نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی

بررسی فرسایش خاک با استفاده از تحلیل‌های تصمیم‌گیری چند معیاره GIS در شهرستان خوی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه ارومیه

2 گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده برنامه‌ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران

10.22034/rsgi.2025.67208.1138

چکیده

امروزه فرسایش خاک به عنوان یکی از بزرگترین مشکلات زیست‌محیطی و اجتماعی-اقتصادی معاصر شناخته شده است؛ زیرا بر کشاورزی، منابع طبیعی، محیط زیست و اقتصاد اجتماعی تأثیر میگذارد. بنابراین هدف تحقیق حاضر، پهنه‌بندی حوضه شهرستان خوی می‌باشد. بدین منظور ابتدا با استفاده از تصاویر لندست و تکنیک طبقه-بندی شی‌گرا استخراج شد و به کلاس‌های (اراضی کشاورزی و باغی، اراضی شوره زار، اراضی مسکونی، اراضی مراتع و بایر و برون زدهای سنگی طبقه‌بندی شدند. در مرحله بعد، با شناسایی عوامل موثر در فرسایش خاک منطقه و تهیه لایه‌های اطلاعاتی هر معیار در GIS، استاتداردسازی لایه‌ها با استفاده از تابع عضویت فازی، روش رتبه‌دهی و وزن‌دهی معیارها با استفاده از روش کرتیک و روش ANP با استفاده از نرم افزار سوپردسیژن و مدل‌سازی نهایی با استفاده از روش تحلیل چندمعیاره ANP انجام شد. سپس تحلیل حساسیت معیارها با استفاده از داده‌های‌آموزشی انجام شد. سپس با اعمال مراحل مختلف مدل بر روی نقشه‌ها ، نقشه پهنه‌بندی فرسایش حوضه منطقه در 4طبقه با فرسایش بسیار زیاد تا فرسایش بسیار کم، استخراج گردید. روش فرایند تحلیل ANP بیشترین وزن را به معیار ششم (فاصله از آبراهه) و کمترین وزن را به معیار دوم (مدل رقومی ارتفاع) تخصیص داده است. با توجه به نتایج حاصله و نقشه مدل‌سازی فرسایش، معیارهای فاصله از رودخانه، کاربری اراضی و شیب، به ترتیب با مقادیر وزنی 0.271، 0.25 و 0.197، بیشترین مقدار وزنی رو دریافت کردند.

تازه های تحقیق

آگاهی از وضعیت فرسایش خاک  در حوضه­های اصلی کشور نقش مهمی در مدیریت هرچه بهتر آنها دارد. با این حال، به دلیل فقدان داده­های مناسب و کافی، تعیین مقدار فرسایش خاک و پیامدهای ناشی از آن به ویژه در حوضه­های بزرگ با محدودیت­هایی همراه است. پژوهش حاضر با هدف بررسی تأثیرات معیارهای موجود بر فرسایش پذیری خاک در منطقه شهرستان خوی، با استفاده از تکنیک­های دورسنجی و تحلیل چندمعیارە ANPانجام شده است. یکی از راه­های کاهش و جلوگیری از خسارت­های احتمالی فرسایش خاک مزارع کشاورزی و بالا بردن آگاهی­های اهالی منطقه، شناخت و پهنه بندی نقشه فرسایش خاک می­باشد. در این پژوهش تلاش بر این بود که براساس فنون سنجش از دور RS و با استفاده از نرم‌افزار GIS که به عنوان یکی از فنون برجسته تحلیل چند معیاری محسوب می­شود تاثیر فاکتورهای دخیل در شکل­گیری پتانسیل فرسایش خاک مورد توجه قرار گیرد. بنابر نتایج حاصل از وزن­دهی از بین عوامل ایجاد فرسایش خاک عوامل هیدرولوژی فاصله از رودخانه با ضریب وزنی (0.271)، کاربری اراضی با ضریب وزنی (250/0) و شیب با ضریب وزنی (197/0) به ترتیب عوامل مهم در فرسایش خاک  در این منطقه هستند. با توجه به نتایج حاصله؛ وضعیت خاک­های منطقه رو به فرسایش هستند و عمدتا بیشتر اراضی شامل گروه فرسایش متوسط (کلاس 2) هستند سپس گروه بعدی فرسایش زیاد (­کلاس 3) ک عمدتا خاک­های کشاورزی اطراف رودخانه­ها و زمین‌های شیبدار می­باشند. و لذا در این راستا باید اقدامات حفاظتی و مدیریت پایدار خاک انجام شود و با توجه به تأثیرات گسترده فرسایش خاک بر جنبه‌های مختلف زندگی انسان، مطالعه و ارزیابی دایمی آن می‌تواند به اتخاذ تصمیمات درست برای مقابله با این بحران کمک ­کننده باشد. اولویت­بندی حوضه­های آبریز از لحاظ تعیین مناطق بحرانی تحقق فرسایش، با هدف اقدامات پیشگیرانه در مدیریت آبریز وکاهش اثرات زیانبار ناشی از فرسایش خاک، بسیار پر اهمّیت است (مانیخاندان و رانگاراجان، 2023). بنابراین پیشنهاد می‌شود از عملیات حفاظت خاک و آب به‌ویژه در مناطق شیب‌دار (ایجاد بندهای حفاظتی) و هم­چنین مناطق بالادست محدوده استفاده شود (بخصوص در مناطق باغی حاشیه رودخانه­ها). بنابراین، اطلاع از روند فرسایش در بازه‌های زمانی مختلف می‌تواند در تعیین الگوی پراکنش فرسایش و اثرات آن در گذر زمان کمک کند تا تصمیم‌گیران ضمن پایش و ارزیابی اقدامات انجام شده در زمینه حفاظت خاک و آب، تصمیمات مقتضی را برای شرایط فعلی و آینده حوضه‌های آبخیز بگیرند. همچنین باید باتوجه به تغییر کاربری اراضی در این منطقه اقـداماتی بـرای حفاظـت خـاک و آب در منـاطق بـا پتانسیل فرسایشی بالا انجام شود. همچنین به نظر می‌رسد تصویب قوانین مناسب برای جلوگیری از تغییر کاربری اراضی می‌تواند به کاهش فرسایش خاک کمک کنند. 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Soil degradation mapping using a GIS based multi-criteria decision- analysis in Khoy County

نویسندگان [English]

  • fateme moghaddam dizaj herik 1
  • Bakhtiar Feizizadeh 2

1 urmia university

2 Department of Remote Sensing and GIS, Faculty of Planning and Environmental Sciences, University of Tabriz, Tabriz, Iran

چکیده [English]

Nowadays, soil erosion is recognized as one of the greatest contemporary environmental and socio-economic problems because its significant agriculture, natural resources, the environment, and the social economy. The aim of this study is to zone the soil erosion risk in Khoy County. For this purpose, a land use map was first obtained using Landsat images and object-oriented classification techniques. In doing so, they were classified into respective classes including: agricultural lands, gardens and pastures, saline lands, residential lands, mountainous and barren lands, and weak vegetation cover. The next stage carried out, by identifying the factors affecting soil erosion in the region and preparing information of each factor in GIS environment. the standardization of the factors was carried out using the fuzzy membership function, the ranking method, and the weighting of the criteria using the ANP method using Super Decision software. the final modeling was done using the ANP multi-criteria analysis method. In the next step, the sensitivity analysis of the criteria was applied using training data. Then, by applying different stages of the model on the maps based on the GIS aggregation functions, the soil erosion sensitivity map of the area was developed in 4 classes with very high erosion to low erosion. The ANP analysis process method assigned the highest weight to the sixth criterion (distance from the watercourse) and the lowest weight to the second criterion (digital elevation model). According to the results and the erosion modelling map, the criteria of distance from the river, land use, and slope received the highest weight with weight values of 0.271, 0.25, and 0.197, respectively. It is observed that the largest area obtained from soil erosion modelling is related to the medium erosion class, which almost includes the classes of barren and mountains, pastures and some agricultural and garden lands. Considering the results obtained and the area of the very high and high erosion classes, it can be stated that, the Khoy County area has a very high potential in terms of environmental conditions in the region, including the abundance of waterways (the main river is the Qaturchay or Aland), as well as land uses in terms of erosion.

