مدل ICONA جهت پهنه بندی خطر فرسایش آبی با استفاده از تصاویر ماهواره ای لندست 8 سال 2013 و GIS (مطالعه موردی: حوزه آبخیز باباولی سیاهکل)
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 894
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
GUPSD01_0850
Index date: 12 July 2014
مدل ICONA جهت پهنه بندی خطر فرسایش آبی با استفاده از تصاویر ماهواره ای لندست 8 سال 2013 و GIS (مطالعه موردی: حوزه آبخیز باباولی سیاهکل) abstract
در میان فرایندهای مخلتف تخریب زمین، فرسایش خاک بزرگترین تهدید برای حفاظت از خاک و آب است. بنابراین بررسی و هنه بندی فرسایش با استفاده از روش ها و تکنیک های دقیق تر برای مطالعه و ارزشیابی فرایند تخریب و فرسایش با هدف حفاظت منابع آب و خاک ضروری می نماید. در این تحقیق بر آن شدیم با استفاده از تصاویر ماهواره ای لندست 8 و قابلیت های GIS و تلفیق این دو فناوری در مدل ICONA به پهنه بندی خطر فرسایش آبی در حوزه آبخیز باباولی سیاهکل در سال 2013 بپردازیم. بر این اساس پس از تهیه نقشه شیب و لایه سطوح سنگی و همپوشانی آنها در GIS لایه قابلیت فرسایش پذیری بدست آمد. سپس با استفاده از تصاویر ماهواره ای، نقشه کاربری اراضی سال 2013 و نقشه پوشش گیاهی با استفاده از شاخص SAVI بدست آمد و تلفیق شد و لایه حفاظت خاک بدست آمد. در نهایت نقشه پهنه بندی خطر فرسایش در سال 2013 با 4 کلاس خطر فرسایش خیلی کم، کم، متوسط، زیاد و خیلی زیاد حاصل گردید. صحت سنجی نتایج با استفاده از بازدید میدانی و برداشت نقاط کنترل زمین گویای صحت کلی برابر 0/85 و ضریب کاپای برابر 0/83 برآورد گردید که قابل قبول بود.
مدل ICONA جهت پهنه بندی خطر فرسایش آبی با استفاده از تصاویر ماهواره ای لندست 8 سال 2013 و GIS (مطالعه موردی: حوزه آبخیز باباولی سیاهکل) Keywords:
مدل ICONA جهت پهنه بندی خطر فرسایش آبی با استفاده از تصاویر ماهواره ای لندست 8 سال 2013 و GIS (مطالعه موردی: حوزه آبخیز باباولی سیاهکل) authors
حمیده کاوسی کلاشمی
دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی
میرمسعود خیرخواه زرکش
استادیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
سیدعلی المدرسی
استادیار دانشگاه آزاد یزد
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 :