تناسب‌بندی اراضی استان لرستان برای کشت دوم ارزن علوفه‌ای به کمک GIS، ANP و منطق فازی

نوع مقاله : مقاله پژوهشی

نویسنده

کشاورزی- دانشگاه پیام نور

چکیده

اهداف: این پژوهش برای شناخت توانایی اراضی استان لرستان برای کشت دوم ارزن علوفه‌ای به کمک سامانه اطلاعات جغرافیایی(GIS)، فرآیند تحلیل شبکه‌ای(ANP) و منطق فازی انجام گرفت.
مواد و روش‌ها: به‌منظور شناخت توانایی اراضی ابتدا لایه رستری عوامل محیطی مؤثر بر کشت ارزن علوفه‌ای شامل دمای کمینه، بیشینه و متوسط، ارتفاع از سطح دریا، شیب، pH، بافت، ماده‌آلی، نیتروژن کل، پتاسیم و فسفر قابل‌دسترس در محیط GIS تهیه گردید. سپس به‌کمک توابع فازی نقشه هر عامل استانداردسازی شد و وزن هر عامل به کمک ANP مشخص شد. با تلفیق لایه‌های وزن‌دار شده لایه‌های نهایی تولید و براساس منطق فازی به چهار طبقه خیلی‌مناسب، مناسب، ضعیف و نامناسب پهنه‌بندی شدند.
یافته‌ها: نتایج نشان داد ارزش فازی اراضی زراعی برای کشت ارزن علوفه‌ای بین 35/0 تا 88/0 بود. بیشترین سطح محدوده مورد مطالعه به‌طبقه مناسب(42/60 درصد) و کمترین سطح به‌طبقه خیلی‌مناسب(35/16 درصد) تعلق داشت. بررسی نقشه‌های تناسب‌بندی اقلیمی، توپوگرافی و حاصل‌خیری خاک نشان داد این عوامل به‌ترتیب باعث محدود شدید در 27/38، 15/38 و 44/7 درصد اراضی شدند. ارزیابی نقشه‌های عوامل اقلیمی، توپوگرافی و خاکی نشان داد به‌‌جزء pH خاک بقیه عوامل هر کدام در بخشی از محدوده مورد مطالعه موجب محدودیت برای کشت ارزن علوفه‌ای شدند.
نتیجه‌گیری: بررسی نقشه نهایی استعدادسنجی نشان داد حدود 77 درصد منطقه مورد مطالعه دارای توانایی خیلی‌مناسب و مناسب می‌باشد و مناطق سردسیر به‌خصوص شرق و شمال شرق استان دارای توانایی ضعیف برای کشت ارزن علوفه‌ای با دو چین بودند.

کلیدواژه‌ها


عنوان مقاله [English]

land suitability of Lorestan province lands for the second cultivation of forage millet using Geographic Information System (GIS), Network Analysis Process (ANP) and fuzzy logic

نویسنده [English]

  • hossein pourhadian
Department of Agricultural Sciences, University of Payam-e- Noor
چکیده [English]

This study was conducted aimed to identify the potential of lands in Lorestan Province for the second cultivation of forage millet using Geographic Information System(GIS), Network Analysis Process(ANP) and fuzzy logic.
In order to identify the potential of lands, first the raster layer of environmental factors affecting forage millet cultivation including the minimum, maximum and mean temperature, elevation, slope, pH, texture, organic matter, total nitrogen, potassium and phosphorus available in GIS was prepared. Then, using fuzzy functions, the map of each factor was standardized. The weight of each factor was determined by ANP. By combining the weighted layers, the final layers were produced and zoned into four highly suitable, suitable, marginally suitable and unsuitable classes based on fuzzy logic.
The results showed that fuzzy value of agricultural lands for forage millet was between 0.35 and 0.88. The highest study area level belonged to the suitable class(60.42%) and the lowest study area level belonged to the highly suitable class(16.35%). Investigation of climatic suitability, topography and soil fertility maps showed that these factors caused severe limitations in 38.27, 38.15 and 7.44% of lands, respectively. Evaluation of climatic maps, topographic and soil factors showed that except for soil pH, all other factors in a part of the study area caused limitations for forage millet cultivation.
Investigation of the land suitability final map showed that about 77% of the study area are highly suitable and suitable and cold regions, especially the east. Northeast of the province, are marginally suitable for forage millet double cropping.

کلیدواژه‌ها [English]

  • ANP
  • Fuzzy logic
  • GIS
  • land suitability
  • Lorestan
  • Second cultivation

مقدمه

از اصول مهم و اولیه کشاورزی پایدار متکی بودن کشت و زرع گیاهان به‌ توانایی منطقه در جهت تأمین نیازهای اکولوژیکی آن‌ها می‌باشد و در گام‌های بعدی است که می‌توان با مدیریت صحیح استفاده از نهاده‌ها پایداری کشاورزی را حفظ و تداوم بخشید (کوچکی و همکاران2008 و کامکار و دامغانی 2008). برای شناخت توانایی اکولوژیکی هر منطقه بهترین روش، آمایش سرزمین می‌باشد (مخدوم 2012). چرا که با استفاده از این روش می‌توان به کمک عوامل مؤثر بر زراعت هر گیاه منطقه مستعد مورد نظر برای کشت آن را در سطح وسیع نسبت به روش‌های آزمایشگاهی و مزرعه‌ای تعیین کرد و بهره مفید را از توانایی منطقه به‌دست آورد و با اصول مدیریتی هدفمند در جهت پایداری کشاورزی و جلوگیری از تخریب محیط زیست گام برداشت (کوچکی و همکاران 2008، شاهی مریدی و همکاران 2016 و نظری ویند و همکاران 2020).

مطالعات مختلف حاکی از استعدادسنجی اراضی کشاورزی برای کشت گیاهانی چون ذرت (برایمه و همکاران 2004 و یتبرک و همکاران ۲۰۱۳)، سورگوم (کاسی و همکاران 2018 و پورهادیان 2020)، گندم و جو (نوور 2005) و سیب‌زمینی و گوجه‌فرنگی (شریفی‌فر و همکاران 2016) بر اساس عوامل مختلف مؤثر برای کشت می‌باشند و نتایج این پژوهش‌ها گواه بر لازم بودن شناخت توان پهنه‌های اراضی جهت تولید محصولات زراعی می‌باشد. به‌طوری که با استفاده از استعدادسنجی، مناطق زراعی مناسب کشت گیاهان مشخص شده و از کشت محصولات در مناطقی که از کارایی کمی برخوردارند، جلوگیری می‌شود. به این ترتیب عملاً کشت محصولات زراعی بر اساس نیازهای واقعی آن‌ها در عرصه‌های زراعی مشخص شده و نظام‌های پایدار زراعی طرح‌ریزی می‌شوند (سنجانی 2012) از جمله انجام روش‌های نوین استعدادسنجی، استفاده از سامانه اطلاعات جغرافیایی (GIS) و کمک گرفتن از تکنیک‌ها و مدل‌های مختلف موجود در این سامانه مثل منطق فازی می‌باشد (هوشیار و همکاران 2014 و پورهادیان، 2018).

