پهنهبندی اقلیمی پتانسیل کشت گندم ( (Triticum aestivum L.استان گلستان
Publish place: Journal Of Agroecology، Vol: 9، Issue: 3
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 288
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AGRY-9-3_017
تاریخ نمایه سازی: 23 فروردین 1400
Abstract:
در کشاورزی، پیدا کردن مکان بهینه برای محصولات کشاورزی میتواند مزایای اقتصادی را افزایش و پیامدهای منفی زیستمحیطی را کاهش میدهد. بهمنظور ارزیابی اقلیمی اراضی کشاورزی استان گلستان برای کشت گندم ((Triticum aestivum L.، از سامانه اطلاعات جغرافیایی (GIS) و روش خطی وزنی (WLC) استفاده شد. بدین منظور ابتدا نیازهای زراعی و متغیرهای محیطی تعیین، درجهبندی و مطابق با آنها نقشههای موردنیاز تهیه گردید. متغیرهای اقلیمی موردمطالعه شامل: حداکثر دما، حداقل دما، دمای متوسط و بارندگی در مرحله کاشت و در طی دوره رشد بودند. در این پژوهش از آمارهای 10 سال اخیر پارامترهای اقلیمی 25 ایستگاه هواشناسی استان گلستان استفاده گردید. برای استانداردسازی دادهها از روش فازی و برای وزن دهی به معیارها از روش تحلیل سلسله مراتبی (AHP) استفادهشده است. در نهایت، با استفاده از روش ترکیب خطی وزنی (WLC) در محیط نرمافزار IDRISI، نقشه پتانسیل کشت گندم دیم تهیه گردید. نتایج نشان داد که در وزن دهی معیارها با روش تحلیل سلسله مراتبی، مقدار بارندگی در دوره رشد با 3407/0 درصد بیشترین و حداقل دمای دوره سبز شدن با 0306/0 درصد کمترین ضریبها را کسب کردند. در نقشه برونداد حاصل از روش ترکیبی خطی وزنی ازلحاظ عوامل اقلیمی نشان داد که بیش از 55 درصد اراضی جهت کشت گندم در پهنه بسیار مستعد و مستعد قرار دارند که این اراضی بیشتر در شمال شرقی و مرکز استان واقعشدهاند که میتوان علت آن را مقدار بارش کافی و دمای مناسب بیان نمود. علاوه بر این، عامل محدودکننده کشت گندم از لحاظ اقلیمی در استان گلستان را میتوان مقدار بارش در طول فصل رشد را ذکر نمود.
Keywords:
Authors
افروغ سادات بنی عقیل
گنبد کاووس
علی راحمی کاریزکی
گنبد کاووس
عباس بیابانی
دانشگاه گنبد کاووس
حسن فرامرزی
دانشگاه تربیت مدرس نور
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :