ارزیابی توان محیطی استان آذربایجان غربی برای کشت کلزا بر اساس روش AHP و مدل TOPSIS
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 192
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GEOP-19-52_007
تاریخ نمایه سازی: 23 آبان 1400
چکیده مقاله:
کلزا با اختصاص ۱۵ درصد کل تولید روغن گیاهی در جهان بعد از سویا و نخل روغنی، مقام سوم را در بین دانههای روغنی بهخود اختصاص داده است. اقلیم، توپوگرافی، خاک و استعداد اراضی از مهمترین مولفههای محیطی هستند که استعداد و قابلیت تولید محصول زراعی در یک منطقه به آنها وابسته است. در این تحقیق سعی شده است با ارزیابی تناسب اراضی بر اساس این معیارها، اراضی مستعد کشت کلزا در سطح استان آذربایجان غربی شناسایی شود. در تحقیق حاضر از دادههای اقلیمی از قبیل دما، بارش، درجه روز، رطوبت نسبی، تعداد روز یخبندان، و ساعات آفتابی، ایستگاههای سینوپتیک و بارانسنجی سطح استان از بدو تاسیس تا سال ۱۳۸۸ مربوط به هر یک از مراحل فنولوژیکی رشد کلزا و دادههای منابع زمینی از قبیل لایههای توپوگرافی، قابلیت اراضی، عمق خاک و کاربری اراضی، استفاده شده، و مطالعه و بررسی هر یک از آنها در رابطه با نیازهای اقلیمی و اکولوژیکی کلزا صورت گرفت. سپس با استفاده از روش واسطهیابی کریجینگ در نرمافزار Arc GIS ۹.۳ هر یک از نقشههای عناصر اقلیمی تهیه و لایههای اطلاعاتی طبقهبندی شدند. به منظور اولویتبندی و ارزیابی معیارها و لایههای اطلاعاتی در رابطه با هم و تعیین وزن آنها از روش AHP استفاده شد. سپس ترکیب و تحلیل فضایی اطلاعات با استفاده از مدل TOPSIS در محیط GIS صورت گرفت و لایه نهایی ارزیابی توان محیطی برای کشت کلزا تهیه شد. بر اساس نتایج به دست آمده، اراضی استان از نظر پتانسیل اقلیمی و محیطی برای کشت کلزا به چهار طبقه خیلی مناسب (۶/۱۸%)، مناسب (۴/۳۴%)، متوسط (۱/۳۲%) و ضعیف (۷/۱۴%) تقسیمبندی شدند.
نویسندگان
علی محمدخورشیددوست
گروه آب و هواشناسی دانشگاه تبریز
بهروز سبحانی
گروه جغرافیای طبیعی دانشگاه محقق اردبیلی
کامل آزرم
اقلیم شناسی دانشگاه تبریز
جمال امینی
سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه تربیت مدرس
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :