balarood basin is located in north of Andimeshk city in Khouzestan province with 631.5 Km2 area. In this order, it is used of remote sensing resources as ETM+, OLI and ASTER sensor images, regression and Ordinary Kriging interpolation techniques to provide the factors of RUSLE erosion model. It is used topographic maps produced by Iran national cartographic centre to prepare LS factor with 10, 25, 30, 50, 70, 90, 100, 150, 200, 300, 350, 400,450 and 500 meters cell sizes, regression and Ordinary Kriging interpolation to prepare R factors, pixel based classification with Support Vector Machine (SVM) algorithm and object oriented classification with minimum distance of mean algorithm to prepare P factors and NDVI driven by satellite images to prepare C factors. Comparison of semivariogram determination coefficients (R2) indicate that the best cell sizes for LS factors are 25, 30, 50, and 70. Generally, 180 estimated erosion maps produced for each mentioned satellite images and various LS factor cell sizes. Around using of varies remote sensing resources, the results indicate that the estimated erosion by RUSLE model using ASTER image are more than when ETM+ image is used and the estimated erosion using ETM+ is more than when OLI image is used. The results of the changes in GIS techniques indicate with increasing DEM cell size, the estimated erosions are reduced and also the regression interpolation method in comparison with the Ordinary Kriging interpolation method in the preparation of the R factor increases the estimated erosion. The results also show that the type of satellite image classification algorithm also has an impact on the erosion and the estimation. The RMS between all the estimated erosion values and the estimated erosion values in previous study shows that the erosion number, A125 (20619.103 ton.yer-1.ha-1) of the ASTER image, with 25 meters cell size for the LS factor, the P factor drived from the object-oriented classification, and the R factor drived by regression interpolation, has the lowest RMS (347.897) than the estimated amount of previous study. Therefore, this erosion map is presented as an the erosion map for the basin study