أكثر

7.5.4: واشنطن - علوم الأرض

7.5.4: واشنطن - علوم الأرض


ملخص

النظير في واشنطن لـ FEMA ومنسق برنامج زلزال واشنطن هو قسم إدارة الطوارئ (EMD) ، وهي جزء من الإدارة العسكرية بواشنطن. أ لجنة السلامة الزلزالية، وهو جزء من مجلس إدارة الطوارئ ، يستعرض استراتيجيات الزلازل الحكومية ، مع آخر تحديث في فبراير 2002 ، بعد زلزال نيسكوالي. تتعاون EMD مع FEMA في تقديم دورات للقطاعين العام والخاص حول استخدام برنامج نمذجة تقدير خسارة HAZUS. طورت EMD أيضًا دليل تخطيط جميع الأخطار لمدارس واشنطن. منذ وقوع الزلزال ، قدم برنامج منح التخفيف من حدة المخاطر العديد من المنح لإجراء التعديل التحديثي على الزلازل لثلاث مناطق مائية ومدرستين وإدارة إطفاء. بالإضافة إلى ذلك ، أجرت وزارة النقل تحديثًا لجسور الطرق السريعة مما قلل بشكل كبير من خسائر شريان الحياة نتيجة لزلزال نيسكوالي. كما هو الحال في ولاية كاليفورنيا ، فإن شهر أبريل هو شهر الاستعداد للكوارث ، وموضوعه في عام 2003 "استعد لأنك تهتم" ، ويضم تدريبًا على مستوى الولاية حول الزلزال "أسقط ، وغط ، ووقف" بمشاركة أكثر من مليون مواطن. تشارك واشنطن أيضًا في تمرين ShakeOut في 15 أكتوبر من كل عام.

ال قسم الجيولوجيا وموارد الأرض تم تشكيل (DGER) ، وهي جزء من إدارة الموارد الطبيعية ، لتقييم الموارد المعدنية ، مثل الوكالات المماثلة في ولاية أوريغون وكاليفورنيا. مثل تلك الدول ، أصبحت DGER أكثر انخراطًا في تقييم مخاطر الزلازل والانهيارات الأرضية والفيضانات. قاد ستيف بالمر من DGER برنامجًا لرسم خرائط للمناطق الحضرية المعرضة للإسالة والانتشار الجانبي. كما هو موضح في مكان آخر ، تم اختبار هذه الخرائط بواسطة زلزال نيسكوالي. تمكن بالمر وزملاؤه Wendy Gerstel و Tim Walsh من التنبؤ بشكل جيد إلى حد ما بتلك المناطق التي خضعت للتميع والانتشار الجانبي في كل من سياتل وأولمبيا (الشكل 8-16). يتم إعداد خرائط قابلية التسييل لمدن أخرى في غرب واشنطن. بالإضافة إلى ذلك ، حصلت DGER على منحة من برنامج منح التخفيف من المخاطر لإنتاج خريطة حالة توضح قابلية التميع وخصائص التربة.

في عام 1990 ، أصدرت واشنطن قانون إدارة النمو الخاص بها للمطالبة بالتخطيط الشامل في أسرع المقاطعات والمدن نموًا. طلب هذا القانون من هذه المدن والمقاطعات تعيين وحماية المناطق الحرجة المعرضة للمخاطر الجيولوجية ، بما في ذلك الانهيارات الأرضية والزلازل. في عام 1991 ، تم توسيع القانون ليشمل تحديد المناطق الحساسة في جميع مدن ومقاطعات واشنطن. أدى التأثير الملطف الذي أحدثه هذا القانون على التطور السريع حول المناطق الحضرية إلى محاولات لتعديله في الهيئة التشريعية ، بل وحتى إلغائه تمامًا.

على عكس ولاية كاليفورنيا ، حيث كانت الولاية استباقية في تحديث قوانين البناء ومراسيم الدرجات ، فقد تركت واشنطن الكثير من هذا للسلطات القضائية المحلية. على سبيل المثال ، لا توجد متطلبات حكومية بأن تقوم الإدارات التعليمية بتنفيذ برامج لتحسين سلامة المباني المدرسية من الزلازل. تخلفت المقاطعات الريفية والمدن الصغيرة في غرب واشنطن ، بما في ذلك المناطق التعليمية ، عن المراكز الحضرية في بوجيت ساوند ، وخاصة سياتل ، التي لديها معايير مماثلة لتلك الموجودة في المناطق الحضرية في كاليفورنيا. نظرًا لأن منطقة سياتل أولمبيا تعرضت للزلازل المدمرة في 1949 و 1965 و 2001 ، فقد تم بالفعل تعزيز المباني المدرسية ضد الزلازل إلى حد أكبر مما كانت عليه في ولاية أوريغون في الجنوب.

كان ما يقرب من نصف إجمالي الأضرار التي لحقت بمدارس واشنطن في زلزال عام 1949 في سياتل. كان لابد من استبدال أو إصلاح إحدى وعشرين مدرسة. تعرضت المدارس لأضرار إضافية في زلزال عام 1965. بعد زلزال عام 1965 ، بدأت منطقة مدرسة سياتل العامة في تقييم مدارسها من حيث مخاطر الزلازل ، وبحلول عام 1998 ، كانت المنطقة في المرحلة النهائية من تنفيذ 40 مليون دولار في تحسينات رأس المال لمعالجة مخاطر الزلازل. في عام 1988 ، أصدر المشرف على التعليمات العامة دليلاً ، التخفيف من مخاطر الزلازل المدرسية، تم تحديثه في عام 1998. تم استخدام الأموال من مشروع FEMA's Project Impact لإزالة المخاطر العلوية ، وخاصة خزانات التدفق العلوية في دورات المياه التي قد تشكل خطرًا إذا انهارت في فصل دراسي في طابق سفلي. بالإضافة إلى ذلك ، تم استخدام الأموال لتدريب موظفي الصيانة على العمل على المخاطر غير الهيكلية ؛ يتم دعم هذه الفرق من قبل المتطوعين. في وقت وقوع زلزال نيسكوالي ، تم تحديث سبع مدارس من قبل المتطوعين خلال حفلات العمل يوم السبت ؛ ولم ترد أنباء عن وقوع إصابات أو أضرار في أي من هذه المدارس أثناء الزلزال.

صنفت الوكالة الفيدرالية لإدارة الطوارئ مدينة سياتل كمجتمع لتأثير المشروع بمنحة أولية قدرها مليون دولار لتطوير برنامجها الخاص للتخفيف من مخاطر الزلازل والانهيارات الأرضية. في البداية ، كان في سياتل 125000 منزل قديم تم بناؤها قبل المتطلبات التي تم تثبيتها على أسسها ، مع 125000 منزل إضافي في مقاطعة كينغ ، خارج حدود المدينة. نتج عن Project Impact برنامج لتثقيف المواطنين في تعديل مساكنهم وأعمالهم ومدارسهم ووضع خطط للطوارئ. يوفر مكتب إدارة الطوارئ في سياتل ، وهو جزء من قسم الشرطة ، مجموعات إصلاح المنازل ، وينظم ورش الإصلاح ، ويحتفظ بقائمة معتمدة من المقاولين الذين لديهم المهارات اللازمة لإجراء التعديلات التحديثية للزلازل. يوجد برنامج خاص للشركات. دور المتطوعين أمر بالغ الأهمية ؛ تقوم فرق سياتل للمساعدات والاستجابة للكوارث (SDART) بتثقيف الأحياء في تنظيم نفسها ضد الكوارث (انظر الفصل 15). بالإضافة إلى ذلك ، يتم تعيين المناطق الخطرة في المدينة من قبل هيئة المسح الجيولوجي الأمريكية وعلماء من جامعة واشنطن لتحديد تلك المناطق التي يجب اتخاذ احتياطات خاصة في التطوير. قامت سياتل بتصدير هذه المعلومات إلى ثمانية عشر مدينة ومحافظة محيطة بها.

مدينة بلفيو ليست مجتمع Project Impact ، لكنها كانت استباقية في التأهب للزلازل كما فعلت سياتل. قسم التأهب للطوارئ في المدينة جزء من إدارة الإطفاء. يتم تشجيع إعادة تجهيز المنازل من خلال تسريع عملية التصريح ومساعدة أصحاب المنازل في الحصول على قروض منخفضة الفائدة من أجل التعديل التحديثي. المدينة لديها خطة طوارئ لجميع الأخطار ، تستجيب للطقس القاسي وكذلك للزلازل. يقوم مشروع يسمى تعزيز التأهب بين الجيران (SPAN) بتطوير خطط الطوارئ في الأحياء ، وينتخب قادة الفرق ويجتمعون أربع مرات في السنة لمراجعة خطط الاستعداد. في السنوات المتناوبة ، تجري المدينة تدريبات واسعة النطاق مدتها سبع ساعات.

