Preparing soil data in the SWAT model using geological maps and remote sensing techniques (Case study: Sahajar Tonekabon watershed)

Abedini, Mousa; Saraei, Behnaz; Talebi, Ali

Preparing soil data in the SWAT model using geological maps and remote sensing techniques (Case study: Sahajar Tonekabon watershed)

Document Type : Origional Article

Authors

Mousa Abedini ¹

Behnaz Saraei ²

Ali Talebi ³

¹ Professor, Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran

² PhD student in Geomorphology, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran

³ , Professor, Department of Watershed Management Engineering, Faculty of Natural Resources, Yazd University, Yazd, Iran

Abstract

Background and objective: Global soil maps, such as the data provided by FAO and other data sets, serve as an important basis for modeling hydrological processes. However, these maps are often not suitable for accurate calibration of models such as SWAT (Soil and Water Assessment Model) due to their large scale or lack of sufficient detail. This challenge is especially evident in marginal logic with limited access to data.
Research method: The present study aims to prepare a soil map and its parameters for the hydrological SWAT model of the Sehazhar watershed in northern Iran, Tonekabon County, Mazandaran Province. Therefore, using remote sensing and geological map data and slope map, it takes a step towards helping to solve this problem that exists in watershed studies in areas lacking soil data. For this purpose, first, from the World Soil Map (FAO), then by averaging based on geological map information such as formation type, period, rock type and hydrological group, and slope map, 5 general soil types with their characteristics were extracted. Then, they were converted into soil maps in Geographic Information System (GIS) software. The adjacent basin of the Sardabrood region (Kalardasht) was also used for comparison and validation.
Findings and conclusions: In this study, 10 soil factors required for use in the SWAT model were extracted, including: number of layers, soil depth, horizon thickness, bulk density, available water capacity, saturated electrical conductivity, soil organic matter, clay, silt, sand, rock in the horizon, and albedo ratio. According to the results of the study, 5 general soil types of the basin include: chernozem or pseudo-chernozem soils, verticillium, molly-soil, podzol, and lithosol. The results of the validation of the present study showed that using the above method to facilitate the preparation of soil maps and the estimation of soil data values has acceptable accuracy. Therefore, in areas without soil data and in studies with time constraints, the soil data preparation method is the appropriate method. Therefore, a promising solution is to use geological maps and remote sensing analyses to extract soil characteristics.

Keywords

soil data

model optimization

preparation of soil map

Tonekabon watershed

Subjects

Physical geogeaphy

احمدیثانی، ن، بابایی کفاکی، س.(1396). تهیه نقشه پارامترهای خاک در مطالعات علوم محیطی بر اساس اصول ژئوپدولوژیکی با کاربرد سنجش از دور و سامانه اطلاعات جغرافیایی، مجله تحقیقات منابع طبیعی تجدید شونده، سال هشتم، 1( 27): 55-67 .

امیدوار، ا، کاویان ع، سلیمانی ک، مشاری، س.( 1394). بررسی قابلیت استقاده از نقشه واحدهای خاک به منظور برآورد تغییرات مکانی فاکتور فرسایش پذیری خاک، مجله مهندسی بیابان، سال چهارم، 9: 95-107. ‎ 10.22052/deej.2016.113630

باقری بداغآبادی، م، صالحی، م، اسفندیاری بروجن، ع، محمدی، ج، کریمی کاروبه، ع، تومانیان، ن.(1391). ارزیابی و بررسی تعمیم پذیری مدل استنباطی خاک سرزمین(SOLIM) در نقشه برداری رقومی خاک با استفاده از مدل رقومی ارتفاع و مشتقات آن، مجله علوم و فنون کشاورزی و منابع طبیعی،علوم آب و خاک، 16(61): 155-166.http://jstnar.iut.ac.ir/article-1-2436-fa.html

تقیزاده مهرجردی، ر، سرمدیان ف، امید م، ثواقبی، غ، تومانیان، ن، روستا، م، رحیمیان م.(1392). مقایسه روشهای شبکه عصبی مصنوعی و درخت تصمیم در تهیه نقشه رقومی خاک در منطقه اردکان، مجله تحقیقات آب و خاک ایران، دوره 44، 2(2): 173-182.

