Naser Khaleghpanah

Population growth and pollution caused by the discharge of various types of wastewater have led to the expansion of pollution and the limitation of water resources. Surface water resources are more vulnerable to pollution than groundwater resources. This pollution results in the increase of nutrients and the proliferation of algae, along with their consequences, such as increased chlorophyll-a, changes in dissolved oxygen, and ultimately a decrease in water quality. By monitoring changes in water quality, long-term trends in water quality deterioration can be observed, evaluated, and corrected, as well as predicting future changes. Given that traditional methods of assessing water quality are time-consuming, hazardous, and costly, experts use remote sensing imagery to monitor water quality. In this study, the water quality assessment of Zaribar Lake was carried out using four chlorophyll-a indices (3BDA, 2BDA, NDCI, and FLH-Violet) and two turbidity indices (TurbDox and TurbLath), utilizing Sentinel-2 satellite imagery within the web-based GEE platform, and monitored using two models: simple linear regression and random forest models. For remote sensing modeling, water quality parameter data from 2021 and 2022 were used for training, while data from 2023 were used for model validation. To evaluate the accuracy of the quality indices in estimating the water quality, the results were compared with ground-based sample data to determine the most suitable index for water quality assessment. Results from the chlorophyll-a spectral indices indicated that the 2BDA index and the random forest model performed best in estimating this factor in the lake, with RMSE and MAE values of 0.36 and 0.30 mg/L, respectively. Additionally, the results showed that the linear regression model performed relatively weaker across all indices. Furthermore, for estimating lake turbidity, the TurbDox index and the random forest model showed the best performance, with RRMSE and R2 values of 3.26% and 0.96, respectively. The results also showed that the TurbLath index performed worse than the TurbDox index in estimating turbidity. In turbidity estimation, it was found that for higher turbidity values, the accuracy of the estimates tended to be underreported. Finally, comparing the water quality assessment with land cover classification showed that pollution decreases with distance from the lake’s shores, but the pollution level is higher near the lake’s edges due to the influx of waterways carrying large amounts of pollutants into the lake. In contrast, in the center of the lake, springs from the bottom of the lake provide a significant amount of clean water daily. Overall, the eastern part of the lake, due to agricultural activities, wastewater from the city of Marivan, and recreational piers, was reported to be more polluted than other areas.

Soil quality refers to the soil’s ability to perform its functions within an ecosystem. Over the past decades, land use changes have increased to meet the food and other needs of the world's growing population. This makes it essential to monitor the effects of different management practices on soil properties to maintain ecosystem stability and enhance soil productivity. Therefore, reliable decision-making tools that provide information about soil quality are needed, with the soil quality index (SQI) being one of the most widely used. This study aimed to evaluate soil quality using various soil quality indicators and to determine the sensitivity and efficiency of these indicators in the Zrebar Lake watershed, located in Marivan, northwest Kurdistan province. A total of 171 soil samples were randomly collected from a depth of 0-25 cm across four land use types: forest, rangeland, garden, and agriculture. Twenty six physical, chemical and biological soil properties were measured using standard laboratory methods. In this study, soil basal respiration, sand content, total porosity, soil organic carbon, bulk density, soluble potassium, and clay content were selected as a minimal data set (MDS) affecting soil quality. Subsequently, the additive soil quality index (SQIa), weighted soil quality index (SQIw), and Nemro quality index (SQIn) were determined based on the total data set (TDS) and minimal data set (MDS) approaches. The results indicated that total porosity, hydrophobicity, structural stability indices, electrical conductivity, soil organic carbon, total nitrogen, available phosphorus, soluble potassium, calcium and magnesium, the abundance of fungi and bacteria, and the soil respiration were noticeably higher in forest and rangeland soils compared to garden and agricultural lands. Conversly, soil bulk density, calcium carbonate equivalent, pH, soil compaction, and erodibility factor were lower in forest and rangeland soils than in garden and agricultural lands. Additionally, the findings showed that forest and rangeland had the highest soil quality index (SQI) values in both the MDS and TDS datasets, while garden and agricultureal lands had the lowest soil quality. The determination coefficient (R2), efficiency ratio, and sensitivity index were used to prioritize and evaluate the soil quality indicators. The results demonstrated that soil quality indices based on MDS had the higher efficiency ratio and sensitivity indics compared to TDS, indicating that MDS-based SQIs better differentiate soil quality between various land uses. The determination coefficient for TDS and MDS indicators of SQIn, SQIw, and SQIa were 0.68, 0.65 and 0.63 respectively, suggesting the reliability of MDS over TDS for evaluating soil quality in the study area. Despite minimal differences between the SQIw-MDS and SQIn-MDS indices, the SQIw-MDS index was ranked first based on final prioritization, considering the total ranks of the sensitivity index and efficiency percentage. Therefore, this index is deemed the most efficient and suitable for evaluating soil quality, reducing time and costs in the study area. Using ArcGIS 10.8 software, a map of the spatial variability of soil quality indicators was created through ordinary kriging estimator. The results revealed that soil quality class III (medium) is the predominant SQI according to both the TDS and MDS methods. Overall, the findings indicated that human activitis have led to a decline in soil quality in the studied area. Therefore, monitoring temporal changes in soil quality is essential for making more accurate and appropriate decisions. Given the necessity for rapid and cost-effective assessments of soil quality, the SQIw-MDS and the accompanying maps developed in this research offer valuable tools for evaluating soil conditions. These resources can significantly decrease both the time and expenses associated with soil quality evaluations, thereby enhancing the ability to monitor changes in soil quality over time within the studied region.

The importance of measuring river discharge is paramount due to its role in various fields of water science and engineering, such as water resource management and planning. Numerous methods exist for measuring and monitoring discharge in rivers. Currently, flow discharge is measured at hydrometric stations. However, due to various issues at hydrometric stations such as river flooding during high flow periods, equipment failures, and the lack of stations in remote areas, continuous and accurate monitoring and measurement of discharge is often challenging. Therefore, in recent years, modern techniques and technologies have been employed to address the current problems of hydrometric stations. Nowadays, the use of remote sensing technology is widely applied as an innovative solution for measuring river discharge. This technology can estimate and calculate river discharge with less time and cost. Therefore, in the present study, remote sensing technology was used to estimate the discharge in a river. The Adinan River, a tributary of the Zarrineh River, was selected as the study area. To measure and estimate river discharge, two hydrometric stations, Adinan and Qeshlaq Pol, were chosen. Additionally, images from three satellites, Sentinel 1, Sentinel 2, and Landsat 8, were used to estimate discharge using remote sensing technology. In this study, quantitative method for estimating discharge using remote sensing were employed: the hydraulic-based method. In the hydraulic-based method, four hydraulic models were used to estimate discharge. Parameters such as roughness coefficient, longitudinal slope, water surface width, and flow depth were extracted from satellite images The results showed that in the hydraulic-based method, model 4 had the best performance among other models with Nash coefficients of 0.99, RMSE error index of 1.11, and an average bias error of -0.0002 cubic meters per second. Models 1 and 3 had the weakest performance, respectively. The results also indicated that hydraulic models derived from Sentinel 2 images had better accuracy compared to the Landsat 8 image. Error indices such as Nash were 0.804 and 0.805, RMSE were 12.43 and 10.92 cubic meters per second

