
تعداد نشریات | 45 |
تعداد شمارهها | 1,399 |
تعداد مقالات | 17,150 |
تعداد مشاهده مقاله | 55,260,657 |
تعداد دریافت فایل اصل مقاله | 17,591,773 |
ارزیابی تناسب اقلیمی حوضه آبریز ارس برای کشت چهار گونه از گیاهان دارویی با استفاده از دورسنجی و خوشهبندی فازی و بررسی تحلیل اقتصادی بر مبنای سودآوری | ||
هیدروژئولوژی | ||
دوره 9، شماره 2، اسفند 1403، صفحه 112-125 اصل مقاله (1.49 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/hydro.2025.66006.1326 | ||
نویسندگان | ||
مرجان معظم نیا* 1؛ سید بهمن موسوی2؛ سینا صادق فام3 | ||
1استادیار گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه بناب، بناب، ایران. | ||
2دانشیار گروه مهندسی آب و خاک، دانشکده کشاورزی، دانشگاه مراغه، مراغه، ایران. | ||
3دانشیار گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه مراغه، مراغه، ایران. | ||
چکیده | ||
شناسایی مناطق مناسب به منظور کشت محصول برای کشاورزی پایدار و حفاظت از منابع خاک و آب بسیار مهم است. در این تحقیق، شاخص تناسب اقلیمی برای چهار گونه از گیاهان دارویی کور، گل محمدی، سرخارگل و اسطوخودوس با استفاده از مجموعه دادههای اقلیمی شامل بارش متوسط سالانه و دمای دوره رشد برگرفته از ماهوارههای CHIRPS و ERA5 محاسبه شده است. نیازهای اقلیمی مذکور برای گیاهان مورد مطالعه از توصیههای نشریههای جهاد کشاورزی استخراج شده و برای محاسبه شاخص تناسب اقلیمی نیز از روش خوشهبندی فازی استفاده شده است. بررسیهای نشان داد که کور و گل محمدی سازگاری اقلیمی بیش از 75 درصد در نیمه شرقی حوضه آبریز دارند. بر اساس نتایج بدست آمده از تناسب اقلیمی سرخارگل و اسطوخودوس نیز مشاهده گردید که در بخشهایی از نیمه شرقی و غربی محدوده مورد مطالعه، شاخص تناسب اقلیمی بین 50 تا 75 درصد میباشد. توجه به این نکته ضروری است که روش پیشنهادی با کاهش وابستگی به نظرات کارشناسی و کمیسازی عدم قطعیت، دیدگاه عمیقتری نسبت به نتایج ارائه میدهد. همچنین نسبت سودآوری مربوط به گیاهان دارویی برای اسطوخودوس در سال چهارم 6/12، سرخارگل از سال دوم به بعد 3/5، گل محمدی در سال چهارم 6/1 و در سال هشتم 4/4 تخمین زده شده است. بنابراین در حالت کلی کشت گیاهان دارویی با توجه به دارا بودن نسبت سود به هزینه بالا و نیاز آبی کم پتانسیل بالایی برای سرمایهگذاری در منطقه دارند. | ||
کلیدواژهها | ||
عدم قطعیت؛ کشاورزی پایدار؛ نظرات کارشناسی؛ EAR5؛ CHIRPS | ||
مراجع | ||
پورمیدانی، ع.، توکلی نکو، ح.، قمقامی، م.، 1400. پهنهبندی کشت چهار گونه دارویی در سطح دشتهای حوضه آبریز دریاچه نمک براساس شاخصهای اقلیمی و هیدرولوژیکی. تحقیقات گیاهان دارویی و معطر ایران، 37(1): 162-177. تقیزاده، س.، نوید، ح.، فعله گری، ر.، فاخری فرد، ا.، 1392. تغییر الگوی کشت بهینه با توجه به ریسک و محدودیتهای جدید اعمالی شرکت آب منطقهای استان کردستان (مطالعه موردی مزرعه 200 هکتاری در دشت دهگلان). دانش کشاورزی وتولید پایدار، 23(1): 71-84. خوش سیما، ا.، عصری، ی.، بخشی خانیکی، غ.، ادنانی، س. م.، 1396. مطالعه ویژگیهای اکولوژیکی گونه کَوَر (Capparis spinosa L.) در برخی از رویشگاههای استان قم. مجله پژوهشهای گیاهی (مجله زیست شناسی ایران)(علمی)، 3(30): 571-580. رحیمی مقدم، س.، 1402. ارزیابی اکولوژیک کشت گیاهان دارویی در مراتع مختلف استان لرستان. فصلنامه علوم محیطی، 21(3): 249-266. رزم جو، م.، شهبازی، ف.، جعفر زاده، ع. ا.، مقدم واحد، م.، 1395. مکانیابی پهنههای مستعد کشت گل محمدی (مطالعه موردی: ایستگاه تولید بذر گیاهان دارویی و صنعتی سراب). نشریه دانش آب و خاک. 26(1): 197-212. شیخ زاده، ع.، نخعی، م.، احمدی، ع.، 1403. راه کارهای پیشنهادی مدیریت پایدار آب زیرزمینی در سطح ملی. هیدروژئولوژی، 8(2): 115-136. علیخواه اصلی، م.، معمری، م.، ناصری، د.، مفتاحی، ش.