ژانگ و همکاران (2015) با بررسی تناسب اراضی استان شاندونگ کشور چین به کمک GIS، AHP و منطق فازی برای کشت گیاه توتون به کمک عوامل اقلیمی، توپوگرافی و خاکی دریافتند که این روش‌های نوین به خوبی توانایی شناسایی استعداد منطقه مورد مطالعه را دارند و آن‌ها بیان داشتند 82/29 درصد اراضی دارای تناسب بالا و 74/17 فاقد ارزش برای کشت این گیاه می‌باشند و دو عامل دمای روزانه بالاتر از 20 درجه سانتی‌گراد و ظرفیت بالای تبادل منیزیم، بیشترین اثر را در محدود کردن کشت گیاه توتون در منطقه دارند. کاسی و همکاران (2018) با پهنه‌بندی فازی فلات مرکزی شمال کشور اتیوپی برای کشت سورگوم گزارش کردند 54/30، 17/36، 05/18 و 24/15 درصد از اراضی به‌ترتیب دارای شرایط مناسب، ضعیف، نامناسب موقت و دائماً نامناسب می‌باشند. در این مطالعه شیب و عوامل خاکی از عوامل اصلی محدودکننده کشت بودند. صیدی‌شاهیوندی و همکاران (2013) پهنه‌بندی اراضی استان لرستان برای کشت ذرت دانه‌ای به کمک عوامل اقلیمی، توپوگرافی، فاصله از شبکه هیدروگرافی و خاک با منطق فازی را انجام دادند و توانستند استعدادهای مناطق مختلف این استان را شناسایی کنند. این محققین دریافتند دمای پایین، ناهمواری شدید، ارتفاع از سطح دریا و شیب زیاد و اختلاف دمای زیاد بین شب و روز سبب کاهش توانایی استعداد منطقه برای کشت ذرت دانه‌ای می‌گردد. مطالعه انجام شده جهت ارزیابی اراضی کشاورزی دشت جفارا در کشور لیبی برای کشت گندم، جو و ذرت به کمک روش فازی نشان داد عوامل خاک در تناسب‌بندی اراضی برای این گیاهان نقش اصلی را دارند (العالم 2010). در کل تناسب‌بندی اراضی با استفاده از تلفیق GIS، نرم‌افزارهای تصمیم‌گیری چندمعیاره و منطق فازی برای برنامه‌ریزی و مدیریت بهتر کاربری اراضی و تولیدات کشاورزی، دقیق و مؤثر می‌باشد و امکان شناخت بهتر مناطق مطلوب و غیرمطلوب برای کاشت گیاهان را فراهم می‌کند (بیژن‌زاده و مکرم 2013، احمدی و همکاران 2016، پورهادیان 2018 و پیله‌ور و همکاران 2020).

خشک‌سالی‌های پی در پی در مناطق مختلف از جمله لرستان توجه به کشت گیاهان با نیاز آبی کم را ضروری کرده است. همچنین ترویج گیاهان علوفه‌ای مانند ارزن توسط جهادکشاورزی در بخش‌هایی از استان لرستان اهمیت استعدادسنجی کل این منطقه را روزافزون نموده است. بنابراین این پژوهش با هدف تناسب‌بندی استان لرستان برای کشت دوم گیاه ارزن علوفه‌ای انجام شد.

 

مواد و روش‌ها

منطقه مورد مطالعه

این تحقیق جهت کشت دوم (تابستانه) آبی انواع رقم گیاه علوفه‌ای ارزن (Panicum miliaceum L.) در محدوده اراضی زراعی استان لرستان انجام گرفت. استان لرستان در جنوب غربی ایران بین عرض شمالی 32 درجه و 40 دقیقه تا 34 درجه و 23 دقیقه و طول شرقی 46 درجه و 50 دقیقه تا 50 درجه و 01 دقیقه و واقع شده است. شکل 1 اراضی زراعی استان لرستان را با وسعت حدود 689409 هکتار نشان می‌دهد. عمده محصولات زراعی این استان شامل گندم، جو، نخود، لوبیا، عدس، چغندرقند، سیب‌زمینی، یونجه و شبدر می‌باشد.

تهیه جدول نیازمندی‌های بوم‌شناختی ارزن

در این پژوهش از طریق جستجو در منابع علمی مختلف نیازهای اکولوژیکی گیاه ارزن از قبیل دمای کمینه، دمای بیشینه، دمای متوسط، شیب، ارتفاع از سطح دریا، بافت، پتاسیم قابل‌دسترس، فسفر قابل‌دسترس، ماده آلی، نیتروژن کل و pH خاک جمع‌آوری شد و سپس حد برانی و مطلوب آن‌ها برای رشد این گیاه مشخص گردید و در نهایت لایه رستری فازی عوامل محیطی مؤثر بر کشت ارزن علوفه‌ای براساس این حدود در محیط GIS تولید شد (جدول ۱).

تهیه لایه رستری عوامل محیطی

 

لایه‌های اقلیمی

جهت تهیه لایه‌های رستری دمای کمینه، بیشینه و متوسط از اطلاعات آماری دمایی 8 ایستگاه تبخیرسنجی و 9 ایستگاه سینوپتیک طی سال‌های 1396-1383 واقع در محدوده استان لرستان که به‌ترتیب از شرکت سهامی آب منطقه‌ای و اداره کل هواشناسی لرستان تهیه گردیده بود، استفاده شد (شکل 1). مدت‌زمان لازم از کاشت تا برداشت دو چین علوفه از گیاهان ارزن 92 روز (از اول مردادماه تا پایان مهرماه) منظور گردید. پس از انتقال اطلاعات مورد نظر از محیط صفحه گستر اکسل به محیط ArcGIS10.5 لایه رستری دمای کمینه، بیشینه و متوسط با استفاده از روش میان‌یابی IDW در محدوده اراضی زراعی استان تهیه شد.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل 1- توزیع مکانی ایستگاه‏های هواشناسی، نمونه‌های خاک، اراضی زراعی و مرز شهرستان‌های محدوده مورد مطالعه

جدول 1- نیازمندی‌های ارزن و طبقات ارزیابی هر عامل در محدوده مورد مطالعه براساس منطق فازی

حد مطلوب

حد بحرانی

واحد

عامل محیطی

20-14

10>

درجه سانتی‌گراد

دمای کمینه

38-30

42<

درجه سانتی‌گراد

دمای بیشینه

30-27

40

درجه سانتی‌گراد

دمای متوسط

1000>

2400<

متر

ارتفاع از سطح دریا

2

6

درصد

شیب

لومی، لومی‌شنی، لومی‌سیلتی

شنی

-

بافت خاک

250

150

میلی‌گرم در کیلوگرم

پتاسیم قابل‌دسترس

15

5/1

15/0

7-6

۵

5/0

05/0

5/8 و 2/5

میلی‌گرم در کیلوگرم

درصد

درصد

-

فسفر قابل‌دسترس

ماده آلی

نیتروژن کل

pH خاک

منابع: خدابنده 2009، مخدوم 2012، ، خواجه‌پور 2013، مشیری و همکاران 2014، احمد 2015، ذالفقارنژاد و کاظمی 2016، ایسا و آسن 2017، سیدجلالی و همکاران 2020 و تادس و نگسی 2020

 

 

لایه‌های توپوگرافی

با استفاده از مدل رقومی ارتفاع ۹0 متر، نقشه شیب و ارتفاع از سطح دریا استخراج گردید و سپس در محدوده زراعی مورد پژوهش برش داده شدند و طبقه‌بندی براساس نیاز اکولوژی گیاه ارزن انجام گرفت.

 

لایه‌های خاک

جهت تهیه لایه‌های بافت، پتاسیم قابل‌دسترس، فسفر قابل‌دسترس، ماده آلی، نیتروژن کل و pH از اطلاعات 603 نقطه نمونه‌برداری شده خاک (بخش آب و خاک مرکز تحقیقات کشاورزی و منابع طبیعی استان لرستان، نتایج آزمایش خاک کشاورزان، امیریان چکان 2011 و رحمان‌سالاری و امیدواری 2016) در عمق 30-0 سانتی‌متر که موقعیت جفرافیایی آن‌ها در شکل 1 مشاهده می‌شود، استفاده گردید و لایه رستری آن‌ها به کمک روش کریجینگ تولید و سپس به کمک محدوده زراعی مورد پژوهش برش داده شد. لایه بافت خاک به کمک روش مثلث‏بندی تیسن[1] در محیط GIS تهیه شد.

 

فازی‌سازی عوامل محیطی

در روش فازی تمام لایه‌ها بایستی سلول به سلول فازی شوند و درجه عضویت به کمک یک تابع ریاضی برای آ‌ن‌ها تعریف شود. در فازی‌سازی ارزش سلول‌ها بر اساس احتمال تعلق ‌آن‌ها به مجموعه تعریف‌شده در بازه صفر و یک تغییر می‌کند. نوع تابعی که جهت استانداردسازی فازی هر عامل به کار می‌رود به ماهیت و میزان آن در منطقه مورد مطالعه و تأثیرش بر گیاه مورد نظر، بستگی دارد. برای استانداردسازی لایه‌های دمای حداقل، بافت، پتاسیم قابل‌دسترس، فسفر قابل‌دسترس، ماده آلی و نیتروژن کل خاک (پورهادیان 2018) از تابع عضویت خطی افزایشی (رابطه 1)، برای ارتفاع از سطح دریا، شیب و pH خاک (پورهادیان 2018) از تابع عضویت خطی کاهشی (رابطه 2) و دمای بیشینه (پیله‌ور و همکاران 2020) و دمای متوسط (ژانگ و همکاران 2015) از تابع گوسی (رابطه 3) استفاده شد. در تابع خطی افزایشی a و b به‌ترتیب حد بحرانی (ارزش فازی صفر) و حد مطلوب (ارزش فازی یک)، در تابع خطی کاهشی a حد مطلوب و b حد بحرانی و در تابع گوسی a پایین‌ترین حد بحرانی (ارزش فازی صفر)، b پایین‌ترین حد مطلوب (ارزش فازی یک)، c بالاترین حد مطلوب (ارزش فازی 1) و d بالاترین حد بحرانی (ارزش فازی صفر) می‌باشد (شکل 2). در تابع عضویت فازی افزایشی هر چه قدر معیار زیادتر باشد، امتیاز داده‌شده به یک بیشتر نزدیک می‌شود؛ مثلاً مقادیر ماده آلی زیادتر به یک و ماده آلی کمتر به صفر نزدیک‌تر می‌شود. در تابع عضویت فازی کاهشی؛ مقادیر کم‌تر، امتیاز بیشتری می‌گیرند. مثلاً در مورد لایه شیب، هر چه شیب کمتر باشد، ارزش آن در لایه استانداردشده با تابع عضویت فازی زیادتر و به یک نزدیک‌تر است. برای فازی‌سازی لایه‌ها از افزونه Spatial Analyst Tools و تابع Overlay در محیط GIS استفاده شد.

 

 

وزن‌دهی به عوامل محیطی با روش فرآیند تحلیل شبکه‌ای (ANP)

برای اجرای فرآیند ANP و تعیین وزن معیارها و زیرمعیارها از پرسش‌نامه استفاده گردید. بدین منظور از طریق تکمیل پرسش‌نامه ANP، نظر ۱۵ نفر از محققان و کارشناسان کشاورزی بر اساس طیف 9 و بالاتر از 9 قسمتی ساعتی (جدول 2) گرفته شد. سپس تجزیه و تحلیل این پرسش‌نامه به کمک نرم‌افزار Super Decision 2.2.6 انجام گرفت. بدین‌صورت که اطلاعات هر پرسش‌نامه به‌طور جداگانه وارد نرم‌افزار شد و اگر ضریب ناسازگاری آن کمتر از 1/0 بود به‌عنوان پرسش‌نامه معتبر مورد استفاده قرار گرفت؛ در غیر این صورت کنار گذاشته شد. با میانگین‌گیری از وزن معیارها و زیرمعیارهای تمام پرسش‌نامه‌های معتبر، وزن هر متغیر مشخص گردید.