فرسایش خندقی یک چالش زیست محیطی مهم بوده که می‌تواند باعث تخریب گسترده زمین و هدررفت خاک و منجر به اثرات مخربی بر اکوسیستم‌ها و جوامع محلی شود. شناسایی و پایش دقیق فرسایش خندقی برای مدیریت مؤثر زمین و استراتژی‌های کاهش فرسایش حیاتی است. زمانی‌که کار میدانی به‌تنهایی مورد استفاده قرار می‌گیرد، پهنه‌بندی فرسایش خندقی، زمان‌بر و دشوار است. در سال‌های اخیر، ادغام سیستم‌های اطلاعات جغرافیایی (GIS) و تکنیک‌های سنجش از دور با الگوریتم‌های یادگیری ماشین، نویدبخش بهبود دقت و کارایی ارزیابی فرسایش خندقی و پهنه‌بندی آن بوده است. لذا، این پژوهش یک مطالعه نسبتاً جامع با هدف مدل‌سازی مکانی و استخراج نقشه فعالیت فرسایش خندقی با استفاده از سیستم‌های اطلاعات جغرافیایی (GIS) و تکنیک های سنجش از دور، با تمرکز ویژه بر حوضه آبخیز کلوچه واقع در شهرستان بیجار است. بدین منظور، با استفاده از منابع، اطلاعات و نقشه‌های موجود یا تهیه‌شده از DEM حوضه از جمله عکس‌های هوایی، نقشه شیب، نقشه جهت شیب، نقشه واحدهای هیدرولوژیک خاک و نقشه زمین‌شناسی، قسمت‌های نسبتاً همگن جدا و از خاک آن‌ها به صورت تصادفی طبقه‌بندی‌شده، نمونه‌برداری صورت گرفت. برخی ویژگی‌های فیزیکی و شیمیایی از جمله توزیع اندازه ذرات خاک، بافت خاک، کربن آلی، آهک، EC و SAR در نمونه‌های خاک با روش‌های معمول تعیین گردید. جهت مدل‌سازی مکانی فرسایش خندقی، بررسی فعالیت خندق در طول زمان و تعیین حساسیت نقاط مختلف حوضه مورد مطالعه به فرسایش خندقی از تصاویر ماهواره‌ای سنتینل 1 و 2 (سال‌های 2016 تا 2023) به همراه خصوصیات خاک و پارامترهای مرتبط با ویژگی‌های توپوگرافی و شاخص‌های طیفی مستخرج از باندهای سنتینل 2 منطقه بهره گرفته شد. الگوریتم‌های مختلف یادگیری ماشین، مانند RF، SVM، و KNN، برای طبقه‌بندی ویژگی‌های فرسایش خندقی در منطقه مورد مطالعه استفاده گردید. این مدل‌ها با استفاده از داده‌های برچسب‌گذاری‌شده که مناطق خندقی و غیر خندقی را نشان می‌دهند، آموزش داده شده (70 درصد محدوده‌های آموزشی) و عملکرد آن‌ها (30 درصد محدوده‌های آموزشی) از طریق شاخص AUC و منحنی ROC ارزیابی گردید. علاوه بر تشخیص فرسایش خندقی، این تحقیق با تجزیه و تحلیل داده‌های سنجش از دور چند زمانه، تغییرات در بخش‌های مختلف مناطق خندقی در طول زمان را بررسی می‌نماید. جهت نیل به این هدف، فعالیت خندقی حوضه مورد مطالعه در دو بازه کوتاه مدت (8 ساله) و بلند مدت (تقریبا 45 ساله) و مقایسه تصاویر در ابتدا و انتهای هر دو بازه مورد بررسی قرار گرفت. در بررسی بازه میان مدت از تصاویر سنتینل در بازه زمانی 2016 تا 2023 و در بررسی بلند مدت فعالیت خندقی، از تصاویر ماهواره کرونا در سال 1978 با قدرت تفکیک مکانی حدود 1 الی 2 متر و تصاویر سنتینل سال 2023 استفاده شد. به‌صورت کلی، نتایج نشان داد روش‌های یادگیری ماشین، بخصوص الگوریتم جنگل تصادفی در پهنه‌بندی فرسایش خندقی بسیار کارآمد بوده و پارامترهای مرتبط با توپوگرافی و شاخص‌های طیفی مورد استفاده نقش عمده‌ای دارند. علاوه بر این، تلفیق تصاویر سنتینل 2 به همراه ویژگی‌های خاکی (مخصوصاً pH و ماده آلی) با پارامترهای توپوگرافی و شاخص‌های طیفی سبب بهبود نتایج گردید. با توجه به نقشه حساسیت به‌دست آمده، قسمت قابل توجهی از منطقه مورد مطالعه در معرض خطر فرسایش خندقی بوده و میزان حساسیت این مناطق متوسط به بالا می‌باشد. همچنین مقایسه نقشه‌ خندق‌ها در طول زمان نشان داد توسعه خندق‌ها در قسمتهای مختلف حوضه کماکان با شدت زیادی ادامه داشته و در 45 سال گذشته خندق‌های اصلی و فرعی بزرگتر شده (عرض و عمق) و خندق‌های فرعی زیادی نیز تشکیل گردیده است. به‌طور کلی نتایج این تحقیق نشان داد با استفاده از تکنیک‌های سنجش از دور و بهره‌گیری از سامانه اطلاعات جغرافیایی و به کمک الگوریتم‌های یادگیری ماشین می‌توان خندق‌های منطقه را در طول زمان پهنه‌بندی کرده و تغییرات آن را از جنبه‌های مختلف پایش نمود. این نتایج می‌تواند مدیران و برنامه‌ریزان مربوطه را جهت اخذ راهکارهای مناسب در کاهش یا کنترل فرسایش در منطقه، به‌خصوص فرسایش خندقی کمک نموده و همچنین هشداری جدی جهت رسیدگی به این مناطق برای مسئولین باشد.

The use of rainwater harvested as a sustainable and cheap water resource can play an important role in suppling irrigation water for green spaces and agricultural crops. University of Kurdistan has a high potential in the production of runoff from rainfall due to its area and the slope of its area. With proper design of drainage networks for collecting and directing runoff to rainwater harvesting reservoirs, considerable amount of the irrigation water needed for the green spaces of the university can be supplied. This important task requires accurate estimation of the amount of runoff from rainfall and the construction of rainwater harvesting reservoirs in appropriate places at the lands of the university. Therefore, the purpose of this research was to simulate the rainfall-runoff process in the University of Kurdistan area, to investigate the possibility of using rainwater that can be harvested for irrigation of the green spaces of the land and to locate the places for the construction of rainwater harvesting reservoirs in University of Kurdistan area. For this purpose, first, after collecting the required data and information, the SWMM model was calibrated and implemented to simulate the rainfall-runoff process of the University of Kurdistan area. Also, the irrigation requirement of University of Kurdistan's green space was calculated by the California method and compared with the amount of harvested rainwater estimated by the SWMM model. In the following, suitable locations for the construction of rainwater harvesting reservoirs were located using the fuzzy hierarchical analysis method. The results of the research showed that the SWMM model has a high efficiency in simulating the rainfall-runoff process in the lands of the University. The results also showed that storing rainwater that can be harvested in the months of April and May supply more than 32 % of the irrigation water requierment of the university's green space. Also, the annual irrigation water depth required for grass and trees was estimated to be 519.2 and 350.4 mm per year, respectively.

