شناسایی محدودیت‎های اراضی با توجه به ارزیابی تناسب آن‎ها برای کشت گیاهان دانه روغنی در دشت‎های آبی کشور

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار پژوهشی بخش تحقیقات شناسایی خاک و ارزیابی اراضی، موسسه تحقیقات خاک و آب، کرج

2 دانشیار پژوهش بخش تحقیقات شناسایی خاک و ارزیابی اراضی، موسسه تحقیقات خاک و آب، کرج

10.22092/ijsr.2025.369128.775

چکیده

برای دستیابی به خودکفایی در تولید محصولات کشاورزی، به ویژه در کشورهای در حال توسعه، تعیین تناسب اراضی برای انواع مختلف محصولات کشاورزی ضروری است. ارزیابی تناسب اراضی یکی از رویکردهای مناسب برای تصمیم‎گیری در استفاده مناسب از اراضی کشاورزی با توجه به تجزیه و تحلیل و تفسیر اطلاعات و تثبیت اراضی کشاورزی برای توسعه پایدار در نظر گرفته شده است. با توجه به اینکه غالب مطالعات انجام شده به صورت محلی بوده و تا به حال، مطالعه جامعی در سطح کشور، مقیاس ملی، انجام نشده است. برای این منظور با تجمیع، آماده‎سازی و رقومی‎سازی مطالعات خاکشناسی در سطح کشور و با توجه به تصاویر ماهواره‎ای و نقشه‎های کاربری و در نظر گرفتن پهنه‎های زراعی- اقلیمی، واحدهای خاک در دشت‎های آبی سراسر کشور با هدف تعیین تناسب اراضی برای کشت آبی محصولات آفتابگردان، سویا، کلزا و کنجد مشخص شدند. سپس با وارد کردن داده‎های اقلیم، خاک و پستی و بلندی در نرم‎افزار تهیه شده بر پایه چارچوب فائو و روش پارامتریک ریشه دوم، اراضی مورد نظر برای کشت آبی محصولات ذکر شده مورد ارزیابی تناسب اراضی قرار گرفت. نتایج مشخص کرد از چهار میلیون هکتار اراضی مورد بررسی برای کشت آبی آفتابگردان، حدود 158 هزار هکتار در کلاس S1 (مناسب زیاد)، 1/2 میلیون هکتار در کلاس S2 (مناسب متوسط)، 1/36 میلیون هکتار دارای کلاس S3 (مناسب بحرانی)، 585 هزار هکتار دارای کلاس N1 (نامناسب در حال حاضر) و 702 هزار هکتار کلاس N2 (نامناسب دائمی)، از اراضی به مساحت حدود 8/1 میلیون هکتار برای کشت سویا، 27 هزار هکتار در کلاس S1، 500 هزار هکتار دارای کلاس S2، 548 هزار هکتار در کلاس S3، 316 هزار هکتار دارای کلاس N1 و 450 هزار هکتار کلاس N2، از 5/5 میلیون هکتار اراضی برای کشت کلزا، 195 هزار هکتار در کلاس S1، 1/6 میلیون هکتار دارای کلاس S2، 2/4 میلیون هکتار دارای کلاس S3، 596 هزار هکتار دارای کلاس N1 و 804 هزار هکتار در کلاس N2 و از اراضی به مساحت حدود 7/1 میلیون هکتار برای کشت کنجد، 23 هزار هکتار در کلاس S1، 135 هزار هکتار دارای کلاس S2، 554 هزار هکتار دارای کلاس S3، اراضی به مساحت 460 هزار هکتار دارای کلاس N1 و 537 هزار هکتار در کلاس N2 قرار گرفتند. تجزیه و تحلیل آماری داده‎ها بر پایه تحلیل واریانس چندمتغیره نشان داد که تفکیک کلاس‎های تناسب اراضی دارای دقت قابل قبول می‎باشد. مهمترین مشخصه‎های محدودکننده در اراضی تحت کشت آبی کشور برای کشت آفتابگردان؛ اسیدیته، بافت و به‎ویژه در کلاس‎های نامناسب شوری و قلیائیت، آهک و شیب، برای سویا؛ کربن‎آلی، اقلیم، شیب، شوری و قلیائیت، برای کلزا؛ اسیدیته، بافت، شوری و قلیائیت و برای کنجد؛ کربن‎آلی، اسیدیته، شوری و قلیائیت می‎باشد. تحلیل‎ها و نقشه‎های ارائه شده در این مطالعه می‎تواند یک راهنمای برنامه‎ریزی مناسب برای کشاورزان، تولیدکنندگان و برنامه‎ریزان به منظور تصمیم‎گیری دقیق‎تر در کشت گیاهان دانه روغنی در مناطق مختلف مورد مطالعه از دشت‎های آبی کشور باشد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Identifying Land Limitations Based on Assessing Their Suitability for Oilseed Plants Cultivation in the Country’s Irrigated Plains

