پالم روغنی (Elaeis guineensis Jacq.) در دهه‌های اخیر رونق تولید داشته است و منطقه تولیدی اصلی آن در داخل مناطق استوایی است که بهترین شرایط بیوفیزیکی را برآورده می‌کنند. سرمایه گذاران و همچنین متخصصان زمین فضایی به طور فزاینده ای به بهترین شرایط رشد و برداشت علاقه مند هستند. بنابراین هدف این مقاله انتخاب بهترین محل کاشت نخل روغنی از طریق ترکیب بهترین روش ها می باشد. منطقه مورد مطالعه ناحیه Njimom واقع در غرب کامرون، انتقالی بین مناطق استوایی و آب و هوایی است. در همان محیط GIS، ترکیب خطی وزنی (WLC) و فرآیند تحلیل سلسله مراتبی فازی (FAHP) به ترتیب تفاوت‌های ظریف بین قابلیت و مناسب بودن را برجسته می‌کنند، در حالی که تابع سودمندی (UF) به ارزیابی جنبه‌های پایداری کمک می‌کند. اولین نتایج شامل هشت لایه است که شرایط طبیعی را نشان می دهد، یعنی بارندگی، دما، آفتاب، شیب، ارتفاع، غنای خاک، رطوبت خاک و پوشش جنگل، که در شش طبقه از 5 تا 0 بر اساس مقیاس استاندارد فائو رتبه بندی شده اند. آنها با استفاده از روش ساده WLC برای دادن “لایه قابلیت” متقاطع می شوند. نتایج دوم شامل سه لایه مربوط به محدودیت‌های اقتصادی-اجتماعی برای تولید، به‌عنوان منطقه ساخته‌شده، فاصله تا جاده و فاصله تا رودخانه است. این لایه ها به صورت باینری با 1 و 0 کدگذاری مجدد می شوند، آنها با بردار اولویت FAHP و رویکرد عضویت وزن می شوند تا “لایه مناسب” را ارائه دهند. سپس، تعداد وقوع هر یک از جنبه های پایداری در هر یک از دو فرآیند قبلی برای انجام UF شمارش می شود. مقدار حاصل، یعنی 0.

کلید واژه ها

روغن پالم , GIS , WLC , FAHP , UF , قابلیت , مناسب , پایداری

1. مقدمه

• il Palm (Elaeis guineensis Jacq.) یکی از مهم ترین گیاهان درختی استوایی جهان است. عمدتاً برای تولید صنعتی روغن نباتی [ 1 ] کشت می شود. کاربردهای مختلف شامل ساخت صابون، مواد شوینده و سایر لوازم بهداشتی در صنایع شیمیایی اولئو برای نخل روغن هسته [ 2 ] [ 3 ] و همچنین مواد تشکیل دهنده بسیاری از غذاها، در صنایع چرم، کنجاله و شیمیایی، برای نخل روغن خام است. [ 4 ] . با توجه به [ 5 ]، تخمین زده می شود 50 درصد از محصولات بسته بندی شده فروخته شده در سوپرمارکت ها حاوی برخی از روغن های موجود در همه جا هستند. اخیراً در تولید بیودیزل نقش داشته است. علاوه بر این، [ 6 ] [ 7 ] [ 8 ] [9 ] تخمین می زنند که افزایش تقاضا برای روغن های گیاهی در آینده عمدتاً توسط روغن پالم به جای سایر روغن های گیاهی برآورده می شود. این رونق تولید در دهه های گذشته را توضیح می دهد که بیش از 30 درصد از تولید جهانی روغن نباتی را نشان می دهد [ 10 ] و آن را به پرمصرف ترین روغن خوراکی در جهان تبدیل می کند [ 4 ] [ 11 ]. انتظار می رود تقاضا برای روغن پالم تا سال 2020 دو برابر شود [ 12 ].