لدى كل من DGER و EMD برنامج للتخفيف من آثار تسونامي لتلك المناطق الساحلية في جنوب غرب واشنطن المعرضة لخطر التسونامي. تم إعداد خرائط الغمر من تسونامي الناتج عن زلزال منطقة الاندساس. بالتعاون مع برنامج التايم التابع للإدارة الوطنية للمحيطات والغلاف الجوي (NOAA) ، تجري نمذجة تسونامي لتسونامي ناتج عن زلزال وقع في صدع سياتل ، وقد نشرت DGER خريطة بهذه النتائج. كما تم تقييم إمكانات تسونامي في الواجهة البحرية في سياتل. خرائط Neah Bay و Quileute River و Port Orchard و Port Townsend و Port Angeles موجودة على صفحة ويب DGER ؛ يجري إعداد خرائط بيلينجهام وأناكورتس ووايدبي آيلاند. في عام 2003 ، تم الاعتراف بمدينة Long Beach و Quinault Nation كمجتمعات تسونامي جاهزة وجاهزة للعاصفة. كانت Quinault Nation أول أمة أمريكية أصلية تحصل على هذه الجائزة.


فيسبوك

عيد ميلاد سعيد لعلوم الأرض في جنوب فورك! يبدو أنني قد ألتزم بعربة العمل الحر هذه. 12 عامًا اليوم ، وهذه ليست نكتة كذبة أبريل # 039.

جنوب فورك لعلوم الأرض ، PLLC

حان الوقت لبعض الجيولوجيا رائع! ولادة الأرض!

10 أيام في 5 دقائق - ثوران بركاني في جيلدادالير أيسلندا - فاصل زمني

جنوب فورك لعلوم الأرض ، PLLC

هنا & # 039s بعض الأخبار الجيولوجية التي لا & # 039t تتضمن أي أشياء مروعة ناتجة عن الفيضانات أو الانهيارات الأرضية أو البراكين أو الزلازل. لمرة واحدة. استمتع!

اكتشف الجيولوجي تكوينًا نادرًا داخل الصخور يشبه تمامًا كوكي مونستر في شارع سمسم

جنوب فورك لعلوم الأرض ، PLLC

خبر محزن للغاية من النرويج لنهاية عام تقريبي. اللعنة عليك 2020! هذا هو السبب في أن تقييم المخاطر الجيولوجية قبل التطوير ضروري في أي أرض ...


تحليل تآكل التربة بواسطة RUSLE ونماذج إنتاج الرواسب باستخدام الاستشعار عن بعد ونظام المعلومات الجغرافية في ولاية كيلانتان ، شبه جزيرة ماليزيا.

تؤدي الأنشطة البشرية مثل إزالة الغابات والزراعة والتصنيع والبناء إلى تآكل التربة الذي يمكن أن يتسبب في تدهور الأراضي في مستجمعات المياه نتيجة لكثافة هطول الأمطار وزيادة الجريان السطحي ، خاصة في المناخات المدارية. يؤثر تآكل التربة بشكل خاص على جودة التربة وخصوبتها (Gao et al. 2011 Khan et al. 2015) ، ونوعية المياه وترسب الرواسب على قيعان الأنهار (Walsh et al. 2011) ، مما يقلل من عمق النهر ويؤدي إلى فيضان القناة أثناء هطول الأمطار العالية . ازدادت الجهود المبذولة في مجال حماية البيئة والحفاظ على التربة على الصعيد العالمي ، لا سيما الحاجة إلى خيارات تحسين يمكن الحفاظ عليها بيئيًا في مستجمعات المياه ذات الأغراض المختلفة والقدرة على التنبؤ بالتعرية والحد من آثارها الطبيعية (Cunha et al. 2016).

تم تطوير نماذج تآكل مختلفة مفيدة لتقدير وتحليل وتوقع انجراف التربة. المعادلة العالمية المعدلة لفقدان التربة (RUSLE) ، نسخة منقحة من USLE (Wischmeier and Smith 1978) ، هي نموذج مستخدم على نطاق واسع للتنبؤ بمتوسط ​​خسارة التربة السنوية طويلة الأجل التي يحملها الجريان السطحي من منحدرات حقلية معينة في أطر زراعة وإدارة محددة ، وكذلك من المراعي (رينارد وآخرون 1997). لقد ثبتت فعاليته في تقدير فقد التربة في أجزاء مختلفة من العالم (Rozos et al. 2013 Ganasri and Ramesh 2016 Zhao et al. 2017). يمكن أن يتنبأ بإمكانية التآكل على أساس كل خلية على حدة (Shinde et al. 2010) ولكنه لا يقدر عائد الرواسب.

نظم الاستشعار عن بعد والمعلومات الجغرافية (GIS) هي تقنيات مهمة في تحليل البيانات المكانية والزمانية المطلوبة لتقدير فقدان التربة وعائد الرواسب. توفر صور الأقمار الصناعية رؤية شاملة لمساحات كبيرة ويتيح لنا نظام المعلومات الجغرافية التقاط بيانات الأقمار الصناعية وتخزينها وإدارتها ومعالجتها وتحليلها. تم استخدام الاستشعار عن بعد ونظام المعلومات الجغرافية لتحليل استخدام الأراضي وتغير الغطاء الأرضي (Alexakis وآخرون 2014 Anees وآخرون. 2014 ، 2017) ، والتحليل المورفومتري (Ahmed et al. 2010 Dinesh et al. 2012) ، وتقدير فقدان التربة ( Ochoa-Cueva et al. 2015 Markose and Jayappa 2016) ، وإنتاجية الرواسب (Rawat وآخرون. 2014 Zhao et al. 2017) ، وتحديد أولويات مستجمعات المياه (Javed et al. 2009 Malekian and Azarnivand 2016) ولعدة نماذج هيدرولوجية أخرى لإعدادها بيانات الإدخال (Merwade et al. 2008 Gichamo et al. 2012 Cristiano et al. 2015).

يعد تحديد أولويات مستجمعات المياه أمرًا مهمًا للغاية لفهم السلوك الديناميكي للعمليات الهيدرولوجية في مستجمعات المياه وتأثيرها على تآكل التربة والفيضانات. أجريت الدراسات السابقة حول تحديد أولويات مستجمعات المياه على أساس تآكل التربة (Ismail and Ravichandran 2008 Markose and Jayappa 2016) ولكن تآكل التربة يختلف باختلاف الظروف المناخية. أجريت هذه الدراسة لتقدير فقدان التربة وإنتاجية الرواسب في ولاية كيلانتان ، شبه جزيرة ماليزيا ، باستخدام الاستشعار عن بعد ونظام المعلومات الجغرافية لرسم خرائط لمناطق احتمالية تآكل التربة وتحديد أولويات مستجمعات المياه على أساس مستوى مخاطر تآكل التربة. سيكون هذا مفيدًا لتطوير استراتيجيات إدارة مخاطر الفيضانات.

أجريت الدراسة في ولاية كيلانتان ، شمال شرق شبه جزيرة ماليزيا في حدود 4 [درجات] 33' -6 [درجات] 14'N و 101 [درجات] 19'-102 [درجات] 39'E مع مساحة

15000 [km.sup.2]. يحد الجزء الشمالي من بحر الصين الجنوبي والمرتفعات الأعلى في الجنوب والجنوب الشرقي والجنوب الغربي (الشكل 1).

يتراوح الارتفاع من مستوى سطح البحر إلى أعلى نقطة تبلغ 2187 مترًا عند جبل. طحان. المنحدرات في نطاق 0-89 [درجة]. يبلغ طول وعرض المستجمعات 187 و 148 كم على التوالي. الأنهار الرئيسية في منطقة الدراسة هي سونغاي كيلانتان ، والتي تنقسم بعدها

107 كم من مصب الحوض إلى Sungai Galas و Sungai Lebir. تنقسم Sungai Galas إلى Sungai Balah و Sungai Tarang و Sungai Pergau و Sungai Nenggiri. ينبع نهر Nenggiri في الجزء الجنوبي الغربي من سلسلة الجبال الوسطى ويرتفع Sungai Lebir في سلسلة جبال Tahan. الأنهار الرئيسية الأخرى المصبّة هي Sungai Lemal و Sungai Meranri و Sungai Kemasin و Sungai Peng Datu و Sungai Pengkalan Chepa.

