کاربرد تکنیک های سنجش از دور و GIS و مدل RUSLE در پهنه بندی فرسایش و برآورد رسوب حوضه پگاه سرخ گتوند
Publish place: 10th Symposium of Geological Society of Iran
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,729
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SGSI10_206
تاریخ نمایه سازی: 5 فروردین 1386
Abstract:
تخمین مقدار رسوبدهی حوضه های آبخیز برای مقابله با خطرهای ناشی از تجمع رسوب در سازه های آبی و مخازن سدها، از اهداف اساسی در مدیریت منابع آب می باشد. این تحقیق با هدف برآورد فرسایش و رسوب حوضه پگاه سرخ گتوند (یکی از زیر حوضه های، بزرگ حوضه کارون) با مساحتی بالغ بر ٤٦٠٠ هکتار و تنوع شرایط سنگ شناسی و پوشش گیاهی، با استفاده از مدل تجربیRUSLA و تکنیکهای سنجش از دور و GIS انجام گردیده است.
بخشی از داده های مورد نیاز از طریق مطالعات جامع آبخیزداری حوضه که قبلاً انجام شده بود تأمین، و بخشی دیگر نیز از طریق پردازش تصاویر رقومی و مطالعات صحرایی تهیه گردید. ابتدا نقشه ها را که به صورت آنالوگ بود، وارد رایانه گردید. در ادامه نقشه ها زمین مرجع گردیده و تصحیحات، تغییرات و تبدیلات لازم بر روی آنها انجام گرفت. در ادامه با استفاده از نقشه های توپوگرافی رقومی با مقیاس ١,٢٥٠٠٠ مدل رقومی ارتفاع (DEM) تهیه و از آن برای تهیه نقشة شیب و انجام برخی محاسبات، استفاده شده است. جهت استخراج اطلاعات پایه برآورد فرسایش و رسوب، محدودة مورد مطالعه به دو واحد هیدرولوژیکی تقسیم گردید. که برای هر واحد و کل حوضه مطالعات هیپسومتری، آلتی متری، ضرائب شکل، زمان تمرکز و ... با استفاده از توابعGIS با دقت خوبی انجام گرفت. همچنین تمام فاکتورهای مورد نیاز از جمله فرسایش پذیری خاک، پوشش گیاهی، ... با استفاده ازتوانایی های مشترک سنجش از دور وGIS تهیه گردید. فرسایش در سطح حوضه پهنه بندی و میزان رسوبدهی هر واحد و کل حوضه برآورد گردید.
Authors
ارسلان حیدری
کارشناس ارشد سنجش از دور و GIS، دانشگاه شهید چمران اهواز
کاظم رنگزن
عضو هیئت علمی گروه سنجش از دور و GIS دانشگاه شهید چمران اهواز
علیرضا زراسوندی
عضو هیئت علمی گروه زمین شناسی دانشگاه شهید چمران اهواز
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 :