تحلیل چشم انداز نبکا در دشت نگار بردسیر

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 29

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_DEEJ-5-10_005

تاریخ نمایه سازی: 19 اسفند 1402

چکیده مقاله:

گیاهان در مناطق خشک و نیمه خشک با کاهش سرعت باد و تثبیت ماسه های روان، موجب شکل گیری ژئوسیستم نبکا می شوند که نقش مهمی را در بیابان زدایی و حفاظت از محیط زیست ایفا می کند. در نتیجه شناسایی گونه های گیاهی سازگار با شرایط محیطی در قالب تحلیل چشم انداز نبکا جهت تثبیت ماسه های روان از اهمیت بسزایی برخوردار است. لذا پژوهش حاضر سعی دارد با استفاده از مدل های TOPSIS و AHP به ارزیابی مقایسه ای کارایی نبکاهای دشت نگار بردسیر در برابر رسوبات بادی بپردازد تا بتوان به شناختی مطلوب جهت انتخاب مناسب ترین گونه گیاهی برای تثبیت ماسه های روان دست یافت. در این راستا ابتدا مهم ترین مولفه های مورفومتری ۲۴۱ نبکا از گونه های گیاهی گز، اسکنبیل و خارشتر که شامل ارتفاع، قطر قاعده، شیب و حجم نبکا، و قطر تاج پوشش و ارتفاع گیاه می باشد، به روش طولی نمونه برداری میدانی شد. سپس با استفاده از مدل های TOPSIS و AHP مبادرت به ارزیابی مقایسه ای مولفه های ژئومورفومتری نبکا و اولویت بندی آن ها گردید. نتایج نشان داد که نبکای درختچه گز و اسکنبیل به ترتیب با وزن های ۰/۶۷۶ و ۰/۲۶۹ در مدل AHP و امتیازهای ۱ و ۰/۵ در نزدیکی نسبت به راه حل ایدئال مثبت در مدل TOPSIS دارای بالاترین ارجحیت در تثبیت ماسه های روان هستند. در مقابل نبکای گونه خارشتر با وزن ۰/۰۵۳ در مدل AHP و نزدیکی نسبی صفر به راه حل ایدئال مثبت در مدل TOPSIS کمترین ارجحیت را دارد. به عبارت دیگر هر دو مدل، گونه های درختچه گز و اسکنبیل را به عنوان مناسب ترین و خارشتر را به عنوان گونه نامناسب معرفی می کند. لذا در مرحله نخست توسعه ژئوسیستم نبکای گونه گز و سپس توسعه ژئوسیستم نبکای گونه اسنکبیل بهترین کارآیی را در تثبیت ماسه های روان دارند.

نویسندگان

محسن پورخسروانی

استادیار گروه جغرافیا، دانشگاه شهید باهنر، کرمان،

سید حجت موسوی

استادیار گروه جغرافیا و اکوتوریسم، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، ایران

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 :