ارزیابی آسیب پذیری خشکسالی کشاورزی در اقلیم های خشک و نیمه خشک به کمک GIS و فرایند تحلیل سلسله مراتبی (AHP)؛ مطالعه موردی شهرستان تفت یزد
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 222
This Paper With 11 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_WATER-5-4_008
تاریخ نمایه سازی: 3 اسفند 1400
Abstract:
خشکسالی به عنوان یکی از مخاطرات بزرگ طبیعی با تاثیر قابل توجهی بر محیط زیست، جامعه، کشاورزی و اقتصاد، در نظر گرفته شده است. اثرات خشکسالی بسیار حیاتی و به خصوص پر هزینه تر از هر نوع دیگری از بلایای طبیعی جهانی می باشد و افراد بیشتری را تحت تاثیر قرار می دهد. امروزه در جهان، تصمیم گیران، روش های متعددی را برای سازگاری و کاهش خسارات بلایای طبیعی از جمله خشکسالی دنبال می کنند و پیشنهاد می دهند که در مدیریت خشکسالی با نگاه مدیریت ریسک به مسئله نگریسته شود و در کنار آن تلفیقی از مدیریت بحران و ریسک در مواقع مختلف به صورت توامان به کار رود. به منظور ارزیابی خسارات منطقه مطالعاتی در اثر خشکسالی کشاورزی، باید نقشه های آسیب پذیری خشکسالی کشاورزی تهیه شود. در این راستا استفاده از سامانه های اطلاعات جغرافیایی، می تواند منجر به نتایج دقیق تر و واقعی تری شود. در مطالعه خشکسالی، به منظور ذخیره سازی، تجزیه و تحلیل حجم زیادی از داده های سنجش از راه دور و یکپارچه سازی اطلاعات از منابع مختلف، از قابلیت های سیستم اطلاعات جغرافیایی (GIS) و تحلیل سسله مراتبی (AHP) استفاده می نمایند. به طور کلی، عوامل آسیب پذیری خشکسالی کشاورزی مختلف است. استفاده از این عوامل در تهیه نقشه آسیب پذیری خشکسالی کشاورزی در مناطق مختلف، بسته به در دسترس بودن و قابلیت اطمینان داده ها دارد. هدف از این پژوهش، ارائه یک روش برای تهیه نقشه آسیب پذیری ناشی از خشکسالی کشاورزی در شهرستان تفت استان یزد بوده است.
Keywords:
Authors
محمد اکرامی
پژوهشگر مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان یزد
احمد فاتحی مرج
استادیار پژوهشی پژوهشکده حفاظت خاک و آبخیزداری تهران
جلال برخورداری
استادیار پژوهشی مرکزتحقیقات و آموزش کشاورزی و منابع طبیعی استان یزد
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 :