جعفری، ا، خالقی م، فرپور م. ه. (1397). نقشهبرداری رقومی خاک به کمک اطلاعات میراثی:پژوهش موردی منطقه فاریاب کرمان، مهندسی زراعی(مجله علمی کشاورزی)، 41(4): 31-48. 10.22055/agen.2018.26477.1439

جمشیدی، م، دلاور، م، تقیزاده مهرجردی، ر، برانگارد، ک. 1398. ارزیابی تعمیمپذیری مدل جنگل تصادفی برای پیشبینی کلاسهای خاک در سطح زیر گروه، مجله مدیریت خاک و تولید پایدار، جلد9، 1: 64- 45.10.22069/ejsms.2019.15779.1847

شهریاری، ا، دلبری، م، افراسیاب، پ، پهلولن راد، م. ر.(1403). پیش‌بینی توزیع منطقه‌ای اجزاء بافت خاک دشت سیلابی سیستان با استفاده از روش جنگل تصادفی، 14(4) 56-45.

عابدینی، م ، بلواسی، ا، نظافت تلکه، ب.(1403)، مقایسه مدل‌های ام پسیاک، ای پیام و بی الام جهت ارزیابی فرسایش خاک با استفاده از ضریب آماری کاپا. فضای جغرافیایی. ۲۴(87) 215. http://geographical-space.iau-ahar.ac.ir/article-۱-۳۹۳۷-fa.html

عابدینی؛ م، پاسبان؛ ا . م ، حسن زاده، ن. (1403). بررسی میزان فرسایش خاک و ارتباط آن با شاخص‌های ژئومورفیک و پوشش گیاهی در حوضة آبخیز کوزه‌توپراقی، استان اردبیل. جغرافیا و توسعه. 22(77)80 -55. 10.22111/gdij.2024.8682

علیخانی، ز، سرمدیان ف، موسوی ر. (1393). مقایسه دقت نقشه خاک تهیه شده به روش ژئوپدولوژی و روش معمول ایران(مطالعه موردی:کوهن). نشریه مرتع و آبخیزداری، مجله منابع طبیعی ایران. 6(1) 93-102.https://doi.org/10.22059/jrwm.2014.50831

فرجنیا، ا، یاراحمدی، ج. (1394). بررسی کارایی روش ژئوپدولوژی در تهیه نقشه خاک و مقایسه آن با روش فیزیوگرافی، پژوهشهای ژئومورفولوژی کمی، 4(2) 166-154.20.1001.1.22519424.1394.4.2.11.6

لطف الهی، ل، دلاور م.ا، جمشیدی م. (1399). معرفی روشهای مختلف نمونهبرداری در مطالعات نقشه برداری رقومی خاک، نشریه تحقیقات کاربری خاک، 3 (8)2019-202

مخدوم، م، درویشصفت، ع، جعفرزاده، ه، مخدوم، ع.(1392). ارزیابی و برنامهریزی محیطزیست با سامانههای اطلاعات جغرافیایی(GIS)، انتشارات دانشگاه تهران، چاپ هفتم. 304 صفحه.