 

 

جدول 2- ترجیحات کمّی و کیفی برای مقایسه زوجی

مقدار عددی

ترجیحات (قضاوت شفاهی)

بالاتر از 9

نظر قطعی

9

کاملاً برتر یا و یا کاملاً مطلوب‌تر

7

ترجیح یا اهمیت یا مطلوبیت خیلی قوی

5

ترجیح یا اهمیت یا مطلوبیت قوی

3

کمی برتر یا کمی مطلوب‌تر

1

ترجیح یا اهمیت یا مطلوبیت یکسان

2،4،6،8

ترجیحات بین فواصل فوق

                   منبع: ساعتی 1999

 

 

رابطه (1)                                                   

 

رابطه (2)                                                    

 

رابطه (3)                                         

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل 2- توابع عضویت فازی خطی افزایشی (الف)، خطی کاهشی (ب) و گوسی (ج)

 

 

 

نحوه تناسب‌بندی اراضی زراعی

پس از تهیه لایه‌های رستری عوامل محیطی و فازی‌سازی آن‌ها، لایه فازی شده هر عامل محیطی براساس نیاز اکولوژیکی گیاه ارزن طبقه‌بندی شد و مساحت هر طبقه در محیط GIS محاسبه و استخراج گردید و مورد تجزیه و تحلیل قرار گرفتند.

       برای تهیه لایه تهایی تناسب‌بندی اقلیمی، توپوگرافی و حاصل‌خیزی خاک در محدوده اراضی زراعی با روی هم‌گذاری عوامل اقلیمی (دمای کمینه، بیشینه و متوسط)، توپوگرافی (ارتفاع از سطح دریا و شیب) و خاکی (بافت، پتاسیم قابل‌دسترس، فسفر قابل‌دسترس، ماده آلی، نیتروژن کل و pH) به کمک ابزار حسابگر شبکه‌ای (Raster Calculator) و اختصاص وزن هر لایه حاصل از ANP تلفیق صورت گرفت و تناسب‌بندی اقلیمی، توپوگرافی و حاصل‌خیزی خاک اراضی زراعی استان لرستان تهیه گردید. لایه تناسب‌بندی نهایی اراضی زراعی محدوده مورد مطالعه با تلفیق لایه‌های تناسب‌بندی اقلیمی، توپوگرافی و حاصل‌خیزی خاک و اعمال اوزان معیارهای اصلی در تولید این لایه، به‌دست آمد. در پایان تمام لایه‌های تولیدی (اقلیمی، توپوگرافی، حاصل‌خیری و نهایی) به چهار طبقه با ارزش فازی: خیلی‌مناسب (75/0 تا ۱)، مناسب (50/0 تا 75/0)، ضعیف (25/0 تا 50/0) و نامناسب (۰ تا 25/0) تقسیم شدند (شریفی‌فر و همکاران ۲۰۱۶). مراحل انجام این تحقیق در شکل 3 نشان شده است.

 

نتایج و بحث

تناسب‌بندی اقلیمی

       ارزیابی نقشه‌های دماها طی فصل رشد گیاه علوفه‌ای ارزن نشان داد دامنه تغییرات دمای کمینه بین 6 تا 25، دمای بیشینه بین 29 تا 40 و دمای متوسط بین 17 تا 33 درجه سانتی‌گراد بود. نقشه تناسب‌بندی اقلیمی اراضی زراعی استان لرستان حاصل از لایه‌هایی فازی شده دماهای کمینه، بیشینه و متوسط در شکل 4 الف ارائه شده است. ارزش فازی اقلیمی اراضی زراعی محدوده مورد مطالعه بین 30/0 تا 93/0 با میانگین 62/0 بود. نتایج تناسب‌بندی اقلیمی نشان داد که بیشترین سطح از محدوده مورد مطالعه از نظر اقلیمی برای کشت دوم ارزن علوفه‌ای در طبقه نامناسب با 32/264523 هکتار (معادل 26/38 درصد) و کمترین آن در طبقه خیلی‌مناسب

 


 

طبقه نامناسب

طبقه ضعیف

طبقه مناسب

طبقه مطلوب

نقشه‌های موضوعی

منابع اطلاعات

نقشه‌های توپوگرافی

اطلاعات خاک

منطق فازی

وزن‌دهی لایه‌ها

تناسب‌بندی اراضی

اطلاعات اقلیمی

فسفر

پتاسیم

بافت

pH

نیتروژن

ماده آلی

شیب

ارتفاع

دمای کمینه

دمای بیشینه

دمای متوسط

فرآیند ANP

عوامل خاک

عوامل توپوگرافی

عوامل اقلیمی

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


      شکل 3- نمودار جریانی ارزیابی تناسب اراضی برای کشت ارزن علوفه‌ای در محدوده مورد مطالعه

 

 

با 66/200625 هکتار (معادل 02/29 درصد) قرار داشت (جدول 3). بیشترین محدودیت به‌ترتیب توسط دما کمینه و متوسط با میانگین ارزش فازی 37/0 و 41/0 ایجاد شد و میانگین ارزش فازی دمای حداکثر 82/0 بود. به‌طوری که دمای کمینه و متوسط به‌ترتیب باعث شدند 47/70 و 56/69 درصد از وسعت مورد مطالعه دارای شرایط ضعیف و نامناسب باشند. شهرستان‌های مناطق سردسیر مانند الیگودرز، ازنا، دلفان و سلسله و بخش شمالی خرم‌آباد در اواخر شهریور و طی مهرماه به‌دلیل افت دما کمینه و به‌تبع آن دمای متوسط با کاهش ارزش فازی استعداد منطقه برای برداشت دوم مواجه شدند و استعداد منطقه ضعیف گردید. در مطالعات مختلف ارزش فازی دمای سالانه برای کشت ذرت دانه‌ای در لرستان مطلوب (صیدی‌شاهیوندی و همکاران 2013)، دمای متوسط برای کشت گندم، جو، ذرت و سورگوم جنوب شرقی لیبی مطلوب، مناسب و متوسط (نوور 2005) و دماهای کمینه، بیشینه و متوسط برای تولید ذرت علوفه‌ای در منطقه مرکزی استان فارس بسیارمناسب (هوشیار و همکاران 2014) و عوامل اقلیمی برای کشت ذرت دیم در منطقه آبوبو در غرب اتیوپی مناسب (یتبرک و همکاران ۲۰۱۳) بودند. نتایج مطالعه پورهادیان (2020) نشان داد تنوع دمایی برای کشت دوم سورگوم علوفه‌ای در استان لرستان وجود دارد، به‌طوری که دمای حداقل بیشترین محدودیت را نسبت به دمای حداکثر و متوسط داشت. احمدی و همکاران (2016) با مطالعه نقشه‌های دما طی مراحل فنولوژی جو دیم در استان لرستان با استفاده از سامانه اطلاعات جغرافیایی دریافتند استعداد استان لرستان از نظر این پارامتر اقلیمی متفاوت است.