کلیدواژه‌ها [English]

  • Soil erosion
  • land degradation
  • multi-criteria analysis
  • Khoy County

امروزه فرسایش خاک به عنوان یکی از بزرگترین مشکلات زیست­محیطی و اجتماعی-اقتصادی معاصر شناخته شده است؛ زیرا بر کشاورزی، منابع طبیعی، محیط زیست و اقتصاد اجتماعی تأثیر می­گذارد. هدف تحقیق حاضر، پهنه­بندی خطر فرسایش خاک محدوده شهرستان خوی می­باشد. بدین منظور ابتدا با استفاده از تصاویر لندست و تکنیک طبقه­بندی شی­گرا، نقشه کاربری اراضی استخراج شد و به کلاس­های (اراضی کشاورزی، باغی ومراتع، اراضی شوره زار، اراضی مسکونی، اراضی کوه­هاو بایر و پوشش گیاهی ضعیف طبقه­بندی شدند. در مرحله بعد، با شناسایی عوامل موثر در فرسایش خاک منطقه و تهیه لایه­های اطلاعاتی هر معیار در GIS، استاتداردسازی لایه­ها  با استفاده از تابع عضویت فازی، روش رتبه­دهی و وزن­دهی معیارها با استفاده از روش ANP با استفاده از نرم‌افزار سوپردسیژن صورت گرفت و مدل­سازی نهایی با استفاده از روش تحلیل چندمعیاره ANP انجام شد. در مرحله بعدی تحلیل حساسیت معیارها با استفاده از داده­های­آموزشی انجام شد. سپس با اعمال مراحل مختلف مدل بر روی نقشه­ها، نقشه پهنه­بندی فرسایش خاک منطقه در 4 طبقه با فرسایش بسیار زیاد تا فرسایش کم، استخراج گردید. روش فرایند تحلیل  ANP بیشترین وزن را به معیار ششم (فاصله از آبراهه) و کمترین وزن را به معیار دوم (مدل رقومی ارتفاع) تخصیص داده است. با توجه به نتایج حاصله و نقشه مدل­سازی فرسایش، معیارهای فاصله از رودخانه، کاربری اراضی و شیب، به ترتیب با مقادیر وزنی 271/0، 25/0 و 197/0، بیشترین مقدار وزنی رو دریافت کردند