المناخ استوائي رطب بمتوسط ​​درجة حرارة تتراوح بين 20 و 30 درجة مئوية. الفترة من نوفمبر إلى يناير تتلقى أقصى هطول للأمطار ، ويكون يونيو ويوليو أكثر الشهور جفافًا. متوسط ​​هطول الأمطار السنوي للمنطقة 3017 ملم ومتوسط ​​سرعة الرياح السنوية 1.50 م [s.sup.-1]. تتكون الجيولوجيا الإقليمية لكيلانتان من صخور رسوبية و metasedimentary في المنطقة الوسطى مع الجرانيت الموجود على الحدود الشرقية والغربية للنطاق الحدودي والنطاق الرئيسي على التوالي. هذه الأحزمة الصخرية الجرانيتية والريفية لها اتجاه بين الشمال والجنوب. تستمر الأحزمة شمالًا إلى جنوب تايلاند في غرب ووسط كيلانتان ، ولكن في الشرق ، يكسو الجرانيت الحدودي النطاق المسطح الغريني الساحلي لـ Sungai Kelantan (Heng et al. 2006). يتراوح التكوين الجيولوجي لكيلانتان من حقب الحياة القديمة السفلي حتى العصر الرباعي ، ويمكن تقسيمه إلى ثلاثة تسلسلات زمنية رئيسية: حقب الحياة القديمة ، وحقبة الحياة الوسطى ، وحقبة الحياة الحديثة. أقدم الصخور في الولاية هي من العصر الباليوزوي السفلي. تنحصر الصخور الترياسية أساسًا في وسط وجنوب كيلانتان. هذه الصخور هي في الأساس رواسب من الحجر الرملي مع البراكين المقحمة والحجر الجيري. أصغر الصخور هي الصخور القارية من العصر الجوراسي-الطباشيري التي تعلو حدود سلسلة الجرانيت والرواسب الترياسية الجنوبية الغربية والجانب الغربي من كيلانتان. يتكون هذا التسلسل من تكتل مغطى بالحجر الرملي مع تقاطعات بركانية متفرقة (Rishworth 1974).

تم توفير خريطة طبوغرافية للمنطقة بمقياس 1: 200000 من قبل قسم المسح ورسم الخرائط ، ماليزيا. تم تنزيل نموذج ASTER Digital Elevation Model (ASTER GDEM ، 30 مترًا) وصور الأقمار الصناعية من 12 أبريل 2015 ، و 28 أبريل 2015 ، و 17 يوليو 2015 ، و 18 أغسطس 2015 (Landsat 8 OLI_TIRS بدقة 30 مترًا) من موقع الويب USGS (https: // مكتشف الأذن. usgs.gov/order/track/orderNum/0101508269318). تم تنزيل صور أقمار صناعية متعددة لهذا العام لتقليل الغطاء السحابي إلى أقل من 10٪ ثم تم استخراج صورة نقطية للمنطقة مع بيانات القمر الصناعي باستخدام أداة القطع في بيئة نظم المعلومات الجغرافية. تم توفير ملفات الأشكال لجميع أنهار وروافد كيلانتان من قبل إدارة المسح ورسم الخرائط ، ماليزيا ، وقدمت خريطة التربة لعام 2002 من قبل وزارة الزراعة ، ماليزيا. تم الحصول على بيانات شدة هطول الأمطار لمدة 30 دقيقة من 55 محطة (الشكل 1) من قسم الري والصرف ، ماليزيا. من بين 55 محطة ، 25 محطة جديدة نسبيًا مع بيانات مسجلة من عام 2005 فصاعدًا. لوحظت سجلات غير صحيحة ناتجة عن أخطاء في النظام لعدد قليل من المحطات. تم استبدال هذه السجلات بالقيم المقابلة لأقرب محطة. تم اختيار التسجيلات التي تبلغ مدتها 30 دقيقة ، والتي تم قياسها من 12:00 صباحًا إلى 12:00 صباحًا في اليوم التالي ، لكل محطة من يناير 2005 إلى ديسمبر 2015.

تم أخذ عينات من التربة من 36 موقعًا عشوائيًا (تم تحديدها من خلال الوصول إلى المواقع). تم أخذ عينات التربة في كل موقع من 0-20 سم من أجل إجراء تحليلات مقياس كثافة السوائل. تم خلط ثلاث عينات فرعية لكل عينة تربة. بالنسبة لسلسلة التربة التي لم يشملها أخذ العينات ، فقد تم أخذ القيم من إرشادات التعرية (DID 2010) لتحديد قيم مصداقية التربة.

تم حساب خسارة التربة المقدرة بواسطة معادلة RUSLE المستخدمة على نطاق واسع كما قدمها Renard et al. (1997):

[SL.sub. (xy)] = [R.sub. (xy) X [K.sub. (xy)] X [LS.sub. (xy)] X [C.sub. (xy)] X [ P.sub. (xy)] (1)

حيث تنتمي x و y إلى خلية شبكية بحجم 30 مترًا من DEM ، [SL.sub. (xy)] هو متوسط ​​خسارة التربة السنوية لكل وحدة مساحة (t [ha.sup.-1] [year.sup.-1] ) ، [R.sub. (xy)] هو عامل التآكل الناجم عن هطول الأمطار (MJ mm [ha.sup.-1] [h.sup.-1] [year.sup.-1]) ، [K.sub. (xy)] هو عامل تآكل التربة (Mg · h [MJ.sup.-1] [mm.sup.-1]) ، [LS.sub. (sy)] هو طول المنحدر وعامل الانحدار ، C (jy ) هو عامل الغلاف والإدارة و [P.sub. (xy)] هو عامل ممارسة الدعم. تم إنشاء الصور النقطية (30 م) لجميع العوامل من بيانات النقطة باستخدام الاستيفاء Kriging ثم تم مضاعفة قيم خلايا الشبكة للحصول على [SL.sub. (xy)]. يظهر الرسم البياني الذي يمثل منهجية الدراسة في الشكل 2 ، ويتم وصف كل خطوة أدناه.

تم حساب قيم مؤشر التآكل اليومي لهطول الأمطار ([EI.sub.30]) باستخدام بيانات كثافة هطول الأمطار لمدة 30 دقيقة للفترة 2005-2015. إذا كانت المدة بين حدثين تساوي أو تزيد عن فترة جافة ، فإن الحدثين يعتبران حدثين. تم حساب فترات الجفاف للبيانات على أساس "الحد الأدنى لمدة فترة الجفاف" والتي تم أخذها على أنها 6 ساعات في هذه الدراسة (Wischmeier and Smith 1978). شي وآخرون (2016) لاحظ أربعة أنواع من أحداث التآكل اليومية:

(1) يقع حدث تآكل واحد فقط يبدأ وينتهي في نفس اليوم

(2) يحدث أكثر من حدث تآكل واحد في غضون يوم واحد

(3) يحدث جزء فقط من حدث تآكل في يوم واحد

(4) تتداخل الأحداث مع الأيام إما قبل أو بعد اليوم المعني.

تم النظر في الأنواع الثلاثة الأولى من أحداث التآكل لتقدير متوسط ​​عامل R السنوي. لم يتم النظر في النوع الرابع من حدث التآكل لأن هذه الأحداث قليلة العدد وبالتالي ليس لها تأثير معنوي على تقدير تآكل الأمطار.

يتم حساب إجمالي الطاقة الحركية للعاصفة (E) باستخدام المعادلة التالية (Renard and Freimund 1994):

E = p [SIGMA] .sub.r = 1] [e.sub.r] [v.sub.r] (2)

حيث [e.sub.r] هي وحدة الطاقة الحركية لسقوط الأمطار للدقيقة rth (MJ [ha.sup.-1] [mm.sup.-1]) و [v.sub.r] هو حجم هطول الأمطار ( مم) خلال فترة زمنية ص (وهي 30 دقيقة في هذه الدراسة). يتم حساب [e.sub.r] لكل فترة زمنية باستخدام المعادلة التالية (Onaga et al. 1988):

[e.sub.r] = 0.098 + 0.106 x [log.sub.10] [i.sub.r] (3)

حيث [i.sub.r] هي كثافة هطول الأمطار (mm [h.sup.-1]). يتم حساب شدة هطول الأمطار لحدث هطول الأمطار باستخدام العلاقة:

[i.sub.r] = [DELTA] [v.sub.r] / [DELTA] [t.sub.r] (4)

حيث [DELTA] [v.sub.r] ، هو التغير في حجم هطول الأمطار (مم) و [DELTA] [t.sub.r] مدة الزيادة التي تعتبر خلالها كثافة هطول الأمطار ثابتة (ح). أخيرًا ، تم تقدير متوسط ​​عامل R السنوي بالمعادلة:

R = 1 / y [y.summation over j = 1] [[m.sub.j] .summation over k = 1] [(E x [I.sub.3]). sub.k] (5)

حيث y هو عدد السنوات ، [m.sub.j] هو عدد أحداث التآكل لسنة معينة j ، و E x [I.sub.30] هو مؤشر التآكل الناجم عن هطول الأمطار لحدث واحد k. [I.sub.30] هو الحد الأقصى لشدة هطول الأمطار في فترة 30 دقيقة أثناء الحدث (مم [h.sup.-1]). [R.sub. (xy)] تم حسابه عن طريق الاستيفاء لبيانات 55 محطة.

حساب قابلية التربة للتعرية

تم حساب عامل تآكل التربة (K) في وحدات SI وفقًا لـ (Renard et al. 1997) والذي يُعطى على النحو التالي:

K = 0.277 × [10.up.-6] (12 - OM) [M.sup.1.14] + 0.0043 (ثانية - 2) + 0.00330 - 3) (6)

حيث M هي (نسبة الطمي + نسبة الرمل الدقيقة جدًا) × (100 - نسبة الطين) ، OM هي نسبة المادة العضوية ، s هي معلمة هيكلية لعينة التربة و p هي معلمة نفاذية.

لحساب M و OM ، تم نخل عينات التربة المجففة بالهواء من خلال شبكة 2 مم في المختبر. تم استخدام الخسارة في طريقة الإشعال عند 550 درجة مئوية في الفرن لتحديد OM. تم استخدام طريقة مقياس كثافة السوائل (Bouyoucos 1962) لتحديد توزيع حجم جسيمات التربة ، وتم استخدام الغربلة الرطبة للحصول على نسبة الرمل الناعم للغاية ، حيث تم استخدام نسب الرمل والطمي والطين لتحديد أنواع التربة باستخدام قوام التربة. المثلث الذي حددته وزارة الزراعة الأمريكية (USDA 2018). تم تحديد قيم بنية التربة والنفاذية على أساس نوع التربة (DID 2010). توجد 21 سلسلة تربة في المستجمعات بقيم مختلفة لتآكل التربة. بالنسبة لسلسلة التربة التي تحتوي على أكثر من عينة تربة واحدة ، تم حساب متوسط ​​جميع قيم K لنفس سلسلة التربة ، وبالنسبة لتلك التي لم تحتوي على أي عينة من التربة ، تم أخذ القيم من المبادئ التوجيهية لتآكل التربة والتحكم في الرواسب في ماليزيا ( هل 2010). لحساب K (xy) ، تم تخصيص قيمة K لمضلعات كل سلسلة تربة حسب نقاط عينة التربة. تم تحويل الطبقة المتجهة بعد ذلك إلى صورة نقطية بدقة 30 م.

حساب عوامل L و S.

تم حساب عوامل [L.sub. (xy)] و [S. sub. (xy)] لخلية شبكية باستخدام المعادلات التالية (Mitasova et al. 1996 Nearing 1997):

[تعبير رياضي غير قابل للتكرار] (7)

[تعبير رياضي غير قابل للتكرار] (8)

حيث [X.sub. (xy)] هو تراكم التدفق (m) لخلية شبكة محسوبة في بيئة G1S ، و [m.sub. (xy)] هو متغير منحدر طول الأس (Wischmeier and Smith 1978) محسوب بالمعادلة التالية (Foster et al. 1977):

[M.sub. (xy) = [[beta] .sub. (xy)] / (1 + [[beta] .sub. (xy)] (9)

حيث [[beta]. sub. (xy)] هي نسبة خلية الشبكة من تآكل الغشاء إلى تآكل interrill ، محسوبًا باستخدام المعادلة التالية (McCool et al. 1989):

[[beta] .sub. (xy)] = (sin [[theta] .sub. [xy]] / 0.0896) / (3 x [(sin [[theta] .sub. (xy)]). sup. 0.8] + 0.56) (10)

حيث [[ثيتا]. الفرع (س ص)] هي زاوية ميل بالدرجات لخلية شبكية.

تعيين قيم عامل C و P.

تم إعداد غطاء استخدام الأراضي (LULC) لعام 2015 من خلال التفسير المرئي لبيانات لاندسات 8 في بيئة نظم المعلومات الجغرافية (أنيس وآخرون ، 2017). تم أخذ قيم عامل C و P من المبادئ التوجيهية لتآكل التربة والتحكم في الرواسب في ماليزيا (DID 2010) وتم تعيين هذه القيم لكل مضلع فئة LULC. أخيرًا تم الحصول على [C.sub. (xy)] و [P.sub. (xy)] عن طريق تحويل الطبقات المتجهة إلى صور نقطية بحجم 30 مترًا.

تحديد مستجمعات المياه وحساب إنتاجية الرواسب تم تحديد 82 مستجمعات مائية وتم استخراج قيم SL الخاصة بهم لكل خلية شبكية في بيئة GIS. تم حساب إنتاجية الرواسب لكل خلية شبكية باستخدام المعادلة التالية (Wischmeier and Smith 1978):

[SY.sub. (xy)] = [SDR.sub.n] x [SL.sub. (xy)] (11)

حيث [SY.sub. (xy)] هو محصول الرواسب (t [ha.sup.-1] [year.sup.-1]) ، n هو عدد مستجمعات المياه و [SDR.sub.n] هو نسبة توصيل الرواسب تم حسابها باستخدام المعادلة التالية (Ouyang and Bartholic 1997):

[SDR.sub.n] = 0.51 × [A.sup.-0.11.sub.n] (12)

حيث [A.sub.n] هي منطقة مستجمع المياه التاسع.

عامل التآكل الناجم عن هطول الأمطار (R)

تستقبل المنطقة هطول الأمطار على مدار العام ، حيث يتلقى شهري نوفمبر وديسمبر أعلى كثافة لهطول الأمطار وفترات طويلة. يحدث هطول أمطار قصير المدى عالي الكثافة في فبراير بينما تحدث أحداث أخرى عالية الشدة مع مدة قصيرة أيضًا خلال مارس-أكتوبر. يوجد في المتوسط ​​1532 حدث تآكل سنويًا في مستجمعات المياه. يتراوح متوسط ​​هطول الأمطار السنوي لمدة 10 سنوات في المنطقة بين 1885-4571 ملم حيث تهيمن الأحداث الفردية (أحداث النوع 1) ، بينما كان عامل R في نفس الفترة 10264-54282 ميجا جول ملم [ha.sup. .-1] [h.sup.-1] [year.sup.-1]. تتأثر معظم المنطقة (66.5٪) بمتوسط ​​التآكل السنوي لهطول الأمطار في حدود 15000-25000 ميغا جول ملم [ha.sup.-1] [h.sup.-1] [year.sup.-1 ]. يتبع ذلك 17.4٪ من المساحة التي تحتوي على 25000-30000 ميغا جول مم [ha.sup.-1] [ha.sup.-1] [year.sup.-1] ، 8.8٪ من الأرض شهدت 30000 40 000 ميغا جول مم [ha.sup.-1] [h.sup.-1] [year.sup.-1] و 5.8٪ بأكثر من 40000 ميغا جول مم [ha.sup.-1] [h.sup.- 1] [year.sup.-1] متوسط ​​التآكل السنوي لهطول الأمطار (الشكل 3).

كان أعلى متوسط ​​سنوي للتعرية المطرية في الجزء الجنوبي الشرقي والشمالي الغربي من مستجمعات المياه. يتم عرض تفاصيل متوسط ​​هطول الأمطار السنوي ، وقيم التآكل الناجم عن هطول الأمطار وعدد الأحداث التآكلي لـ 55 محطة في الجدول SI (المواد التكميلية).

عامل تآكل التربة (ك)

يمثل العامل K ، الذي يرتبط بالتأثير المشترك لسقوط الأمطار والجريان السطحي والتسلل على فقدان التربة ، تأثيرات خصائص التربة وخصائص خصائص التربة على فقدان التربة (رينارد وآخرون 1997). تراوحت نسبة الرمل بين 2.4-88.2٪ بمتوسط ​​37.6٪ والطمي 3.3-86.9٪ بمتوسط ​​41.5٪ والطين 0-42.2٪ بمتوسط ​​20.7٪. تراوحت بنية التربة في حدود 1-4 بمتوسط ​​3 ونفاذية 2-6 بمتوسط ​​3.3 ، مما يدل على هيمنة نوع التربة الطميية في مستجمعات المياه. كان K في مستجمعات المياه في حدود 0.02-0.06 بمتوسط ​​0.042 Mg · h [MJ.sup.-1] [mm.sup.-1] (الشكل 4).