، 1400. مکانیابی توسعه گیاه دارویی کاکوتی با استفاده از روش ANP Fuzzy در حوزه آبخیز سبلان استان اردبیل. مرتع، 15(1): 156-167. کلانتری،م.، صادقی اقدم,، ف.، کاکی،م.، اسدزاده، ف.، بایزیدی، م.، 1403. بررسی آسیبپذیری سفره آبزیرزمینی دشت دهگلان با روشهای مختلف برمبنای تغییرات پوشش گیاهی. هیدروژئولوژی، 9(1): 147-163. Alikhah Asl, M., Moameri, M., Naseri, D., Meftahi, S., 2021. Land suitability classification for development of Ziziphora tenuior using ANP Fuzzy at Ardabil province Iran. Journal of Rangeland, 15(1): 156-167. (In persion) Asigbaase, M., Adusu, D., Anaba, L., Abugre, S., Kang-Milung, S., Acheamfour, S. A., Ackah, D. K., 2023. Conservation and economic benefits of medicinal plants: Insights from forest-fringe communities of Southwestern Ghana. Trees, Forests and People, 14: 100462. Bezdek, J. C., Ehrlich, R., Full, W., 1984. FCM: The fuzzy c-means clustering algorithm. Comput and Geosci, 10: 191-203. Bezdek, J. C., 2013. Pattern recognition with fuzzy objective function algorithms. SSBM. Budak, M., Kılıç, M., Günal, H., Çelik, İ., Sırrı, M., 2024. Land suitability assessment for rapeseed potential cultivation in upper Tigris basin of Turkiye comparing fuzzy and boolean logic. Ind Crops Prod, 208: 117806. Golaki, M., Gharehchahi, E., Mahmoudi, N., Rashidi, M., Azhdarpoor, A., 2024. Assessing water quality of kazerun county in southwest Iran: Multi-analytical techniques, deterministic vs. probabilistic water quality index, geospatial analysis, fuzzy C-means clustering, and machine learning. Groundw. Sustain. Dev., 27: 101336. Das, M., Jain, V., Makhotra, S.K., 2016. Impact of climate change on medicinal and aromatic plants: Review. Indian J. Agric. Sci., 86(11): 1375-1382. Harish, B.S., Dandin, S.B., Umesha, K., Sasanur, A., 2012. Impact of climate change on medicinal plants - A review. Anc. Sci. Life, 32(Suppl 1): 1-3. Isaaks EH, Srivastava RM., 1989. Introduction to Applied Geostatistics. Oxford University Press: New York. Kalantari, M., Sadeghi Aghdam, F., Kaki, M., Asadzadeh, F., Byzedi, M., 2024. The vulnerability assessment of the aquifer of Dehgolan plain using Different Methods Based on Vegetation Changes. Hydrogeology, 9(1): 147-163. (In persion) Khoshsima, E., Asri, Y., Bakhshi Khaniki, G., Adnani, S.M., 2017. Study of ecological characteristics of some Capparis spinosa L. habitats in Qom province. J. Plant Res., 30(3): 571-580. (In persion) Matsui, K., Kageyama, Y., 2022. Water pollution evaluation through fuzzy c-means clustering and neural networks using ALOS AVNIR-2 data and water depth of Lake Hosenko, Japan. Ecol. Inform., 70: 101761. Mehrabi, P., Behdani, M.A., Tajbakhsh, S.M., Mahmoudi, S., 2014. Zoning of climatic potentials of cultivation of licorice (Glycyrrhiza glabra) in Arak city. The 3rd National Congress on Organic and Conventional Agriculture, Ardebil, 20-21 August: 1-4. Mirmohammadsadeghi, S.A., Alipoori, E., Alipour, A., 2019. Investigation of climatic adaptation of regions for Rosa damascene cultivation using network analysis method (case study: Isfahan province). EWE, 5(3): 264-275. Peng, M., Liu, Y., Qadri, I. A., Bhatti, U. A., Ahmed, B., Sarhan, N. M., Awwad, E. M., 2024. Advanced image segmentation for precision agriculture using CNN-GAT fusion and fuzzy C-means clustering. COMPUT ELECTRON AGR, 226: 109431. Pourhadian, H., 2017. Climatic zonation of rainfed cultivation of