ارزیابی نقشه حاصلخیزی خاک دشت اقلید برای لوبیا با استفاده از روش هیبرید فازی- تحلیل سلسله مراتبی و سامانه اطلاعات جغرافیایی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، شیراز، ج. ا. ایران

2 بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان خوزستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اهواز، ج. ا. ایران

3 گروه کشاورزی، دانشگاه پیام نور، تهران، ج. ا. ایران

چکیده

افزایش عملکرد گیاهان زراعی تحت تاثیر عوامل مختلفی از جمله خصوصیات خاک است. از جمله ویژگی‌های خاک می توان به عناصر غذایی موجود در خاک اشاره کرد. تعیین حاصلخیزی خاک برای مشخص کردن میزان کوددهی بسیار مهم است. بدون توجه به میزان حاصلخیزی خاک، با مصرف نادرست کودهای شیمیایی نه تنها عملکرد کیفی و کمی محصولات بالا نمی‌رود، بلکه باعث می‌شود ضمن تحمیل هزینه‌های اضافی، تعادل عناصر غذایی در خاک بهم خورده و مسائل زیست محیطی نیز مطرح شود. بنابراین تعیین درجه حاصلخیزی خاک و تهیه نقشه حاصلخیزی ضروری به نظر میرسد. در این مطالعه سعی بر آن شد تا با تهیه نقشه حاصلخیزی خاک به منظور کشت لوبیا در دشت شادکام شهرستان اقلید استان فارس، درجه حاصلخیزی خاک مشخص شود. نقشه حاصلخیزی خاک با استفاده از سامانه فازی و تحلیل سلسله مراتبی در محیط GIS تهیه گردد. جهت نیل به این اهداف از 210 نقطه منطقه مورد مطالعه نمونه برداری صورت گرفت و داده‌های ورودی برای تعیین حاصلخیزی خاک که شامل غلظت‌های  ماده آلی، پتاسیم، فسفر، آهن،  منگنز، روی و مس بودند اندازه گیری شدند. در ابتدا درون یابی برای هر یک از عناصر خاک با استفاده از مدل وزن دهی عکس فاصله (IDW) در محیط  GIS انجام شد. سپس برای هر یک از عوامل به منظور تهیه نقشه فازی یک تابع عضویت با توجه به حد بحرانی آنها تهیه گردید. در نهایت برای وزن دهی به هریک از لایه ها از روش تحلیل سلسله مراتبی (AHP) استفاده شد. بر اساس وزن‌های نسبی هر یک از معیارها بیشترین  وزن نسبی  مربوط به کربن آلی به میزان 0/354 و کمترین وزن نسبی محاسبه شده مربوط به عنصر آهن قابل استفاده با  مقدار 0/031 بود. همچنین نتایج نشان داد که  0/3، 80/3 و 19/4درصد از منطقه مورد مطالعه به ترتیب در گروه های خیلی ضعیف، ضعیف ومتوسط از لحاظ حاصلخیزی جهت کشت لوبیا قرار گرفتند.