بشكل عام ، التربة الطينية مقاومة للانفصال ، والتربة الرملية مقاومة للنقل بسبب معدلات تسللها المرتفعة وتربة الطمي الطينية قابلة للانفصال قليلاً. يكون الترشيح معتدلاً إلى منخفض بالنسبة للتربة الطينية الطينية ، مما ينتج عنه جريان متوسط ​​إلى مرتفع ، كما أن الرواسب معتدلة إلى سهولة نقلها (Ganasri and Ramesh 2016). بسبب هذه الظروف ، فإن التربة الرملية والطينية لها قيم منخفضة من K ولكن التربة الطينية الطينية متوسطة إلى عالية. يؤثر محتوى OM في التربة أيضًا على قدرة التسلل والجريان السطحي. يقلل محتوى OM المنخفض من قدرة التسلل والعكس صحيح (Molina et al.2007). كان محتوى OM في مستجمعات المياه في حدود 1.8-9.8٪ بمتوسط ​​5.4٪ ، وهي قيمة عالية وتوضح أن المستجمعات ذات قدرة تسلل عالية. من بين 21 سلسلة تربة ، سيطرت الأراضي شديدة الانحدار على المنطقة (63.9٪) مع K 0.042 Mg h [MJ.sup.-1] [mm.sup.-1] ، تليها Durian-Munchong-Bungor (14.3٪) ) مع K لـ 0.043 Mg · h [MJ.sup.-1] [mm.sup.-1] و Rengam-Jerangau (5.4٪) مع K لـ 0.043 Mg · h [MJ.sup.-1] [mm.sup. -1]. يمكن أن تكون هيمنة الأراضي شديدة الانحدار في المصيد سببًا للتعرية العالية في المنبع وكمية كبيرة من الترسبات في اتجاه مجرى النهر ، والتي يمكن أن تقلل من عمق النهر. يتم عرض المنطقة التي تغطيها جميع سلاسل التربة في الجدول 1.

طول المنحدر وعامل الانحدار (LS)

يعكس عامل LS تأثير طول المنحدر والانحدار على التعرية. في دراستنا ، تنوع عامل LS في حدود 0-402 و 88 ٪ من منطقة مستجمعات المياه تمتلك LS من 0-5. تمثل القيم الصفرية 51.8 ٪ من منطقة مستجمعات المياه. تفاوت المنحدر في حدود 0-88.1 [درجة]. تشير هيمنة عوامل LS المنخفضة في مستجمعات المياه إلى تأثير أقل لطول المنحدر وعامل الانحدار على التربة. يوضح الشكل 5 توزيع LS وقيم الميل في مستجمعات المياه.

كانت الأسس المتغيرة لطول المنحدر في المنطقة في نطاق 0.1-0.7 مع 61.2٪ من المساحة بقيم تتجاوز 0.6. ترد في الجدول 2 قيم مختلفة متغيرة لطول المنحدر (م) والمساحة التي تغطيها منحدرات مختلفة.

عامل إدارة الغطاء (C) وعامل ممارسة الدعم (P)

تم تحديد تسع فئات من LULC من خلال التفسير المرئي باستخدام بيانات Landsat بدقة 30 م. يعتبر عامل C مهمًا جدًا لإدارة المحاصيل بينما يمثل P ممارسات التحكم التي تقلل من احتمالية تآكل الجريان السطحي. يؤثر هذان العاملان على أنماط الصرف ، وتركيزات الجريان السطحي ، وسرعات الجريان السطحي والقوى الهيدروليكية الناتجة عن الجريان السطحي على التربة (Ganasri and Ramesh 2016) وتم حسابهما لكل خلية شبكية باستخدام خريطة LULC. تُظهر قيم C و P الأقرب إلى الصفر (0) غطاء أرضي محمي جيدًا وممارسات محافظة جيدة. تُظهر القيم القريبة من 1 الأراضي القاحلة والممارسات المحافظة السيئة. تم أخذ قيم C و P من إرشادات DID (DID 2010) والتي تراوحت من 0.03 (غابة كثيفة) إلى 0.85 (أرض نفايات) و 0.4 (بستنة مختلطة وزيت النخيل) إلى 1 (غابة كثيفة ، غابة ، فرك ، منطقة استيطان والجسم المائي) على التوالي. تهيمن على المنطقة غابات كثيفة وأراضي مغطاة بالغابات ذات قيم منخفضة من الكربون والفوسفور تشير إلى الحد الأدنى من التأثير على تآكل التربة. تظهر قيم C و P لمنطقة الدراسة في الشكل 6. وترد تفاصيل منطقة LULC وقيمها C و P في الجدول 3.

تقدير متوسط ​​الفاقد السنوي للتربة

كان متوسط ​​خسارة التربة السنوية في حدود 0-60793 بمتوسط ​​5535 طنًا [ha.sup.-1] [year.sup.-1]. يقدر أن 36 ٪ من منطقة مستجمعات المياه لديها صفر متوسط ​​سنوي لخسارة التربة. بما في ذلك المتوسط ​​الصفري السنوي لخسارة التربة ، فإن 83.8٪ من المساحة بها خسارة تربة تقديرية في حدود 0-4001 هكتار في السنة 1 (الشكل 7). وبالتالي ، فإن 16.2٪ من المساحة لديها خسارة في التربة تقدر بـ400-60 7931 [ha.sup.-1] [year.sup.-1]. كانت هذه القيم العالية مبعثرة ومن ثم يصعب رؤيتها في الشكل 7. ترتبط كل هذه القيم العالية ببقع خضراء فاتحة في المنطقة.

تم تصنيف خسارة التربة المقدرة في مستجمعات المياه في ثماني فئات من LULC: غابة كثيفة (974.1 [km.sup.2]) في الجزء الجنوبي الشرقي من مستجمعات المياه ، والغابات (124.8 كم 2) ، والفرك (470.1 [km.sup. .2]) ، الأرض غير المزروعة (527.1 [km.sup.2]) ، البستنة المختلطة (49 [km.sup.2]) ، زيت النخيل (123.4 [km.sup.2]) ، منطقة الاستيطان (45.2 [كم. .sup.2]) والأرض القاحلة (8.2 [km.sup.2]). ارتبط متوسط ​​خسارة التربة السنوية المقدرة بأكثر من 400 طن [ha.sup.1] [year.sup.-1] بالمنحدرات العالية والأمطار العالية في جميع فئات LULC. لوحظ عدم وجود خسارة في التربة أو عدم ملاحظتها (0) في 41.6٪ من منطقة مستجمعات المياه تحت كل فئة من فئات LULC وكانت مرتبطة بانحدار منخفض (الجدول 4).

ترسيم مستجمعات المياه وخسارة التربة المقدرة

تم تحديد اثنين وثمانين مستجمعات المياه على أساس اتجاهات تدفق الصرف ، والمنحدر ، والتضاريس والتضاريس في بيئة نظم المعلومات الجغرافية وتم وضع علامة عليها باسم W1-W82. أكبر وأصغر مناطق مستجمعات المياه داخل مستجمعات المياه هي 875.8 [كم. كان لمستجمعات المياه منحدرات مختلفة ، وارتفاع ، ومساحة ، وفئات LULC مختلفة وبالتالي خسائر مختلفة في التربة. لذلك ، لتقدير متوسط ​​خسائر التربة السنوية لمستجمعات المياه ، تم قطع كل مستجمعات المياه بمتوسط ​​خسائر التربة السنوية التقديرية في مستجمعات المياه في بيئة نظام المعلومات الجغرافية. تم تقسيم قيم خسارة التربة المقدرة إلى خمس فئات على أساس النسبة المئوية للمساحة المغطاة من أجل تحديد توزيع خسائر التربة في مستجمعات المياه (الجدول 5).

كانت خسارة التربة المقدرة لمستجمعات المياه (1) 0-100 طن [ha.sup.-1] [year.sup.-1] فقدان التربة لـ 60.1٪ من المساحة ، (2) 100-200 طن [هكتار. sup.-1] [year.sup.-1] فقد التربة بنسبة 13.1٪ ، (iii) 200-300 طن [ha.sup.-1] [year.sup.-1] خسارة التربة بنسبة 6.6٪ ، (iv) ) 300400 طن [ha.sup.-1] [year.sup.-1] فقدان التربة بنسبة 6.6٪ ، و (v) فقدان التربة لأكثر من 400 طن [ha.sup.-1] في العام الأول بنسبة 16.2٪.

