ارزیابی تناسب کشت گندم با استفاده از سامانه اطلاعات جغرافیایی، سنجش از دور و فرآیند تحلیل شبکه‌ای در حوزه قره‌سوی شهرستان گرگان

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه علوم کشاورزی و منابع طبیعی گرگان

2 کارشناس ارشد اداره کل منابع طبیعی استان گلستان

چکیده

سابقه و هدف: درسال‌های اخیر خوارزمیک‌های متعددی برای اهداف ارزیابی اراضی طراحی شده‌اند که وجه مشترک تمامی آن‌ها ایجاد محیطی برای الگوسازی ومدل کردن روش‌های ارزیابی است. با توجه به اهمیت گندم به‌عنوان یک محصول راهبردی در تامین غذای انسان‌ها و همچنین استفاده بهینه از منابع موجود و ارزیابی مزارع کشت گندم در راستای تولید پایدار، این پژوهش به‌منظور ارزیابی زراعی- بوم‌شناختی مزارع گندم پاییزه در حوزه قره‌سوی شهرستان گرگان با استفاده از سامانه اطلاعات جغرافیایی (GIS)، سنجش از دور (RS) و روش فرآیند تحلیل شبکه‌ای انجام شد.
مواد و روش‏ها: بدین‌منظور با استفاده از تصاویر ماهواره‌ای لندست 8 و با استفاده از روش نظارت‌شده نقشه مزارع گندم استخراج شد. از متغیرهای محیطی دمای متوسط، دمای کمینه، دمای بیشینه، بارش سالانه، شیب، جهات شیب، ارتفاع از سطح دریا، ماده آلی، شوری، بافت و اسیدیته خاک نیز برای ارزیابی زراعی- بوم‌شناختی استفاده شدند. در ابتدا نیازهای بوم‌- شناختی در مورد متغیرهای مورد استفاده، از منابع علمی استخراج شد و نقشه‌های مربوط به این متغیرها تهیه و طبقه‌بندی شدند. از فرآیند تحلیل شبکه‌ای برای تعیین وزن معیارها از طریق تجزیه و تحلیل پرشس‌نامه استفاده شد. سپس در قالب یک مدل، لایه‌های مذکور به روش همپوشانی در محیط GIS تلفیق شدند و ارزیابی شکل گرفت.
یافته‏ها: نتایج به‌دست آمده از تجزیه‌وتحلیل پرسشنامه به‌روش ANP نشان داد که معیار خاک به جهت کشت گندم با توجه به شرایط حوزه مورد مطالعه با ضریب 66/0 در رتبه اول و بعد از آن به‌ترتیب اقلیم و توپوگرافی قرار گرفتند. در بین عوامل خاکی بیشترین وزن به شوری خاک و ماده آلی به‌ترتیب با ضریب 33/0 و 16/0 و کمترین وزن به بافت خاک با 084/0 تعلق داشت. در بین عوامل اقلیمی، بارش با 097/0 بیشترین و دمای بیشینه با 015/0 کمترین ضریب را به خود اختصاص دادند. همچنین برای عوامل توپوگرافی، ارتفاع از سطح دریا بیشترین و جهات شیب کمترین ضریب را به خود اختصاص دادند.
نتیجه‏گیری: نتایج نشان داد که حدود 41/99 درصد از مزارع گندم، در طبقه بسیار مناسب و 58/0 درصد در طبقه مناسب قرار گرفت. ارتفاع کم‌تر اراضی، شیب‌های کم‌تر و رو به جنوب، دماها و بارش سالیانه مناسب و همچنین بافت، ماده آلی و هدایت الکتریکی در حد مطلوب ازجمله عواملی هستند که باعث قرار گرفتن این مناطق در این طبقه شده‌اند. بنابراین مزارع فعلی گندم حوزه قره‌سو دارای محدودیت چندانی از عوامل توپوگرافی، اقلیمی و عوامل خاکی به لحاظ کشت گندم نبوده و این نیز بیان‌گر این مطلب است که کشاورزان مناطق مناسبی را جهت کشت گندم انتخاب نموده‌اند. این منطقه می‌تواند به‌شرط مدیریت عوامل محدودکننده و کاهنده تولید از تولید بالایی برخوردار باشند. اما باید در نظر داشت که کشت مداوم گندم در سال های اخیر موجب مشکلات زیادی در سامانه‏های زراعی استان گلستان شده است. بنابراین اگرچه کشاورزان به درستی این گیاه را برای کشت در این منطقه انتخاب کرده‏اند، اما باید با معرفی گیاهان جایگزین که نیازهای اکولوژیک مشابه دارند از تکرار کشت آن جلوگیری کرد. بنابراین می‏توان ارزیابی های مشابهی روی سایر گیاهان پاییزه انجام داد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Suitability assessment of wheat-grown fields using Geographic Information System, Remote Sensing and Analytical Network Process method in Qaresoo basin, Gorgan county

