بررسی شاخص اصلاح‌شده سرزمین در ارزیابی تناسب سرزمین و تصحیح روابط آن

آب و خاک

مقاله 7، دوره 34، شماره 6 - شماره پیاپی 74، بهمن 1399، صفحه 1287-1298   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v34i6.86309

نویسنده

محسن باقری بداغ آبادی^*

استادیار مؤسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

چکیده

در ارزیابی تناسب سرزمین با روش پارامتریک، شاخص سرزمین (LI) باید با توجه به مقدار عددی محدودکننده‌ترین ویژگی یا همان درجه کمینه (Rmin) اصلاح شود و بعد از آن، کلاس تناسب تعیین گردد. توابعی که به‌منظور اصلاح شاخص سرزمین ارایه شده‌اند، از دیدگاه ریاضی باید در همه نقاط دارای پیوستگی باشند تا سبب از دست رفتن برخی از اعداد و پیرو آن از دست رفتن کلاس تناسب مربوط به آن اعداد نشوند. روابط ارایه­شده توسط سایس، در نقطه مرزی برای رده N (نامناسب) پیوسته نیستند. بنابراین، استفاده از روابط ارایه‌شده برای کلاس‌های N1 و N2 تا حد زیادی می‌تواند گمراه‌کننده باشد؛ چرا که توانایی جداسازی کلاس‌های N1 و N2 را ندارند و در محاسبه این کلاس‌ها به‌شدت با مشکل همراه هستند. هدف از این پژوهش ارایه روابط جدیدی است که هم شرط پیوستگی را دارا باشند و هم نتایج حاصل از این روایط در دامنه تعریف شده برای دو کلاس N1 و N2 قرار گیرند. بنابراین، نخست توابع ارایه‌شده سایس از نظر ریاضیاتی مورد بررسی قرار گرفتند و تصحیح‌های مورد نیاز انجام شد. سپس با شبیه‌سازی عددی، نتایج حاصل بررسی و مقایسه گردیدند. یافته‌ها نشان دادند برای کلاس‌های N1 و N2 توابع تصحیح باید به‌ترتیب به‌صورت 314/0×(2/0- LQSI) + 5/12 و LSI 5/0 برای روش خیدیر و 313/0×(002/0- LSI) + 5/12 و LSI 5/0 برای روش استوری باشند تا هم پیوستگی توابع تصحیح برای همه کلاس‌ها برقرار باشد و هم شاخص اصلاح‌شده تناسب سرزمین در دامنه تعریف‌شده برای هر کلاس قرار گیرد. دستاوردهای دو میلیون بار شبیه‌سازی نیز درستی توابع به‌دست آمده را تایید نمودند. بنابراین پیشنهاد می‌گردد در تعیین کلاس‌های N1 و N2 به‌جای روابط سایس، از روابط ارایه‌شده در این پژوهش استفاده شود.

کلیدواژه‌ها

روش استوری؛ روش خیدیر؛ شبیه‌سازی؛ کلاس تناسب اراضی

مراجع

1- Amini fasakhodi, A. Bagheri, M., Salehi, M., Hadinezhad, A. 2014. Improvement of Resources Management and Quality of Land Suitability Evaluation Maps Using Fuzzy Approach (Case Study: Farrokhshahr - Chaharmahal & Bakhtiari). Geography and Environmental Planning, 24(4), 195-204. (in Persian with English abstract)

2- Alikhah-asl M and Naseri D. 2018. Ecological land capability evaluation for agriculture and range management using Fuzzy AHP method (Case study: Ghoorichay catchment, Ardabil province). Journal of Environmental Science and Technology (JEST). Online. (in Persian with English abstract)

3- Bagheri, M., Jelokhani Noaryki, M., Bagheri, K. 2018. Investigation of the land potential of Kermanshah province for rainfed wheat cultivation using artificial neural network. Journal of RS and GIS for Natural Resources, 8(4), 36-48. (in Persian with English abstract)

4- Bagheri, M. 2011. Applied Land Evaluation and Land Use Planning. Pelk Publications. 392 p. (in Persian)

5- Bagheri Bodaghabadi, M., Amini A., M.H. Salehi, Hosseinifard J and Heydari M. 2019. Suitability analysis and evaluation of pistachio orchard farming, using canonical multivariate analysis. Scientia Horticulturae. 246: 528-534.

6- Bagheri Bodaghabadi, M., Jose A. Martinez-Casasnovas, P., Khalili and M. Masihabadi, 2015. Assessment of the FAO traditional land evaluation methods, A case study: Iranian Land Classification method. Soil and Use Management, 31: 384-396.

7- Baroudy A.A., 2016.Mapping andevaluating land suitability usingaGIS-basedmodel. Catena 140, 96–104.