أعلى غطاء أرضي تعرض لفقدان التربة لأكثر من 400 طن [ha.sup.-1] [year.sup.-1] كان في W6 ، مع 63.6٪ ، على عكس W36 الذي كان 4.9٪ فقط. وقد تم ربط هذا بنوع غطاء التربة لمستجمعات المياه الذي يمثله W53 مع 1.25 فقط [كم 2 زائد] من الغطاء الحرجي مع فقدان التربة لأكثر من 400 طن [ha.sup.-1] [year.sup. .-1] من 19.9٪ من المساحة و W60 الذي يمتلك مساحات غابات كبيرة تبلغ 515.6 [km.sup.2] تشهد 400 طن [ha.sup.-1] [year.sup.-1] من 13.8٪ من المساحة منطقة. وهذا يدل على أن خسارة التربة المقدرة كانت عالية في مناطق الغابات منخفضة الكثافة ومنخفضة في مناطق الغابات عالية الكثافة

تراوحت مساحة الغابات والشجيرات ذات الخسارة العالية للتربة في مستجمعات المياه من 0.08 [كم. sup.2] (W5) إلى 221.8 [كم. 273.9 [km.sup.2] (W62) على التوالي. وبالمثل ، تراوحت مساحة فئتي الغابات والشجيرات ذات الفاقد العالي للتربة في مستجمعات المياه من 12.5٪ (W5) إلى L6.3٪ (W60) و 12.8٪ (W49) إلى 27.6٪ (W62) على التوالي. خسائر التربة التقديرية العالية جدًا (أكبر من 400 طن [هكتار. sup.-1] [year.sup.-1]) في النسب المئوية العالية من مساحة الغابات (W60) والشجيرات (W62) كانت بسبب الكميات الكبيرة من الأنشطة الزراعية مثل البستنة المختلطة وزيت النخيل والأراضي غير المزروعة في مستجمعات المياه. في W51 ، حيث تم تطهير 17.3٪ من مستجمعات المياه من الغابات لإفساح المجال للمستوطنات ذات الغطاء الأرضي الذي يتكون من الشجيرات والمناطق غير المزروعة والبستنة المختلطة ، كان هناك فقدان كبير للتربة. تم إعطاء العلاقات بين فئات LULC وفئات خسارة التربة المقدرة لجميع مستجمعات المياه في الجدول S2.

حصيلة رواسب مستجمعات المياه

تم حساب محصول الرواسب لكل خلية شبكية باستخدام Eqn 11 لكل مستجمع مائي. تراوحت نسبة توصيل الرواسب من 0.242 (عرض 60) إلى 0.444 (عرض 48) بمتوسط ​​0.305. لم تسفر بعض المناطق عن أي رواسب ولكن مستجمعات المياه الأخرى أنتجت غلات رسوبية تصل إلى 5112.6 طنًا [ha.sup.-1] [year.sup.-1] من W19 إلى 224440.1 طن [ha.sup.-1] [العام. sup.-1] من W31 ، بمتوسط ​​1629.81 [ha.sup.-1] [year.sup.-1] لمستجمعات المياه الإجمالية. أنتج ما لا يقل عن 10.8٪ من مستجمعات المياه غلات من الرواسب في حدود 200-36 741 طنًا [ha.sup.-1] [year.sup.-1] مع 89.1٪ أقل من 200 طن [هكتار] .sup.-1] [year.sup.-1] ، والتي متوسط ​​مساحة 35.7٪ منها لم تولد أي رواسب (الشكل 8).

تم إجراء تحليل منطقة جميع مستجمعات المياه لتحديد توزيع محصول الرواسب وتصنيف المنطقة إلى مجموعات إنتاجية مختلفة. تم اختيار خمس فئات من الفاصل الزمني المتساوي على أساس غالبية المنطقة التي تقل فيها عن 200 طن [ha.sup.-1] [year.sup.-1] في مستجمعات المياه. يوضح الجدول 6 الفئات الخمس لإنتاجية الرواسب والنسبة المئوية لمناطق مستجمعات المياه التي تغطي فئات مختلفة من إنتاجية الرواسب.

تباينت المناطق داخل مستجمعات المياه التي أعطت غلات رواسب منخفضة للغاية من 35.3٪ من مساحة الأرض W6 إلى 85.5٪ من W36 ، وترتبط في الغالب بغطاء أرضي من الغابات الكثيفة والغابات والشجيرات. ارتبطت غلات الرواسب العالية بالأنشطة الزراعية والأراضي غير المزروعة في المناطق ذات المنحدرات العالية (الشكل 7). ومع ذلك ، أظهر نفس الغطاء الأرضي للأراضي غير المزروعة والأنشطة الزراعية غلات رواسب منخفضة إلى متوسطة في مناطق المنحدرات المنخفضة والجزء السفلي من النهر. تحتوي مستجمعات المياه ذات الغطاء الأرضي غير الزراعي مثل W9 و W19 و W27 و W28 و W29 و W32 و W33 و W34 و W39 و W40 و W43 و W48 و W50 و W51 على مناطق أصغر تنتج كميات كبيرة من الرواسب. ومع ذلك ، داخل مستجمعات المياه هذه ، حدثت زيادة في مساحة الأرض التي أسفرت عن ترسبات عالية إذا كانت المنحدرات أعلى وأكثر حدة ، وتم تطهير الأرض ولكنها غير مزروعة وكانت هناك كثافة عالية للأمطار. يتلقى مستجمعات المياه بشكل عام كثافة هطول أمطار عالية خاصة خلال شهري نوفمبر وديسمبر ، مما قد ينتج عائدًا مرتفعًا من الرواسب من الأراضي الزراعية وغير المزروعة. يتم إنشاء محصول الرواسب العالي عندما يؤدي هطول الأمطار بكثافة عالية إلى تآكل سطح التربة المكشوف والجريان السطحي ثم ينقل التربة المتآكلة أسفل المنحدرات الشديدة والانحدار إلى الأنهار (Kamaludin et al. 2013). تمت مقارنة متوسط ​​قيم خسارة التربة المقدرة ومحصول الرواسب لجميع مستجمعات المياه (الشكل 9) ويشير معامل التحديد العالي ([R.

تقييم تأثير عوامل انجراف التربة

يرتبط فقدان التربة ارتباطًا وثيقًا بهطول الأمطار وخصائص التربة وتغيرات LULC والتضاريس. تشير النتائج والمناقشات أعلاه إلى أن القيم المنخفضة لـ LS كان لها تأثير ضئيل على خسائر التربة في مستجمعات المياه التي كانت تهيمن عليها الغابات الكثيفة والغابات ولديها إدارة جيدة للغطاء وممارسات داعمة. حدثت خسائر عالية في التربة وعوائد الرواسب في كل من الأراضي الزراعية وغير المزروعة في المناطق ذات المنحدرات العالية والحادة ولكن لوحظت خسائر التربة المنخفضة إلى المتوسطة في فئات LULC الأخرى. المنحدرات الشديدة التي تغطيها الغابات بكثافة لا تخضع لتآكل التربة بسبب التأثير غير المباشر لسقوط الأمطار. ومع ذلك ، إذا كانت شدة هطول الأمطار عالية بما فيه الكفاية ، فسيكون لها تأثير مباشر على أسطح التربة المكشوفة مثل الأراضي الزراعية والأراضي غير المزروعة ، كما تؤثر أيضًا على مناطق الغابات الكثيفة والغابات كما هو الحال في الجزء الجنوبي الشرقي من مستجمعات المياه.

تم إجراء دراسات في مستجمعات المياه لتحديد تأثير هطول الأمطار وتغيرات LULC على الجريان السطحي. سعداتة وآخرون. قام (2016) بالتحقيق في تأثير تغييرات LULC على ذروة التدفق وحجم الجريان السطحي باستخدام النمذجة الهيدرولوجية ووجد أن الزيادة في تدفق المياه الشديد كانت بسبب تقليل مناطق الغابات مما أدى إلى تقليل تغطية المظلة. ويتجلى ذلك في تحويل استخدام الأراضي من الغابات إلى مزارع نخيل الزيت وأنشطة البستنة. يساهم التدفق الطبيعي في التدفق المتولد من مناطق الغابة والغابات الثانوية. Asmat et al. (2016) درس تأثير تغييرات LULC على زيادة وتيرة الفيضانات وشدتها باستخدام النمذجة الهيدرولوجية في مستجمعات المياه. ووجدوا أن الجريان السطحي المباشر من مناطق ذات غطاء مظلة منخفض مثل المستوطنات البشرية والأراضي الزراعية ومناطق المراعي كانت في الغالب العامل المسبب لأحداث الفيضانات مقارنة بالمناطق ذات المظلة الأكثر كثافة ، والتي تحافظ على التدفق الطبيعي. Basarudin et al. (2014) درس تأثير هطول الأمطار أثناء أحداث هطول الأمطار الشديدة على النموذج الهيدرولوجي في مستجمعات المياه ووجد أن تغيرات هطول الأمطار كان لها تأثيرات كبيرة على ذروة التصريف وأعماق الجريان السطحي. عدنان وآخرون. (2014) مقارنة تأثيرات تغيرات LULC وهطول الأمطار على الاستجابات الهيدرولوجية ووجد أن تأثير هطول الأمطار كان أكبر بثلاث إلى أربع مرات من تغيرات LULC في مناطق المنحدرات العالية. ومع ذلك ، كان لتغييرات LULC تأثير ضئيل للغاية على التخفيف من الاستجابات الهيدرولوجية ، خاصة في المناطق ذات التدرجات المنخفضة. واقترحوا أيضًا أن تأثير تغير استخدام الأراضي على استجابة جريان الأمطار ، في مناطق هطول الأمطار العالية ، قد ينخفض ​​أكثر ويسمح لهطول الأمطار بأن يصبح العامل المهيمن في إحداث تغييرات في ذروة التصريف وأحجام الجريان السطحي خلال مواسم الرياح الموسمية. From these studies, it can be concluded that the combined effects of high precipitation and agricultural activities on steep slopes are the main causes of high soil erosion within the catchment.