Abdı, A., Bouamrane, A., Karech, T., Dahri, N. and Kaouachi, A. (2021). “Landslide Susceptibility Mapping Using GIS based Fuzzy Logic and the Analytical Hierarchical Processes Approach: A Case Study in Constantine (North-East Algeria),” Geotechnical and Geological Engineering, 39(8),  5675-5691.
Alinezhad, A., & Khalili, J. (2019). New Methods and Applications in Multiple Attribute  Decision Making (MADM). International Series in Operations Research & Management Science, 277, Springer, Cham.
Aneseyee, A.B., Elias, E., Soromessa, T., & Feyisa, G.L. (2020). Land use/land cover change effect on soil erosion and sediment delivery in the Winike watershed, Omo Gibe Basin, Ethiopia. Sci. Total Environ., 728, 138776, 1-28.
Arabkhedri, M. (2021). Water erosion and sediment production status in Iran: statistical and comparative analyses. Strategic Research Journal of Agricultural Sciences and Natural Resources, 6(2), 139-156. Available from: https://sid.ir/paper/1055048/
Asghari, S., & Naseri, A. (2020). Extraction of the land use map of Sosangard city using pixel-based andobject-oriented algorithms, Geographical space, 20(69), 77-95. (In Persian).
Barzilai, J. (1998). On the decomposition of value functions, Operations Research Letters, 22(4-5), 159-170.
Chinnasamy, P. and Sood A. )2020). Estimation of sediment load for Hima- layan Rivers: case study of Kaligandaki in Nepal. ournal of Earth System Science. 129(1), 181.
Costea, A., Bilasco, S., Irimus, I.-A., Rosca, S., Vescan, I., Fodorean, I., & Sestras, P. (2022). Evaluation of the Risk Induced by Soil Erosion on Land Use. Case Study: Guruslău Depression. Sustainability, 14 (1), 1- 19.
Davoudi, Sh., Ghafari, H., and Farrokhian Firouzi, A.(2024). Spatial Estimation of Soil Erosion and Sediment Yield in GIS Environment Using SEDD and RUSLE Models: A Case Study Roudzard Watershed in Khuzestan Province. Iran-Watershed Management Science & Engineering. Vol. 18, No. 66, Full.
Davoudi1, SH., Ghafari, H., and Farrokhian Firouzi, A. (2024). Spatial Estimation of Soil Erosion and Sediment Yield in GIS Environment Using SEDD and RUSLE Models: A Case Study Roudzard Watershed in Khuzestan Province. Iran-Watershed Management Science & Engineering. Vol. 18, No. 66. (In Persian)
FAO and ITPS. (2015). Status of the World’s Soil Resources (SWSR)—main report. Food and agriculture organization of the United Nations and Intergovernmental Technical Panel on Soils. Rome, Italy.
Feizizadeh, B., Jafari, F., & Nazmfar, H. (2008). The application of remote sensing data in detecting changesin urban land use (a case study of the green space of Tabriz city), Fine Arts, 34, 17-24. (In Persian).
Wang G, Gertner G, Fang S, Anderson AB. (2003). Mapping multiple variables for predicting soil loss by geostatistical methods with TM images and a slope map. Photogrammetric Engineering & Remote Sensing.; 69(8), 889-98.
Feizizadeh, B., Pirnazar, M., Zand karimi, A., & Abedi Gheshlaghi, H. (2015). Assessing the Use of fuzzyAlgorithms in increasing the Accuracy of Land Use Maps by object-oriented Processing Methods. Scientific- Research Quarterly of Geographical Data (SEPEHR), 24(94), 107-117. (In Persian).
Forman, E. H. and Gass, S. I. (2001), “The analytic hierarchy process—an exposition,” Operations research, 49(4), 469-486.
Ganasri, BP. and Ramesh, H. (2016). Assessment of soil erosion by RUSLE model using remote sensing and GIS: A case study of Nethravathi Basin.Geoscience Frontiers. 7(6), 953-961.
Gelagay, H.S. and Minale, A.S. (2016). Soil loss estimation using GIS and Remote sensing techniques: A case of Koga watershed, Northwestern Ethiopia. International Soil and Water Conservation Research. 4(2), 126-136.
Ghaemian N. (2003). Review of soil semi studies and soil classification of Khoy region. Soil and Water Research Institute of West Azarbaijan. (in Persian with English abstract).
