افزایش کارایی نقشه حاصلخیزی خاک برای کشت برنج با استفاده از منطق فازی، AHP و GIS

آب و خاک

مقاله 11، دوره 30، شماره 4 - شماره پیاپی 48، آبان 1395، صفحه 1114-1129   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v30i4.38868

نویسندگان

جواد سیدمحمدی^{* 1}؛ لیلا اسماعیل نژاد²؛ حسن رمضانپور³

¹دانشگاه تبریز

²دانشگاه تهران

³دانشگاه گیلان

چکیده

افزایش عملکرد گیاهان زراعی تحت تأثیر عوامل مختلفی از جمله ویژگی‎های خاک همچون عناصر غذایی موجود در آن است. تعیین درجه حاصلخیزی خاک برای مشخص کردن میزان کوددهی بسیار مهم بوده و بدون توجه به این موضوع، مصرف کودهای شیمیایی، نه تنها باعث افزایش عملکرد محصولات کشاورزی نمی‎شود، بلکه باعث تحمیل هزینه‎های اضافی، به هم خوردن تعادل عناصر غذایی در خاک و مسائل زیست محیطی می‎گردد. بنابراین تهیه نقشه حاصلخیزی و تعیین درجه آن ضروری به نظر می‎رسد. از طرفی منطق فازی برای تهیه نقشه‎ها در علوم مختلف به ویژه علوم خاک به‎طور گسترده مورد استفاده قرار می‎گیرد. لذا انتظار می‎رود باعث افزایش کارایی نقشه‎های حاصلخیزی خاک برای محصولات کشاورزی مختلف گردد. در این مطالعه تلاش شده است تا با تهیه نقشه حاصلخیزی خاک در نواحی مرکزی استان گیلان، با استفاده از منطق فازی و فرآیند تحلیل سلسله مراتبی در محیط نرم افزار ArcGIS وضعیت منطقه از نظر حاصلخیزی برای گیاه برنج ارزیابی شده و دقت نقشه‎ مربوطه با استفاده از این روش‎ها نسبت به روش‎های سنتی افزایش یابد. جهت نیل به اهداف، مقادیر کربن ‎آلی، فسفر و پتاسیم خاک که از 117 نقطه مورد مطالعه اخذ شده بود، وارد مدل شدند. ابتدا درون‎یابی این نقاط برای هر سه پارامتر با استفاده از روش کریجینگ در محیط GIS4 انجام شد. سپس برای هر یک از پارامترهای مورد مطالعه با تعریف تابع عضویت S شکل، نقشه فازی تهیه گردید. پس از تعیین تابع عضویت، نقشه‎های مربوط به هر سه پارامتر با استفاده از AHP5 وزن‎دار شده و از روی هم اندازی لایه‎ها، نقشه حاصلخیزی خاک تهیه شد. مقایسه نقشه فازی و نقشه تهیه شده به روش بولین با استفاده از مقادیر پارامترها در نقاط نمونه‎برداری مجدد برای کنترل دقت نقشه‎ها نشان داد که منطق فازی با AHP می‎تواند با افزایش دقت و کارایی نقشه، در استفاده بهینه از کودها مؤثر باشد. همچنین مقادیر معیارهای واریانس نسبی و ضریب توجیه‎پذیری نشان داد که نقشه فازی، تغییرات پارامترها را به خوبی تفکیک کرده است.

کلیدواژه‌ها

سیستم اطلاعات جغرافیایی؛ فازی؛ فرآیند تحلیل سلسله مراتبی؛ نقشه حاصلخیزی

مراجع

1- Aama Azghadi A., Khorassani R., Mokarram M., and Moezi A. 2010. Soil fertility evaluation based on soil K, P and organic matter factors for wheat by using Fuzzy Logic-AHP and GIS techniques. Journal of Water and Soil, 24(5): 973- 984, (In Persian with English abstract).

2- Burt R. 2014. Soil Survey Laboratory Methods Manual. Soil survey investigations report No. 42, Version 5. United States Department of Agriculture, Natural Resources Conservation Service, National Soil Survey Center.

3- Davatgar N., Neishabouri M.R., and Sepaskhah A.R. 2012. Delineation of site specific nutrient management zones for a paddy cultivated area based on soil fertility using fuzzy clustering. Geoderma, 173: 111- 118.

4- Doberman A., and Fairhurst T.H. 2000. Rice: Nutrient Disorders and Nutrient Management. International Rice Research Institute, Philippines.

5- Doberman A., and Oberthur T. 1998. Fuzzy mapping of soil fertility - a case study on irrigated Riceland in the Philippines. Geoderma, 77: 317- 339.

6- Ghodsipour S.H. 2013. Analytic Hierarchy Process. 10th ed., Amirkabir University of Technology Press, 230p, (In Persian).

7- Kavoosi M., and Malakoti M.J. 2006. Determination of available potassium critical level with ammonium acetate extractor in Guilan paddy soils. Journal of Science and Technology of Agriculture and Natural Resources, 3: 113–123, (In Persian with English abstract).

8- Kremenov O. 2004. Fuzzy Modeling of Soil Maps. Helsinki University of Technology Department of Surveying. 81p.

9- Kweon G. 2012. Delineation of site-specific productivity zones using soil properties and topographic attributes with a fuzzy logic system. Biosystem Enginearing, 112(4): 261- 277.

10- Lotfi Arpachaei1 Z., EsmaliOuri A., Hashemimajd K., and Najafi N. 2013. Soil fertility evaluation of Ardabil plain for wheat and potato based on some soil chemical properties by AHP and GIS techniques. Journal of Water and Soil 27(1): 45- 53, (In Persian with English abstract).

11- Mokarram M., and Bardideh M. 2013. Soil fertility evaluation for wheat cultivation by fuzzy theory approach and compared with Boolean method and soil test method in GIS area. Agronomy Journal (Pajouhesh & Sazandegi), 96: 111- 123, (In Persian with English abstract).

12- Oberthur T., Dobermann A., and Aylward M. 2000. Using auxiliary information to adjust fuzzy membership functions for improved mapping of soil quality. IJGIS, 14: 431- 454.

13- Saaty T.H., and Vargas L.G. 2001. Models, Methods, Concepts, and Applications of the Analytic Hierarchy Process. Kluwer Academic, 160p.

14- Salehi M.H., and Khademi H. 2008. Fundamentals of Soil Survey. First edition, Isfahan University of Technology Press.

15- Salehi N., GhajarSepanlou M., and JafariGorzin B. 2013. An evaluation of soil fertility using soil organic carbon, potassium, phosphorus and salinity factors for rice cultivation by fuzzy logic and AHP techniques. International Journal of Agriculture and Crop Sciences, 5(19): 2233- 2241.

16- Sarmadian F., and Keshavarzi A. 2014. The use of a hybrid fuzzy-AHP system on the evaluation and mapping of soil fertility. Soil and Water Resources Conservation, 3(2): 45- 56, (In Persian with English abstract).

17- Webster R., and Oliver M. 2007. Geostatistics for Environmental Scientists. 2nd edition, John Wiley & Sons Ltd, Chichester UK.

18- Zhang B., Zhang Y., Chen D., Whit R.E., and Li Y. 2004. A quantitative evaluation system of soil productivity for intensive agriculture in China. Geoderma, 123: 319- 331.

19- Zhu A.X., Yang L., Li B., Qin C., Pei T., and Liu B. 2010. Construction of membership functions for predictive soil mapping under fuzzy logic. Geoderma, 155: 164- 174.