Bifeng H. Geng Y, Shi K, Xie M, Ni H, Zhu Q, Qiu Y, Zhang Y, Bourennane H. (2024). Fine-resolution baseline maps of soil nutrients in farmland of Jiangxi Province using digital soil mapping and interpretable machine learning. CATENA. Volume 249.108635.https://doi.org/10.1016/j.catena.2024.108635

Bodenstein D, Clarke C, Watson A, Miller J, van der Westhuizen S, Rozanov A.(2022). Evaluation of global and continental scale soil maps for southern Africa using selected soil properties. CATENA. Volume 216. 106381. https://doi.org/10.1016/j.catena.2022.106381

Bouma J. H. W. G. Booltink, P. A. Finke.(1996). Use of soil survey data for modeling solute transport in the vadose zone. Journal of Environmental Quality. 25:519-529. https://doi.org/10.2134/jeq1996.00472425002500030017x

Colín-García G. Palacios-Vélez E. López-Pérez A. (2023). Hydrological modeling with the SWAT model using different spatial distributions of soil type in the Mixteco River Bsain.Terra latin American Magazine.10.28940.https://doi.org/10.28940/terra.v41i0.1566

Ghavami M. Ayoubi Sh , Khaleghpanah N, Mosaddeghi M.R. Gohari A.R .(2024). Soil loss estimation using RUSLE model: Comparison of conventional and digital soil data at watershed scale in central Iran. Soil and Tillage Research. Volume 244.106238.https://doi.org/10.1016/j.still.2024.106238

Gulja S. Nair. D. Karunanidhi, T. Subramani. (2025). Hydrological modeling for the Bharathapuzha River basin of South India using SWAT model. Desalination and Water Treatment. Volume 321.100975.https://doi.org/10.1016/j.dwt.2024.100975

Izydorczyk K.Piniewski M, Krauze K, Courseau L, Czyż P, Giełczewski M, Kardel A, Marcinkowski P, Szuwart M, Zalewski M, Frątczak W. (2019). The ecohydrological approach, SWAT modelling, and multi-stakeholder engagement – A system solution to diffuse pollution in the Pilica basin, Poland. The ecohydrological approach, SWAT modelling, and multi-stakeholder engagement – A system solution to diffuse pollution in the Pilica basin, Poland. Volume 248. 109329.https://doi.org/10.1016/j.jenvman.2019.109329

Jawad Rasheed N. AlKhafaji M.S, Alwan I, Suwaiyan M.S, Haq Doost Z, Mundher Yaseen Z. (2024). Survey on the resolution and accuracy of input data validity for SWAT-based hydrological models. Heliyon. Volume 10. Issue 19. e38348. https://doi.org/10.1016/j.heliyon.2024.e38348

Taloor A. Khajuria V, Parsad G, Bandral Sh, MahajanS, Singh S, Sharma M, Kothyari G. (2025). Geospatial assessment of soil erosion in the Basantar and Devak watersheds of the NW Himalaya: A study utilizing USLE and RUSLE models. Geosystems and Geoenvironment. Volume 4. Issue 2.100355. https://doi.org/10.1016/j.geogeo.2025.100355

Manteghi Sh. Moravej K, Mousavi S.R, Delavar M.A, Mastinu A.(2024). Digital soil mapping for soil types using machine learning approaches at the landscape scale in the arid regions of Iran, Advances in space research, 74:1-1-16.https://doi.org/10.1016/j.asr.2024.04.042

Sabbaghi M. Esfandiari M, Eftekhari K, Mohammadi Torkashvand A.(2024).Predictive map of soil texture classes using decision tree model and neural network with features of geomorphology level. Canadian Journal of soil science.104:1-72-90.https://doi.org/10.1139/cjss-2023-0011

Tabares D. Miguel A. Willaarts B. Alfonso A.(2020). Self-Organizing Map of soil properties in the context of hydrological modeling. Self-Organizing Map of soil properties in the context of hydrological modeling. Volume 88. 175-189.https://doi.org/10.1016/j.apm.2020.06.044

Zeraatpisheh, M. Ayoubi Sh , Jafari A , Finke P.(2017). Comparing the efficiency of digital and conventional soil mapping to predict soil types in a semi-arid region in Iran. Geomorphology, 285: 186-204. https://doi.org/10.1016/j.geomorph.2017.02.015