Teng H, Rossel RA, Shi Z, Behrens T, Chappell A, Bui E. (2016). Assimilating satellite imagery and visible–near infrared spectroscopy to model and map soil loss by water erosion in Australia. Environmental Modelling & Software. 77:156-67.
Gholami  L., Khaledi Darvishan  A, Derakhti  S, Kiani Harchegani  M., (2024).  Effects Evaluation of land use change on soil erosion using the RUSLE model in the Chardavol watershed, Ilam. jwmseir; 18 (65):1
Golosov, V.N. and Walling D.E. (2019). Erosion and sediment problems: global hotspots. United Nations Educational, Scientific  and Cultural Organization, Paris, France. 
Kinnell PI (2000). AGNPS-UM: applying the USLE-M within the agricultural non-point source pollution model. Environmental Modelling & Software, 15(3), 331-41. Software. 2000; 15(3):331-41.
Kogo, B.K., Kumar, L., & Koech, R. (2020). Impact of Land Use/Cover Changes on Soil Erosion in Western Kenya. Sustainability, 12, 9740, 1-17.
Li, M., Li, T., Zhu, L., Meadows, ME., Zhu, W., & Zhang, S. (2021). Effect of Land Use Change on Gully Erosion Density in the Black Soil Region of Northeast China from 1965 to 2015: A Case Study of the Kedong County. Front. Environ. Sci, 9, 652-933.
Madadi  A, Asghari Saraskanrood S, Hajatpour Ghaleroodkhani H., (2024). Investigating land use changes with an emphasis on forest cover and its effects on soil erosion using object-oriented Case study: Ghaleroodkhan Fuman watershed classification and the MARCOS multi-criteria technique. Vol. 11, No. 39, Summer
Majhi, A. Shaw, R. Mallick, K. and Patel, P.P. (2021). Towards improved USLE-based soil erosion modelling in India: A review of prevalent pitfalls and implementation of exemplar methods, Earth Science Reviews. 221, 103786.
Kafle, K.R. Khanal, S.N. and Dahal, R.K. (2017). Consequences of Koshi flood 2008 in terms of sedimentation characteristics and agri- cultural practices. Geoenvironmental Disasters. 4, 1-13.
Manikandan, K., & Rangarajan, S. (2023). Predicting Erosion Potential Zones using CA-ANN and MultiCriteria Analysis for the Bhavani Watershed, India. J Geol Soc India, 99, 607–620.
Munier, N. (2011), “A strategy for using multicriteria analysis in decision-making: a guide for simple and complex environmental projects,” Springer Science and Business Media.
Naderi F, Karimi H, Naseri B (2010). Soil erosion potential zoning in Aseman Abad watershed by erosion index. Journal of Watershed Management Researches. 89: 44-51 (In Persian).
Noori, H. Siadatmousavi, S.M. and Mojaradi, B. (2016). Assessment of sediment yield using RS and GIS at two sub-basins of Dez Watershed, Iran. International Soil and Water Conservation Research, 4(3), 199-206.
Parvizi Y, Bayat R, arabkhedri M. (2020). Determination of Main Agents Affecting Soil Erosion in Rainfed Land of Kermanshah Province Using Rainfall Simulator. Iranian Journal of Watershed Management Science and Engineering, 14 (49), 70-82. (In Persian).
Rezapour S.,and Samadi A. (2012). Effect of Long-term wastewater irrigation on spatial variability of soil properties in a calcareous landscape of Iran. Environ Monit Assess, 184:1311–1323.
Saaty, T. L. (1980), “The AHP: Planning, Priority Setting,” Resource Allocation, McGrraw-Hill, New York.
Saaty, T. L. (1994), “Fundamentals of decision making and priority theory with the analytic hierarchy process,” RWS publications.
Saaty, T.L., Vargas, L.G., (1991): Prediction, Projection and Forecasting. Kluwer Academic Publishers, Dordrecht, 251pp.
Sadeghi SHR., (2017). Soil erosion in Iran: state of the art, tendency and solutions. Transcultural Studies., 63(3).
Vaidya, O. S. and Kumar, S. (2006), “Analytic hierarchy process: An overview of applications,” European Journal of operational research, 169(1), 1-29.
نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی
دوره 6، شماره 18
فروردین 1405
صفحه 77-58
  • تاریخ دریافت: 20 اردیبهشت 1404
  • تاریخ بازنگری: 13 مهر 1404
  • تاریخ پذیرش: 08 دی 1404