یکی از مشکلات بزرگ زیست محیطی که تقریباً در تمام نقاط جهان رخ داده و باعث از بین رفتن خاک می‌شود، فرسایش خاک است. یکی از مهمترین شکل‌های فرسایش، حرکت‌های توده‌ای می‌باشد. جریان واریزه‌ای جزء حرکت‌های توده‌ای بوده که در محیط‌های مختلف در سراسر جهان رخ می دهد و بلای طبیعی بسیار خطرناکی در مناطق کوهستانی است. به علت اینکه تعیین مقدار مستقیم فرسایش مستلزم وقت و هزینه‌ی زیادی بوده و نتایجی که بدست می‌آید جزئی و محدود به یک منطقه بوده و همچنین فقدان ایستگاه رسوب سنجی در خروجی تمامی حوضه‌ها، موجب شده است که مدل‌های مختلفی جهت برآورد فرسایش خاک و تولید رسوب ارائه شود. یکی از پرکاربردترین مدل‌ها برای تجزیه و تحلیل از بین رفتن خاک، معادله تجدید نظر شده جهانی هدررفت خاک (RUSLE) است که به دلیل نیاز به داده‌های کمتر و سازگاری با GIS به طور گسترده‌ای استفاده می شود. از طرفی، روش‌های مختلفی جهت مبارزه با فرسایش و حفاظت خاک وجود دارد و ارزیابی پس از اجرای عملیات حفاظتی در هر حوضه امری ضروری می باشد، چون می‌تواند درک دقیقی از اثرات اجرای آنها درحوضه‌های مشابه از نظر عوامل زمینی و اقلیمی به مجریا‌ن طرح‌های آبخیزداری بدهد. در بخش هایی از حوضه ننور بانه جریان واریزه ای وجود داشته که سبب خسارت به جنگل های پایین دست آن‌ها شده و همچنین سبب پرشدن آبراهه ها و مخازن بندهای اصلاحی احداث شده، گردیده است. به‌طورکلی در حوضه‌ی موردمطالعه، فرسایش خاک موجب از دست رفتن خاک حاصلخیز و همچنین پرشدن بندهای اصلاحی در اثر رسوبگذاری مواد فرسایش یافته شده و این امر باعث می‌شود که جمع‌آوری اطلاعات مربوط به فرسایش خاک در این حوضه بیشتر اهمیت پیدا کند. از این رو، این تحقیق با هدف مدل سازی میزان فرسایش خاک و بار رسوب با استفاده از مدل RUSLE-3D و به کمک سامانه اطلاعات جغرافیایی (GIS) و سنجش از دور (RS) در حوضه آبخیز ننور بانه انجام گرفت تا مناطقی که تحت تأثیر فرسایش خاک و رسوبگذاری هستند شناسایی شوند. بدین منظور، در حوضه مورد مطالعه، 120 نقطه مشخص و از خاک آنها نمونه‌برداری صورت گرفت. برخی ویژگی‌های فیزیکی و شیمیایی از جمله توزیع اندازه ذرات خاک، کربن آلی، آهک و MWD در نمونه‌های خاک با روش‌های معمول تعیین گردید. در این پژوهش علاوه بر خاک حوضه، تعداد 99 بند مورد ارزیابی دقیق واقع شد. جهت استخراج پارامترهای مورد نیاز مدل RUSLE-3D از آمار ایستگاه‌های هواشناسی اطراف حوضه، تصاویر ماهواره‌ها‌ی لندست 7 و 8 (2007 تا 2020)، مدل رقومی ارتفاع (DEM) 5/12 متری و ویژگی‌های فیزیکی و شیمیایی خاک‌های حوضه مورد مطالعه استفاده گردید. در نهایت با استفاده از نرم‌افزار ArcMap میزان فرسایش، برای تمامی سلو‌های حوضه تعیین گردید. ارزیابی عملیات بیولوژیکی صورت‌گرفته در حوضه، همچنین کارایی بندهای اصلاحی در نگهداری رسوبات از طریق مطالعه ابعاد رسوبات در پشت بندها (ارتفاع رسوبات، طول رسوبات، عرض کف آبراهه‌ و عرض بالایی رسوبات) و تعیین حجم و وزن رسوبات صورت گرفت. نتایج مدل RUSLE-3D نشان داد که میانگین فرسایش در کل حوضه 39/88 تن در هکتار در سال بود. بار کل رسوب خارج‌شده از حوضه بالادست ایستگاه هیدرومتری، با احتساب 20 درصد بار بستر 53048/41 تن در سال (10/72 تن در هکتار در سال) محاسبه گردید. با مقایسه مقادیر رسوب پیش‌بینی شده توسط مدل در بازه زمانی 2015-2004 و مقادیر اندازه‌گیری‌شده در ایستگاه هیدرومتری، بهترین مدل برآورد رسوب ترکیب‌شده با RUSLE-3D، مدل Vanoni با مقدار بار رسوب 64293 تن در سال بود. بیشترین میزان فرسایش در زیرحوضه‌هایی پیش‌بینی شده که قسمت اعظم جریان واریزه در آنها رخ داده است. زیرحوضه‌هایی که در آن بیشترین نرخ فرسایش برآوردشده، غالباً دارای پوشش گیاهی ضعیف، شیب و طول شیب زیاد و همچنین عمق خاک کم می‌باشند. تجزیه و تحلیل نتایج نشان داد که اقدامات بیولوژیک در کل باعث کاهش عامل (C) در مناطق تحت تاثیر شده‌اند. همچنین، با توجه به مطالعات عرصه‌ای مشخص گردید، در مجموع بندهای اصلاحی منطقه، حجم زیادی از رسوبات را نگهداری نموده‌اند. به‌طورکلی براساس نتایج مدل و باتوجه به مشاهدات عرصه‌ای و همچنین برطبق آمار رسوب خارج‌شده از حوضه، ‌به‌نظر می‌رسد مدل RUSLE-3D در ترکیب با مدل براورد رسوب Vanoni، برآورد خوبی از وضعیت فرسایش و رسوب حوضه مورد مطالعه داشته است. علی‌رغم اقدامات مکانیکی و بیولوژیکی صورت‌گرفته، با توجه به رسوب بالا و همچنین فرسایش بالای برآوردی (حدود 40 درصد از حوضه فرسایش بالای 50 تن در هکتار در سال تخمین زده شده است)، به‌نظر می‌رسد نیاز به اقدامات کنترلی بیشتری هم از جنبه حفاظت خاک و هم از جنبه کنترل رسوب جهت کاهش بیشتر فرسایش و رسوب در حوضه باشد.