8- Delsouz Khaki, B., Honarjoo N., Davatgar N., Jalalian A., Torabi Gol sefidi H. 2018. Land Suitability Evaluation and Inherent Soil Fertility Quality for Rice Cultivation in Paddy Fields of Shaft and Fouman Counties. Iranian Journal of Soil Research, 32(1), 115-127. doi: 10.22092/ijsr.2018.116566. (in Persian with English abstract)

9- FAO. 1979. Soil Survey Investigations for Irrigation. FAO Soils Bulletin No. 42, Rome. 188p

10- Habibie, M.I., Noguchi, R., Shusuke, M. and Ahamed T. 2019. Land suitability analysis for maize production in Indonesia using satellite remote sensing and GIS-based multicriteria decision support system. GeoJournal (2019). https://doi.org/10.1007/s10708-019-10091-5

11- Keshavarzi, A; F. Sarmadian,; A. Heidari, and M. Omid. 2010. Land Suitability Evaluation Using Fuzzy Continuous Classification (A Case Study: Ziaran Region). Modern Applied Science, 4( 7). 72-81.

12- Khiddir. S.M. 1986. A statistical approach in the use of parametric systems applied to the FAO framework for land evaluation. Unpublished thesis. State University Ghent.

13- Kim H, Shim K. 2018. Land suitability assessment for apple (Malus domestica) in the Republic of Korea using integrated soil and climate information, MLCM, and AHP. Int J Agric & Biol Eng, 11(2): 139–144.

14- Mahdavi M., Esfandiarpoor I. and Bagheri M. 2016. Comparison of two fuzzy methods to determine the optimum soil depth in land suitability evaluation for wheat. Soil management and sustainable production 6 (3): 101-116.

15- Moravej K, Delavar M, Najafi V. 2018. Importance of Using Modern Irrigation Methods in Increase of Employment and Development of Rural Areas. geores. 33 (2) :175-190. (in Persian with English abstract)

16- Mosleh Z., Salehi M., Jafari A., Mehnatkesh A., and Esfandiarpoor Borujeni I . 2018. Assessing the Performance of Digital Mapping Approaches for the Qualitative Land Suitability Evaluation (A Case Study: Shahrekord Plain, Chaharmahal-Va-Bakhtiari Province). Journal Of Water and Soil, 32(1), 87-99. (in Persian with English abstract)

17- Mosleh, Z., Salehi, M. Hassan, Amini Fasakhodi, A., Jafari, A., Mehnatkesh, A., & Esfandiarpoor Borujeni, I. 2017. Sustainable allocation of agricultural lands and water resources using suitability analysis and mathematical multi-objective programming. Geoderma, 303, 52-59. doi: 10.1016/j.geoderma.2017.05.015

18- Movahedi Naeini, S. 1993. Evaluation of land suitability of important agricultural products in Gorgan region. Faculty of Agriculture, Tarbiat Modares University, 217 p. (in Persian with English abstract)

19- RahmatiF., & KamaliA. (2016). Comparison of Four Weighting Methods in Fuzzy-based Land Suitability to Predict Wheat Yield. Journal of Water and Soil, 31(1), 277-285.

20- Servati M. 2018. ELECTRE Tri Method Performance on Land Suitability Evaluation in Chalderan Region for Potato. Journal of Water and Soil Conservation, 25(1), 271-284. (in Persian with English abstract)

21- Servati M., Momtaz H., Zali Vargahan B., Mohammadi H. 2016. Performance evaluation of corrected land indices to determine the Potential of Maize production using FAO Method. Applied Soil Research, 3(1), 65-77. (in Persian with English abstract)

22- Seyed Jalali, S., Sarmadian, F., Shorafa, M. 2014. Comparison of Corrected and Uncorrected Land Indices in Parametric Method of Land Suitability Evaluation. Iranian Journal of Soil Research, 28(1), 127-141. doi: 10.22092/ijsr.2014.120157. (in Persian with English abstract)

23- Seyedmohammadi, J., Sarmadian, F., Jafarzadeh, A. and Ghorbani, M.A. 2018. Application of SAW, TOPSIS and fuzzy TOPSIS models in cultivation priority planning for maize, rapeseed and soybean crops Geoderma 310, 178-190.

24- Storie R.E. 1978. The Storie Index Soil Rating Revised. Davis,CA, University of California, Division of Agricultural Science, Special Publication No 3203.

25- Sys, C., E. Van Ranst, and J. Debaveye. 1991. Land evaluation, Part II. Methods in Land Evaluation. International Training center for post graduate soil scientists, Ghent University, Ghent. 247 pp.

26- Vasu, D.; Srivastava, R.; Patil, N.G.; Tiwary, P.; Chandran, P.; Kumar Singh, S. 2018. A comparative assessment of land suitability evaluation methods for agricultural land use planning at village level. Land Use Policy 2018, 79, 146–163.

27- Yohannes H. and Soromessa T. 2018. Land suitability assessment for major crops by using GIS-based multi-criteria approach in Andit Tid watershed, Ethiopia. Cogent Food & Agriculture, 4: 1470481

28- Zeinadini Meymand A., Bagheri Bodaghabadi, M., Moghimi A., Navidi N., Ebrahimi Meymand F. and Amirpou M. 2018. Modeling of yield and rating of land characteristics for corn based on artificial neural network and regression models in south of Iran. Desert 23(1): 85-95.