Prioritisation of watersheds

Watersheds were prioritised by assigning the ranking of different watersheds on the basis of soil erosion probability zones. Soil erosion probability zones were identified by overlying soil loss and sediment yield layers for each watershed. The criteria of assigning probability are shown in Table 7.

The average probability values of each pixel of soil loss and sediment yield layers for each watershed were used to identify the probability zones, which ranged from very low to very high probability (Fig. 10).

The ranks were assigned on the basis of size of the areas (in percentage) covering high and very high probability zones (Table 7). This was followed by prioritisation determined on the basis of average ranking values of high and very high probability zones (Fig. 9). Very high probability zones in watersheds ranged from 6.4% (W36) to 61.6% (W28) with an average area of 20.1%. Areas with high probability zones ranged from 1.2% (W28) to 28.5% (W15) with an average area of 17.8%. Based on the prioritisation results, W13 and W23 fell under very high and high priority respectively but no watershed was assessed of low priority (Fig. 9). All very high priority watersheds were associated with steep land only, and high priority watersheds were associated with both steep land and low slope areas. Very high priority watersheds were also associated with dense forest, indicating that high rainfall and topography play key roles during soil erosion in the study area. However, the association of very high priority watersheds with dense forest is contradictory, and may be due to the combined effects of deforestation activities, steep land, high precipitation and high slope in the area.

A case study was conducted to determine the pixel-based soil erosion in the catchment by calculating the estimated soil loss and sediment yield. Soil erosion probability zones were identified and watersheds were prioritised using remote sensing and GIS techniques. There were 82 watersheds delineated from the catchment on the basis of drainage flow directions, relief, slope and topography.

Due to variation in slope-length exponent, the use of a single slope-length exponent value (as done by previous researchers) will not give accurate results. Maximum and minimum average annual soil losses and sediment yields were found in W6 and W48 respectively. An average of 41.6% of the area experienced no soil loss and 18.7% of the area suffered very high soil loss in each LULC class. Large areas of uncultivated land showed very high soil losses, and forested zones had very low soil losses.

Probability zones for soil erosion indicated that W28 and W15 had the largest areas of very high and high probability zones. Out of the 82 watersheds, W13 and W23 were in very high and high priority areas respectively. The soil erosion and prioritisation results indicate that the combined effects of high precipitation and agricultural activities on steep slopes were the main causes of high soil erosion in the catchment. Very high soil losses from uncultivated land, impact assessment and prioritisation results indicated that high rainfall was not the sole contributor to soil erosion - other contributory features such as agricultural activities or deforestation on steep slopes will ultimately enhance the rate of soil erosion in the catchment. Furthermore, the use of remote sensing and GIS in pixel-based soil erosion analysis was very effective in achieving more accurate results which, however, depends on the resolution of satellite images.

We suggest that future studies should use 2D hydrologieal modelling for rainfall-runoff relationships due to LULC changes and topography in catchment studies and to determine the accuracy of RUSLE and sediment yield models with highresolution remote sensing data such as SPOT 5 (2.5 m resolution) and LIDAR based DEM (2.5 m resolution). Sediment yield models should also be correlated with in situ sediment yield data through hydrologieal modelling.

The authors declare no conflicts of interest.

Supplementary material contains two tables. Table SI shows the details of all rainfall stations in the study area. Table S2 shows the relationship between LULC classes and estimated soil loss categories in terms of area.

We gratefully acknowledge the Malaysian Meteorological Department, the Department of Irrigation and Drainage, and the School of Physics and the School of Industrial Technology of University Sains Malaysia for providing the required research facilities, a University fellowship and data for this work. We are also thankful to the reviewers of this paper for their valuable suggestions. We would like to acknowledge Universiti Sains Malaysia for providing the financial support through Grant 100I/PTEKIND/8011021 to carry out this work.

Adnan NA, Basarudin Z, Che Omar N (2014) Variation in hydrologieal responses estimation simulations due to land use changes. In "International conference on civil, biological and environmental engineering (CBEE)', 27-28 May 2014, Istanbul, Turkey.

Ahmed S, Chandrashekarappa K, Raj S, Nischitha V, Kavitha G (2010) Evaluation of morphometric parameters derived from ASTER and SRTM DEM--a study on Bandihole sub-watershed Basin in Karnataka. Journal of the Indian Society of Remote Sensing 38, 227-238. doi: 10.1007/ si 2524-010-0029-3

Alexakis D, Grillakis M, Koutroulis A, Agapiou A, Themistocleous K, Tsanis I, Michaelides S, Pashiardis S, Demetriou C, Aristeidou K (2014) GIS and remote sensing techniques for the assessment of land use change impact on flood hydrology: the case study of Yialias basin in Cyprus. Natural Hazards and Earth System Sciences 14, 413-426. doi: 10.5194/ nhess-14-413-2014

Anees MT, Javed A, Khanday MY (2014) Spatio-temporal land cover analysis in Makhawan Watershed (MP), India through remote sensing and GIS techniques. Journal of Geographic Information System 6(04), 298-306. doi: 10.4236/jgis.2014.64027

Anees MT, Abdullah K, Nawawi MNM, Norulaini NAN, Piah ARM, Syakir MI, Omar MAK (2017) Effect of upstream on downstream due to spatio-temporal land use land cover changes in Kelantan, Peninsular Malaysia. Nature Environment and Pollution Technology 16, 29-35.

Asmat A, Mansor S, Saadatkhah N, Adnan NA, Khuzaimah Z (2016) Land use change effects on extreme flood in the Kelantan Basin using hydrologieal model. In 'ISFRAM 2015' (Eds W Tahir, P Abu

Bakar, M Wahid, S Mohd Nasir, W Lee) pp. 221 236 (Springer: Singapore)

Basarudin Z, Adnan NA, Latif ARA, Tahir W, Syafiqah N (2014) Eventbased rainfall-runoff modelling of the Kelantan River Basin. IOP Conf. Ser.: Earth Environ. علوم. 18(012084).

Bouyoucos GJ (1962) Hydrometer method improved for making particle size analyses of soils. Agronomy Journal 54, 464-465. doi: 10.2134/ agronj 1962.00021962005400050028x

Cristiano PM, Campanello PI, Bucci SJ, Rodriguez SA, Lezcano OA, Scholz FG, Madanes N, Di Francescantonio D, Carrasco LO, Zhang YJ (2015) Evapotranspiration of subtropical forests and tree plantations: a comparative analysis at different temporal and spatial scales. Agricultural and Forest Meteorology 203, 96-106. doi:10.1016/ j.agrformet.2015.01.007

Cunha ER, Bacani VM, Panachuki E (2016) Modeling soil erosion using RUSLE and GIS in a watershed occupied by rural settlement in the Brazilian Cerrado. Natural Hazards 2, 851-868.

Department of Irrigation and Drainage (2010) Guideline for erosion and sediment control in Malaysia. Department of Irrigation and Drainage (DID): Kuala Lumpur

Dinesh A, Markose VJ, Jayappa K (2012) Bearing, azimuth and drainage (bAd) calculator: A new GIS supported tool for quantitative analyses of drainage networks and watershed parameters. Computers & Geosciences 48, 67-72. doi: 10.1016/j.cageo.2012.05.016

Foster GR, Meyer LD, Onstad CA (1977) A runoff erosivity factor and variable slope length exponents for soil loss estimates. Transactions of the ASAE. American Society of Agricultural Engineers 20, 0683-0687. doi: 10.13031/2013.35628

Ganasri B, Ramesh H (2016) Assessment of soil erosion by RUSLE model using remote sensing and GIS-A case study of Nethravathi Basin. Geoscience Frontiers 7, 953-961. doi: 10.1016/j.gsf.2015.10.007

Gao Y, Zhong B, Yue H, Wu B, Cao S (2011) A degradation threshold for irreversible loss of soil productivity: a long-term case study in China. Journal of Applied Ecology 48, 1145-1154. doi:10.1111/j. 1365-2664. 2011.02011.x

Gichamo TZ, Popescu I, Jonoski A, Solomatine D (2012) River crosssection extraction from the ASTER global DEM for flood modeling. Environmental Modelling & Software 31, 37-46. doi: 10.1016/j.envsoft. 2011.12.003

Chen H, Oguchi T, Pan W (2017) Assessment for soil loss by using a scheme of alterative sub-models based on the RUSLE in a Karst Basin of Southwest China. Journal of Integrative Agriculture 16, 377-388. doi: 10.1016/S2095-3119(16)61507-1

Heng GS, Hoe TG, Hassan WFW (2006) Gold mineralization and zonation in the State of Kelantan. Geological Society of Malaysia Bulletin 52, 129-135.

