تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,504 |
تعداد مشاهده مقاله | 124,124,316 |
تعداد دریافت فایل اصل مقاله | 97,232,812 |
کاربرد شاخصهای توپوگرافی و طیفی در تعیین نواحی مدیریتی در مزارع کشت گندم دیم، قزوین | ||
تحقیقات آب و خاک ایران | ||
دوره 54، شماره 7، مهر 1402، صفحه 1005-1026 اصل مقاله (2.18 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijswr.2023.361179.669518 | ||
نویسندگان | ||
گلناز ابراهیم زاده1؛ نفیسه یغمائیان مهابادی* 2؛ حسین بیات3؛ حمید رضا متین فر4 | ||
1گروه علوم و مهندسی خاک، دانشکده علوم کشاورزی دانشگاه گیلان، ایران | ||
2گروه علوم خاک، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت، ایران | ||
3'گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه بوعلی سینا-همدان، ایران | ||
4گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران | ||
چکیده | ||
مدیریت پایدار خاک با درک صحیح از ویژگیهای خاک به حفظ حاصلخیزی و جلوگیری از تخریب آن کمک میکند. این تحقیق به منظور ارزیابی پتانسیل استفاده از مناطق مدیریت خاک (MZs) به عنوان روشی کارآمد برای بهبود بهره وری کشت گندم انجام شد. برایناساس تعداد 140 نمونه خاک از مزارع گندم دیم برداشت شد. از ویژگیهای خاکی به همراه ویژگیها و شاخصهای توپوگرافی و طیفی جهت تعیین MZs استفاده گردید. ویژگیهای توپوگرافی مورد استفاده در این مطالعه با استفاده از نرمافزار7.8.2 SAGA و نقشه DEM منطقه مورد مطالعه استخراج گردید. تهیه نقشه ویژگیها، انتخاب ویژگی-های بهینه با استفاده از آنالیز مولفههای اصلی (PCA)، تقسیمبندی مزرعه برپایه ویژگیهای منطقهای و توپوگرافی بهینه با استفاده از الگوریتمهای خوشهای در ترکیب با زمینآمار، مراحل ایجاد MZs در این مطالعه بودند. شاخص عملکرد فازی (FPI) و آنتروپی طبقهبندی نرمالشده (NCE) جهت ارزیابی تعداد بهینه MZs بررسی گردید. تجزیه و تحلیل نیمتغییرنما، الگوی توزیع مکانی متنوع با وابستگی مکانی متوسط تا قوی را برای اکثر ویژگیها در منطقه مطالعاتی نشان داد. در نهایت شش PC با مقادیر ویژه بیشتر از 1 با مجموع 3/76درصد از واریانس کل برای تجزیه و تحلیل بیشتر مورد استفاده قرار گرفتند. براساس حداقل مقدار FPI و NCE، شش ناحیه مدیریتی شناسایی شد. نتایج مقایسه میانگینها نشاندهنده تفاوت در ویژگیها در MZs است. این مطالعه نشان داد که تعیین MZs بر اساس تغییرات مکانی ویژگیهای توپوگرافی منطقه میتواند به طور موثری در شناسایی منابع اصلی تغییرپذیری عملکرد محصول و مدیریت خاک برای به حداکثر رساندن تولید محصول استفاده شود. | ||
کلیدواژهها | ||
نواحی مدیریتی؛ خوشهبندی فازی؛ زمینآمار | ||
مراجع | ||
Aggelopooulou, K., Castrignanò, A., Gemtos, T., & De Benedetto, D. (2013). Delineation of management zones in an pple orchard in Greece using a multivariate approach. Computers and Electronics in Agriculture, 90, 119-130. Agyeman, P. C., Khosravi, V., Kebonye, N. M., John, K., Borůvka, L., & Vašát, R. (2022). Using spectral indices and terrain attribute datasets and their combination in the prediction of cadmium content in agricultural soil. Computers and Electronics in Agriculture, 198, 107077. Avdan, U., & Jovanovska, G. (2016). Algorithm for automated mapping of land surface temperature using LANDSAT satellite data. Journal of sensors, 2016, 1-8. Behera, S. K., Mathur, R. K., Shukla, A. K., Suresh, K., & Prakash, C. (2018). Spatial variability of soil properties and delineation of soil management zones of oil palm plantations grown in a hot and humid tropical region of southern India. Catena, 165, 251-259. Behera, S. K., & Shukla, A. K. (2015). Spatial distribution of surface soil acidity, electrical conductivity, soil organic carbon content and exchangeable potassium, calcium and magnesium in some cropped acid soils