منطقه تولیدی اصلی در داخل مناطق استوایی بین 10 درجه شمالی و 10 درجه شمالی از استوا واقع شده است، جایی که شرایط بیوفیزیکی و محیطی برای رشد آن ترکیب شده است [ 1 ] [ 11 ]. به این دلایل، 43 کشور اول مولد کشورهای استوایی هستند که در جنوب شرقی آسیا، آفریقا، آمریکای مرکزی و جنوبی قرار دارند [ 3 ] [ 13 ]. در اکثر این کشورها، دولت ها به طور فزاینده ای کشت آن را به عنوان یکی از عوامل اصلی کاهش فقر و همچنین استقلال غذا و انرژی ترویج می کنند [ 14 ].] . سپس درختان خرما به دو صورت پرورش داده می شوند. آنها در باغ های روستایی مشاهده می شوند که روغن را برای مصرف محلی با عملکرد و مقدار روغن نسبتاً کمتر تهیه می کنند. با این حال، برای مقاصد صنعتی، درختان خرما عمدتاً در مناطق یکنواخت بزرگ 3000 تا 5000 هکتار رشد و برداشت می‌شوند [ 1 ] [ 11 ]. سپس پرورش‌دهنده یا سرمایه‌گذار باید از روش‌های مدرن برای بهترین برداشت و مزایای اقتصادی استفاده کند [ 11] . او باید همزمان دو بعد دیگر پایداری را که عبارتند از توسعه اجتماعی و حفاظت یا احیای محیط زیست، ادغام کند. تکنیک‌های جغرافیایی توانایی رویارویی با این چالش را نشان می‌دهند و نتایج پردازش به طور گسترده توسط شرکت‌ها، سازمان‌های غیردولتی یا افراد دیگری که می‌خواهند در هر فعالیت کشاورزی سرمایه‌گذاری کنند، درخواست می‌شود.

در واقع، بهبود و دقت تکنیک‌های مکانی که به نام سیستم‌های اطلاعات جغرافیایی (GIS) نیز شناخته می‌شوند، امروزه در فرآیندهای تصمیم‌گیری در دنیای واقعی، از جمله برای شیوه‌های کشاورزی قابل توجه است [ 15 ]. یا برای انتخاب بهترین مکان، مزایای اقتصادی، گسترش یا نظارت فضایی، سنجش از راه دور و تجزیه و تحلیل فضایی پتانسیل قابل توجهی برای حمایت از کشت نخل روغنی مدرن دارد. [ 6 ] یک مدل مناسب جهانی برای کشت نخل روغنی را با ترکیب نقشه‌های هر عامل بیوفیزیکی مربوطه که آب و هوا، خاک و توپوگرافی است، محاسبه کرده است. پروتکل خاصی توسط [ 16 ] برای زمین مناسب نخل روغنی در جنوب غربی کامرون طراحی و آزمایش شد. [ 17] جنگل زدایی را پیش بینی کرده و مناسب بودن زمین را برای نخل روغنی در پاپوآ گینه نو ارزیابی کرده است. اخیراً، [ 18 ] مدل‌هایی از مناسب بودن کشاورزی آبی برای دستیابی به امنیت غذایی در یک محیط خشک ارائه کرده است. [ 19 ] شاخص های فازی را برای ارزیابی تناسب زمین کشاورزی ترکیب کرده است.