Ismail J, Ravichandran S (2008) RUSLE2 model application for soil erosion assessment using remote sensing and GIS. Water Resources Management 22, 83-102. doi: 10.1007/s 11269-006-9145-9

Javed A, Khanday MY, Ahmed R (2009) Prioritization of sub-watersheds based on morphometric and land use analysis using remote sensing and GIS techniques. Journal of the Indian Society of Remote Sensing 37, 261. doi: 10.1007/s 12524-009-0016-8

Kamaludin H, Lihan T, Ali Rahman Z, Mustapha M, Idris W, Rahim S (2013) Integration of remote sensing, RUSLE and GIS to model potential soil loss and sediment yield (SY). Hydrology and Earth System Sciences Discussions 10, 4567-1596. doi:10.5194/hessd-10-4567-2013

Khan MMA, Shaari NA, Nazaruddin DAB, Mansoor HEB (2015) Floodinduced river disruption: geomorphic imprints and topographic effects in Kelantan river catchment from Kemubu to Kuala Besar, Kelantan, Malaysia. International Journal of Geological and Environmental Engineering9(1), 10-14.

Malekian A, Azarnivand A (2016) Application of integrated Shannon's entropy and VIKOR techniques in prioritization of flood risk in the Shemshak watershed, Iran. Water Resources Management 30, 409-425. doi: 10.1007/s11269-015-1169-6

Markose VJ, Jayappa K (2016) Soil loss estimation and prioritization of sub-watersheds of Kali River basin, Karnataka, India, using RUSLE and GIS. Environmental Monitoring and Assessment 188(4), 1-16. doi: 10.1007/s 10661-016-5218-2

McCool DK, Foster GR, Mutchler C, Meyer L (1989) Revised slope length factor for the Universal Soil Loss Equation. Transactions of the ASAE. American Society of Agricultural Engineers 32, 1571-1576. doi: 10.13031/2013.31192

Merwade V, Cook A, Coonrod J (2008) GIS techniques for creating river terrain models for hydrodynamic modeling and flood inundation mapping. Environmental Modelling & Software 23, 1300-1311. doi: 10.1016/j.envsoft.2008.03.005

Mitasova H, Hofierka J, Zlocha M, Iverson LR (1996) Modelling topographic potential for erosion and deposition using GIS. International Journal of Geographical Information Systems 10(5), 629-641. doi: 10.1080/02693799 608902101

Molina A, Covers G, Vanacker V, Poesen J, Zeelmaekers E, Cisneros F (2007) Runoff generation in a degraded Andean ecosystem: interaction of vegetation cover and land use. Catena 71, 357-370. doi:10.1016/ j.catena.2007.04.002

Nearing M (1997) A single, continuous function for slope steepness influence on soil loss. Soil Science Society of America Journal 61. 917-919. doi: 10.2136/sssaj 1997.03615995006100030029x

Ochoa-Cueva P, Fries A, Montesinos P, Rodriguez-Diaz JA, Boll J (2015) Spatial estimation of soil erosion risk by land-cover change in the Andes of southern Ecuador. Land Degradation & Development 26. 565-573. doi: 10.1002/ldr.2219

Onaga K, Shirai K, Yoshinaga A (1988) Rainfall erosion and how to control its effects on farmland in Okinawa. In 'Land conservation for future generations'. (Ed. Rimwanich S) pp. 627-639. (Department of Land Development: Bangkok).

Ouyang D, Bartholic J (1997) Predicting sediment delivery ratio in Saginaw Bay watershed. In 'Proceedings of the 22nd National Association of Environmental Professionals Conference', 19-23 May, Orlando, Florida, pp. 659-671. (National Association of Environmental Professionals: USA)

Rawat KS, Tripathi VK, Mishra AK (2014) Sediment yield index mapping and prioritization of Madia subwatershed, Sagar District of Madhya Pradesh (India). Arabian Journal of Geosciences 7, 3131-3145. doi: 10.1007/s 12517-013-1007-1

Renard KG, Freimund JR (1994) Using monthly precipitation data to estimate the R-factor in the revised USLE. Journal of Hydrology 157, 287- 306. doi: 10.1016/0022-1694(94)901104

Renard KG, Foster GR, Weesies G, Mccool D, Yoder D (1997) 'Predicting soil erosion by water: a guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE).' (US Government Printing Office: Washington, DC)

Rishworth DEH (1974) 'The Upper Mesozoic terrigenous Gagau Group of Peninsular Malaysia.' (Ministry of Primary Industries: Kuala Lumpur)

Rozos D, Skilodimou HD, Loupasakis C, Bathrellos GD (2013) Application of the revised universal soil loss equation model on landslide prevention. An example from N. Euboea(Evia) Island, Greece. Environmental Earth Sciences 70, 3255-3266. doi: 10.1007/s 12665-013-2390-3

Saadatkhah N, Tehrani MH, Mansor S, Khuzaimah Z, Kassim A, Saadatkhah R (2016) Impact assessment of land cover changes on the runoff changes on the extreme flood events in the Kelantan River basin. Arabian Journal of Geosciences 9, 1-17. doi: 10.1007/s12517016-2716-z

Shinde V, Tiwari KN, Singh M (2010) Prioritization of micro watersheds on the basis of soil erosion hazard using remote sensing and geographic information system. International Journal of Water Resources and Environmental Engineering 5(2), 130-136.

United States Department of Agriculture (USDA) (2018) Soil texture calculator. Available at https://www.nrcs.usda.gov/wps/portal/nrcs/detail/ soils/survey/?cid=nrcs142p2_054167 [verified 22 February 2018]

Walsh RPD, Bidin K, Blake W. Chappell N, Clarke M, Douglas I, Ghazali R, Sayer A, Suhaimi J, Tych W (2011) Long-term responses of rainforest erosional systems at different spatial scales to selective logging and climatic change. Philosophical Transactions of the Royal Society of London. Series B. Biological Sciences 366, 3340-3353. doi:10.!098/ rstb.2011.0054

Wischmeier WH, Smith DD (1978) 'Predicting rainfall erosion losses-a guide to conservation planning.' (USDA, Science and Education Administration: Hyattsville, Maryland)

Xie Y, Yin SQ, Liu BY, Nearing MA, Zhao Y (2016) Models for estimating daily rainfall erosivity in China. Journal of Hydrology 535, 547-558. doi: 10.1016/j.jhydrol.2016.02.020

Zhao G, Kondolf GM, Mu X, Han M, He Z, Rubin Z, Wang F, Gao P, Sun W (2017) Sediment yield reduction associated with land use changes and check dams in a catchment of the Loess Plateau, China. Catena 148. 126-137. doi: 10.1016/j.catena.2016.05.010

M. T. Anees (A,D), K. Abdullah (A), M. N. M. Nawawi (A), N. A. N. Norulaini (B), M. I. Syakir (C), and A. K. M. Omar (C)

(A) School of Physics, Universiti Sains Malaysia, 11800 Minden, Penang, Malaysia.

(B) School of Distance Education, Universiti Sains Malaysia, 11800 Minden, Penang, Malaysia.

(C) School of Industrial Technology, Universiti Sains Malaysia, 11800, Minden, Penang, Malaysia.

(D) Corresponding author. Email: [email protected]

Received 24 July 2017, accepted 19 December 2017, published online 1 March 2018

Caption: Fig. 1. Study area with rainfall stations and soil sampling points.

Caption: Fig. 2. Flow chart showing the methodology of this study.

Caption: Fig. 3. Study area (a) rainfall and (b) rainfall erosivity factor.

Caption: Fig. 4. Soil erodibility (K) factor obtained by shape file of 2002 soil map. which was obtained from Department of Agriculture, Malaysia.

Caption: Fig. 5. Length and slope steepness (LS) factor of the study area.

Caption: Fig. 6. Study area (a) Cover management (C) factor and (b) support practice (P) factor.

Caption: Fig. 7. Estimated soil loss map of the study area.

Caption: Fig. 8. Sediment yield map of the study area.

Caption: Fig. 9. Comparison of average values of estimated soil loss and sediment yield of all watersheds.

Caption: Fig. 10. Study area (a) soil erosion probability zones divided into five categories and (b) prioritisation of watersheds by assigning the ranking criteria on the basis of area covered by high and very high probability zones.


شاهد الفيديو: Seattle Streets Walking Tour - 4K City Walk Video - Short Preview