نویسندگان [English]

  • meysam badsar 1
  • behnam kamkar 1
  • afshin soltani 1
  • omid abdi 2
چکیده [English]

Background and objectives: In recent years, some specialized softwares have been developed for land evaluation goals that the common aspect of them is the generation of an environment to provide patterns and modeling of evaluation methods. Considering the importance of wheat as a strategic crop in the human food supply, efficient use of common sources and the evaluation of wheat fields towards sustainable production, this study was aimed to agroecological assessment of winter wheat-grown fields in Qaresoo basin located in Gorgan County by Geographic Information System (GIS), Remote Sensing (RS) and Analytical Network Process (ANP) method.
Materials and methods: The wheat fields were detected using supervised method acquired by Landsat 8. In this study, environmental factors, including average, minimum and maximum temperatures, annual precipitation, slope, aspect, elevation and soil characteristics (i.e. organic matter, pH, EC and soil texture) were considered. Ecological requirements of wheat were identified from scientific literatures and variables were mapped and classified. The analytical Network process (ANP) was used to determine the weight of criteria using the questionnaires analysis sheet. Then based on a model, forenamed layers were combined and evaluated.
Results: Among edaphic criteria, maximum weight was related to soil salinity and soil organic matter (0.33 and 0.16, respectively), while the lowest value belonged to soil texture (0.084). In addition, in terms of topographical criteria, the weight of elevation and aspect were the highest and lowest, respectively.
Conclusion: The results indicated that about 93.41% and 0.59% of wheat-grown fields in Qaresoo basin were high suitable and suitable for this crop, respectively. Lower elevation and lower slopes and south aspects, suitable temperature and annual precipitation, also desirable EC, soil texture and organic matter were the reasons make these regions suitable for this class. Therefore, current wheat-grown fields of Qaresoo have no limitations in terms of topographic, climatic and soil-related factors for wheat cultivation, This reveals that farmers have selected suitable areas for the cultivation of wheat. With management of limiting and reducing production factors, this region has great potential for the production of this product. But it should be noted that the continuous cultivation of wheat in recent years caused many problems in the Golestan province's agricultural system. Thus, although farmers have chosen the cultivation of this plant in the region properly, but must be replaced with introduced plants that have the same ecological requirements to prevent its frequent cultivation. Therefore, doing the same assessment on other autumn plants could be advised.

کلیدواژه‌ها [English]

  • Landsat 8
  • Crop Indices
  • Supervised Classification
  • Super matrix approach
1. Ama Azghadi, A., Khorasani, R., Mokaram, M., and Moazi, A. 2010. Soil fertility evaluation
based on soil K., P., and organic matter factors for wheat by using Fuzzy logic-AHP and GIS
techniques. J. Water and Soil., 24: 973-984.
2. Alijani, F., Karbasi, A.R., and Mozaffarimosen, M. 2011. Effect of temperature and
precipitation on wheat yield. J. Agric. Econ. Develop., 76: 143-166.
3. Arokhi, S., Hejam, S., and Lotfi, A. 2009. Efficiency of geostatistical methods in favorable
areas for wheat cultivation using geographical information system (Case study: Tehran
province). Proc. 18th Geomatic Conf., 5-6 may, Tehran. 11p.
4. Asakereh, H., and Mazini, F. 2010. Analysis of the probability distribution for the annual
precipitation in the golestan province. Iran-water Resour. Res., 6(1): 51-55.
5. Asgarian, R., Kavian, A.A., Jafarianjelodar, Z., and Bahmanyar, M.A. 2011. Effect of slope
position on soil characteristics in agricultural lands around the city of Sari. 1th National
Congress of science and new technologies in agriculture, Zanjan, Iran. 4p.
6. Ayoubi, SH., Mohammad Zamani, S., and Khormali, F. 2009. Prediction wheat yield using
by soil characteristics and principal component analysis. Iran. J. Soil Water Res., 40(1): 51-
57.
7. Bagherzade, H.M., Bagherzade, A., and Moeinrad, H. 2012. Qualitative land suitability
evaluation for wheat (Triticum aestivum L.) and cotton (Gossypium herbaceum L.) products
using GIS. Journal of Agroecol., 4: 41-51.
8. Bagli, S., Terres, JM., Gallego, J., Annoni, A., and Dallemand, J.F. 2003. Agro-Pedo-
Climatological Zoning of Italy, European commission directorate general joint research
center–ISPRA.
9. Bidadi, M.J. 2012. Land suitability analysis on wheat-soybean rotation using geographical
information system and remote sensing (A case study: Qaresoo basin). Thesis submitted for
the degree of Masre of Science, University of Gorgan, Iran. 112p.
10. Bidadi, M.J., Kamkar, B., and Abdi, O. 2014. Suitable areas zoning of soybean cropping in
Qaresoo basin by geographical information systems (GIS). Electronic J. Crop Prod. 7: 175-
187.
11. Elaalem, M. 2010. The Application of Land Evaluation Techniques in Jeffara Plain in Libya
using Fuzzy Methods. Thesis submitted for the degree of Doctor of Philosopy, University of
Leicester, United Kingdom.
12. Feizizadeh, B., Abdali, H., Rezaei Banfsheh, M., and Mohammadi, Gh. 2012. Zoning of
susceptible area to rainfed wheat in the Eastern Azerbaijan province by Geospatial analysis
of GIS. Agronomy. 96: 75-91.
13. Feizizadeh, B., and Haji mirrahimi, M. 2008. Application of remote sensing data in
extraction land use maps. Geomatics 2008 and 4th Conference unification geographical
names, Tehran, 11 May.
14. Ghorbani, M.H., and Harutyunyan, H. 2011. Response growth and yield to plant density and
row space under rainfed conditions in wheat. Electronic Journal of Crop Production. 4: 139-
154.
15. Garcia-Melon, M., Onate J.F., Aznar-Bellver, J., Aragonés-Beltran, P., Poveda-Bautista, R.
2008. Farmland appraisal based on the analytic network Process. J. Global Optim. 42: 143-
155.
16. Hossain, M.S., Chowdhury, S.R., Das, N.G., and Rahaman, M.M. 2007. Multi-criteria
evaluation approach to GIS-based land suitability classification for tilapia farming in
Bangladesh. Aquacul. Inter., 15: 425-443.
17. Jodaei, A.R. 2000. Study of effective factors in wheat yield at Urmia. 3th Conference of
Agricultural Economics. Mashhad, Iran, 951-971. (In Persian)
18. Kafi, M., Kamkar, B., and Mahdavidamghani, A.M. 2003. Crop Responses to Environment.
Mashhad Jahad Daneshgahi Press, Iran. 297p.