• پس از ارزیابی تناسب زمین و رشد محصولات، تمرکز بر پایش برای اهداف مختلف مانند کاربری زمین ، جنگل زدایی، سن، شمارش، بیماری ها و غیره است . در مالزی. به همین ترتیب، [ 21 ] گسترش نخل روغنی در اندونزی، مالزی و پاپوآ گینه نو را در بازه زمانی 2010 تا 2050 پیش بینی کرده است . مناطق رشد و ترسیم تفاوت در مراحل نخلستان. [ 28 ] و [ 29] همین کار را با استفاده از داده های LiDAR، PALSAR 50-m و WorldView-3 Imagery، برای گسترش مزارع نخل روغنی، شمارش درختان نخل و تخمین سن انجام داد. [ 30 ] با استفاده از داده های ماهواره ای نوری SPOT 7، نقشه توزیع روغن نخل کوچک را تولید کرده و مقادیر پس پراکندگی ALOS PALSAR-2 را با ارتفاع و سن نخل روغنی در خاک معدنی و تورب زمین بررسی کرده است. [ 27 ] و [ 31 ] یک همجوشی داده های چند حسگر را برای نقشه برداری از نخل آفریقا آزمایش کرده اند. [ 32 ] از سنجش از دور برای تخمین زیست توده استفاده کرده است، در حالی که [ 33 ] استراتژی های کشاورزی نخلستان ها، زیست توده و انرژی تولید شده را برای مدیریت طولانی مدت منابع نخل روغن به هم مرتبط کرده است. [ 34] بر تبدیل مناطق جنگلی به کشت نخل روغنی تمرکز کرده است، [ 35 ] این کار را در منطقه جنوب غربی کامرون نیز انجام داد، با گسترش نخل های روغنی، جنگل زدایی و آسیاب های غیررسمی ارتباط داشت و [ 36 ] نخلستان ها را ارزیابی کرد. [ 22 ] و [ 37 ] ذخایر کربن روغن نخل و اثرات زیست محیطی آن را نشان داده اند. به طور کلی، [ 38 ] اخیراً همه این کاربردهای سنجش از دور را بررسی کرد و هفت گروه به‌عنوان طبقه‌بندی پوشش زمین، تشخیص تغییر، شمارش درختان، تخمین سن، تخمین AGB و تولید کربن، تشخیص آفات و بیماری‌ها، و تخمین عملکرد متمایز شدند.

در این مطالعه، هدف اصلی یک مدل سازی فضایی برای انتخاب بهترین پالمسایت روغنی برای شرایط کاشت و رشد پایدار، از نظر ارزیابی مناسب/قابلیت است [ 39 ] [ 40 ]. مناسب بودن اغلب به وعده های اجتماعی-اقتصادی اشاره دارد و به چارچوب های مورد استفاده برای ارزیابی ظرفیت زمین در حمایت از تولید اولیه اشاره می کند [ 15 ] [ 41 ]. در حالی که قابلیت معمولاً پتانسیل فیزیکی یا طبیعی محیطی را به عنوان آب و هوا، امداد، خاک، هیدرولوژی و پوشش گیاهی برای حمایت از یک کاربری معین نشان می‌دهد [ 15 ] [ 42 ].] . این تفاوت‌های ظریف در این مقاله برای ادغام بهتر سه جنبه توسعه کشاورزی پایدار، یعنی حفظ زمین، آب، منابع ژنتیکی گیاهی و جانوری، از نظر زیست‌محیطی غیر تخریب‌کننده، از لحاظ فنی مناسب، از نظر اقتصادی بادوام و از نظر اجتماعی قابل قبول در نظر گرفته شده است [ 11 ]. .

2. روش شناسی

2.1. چارچوب کلی

طبق [ 1 ] [ 11 ] [ 43 ] [ 44]، کشت نخل روغنی به شرایط خاص طبیعی و اقتصادی نیاز دارد. برای جنبه های طبیعی، آب و هوا، خاک، قرار گرفتن در معرض نور خورشید و محیط فیزیکی عمدتا مورد توجه است. نخل روغنی در جایی که در تمام طول سال گرم است به خوبی رشد می کند و دمای آن بین 25 تا 28 درجه سانتیگراد است و هرگز کمتر از 15 درجه سانتیگراد است. درختان خرما برای فتوسنتز قوی باید دائماً در معرض آفتاب زیاد قرار گیرند، بنابراین برگ‌ها بزرگ می‌شوند، میوه‌ها به خوبی می‌رسند و روغن بیشتری در میوه‌ها وجود خواهد داشت. شرایط بهینه بارندگی 2000 تا 2500 میلی متر در سال با حداقل 100 میلی متر در ماه، با 1000 میلی متر و دوره خشکی 5 ماهه در سال به عنوان بدترین رطوبت قابل زندگی است. زمین باید مسطح باشد زیرا نخل روغنی در مناطق پست زیر 300 – بهترین رشد را دارد. 400 متر ارتفاع برای جلوگیری یا به حداقل رساندن خطر فرسایش. خاک باید عمیق و قابل نفوذ باشد تا بتواند رشد خوب ریشه ها را فراهم کند و به اندازه کافی غنی از نمک های معدنی باشد تا بتواند خوشه های بزرگ میوه تولید کند. تامین رطوبت برای تنظیم دما معمولاً از طریق وجود جنگل های انبوه اطراف مهم است.