of India. Land Degradation & Development, 26(1), 71-79. Bogunovic, I., Pereira, P., & Brevik, E. C. (2017). Spatial distribution of soil chemical properties in an organic farm in Croatia. Science of The Total Environment, 584, 535-545. Brevik, E. C., Calzolari, C., Miller, B. A., Pereira, P., Kabala, C., Baumgarten, A., & Jordán, A. (2016). Soil mapping, classification, and pedologic modeling: History and future directions. Geoderma, 264, 256-274. Cambardella, C. A., Moorman, T. B., Novak, J., Parkin, T., Karlen, D., Turco, R., & Konopka, A. (1994). Field‐scale variability of soil properties in central Iowa soils. Soil Science Society of America Journal, 58(5), 1501-1511. Carr, P., Carlson, G., Jacobsen, J., Nielsen, G., & Skogley, E. (1991). Farming soils, not fields: A strategy for increasing fertilizer profitability. Journal of Production Agriculture, 4(1), 57-61. Da Silva, J. M., & Silva, L. L. (2008). Evaluation of the relationship between maize yield spatial and temporal variability and different topographic attributes. Biosystems Engineering, 101(2), 183-190. Di Virgilio, N., Monti, A., & Venturi, G. (2007). Spatial variability of switchgrass (Panicum virgatum L.) yield as related to soil parameters in a small field. Field Crops Research, 101(2), 232-239. Eldeiry, A. A., & Garcia, L. A. (2012). Evaluating the performance of ordinary kriging in mapping soil salinity. Journal of irrigation and drainage engineering, 138(12), 1046-1059. Ferreira, V., Panagopoulos, T., Andrade, R., Guerrero, C., & Loures, L. (2015). Spatial variability of soil properties and soil erodibility in the Alqueva reservoir watershed. Solid Earth, 6(2), 383-392. Foroughifar, H., Jafarzadeh, A., Torabi, H., Pakpour, A., & Miransari, M. (2013). Using geostatistics and geographic information system techniques to characterize spatial variability of soil properties, including micronutrients. Communications in Soil Science and Plant Analysis, 44(8), 1273-1281. Fridgen, J. J., Kitchen, N. R., Sudduth, K. A., Drummond, S. T., Wiebold, W. J., & Fraisse, C. W. (2004). Management zone analyst (MZA) software for subfield management zone delineation. Agronomy Journal, 96(1), 100-108. Gardner, W. H. (1986). Water content. Methods of Soil Analysis: Part 1 Physical and Mineralogical Methods, 5, 493-544. Gee, G., & Bauder, J. (1986). Particle-size analysis 1. Methods of soil analysis: part 1—physical and mineralogical methods,(methodsofsoilan1). In (pp. 383-411). Hornung, A., Khosla, R., Reich, R., Inman, D., & Westfall, D. (2006). Comparison of site‐specific management zones: Soil‐color‐based and yield‐based. Agronomy Journal, 98(2), 407-415. Iqbal, J., Read, J. J., Thomasson, A. J., & Jenkins, J. N. (2005). Relationships between soil–landscape and dryland cotton lint yield. Soil Science Society of America Journal, 69(3), 872-882. Jiang, P., & Thelen, K. (2004). Effect of soil and topographic properties on crop yield in a North‐Central corn–soybean cropping system. Agronomy Journal, 96(1), 252-258. Johnson, C. K., Mortensen, D. A., Wienhold, B. J., Shanahan, J. F., & Doran, J. W. (2003). Site‐specific management zones based on soil electrical conductivity in a semiarid cropping system. Agronomy Journal, 95(2), 303-315. Karydas, C., Iatrou, M., Iatrou, G., & Mourelatos, S. (2020). Management zone delineation for site-specific fertilization in rice crop using multi-temporal RapidEye imagery. Remote Sensing, 12(16), 2604. Kerry, R., & Oliver, M. (2004). Average variograms to guide soil sampling. International Journal of Applied Earth Observation and Geoinformation, 5(4), 307-325. Kravchenko, A., Robertson, G., Thelen, K., & Harwood, R. (2005). Management, topographical, and weather effects on spatial variability of crop grain yields. Agronomy Journal, 97(2), 514-523. Lee, C.-H., Wu, M.-Y., Asio, V. B., & Chen, Z.-S. (2006). Using a soil quality index to assess the effects of applying swine manure compost on soil quality under a crop rotation system in Taiwan. Soil Science, 171(3), 210-222. Liu, W., Lu, F., Chen, G., Xu, X., & Yu, H. (2021). Site-specific management zones based on geostatistical and fuzzy clustering approach in a coastal reclaimed area of abandoned salt pan. Chilean journal of agricultural research, 81(3), 420-433. Minasny, B., & McBratney, A. B. (2007). Spatial prediction of soil properties using EBLUP with the Matérn covariance function. Geoderma, 140(4), 324-336. Mousavi, S., Sarmadian, F., Alijani, Z., & Taati, A. (2017). Land suitability evaluation for irrigating wheat by geopedological approach and geographic information system: A case study of Qazvin plain, Iran. Eurasian Journal of Soil Science, 6(3), 275-284. Mousavi, R., Sarmadian, F., & Rahmani, A. (2019). Modelling and prediction of soil classes using boosting regression tree and random forests machine learning algorithms in some part of Qazvin plain. Iranian Journal of Soil and Water Research, 50(10). (In Persian) Mousavi, R., Sarmadian, F., Omid, M., & Bogaert, P. (2021). Digital modeling of three-dimensional soil salinity variation using machine learning algorithms in arid and semi-arid lands of qazvin plain. Iranian Journal of Soil and Water Research, 52(7). (In Perrsian). Nelson, L., & Heidel, H. (1952). Soil analysis methods as used in the iowa state college soil testing laboratory. Nelson, D. W., & Sommers, L. E. (1996). Total carbon, organic carbon, and organic matter. Methods of soil analysis: Part 3 Chemical methods, 5, 961-1010 Olsen, S. (1982). Anion resin extractable phosphorus. Methods of Soil Analysis, 2, 423-424. Ortega, R. A., & Santibanez, O. A. (2007). Determination of management zones in corn (Zea mays L.) based on soil fertility. Computers and Electronics in Agriculture, 58(1), 49-59. Pablos, M., Martínez-Fernández, J., Piles, M., Sánchez, N., Vall-llossera, M., & Camps, A. (2016). Multi-temporal evaluation of soil moisture and land surface temperature dynamics using in situ and satellite observations. Remote Sensing, 8(7), 587. Pedroso, M., Taylor, J., Tisseyre, B., Charnomordic, B., & Guillaume, S. (2010). A segmentation algorithm for the delineation of agricultural management zones. Computers and Electronics in Agriculture, 70(1), 199-208. Peralta, N. R., & Costa, J. L. (2013). Delineation of management zones with soil apparent electrical conductivity to improve nutrient management. Computers and Electronics in Agriculture, 99, 218-226. Ping, J., & Dobermann, A. (2006). Variation in the precision of soil organic carbon maps due to different laboratory and spatial prediction methods. Soil Science, 171(5), 374-387. Reyniers, M., Maertens, K., Vrindts, E., & De Baerdemaeker, J. (2006). Yield variability related to landscape properties of a loamy soil in central Belgium. Soil and Tillage Research, 88(1-2), 262-273. Reza, S., Baruah, U., Sarkar, D., & Das, T. (2010). Evaluation and comparison