Determinetion of multi-criteria decision analysis and gis modeling for spatial distribution of soil erosion vulnerability in the Sinop Province

Abstract

The pressure on the land increases with the increase in the world population. Erosion, which is a natural process, has become a problem with this increasing pressure. Most of the farmlands in Turkey are particularly affected by erosion. For this reason, many methods and approaches have been developed to reduce the erosion effect. In this study, it is aimed to determine erosion risk classes and to generate their map in Sinop that covers 586200 ha, using Fuzzy Logic Analytical Hierarchical Process (FAHP) approach. Sinop province is located in the Black Sea Region. The province has Black Sea in the north, Samsun in the southeast, Çorum in the south and Kastamonu in the west. In this study, the total data set (TDS) and the minimum data set (MDS) were composed and the results from these sets were compared while determining erosion sensitivity classes. Geology, vegetation, land use, slope, depth, precipitation, and erodability parameters were used for TDS while creating erosion classes. In order to generate MDS, the principal component analysis was carried out. Vegetation, depth, and erodability parameters were discussed in MDS. Vegetation, depth and erodobility parameters were discussed in MDS. The linear combination method was applied to the result map for TDS and MDS, and the ArcGIS program which is a geographic information system software was used during the application of this method. According to the results, 33% of the study area is defined as high and 36% of the area is sensitive to low-level erosion in TDS whereas 33% of the study area is high/very high and 35% of the area is low to erosion in MDS. Hence, it was determined that the results obtained by TDS and MDS exhibit very close values. In both erosion susceptibility maps produced from MDS and TDS, it is ascertained that the high sloping and weak vegetation areas, as well as agricultural lands, are highly susceptible to erosion.

Keywords

• Erosion risk
• principal components analysis
• minimum data set

Bulanık mantık analitik hiyerarşik süreç (BAHS) ile Sinop İli erozyon duyarlılığının mekansal dağılımının belirlenmesi

Abstract

Dünya nüfusunun artmasıyla arazi üzerindeki baskı artmaktadır. Doğal bir süreç olan erozyon bu artan baskı ile problem haline gelmiştir. Türkiye’de birçok arazi özellikle tarım arazileri erozyon etkisi altında bulunmaktadır. Bu nedenle erozyon etkisini azaltmak için birçok yöntem ve yaklaşımlar geliştirilmiş ve geliştirilmeye devam etmektedir. Bu çalışma ile Bulanık Mantık Analitik Hiyerarşik Süreç (BAHS) yaklaşımı kullanılarak, 586200 ha alan kaplayan Sinop ili arazilerinin erozyon duyarlılık sınıflarının belirlemesi ve haritalanması amaçlanmıştır. Sinop ili Karadeniz Bölgesi’nde yer almaktadır. İlin kuzeyinde Karadeniz, güneydoğusunda Samsun, güneyinde Çorum, batısında Kastamonu illeri bulunmaktadır. Çalışmada erozyon risk sınıfları belirlenirken hem toplam veri seti (TVS) hem de minimum veri seti (MVS) oluşturulmuş ve sonuçları karşılaştırılmıştır. Erozyon sınıfları oluştururken TVS için jeoloji, bitki örtüsü, arazi kullanımı, eğim, derinlik, yağış ve erodobilite parametreleri kullanılmıştır. MVS oluşturulmasında ise temel bileşenler analizi sonucunda, bitki örtüsü, derinlik ve erodobilite parametreleri ele alınmıştır. TVS ve MVS için yapılan sonuç haritasında doğrusal kombinasyon yöntemi uygulanmış ve bu yöntem uygulanırken ArcGIS coğrafi bilgi sistemi programından yararlanılmıştır. Elde edilen sonuçlara göre, TVS’de çalışma alanının % 33’ü yüksek ve çok yüksek, %36’sı ise düşük düzeyde erozyona duyarlı olduğu belirlenirken, MVS’ye göre ise çalışma alanının % 33’ü yüksek ve çok yüksek ve % 35’i düşük erozyona duyarlı olduğu belirlenmiştir. Böylece TVS ve MVS ile elde edilen sonuçların oldukça birbirine yakın değerler gösterdiği tespit edilmiştir. TVS ve MVS ile yapılmış her iki erozyon duyarlılık haritası da, özellikle bitki örtüsünün zayıf ve eğimin yüksek olduğu alanlar ile işlemeli tarımın yapıldığı araziler erozyona çok yüksek duyarlı oldukları görülmektedir.

Keywords

• Erozyon riski
• Temel bileşenler analizi
• minimum veri set

References

1. Andrews, S.S., Karlen, D.L.& Mitchell, J.P. (2002). A comparison of soil quality indices methods for vegetable production system in northern California. Agricultural Ecosystems Environmental, 90, 25-45. DOI: 10.1016/S0167-8809(01)00174-8
2. Arnoldus H.M.J. (1977). Methodology used to determine the maximum potential average annual soil loss due to sheet and rill erosion in Morocco. FAO (Food and Agriculture Organization of the United Nations) Soils Bulletin, 34, 39-44.
3. Atlas, M., Bedirhanoğlu Bayazit, Ş. (2018). Bulanık Küme Yaklaşımlarının Sınıflandırılması, 19. Uluslararası Eyi Sempozyumu Tam Metin Bildiri Kitabı.
4. Bayramin, İ., Dengiz, O., Başkan, O., Parlak, M. (2003). Soil Erosion Risk Assessment With ICONA Model; Case Study: Beypazarı Area. Turkısh Journal of Agrıculture And Forestry, 27, 105-116. Erişim adresi: http://journals.tubitak.gov.tr/agriculture/issues/tar-03-27-2/tar-27-2-7-0211-3.pdf
5. Bayramin, İ, Erpul, G., Erdoğan, H. E. (2006). Use Of CORINE Methodology To Assess Soil Erosion Risk İn The Semi-Arid Area of Beypazarı. Ankara, Turkısh Journal Of Agrıculture And Forestry 30, 81-100. Erişim adresi: http://journals.tubitak.gov.tr/agriculture/issues/tar-06-30-2/tar-30-2-1-0504-3.pdf
6. Buckley, J J. (1985). Fuzzy hierarchical analysis. Fuzzy Sets And Systems, 17(3):233-247.
7. Chang, D. Y. (1996). Applications of the extent analysis method on fuzzy AHP. European Journal Of Operational Research, 95(3):649-655. Erişim adresi: https://www.sciencedirect.com/science/article/pii/0377221795003002
8. Cheng, C. H. (1997). Evaluating naval tactical missile systems by fuzzy AHP based on the grade value of membership function. European Journal of Operational Research, 96(2), 343–350. https://doi.org/10.1016/S0377-2217(96)00026-4