علاوه بر این، جنبه های اقتصادی به نوع مزرعه ای که باید ایجاد شود بستگی دارد. [ 11 ] سه نوع مزرعه نخل روغنی را متمایز می کند. یک مزرعه روغن نخل در مقیاس کوچک ممکن است 7.5 هکتار را برای کشاورزان محلی پوشش دهد. مزرعه در مقیاس متوسط ​​بین 10 تا 500 هکتار است. این نوع مزرعه معمولاً از شیوه های زراعی مدرن مانند فاصله گذاری بوته ها، کشت پوششی، کود دهی، وجین حلقه ای، هرس استفاده می کند. مزارع در مقیاس بزرگ مساحتی بیش از 500 هکتار را پوشش می دهند. اینها شرکت های دولتی هستند که برای تامین نیازهای مصرف داخلی کشور و تامین مازاد صادرات ایجاد شده اند. برای اندازه های متوسط ​​و بزرگ، کارخانه ها و کارخانه ها باید نزدیک به بهره برداری باشند و همچنین زیرساخت های جاده ای برای حمل و نقل آسان. چنین گفت [ 45 ] و [ 46] برخی از چارچوب های اساسی طبقه بندی مناسب شرایط رشد را پیشنهاد کرده اند ( جدول 1 ). رتبه بندی در مقیاس پیشنهادی 5 تا 0 از شرایط بهینه تا بدترین، با ارزیابی زبانی فازی در مقیاس های میانی انجام شده است ( جدول 2 ).

2.2. روش های ریخته گری و سابقه مرتبط

نخل روغنی که در شرایط مختلف رشد می کند به اندازه کافی بیانگر یک مشکل تصمیم گیری چند معیاره (MCDM) است. عمدتاً در ترکیب اطلاعات از چندین معیار برای تشکیل یک شاخص واحد ارزیابی نقش دارد [ 47 ]. بسته به زمینه تجزیه و تحلیل GIS، می توان آن را از تجزیه و تحلیل تخصیص منابع یا تجزیه و تحلیل مناسب/قابلیت واجد شرایط دانست، همانطور که در این مقاله [ 39 ] [ 40 ]] . سپس، انتخاب اصول و روش‌های حمایتی که منجر به تجزیه و تحلیل می‌شوند، بر اساس سه جنبه است که توسط شرایط کاشت، یعنی قابلیت طبیعی، تناسب اجتماعی-اقتصادی و پایداری کلی مطرح می‌شود. روش های مورد استفاده شامل ترکیب خطی وزنی (WLC)، فرآیند تحلیل سلسله مراتبی (AHP) و تنوع فازی آن و تابع مطلوبیت (UF) می باشد.

・ ترکیب خطی وزنی (WLC)

WLC یا وزن‌دهی افزودنی ساده یکی از روش‌های ارزیابی چند معیاره (MCE) به عنوان یک قواعد تصمیم‌گیری مبتنی بر GIS برای تجزیه و تحلیل تناسب زمین است [ 48 ] [ 49 ]. عملاً، مؤلفه‌ها و شرایط مناسب بر روی نقشه‌ها منتقل می‌شوند و مطابق با انتخاب مقیاس تحلیلگر استاندارد می‌شوند. برای هر یک از آنها وزن های با اهمیت نسبی در نظر گرفته شده است. سپس، هر دو وزن و نقشه های استاندارد شده با استفاده از رابطه زیر (1) ترکیب می شوند:

اسwمنایکسمنS=∑wixi(1)

که در آن S تناسب است، w i وزنی برای عامل i، و x i امتیاز معیار عامل i است.

فرآیند AHP گاهی اوقات از پیاده سازی GIS WLC پشتیبانی می کند، اگر وزن پیش فرض، 1، باید تغییر کند.