borage in Mazandaran province. The 1st Natiional Conference of The role of medicinal plants in Resistive economy. Fereydunshahr, 27-28 April: 1-8. Pourmeidani1, A., Tavakoli Neko, H., Ghamghami, M., 2021. Zoning the plains of Salt Lake catchment for cultivation of four medicinal plant species based on climatic and hydrological indicators. IJMAPR, 37 (1): 162-177. (In persion) Rahimi-Moghaddam, S., 2023. Ecological evaluation of cultivating medicinal plants in different rangelands of Lorestan Province. Environ. Sci, 21(3): 249-266 (In persion) Rajagopal, M., Kayikci, S., Abbas, M., Sivasakthivel, R., 2024. A Novel Technique for Leaf Disease Classification Using Legion Kernels with Parallel Support Vector Machine (LK-PSVM) and Fuzzy C Means Image Segmentation. Heliyon. Razmjoo, M., Shahbazi, F., Jafarzadeh, A.A., Moghadam Vahed, M.,2016. Site Speciation of Susceptible Strata for Damask Rose Cultivation (Case Study: Sarab Medicinal and Industrial Plants Seed Production Station), JWSS, 26(1): 197-212. (In persion) Roopashree, S., Anitha, J., Challa, S., Mahesh, T. R., Venkatesan, V. K., Guluwadi, S., 2024. Mapping of soil suitability for medicinal plants using machine learning methods Sci. Rep., 14(1): 3741. Sadeghfam, S., Saghayeshi, H., Moazamnia, M., 2024a. Mapping cultivation potential index of rainfed wheat from climatic perspective using Shannon entropy catastrophe scheme. COMPUT ELECTRON AGR, 217: 108616. Sadeghfam, S., Rahmani, M. S., Moazamnia, M., Morshedloo, M. R., 2024b. Mapping climate suitability index for rainfed cultivation of medicinal plants by developing an AI-based probabilistic framework. Sci. Rep., 14: 20413. Sheikhzadeh, A., Nakhaei, M., Ahmadi, A., 2024. Suggested solutions for sustainable management of groundwater at the national level. Hydrogeology, 8(2): 115-136. (In persion) Shen, T., Yu, H., Wang, Y. Z., 2021. Assessing the impacts of climate change and habitat suitability on the distribution and quality of medicinal plant using multiple information integration: Take Gentiana rigescens as an example. Ecological Indicators, 123: 107376. Suganya, R., Shanthi, R., 2012. Fuzzy c-means algorithm-a review. Int J Sci Res, 2(11): 1. Taghizadeh, S., Navid, H., fellegari, R., Fakheri fard, A., 2013. Changing of Optimum Cropping Pattern Analysis Considering Risk Factor and New Limitations of Kurdistan Regional Water Company (Case study: 200 Hectares of Farm Area in Dehgolan Field). J. Agric. Sci. Sust. Prod., 23(1): 71-84. (In persion) Viana, C. M., Freire, D., Abrantes, P., Rocha, J., Pereira, P., 2022. Agricultural land systems importance for supporting food security and sustainable development goals: A systematic review. Sci. Total Environ., 806: 150718. Zhang, L., Cao, B., Bai, C., 2016. Predicting suitable cultivation regions of medicinal plants with Maxent modeling and fuzzy logics: a case study of Scutellaria baicalensis in China. Environ. Earth Sci., 75: 361. Zadeh, L. A., 1978. Fuzzy sets as a basis for a theory of possibility. Fuzzy Sets Syst, 1(1): 3-28. Zhong, L., Wu, X., Ding, R., Wang, C., Li, L., Zhang, J., Zhong, S., 2025. Perspectives on the application of remote sensing technology in the cultivation of medicinal plants. International Journal of Remote Sensing, 1-34. | ||
آمار تعداد مشاهده مقاله: 141 تعداد دریافت فایل اصل مقاله: 20 |