ارزیابی حساسیت به فرسایش واحدهای سنگ شناسی حوزه آبخیز واز استان مازندران با استفاده از انگشت نگاری
Publish place: Journal of Water and Soil Science، Vol: 27، Issue: 2
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 161
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWSS-27-2_020
تاریخ نمایه سازی: 1 مهر 1402
Abstract:
فرسایش خاک و به دنبال آن تولید رسوب مهم ترین پدیده ای است که باعث تخریب خاک و محیط زیست در بسیاری از مناطق شده و در حال افزایش است. انگشت نگاری رسوبات روشی برای شناسایی منابع رسوب و تعیین سهم مشارکت هر یک از منابع در تولید رسوب است. پژوهش حاضر با هدف ارزیابی حساسیت به فرسایش نسبی واحد های سنگ شناسی و تعیین سهم هریک از واحدها در تولید رسوب بستر با بهره گیری از ویژگی های ژئوشیمیایی در رودخانه واز واقع در استان مازندران انجام گرفت. برای این منظور تعداد ۳۳ نمونه خاک از سطح حوزه آبخیز و یک نمونه رسوب بستر در خروجی حوزه آبخیز برداشت شد. سپس با استفاده از سه آزمون آماری دامنه، کروسکال والیس و تحلیل تابع تفکیک، پنج ردیاب B، Al، Sc،Mo ، Sn به عنوان ترکیب بهینه انتخاب شدند. در نهایت با استفاده از ردیاب ها ی بهینه و مدل ترکیبی چندمتغیره سهم واحد های سنگ شناسی با طبقات حساسیت خیلی شدید (A)، شدید (B)، متوسط تا شدید (C) و متوسط (D) در تولید رسوب بستر با استفاده از بسته FingerPro در نرم افزار R به دست آمد. نتایج نشان داد که سهم طبقات حساسیت خیلی شدید (A)، شدید (B)، متوسط تا شدید (C) و متوسط (D) در تولید رسوب بستر به ترتیب برابر با ۲۴/۲۳، ۵۰/۷۷ ، ۱۵/۶۲ و ۹/۳۶ درصد است. در ادامه به منظور حذف اثر مساحت در نتایج، سهم ویژه هر یک از طبقات حساسیت نیز محاسبه شد. واحد سنگ شناسی Qal شامل رسوبات کواترنری بستر و کناره های رودخانه با حساسیت خیلی شدید نسبت به فرسایش (A) و سهم ویژه ۰/۰۸۰۷ درصد در هر هکتار بیشترین مشارکت را در تولید رسوب بستر حوزه آبخیز واز دارد.
Keywords:
Authors
دنیا خطیبی رودبارسرا
Tarbiat Modares University, Noor
عبدالواحد خالدی درویشان
Tarbiat Modares University, Noor
سیدجلیل علوی
Tarbiat Modares University, Noor
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :