Αναγνώριση περιοχών επιρρεπών στην διάβρωση σε μικρούς αγροτικούς υδροκρίτες χρησιμοποιώντας USLE, GIS και τηλεπισκόπηση

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

Αναγνώριση περιοχών επιρρεπών στην διάβρωση σε μικρούς αγροτικούς υδροκρίτες χρησιμοποιώντας USLE, GIS και τηλεπισκόπηση

1. Αντικείμενο Εφαρμογής

Εφαρμόζεται μια τεχνική στον υδροκρίτη Karso του Hazaribagh, Jharkhand State, Ινδία η οποία συνδυάζει GIS, τηλεπισκόπηση και το μοντέλο Universal Soil Loss Equation (USLE) για την εκτίμηση της διάβρωσης περιοχών.

2. Στόχος της Εφαρμογής

Στόχος της εφαρμογής είναι η εύρεση περιοχών του υδροκρίτη οι οποίες είναι επιρρεπείς στην διάβρωση.

3. Χρησιμότητα των δεκτών/καναλιών

Χρησιμοποιήθηκαν ψηφιακά δεδομένα του IRS-1C LISS-III (Linear Imaging Self Scanner) αισθητήρα στο path-105 και row-55 (23.5 m χωρική ανάλυση) σε τέσσερις φασματικές συχνότητες (συχνότητα 1:0.45-0.52 μm; συχνότητα 2: 0.52-0.59 μm; συχνότητα 3: 0.62-0.68 μm και συχνότητα 4: 0.77-0.86 μm).

4. Χρήση επιπρόσθετων χαρτών, βάσεων δεδομένων, GIS

Μια πρόσφατη και αναδυόμενη τεχνολογία GIS χρησιμοποιήθηκε ως εργαλείο για την παραγωγή, χειρισμό και χωρική οργάνωση ανόμοιων δεδομένων για την μοντελοποίηση της συσσώρευσης φερτών. Η βάση δεδομένων GIS, η οποία δημιουργήθηκε για την μελέτη επικεντρώθηκε σε χαρακτηριστικά και δεδομένα απαραίτητα για να τρέξει το μοντέλο USLE.

Σχήμα 1. Χάρτης κλίσεων για την περιοχή μελέτης.
Σχήμα 2. Χάρτης χρήσεων γης της περιοχής μελέτης.
Σχήμα 3. Χωρική κατανομή του παράγοντα διαχείρισης καλλιέργειας.
Σχήμα 4. Χωρική κατανομή της ροής φερτών στην περιοχή μελέτης.

5. Αιτιολόγηση αναγκαιότητάς τους

Ένας κύριος περιορισμός στην χρήση υδρολογικών μοντέλων είναι η αδυναμία τους να χειρίζονται μεγάλες ποσότητες δεδομένων τα οποία περιγράφουν την ανομοιογένεια της φύσης. Η τεχνολογία τηλεπισκόπησης παρέχει την ζωτική χωρική και χρονική πληροφορία για μερικές από αυτές τις παραμέτρους.

6. Ειδικές επεξεργασίες GIS

Θεματικά επίπεδα τα οποία απεικονίζουν τα όρια του υδροκρίτη, το δίκτυο απορροής, το έδαφος κλπ ψηφιοποιήθηκαν και μεταφέρθηκαν σε επίπεδα GIS. Η διαδικασία της ψηφιοποίησης είναι σύνθετη και περιλαμβάνει χειροκίνητη καταχώρηση δεδομένων, ψηφιοποίηση χαρτών κλπ.

7. Προεπεξεργασίες

Στην παρούσα μελέτη, κελιά μεγέθους 200 x 200 m χρησιμοποιήθηκαν ως βασική επιχειρησιακή μονάδα για την ανάλυση διάβρωσης. Όλα τα κελιά με λιγότερο από 25% της έκτασης του υδροκρίτη σβήστηκαν. Ένα ψηφιακό μοντέλο υψομέτρων δημιουργήθηκε (Σχήμα 1).

8. Παράμετροι μοντέλου USLE

Για την εκτίμηση του παράγοντα διαχείρισης καλλιέργειας για το μοντέλο USLE, χρησιμοποιείται χάρτης χρήσεων/κάλυψης γης (Σχήμα 2) και παράγεται χάρτης με την εκτίμηση του παράγοντα (Σχήμα 3), όπως και άλλοι χάρτες.

9. Σημαντικά αποτελέσματα και αξιολόγηση των μεθόδων

Τα όρια υποεκτίμησης ή υπερεκτίμησης της προσομοίωσης του μοντέλου USLE είναι 20% εντός των μετρημένων τιμών και θεωρούνται αποδεκτά επίπεδα εμπιστοσύνης για προσομοιώσεις. Το μοντέλο USLE επαληθεύθηκε συγκρίνοντας την εκτιμώμενη παροχή φερτών με τις παρατηρούμενες τιμές. Βρέθηκε επίσης ότι υπάρχει ισχυρή συσχέτιση μεταξύ των χαρακτηριστικών βροχόπτωσης και των εδαφικών απωλειών. Μια αύξηση στην ένταση και την ποσότητα της βροχόπτωσης συνοδεύεται συνήθως από μια αύξηση των εδαφικών απωλειών. Το Σχήμα 4 δείχνει την τάση και χωρική κατανομή της δυνατής εδαφικής διάβρωσης στο Karso σε μια βάση από κελιά. Αναγνωρίζονται για παράδειγμα ζώνες μεγάλης δυνατότητας διάβρωσης, δηλαδή μεγαλύτερες από 5 t ha-1 yr-1. Τέλος αναφέρεται ότι η δημιουργία βάσεων δεδομένων με συμβατικές μεθόδους είναι χρονοβόρα και δύσκολη στον χειρισμό. Στην παρούσα μελέτη, έγινε προσπάθεια χρήσης δεδομένων τηλεπισκόπησης για την δεδομένων χρήσης/κάλυψης γης τα οποία είναι απαραίτητα για την εφαρμογή του μοντέλου USLE.

10. Αναφορές

Pandey A, Chowdary VM, Mai BC (2007) Identification of critical erosion prone areas in the small agricultural watershed using USLE, GIS and remote sensing. Water Resources Management 21(4):729-746. doi:10.1007/s11269-006-9061-z