کلیدواژه‌ها


Ama Azghadi, A., Khorasani R., Mokarram M., & Moezi A. (2010). Soil fertility evaluation based on factors phosphorus, potassium and organic matter for plants using fuzzy AHP and GIS techniques. Water and Soil- Agricultural Sciences and Technology, 24 (5), 265-274. (In Persian)
Azar, A., & Faraji, H. (2008). Fuzzy management philosophy, (4th ed.). Tehran: Mehraban ketab organization Inc. (In Persian)
Azar, A., & Rajabzade, A. (2012). Decision-making applications, (5th ed.). Tehran: Negah danesh press. Inc. (In Persian)
Bijanzadeh, E., & Mokarram, M. (2017). Assessment the soil fertility classes for common bean ('Phaseolus Vulgaris' L.) production using fuzzy- analytic hierarchy process (AHP) method. Australian Journal of Crop Science, 11(4), 464-473.
Bijanzadeh, E., & Mokarram, M. (2013). The use of fuzzy-AHP methods to assess fertility classes for wheat and its relationship with soil salinity: A case study: East of Shiraz, Iran. Australian Journal of Crop Science, 7(11), 1699–1706.
Burrough, P. A., MacMillan, R. A., & Deursen, W. (1992). Fuzzy classification method for determining land suitability from soil profile observations and topography. European Journal of Soil Science, 43,193–210.
Cassel- Gintz, M. A., Lu deke, M. K., Petschel-Held, G., Reusswig, F., Plo¨chl, M., Lammel, G., & Schellnhuber, H. J. (1997). Fuzzy logic based global assessment of the marginality of agricultural land use. Climate Research, 63(8),135–150
Davis, B. M. (1987). Uses and abuses of cross-validation in geostatistics. Mathematical geology, 19(3), 241-248.
Delbari, M., Loiskandl, W., & Afrasiab, P. (2010). Uncertainty assessment of soil organic carbon content spatial distribution using geostatistical stochastic simulation. Australian Journal of  Soil Research, 48(1), 27-35.
Dobermann, A., Cassman, K. G., Mamaril, C. P., & Sheehy, J. E. (1998). Management of phosphorus, potassium, and sulfur in intensive, irrigated lowland rice. Field Crops Research, 56(1-2), 113-138.
Ebert, T., & Trauth, M. H. (2015). Semi-automated detection of annual laminae (varves) in lake sediments using a fuzzy logic algorithm. Palaeogeography, Palaeoclimatology, Palaeoecology, 435, 272-282.
FAO(Food  and Agricultural Organization). 2008. Production and trade yearbook, 2007, FAO, Rome.
Franzen, D. W., Hofman, V. L., Cihacek, L. J., & Swenson, L. J. (1999). Soil nutrient relationships with topography as influenced by crop. Precision Agriculture, 1(2), 167-183.
Helmke, P. A., & Sparks, D. L. (1996). Lithium, sodium, potassium, rubidium and cesium. In: Sparks, D. L. (Ed.), Method of soil analysis, Part 3. Chemical methods. (pp 551-574). No. 5. Madison, WI, USA: American Society of Agronomy.
Jonse, B. J. J. (2001). Laboratory guide for conducting soil test and plant analysis. Boca Raton: FL: CRC Ppresss LLC.
Kˇremenov´, O. (2004). Fuzzy modeling of soil maps. (Master’s thesis, Helsinki University of technology, Department of surveying, pp. 81).
Kavoosi M., & 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)
Khajehpour, M. R., & Naeni, A. B. (2002). The response of yield components and seed yield of bean (Phaseolus vulgaris L.) genotypes to delay in planting. Journal of Water and Soil Science, 5(4), 121-136.
Khazaie, E., Bostani, A. A., & Davatgar, N. (2017). Geostatic and GIS evaluation of spatial variability of nitrogen, phosphorus, potassium, and cation exchange capacity in agro-industrial land of Sharif Abad in Qazvin. Iranian Journal of Soil Research, 31(2), 195-213.
Malakouti, M. J., & Gheibi, M. N. (2000). "Determination of critical levels of nutrients in soil, plant, and fruit for the quality and yield improvements in strategic crops of Iran. (completely revised)." High Concoil for Appropriate Use of Pesticides and Chemical Fertilizers, Ministry of Agriculture . pp. 92. Iran: Karaj.
Malczewski, J. (1999). GIS and multicriteria decision analysis. New York: Wiley.
Maphosa, Y., & Jideani, V. A. (2017). The role of legumes in human nutrition. Functional food-improve health through adequate food, 1, 13.
Moreno, J. S. (2007). Applicability of knowledge-based and Fuzzy theory-oriented approaches to land suitability for upland rice and rubber. (PhD dissertation, M. Sc. Thesis, ITC, the Netherland).
Nelson, D. W., & Sommers, L. E. (1996). Total carbon, organic carbon, and organic matter. In: Sparks, D. L. (Ed.), Methods of soil analysis part 3. Chemical methods (pp. 961-1010). Madison WI, USA: American Society of Agronomy.
Oberthür, T., Dobermann, A., & Aylward, M. (2000). Using auxiliary information to adjust fuzzy membership functions for improved mapping of soil qualities. International Journal of Geographical Information Science, 14(5), 431-454.
Olsen, S. R. (1954). Estimation of available phosphorus in soils by extraction with Sodium bicarbonate (No. 939). US: Department of Agriculture.
Parhizkar, A., & Ghafari gilande, Ata. (2006). GIS and multi standard decision analysis. Tehran: Samt publication.
Qudsipour, S. H. (2005). Issues in multi-criteria decision making, analytical hierarchy process. Tehran: Amir Kabir University of Technology Press.
Saaty, T. L. (1980). The analytical hierarchy process, planning, priority.  USA: Resource allocation. RWS publications.
Scully, B., & Waines, J. G. (1987). Germination and emergence response of common and tepary beans to controlled temperature 1. Agronomy Journal, 79(2), 287-291.
Sokouti, R., & Mahdian, M. H. (2011). Spatial variability of macronutrient for soil fertilization management: A case study on Urmia plain. International Journal of Soil Science, 6(1), 49-59.
Stutter, M. I., Deeks, L. K., & Billett, M. F. (2004). Spatial variability in soil ion exchange chemistry in a granitic upland catchment. Soil Science Society of America Journal, 68(4), 1304-1314.
Taghizadeh, M. R., zareeian, J. M., Mahmoudi, S., Heydari, A., & Sarmadian, F. (2009). Investigation of interpolation methods to determine spatial distribution of groundwater quality in Rafsanjan. Iranian Journal of Watershed Management Science and Engineering, 2(5), 63-70.
Van Schoonhoven, A., & Voysest, O. (1991). Common beans: Research for crop improvement. Cali, Colombia: CIAT.
Lotfi Zadeh L. H. (1965). Fuzzy Sets. Information and control,  8(3), 338-353.
Zhang, B., Zhang, Y., Chen, D., White, R. E., & Li, Y. (2004). A quantitative evaluation system of soil productivity for intensive agriculture in China. Geoderma, 123(3-4), 319-331.