9. Danacıoğlu, Ş., Tağıl, Ş. (2017). Bakırçay Havzası’nda Rusle Modeli Kullanarak Erozyon Riskinin Değerlendirmesi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Cilt: 20 - Sayı: 37. https://doi.org/10.31795/baunsobed.645168
10. Demirağ Turan, İ., Dengiz, O. (2017). Çok Kriterli Degerlendirme ile Ankara Güvenç Havzası’nda ErozyonRisk Tahminlenmesi. Tarım Bilimleri Dergisi, 23(3), 285-297. https://doi.org/10.15832/ankutbd.447600
11. Deng, H. (1999). Multicriteria analysis with fuzzy pairwise comparison, In Fuzzy Systems Conference Proceedings. IEEE International 2:726-731. Erişim adresi: https://core.ac.uk/reader/82336070
12. Dengiz, O., Akgül, S. (2005). Soil Erosion Risk Assessment of the Gölbaşı Environmental Protection Area and Its Vicinity Using the CORINE Model. Turkısh Journal of Agrıculture And Forestry 29, 439-448.
13. Doran, J.W.& Parkin, B.T. (1994). Defining and assessing soil quality. In Doran, JW, Coleman, DC, Bezdicek, DF and Stewart, BA (Eds) ‘Defining Soil Quality for a Sustainable Environment’. Soil Science Society of America Special Publication No 35, Madison, WI., pp. 3-21.
14. Entezari, M., Honarmandnezhad, S., Shahzeidi, S. S., Nematolahi, F. (2013). Use of Modified CORINE Methodology for Comparison, Potential Soil Erosion and Actual Soil Erosion in the Basin Watershed- Jahrom, Fars, Iran. Journal of Basic and Applied Scientific Research, 3(3)183-188.
15. Erdogan, E. H., Erpul G., Bayramin İ. (2007). Use of USLE/GIS Methodology for Predicting Soil Loss in a Semiarid Agricultural Watershed. Environmental Monitoring Assessment, 131:153–161, doi 10.1007/s10661-006-9464-6.
16. Govaerts, B., Sayre, K.D., Deckers, J. (2006). A minimum data set for soil quality assessment of wheat and maize cropping in the highlands of Mexico. Soil & Tillage Research, 87: 163-174. DOI: 10.1016/j.still.2005.03.005
17. Gümüs, A. T. (2009). Evaluation of hazardous waste transportation firms by using a two step fuzzy-AHP and TOPSIS methodology. Expert systems with applications, 36(2), 4067-4074. DOI: 10.1016/j.eswa.2008.03.013
18. Güney, Y., Turoğlu, H. (2018). Çok Ölçütlü Karar Analizi İle Erozyon Duyarlılık Çalışmalarında Erozyon Yüzeyleri Envanter Verisinin Kullanımı: Selendi Çayı Havzası Örneği. Coğrafi Bilimler Dergisi, 16 (1), 105-119. https://doi.org/10.1501/Cogbil_0000000193
19. Haidara, I., Tahri, M., Maanan, M., Hakdaoui, M. (2019). Efficiency of Fuzzy Analytic Hierarchy Process to detect soil erosion vulnerability. Geoderma 354, 113853. https://doi.org/10.1016/j.geoderma.2019.07.011
20. İmamoğlu, A., Turan Demirağ, İ., Dengiz, O., Saygın, F. (2014). Soil Erosion Risk Evaluation: Application of Corine Methodology at Engiz Watershed, Samsun. Current Advances in Environmental Science, 2 (1); 15-21. Erişim adresi: https://www.semanticscholar.org/paper/Soil-Erosion-Risk-Evaluation%3A-Application-of-Corine-Turan-Dengiz/f22c22b2bfcd11cee063ae3bc19dc3b36e268dfa
21. Karabulut, M., Küçükönder, M. (2008). Kahramanmaras Ovası ve Çevresinde CBS Kullanılarak Erozyon Alanlarının Tespiti. KSÜ Fen ve Mühendislik Dergisi, 11(2), 14-22. Erişim adresi: https://www.academia.edu/553591/Kahramanmara%C5%9F_Ovas%C4%B1_ve_%C3%87evresinde_CBS_Kullan%C4%B1larak_Erozyon_Alanlar%C4%B1n%C4%B1n_Tespiti
22. Kızılelma, Y., Karabulut, M. (2014). Mut Havzasında Erozyona Duyarlı Alanların Belirlenmesi. Uluslararası Sosyal Araştırmalar Dergisi, Cilt: 7 Sayı: 31.
23. KHGM, 1984. Sinop İli Arazi Varlığı. T.C. Başbakanlık Köy Hizmetleri Genel Müdürlüğü Yayınları, Ankara.
24. Laarhoven, P.J.M., and Pedrycz, W. (1983).A fuzzy extension of Saaty’s priority theory. Fuzzy Sets and Systems 11 (3): 229–241, https://doi.org/10.1016/S0165-0114(83)80082-7,
25. Meteoroloji Genel Müdürlüğü (MGM). 2019.