فرسایش خندقی یکی از عوامل اصلی تخریب اراضی در مناطق خشک و نیمه خشک است. خندق ها منابع آب و خاک را تهدید کرده و به اراضی کشاورزی، مراتع، زیرساخت ها و مناطق شهری آسیب می رسانند. بنابراین، تخمین و مدل سازی حساسیت به فرسایش خندقی از اهمیت بالایی برخوردار است. در این پژوهش، از مدل تابع شواهد قطعی (EBF) در بستر سامانه های اطلاعات جغرافیایی و سنجش از دور برای پیش بینی و نقشه کردن حساسیت به فرسایش خندقی حوضه آبخیز کلوچه بیجار استفاده شده و نتایج آن نیز ارزیابی گردید. بدین منظور، با بهره گیری از عکس های هوایی، تصاویر گوگل ارث و بررسی های گسترده میدانی، موقعیت خندق های منطقه شناسایی گردید. سپس پلی گون های خندقی شناسایی شده به نقاطی (نقطه هدکت) تبدیل شدند. در مجموع 2502 هدکت خندق مشخص شدند که از این موقعیت نقاط به طور تصادفی 70% آن ها (یا 1774 خندق) برای تولید نقشه حساسیت به فرسایش خندقی و 30% آن ها (یا 717 خندق) برای اعتبارسنجی مدل ایجاد شده اختصاص یافتند. سپس بیست و هشت عامل ایجاد کننده فرسایش خندقی همچون ارتفاع، جهت شیب، شکل شیب، طول شیب، انحنای افقی، انحنای قائم، شاخص همگرایی، شاخص رطوبت توپوگرافی (TWI)، شاخص ناهمواری توپوگرافی (TRI)، شاخص موقعیت توپوگرافی (TPI)، شاخص توان جریان (SPI)، میانگین بارندگی سالانه، MrVBF، MrRTF، سنگ شناسی، کاربری اراضی/پوشش اراضی (LU/LC)، عمق دره، فاصله از جاده ها، فاصله از گسل، تراکم آبراهه ها، NDVI و برخی ویژگی های خاکی (همچون درصد شن خیلی ریز، درصد سیلت، نسبت جذب سدیم (SAR)، هدایت الکتریکی (EC)، درصد رس، کربنات کلسیم معادل و جرم ویژه ظاهری خاک) شناسایی شده و نقشه های آن ها تولید و در ArcGIS 10.8 طبقه بندی شدند. رابطه بین موقعیت خندق ها و این عوامل با استفاده از مدل EBF تعیین و کمّی شد. در این راستا چهار تابع شامل قطعیت (Bel)، عدم قطعیت (Dis)، عدم اطمینان (Unc) و احتمال (Pls) محاسبه شد. با استفاده از تابع Bel نقشه حساسیت فرسایش خندقی ایجاد شد. به منظور اعتبار سنجی نقشه های تولید شده از سطح زیر منحنی مشخصه عملکرد گیرنده (AUROC) استفاده شد. نتایج نشان داد که مقدار AUC مدل EBF معادل 0.90 بود. بنابراین، مدل EBF از دقت پیش بینی عالی برخوردار است. نتایج همچنین بیان گر آن است که 47.41 درصد از منطقه مورد مطالعه در طبقات حساسیت بالا و بسیار بالا به فرسایش خندقی قرار دارند.

Measurement and estimation of soil erosion and sediment yield, as one of the important problems worldwide and in Iran, is needed for soil conservation planning. Many different methods have been developed for the estimation of soil erosion and sediment yield in different countries because of the variety of factors affecting these phenomena, each with advantages and disadvantages. For this purpose, 200 soil samples were collected from 0-30 cm depth using a Stratified random sampling method, and the parameters of soil texture, particle size distribution, organic carbon, mean weight diameter (MWD), and soil CaCO3 equivalent in the laboratory was measured in the laboratory by conventional methods. In order to determine the input parameters of the studied models, laboratory results, Landsat 8 satellite images during a 6-year period, and some meteorological data were used. Finally, using ArcMap, Saga GIS, and ENVI software, the required parameters, and maps of the RUSLE model was prepared. SATEEC GIS system (Using five models including: USDA (1972), Boyce (1975), Vanoni (1975), Slope-based and GA-based) was used to calculate sediment delivery ratio and sediment yield at watershed scale by linking to RUSLE, because this model is unable to calculate sediment yield. The results showed that the soils of the studied area had moderate to high erodibility mainly due to high amounts of silt and very fine sand. Based on the obtained results, soil erosion in the investigated watershed ranged from a minimum of zero to a maximum of 287 tons per hectare per year at the pixel level with an average of 11.12 tons per hectare per year. According to the estimation of RUSLE model, it can be said that about 86% of the studied area has considerable and severe erosion. According to the field observations and investigation of the erosion and sedimentation situation in the studied watershed and also the long-term data of the sediment discharged from the hydrometric station, the watershed has a suspended load of 2.48 tons per hectare per year, which, including 20% of the bed load, the specific sediment yield of the watershed was 3.1 tons per hectare per year. The lowest and highest amount of sediment and specific sediment were obtained in Boyce and Slope-Based models, respectively, but the amount of sediment estimated using the USDA method was the closest to the sediment measured at the outlet of the basin. According to the field observations and investigation of the erosion and sedimentation situation in the studied watershed and also the long-term data of the sediment discharged from the hydrometric station and based on the results obtained, it seems that the RUSLE model with the help of GIS and RS technologies had a good estimation of the erosion situation and erosion sensitivity of the watershed. The results also showed that integrating RUSLE model with SATTEC system may result in a reasonable estimation of SDR and sediment yield.

زمین لغزش و سیل از جمله بلایای طبیعی هستند که هر یک به نوبه خود باعث بروز خسارت و تلفات جانی و مالی فراوان می شوند. رخداد هم زمان این دو پدیده می تواند منجر به جریانهای واریزه ای (Debris flow) شود. در سال های اخیر، از داده های GIS و سنجش از دور برای انجام بسیاری از مطالعات در ارتباط با جریان واریزه ای در مناطق کوهستانی استفاده شده است. در بخش هایی از حوضه ننور بانه و در حوضه های مجاور آن جریان واریزه ای وجود داشته که سبب خسارت به جنگل های پایین دست آنها شده و همچنین سبب پرشدن آبراهه ها و مخازن بندهای اصلاحی شده است. لذا، هدف از این تحقیق تعیین مناطق در معرض جریان واریزه ای، پایش جریان های واریزه ای در چند سال اخیر و تعیین مناطق مختلف حوضه آبخیز از لحاظ حساسیت به جریان واریزه ای به کمک فن آوریهای سنجش از دور و سیستم اطلاعات جغرافیایی در حوضه ننور بانه بود. همچنین کارایی بندهای اصلاحی احداث شده در بخش هایی از حوضه از لحاظ نگه داشت رسوبات معلق و رسوبات واریزه ای ارزیابی گردید. بدین منظور، با استفاده از منابع، اطلاعات و نقشه های موجود حوضه، 120 نقطه مشخص و از خاک آنها نمونه برداری صورت گرفت. برخی ویژگیهای فیزیکی و شیمیایی از جمله توزیع اندازه ذرات خاک، کربن آلی، آهک و MWD در نمونه های خاک با روشهای معمول تعیین گردید. در این پژوهش علاوه بر خاک حوضه، تعداد 88 بند مورد ارزیابی دقیق واقع شد و 57 نمونه رسوب از پشت بندهای اصلاحی جمع آوری گردید و توزیع اندازه ذرات رسوبات نیز در آزمایشگاه همچون نمونه های خاک تعیین گردید. جهت شناسایی، پهنه بندی و پایش جریان واریزه ای در ابتدا با مطالعات عرصه ای گسترده و عکس های هوایی نسبتاً جدید حوضه موردمطالعه، منشأ و محل عبور جریان واریزه ای مشخص گردید. در این تحقیق از تصاویر ماهواره راداری سنتینل 1 و روشهای تشخیص تغییر همراه با PCA و نهایتاً طبقه بندی به کمک الگوریتم جنگل تصادفی (RF) و همچنین محاسبه displacement با استفاده از نرم افزار Snap بهره گرفته شد. علاوه براین، به کمک نرم افزار Flow-R، حساسیت بخش های مختلف حوضه موردمطالعه به جریان واریزه ای تعیین و پهنه بندی گردید. نتایج نشان داد با استفاده از تصاویر ماهواره ای به خصوص تصاویر راداری، قبل و بعد از رخدادهای بارندگی و تکنیک change detection در کنار روشهای ارتقای تصویر و طبقه بندی، می توان به شکل مناسبی مکانهای متأثر از جریان واریزه در حوضه مورد نظر را شناسایی و پهنه بندی نمود. بررسیهای مختلف نشان داد که استفاده از روشهای تداخل سنجی به خصوص تداخل سنجی تفاضلی و نهایتاً محاسبهdisplacement می تواند در شناسایی و تفکیک مکانهای رخداد فرسایش و رسوب جریان واریزه بسیار مؤثر باشد و به طور نسبی می توان بخشهای متأثر از این جریان را از لحاظ میزان شدت جریان واریزه بعد از هر رخداد بارندگی مشخص نمود. مقایسه نتایج نرم افزار Flow-R با واقعیت عرصه ای نشان داد که این مدل می تواند به شکل بسیار مناسبی بخشهای مختلف حوضه را از لحاظ حساسیت به جریان واریزه تقسیم بندی نماید. از میان عوامل خاکی نیز، شاخصMWDw ارتباط نسبتاً خوبی با مکانهای جریان واریزه داشت. همچنین نتایج نشان داد شدت بارندگی، شیب، جهت شیب، رطوبت خاک قبل از بارندگی، ارتفاع، پوشش گیاهی و عمق خاک عوامل بسیار تاثیرگذاری در وقوع جریان واریزه در این حوضه می-باشند. نتایج تجزیه و تحلیل رسوبات پشت بندهای اصلاحی نیز نشان داد اغلب بندهای اصلاحی در نگهداری رسوبات واریزه ای بسیار مؤثر بوده و مانع حرکت آنها به پایین دست شده اند. اما یکی از اهداف مهم احداث این بندها که نگهداشت رسوبات دانه ریز و عدم انتقال آنها به مناطق پایین دست بوده حاصل نگردیده است.

فرسایش پذیری خاک (K) فاکتوری کلیدی در ارزیابی نرخ هدررفت خاک بوده و به‌عنوان ورودی مدل‌های فرسایشی خاک نیز مورد‌نیاز است. وجود این پارامتر برای مدیریت حفاظت از منابع خاک و آب ضروری است. فرسایش پذیری خاک تحت‌عنوان مقاومت خاک در برابر جدا شدن توسط ضربه قطرات باران و/یا جریان‌های سطحی تعریف می‌شود. در معادله جهانی هدر‌رفت خاک (USLE)، فرسایش پذیری K با استفاده از توزیع اندازه ذرات خاک، مقدار ماده آلی، نفوذپذیری و ساختمان خاک محاسبه می‌شود. پژوهش‌های چندی نشان داده‌اند که فرسایش‌پذیری خاک ممکن است تحت تأثیر دیگر ویژگی‌های فیزیکی و شیمیایی خاک قرار گیرد. در پژوهش حاضر که در خاک‌های آهکی استان کردستان در غرب ایران انجام شد تأثیر ویژگی‌های مختلفی خاکی بر فرسایش‌پذیری (K) و فرسایش‌پذیری بین‌شیاری(Ki) بررسی شد. افزون بر این، عوامل مهم مؤثر بر هدررفت خاک و رواناب، همراه با تأثیر نوع کاربری اراضی بر شاخص‌های فرسایش‌پذیری خاک نیز مورد ارزیابی قرار گرفت. بدین منظور، از یک شبیه‌ساز باران قابل حمل با سطحی معادل 33 × 33 سانتی‌متر که بر روی شیب حدود 9 درصد قرار می‌گرفت، استفاده شد. سپس مقدار هدررفت خاک، رواناب و Ki 100 پلات مورد‌مطالعه با اعمال بارشی با شدت 90 میلی متر در ساعت اندازه گیری شد. در این پژوهش ویژگی‌های مبنایی خاک شامل توزیع اندازه ذرات، چگالی ظاهری و حقیقی، مقدار مواد آلی، pH، EC، کربنات کلسیم معادل، پایداری خاکدانه‌ها و نفوذپذیری خاک نیز در نزدیکی هر کرت اندازه‌گیری شد. ابعاد فراکتالی خاکدانه‌ها با استفاده از دو مدل تایلر و ویت‌کرافت (DmT) و ریو و اسپوزیتو (Dn) تعیین شد. فاکتور فرسایش پذیری خاک نیز با استفاده از فرمول های USLE، EPIC و روش شیرازی و بویرسما (1984) (KSh-Bo) محاسبه شد. نتایج نشان داد که KUSLE با رس، سیلت، شن خیلی ریز، شن (2- 1/0 میلی‌متر)، کربن آلی خاک (SOC) و بعد فراکتال توزیع اندازه خاکدانه‌ها (DPSD) همبستگی معنی‌داری داشت. دیگر عامل فرسایش‌پذیری، یعنیKEPIC، نیز با سیلت، شن خیلی ریز، شن (2- 05/0 میلی‌متر)، SOC، DPSD و همچنین pH همبستگی معنی‌داری نشان می دهد، در حالی که KSh-Bo تنها با میانگین وزنی و هندسی قطر خاکدانه‌ها (به‌ترتیب MWD و GMD) رابطه معنی‌داری داشت. مقادیر DmT و Dn با KUSLE، KEPIC، KSh-Bo، هدر‌رفت خاک، رواناب و Ki همبستگی نداشتند، که خود بیان‌گر آن است این ابعاد فراکتالی شاخص‌های مناسبی برای کمّی کردن فرسایش خاک نیستند. همچنین نتایج نشان داد که بین Ki با رس، سیلت و DPSD همبستگی معناداری وجود دارد. هدررفت خاک و رواناب نیز با رس، شن خیلی ریز، شن، BD، SOC، KUSLE و KEPIC همبستگی قابل توجهی نشان دادند. سایر یافته‌ها نشان داد که نوع کاربری اراضی تأثیر معنی‌داری بر شاخص‌های فرسایش‌پذیری خاک نداشت. این یافته‌ها نشان می‌دهد که DPSD می‌تواند شاخص‌های کاربردی برای پیش‌بینی فرسایش خاک در انواع مختلف کاربری‌های اراضی باشد.

