عوامل انگيزشي موثر بر مشاركت كشاورزان در عمليات كشت پلكاني اراضي كشاورزي در حوزه آبخيز چهل چاي استان گلستان

An Investigation of Motivation Factors Affecting on Farmer’s Participation in Terrace Cropping Operations in Agricultural Land Case Study: Chehel-Chai Watershed, Golestan Province

پژوهش حاضر با هدف بررسي عوامل انگيزشي موثر بر مشاركت كشاورزان در عمليات كشت پلكاني در اراضي كشاورزي حوزه آبخيز چهل چاي در استان گلستان انجام شد. تحقيق توصيفي و از نوع پيمايشي و جامعه آماري كليه كشاورزان مشاركت كننده در عمليات كشت پلكاني در حوزه آبخيز چهل چاي استان گلستان به تعداد 75 نفر بودند كه 62 نفر از آنان به شيوه تصادفي سيستماتيك انتخاب شدند. ابزار گردآوري اطلاعات پرسشنامه بود كه اعتبار (روايي) آن با نظر چند تن از متخصصان حفاظت خاك و ترويج كشاورزي مورد تاييد قرار گرفت و براي پايايي آن از روش آلفاي كرونباخ استفاده شدكه مقدار آن 81/0 به دست آمد. نتايج حاصل نشان داد مهم ترين انگيزاننده هاي كشاورزان براي مشاركت در اجراي عمليات كشت پلكاني، همكاري با ساير كشاورزان اجرا كننده عمليات، تشويق ساير كشاورزان و انجام عمليات توسط همسايگان مجاور مزرعه بوده است. همچنين نتايج نشان دهنده تاثير بيشتر انگيزاننده هاي فردي- اجتماعي براي مشاركت كشاورزان در اجراي عمليات كشت پلكاني در مزارع بوده است. ارايه توصيه هاي فني از طريق سركشي كارشناسان به مزارع و منابع ارتباطي به خصوص راديو و تلويزيون از جمله پيشنهادهاي اين مطالعه در راستاي تداوم مشاركت كشاورزان در اجراي عمليات كشت پلكاني بوده است.

The purpose of this study is to produce a groundwater spring potential map based on statistical and probability logistic regression method. The spatial locations of the springs in mountainous Miradeh watershed, Kurdistan province, with 381 Km2 were determined. Based on field and local study and Water Resources Management Company, spatial location of 904 springs in the study area were registered and 304 springs selected randomly as test data set and the remaining 600 spring were used for training the network. Forward stepwise LR was used to analyze the data and to find the most influential factors on spring occurrence that are statistically significant. The accuracy of model evaluates and verified using statistics such as: -2LL, Cox, Snell and Nagelkerke R2. The accuracy of each model to predict was evaluated using calculating the area under the ROC curve values. ArcGIS was used to apply the proposed method and calculate statistical and Probability of spring occurrence potential. This can help planners and engineers in groundwater development plans and land-use planning.