 

 

جدول 3- درصد مساحت پهنه‌های طبقه‌بندی‌شده عوامل اقلیمی و توپوگرافی برای کشت ارزن علوفه‌ای

 بر اساس منطق فازی

عوامل

طبقات تناسب عوامل محیطی

خیلی‌مناسب (%)

مناسب (%)

ضعیف (%)

نامناسب (%)

دمای کمینه

31/13

21/16

47/27

00/43

دمای بیشینه

55/64

58/34

87/0

-

دمای متوسط

57/10

86/19

63/34

93/34

اقلیم

02/29

72/32

26/38

0

ارتفاع از سطح دریا

64/21

18/23

85/36

33/18

شیب

33/54

35/11

10/8

22/26

توپوگرافی

87/29

98/31

54/20

61/17

 

 

تناسب‌بندی توپوگرافی

    دامنه تغییرات ارتفاع از سطح دریا و شیب اراضی زراعی محدوده مورد مطالعه به‌ترتیب بین 362 تا 3103 متر و ۰ تا 59/55 درصد بود. براساس شکل 4ب نقشه تناسب‌بندی توپوگرافی اراضی زراعی استان لرستان تهیه شده به‌کمک لایه‌های فازی شده ارتفاع از سطح دریا و شیب بیشترین سطح از محدوده مورد مطالعه با وسعت 69/220278 هکتار (معادل 98/31 درصد) دارای استعداد مناسب و کمترین سطح 15/121269 هکتار (معادل 61/17 درصد) دارای استعداد نامناسب بود. بررسی ارزش فازی عوامل توپوگرافی نشان داد ارتفاع از سطح دریا با میانگین ارزش فازی 50/0 نسبت به شیب با میانگین 64/0 باعث محدودیت بیشتر گردید. به طوری که ارزیابی نقشه فازی ارتفاع از سطح دریا حاکی از اختصاص یافتن بیشترین سطح اراضی به طبقه ضعیف (72/2537882 هکتار، معادل 85/36 درصد) و کمترین به طبقه نامناسب (02/126232 هکتار، معادل 33/18) بود. اما بیشترین سطح از اراضی زراعی محدوده مورد مطالعه از نظر شیب در طبقه خیلی‌مناسب (با 98/374185 هکتار معادل 97/38 درصد) و کمترین سطح در طبقه ضعیف (با 62/55810 هکتار معادل 10/8 درصد) واقع شد (جدول ۳). پهنه‌بندی توپوگرافی اراضی استان شاندونگ چین برای کشت توتون به‌کمک عوامل پستی و بلندی، ارتفاع از سطح دریا و شیب نشان داد 71/61 درصد اراضی دارای شرایط خیلی مناسب 88/31 درصد دارای شرایط نامناسب می‌باشد و در این مطالعه شیب بیشترین محدویت را ایجاد کرد (ژانگ و همکاران ۲۰۱۵). پورهادیان (2018) با بررسی ارزش فازی اراضی زراعی چهار حوضه از استان گلستان برای کشت ذرت علوفه‌ای گزارش کرد کل سطح مورد مطالعه از نظر ارتفاع از سطح دریا دارای شرایط مطلوب است اما از نظر شیب، 82 درصد از سطح مورد مطالعه شرایط مطلوب داشت. در مطالعه دیگری که توسط پیله‌ور و همکاران (2020) در اراضی بخشی از نیشابور انجام گرفت شرایط توپوگرافی (ارتفاع از سطح دریا و شیب) 47/97 درصد اراضی برای کشت گندم و 33/91 درصد برای کشت ذرت دارای استعداد خیلی‌مناسب بود.

 

تناسب‌بندی حاصل‌خیزی

به‌دلیل تغییرات غیرروندی فضایی عوامل خاک، برای تهیه نقشه میان‌یابی آن‌ها از کریجینگ معمولی استفاده گردید. برترین مدل هر عامل خاک براساس کمترین میزان ریشه دوم میانگین مربعات خطا ((RMSE[2])) انتخاب و نقشه آن تهیه گردید. به‌طوری که برای میان‌یابی پتاسیم قابل‌دسترس، فسفر قابل‌دسترس و ماده آلی، نیتروژن کل و pH به‌ترتیب از مدل درجه دو منطقی، سینوسی، کروی، سینوسی و سینوسی استفاده شد (جدول 4).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل 4- تناسب‌بندی اقلیمی (الف)، توپوگرافی (ب) و حاصل‌خیزی خاک (ج) برای کشت ارزن علوفه‌ای در محدوده مورد مطالعه

 

 

 

 

 

 

جدول 4- نتایج ارزیابی مدل‌های روش کریجینگ معمولی برای پارامترهای خاک

مدل

RMSE_P

RMSE_K

RMSE_OC

RMSE_pH

RMSE_N

کروی

0748/10

7685/84

3013/0

22269/0

0394111/0

دیره‌ای

0692/10

0515/84

3013/0

22260/0

0394111/0

چهار وجهی کروی

06547/10

6117/83

3013/0

222526/0

0394111/0

پنج وجهی کروی

06099/10

4107/83

3013/0

22247/0

0394111/0

نمایی

0614/10

01164/82

3013/0

2225/0

0394111/0

گوسی

0687/10

3888/81

3013/0

222719/0

0394111/0

درجه منطقی

0169/10

2612/82

3013/0

222380/0

0394111/0

سینوسی

0427/10

1136/81

3013/0

22212/0

0394111/0

K- bessel

0665/10

322/82

3013/0

222663/0

0394111/0

J- bessel

04757/10

8680/81

3013/0

223377/0

0401962/0

Stable

0687/10

3585/82

3013/0

222719/0

0394111/0

RMSE، P، K، OC، pH و N به‌ترتیب ریشه دوم میانگین مربعات خطا، فسفر، پتاسیم، ماده آلی، pH و نیتروژن

 

 

مقدار فسفر و پتاسیم قابل دسترس، ماده آلی، نیتروژن کل و pH به ترتیب بین 27/4 تا 33/29 و 77/147 تا 80/423 میلی‌گرم در کیلوگرم خاک، 52/0 تا 47/1 و 05/0 تا 18/0 درصد و 44/7 تا 98/7 بود. تناسب‌بندی نهایی حاصل‌خیزی خاک اراضی زراعی استان لرستان برای کشت دوم ارزن علوفه‌ای که به‌کمک لایه‌های فازی شده فسفر و پتاسیم قابل دسترس، ماده آلی، pH، نیتروژن کل و بافت خاک تهیه شده بود در شکل 4ج ارائه گردید. نتایج بررسی لایه نهایی حاصل‌خیزی خاک نشان داد بیشترین سطح از اراضی با 92/549529 هکتار (معادل 49/79 درصد) به طبقه مناسب و کمترین با 05/90319 هکتار (معادل 06/13 درصد) به طبقه خیلی‌مناسب تعلق داشت و مابقی اراضی دارای شرایط ضعیف بودند (جدول 5). پتاسیم قابل دسترس و pH خاک به‌ترتیب بیشترین تأثیر مثبت بر افزایش استعداد منطقه با میانگین ارزش فازی 97/0 و 86/0 داشتند، ولی ماده آلی به‌همراه نیتروژن کل با میانگین ارزش فازی 53/0 بیشترین محدودیت حاصل‌خیزی منطقه برای کشت ارزن را باعث شدند. میانگین ارزش فازی فسفر قابل‌دسترس و بافت خاک مشابه و 65/0 بود. نیتروژن کل، ماده آلی، بافت خاک، فسفر قابل‌دسترس و پتاسیم قابل‌دسترس به‌ترتیب باعث محدودیت شدید (دو طبقه ضعیف و نامناسب) در 10/45، 03/40، 20/32، 39/29 و 16/2 درصد از اراضی مورد مطالعه شدند (جدول 5). بیژن‌زاده و مکرم (2013) با مطالعه حاصل‌خیزی اراضی شرق شیراز برای کشت گندم به کمک منطق فازی دریافتند 15 درصد از اراضی دارای شرایط خیلی‌مناسب و 16 درصد دارای شرایط خیلی‌نامناسب می‌باشد و آن‌ها ظرفیت تبادل کاتیونی را مهمترین عامل کاهش حاصل‌خیزی ذکر کردند. العالم (2010) با ارزیابی اراضی کشاورزی دشت جفارا در کشور لیبی برای کشت گندم، جو و ذرت به کمک روش فازی دریافت عوامل خاک در تناسب‌بندی اراضی برای این گیاهان نقش اصلی را دارند. برایمه و همکاران (2004) با ارزیابی اراضی شمال کشور غنا برای کشت ذرت به کمک روش فازی و مقایسه تناسب اراضی با عملکرد ذرت در منطقه گزارش کردند ظرفیت مؤثر تبادل کاتیونی، میزان ماده آلی و رس خاک عواملی اصلی تأثیرگذار بر عملکرد این گیاه بودند.

 

 

 

 

جدول 5- درصد مساحت پهنه‌های طبقه‌بندی‌شده عوامل خاکی برای کشت ارزن علوفه ای در محدوده مورد مطالعه بر اساس منطق فازی

پارامتر

خیلی‌مناسب (%)

مناسب (%)

ضعیف (%)

نامناسب (%)

بافت

22/26

58/41

20/32

-

پتاسیم قابل‌دسترس

59/94

25/3

67/1

49/0

فسفر قابل‌دسترس

91/35

70/34

35/22

04/7

ماده آلی

36/9

61/50

63/34

40/5

نیتروژن کل

13/13

76/419

61/38

49/6

pH

100

-

-

-

حاصل‌خیزی

06/13

49/79

44/7

0

 

 

ارزیابی تناسب‌بندی نهایی اراضی

     شکل 5 نقشه نهایی تناسب‌بندی اراضی زراعی استان لرستان برای کشت دوم ارزن علوفه‌ای را نشان می‌دهد. این نقشه از روی ‌هم‌گذاری لایه نهایی تناسب‌بندی اقلیم، توپوگرافی و حاصل‌خیری خاک و وزن‌ هر کدام از این لایه‌ها به‌روش ANP تهیه شد (جدول 6). ارزش فازی نهایی اراضی زراعی مورد مطالعه برای کشت ارزن علوفه‌ای بین 35/0 تا 88/0 بود. براساس شکل 5 و جدول 7 بیشترین سطح محدوده مورد مطالعه به طبقه مناسب برای کشت ارزن علوفه‌ای (با 67/409541 هکتار، معادل 42/60 درصد) و کمترین سطح به طبقه خیلی‌مناسب (با 48/110814 هکتار، معادل 23/23 درصد) تعلق داشت.

 

 

جدول 6- وزن معیارها و زیرمعیارهای مربوط به عوامل مؤثر در کشت ارزن علوفه‌ای در محدوده مورد مطالعه

وزن

زیرمعیار

معیار

563725/0

 

عوامل اقلیمی

228579/0

دمای کمینه

 

538284/0

دمای بیشینه

232471/0

دمای متوسط

097604/0

 

عوامل توپوگرافی

486091/0

ارتفاع از سطح دریا

 

004893/0

شیب

32769/0

 

عوامل خاکی

11813/0

pH

 

14475/0

بافت

30936/0

ماده آلی

09815/0

پتاسیم

10238/0

فسفر

22557/0

نیتروژن

 

 

نتایج بررسی توانایی اراضی زراعی استان لرستان در شکل 5 و جدول 7 نشان داد که 48/110814 هکتار (معادل 35/16 درصد) با ارزش 75/0 تا 88/0 برای کشت ارزن علوفه‌ای دارای شرایط خیلی‌مناسب بودند. این طبقه تناسب برای کشت ارزن علوفه‌ای بیشتر در شهرستان کوهدشت، پلدختر و خرم‌آباد و دورود و‌اقع شد. در مساحت‌های ذکر شده عوامل مؤثر بر ایجاد تنوع در تناسب اراضی زراعی شامل عوامل اقلیمی، توپوگرافی و خاک برای کشت ارزن علوفه‌ای مطلوب بودند و موجبات استفاده بهینه از اراضی زراعی را برای کشت این گیاه فراهم کردند. برای استفاده حداکثری از توان تولیدی این پهنه زراعی، اعمال مدیریت دقیق و به‌موقع ضروی است، چرا که به‌کارگیری مدیریت زراعی اصولی و هدفمند لازمه استفاده بهینه از پتانسیل بالای ذاتی هر ناحیه می‌باشد. طبقه مناسب، با 67/409541 هکتار (معادل 42/60 درصد) برای کشت ارزن علوفه‌ای با ارزش فازی 50/0 تا 75/0 در تمام شهرستان‌های استان لرستان به خود اختصاص داد. کاهش ارزش فازی دمای کمینه و متوسط (به‌خصوص در مناطق سردسر استان در ماه‌های شهریور و مهر)، ارتفاع از سطح دریا (به‌خصوص در مناطق شرق، شمال و شمال غرب)، ماده آلی و نیتروژن کل (به‌خصوص در شرق و شمال)، فسفر قابل‌دسترس (به‌خصوص در جنوب) و بافت خاک (به‌خصوص در شمال غرب) موجب کاهش استعداد اراضی زراعی برای کشت ارزن علوفه‌ای از طبقه خیلی‌مناسب به مناسب گردید. با توجه به عوامل فوق که باعث کاهش پتانسیل اراضی از خیلی‌مناسب به مناسب در این پهنه می‌شوند به کارگیری کودهای شیمیایی و آلی می‌تواند موجبات افزایش پتانسیل این ناحیه را جهت افزایش محصول علوفه ارزن فراهم کند. از کل سطح اراضی زراعی مورد مطالعه، 68/157486 هکتار (معادل 23/23 درصد) با ارزش فازی 35/0 تا 50/0 در طبقه ضعیف قرار گرفت و این طبقه بیشتر در شهرستان‌های الیگودرز، ازنا و دلفان مشاهده شد. کاهش ارزش فازی عواملی چون دمای کمینه و متوسط و ارتفاع از سطح دریا (در شرق، شمال، شمال‌غرب و مرکز)، ماده آلی و نیتروژن کل (در شرق و شمال) و بافت خاک (در شمال غرب) ارزش اراضی زراعی را از مناسب به ضعیف برای کشت ارزن علوفه‌ای تقلیل داد. این پهنه به سبب ارزش پایین اراضی برای کشت ارزن و توفیق کم در برداشت محصول مناسب، بهتر است به کشت دوم ارزن اختصاص نیابد. اما در صورت تغییر تاریخ کاشت از تیرماه به نیمه دوم اردیبهشت تا اواخر خرداد می‌توان محصول مناسبی برداشت کرد. چرا که عامل اصلی محدودیت در این پهنه عوامل اقلیمی می‌باشد و با تغییر تاریخ کاشت دمای مناسب برای رشد ارزن علوفه‌ای را می‌توان تأمین کرد و شرایط را برای حصول عملکرد مورد نظر فراهم نمود. همچنین از بین عوامل متفاوت مؤثر بر رشد گیاه عوامل اقلیمی و توپوگرافی توسط کشاورز غیرقابل تغییر هستند بنابراین برای کاهش تأثیر این عوامل، تغییر تاریخ کاشت بهترین مدیریت به حساب می‌آید.

