امکانسنجی مناطق مساعد کاشت سیب زمینی در محیط GIS مطالعه موردی: استان کردستان
Publish Year: 1390
Type: Conference paper
Language: Persian
View: 2,330
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
NCAGM01_005
Index date: 27 November 2012
امکانسنجی مناطق مساعد کاشت سیب زمینی در محیط GIS مطالعه موردی: استان کردستان abstract
یکی از روشهای برنامه ریزی کشاورزی، تعیین و شناسایی نواحی مستعد برای کاشت با توجه به شرایط اقلیمی و فیزیوگرافی زمین است. شناخت اقلیم و بررسی نیازهای اکوفیزیولوژیک گیاهان زراعی از مهمترین عوامل موثر در تولید محصول است. آگاهی از این امرکشاورزان را قادر می سازد که متناسب با شرایط اقلیمی و فیزیکی زمین به کاشت پرداخته و از خسارات ناشی از شرایط نامساعد اقلیمی وارده بر محصولات خود تا حد زیادی بکاهند که این امر نیز یکی از راههای اساسی برای توسعه و ارتقاء فعالیتهای کشاورزی است. لذا در این تحقیق که با هدف تعیین نواحی مستعد کاشت سیبزمینی در استان کردستان صورت گرفته است سعی بر آن گردید با استفاده از سیستم اطلاعات جغرافیایی (GIS)، نقشه رقومی عوامل فیزیکی زمین (ارتفاع، شیب، خاک) و عناصر اقلیمی ( دما، بارش، رطوبت نسبی، تبخیر و درجه روز) تهیه گردد و متناسب با نیاز رویشیکاشت سیبزمینی به لایه ها ارزش وزنی داده شود. و در نهایت با تلفیق همه دادههای مورد مطالعه، نقشه نهایی کاشت سیب زمینی در چهار کلاس مختلف تهیه گردید. نتایج حاصل بیانگر آن است که حدود 3/7 درصد از مساحت استان کردستان شامل دشت مریوان، بخش خیلی کوچکی از شمال غرب استان شامل بانه و شمال سقز، مناطقی از جنوب استان و مناطق وسیعی از شهرستانهای قروه و دهگلان، خیلی مناسب، 16/1 درصد مناسب، 32/7 درصد متوسط و حدود 47/4 درصد برای کاشت سیبزمینی نامناسب می باشند.
امکانسنجی مناطق مساعد کاشت سیب زمینی در محیط GIS مطالعه موردی: استان کردستان Keywords:
امکانسنجی مناطق مساعد کاشت سیب زمینی در محیط GIS مطالعه موردی: استان کردستان authors
بهروز سبحانی
استادیار گروه جغرافیای طبیعی(اقلیمشناسی) دانشگاه محقق اردبیلی
سیداسعد حسینی
کارشناس ارشد اقلیم شناسی دانشگاه محقق اردبیلی
کاوه محمدپور
کارشناس ارشد اقلیم شناسی دانشگاه تبریز
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 :