ارزیابی شایستگی مراتع قشلاقی شورروی برای چرای گوسفند (مطالعه موردی: دشت گمیشان)
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 140
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJRDR-23-4_011
تاریخ نمایه سازی: 27 فروردین 1402
Abstract:
تعیین شایستگی مرتع برای اهداف مختلف، در جهت مدیریت اصولی می باشد و ضامن توسعه پایدار است. وسعت قابل توجهی از اراضی استان گلستان را گیاهان شورروی در بر می گیرد که محل چرای انواع دام از جمله گوسفند می باشد. هدف از این پژوهش تعیین شایستگی مراتع قشلاقی شورروی دشت گمیشان برای چرای گوسفند با گونه غالب Halocnemum strobilaceum- Aleuropus lagopoidesمی باشد. این تحقیق با استفاده از روش فائو در محیط سیستم اطلاعات جغرافیایی در دشت گمیشان استان گلستان صورت پذیرفت. در این روش سه معیار پوشش گیاهی، آب و حساسیت به فرسایش خاک بعنوان زیر مدل ها مورد استفاده قرار گرفته و اجزای مدل نهایی را تشکیل دادند. در بررسی زیر مدل پوشش گیاهی پارامترهای تعیین تیپ، درصد پوشش، تولید علوفه و به دنبال آن وضعیت، گرایش و ظرفیت مرتع، در زیر مدل آب، پارامترهای فاصله از منابع آب، کیفیت و کمیت آن و در نهایت در زیر مدل فرسایش خاک که با استفاده از روش EPM صورت گرفت، پارامترهای شیب و حساسیت خاک و سنگ به فرسایش مورد استفاده قرار گرفتند. مدل نهایی شایستگی مرتع برای استفاده گوسفند نشان داد که ۶۹/۳۸ درصد از مراتع دارای شایستگی کم (۳S) و ۳۱/۶۱ درصد فاقد شایستگی (N) می باشند. از بین کلیه خصوصیات مطالعه شده مربوط به زیر مدل ها، مهمترین عامل محدود کننده شایستگی مراتع برای چرای گوسفند پارامتر فاصله از منابع آب و مهمترین عامل کاهش دهنده شایستگی، تولید قابل برداشت می باشد. در نهایت با رعایت ظرفیت مرتع و به کار بردن برنامه های اصلاحی می توان استفاده از مرتع مورد نظر را بهبود بخشید.
Keywords:
Authors
لیلا مصطفوی زاده اردستانی
دانش آموخته دانشگاه علوم کشاورزی و منابع طبیعی گرگان،ایران
غلامعلی حشمتی
استاد، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران
حمید مصطفی لو
مربی، اداره کل منابع طبیعی و آبخیزداری استان گلستان، ایران
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 :