پهنه بندي آگروكليمايي مركبات در استان لرستان با استفاده از مدل همپوشاني شاخص و منطق فازي و مقايسه مدل ها

Agroclimatological Zonation of Citrus in Lorestan Province with Index Overlay Logic and Fuzzy Logic

در بين عوامل مختلف تأثير گذار در توليد محصولات كشاورزي، شرايط جوي و اقليمي از مهم ترين متغيرهاي محيط طبيعي بوده كه انسان در مقياس كوچك و آن هم با صرف هزينه هاي گزاف، قادر به كنترل آن نيست. بنابراين تنها راه ممكن براي مقابله با محدوديت هاي طبيعي به خصوص محدوديت هاي اقليمي، شناخت اين محدوديت ها و سازگاري با آن ها و لحاظ مديريت محصولات زراعي است. در اين مطالعه نيز به پهنه بندي اراضي مستعد باغات مركبات در سطح استان لرستان پرداخته شده تا بهترين مكان ها براي كاشت مركبات از لحاظ پارامترهاي محيطي به ويژه عناصر اقليمي در اين محدوده مشخص گردد.در اين بررسي، عناصر اقليمي دما، بارش، درجه روز از 6 ايستگاه سينوپتيك در سطح استان لرستان و پارامترهاي محيطي ارتفاع، شيب، جهت شيب، فاصله از شبكه هيدروگرافي و خاك به عنوان فاكتورهاي مؤثر در پهنه بندي اراضي مستعد مركبات استان لرستان، مورد بررسي و استفاده قرار گرفت.ابتدا داده هاي مربوط به عناصر اقليمي استخراج و اطلاعات مورد نظر بدست آمد، سپس نقشه هاي مربوط به اين پارامترها و عناصر در نرم افزار Arc GIS با روش هاي مختلف مانند درون يابي و ... تهيه شده و اين نقشه ها با استفاده از منطق همپوشاني شاخص و منطق فازي و معيارهايي كه براي كاشت درخت مركبات در نظر گرفته مي شود، استاندارد شده و به هر كدام وزن خاصي داده شده است. سپس همه نقشه هاي استاندارد شده با استفاده از مدل AHP با هم تلفيق و نقشه پهنه بندي اراضي مستعد كاشت مركبات در استان لرستان بدست آمد. بدين ترتيب در نقشه نهايي به روش هم پوشاني شاخص، 56/981523 هكتار از اراضي استان براي كشت مركبات بسيار مناسب، 14/968921 هكتار داراي قابليت متوسط و 22/922175 هكتار نيز براي كاشت مركبات نامناسب هستند.در نقشه نهايي به روش منطق فازي نيز 231/1003218 هكتار از اراضي استان براي كشت مركبات بسيار مناسب، 982/1018497 هكتار داراي قابليت متوسط و 428/837386 هكتار نيز براي كاشت مركبات نامناسب هستند.نتايج نهايي نشان مي دهد كه نقش هر يك از عناصر اقليمي و زميني، متناسب با مراحل مختلف رشد و در مناطق استان متفاوت است و از طريق تلفيق لايه هاي مؤثر در فرايند كاشت مركبات در محيط GIS، امكان شناخت مناطق جهت كاشت مركبات وجود دارد.

Climatic factors are the most important variables among effective factors in agricultural productions, which would cost too much to be controlled. So, the only possible way to stand against natural restrictions, especially climatic restrictions, is recognizing these restrictions, adjusting oneself to them and managing crops effectively. In this case study, climatic parameters of temperature, rain, day temperature, and environmental parameters like slope, slope direction, the distance from hydrograph network and soil are which are considered as important factors in the zonation of fertile lands for citrus in Lorestan province are investigated. In the present study, first the data of climatic parameters are collected; next the maps of the related parameters are done with various interpolation methods and the other methods in Arc GIS 9.2 software (Esri Company). These maps are then standardized with Index overlay logic and Fuzzy logic and criteria for planting citrus and each of them is given specific weight. Then, all of the standardized maps are integrated using AHP logic and subsequently, the appropriate locations for citrus orchards and zonation map in Lorestan province are identified. In the final map, by the Index Overlay logic, 981523/56 hectares of Lorestan lands are suitable for citrus plantation, 968921/14 hectares of Lorestan lands have a medium capability and 922175/22 hectares of Lorestan lands are unsuitable for this purpose.In the final map, by the Fuzzy logic, 1003218/231 hectares of Lorestan lands are suitable for citrus plantation, 1018497/982 hectares of Lorestan lands have a medium capability and 837386/428 hectares of Lorestan lands are unsuitable for this purpose. The final results show that the importance of each of the climate and land factors differs according to different phonologic stages in different regions of the province, and the possibility of recognizing the utility rates of citrus production would be provided through overlaying various effective layers of this yield in GIS environment.