نویسندگان [English]

  • Javad Seyedmohammadi 1
  • Mir Naser Navidi 2
1 Research Assistant, Soil Survey and Land Evaluation Department, Soil and Water Research Institute, Karaj, Iran.
2 Research Associate, Soil Survey and Land Evaluation Department, Soil and Water Research Institute, Karaj, Iran.
چکیده [English]

Achieving self-sufficiency in agricultural production -especially in developing countries- requires accurate land suitability assessments for various crop types. Such evaluations serve as essential tools for making informed land-use decisions and are crucial for the sustainable development of agricultural resources. Although numerous land suitability studies have been conducted at local scales, no comprehensive national-level assessment has been undertaken to date. To address this gap, existing soil survey studies across Iran were compiled, digitized, and harmonized. Using satellite imagery, land-use maps, and agro-climatic zoning data, soil units in irrigated plains nationwide were identified for evaluating land suitability for irrigated cultivation of sunflower, soybean, canola, and sesame. Subsequently, climatic, soil, and topographic parameters were integrated into a custom-developed software system based on the FAO land evaluation framework, employing the parametric square root method. The results revealed that among approximately 4 million hectares (Mha) evaluated for sunflower cultivation, 158 thousand ha (Tha) were classified as S1 (highly suitable), 1.2 Mha as S2 (moderately suitable), 1.36 Mha as S3 (marginally suitable), 585 Tha as N1 (currently unsuitable), and 702 Tha as N2 (permanently unsuitable). For soybean across 1.8 Mha, 27 Tha fell into S1, 500 Tha into S2, 548 Tha into S3, 316 Tha into N1, and 450 Tha into N2. Of the 5.5 Mha evaluated for canola, 195 Tha were S1, 1.6 Mha S2, 2.4 Mha S3, 596 Tha N1, and 804 Tha N2. For sesame across 1.7 Mha, 23 Tha were S1, 135 Tha S2, 554 Tha S3, 460 Tha N1, and 537 Tha N2. Multivariate analysis of variance (MANOVA) confirmed the reliability of the land suitability classification. The primary limiting factors for sunflower cultivation included soil pH, texture, and, especially in unsuitable classes, salinity, sodicity, calcium carbonate content, and slope. For soybean, organic carbon, climate, slope, salinity and sodicity were the key constraints; for canola, pH, texture, salinity, and sodicity; and for sesame, organic carbon, pH, salinity, and sodicity were the most limiting. The results and spatial maps generated in this study provide a robust decision-support tool for farmers, producers, and policymakers, enabling more informed planning and targeted cultivation of oilseed crops across Iran's irrigated plains.

کلیدواژه‌ها [English]

  • Land limitations
  • Land suitability
  • Sunflower
  • Soybean
  • Canola
  • Sesame
  • Square root

