مقایسه روش‌های پارامتریک و روش امتیازدهی منطقی ترجیحی (LSP) در ارزیابی قابلیت و تناسب اراضی برای زراعت‌های آبی در منطقه آبیک قزوین

آب و خاک

مقاله 3، دوره 36، شماره 4 - شماره پیاپی 84، مهر و آبان 1401، صفحه 459-475   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.2022.76330.1159

نویسندگان

فریدون سرمدیان^{* 1}؛ سجاد تیموری بردیانی²؛ شهلا رحمانی سیالرز³؛ نیلوفر صیادی⁴

¹دانشگاه تهران،پردیس کشاورزی و منابع طبیعی کرج،گروه علوم و مهندسی خاک

²دانشجوی کارشناسی ارشد مدیریت منابع خاک دانشگاه تهران

³گروه علوم و مهندسی خاک، دانشگاه تهران، کرج

⁴گروه مهندسی خاک؛ دانشگاه تهران، کرج

چکیده

کشاورزان و محصولات کشاورزی با خطرات زیادی از جمله آب‌وهوای نامساعد، آفات، بیماری‌ها و تغییر در قیمت محصولات، قوانین و مقررات مواجه هستند. اولین قدم در مدیریت و به‌حداقل‌رساندن بسیاری از این خطرات اغلب انتخاب محصولات مناسب برای مناطق زیر کشت است؛ بنابراین، دانستن اینکه آیا این اراضی برای یک محصول خاص مناسب است یا خیر، می­تواند موفقیت یا شکست استراتژی‌های کشاورزی را تعیین کند. ارزیابی چندمعیاره (MCE) یکی از روش‌های آنالیز مکانی است که می­تواند به ارزیابی اراضی کمک کند. هدف از این مطالعه بسط دادن روش‌های استاندارد MCE  بر پایه GIS، با استفاده روش امتیازدهی منطقی ترجیحی(LSP)  برای ارزیابی اراضی است تا در کنار بررسی معیارهای متعدد برای ارزیابی اراضی و انطباق آنها، از تلفیق خصوصیات شیمیایی و فیزیکی با مسائل اجتماعی و اقتصادی بتوان به یک ارزیابی اراضی کامل­تر دست‌یافت. در این تحقیق، به دو روش پارامتریک و امتیازدهی منطقی ترجیحی ارزیابی اراضی انجام شد. منطقه موردمطالعه در محدوده کرج- قزوین، شهرستان آبیک قرار گرفته است. در منطقه 60 خاک رخ حفر، نمونه­برداری شد و آزمایش‌های مربوطه انجام شد. بررسی درجه تناسب اراضی برای کشاورزی به‌طوری‌که علاوه بر خصوصیات خاک و اراضی، مسائل اقتصادی و اجتماعی و زیست‌محیطی هم مطرح باشد، برای این منطقه انجام شد. نقشه‌های تناسب اراضی برای هر دو روش پارامتریک و LSP تهیه شد. روش LSP با استفاده از تعداد بیشتری از پارامترها، ارزیابی دقیق‌تری را ارائه داد و 25/31 درصد از اراضی برای کشت گندم، جو، ذرت دارای تناسب عالی بودند. بر اساس روش پارامتریک برای گندم 28%، برای جو 36% و برای ذرت 20% از اراضی برای کشاورزی مناسب بودند.