     مطالعات مختلفی به‌کمک GIS، نرم‌افزارهای تصمیم‌گیری چندمعیاره و منطق فازی انجام شده است که همگی نشان از توانایی‌های این تکنیک‌ها در شناسایی استعداد اراضی در جهت استفاده بهینه از منابع مورد نیاز کشاورزی توسط کشاورزان و سایر تصمیم‌گیران بخش کشاورزی دارند (ژانگ و همکاران 2015، پورهادیان 2018 و پیله‌ور و همکاران 2020). کاسی و همکاران (2018) با پهنه‌بندی فازی فلات مرکزی شمال اتیوپی برای کشت سورگوم نشان دادند 54/30، 17/36، 05/18 و 24/15 درصد از اراضی به‌ترتیب دارای شرایط مناسب، ضعیف، نامناسب موقت و دائماً نامناسب می‌باشند. صیدی‌شاهیوندی و همکاران (2018) پهنه‌بندی اراضی استان لرستان را برای کشت ذرت دانه‌ای به کمک عوامل اقلیمی، توپوگرافی، فاصله از شبکه هیدروگرافی و خاک با روش فازی انجام دادند و دریافتند 10 درصد از اراضی برای کشت بسیار مناسب، 30 درصد مناسب، 37 درصد دارای قابلیت متوسط، 19 درصد نامناسب و 4 درصد نیز برای کشت ذرت دانه‌ای بسیار نامناسب بودند و دلایل طبقات نامناسب را ناهمواری شدید، ارتفاع و شیب زیاد و اختلاف دمای زیاد بین شب و روز ذکر کردند.

 

 

 

 

جدول 7- درصد مساحت پهنه‌های طبقه‌بندی‌شده برای کشت ارزن علوفه‌ای

در منطقه مورد مطالعه بر اساس منطق فازی

مساحت (%)

پهنه

35/16

خیلی‌مناسب (S1)

42/60

مناسب (S2)

23/23

ضعیف (S3)

0

نامناسب (NS)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل 5- تناسب‌بندی نهایی اراضی زراعی استان لرستان برای کشت ارزن علوفه‌ای براساس منطق فازی

 

 

نتیجه‌گیری

هدف این تحقیق ارزیابی تناسب اراضی زراعی استان لرستان به کمک منطق فازی، ANP و GIS برای کشت دوم (تابستانه) ارزن علوفه‌ای بود. نتایج نشان داد اراضی زراعی استان لرستان دارای استعداد خیلی‌مناسب (35/16 درصد)، مناسب (43/60 درصد) و ضعیف (23/23 درصد) برای کشت ارزن بودند. بررسی عوامل اقلیمی، توپوگرافی و خاکی نشان داد به‌جزء pH خاک دیگر عوامل هر کدام در بخش یا ناحیه‌ای از اراضی زراعی لرستان باعث محدودیت برای این گیاه می‌شد. با توجه به جزی‌نگری منطق فازی، ترکیب آن با تکنیک‌های ANP و GIS سبب شد توانایی‌ها و محدودیت‌های زراعی استان لرستان برای کشت ارزن علوفه‌ای بهتر شناخته شود تا بتوان استفاده بهینه بیشتری از این منطقه به عمل آورد. پایگاه داده‌ایی حاصل از این پژوهش شرایط را برای استفاده کوتاه مدت، میان مدت و بلند مدت اراضی زراعی ایجاد کرد. به‌طوری که می‌توان با برنامه‌ریزی و اعمال مدیریت زراعی درست از توان ذاتی بخش وسیعی از ناحیه مورد مطالعه استفاده لازم را کرد و به عملکرد علوفه‌ای مناسب دست یافت. اما در مناطق سردسیر شرق و شمال شرق بایستی با تغییر تاریخ کاشت از تابستان به بهار به عملکرد مورد نظر رسید.

 

 

سپاسگزاری

این مقاله برگرفته از طرح پژوهشی است که با همکاری و حمایت‌های مالی معاونت محترم پژوهش و فناوری دانشگاه پیام نور استان لرستان انجام گردیده که بدین‌وسیله تشکر و قدردانی به‌عمل می‌آید.

