امکان سنجی اجرای لی فارمینگ در شهرستان آق قلا با استفاده از سامانه اطلاعات جغرافیایی (GIS)
Publish place: 13 Iranian Crop Sciences Congress & 3rd Iranian Seed Science and Technology Conference
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 941
This Paper With 5 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:
NABATAT13_0333
تاریخ نمایه سازی: 4 آذر 1393
Abstract:
به منظور امکان سنجی اجرای لی فارمینگ در شهرستان آق قلا از سامانه اطلاعات جغرافیایی (GIS) و فرآیند تحلیل سلسله مراتبی (AHP) استفاده شد. . ابتدا نیازهای زراعی و بوم شناختی گیاه گندم، جو و یونجه از منابع علمی موجود تعیین و طبقه بندی شدند. جهت استخراج اوزان متغیرهای محیطی مورد مطالعه از فرایند تحلیل سلسله مراتبی (AHP) کمک گرفته شد. سپس لایه های رقومی عوامل محیطی در محیط GIS با اختصاص وزن AHP روی همگذاری و تلفیق شدند، در ادامه انطباق لایه ی نهایی با نیازهای بوم شناختی هر گیاه صورت گرفت و در نهایت پهنه بندی اراضی در چهار طبقه برای اجرای لی فارمینگ بر اساس روی هم گذاری لایه استعداد سنجی سه گیاه زراعی انجام شد. نتایج نشان داد که 35/1 درصد و 30/2 درصد اراضی کشاورزی این شهرستان برای اجرای لی فارمینگ به ترتیب بسیار مستعد و مستعد هستند. در این پهنه ها مقدار بارش بیشتر از 400 میلی متر بوده و همچنین از نظر حاصلخیزی خاک در سطح مطلوبی قرار داشتند. این مناطق بیشتر در قسمت مرکزی و جنوب شهرستان مشاهده شد. پهنه های نیمه مستعد حدود 19/5 درصد و غیر مستعد 15/2 درصد از اراضی شهرستان آق قلا را شامل شده است. از دلایل متناسب نبودن این مناطق، وجود محدودیت های محیطی مانند میزان بارش ناکافی، شوری بالا، بافت نامناسب و ماده آلی پایین می باشد.
Keywords:
Authors
نیلوفر نصراللهی
دانشجوی کارشناسی ارشد اگرواکولوژی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
حسین کاظمی
عضو هیئت علمی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
بهنام کامکار
عضو هیئت علمی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
فرهاد هنردوست
کارشناس ارشد مدیریت مناطق بیابانی اداره کل منابع طبیعی و آبخیزداری استان گلستان
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 :