فرسایش خاک به وسیله آب یک تهدید جدی برای منابع خاک و آب استان کردستان در غرب ایران است. یکی از مؤثرترین راهکارها برای حفظ این منابع، اعمال مدیریت های صحیح برای کاهش فرسایش خاک و تولید بار رسوب است. اولین گام در اجرای این فرایندها، تعیین بار رسوب تولیدی و شناسایی مناطق حساس به فرسایش خاک حوضه های آبخیز است. کارآمدی مدل های MPSIAC، EPM و USLE، به عنوان سه مدل شناخته شده در ایران، در پژوهش های چندی نشان داده شده است. بنابراین هدف از این پژوهش، ارزیابی کارآیی این مدل ها در تخمین فرسایش خاک و بار رسوب تولیدی حوضه آبخیز پارسل A سد قشلاق با استفاده از سامانه اطلاعات جغرافیایی (GIS) و سنجش از دور (RS) بود. بدین منظور، 200 نمونه از عمق 30-0 سانتی متری خاک با استفاده از روش نمونه برداری تصادفی جمع آوری شد. برخی از ویژگی های مبنایی این نمونه خاک ها همچون توزیع اندازه ذرات، کربن آلی، میانگین وزنی قطرخاکدانه ها (MWD) و کربنات کلسیم معادل (CCE) در آزمایشگاه با روش های استاندارد اندازه گیری شد. برای تخمین و پهنه بندی شدت فرسایش خاک و تولید رسوب منطقه مورد مطالعه، نقشه پارامترهای ورودی به این مدل ها با استفاده از ArcGIS 10.7 و ENVI 5.1 ایجاد و در هم تلفیق شدند. نتایج نشان داد مقدار رسوب برآوردی حوضه توسط مدل های MPSIAC، EPM و USLE به ترتیب معادل 3.67، 10.70 و 3.07 تن در هکتار در سال است. در مقایسه با رسوب اندازه گیری شده در ایستگاه هیدرومتری، که معادل 25/3 تن در هکتار در سال بود، عملکرد مدل های MPSIAC و USLE به صورت قابل قبولی بهتر از مدل EPM بود. بر اساس مقدار رسوب اندازه گیری شده و نسبت تحویل رسوب (SDR) محاسبه شده، میانگین هدررفت خاک سالانه توسط مدل های MPSIAC، EPM و USLE به ترتیب معادل 12.23، 9.93 و 10.27 تن در هکتار در سال برآورد شد. این نتایج بدین معنی است که مدل های MPSIAC، EPM و USLE را می توان برای تخمین هدر رفت خاک در منطقه مورد مطالعه بکار گرفت. در مجموع، یافته های ما کاربرد مدل های تجربی مورد مطالعه را در تخمین بار رسوب و پهنه بندی هدررفت خاک در حوضه های آبخیز مناطق خشک و نیمه خشک پیشنهاد می کند.

تعیین مقدار فرسایش خاک و همچنین توزیع مکانی آن، می تواند اعمال مدیریت مناسب جهت کاهش مسائل و مشکلات ناشی از فرسایش را به طور مؤثری مهیا سازد. تعیین مستقیم فرسایش خاک مستلزم وقت و هزینه زیادی بوده و نتایج حاصل از آن نیز اغلب منطقه ای و محدود می باشد. این موضوع سبب گردیده که مدل های مختلفی جهت برآورد فرسایش خاک و تولید رسوب ارائه شود. به دلیل محدودبودن و کم بودن اطلاعات اکثر حوضه های آبخیز کشور، استفاده از مدل هایی که نیاز به ورودیهای نسبتاً کمی دارند نسبت به مدل های با ورودیهای زیاد، منطقی به نظر می رسد. از این رو، این تحقیق با هدف پهنه بندی میزان فرسایش خاک و بار رسوب با استفاده از مدل های USPED و Thornes به کمک سامانه اطلاعات جغرافیایی (GIS) و سنجش از دور (RS) در بخشی از حوضه آبخیز سد قشلاق سنندج انجام شد. بدین منظور، با استفاده از روش نمونه برداری تصادفی طبقه بندی شده 200 نمونه خاک از عمق 30-0 سانتی متری جمع آوری شد و پارامترهای بافت خاک، توزیع اندازه ذرات، کربن آلی، میانگین وزنی قطرخاکدانه ها (MWD) و کربنات کلسیم معادل خاک در آزمایشگاه با روش های معمول اندازه گیری گردید. جهت تعیین پارامترهای ورودی مدل های مورد بررسی از نتایج آزمایشگاهی، تصاویر ماهواره لندست 8 در طول یک دوره 6 ساله و برخی داده های هواشناسی استفاد شد. در نهایت به کمک نرم افزارهای ArcMap، Saga GIS و ENVI پارامترها و نقشه های مورد نیاز مدل ها تهیه و مدل های مورد بررسی اجرا گردیدند. جهت محاسبه نسبت تحویل رسوب SDR از یکی از مدل های محاسبه این پارامتر استفاده گردید. نتایج مدل USPED نشان داد 87.16 درصد از حوضه فرسایش خالص و 12.84 درصد از حوضه رسوبگذاری خالص داشته و میانگین فرسایش خالص حوضه 3.65 تن در هکتار در سال بود. همچنین، میانگین فرسایش برآوردی مدل Thornes، 0.76 میلی متر در سال یا 10.24 تن در هکتار در سال (با فرض جرم ویژه ظاهری 1.4 گرم بر سانتی متر مکعب) بوده و باتوجه به SDR محاسبه ای برای کل حوضه، میزان رسوب برآوردی توسط مدل 4.34 تن در هکتار در سال محاسبه گردید. نتایج مدل Thornes نشان داد که حساسیت این مدل به برخی پارامترها از جمله، تبخیر و تعرق پتانسیل و ظرفیت نگهداری آب بالقوه بسیار زیاد بوده و تغییرات کوچکی در این پارامترها سبب تغییر زیادی در نتایج شده که خود سبب کاهش کارایی مدل خواهد شد. باتوجه به مشاهدات عرصه ای و مشاهده وضعیت فرسایش و رسوب و همچنین برطبق آمار بلندمدت رسوب خارج شده از حوضه (2.60 تن در هکتار در سال بار معلق که با احتساب 20 درصد بار بستر، بار کل رسوب خارج شده از حوضه 3.25 تن در هکتار در سال بود) و براساس نتایج دو مدل، به نظر می رسد مدل USPED برآورد نسبتاً بهتری از وضعیت فرسایش و رسوب حوضه مورد مطالعه داشته است. یکی از دلایل این امر به نظر می رسد درنظرگرفتن ویژگیهای بیشتری از وضعیت حوضه از لحاظ توپوگرافی و ویژگیهای خاکی توسط مدل USPED باشد.

خاک به عنوان حلقه ارتباط بین اقلیم و سیستم های بیوژئوشیمیایی، نقشی مهم در توانایی اکوسیستم های خشکی برای تأمین نیازهای متنوع بشری ایفا می کند. رشد بی رویه جمعیت در دهه های اخیر و تلاش بیشتر انسان برای کسب غذا و پوشاک، تخریب گسترده این منبع طبیعی را به دنبال داشته است. با تخریب و تغییر اراضی جنگلی و مرتعی به دیگر کاربری ها و کاهش سطح آن ها، در طول زمان فرسایش خاک انجام گرفته و در نتیجه کیفیت خاک به شدت تحت تأثیر قرار می گیرد. با توجه به وسعت تغییرات کاربری اراضی در ایران به ویژه در استان کردستان، این پژوهش به منظور ارزیابی تغییر کاربری اراضی بر برخی ویژگی های فیزیکی، شیمیایی و هدررفت خاک در کاربری های مختلف اراضی در منطقه مریوان انجام شد. بدین منظور در سه کاربری جنگل، مرتع و باغ انگور سه ایستگاه به طور تصادفی انتخاب شد. در هر ایستگاه سه میکروپلات (مساحت هر میکروپلات یک متر مربع) برای اندازه گیری رواناب و هدررفت خاک نصب شد. سپس در هر ایستگاه از دو عمق 30-0 و 60-30 سانتیمتری سطح خاک نمونه های دست نخورده و بهم خورده در سه تکرار برداشته و سپس در آزمایشگاه مورد تجزیه و تحلیل قرار گرفت. نتایج نشان داد که تغییر کاربری اراضی از جنگل و مراتع به اراضی باغی سبب افزایش هدایت الکتریکی، واکنش خاک، فاکتور فرسایش پذیری، جرم مخصوص ظاهری و آب گریزی خاک شد. همچنین تغییر کاربری اراضی جنگلی و مراتع به اراضی باغی منجر به کاهش ماده آلی خاک، تخلخل کل خاک، پایداری خاکدانه ها، هدایت هیدرولیکی اشباع، میانگین هندسی و وزنی قطر خاکدانه ها، رطوبت نقطه پژمردگی دائم، رطوبت باقمیانده، رطوبت اشباع خاک و به تبع آن کاهش آب قابل دسترس گیاهان شد. با وجود اینکه تأثیر تغییر کاربری اراضی بر ظرفیت زراعی و پارامترهای n و α در معادله ون گنوختن معنی دار نبود اما در مجموع، تبدیل اراضی جنگلی و مرتعی به اراضی باغی سبب کاهش ظرفیت زراعی و همچنین افزایش مکش در نقطه ورود هوا به خاک شد. نتایج مقایسه میانگین داده های دانه بندی خاک نشان داد که بین کاربری های مختلف اراضی و عمق های مختلف از نظر رس، سیلت و شن اختلاف معنی داری وجود ندارد. همچنین نتایج نشان داد تغییر کاربری اراضی جنگلی و مراتع به باغ انگور موجب کاهش نفوذ آب در خاک و افزایش چشمگیر رواناب و درنتیجه افزایش هدررفت خاک می شود. درمجموع نتایج این پژوهش بیانگر آن است که تغییرکاربری اراضی می تواند با تحت تاثیر قرار دادن ویژگی های فیزیکوشیمیایی خاک و بهم زدن ساختمان خاک موجب کاهش کیفیت و افزایش هدررفت خاک شده وپیامدهای نامطلوبی به دنبال داشته باشد.

آتش سوزی به عنوان یکی از عوامل اصلی تخریب جنگل ها و مراتع، بسته به شرایط آن منجر به بروز تغییرات مختلفی در ویژگی های فیزیکی، شیمیایی و زیستی خاک می شود. سالانه سطح زیادی از جنگل ها و مراتع دنیا دچار آتش سوزی می شوند که می تواند باعث نابودی پوشش گیاهی، اختلال در فرآیندهای هیدرولوژیک و همچنین افزایش هدر رفت خاک و رواناب تولیدی از این مناطق شود. این پژوهش با هدف ارزیابی اثرات باقی مانده آتش سوزی بر ویژگی های فیزیکی، آب گریزی و هم چنین فرسایش خاک جنگل های شهرستان مریوان در استان کردستان انجام شد. بدین منظور تعداد سه ایستگاه به ازاء هر سال از مناطق سوخته و نسوخته در طول چهار سال (1393 تا 1396) انتخاب شد و سه نمونه خاک سطحی (0 تا 5 سانتی متری) در سال 1396 از هر یک از مناطق سوخته و نسوخته برداشت شد. سپس با استفاده از روش های استاندارد آزمایشگاهی توزیع اندازه ذرات خاک، جرم ویژ ظاهری، جرم ویژه حقیقی، پایداری خاکدانه ها، هدایت هیدرولیکی اشباع، ماده آلی، pH و هدایت الکتریکی نمونه های خاک های جمع آوری شده تعیین شد. شاخص آب-گریزی خاک نیز با استفاده از روش جذب پذیری ذاتی اندازه گیری شد. از یک دستگاه شبیه ساز باران قابل حمل برای تعیین برجای روان آب و هدر رفت خاک در مناطق سوخته و نسوخته استفاده شد. آزمایش در قالب طرح کاملاً تصادفی متعادل با تکرارهای یکسان انجام شد. نتایج نشان داد که آتش سوزی تأثیر معنی داری بر ویژگی های خاکی اندازه گیری شده داشته است. مقدار ماده آلی، pH و هدایت الکتریکی خاک در اثر آتش سوزی افزایش یافتند. جرم ویژه ظاهری خاک نیز بعد از آتش سوزی افزوده شد، حال آن که از جرم ویژه حقیقی و تخلخل کل در خاک های سوخته در مقایسه با خاک های نسوخته کاسته شد. کلاس بافتی اغلب خاکهای سوخته به دلیل داستن مقادیر شن بالاتر، سبک تر گردید. افزون بر این، آتش سوزی سبب افزایش ضریب آب گریزی و کاهش هدایت هیدرولیکی اشباع خاک گردید. نتایج نشان داد رواناب و هدررفت خاکهای سوخته (به جز سال 1395) افزایش معنی داری نسبت به خاکهای نسوخته داشت. به طورکلی تأثیر آتش سوزی بر ویژگی های فیزیکی خاک اندازه گیری شده، آب گریزی خاک و فرسایش خاک در نخستین سال-های پس از آتش سوزی بیشتر بوده و این روند با گذشت زمان کاهش یافته است.

کیفیت نامناسب بسیاری از خاک ها به دلیل ساختمان نامناسب، کمبود مواد مغذی و یا عدم توانایی نگهداشت آب، سبب محدودیت استفاده از آنها برای کشاورزی و رشد گیاه شده، اما با اصلاح و بهبود خصوصیات این خاک ها می توان تاحدودی بر این مشکل فائق آمد. امروزه بیوچار یکی از اصلاح کننده های آلی است که توجه برخی از پژوهشگران را به خود جلب نموده است. بیوچار یک ترکیب کربنی پایدار است که با استفاده از فرآیند پیرولیز از زیست توده و یا ضایعات کشاورزی تولید می شود. اثرات مثبت بایوچار در ترسیب کربن و کاهش اثرات گازهای گلخانه ای و همچنین تاثیر مثبت آن بر عملکرد محصول و چرخه ی مواد مغذی شناخته شده است. در این پژوهش، از بیوچار دو گونه کاه و کلش گندم و شاخه های هرس شده درخت چنار که در دو دمای 300 و 550 درجه سانتی گراد تولید شده بود، استفاده شد و تاثیر آن بر برخی خصوصیات فیزیکی شامل منحنی نگهداشت آب، هدایت هیدرولیکی اشباع و جرم مخصوص ظاهری و حقیقی و تخلخل کل خاک و خصوصیات شیمیایی شامل pH و EC بر روی خاک لوم شنی بررسی شد. این آزمایش گلدانی بصورت فاکتوریل در قالب طرح بلوک های کاملا تصادفی به سه تکرار انجام گرفت. نمونه ها با بیوچار در پنج سطح صفر، 5/0، 1، 2 و 4 درصد (گرم بیوچار در 100 گرم خاک) تیمار شده و در شرایط بهینه دمایی و رطوبتی به مدت 6 ماه انکوباسیون شدند. نتایج نشان داد که استفاده از اصلاح گر بیوچار، خواص فیزیکی خاک را به طور قابل توجهی بهبود داده بود، به طوری که با افزایش سطح بیوچار میزان جرم مخصوص ظاهری خاک کاهش داشته و بالعکس تخلخل کل خاک افزایش یافت. نگهداشت آب خاک و مقدار آب قابل دسترس (AW) به صورت معنی داری افزایش یافت که با سطح تیمار بیوچار رابطه ی مستقیم و با دمای تولیدی بیوچار، رابطه ی عکس داشت. همچنین مقدار هدایت هیدرولیکی اشباع (Ks) در خاک تیمار شده با بیوچار افزایش یافته و با افزایش سطح تیمار بیوچار رابطه مستقیم نداشته و تاثیرات آن متغیر بود. در بررسی تاثیرات بیوچار بر خواص شیمیایی خاک، مقدار pH خاک کاهش و بالعکس مقدار EC افزایش یافت. در نهایت می توان نتیجه گرفت که اصلاح گر بیوچار، با خواص ویژه ی خود می تواند بعضی ویژگی های فیزیکوشیمیایی خاک ها را برای اهداف موردنظر بهبود بخشد.

فعالیت های انسانی در زمینه های مختلف کشاورزی و صنعتی موجب افزایش روز افزون ضایعات می گردد. دفع و تخلیه نامناسب این ضایعات در محیط باعث ایجاد عوارض نامطلوبی برای محیط زیست می گردد. استفاده مناسب و کاربردی از این ضایعات موجب کاهش فشار بر محیط زیست خواهد شد. یکی از روش های مؤثر درکنترل و خنثی سازی اثرات نامطلوب این ضایعات و تبدیل آن ها به مواد قابل استفاده مانند بیوچار است. بیوچار محصول کربنیزه شدن زیست توده، نظیر چوب، برگ گیاهان، و بقایای کشاورزی در یک فضای بسته بدون هوا یا با هوای محدود و کنترل شده )تجزیه حرارتی) تحت حرارت شدید می باشد. هدف از این پژوهش ارزیابی تأثیر تیمار چند نوع بیوچار تولید شده از کاه و کلش گندم و شاخ و برگ هرس شدۀ درخت سیب در دماهای مختلف بر روی آبشویی نیترات در ستون های خاک است. برای تهیه بیوچار از ضایعات معمول کشاورزی در منطقه مانند کاه وکلش گندم و شاخ و برگ درخت سیب استفاده شد. بیوچار در دماهای 300 و 550 درجۀ سانتی گراد تهیه گردید. زمان تجزیۀ حرارتی برای بقایای کاه و کلش گندم در حدود 15 دقیقه در نظر گرفته شد. شیب حرارتی نیز در حدود 10 درجۀ سانتی گراد در دقیقه بود. بیوچار پس از تهیه شدن پودر شده و جهت استفاده در خاک از الک 2 میلی متری عبور داده شد. 4 ستون خاک با بافت لوم شنی آماده و به هر کدام از ستون ها 2درصد وزنی از بیوچارهای تهیه شده اضافه شد. یک ستون خاک بدون اضافه کردن بیوچار به عنوان شاهد در نظر گرفته شد. سپس ستون ها به مدت 24 ساعت با آب دی یونیزه اشباع شدند بعد به ترتیب با حدود 10 پوروالیوم آب دی یونیزه، 15 پوروالیوم محلول نیترات و پس از آن در مرحله آخر با حدود 10 پوروالیوم آب دی یونیزه آبشویی شدند. محلول خروجی به تمامی به صورت جزء به جزء از انتهای ستون های خاک جمع آوری شده و بلافاصله توسط کاغذ صافی 22/0 میکرومتر صاف شد؛ و سپس میزان نیترات هر عصاره به روش اسپکتوفتومتری اندازه گیری شد. به منظور بررسی رفتار بیوچارها در جذب نیترات آزمایش هایی دسته ایی در دمای ثابت )در حدود 22 درجه سانتیگراد) انجام شد. نتایج بدست آمده نشان داد که بیوچارهای استفاده شده باعث جذب نیترات و کاهش آبشویی آن در خاک شدند. هر چند که نوع ماده گیاهی استفاده شده برای تهیه بیوچار و درجه حرارت استفاده شده در فرآیند تولید بیوچار عامل بسیار مهمی در میزان جذب نیترات می باشد. بر اساس نتایج آزمایش های ستون های خاک و آزمایش های دسته ای بیوچار تولید شده با چوب سیب در دمای 300 درجه سانتی گراد دارای بیشترین توان جذب نیترات بود و پس از آن به ترتیب بیوچارهای تهیه شده با کاه و کلش گندم در دمای 550 درجه سانتی گراد و بیوچار تهیه شده با چوب سیب در دمای 550 درجه سانتی گراد قرار دارند. بیوچار تولید شده با کاه و کلش گندم در دمای 300 درجه سانتی گراد دارای کمترین توان جذب نیترات می باشد.

اندازه گیری و براورد فرسایش خاک و تولید رسوب، به عنوان یکی از مشکلات مهم در سطح جهان و ایران، با هدف برنامه ریزی حفاظت خاک امری ضروری است. تنوع عوامل مؤثر بر فرسایش باعث شده است که برای برآورد فرسایش و تولید رسوب روش های متعددی در کشورهای گوناگون ارائه شود که هریک دارای معایب و محاسنی می باشند. هدف از این تحقیق بررسی و ارزیابی مدل-های RUSLE، RUSLE2، EUROSEM و WEPP به تناسب مدل در برآورد رواناب و رسوب ناشی از رخدادهای طبیعی در سطح کرت و زیرحوضه در حوضه های معرف و زوجی خامسان بود. یکی از ویژگی های خاص منطقه مورد مطالعه، وجود مقادیر قابل توجهی جزء سنگی در سطح و پروفیل خاک به ویژه در بخش های مرتعی حوضه است. در مقیاس کرت، مطالعه بر روی 18 کرت با ابعاد 24 متر طول و 8/1 متر عرض در شش دامنه در زیرحوضه های زوجی شاهد و نمونه (سه کرت در هر دامنه) صورت گرفت. رواناب و رسوب حاصل از 24 رخداد منجر به رواناب در طول سال های 1389 تا 1392 (1 ژانویه 2011 تا 1 ژانویه 2014) اندازه گیری شد. همزمان داده های ورودی مورد نیاز مدل ها از جمله ویژگی های خاک، پوشش گیاهی و پوشش زمین در طول این مدت بررسی و ثبت گردید. مدل های RUSLE و RUSLE2، با واسنجی و بدون واسنجی مورد ارزیابی قرار گرفتند. جهت واسنجی مدل های EUROSEM و WEPP، ابتدا تجزیه حساسیت انجام شده و بر اساس حساسیت پارامترهای موثر بر نتایج پیش بینی دو مدل، واسنجی صورت گرفت. جهت واسنجی پارامتر K مدل های RUSLE و RUSLE2، از 16 رخداد در طی سال های 1387 تا 1392 و برای واسنجی مدل های EUROSEM و WEPP از 8 رخداد در طول سال های 1389 تا 1392 بهره گرفته شد. از 16 رخداد باقیمانده در طول سال های 1389 تا 1392، برای اعتبارسنجی مدل ها استفاده شد. مدل های RUSLE و RUSLE2 به ویژه مدل RUSLE2، مقادیر میانگین سالانه هدررفت خاک را با وجود بیش برآوردی، نسبتاً به خوبی تخمین زدند. نتایج حاصل نشان داد که دو مدل قادر هستند تا مقادیر هدررفت خاک تک رخدادها به ویژه در بارندگی هایی که شاخص فرسایندگی پایین تری دارند را نیز به میزان نسبتاً قابل قبولی پیش بینی نمایند. واسنجی پارامتر فرسایش پذیری منجر به بهبودی تخمین هدررفت خاک به میزان قابل توجهی در دو مدل شد. مقایسه نتایج تخمین های دو مدل RUSLE و RUSLE2 نشان داد که در تمامی حالات مورد بررسی، مدل RUSLE2 نسبت به RUSLE، کارایی بالات