پهنه بندی پتانسیل شدت بیابان زایی با استفاده از مدل های امتیازی مورا و آراس
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 86
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSAEH-11-3_004
تاریخ نمایه سازی: 7 بهمن 1403
چکیده مقاله:
پهنهبندی پدیدهها به منظور شناخت و ارزیابی وضع کنونی، به عنوان پایه تصمیمگیری، از ملزومات مدیریت علمی منابع طبیعی میباشد، بنابراین در مدیریت عرصههای بیابانی نیز به منظور پیشگیری از پرداخت هزینههای گزاف تصمیمگیری نادرست نیاز به روشهای قوی و مستدلی در شناخت وضع فعلی و روند توسعه میباشیم، براین مبنا هدف اصلی پژوهش حاضر، ارائه مدلی مناسب جهت پهنهبندی توزیع فضایی خطر بیابانزایی با استفاده از تکنیکهای امتیازی مورا، آراس و استفاده از سامانه اطلاعات جغرافیایی در زیرحوضه یزد- خضرآباد میباشد. از این رو در ابتدا پس از تعیین واحدهای کاری به روش ژئومرفولوژی، اهمیت شاخصها در هر واحد بر مبنای روش دلفی به دست آمد و اهمیت شاخصها نسبت به هم از روش آنتروپی شانون برآورد شد، سپس ماتریس تصمیم شکل گرفت و بعد از موزونسازی، پتانسیل شدت بیابانزایی با محاسبه ضریب مطلوبیت از روش امتیازی مورا و آراس برآورد شد. نتایج حاصل از تحلیلهای صورت گرفته از هر دو مدل نشان داد که واحد اراضی کشاورزی کوهستانی و کشاورزی دشتی، واجد بیشترین پتانسیل بیابانزایی میباشند که ۷۱۳۵ هکتار (۱۱/۹ %) از کل منطقه مطالعاتی را در برگرفتهاند. بیشترین اراضی منطقه، تحت تاثیر بیابانزایی با شدت نسبتا متوسط (III) قرار دارد و ارزش کمی پتانسیل بیابانزایی برای کل منطقه از مجموع شاخصها در کلاس متوسط (IV) به دست آمد.. بنابراین پیشنهاد میشود که در طرحهای کنترل و کاهش اثرات بیابانزایی و احیاء اراضی تخریب یافته، نتایج و رتبهبندی به دست آمده مورد توجه قرار گیرد.
کلیدواژه ها:
Aras ، zoning ، desertification ، multi-criteria decision making ، hierarchical structure ، points models ، Moora. ، آراس ، پهنه بندی ، بیابان زایی ، تصمیم گیری چند معیاره ، ساختار سلسله مراتبی ، مدل های امتیازی ، مورا.
نویسندگان
محمد حسن صادقی روش
Islamic Azad University
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 :