مدلينگ فاكتور فرسايندگي باران با استفاده از روش زمين آمار (مطالعه موردي: حوزه آبخيز سد ايلام)

Modeling rainfall erosivity factor using geostatistic techniques (Case study: Ilam Dam Watershed)

فرسايش خاك يكي از عواملي است كه زندگي بشر را تهديد مي كند. اندازه گيري فرسايش همواره با مشكلاتي همراه است. كمبود ايستگاه هاي هيدورمتري در بيشتر حوزه هاي آبخيز برآورد فرسايش و رسوب را با مشكل مواجه ساخته است. البته محققان زيادي سعي كرده اند كه روابط تجربي مناسب با هر شرايط آب و هوايي براي برآورد فرسايش و رسوب ارايه دهند. در اين ميان معادله جهاني فرسايش خاك و تجديد نظر شده آن از جمله مدل هايي است كه در سرتاسر جهان كاربرد گسترده اي دارد. يكي از پارامترهاي مهم اين مدل فاكتور(R) يا شاخص فرسايندگي باران است كه رابطه مستقيم با شدت فرسايش دارد. در اين تحقيق در يك دوره آماري 22 ساله از 16 ايستگاه كليماتولوژي محدوده حوزه سد ايلام براي تهيه نقشه فاكتور فرسايندگي باران استفاده شد. پس از محاسبه فاكتور فرسايندگي باران براي ايستگاه هاي مورد نظر، با استفاده از اكستنشن زمين آمار و روش زمين آماري مبتني بر كريجينگ در محيط ARC GIS 9.3 نقشه فاكتور فرسايندگي باران براي اين حوزه ترسيم گرديد. همچنين در اين تحقيق سه نوع روش كريجينگ شامل كريجينگ معمولي، ساده و عمومي مورد استفاده قرار گرفت. در پايان مشاهده گرديد كه روش كريجينگ ساده با مربع ميانگين ريشه خطا 92/67 از بين روش هاي به كار گرفته شده مناسب ترين روش براي درونيابي مي باشد. همچنين در مقايسه مربع ميانگين ريشه خطا با خطاي استاندارد براي تعيين ميزان برآورد مورد انتظار، هر سه روش داراي برآوردي كمتر از حد انتظار بودند.

Soil erosion is one of the factors that threatened human life. Measuring soil erosion is always difficult. Lack of hydrometric stations in the majority of watersheds, to estimate soil erosion and deposition face with difficult. However, many researchers have tried to present empirical relationships in favor of weather conditions for the estimation of soil erosion and sedimentation. Among them, universal soil loss equation and its revised version are including models that have application worldwide. One of the main parameters of this model is a rainfall erosively factor that has the direct relationship with rainfall intensity. In this study, 22-year periods related to 16 climatology stations in the Ilam dam watershed were used for preparing rainfall erosivity factor map. After calculating a rainfall erosively factor(R factor) for all stations using kriging-based geostatistic techniques and geostatistic extension in ARC GIS 9.3 environment, the map of R for the whole watershed was prepared. Here, we have compared three kriging techniques: ordinary, simple, and universal Kriging. The obtained results show that simple kriging with a 67.92 Root Mean Square Error (RMSE) is the most proper interpolation technique. Furthermore, in compare to the RMSE, the Standard Error (SE) for calculating the amount of expectations, the simple, ordinary and universal kriging had underestimated than the expectation.