مراجع

  1. بی‎نام. 1401. آمارنامه کشاورزی، جلد اول: محصولات زراعی. وزارت جهادکشاورزی، معاونت آمار مرکز فناوری اطلاعات و ارتباطات، 100 صفحه.
  2. گیوی، ج. و حقیقی، ا. 1394. برآورد پتانسیل تولید و ارزیابی کمی تناسب اراضی شمال شهرکرد برای کشت آبی کلزا. آب و خاک، 29(6):1651-1661.
  3. حسین پور، ف.، نوری امامزاده ای، م.، خدامباشی امامی، م.، زمانیان، م.و. 1391. تاثیر زهکشی کنترل شده بر عملکرد سویا و ارتقاء کارایی مصرف آب. آبیاری و زهکشی ایران. 6(1): 11-20.
  4. سیدجلالی، س.ع.، نویدی، م.ن.، زین الدینی میمند، ع.، محمداسماعیل، ز. 1398. نیازهای رویشی گیاهان زراعی. موسسه تحقیقات خاک و آب. 250 صفحه.
  5. یزدانی، ف.، اکبری، غ.، مین باشی مبینی، م.، و اله دادی، ا. 1392. استعدادیابی اراضی زراعی استان های تهران و البرز برای کشت کلزا با استفاده از سامانه اطلاعات جغرافیایی (GIS). کشاورزی بوم شناختی، 1(3):27-41.
  6. نویدی، م.ن.، سیدمحمدی، ج.، سیدجلالی، س.ع.، زین الدینی، ع.، فرج نیا، ا. و زارعیان، غ. 1401. ارزیابی تناسب اراضی برای کشت گندم در دشت‎های آبی کشور. پژوهش‎های خاک، 36(2):109-224.
  7. سیدمحمدی، ج.، نویدی، م.ن.، سیدجلالی، س.ع.، فرج نیا، ا. و فاتحی، ش. 1401. تحلیل محدودیت‎های اراضی و تعیین درجه تناسب آنها برای کشت غلات در اراضی تحت کشت آبی کشور. تحقیقات آب و خاک ایران، 53(9):1957-1978.
  8. نویدی، م.ن. و سیدمحمدی، ج. 1402. ارزیابی تناسب اراضی و بررسی محدودیت‎ها برای کشت گیاهان صنعتی در مناطق تحت کشت آبی کشور. پژوهش‎های خاک، 37(4):109-224.
  9. Akpoti, K., Kabo-bah, A.T., Dossou-Yovo, E.R., Groen, T.A., Zwart, S.J. 2020. Mapping suitability for rice production in inland valley landscapes in Benin and Togo using environmental niche modeling. Science of the Total Environment, 709, 136165, doi: 1016/j.scitotenv.2019.136165.
  10. AL-Taani, A., Al-husban, Y., Farhan I., 2020. Land suitability evaluation for agricultural use using GIS and remote sensing techniques: The case study of Ma’an Governorate, Jordan. The Egyptian Journal of Remote Sensing and Space Sciences, In Press.
  11. 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.
  12. Bleam, W.F. 2017. Soil and Environmental Chemistry. 2nd edition, Academic Press, 586p.
  13. Boyer, J.S., James, R.A., Munns, R., Condon, T.A.G., Passioura, J.B., 2008. Osmotic adjustment leads to anomalously low estimates of relative water content in wheat and barley. Functional Plant Biology, 35(11), 1172-1182.
  14. Cicek, N. and Cakirlar, H. 2008. Effect of salt stress on some physiological and photosynthetic parameters at three different temperatures in six soyabean (GlycinemaxL.Merr.) cultivars. Journal of Agronomy and Crop Science, 194, 34-46.
  15. Dadgar, M., Mahmoodi, Sh., Masihabadi, M.H. 2007. Qualitative assessment of land suitability for soybean and sunflower cultivation in Damavand region by Faryab cultivation method. Plant and Ecosystem, 3(10), 102-110. (In Persian)
  16. Davatgar, N., Neishabouri, M.R, Sepaskhah, A.R. 2012. Delineation of site specific nutrient management zones for a paddy cultivated area based on soil fertility using fuzzy clustering. Geoderma 173-174:111-118.
  17. Dedeoglu, M. and Dengiz, O. 2019. Generating of land suitability index for wheat with hybrid system approach using AHP and GIS. Computers and Electronics in Agriculture, 167, 105062.
  18. Dharumarajan, S., and Singh, S.K. 2014. GIS based soil site suitability analysis for potato: a case study in lower Indogangetic alluvial plain. Potato Journal, 41(2), 113-
  19. Fan, J., Sun, W., Zhou, K., Chen, D. 2012. Major function oriented zone: New method of spatial regulation for reshaping regional development pattern in China. Chinese Geographically Science, 22 (2), 196-209.
  20. 1976. A framework for land evaluation. FAO Soils Bulletin, No. 32. Rome: Land and Water Development Division, FAO, UN.
  21. 1985. Guidelines: Land evaluation for irrigated agriculture. FAO Soils Bulletin, No. 55, Rome.