19. Kazemi, H. 2012. Agroecological zoning of agricultural lands in Golestan province. Ph.D.
Thesis in Agronomy Tarbiat Modares University. 280p.
20. Kazemi, H. 2013. Agroecological zoning of Gorgan agricultural lands for hulless barley
cropping base on Boolean logic. Elect. J. Crop Prod., 6(5): 165-185.
21. Kazemi, H., Tahmasebi Sarvestani, Z., Kamkar, B., Shataee, S., and Sadeghi, S. 2012.
Agroecological zoning of agricultural lands in Golestan province for canola cultivation by
Geographic Information System (GIS) and Analytical Hierarchy Process (AHP). Elect. J.
Crop Prod., 5: 123-39.
22. Keshavarz, P., Zangiabadi, M., and Abbaszadeh, M. 2013. Effect of clay content and soil
salinity on soil organic carbon relationships with yield. Iran. J. of Soil. Res., 3: 359-371.
23. Liangzhi, Y., Mark, W., Cheng, F., Stanly, W. 2005. Impact of global warming on Chinese
Wheat productivity. International Food Policy Research Institute, EPT Discussion paper.
143: 1-14.
24. Mahmoodan, S. 2014. Comparison of wheat yield between common and modern wheat
cropping system using geographical information system approach. Thesis submitted for the
degree of Master of Science, University of Gorgan, Iran. 100p. (In Persian)
25. Mohammadi, J., and Givi, J. 2001. Land suitability evaluation for wheat using fuzzy-set
theory (a case study: Flavarjan, Isfahan). J. Water and Soil Sci., 1: 103-115.
26. Mosaedi, A., and Kahe, M. 2008. The Assessing Precipitation Effects on Yield Productions
of Wheat and Barley in Golestan Province. J. Agric. Sci. Nat. Resour., 15: 1-15.
27. Norouzi, M., Jlalian, A., Ayoubi, Sh.A., and Khademi, J. 2008. Evaluation of the
relationship between topography and characteristics of wheat production (a case study:
Chahar Mahal and Bakhtiari province, Ardal region). Journal of Science and Technology of
Agriculture and Natural Resources, Water Soil Sci., 46: 759-770.
28. Pakpour rabati, A., Jafarzadeh, A.A., Shahbazi, F., and Ammary, P. 2013. Assessment of
Ausceptible land for some agricultural crops in some regions of west azerbaijan province
using geographical information system. J. Water Soil Sci., 23: 165-176.
29. Parsaei, L., and Mofidi Khajeh, A.M. 2009. Management of watershed Gorgan gulf:
challenges, goals and landscape. 5th National Conference of Watershed Management
Science and Engineering (Sustainable Management of Natural Disasters), Gorgan, Iran. 12p.
30. Pourkhabbaz, H.M., Javanmardi, S., Yavari, A.R., and Farajisabokbar, H.A. 2013.
Application of multi criteria evaluation and ANP-DEMENTAL method for land suitability
analysis (A case study: Qazvin plain). J. Environ. Stud., 3: 164-151.
31. Ranjbar, Gh.H., and Banakar, M.H. 2010. Salinity effect on four trade varieties of wheat.
Iranian Journal of Soil Research., 3: 237-242.
32. Saaty, T.L. 1999. Fundamentals of the Analytic Network Process. Proceedings of ISAHP,
Kobe, Japan.
33. Sanaeinejad, H., Astaraei, A.R., Mirhosseini, P., Keshavarzi, A., and Ghaemi, M. 2008. Use
of satellite imagery for vegetation studies (comparison of different vegetation indices a case
study: Neyshabur region). 5th National Congress of Agricultural Machinery Engineering and
Mechanization, Mashhad, Iran.
34. Triantafilis, J., Ward, W.T., McBratney, A.B. 2001. Land suitability assessment in the
Namoi Valley of Australia, using a continuous model. Aust. Aca. Sci., 39(2): 273-290.
35. Tuan, N.T., Jian-Jan, Q., Verdoot, A., H.L, Van Rant, E. 2011. Temperature and
precipitation suitability evaluation for the winter wheat and summer maize cropping system
in the huang-huai-hai plain of china. Agric. Sci. in China., 10(2): 275-288.
36. Zebardast, J. 2010. Application of analytic network process (ANP) in urban and regional
planning. Fine Arts Archit. magaz., 41: 79-90.