عنوان

ارزیابی قابلیت اراضی در شرق استان قزوین با استفاده از مدل های LESA وCervatana

Number

پ۲۶۳۱۶

.Language of Text, Soundtrack etc

per

Title Proper

ارزیابی قابلیت اراضی در شرق استان قزوین با استفاده از مدل های LESA وCervatana

First Statement of Responsibility

انسیه اسماعیلی

Name of Publisher, Distributor, etc.

کشاورزی

Date of Publication, Distribution, etc.

۱۴۰۰

Specific Material Designation and Extent of Item

۱۳۴ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

دکتری

Discipline of degree

علوم و مهندسی خاک

Date of degree

۱۴۰۰/۶/۳۱

Text of Note

مدیریت پایدار اراضی یکی از مهم¬ترین راهکارها برای جلوگیری از تخریب منابع طبیعی به¬ویژه خاک می¬باشد. یکی از عوامل اصلی شناخته شده در کشاورزی پایدار، ارزیابی قابلیت اراضی و متعاقباً ارزیابی تناسب اراضی برای تیپ¬های بهره¬وری خاص در منطقه است. هدف کلی از این پژوهش را می¬توان در سه دسته تقسیم نمود: 1) کاربرد مدل LESA به عنوان روشی نوین در ارزیابی قابلیت اراضی محدوده مورد مطالعه؛ 2) کاربرد مدل Cervatana به عنوان یکی از زیرمجموعه¬های سیستم تصمیم¬گیری میکرولیز در ارزیابی قابلیت اراضی به منظور تفکیک اراضی مستعد از غیرمستعد کشاورزی و 3) تهیه نقشه قابلیت اراضی با استفاده از هر دو مدل مذکور در راستای تفسیر و ارائه بهتر نتایج در محیط GIS می¬باشد. بدین¬منظور، بخشی از شهرستان آبیک در شرق استان قزوین و غرب استان البرز انتخاب و در مجموع تعداد 140 پروفیل به صورت تصادفی نظارت شده حفر و نمونه¬برداری گردید. در روش نمونه¬برداری نظارت شده، نحوه تفکیک واحد¬های مطالعاتی از طریق تفسیر اطلاعات ماهواره¬¬ای، مدل رقومی ارتفاع و درجه شیب می¬باشد. برخی ویژگی¬های خاک نظیر بافت، ماده آلی، کربنات کلسیم معادل، شوری، pH، میزان سنگریزه سطحی و عمقی و نیز کاتیون¬های کلسیم، منیزیم و سدیم تبادلی اندازه¬گیری و در مدل¬ها مورد استفاده قرار گرفت. به منظور تهیه نقشه پیوسته مکانی ویژگی¬های خاک از روش کریجینگ معمولی استفاده شد. همچنین، ویژگی¬های توپوگرافی منطقه مورد مطالعه مانند ارتفاع، شیب و جهت شیب از مدل رقومی ارتفاع (DEM) استخراج گردید. مدل LESA دارای دو بخش ارزیابی اراضی (Land evaluation) و ارزشیابی ناحیه¬ای (Site assessment) می¬باشد که وزن هر کدام از آن¬ها به ترتیب 4/0 و 6/0 در نظر گرفته شد. تعیین وزن¬ها از پرسش¬نامه¬ها و بررسی¬های میدانی و مذاکره با کارشناسان کشاورزی و کشاورزان منطقه برای هر دو بخش صورت گرفت. پس از تعیین وزن¬ها، لایه¬های مربوط به طبقه¬بندی قابلیت اراضی، شاخص باروری خاک، اراضی مهم در کشاورزی، فاکتورهای ارزشیابی ناحیه¬ای-1، ارزشیابی ناحیه¬ای-2 و ارزشیابی ناحیه¬ای-3 در محیط نرم افزار ArcGIS روی¬هم (Weighted Ovelay) قرار گرفته و از صفر تا 100 رتبه¬بندی گردید. جهت کاربرد مدل Cervatana از بسته Pro&Eco و در ادامه مدل Terraza (ارزیابی محدودیت¬های بیواقلیمی منطقه مورد مطالعه) از سیستم تصمیم¬گیری MicroLEIS DSS استفاده شد. نتایج نشان داد که با استفاده از مدل LESA، بدترین کلاس اراضی برای کشت آبی یعنی کلاس 40-10 درصد با مساحت 21089 هکتار (42/35 درصد) بیشتر در بخش¬های شمال شرقی و جنوب غربی واقع شده است. در مجاورت کلاس 40-10 درصد به سمت مرکز منطقه مطالعاتی، کلاس 60 -40 با مساحتی برابر 22848 هکتار (38/38 درصد) قرار گرفته است. کلاس¬های 80-60 و 100-80 درصد به ترتیب از بهترین اراضی برای کشاورزی در بخش¬های مرکزی منطقه مطالعاتی از سمت شرق به غرب گسترده شده است و مساحت اراضی در کلاس¬های 80-60 و 100-80 درصد به ترتیب برابر 12408 هکتار (85/20 درصد) و 3179 هکتار (34/5 درصد) می¬باشد. علاوه بر این، کلاس محدودیت¬های بیواقلیمی با استفاده از مدل Terraza برای عمده محصولات کشاورزی یعنی گندم، ذرت و یونجه به ترتیب به صورت (h1-f3)C3، (h2-f3)C3 و (h1-f3)C3 به دست آمد. کاربرد مدل Cervatana در منطقه مطالعاتی نیز نشان داد که بخش¬های مرکزی منطقه از قابلیت زیادی به لحاظ کیفیت خاک جهت استفاده¬های کشاورزی برخوردار است. براساس نتایج مدل Cervatana، کلاس¬های قابلیت اراضی به ترتیب 19389 هکتار (58/32 درصد) S2lb و سپس 9213 هکتار (48/15 درصد) S2trb، 8424 هکتار (15/14 درصد) S2lrb و 6561 هکتار (02/11 درصد) S2bمی¬باشند که به عنوان اراضی مستعد کشاورزی شناخته شدند. همچنین، 6418 هکتار (78/10 درصد)، 2493 هکتار (19/4 درصد) و 1218 هکتار (05/2 درصد) به ترتیب در کلاس¬های S3l، S3lr و S3tlr جای گرفتند که به عنوان اراضی بحرانی برای استفاده¬های کشاورزی محسوب می¬شوند. 5804 هکتار (75/9 درصد) از اراضی مورد مطالعه نیز در کلاس N قرار گرفتند که به هیچ وجه متناسب برای کاربردهای کشاورزی نمی¬باشند. در کل بر اساس نقشه¬های قابلیت اراضی منطقه مورد مطالعه که از هر دو روش LESA و Cervatana حاصل شدند الگوی تقریباً مشابهی نشان دادند.