  22. Gandhi, G., and Savalia, S.G. 2014. Soil-site suitability evaluation for mustard in calcareous soils of Girnar toposequence in Southern Saurashtra region of Gujarat. Journal of Oilseed Brassica, 5(2), 128-133.
  23. Hazir, M.H.M., Abdul Kadir, R., Gloor, E., Galbraith, D. 2020. Effect of agroclimatic variability on land suitability for cultivating rubber (Hevea brasiliensis) and growth performance assessment in the tropical rainforest climate of Peninsular Malaysia. Climate Risk Management, 27, 100203
  24. Kamkar, B., Dorri, M.A., Teixeira da Silva, J.A. 2014. Assessment of land suitability and the possibility and performance of a canola (Brassica napus L.) -soybean (Glycine max L.) rotation in four basins of Golestan province, Iran. The Egyptian Journal of Remote Sensing and Space Sciences, 17, 95-104.
  25. Kamrava, S., Babaeian Jelodar, N. and Bagheri, N. 2016. Evaluation of some soybean genotypes (Glycine max) under salt stress. Journal of Crop Breeding, 8(18), 57-63.
  26. Kundu, M., Krishnan, P., Kotnala, R.K., Sumana, G., 2019. Recent developments in biosensors to combat agricultural challenges and their future prospects. Trends in Food Science & Technology, 88, 157-178.
  27. Malmir, M., Kheirkhah Zarkesh, M.M., Monavari, S.M., Jozi, S.A., Sharifi, E., 2016. Analysis of land suitability for urban development in Ahwaz County in southwestern Iran using fuzzy logic and analytic network process (ANP). Environmental Monitoring and Assessment, 188, 447.
  28. Mandal, S., Choudhury, B.U. and Satpati, L. 2020. Soil site suitability analysis using geo-statistical and visualization techniques for selected winter crops in Sagar Island, India. Applied Geography, 122, 102249.
  29. Mazahreh, S., Bsoul, M., and Hamoor, D.A. 2019. GIS approach for assessment of land suitability for different land use alternatives in semi arid environment in Jordan: Case study (Al Gadeer Alabyad-Mafraq). Information Processing In Agriculture, 6, 91-108.
  30. McClave, J. and Sincich, T. (2012). Statistics. 12th edition, Pearson Press, 840p.
  31. Moradi, M., Ebrahimi, A., Ghodrati, Gh. 2016. Evaluation effect of salt stress, growth, physiological characteristic and seed yield of spring canola cultivars (Brassica napus L). Quarterly Journal of Plant Production Science, 6(2), 1-12.
  32. Munns, R., and Tester, M., 2008. Mechanisms of salinity tolerance. Annual Review Plant Biology, 59, 651-681.
  33. Navidi, M.N., Chatrenour, M., Seyedmohammadi, J., Delsous Khaki, B., Moradi-Majd, N., & Mirzaei, S. 2023. Ecological potential assessment and land use area estimation of agricultural lands based on multi-time images of Sentinel-2 using ANP-WLC and GIS in Bastam, Iran. Environmental, Monitoring and Assessment, 195, 36.
  34. Navidi, M.N., Seyedmohammadi, J. & McDowell, R.W. 2022. A Proposed New Approach to Identify Limiting Factors in Assessing Land Suitability for Sustainable Land Management. Communications in Soil Science and Plant Analysis, 53(19):2558-2573. doi:10.1080/00103624.2022.2072511.
  35. Nguyen, H., Nguyen, T., Hoang, N., Bui, D., Vu, H., and Van, T. 2020. The application of LSE software: A new approach for land suitability evaluation in agriculture. Computers and Electronics in Agriculture, 173, 105440.
  36. Ostovari, Y., Honarbakhsh, A., Sangoony, H., Zolfaghari, F., Maleki, K., Ingram, B., 2019. GIS and multi-criteria decision-making analysis assessment of land suitability for rapeseed farming in calcareous soils of semi-arid regions. Ecological Indicators, 103, 479-487
  37. Pakpour Rabati, A., Jafarzadeh, A.A., Shahbazi, F., Rezapour, S. and Momtaz, H.R. 2012. Qualitative and quantitative land-suitability evaluation for sunflower and maize in the north-west of Iran. Archives of Agronomy and Soil Science, 58(11), 1229-1242.
  38. Purnamasari, R.A., Noguchi, R., and Ahamed, T. 2019. Land suitability assessments for yield prediction of cassava using geospatial fuzzy expert systems and remote sensing. Computers and Electronics in Agriculture, 166, 105018.
