استعدادیابی و پهنه‌بندی مناطق مستعد کشت زیتون با استفاده از سامانه اطلاعات جغرافیایی (GIS) و روش الگوریتم ژنتیک

نویسندگان

1 دانشجوی کارشناس ارشد، گروه مهندسی آب، پردیس ابوریحان، دانشگاه تهران، پاکدشت

2 دانشیار گروه مهندسی آبیاری و زهکشی، گروه مهندسی آب، پردیس ابوریحان، دانشگاه تهران، پاکدشت

چکیده

پیش‌بینی مشکلات کشاورزی و استعدادیابی منابع همواره از اهداف توسعه کشاورزی پایدار بوده تا بتوان بیشترین بازده را از حداقل منابع به دست آورد. هدف از انجام این تحقیق، مکان یابی مناطق مستعد کشت زیتون با دو روش سیستم اطلاعات مکانی (GIS) و الگوریتم ژنتیک و مقایسه نتایج به دست آمده با مناطق کشت فعلی زیتون در استان لرستان و در عین حال، مقایسه دو روش با یکدیگر می‌باشد. پهنه‌بندی هر دو روش، پس از بررسی شرایط اقلیمی 17 ایستگاه هواشناسی در داخل و خارج استان با طول دوره آماری مشترک 12 سال انجام شد. مدل تحلیل سلسله مراتبی (AHP) برای وزن‌دهی لایه‌ها در محیط GIS و مدل پرموتاسیون در روش الگوریتم ژنتیک استفاده شدند. کشت فعلی زیتون براساس آمار وزارت جهاد کشاورزی در نواحی غربی، مرکزی و جنوبی استان متمرکز می‌باشد. از این حیث، نتایج حاصله بیان گر اشتراک 1/70 درصد مناطق کشت با اولویت اول، 2/38 درصد مناطق کشت با اولویت دوم در روش GIS و اشتراک 5/68 درصدی مناطق کشت در روش الگوریتم ژنتیک بر مبنای وضع موجود کشت در استان می‌باشد. همچنین، در مقایسه دو روش با یکدیگر اشتراک 3/53 درصدی در مکان یابی مناطق کاملاً مناسب کشت در کل استان حاصل گردیده است. لذا می‌توان نتیجه گرفت، اولاً پتانسیل کشت زیتون بیشتر در مناطق مرکزی و جنوبی استان لرستان متمرکز بوده و ثانیاً هر دو روش GIS و الگوریتم ژنتیک، توانایی پهنه‌بندی و تفکیک مناطق کشت را دارا می‌باشند.

کلیدواژه‌ها


عنوان مقاله [English]

Feasibility and Zoning Oive Prone Area using GIS and Genetic Algorithm in Lorestan Province

نویسندگان [English]

  • Mohammad Azizmi hosseini 1
  • Mahmoud Reza Behbahani 2
1
2
چکیده [English]

Prediction of the agricultural developmental problems has ever been one of the goals of proper agricultural development, to gain more productions from the minimum resources. The goal of this research is zoning prone area of olive cultivation with two methods: GIS and Genetic Algorithm. Also the results have been compared with the current olive cultivation areas in Lorestan province and the results compared the two methods with each other. Cultivation zoning were accomplished for 17 metrological stations inside and out of the province within 12 years common statistical period. AHP model used for weighting in GIS and Permutation model used for Genetic Algorithm method. Current olive cultivation according to Ministry of Agriculture statistics is in western, central and southern area in Lorestan province. Results represent 70.1 area percent subscription in first priority with GIS method and 68.5 area percent subscription in GA method with the current olive area cultivation in Lorestan. Also results show that comparison of two methods with each other represent 53.3 area percent subscriptions in first priority area of GIS method. Therefore, cultivation potential is in central and southern area in Lorestan and GIS and GA methods are able for zoning prone area.

کلیدواژه‌ها [English]

  • AHP
  • Genetic algorithm
  • Geographic Information System
  • Lorestan
  • olive