26. Nabiollahi, K., Taghizadeh-Mehrjardi R., Kerry, R.&Moradian, S. (2017). Assessment of soil quality indices for salt-affected agricultural land in Kurdistan Province, Iran. Ecological Indicators, 83, 482-494. https://doi.org/10.1016/j.ecolind.2017.08.001
27. Okou, A.Y.F., Tente, B., Bachmann, Y., Sinsin, B. (2016). Regional erosion risk mapping for decision support: A case study from West Africa. Land use Policy 56, 27-37. https://doi.org/10.1016/j.landusepol.2016.04.036
28. Özşahin, E. (2014). Tekirdağ İlinde CBS Tabanlı RUSLE Modeli kullanarak Erozyon Risk Değerlendirmesi. Tekirdağ Ziraat fakültesi Dergisi, 11 (3). Erişim adresi: http://acikerisim.nku.edu.tr:8080/xmlui/handle/20.500.11776/1892
29. Patel, A. V., Mohan, B. M. (2002). Some numerical aspects of center of area defuzzification method, Fuzzy sets and systems, 132(3), 401-409. https://doi.org/10.1016/S0165-0114(02)00107-0
30. Qi, Y., Darilek, J.L., Huang, B., Zhao, Y., Sun, W.& Gu, Z. (2009). Evaluating soil quality indices in an agricultural region of Jiangsu Province, China. Geoderma, 149, 325-334. DOI: 10.1016/j.geoderma.2008.12.015
31. Saaty, T. L. (1977). A scaling method for priorities in hierarchical structures. Journal of mathematical psychology, 15(3), 234-281. https://doi.org/10.1016/0022-2496(77)90033-5
32. Sharma, K.L., Mandal, U.K., Srnivas, K., Vittal, K.P.R., Mandal, B., Grace, J.K., Ramesh, V. (2005). Long-term soil management effects on crop yields and soil quality in a dryland Alfisol. Soil & Tillage Research, 83, 246–259. https://doi.org/10.1016/j.still.2004.08.002
33. Shukla, M.K., Lal, R.& Ebinger, M. (2006). Determining soil quality indicators by factor analysis. Soil & Tillage Research, 87, 194–204. https://doi.org/10.1016/j.still.2005.03.011
34. Sun, C. C. (2010). A performance evaluation model by integrating fuzzy AHP and fuzzy TOPSIS methods. Expert systems with applications, 37(12), 7745-7754. https://doi.org/10.1016/j.eswa.2010.04.066
35. Sönmez, M.E., Çelik, M.A. ve Seven, M. (2013). Coğrafi Bilgi Sistemleri ve Uzaktan Algılama Yardımıyla Kilis Merkez İlçesinin Erozyon Risk Alanlarının Belirlenmesi, KSÜ Sosyal Bilimler Dergisi, 10 (1). Erişim adresi: https://dergipark.org.tr/tr/pub/ksusbd/issue/10274/126052
36. Tağıl, Ş. (2007). Tuzla Çayı Havzasında (Biga Yarımadası) CBS-Tabanlı RUSLE Modeli Kullanarak Arazi Degradasyonu Risk Değerlendirmesi. Ekoloji, 17, 65, 11-20. https://doi.org/10.5053/ekoloji.2007.653
37. Tağıl, Ş. (2009). Çakırdere ve Yahu Dere Havzalarında (Balıkesir) Toprak Kaybının Mekânsal Dagılışı Ve Etkileyen Faktörler. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Cilt 12 Sayı 22, Ss.23-39. Erişim adresi: https://dergipark.org.tr/en/download/article-file/857184
38. Terranova, O., Antronico, L., Coscarelli, R., Laquinta, P. (2009). Soil Erosion risk scenarios in the Mediterranean environment using RUSLE and GIS: An application model for Calabria (Southern Italy). Geomorphology 112, 228-245. https://doi.org/10.1016/j.geomorph.2009.06.009
39. Wander, M.M.& Bollero, G.A. (1999). Soil quality assessment of tillage impacts in Illi-nois Soil Science Society of America Journal, 63, 961-971. https://doi.org/10.2136/sssaj1999.634961x
40. Wischmeier, W. H. ve Smith, D. D. (1978). Predicting rainfall erosion losses USDA. Agricultural Handbook, 537, Washington D.C.
41. Vaezi, A.R., Sadeghi, S.H.R., Bahrami, H.A., Mahdian, M.H. (2008). Modeling the USLE K-factor calcareous soils in Northwestern Iran. Geomorphology, 97, 414-423. https://doi.org/10.1016/j.geomorph.2007.08.017
42. Zadeh, L. A. (1965). Fuzzy sets, Information and control, 8(3), 338-353. https://doi.org/10.1016/S0019-9958(65)90241-X
43. Zhang, H., Yang, Q., Li, R., Liu, Q., Moore, D., He, P., Ritsema, J.C., Geissen, V. (2013). Extension of a GIS procedure for calculating the RUSLE equation LS factor. Computers & Geosciences 52, 177-188. https://doi.org/10.1016/j.cageo.2012.09.027