ارزیابی و پهنه بندی تناسب سرزمین برای کاربری مرتع با استفاده از روش فرایند تحلیل سلسله مراتبی- منطق فازی AHP-FUZZY (مطالعه ی موردی: حوضه ی آبخیز سقزچی چای، اردبیل)
محل انتشار: مجله انسان و محیط زیست، دوره: 17، شماره: 3
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 59
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SRBAU-17-3_007
تاریخ نمایه سازی: 9 دی 1402
چکیده مقاله:
حفاظت، بهره برداری و مدیریت پایدار از منابع آبخیز با هدف تامین نیازهای نسل حاضر و حفظ این منابع برای نسل های آتی، از اولویت های اساسی است. هدف این پژوهش، تعیین درجهی تناسب سرزمین برای کاربری مرتع با استفاده از روش ارزیابی چند معیاره (MCE) بر مبنای منطق فازی است. با در نظرگیری مدل اکولوژیک مخدوم برای کاربری مرتع، نه معیار بارش ، ارتفاع، شیب، بافت خاک، رسوب، خاک، گروه هیدرولوژیک خاک، عمق خاک، تراکم پوشش گیاهی و کاربری موجود زمین برای ارزیابی انتخاب و از سازمان ها و ادارات مربوطه تهیه گردید. برای تعیین وزن هر معیار از روش فرایند تحلیل سلسله مراتبی (AHP) استفاده شد و در نرمافزار Arc/GIS۹.۳ با استفاده از عملگر ترکیب خطی وزنی (WLC) کلیهی لایههای اطلاعاتی با همدیگر تلفیق شدند و نقشهی رستری توان مرتع داری تهیه شد. تناسب نهایی منطقه برای مرتع داری به ۵ طبقهی بسیار خوب، خوب، متوسط، ضعیف و خیلی ضعیف طبقه بندی شد و نقشهی پهنه بندی آن تهیه شد. نتایج نشان داد که ۱۱۸۶ هکتار (۶/۱۵ %) از منطقه دارای توان بسیار خوب، ۷/۱۶۶۷ هکتار (۰۹/۲۲ %) توان خوب، ۵/۱۸۷۲ هکتار (۶۶/۲۴ %) توان متوسط، ۲۱۷۶ هکتار (۶۳/۲۸ %) توان ضعیف و ۶۸۰ هکتار (۹/۸ %) بسیار ضعیف برای مرتعداری است. نتایج نشان می دهد که ترکیب سامانه ی اطلاعاتی جغرافیایی و تصمیم گیری های چند متغیره در ارزیابی تناسب سرزمین برای کاربری کشاورزی-مرتع داری بسیار کارآمد می باشد.
کلیدواژه ها:
نویسندگان
داریوش ناصری
باشگاه پژوهشگران جوان، واحد اردبیل، دانشگاه آزاد اسلامی، اردبیل، ایران.
علی اکبر شمسی پور
استادیار، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران
محمد رضوانی
استادیار دانشگاه پیام نور-گروه علمی محیط زیست و منابع طبیعی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :