پهنه بندی توان اکولوژیک کشاورزی در شمال ومرکز استان سیستان وبلوچستان جهت کشت کلزا با سامانه GIS
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 201
فایل این مقاله در 17 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_SUST-30-1_017
تاریخ نمایه سازی: 4 بهمن 1401
چکیده مقاله:
کلزا یکی از مهمترین دانه های روغنی در دنیا و ایران بوده و در استان سیستان و بلوچستان نیز یکی از محصولات مهم روغنی تلقی می شود. تعیین مناطق مناسب با در نظر گرفتن نیاز های محیطی، بهترین روش درتولید بهینه و کاهش اثرات منفی مدیریت منابع آبی و حفظ منابع طبیعی محسوب می شود. همچنین باتوجه به نوسان های مختلف در تولید این گیاه در سال های مختلف، شناسایی مناطق مستعد و غیر مستعد بر اساس شناخت مزیت ها و محدودیت های محیطی کشت آنها می تواند کمک شایانی به پایداری میزان تولید کلزا در استان داشته باشد. در این پژوهش با استفاده از سامانه اطلاعات جغرافیایی (GIS) لایه های اطلاعاتی مورد نیاز شامل دمای مطلوب، دمای کمینه، دمای بیشینه، بارش، شیب، ارتفاع از سطح دریا، ماده آلی، شوری خاک، بافت خاک،pH و میزان عناصر غذایی در خاک شامل نیتروژن، فسفر، پتاسیم، کلسیم، آهن و روی در محیط ArcMapتهیه گردید. بعد از تهیه این لایه ها، کار طبقه بندی و رتبه بندی هر لایه براساس روش محدودیت ساده و جدول نیازهای محیطی کلزا در چهار طبقه بسیار مناسب( بسیار مستعد)مناسب (مستعد) متوسط، نامناسب (غیر مستعد)صورت گرفت. در این پژوهش با هدف بهره گیری از توابع تحلیل های مکانی همراه با فرایند سلسله مراتبی (AHP)جهت شناسایی مناطق مناسب کشت کلزا در شمال و مرکز استان انجام شد و نتایج حاصل نشان داد که مناطق مناسب بیشتر در نواحی کوهستانی و مشرف به دشت های منطقه نیمروز و زاهدان می باشد.
کلیدواژه ها:
نویسندگان
ابراهیم مرادی
رشته زراعت، گروه کشاورزی، دانشگاه آزاد اسلامی واحد زاهدان، ایران
حمیدرضا مبصر
عضو هیات علمی، دانشگاه آزاد اسلامی واحد زاهدان، ایران
احمد مهربان
عضو هیات علمی، دانشگاه آزاد اسلامی واحد زاهدان، ایران
حمیدرضا گنجعلی
عضو هیات علمی، دانشگاه آزاد اسلامی واحد زاهدان، ایران
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 :