 

 

[1]- Thiessen

[2] - Root Mean Square Error

 

Ahmad M. 2015. Land suitability classification for sorghum (Sorghum bicolor L. moench) in Bunkure, Kano state, Nigeria. M.sc thesis Department of geography, faculty of science Ahmadu Bello University, Zaria, Nigerian.
Ahmadi M, Fallahi Khoshji M and Khaledi Sh. 2016. Agroclimatic zoning of barley cultivation in Lorestan province using analytical hierarchy process (AHP) and fuzzy models. Journal of Agroecology, 6(1): 11-17. (In Persian).
Amirian Chakan A. 2011. Spatial modeling of land suitability using fuzzy set theory and geostatistical techniques (Case study: Silakhor plain of Dorud city, Lorestan province). PhD thesis, Tehran University.
Bijanzadeh E and Mokarram M. 2013. The use of fuzzy- AHP methods to assess fertility classes for wheat and its relationship with soil salinity: east of Shiraz, Iran: A case study. Australian Journal of Crop Science, 7(11): 1699-1706.
Braimoh AK, Vlek PG and Stein A. 2004. Land evaluation for maize based on fuzzy set and interpolation. Environmental Management, 33: 226–238.
Elaalem, M. 2010. The application of land evaluation techniques in Jeffara plain in Libya using fuzzy methods. PhD thesis, University of Leicester.
Esa E and Assen M. 2017. A GIS based land suitability analysis for sustainable agricultural planning in Gelda catchment, Northwest Highlands of Ethiopia. Journal of Geography and Regional Planning, 10(5): 77- 91.
Houshyar E, Sheikh Davoodi MJ, Almassi M, Bahrami H, Azadi H, Omidi M, Sayyad Gh and Witloxb F. 2014. Silage corn production in conventional and conservation tillagesystems. Part I: sustainability analysis using combination of GIS/AHP and multi-fuzzy modeling. Ecological Indicators, 39:102-114.
Kahsay A, Haile M, Gebresamuel G and Mohammed M. 2018. Land suitability analysis for sorghum crop production in northern semi-arid Ethiopia: Application of GIS-based fuzzy AHP approach. Cogent Food & Agriculture, 4: 1507184.
Kamkar B and Mahdavi Damghani AM. 2008. Fundemental of Sustainable Agriculture. Jehad Daneshgahi Press of Mashhad. 315 p. (In Persian).
Khajehpour MR. 2013. Cereal Crops. University Jihad of Isfahan University Technology Branch. 763 p. (In Persian).
Khodabandeh N. 2009. Forages Crops. Publication of Iranian Agricultural Science. (In Persian).
Koocheki A, Nasiri Mahalati M, Moradi R and Mansoori H. 2013. Zoning status of sustainable agricultural development in Iran and providing strategies. Journal of Agricultural Science and Sustainable Production, 23(4): 197-179. (In Persian).
Koocheki H, Hosseini M and Hashemi Dezfooli A. 2008. Sustainable Agriculture. (Translation). University Jihad Press of Mashhad. 162 p. (In Persian).
Makhdoom M. 2012. Land use Planning Fundamental. University of Tehran Press. (In Persian).
Moshiri F, Tehrani MM, Shahabi AA, Keshavarz P, Khogar Z, Faizi-Asl W, Asadiyeh Rahmani H, Samavat S, Sedri MH, Rashidi N, Saadat S and Khademi Z. 2014. Instructions for integrated management of soil fertility and wheat nutrition. Soil and Water Research Institute. 33 p. (In Persian).
Nazari Viand F, Koohestani H, Zarifian Sh, Kazemieh F. 2020. Land suitability assessment for agriculture using analytical hierarchy process in northern parts of Khalkhal county (case study: Mikaeel abad catchment). Journal of Agricultural Science and Sustainable Production, 93(9): 225-239. (In Persian).
Nwer B. 2005. The application of land evaluation technique in the north-east of Libya. PhD thesis, Cranfield University, Silsoe.
Pilevar AR, Matinfar HZ, Sohrabi A and Sarmadian F. 2020. Integrated fuzzy, AHP and GIS techniques for land suitability assessment in semi-arid regions for wheat and maize farming. Ecological Indicators. 110: 105887
Pourhadian H. 2018. Yield gap analysis of forage maize using crop modeling, Remote Sensing and Geographical Information System approaches; A case study: four basins of Golestan province. Ph.D thesis, College of Plant Production, Gorgan University of Agricultural Sciences and Natural Resources. (In Persian).
Pourhadian H. 2020. Ability evaluation of lorestan province climatic for second cultivation of forage sorghum. 16th National Iranian Crop Science Congress. Mollasani, Iran. (In Persian).
Rahman Salari K and Omidvari Sh. 2016. Study of the efficiency of geostatistical methods (kriging and IDW) in preparing the fertility map of Kamalvand plain of Khorramabad. International Conference on Architecture, Urbanism, Civil Engineering, Art, Environment; Future Horizons and retrospect, Tehran, Iran. (In Persian).
Saaty TL. 1999. Fundamentals of the Analytic Network Process. Proceedings of ISAHP, Kobe, Japan, August, 12-14.
Sanjani S. 2012. Agroecological zoning and assessment yield gap of three crops of wheat, sugar beet and corn in Khorasan province. PhD Thesis, Faculty of Agriculture, Ferdowsi University of Mashhad. (In Persian).
Seidi Shahivandi, M, Khaledi Sh, Shakiba A and Mirbagheri B. 2013. Zoning of agricultural climate of grain maize in Lorestan province using GIS techniques. Journal of Applied Research in Geographical Sciences, 13(29): 195-216. (In Persian).
Seyed Jalai SA, Navidi MN, Zeinadini Meymand A and Mohammad Esmail Z. 2019. Field crops requirements. Organization Soil and Water Research Institute. 250 p. (In Persian).
Seyedmohammadi J, Esmaeelnejad L, Ramezanpour H. 2016. Increasing efficiency of soil fertility map for rice cultivation using fuzzy logic, AHP and GIS, Journal Water and Soil, 30(4): 1114-1129. (In Persian).
Shah-Moridi R, Kazemi H and Kamkar B. 2016. Evaluation of Sustainable Agricultural Development in Golestan Province. Journal of Agricultural Science and Sustainable Production, 27(1): 197-215. (In Persian).
Sharififar A, Ghorbani H and Sarmadian F. 2016. Soil suitability evaluation for crop selection using fuzzy sets methodology. Acta agriculturae Slovenica, 107(1): 159-174.
Tadesse M and Negese A. 2020. Land suitability evaluation for sorghum crop by using GIS and AHP techniques in Agamsa subwatershed. Ethiopia. Cogent Food & Agriculture. 6: 1743624.
Yitbarek T, Kibret, K., Gebrekidan H and Beyene S. 2013. Physical land suitability evaluation for rainfed production of cotton, maize, upland rice and sorghum in Abobo area, western Ethiopia. American Journal of Research Communication, 1(10): 296-316.
Zhang J, Su Y, Wu J and Liang H. 2015. GIS based land suitability assessment for tobacco production and fuzzy set in Shandong province of China. Computers and Electronics in Agriculture, 114: 202-211.
Zolfagharnejad H and Kazemi H. 2016. Evaluation of environmental variables to identify suitable areas for corn cropping using spatial analysis of geographic information system. Journal of Agroecology, 6(2): 197-211.