  39. Sadak, M.S., Abd El-Hameid, A.R., Zaki, F.S.A., Dawood, M.G. and El-Awadi, M.E. 2020. Physiological and biochemical responses of soybean (Glycine max L.) to cysteine application under sea salt stress. Bulletin of the National Research Centre, 44, 1, doi: 10.1186/s42269-019-0259-7.
  40. Safwan, M., Alsafadi, K., Ali, H., Mousavi, S.M.N., Kiwan, S., Hennawi, S., Harsanyie, E., Pham, Q.B., Thi Thuy Linh, N., Ali, R., Anh, D.T., and Thai, V.N. 2020. Assessment of land suitability potentials for winter wheat cultivation by using a multi criteria decision Support- Geographic information system (MCDS-GIS) approach in Al-Yarmouk Basin (Syria). Geocarto International, doi:10.1080/10106049.2020.1790674
  41. Seyedmohammadi, J. & Navidi, M.N. 2022. Applying fuzzy inference system and analytic network process based on GIS to determine land suitability potential for agricultural. Environ. Monit. Assess. 194, 712.
  42. Seyedmohammadi, J., Sarmadian, F., Jafarzadeh, A.A. Ghorbani, M.A., Shahbazi, F. 2018. Application of SAW, TOPSIS and fuzzy TOPSIS models in cultivation priority planning for maize, rapeseed and soybean crops. Geoderma, 310, 178-190.
  43. Seyedmohammadi, J., Sarmadian, F., Jafarzadeh, A.A., McDowel, R.W., 2019. Development of a model using matter element, AHP and GIS techniques to assess the suitability of land for agriculture. Geoderma 352, 80-95.
  44. Shu, K., Qi, Y., Chen, F., Meng, Y., Luo, X., Shuai, H., Zhou, W., Ding, J., Du, J., Liu, J., Yang, F., Wang, Q., Liu, W., Yong, T., Wang, X., Feng, Y. and Yang, W. 2017. Salt stress represses soybean seed germination by negatively regulating GA biosynthesis while positively mediating ABA biosynthesis. Frontiers in Plant Science, 8, 1372. doi: 10.3389/fpls.2017.01372
  45. Singha, C., Swain, K.C., 2016. Land suitability evaluation criteria for agricultural crop selection: A review. Agricultural Reviews, 37 (2), 125–
  46. Sparks, D.L. 2003. Environmental Soil Chemistry. 2nd edition, Academic Press, 352p.
  47. Sposito, C. 2016. The Chemistry of Soils. 3rd edition, Oxford University Press, 272p.
  48. Tashayo, B., Honarbakhsh, A., Akbari, M., Eftekhari, M. 2020. Land suitability assessment for maize farming using a GIS-AHP method for a semi arid region, Iran. Journal of the Saudi Society of Agricultural Sciences, 19, 332-338
  49. Tercan, E., and Dereli M.A. 2020. Development of a land suitability model for citrus cultivation using GIS and multi-criteria assessment techniques in Antalya province of Turkey. Ecological Indicators, 117, 106549
  50. Tripathi, R., Nayak, A.K., Shahid, M., Lal, B., Gautam, P., Raja, R., Mohanty, S., Kumar, A., Panda, B.B., and Sahoo, R.N., 2015. Delineation of soil management zones for a rice cultivated area in eastern India using fuzzy clustering. Catena 133, 128-136.
  51. Ustaoglu, E. and Aydınoglu, A.C. 2020. Suitability evaluation of urban construction land in Pendik district of Istanbul, Turkey. Land Use Policy, 99, 104783.
  52. Wacal, C., Ogata, N., Basalirwa, D., Handa, T., Sasagawa, D., Acidri, R., Ishigaki, T., Kato, M., Masunaga, T., Yamamoto, S. and Nishihara, E. 2019. Growth, Seed Yield, Mineral Nutrients and Soil Properties of Sesame (Sesamum indicum L.) as Influenced by Biochar Addition on Upland Field Converted from Paddy. Agronomy, 9(2), 55; doi:10.3390/agronomy9020055
  53. Wanyama, D., Mighty, M., Sim, S., and Koti, F. 2019. A spatial assessment of land suitability for maize farming in Kenya. Geocarto International, doi:10.1080/10106049.2019.1648564

Weil, R.R., and Brady, N.C., 2016. The nature and properties of soils. 15th edition, Pearson Education Limited, 1104p.

پژوهش های خاک
دوره 39، شماره 1
خرداد 1404
صفحه 19-51

فایل ها

هم رسانی

ارجاع به این مقاله

آمار