Text of Note

Abstract:Land sustainable management is one of the most important strategies to prevent the degradation of natural resources, especially at soil field. One of the main known factors in sustainable agriculture is land capability assessment and consequently land suitability assessment for specific productivity types for a region. The general purpose of this study can be divided into three categories: 1) applying LESA model as a new method for assessing land capability in the study area; 2) applying Cervatana model as one of the MicroLEIS DSS subsets for evaluating land capability in order to distinguish agricultural and non-agricultural lands and 3) preparing land capability map by using both of the mentioned models in GIS for better interpreting and presenting results. For this purpose, a part of Abyek county in the east of Qazvin province and the west of Alborz province was selected and 140 profiles were drilled in supervised randomly method. In the supervised randomly method, the satellite, DEM (digital elevation model) and slope information were used to separate the study units. Some soil properties such as soil texture, organic matter, equivalent calcium carbonate, salinity, pH, surface and deep gravel as well as exchangeable calcium, magnesium and sodium were measured that will be used for developing models. To prepare a continuous spatial map of soil properties, the ordinary Kriging method was applied. Moreover, the topography data of the study area such as altitude, slope degree and slope aspect were extracted from DEM. The LESA model consists of two parts including land evaluation and site assessment with weighting 0.4 and 0.6, respectively. Determining weights were obtained by from questionnaires, field surveys, negotiated with agricultural experts and farmers in this area. After determining weights, the layers including land capability classification, soil productivity index, important lands in agriculture, site assessment-1, site assessment -2 and site assessment -3 rated from zero to 100 by Weighted Overlay in ArcGIS. The Cervatana model from the Pro & Eco package and the Terraza model (for assessing bio-climatic limitations in the study area) from MicroLEIS DSS were used. The results showed that the applying LESA model, the worst land class for irrigated cultivation, (10-40%) with an area of 21089 ha (35.42%) is located in the northeastern and southwestern parts. From 10-40% class area to the center part of the study area, the 40-60 class with an area of 22848 ha (38.38%) is located. The 60-80 and 80-100% classes were the best lands for agriculture in the central parts of the study area (spreading from east to west part), respectively. The land area in classes 60-80 and 80-100% were 12408 ha (20.85%) and 3179 ha (5.34%), respectively. In addition, the classification of bio-climatic limitations by using the Terraza model for the most agricultural products including wheat, corn and alfalfa showed the C3 (h1-f3), C3 (h2-f3) and C3 (h1-f3), respectively. Applying Cervatana model in the study area also showed that the central parts of the region have a great capability in terms of soil quality for agricultural productions. According to results of Cervatana model, land capability classes for 19389 ha (32.58%), 9213 ha (15.48%), 8424 ha (14.15%) and 6561 ha (11.02%) are S2lb, S2trb, S2lrb and S2b, respectively which were classified as potential agricultural lands. Moreover, 6418 ha (10.78%), 2493 ha (4.19%) and 1218 ha (2.05%) were included in S3l, S3lr and S3tlr classes, respectively, which are considered as critical lands for agricultural productions. 5804 ha (9.75%) of the studied area were also included in N class, which are not suitable for agricultural applications. In general, based on the land capability maps of the study area, the both of LESA and Cervatana methods showed a similar pattern.

Variant Title

Land Capability Evaluation in Some Part of Qazvin Province Using LESA and Cervatana Models

Entry Element

‏ اسماعیلی،

Part of Name Other than Entry Element

‏انسیه

Relator Code

تهيه کننده

Entry Element

‏‏ شهبازی،

Entry Element

سرمدیان،

Entry Element

‏جعفرزاده،

Entry Element

حیاتی،

Part of Name Other than Entry Element

‏فرزین

Part of Name Other than Entry Element

‏فریدون

Part of Name Other than Entry Element

‏علی اصغر

Part of Name Other than Entry Element

‏باب الله

Dates

استاد راهنما

Dates

استاد راهنما

Dates

استاد مشاور

Dates

استاد مشاور

Entry Element

تبریز