پتانسیل سنجی مناطق مستعد کشت گردو در حوضه آبریز زاب با استفادهاز تحلیل های مکانی
- سال انتشار: 1401
- محل انتشار: نهمین همایش ملی مطالعات و تحقیقات نوین در حوزه علوم جغرافیا، معماری و شهرسازی ایران
- کد COI اختصاصی: NICONF09_074
- زبان مقاله: فارسی
- تعداد مشاهده: 264
نویسندگان
دانش آموخته کارشناسی ارشد جغرافیا دانشگاه پیام نور واحد سقز
استادیار گروه جغرافیا ، دانشگاه پیام نور واحد سقز
استادیار گروه جغرافیا ، دانشگاه پیام نور واحد سقز
چکیده
آگاهی از شرایط جوی در یک دورهنسبتا طولانی برای نقاط گردو خیز، به منظور شناخت وضعیت اقلیمی رشد و نمو درخت گردو و مقایسه با شرایط اقلیمی کشور و حوزه زاب ضروری است .در این تحقیق که باهدف تعیین نواحی مستعد کشت گردودر حوزه زاب انجامگرفته است ، بدین منظور دوره آماری موردمطالعه از سال ۱۹۸۴ تا ۲۰۱۴ انتخاب شد، برای دقت بیشتر از داده های ۷ ایستگاه مجاور نیز استفاده شد .اطلاعات مربوط به متغیرهای اقلیمی و محیطی ۱۰ ایستگاه هواشناسی موجود در منطقه موردمطالعه که دارای آمار کامل و بلندمدت بودند، جمع آوری و مورد تجزیه وتحلیل قرارگرفته است .داده های موردمطالعه در این تحقیق عبارت اند از (بارش سالانه ، دما، رطوبت نسبی ، ارتفاع، شیب ، جهت شیب ، پوشش گیاهی ، کاربری اراضی ) جمع آوری شد، پس ازآن با استفاده از توابع ویژه سامانه اطلاعات جغرافیایی ، برای هر یک از نیازهای اقلیمی لایه جداگانه ای تهیه گردید .پس از ارزشگذاری متناسب با نیاز رویشی گردو به کمک مدلAHP ، لایه های مذکور تلفیق گردیدند.مساحت اراضی سازگار برای کاشت گردودر حوزه زاب حدود ۶۸/۹۴۴۳۱ هکتار است که ۸/۱۸ درصد اراضی این منطقه را شامل می شود.اراضی نسبت سازگار حوزه زاب که مساحت بیشتری را دارا هستند ۸/۶۰ درصد اراضی منطقه را شامل شده که حدود ۲۱/۳۰۵۴۲۵ هکتار است . کمترین مساحت مربوط به اراضی ناسازگار ۳/۲۰ درصد از مساحت حوزه زاب را در برگرفت که حدود ۷۵/۱۰۱۷۲۲ هکتار را شامل می شود که نشاندهنده کمترین مساحت استکلیدواژه ها
پتانسیل سنجی ، گردو،AHP ،ArcGIS ، حوزه زابمقالات مرتبط جدید
- حکمرانی دریایی ایران به عنوان یک سیستم پیچیده: تحلیل جغرافیای سیاسی با رویکرد هوش مصنوعی و هوش مکانی
- تبیین سناریوهای آینده تقسیمات استان تهران
- آسیبشناسی حمل و نقل و مدیریت ترافیک در شهرداری های نوظهور ایران
- معایب و مشکلات برنامهریزی و سیاست گذاری حوزه فرهنگ شهری در ایران
- سیاست گذاری بهینه در حوزه ترافیک شهری با استفاده از تکنولوژی های هوش مصنوعی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.