پهنه بندی اگرو اکولوژیکی شمال استان خوزستان جهت کشت زعفران با استفاده از سامانه اطلاعات جغرافیایی GIS
Publish place: The 1st national conference on solutions to access sustainable development in agriculture,natural resources and the environment
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,810
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SDCONF01_1968
تاریخ نمایه سازی: 28 اردیبهشت 1392
Abstract:
پتانسیل اراضی در کشاورزی بر اساس منابع محیطی موجود در هر منطقه نظیر اقلیم، خاک، پستی و بلندی و عوامل زیستی تحت عنوان عوامل بیوفیزیکی تعیین می شود. ارزتابی اراضی اولین گام در توسعه نظام های کشاورزی پایدار است. جهت بررسی عوامل متناوب بیوفیزیکی نظیر اقلیم، خداک، وخصوصیات پستی و بلندی تک بانک اطلاعاتی در سامانه اطلاعات جغرافیاتی ایجاد شد. نقشه های متعددی از لاته های متتلب اکولوژیکی و جغرافیاتی بدست آمد که بر اساس روش حداکثر محدودتو و با توجه به نیازهای اکولوژیکی زعفران رده بندی شدند.در بررسی و همپوشانی نتایج حاصل از نقشه های استعداد اراضی بر اساسعوامل اقلیمی مورد نیاز زعفران بر اساس روش حداکثر محدودتو نشان می دهد که در حدود 76 درصد از اراضی به دلیل شیب بیش از حد مجاز و ارتفا بالا دارایتناسب ضعیب S3 ، از نظر اقلیمی 111 درصد از اراضی دارای تناسب خوب S1 می باشد. نتایج همپوشانی نهایی لایه های اقلیمی، خاکشناسی، و پستی وبلندی جهت کشت زعفران در منطقه مورد بررسی نشان می دهد که 3 درصد از اراضی دارای تناسب خوب S1 1 درصد دارای تناسب متوسط ، S2 و 67 درصد تناسب ضعیب S3 می باشد. در نهاتو می توان چنین نتیجه گیری نمود به دلیل اینکه بیشتر محدودیت های موجود جهت کشت زعفران قابل تغییر و اصلاح می باشند با اعمال یکسری مدیریت های می توان این گیاه را در این منطقه کشت نمود
Keywords:
GIS ( , عوامل اکولوژیکی و همپوشانی
Authors
جلال موسوی
مدرس دانشگاه پیام نور سوسنگرد
خالد زائری
باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی واحد سوسنگرد
صادق حزباوی
کارشناس ارشد خاکشناسی سازمان پارک های و فضای سبز شهرداری اهواز
جاسم طعمه زاده
دانشجوی کارشناسی ارشد خاکشناسی دانشگاه آزاد اسلامی واحد علوم و تحقیقات خوزستا
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 :