of ordinary kriging and inverse distance weighting methods for predication of spatial variability of some chemical parameters of Dhalai district, Tripura. Riley, S. J., DeGloria, S. D., & Elliot, R. (1999). Index that quantifies topographic heterogeneity. intermountain Journal of sciences, 5(1-4), 23-27. Ruehlmann, J., & Körschens, M. (2009). Calculating the effect of soil organic matter concentration on soil bulk density. Soil Science Society of America Journal, 73(3), 876-885. Schepers, A. R., Shanahan, J. F., Liebig, M. A., Schepers, J. S., Johnson, S. H., & Luchiari Jr, A. (2004). Appropriateness of management zones for characterizing spatial variability of soil properties and irrigated corn yields across years. Agronomy Journal, 96(1), 195-203. Sharma, S. (1996). Applied Multivariate Techniques. John Wiley&Sons. Inc, New York. Taylor, J. C., Wood, G., Earl, R., & Godwin, R. (2003). Soil factors and their influence on within-field crop variability, Part II: Spatial analysis and determination of management zones. Biosystems Engineering, 84(4), 441-453. Thapa, G., & Yila, O. M. (2012). Farmers' land management practices and status of agricultural land in the Jos Plateau, Nigeria. Land Degradation & Development, 23(3), 263-277. Triantafilis, J., Odeh, I., & McBratney, A. (2001). Five geostatistical models to predict soil salinity from electromagnetic induction data across irrigated cotton. Soil Science Society of America Journal, 65(3), 869-878. Tripathi, R., Nayak, A., Shahid, M., Lal, B., Gautam, P., Raja, R., . . . Sahoo, R. (2015). Delineation of soil management zones for a rice cultivated area in eastern India using fuzzy clustering. Catena, 133, 128-136. Tunesi, S., Poggi, V., & Gessa, C. (1999). Phosphate adsorption and precipitation in calcareous soils: the role of calcium ions in solution and carbonate minerals. Nutrient cycling in agroecosystems, 53, 219-227. Valente, D. S. M., Queiroz, D. M. d., Pinto, F. d. A. d. C., Santos, N. T., & Santos, F. L. (2012). Definition of management zones in coffee production fields based on apparent soil electrical conductivity. Scientia Agricola, 69(3), 173-179. Vieira, S. R., & Paz Gonzalez, A. (2003). Analysis of the spatial variability of crop yield and soil properties in small agricultural plots. Bragantia, 62, 127-138. Wang, K., Huggins, D. R., & Tao, H. (2019). Rapid mapping of winter wheat yield, protein, and nitrogen uptake using remote and proximal sensing. International Journal of Applied Earth Observation and Geoinformation, 82, 101921. Xiang, X., Wu, X., Chen, X., Song, Q., & Xue, X. (2017). Integrating topography and soil properties for spatial soil moisture storage modeling. Water, 9(9), 647. Xin-Zhong, W., Guo-Shun, L., Hong-Chao, H., Zhen-Hai, W., Qing-Hua, L., Xu-Feng, L., Yan-Tao, L. (2009). Determination of management zones for a tobacco field based on soil fertility. Computers and Electronics in Agriculture, 65(2), 168-175. Zeraatpisheh, M., Bakhshandeh, E., Emadi, M., Li, T., & Xu, M. (2020). Integration of PCA and fuzzy clustering for delineation of soil management zones and cost-efficiency analysis in a citrus plantation. Sustainability, 12(14), 5809. Zhao, G., Mu, X., Wen, Z., Wang, F., & Gao, P. (2013). Soil erosion, conservation, and eco‐environment changes in the Loess Plateau of China. Land Degradation & Development, 24(5), 499-510. | ||
آمار تعداد مشاهده مقاله: 248 تعداد دریافت فایل اصل مقاله: 244 |