کلیدواژه‌ها

تناسب و قابلیت اراضی؛ روش پارامتریک؛ روش LSP؛ FAO

مراجع

1. Ahmadi, O., Alamdari, P., Servati, M., & Khoshzaman, T. (2021). Investigate the suitability and capability of lands using parametric methods to achieve sustainable development. Geography and Development Iranian Journal 18(61): 1-28.
2. Cheshire, L., & Woods, M. (2013). Globally engaged farmers as transnational actors: Navigating the landscape of agri-food globalization. Geoforum 2013 44: 232–242.
3. Dujmović, J7.J. (1979). Partial absorption function. Publikacije Elektrotehničkog fakulteta. Serija Matematika i fizika, 156-163.
4. Dujmovic, J.J., & Larsen, H.L. (2007). Generelized conjunction/disjunction. International Journal of Approximate Reasoning 46: 423-446.
5. Dujmović, J.J., De Tré, G., & Van de Weghe, N. (2010). LSP suitability maps. Soft Computing 14(5): 421-434.
6. Dragićević, S., & Hatch, K. (2018). Urban geosimulations with the Logic Scoring of Preference method for agent-based decision-making. Habitat International72: 3-17.
7. Dragićević, S., Dujmović, J., & Minardi, R. (2018). Modeling urban land-use suitability with soft computing: the GIS-LSP method. In GeoComputational analysis and modeling of regional systems(pp. 257-275). Springer, Cham.
8. El Baroudy, A.A. (2016). Mapping and evaluating land suitability using a GIS-based model. Catena140: 96-104.
9. Hashem Vand Khianani, , Sarmadian, F., & Afraz, S. (2015). Investigating the suitability of blue corn products using GIS and AHP in Qazvin plain lands. International conference on Modern Research in Agricultural Science and Environment. Malaysia – Kualalumpur.
10. Hatch, K., Dragićević, S., & Dujmović, J. (2014). Logic scoring of preference and spatial multicriteria evaluation for urban residential land use analysis. In International Conference on Geographic Information Science (pp. 64-80). Springer, Cham.
11. Lennox, E. (2015) Double Exposure to Climate Change and Globalization in a Peruvian Highland Community. Society & Natural Resources 28: 781–796.
12. Luan, C., Liu, R., & Peng, S. (2021). Land-use suitability assessment for urban development using a GIS-based soft computing approach: A case study of Ili Valley, China. Ecological Indicators123: https://doi.org/10.1016/j.ecolind.2020.107333.
13. Møller, A.B., Mulder, V.L., Heuvelink, G., Jacobsen, N.M., & Greve, M.H. (2021). Can we use machine learning for agricultural land suitability assessment?. Agronomy 11(4): 703.‏
14. Montgomery, B., Dragićević, S., & Dujmović, J. (2015). A soft computing logic method for agricultural land suitability evaluation. In Proceedings of GeoComputation 2015 Conference. Dallas, USA(pp. 298-304).
15. Montgomery, B., & Dragićević, S. (2016 a). Comparison of GIS‐based Logic Scoring of preference and multicriteria evaluation methods: urban land use suitability.Geographical Analysis 48(4): 427-447.
16. Montgomery, B., Dragićević, S., Dujmović, J., & Schmidt, M. (2016 b). A GIS-based Logic Scoring of Preference method for evaluation of land capability and suitability for agriculture. Computers and Electronics in Agriculture124: 340-353.
17. Montgomery, B., Dragićević, S., & Dujmović, J. (2017). Using soft computing logic and the logic scoring of preference method for agricultural land suitability evaluation. In Advances in Geocomputation (pp. 217-227). Springer, Cham.
18. Mosleh, Z., Salehi, M.H., Jafari, A., Mehnatkesh, A., & Esfandiarpoor Borujeni, I. (2017). Assessing the performance of digital mapping approaches for the qualitative land suitability evaluation (a case study: Shahrekord Plain, ChaharmahalVa-Bakhtiari Province). Journal of Water and Soil 32(1): 87-99. (In Persian with English abstract)
19. Mousavi, S.R., Sarmadian, F., & Taati, A. (2017). Land suitability evaluation for irrigation alfalfa in some Qazvin plain with FAO method and Geographic Information System. 15^th Iranian Soil Science Congress, Isfahan, https: // civilica.com/doc/729488
20. Mulder, V.L., van Eck, C.M., Friedlingstein, P., Arrouays, D., & Regnier, P. (2019). Controlling factors for land productivity under extreme climatic events in continental Europe and the Mediterranean Basin. Catena 182: 104124. https://doi.org/10.1016/j.catena.2019.104124.
21. Sarmadian, F., Moravvej, K., Mahmoodi, SH., & Ebrahimi-khomami, S.M.R. 2003. An investigation of land suitability evaluation for irrigated crop, using remote sensing and geographical information system techniques in parts of Varamin Plain. Iranian, Joalur Agriculture Science 34(4). (In Persian with English abstract)
22. Sarmadian, F., Keshavarz A., & Asgari, M.S. (2009). Land suitability assessment for irrigated wheat in Takestan region using fuzzy set theory, 11^th Iranian Soil Science Congress, Gorgan. (In Persian)
23. Sarmadian, F., & Keshavarzi, A. (2011). Investigating the efficiency of fuzzy set theory in assessing land Suitability for irrigated wheat in Qazvin Province using hierarchical analysis and multivariate regression Process Methods. Iranian Journal of Soil and Water Research 42(2): 199-207. (In Persian)
24. Shen, S., Dragićević, S., & Dujmović, J. (2021). GIS. LSP: A soft computing logic method and tool for geospatial suitability analysis. Transactions in GIS 25(3): 1228-1248. https://doi.org/10.1111/tgis.12768.
25. Singha, C., & Swain, K.C. (2016). Land suitability evaluation criteria for agricultural crop selection: A review. Agriculture Revolution 37: 125–132.
26. Storie Earl, R. (1976). Storie index rating. Division of agriculture science university of Callifornia special pub. 3203.
27. Tashayo, B., Honarbakhsh, A., Azma, A., & Akbari, M. (2020). Combined fuzzy AHP–GIS for agricultural land suitability modeling for a watershed in southern Iran. Environmental Management 66(3): 364-376.‏