・ فرآیند تحلیل سلسله مراتبی فازی (FAHP)

AHP در دهه 70 توسط [ 50 ] به عنوان ابزار کمکی برای تصمیم گیرندگان برای یافتن “بهترین” جایگزین از بین چندین گزینه با در نظر گرفتن تعدادی از معیارهای متناقض توسعه یافت [ 49 ] [ 50 ]. این فرآیند بر اساس سه اصل استوار است، یعنی تجزیه، قضاوت مقایسه ای و ترکیب داده ها [ 50 ] [ 51 ] [ 52 ] [ 53 ]. بسته به مطالعه، مجموعه فازی را می توان با AHP [ 54 ] ادغام کرد. ایده تئوری مجموعه های فازی این است که با ابهام و عدم وجود ویژگی ذاتی در فرمول بندی ترجیحات، محدودیت ها و اهداف انسان بپردازد [ 55 ]] . اطلاعات با مقادیر زبانی یا فازی به جای اعداد بیان می شود و این رویکرد معیارها و ترکیبی از داده های کمی و کیفی را کنترل می کند [ 56 ]. محبوب ترین عدد فازی، عدد فازی مثلثی (TFN) است که با سه پارامتر به صورت l، m، u نشان داده می شود که مربوط به کوچکترین مقدار ممکن، امیدوارکننده ترین مقدار و بزرگترین مقدار ممکن است. برای یک عدد فازی نشان داده شده است آ˜= (l، m، u)، تابع عضویت به صورت زیر تعریف می شود (معادله (2)، شکل 1 ):

μآ˜) =⎧⎩⎨⎪⎪⎪⎪– l− lاگر ≤ ≤ m− x− mاگر ≤ ≤ uدر غیر این صورتμA˜(x)={x−lm−l     if l≤x≤mu−xu−m   if m≤x≤u0          otherwise(2)

علاوه بر این، متغیرهای زبانی که امکان ترجمه زبان طبیعی را به گزاره‌های منطقی یا عددی می‌دهند، به صورت سلسله مراتبی به‌عنوان یک شبکه تصمیم‌گیری فازی زبانی، بر اساس ترجیحات متخصص یا رابطه علی بین مقادیر [ 57 ] سازمان‌دهی می‌شوند ( جدول 3 ، شکل 2 ، جدول 4) . ، شکل 3 ).

・ تابع ابزار (UF)

هر هدف چقدر برای پایداری کشت نخل روغنی مفید است؟ پاسخ به این سوال ادغام تابع ابزار را توضیح می دهد. UF نسبت دادن منطقی مقادیر به سبدهای مختلف مصرف است، به گونه ای که مطلوب ترین سبدها مقادیر بالاتری نسبت به سبدهای کمتر دریافت می کنند [ 58 ]. اصل، رتبه بندی ترجیحات مصرف کننده است. بیان شده است که یک سبد (ایکس1،ایکس2)(x1,x2)به سبد ترجیح داده می شود (y1،y2)(y1,y2)، فقط در صورتی که سطح ابزار U از (ایکس1،ایکس2)(x1,x2)بالاتر از یکی از (y1،y2)(y1,y2). معادله (3) فرمول را نشان می دهد.

(ایکس1،ایکس2) > (y1،y2) اگر U(ایکس1،ایکس2) > U(y1،y2)(x1,x2)>(y1,y2)​   if U(x1,x2)>U(y1,y2)(3)

UF مورد استفاده در این مطالعه به صورت زیر نوشته شده است (معادله (4)):

U(ایکس1،ایکس2) =ایکسd)1ایکسدج د)2U(x1,x2)=x1c/(c+d)x2d/(c+d)(4)

که در آن c و d اعداد مثبت با رابطه هستند:

، d، d1c>0,d>0,c+d=1

شکل 1 . تصویر یک عدد فازی مثلثی.

شکل 2 . توابع عضویت مقادیر زبانی مقیاس اولویت فازی.

شکل 3 . توابع عضویت ارزش های زبانی برای روابط علی.

از مجموع موارد فوق، این مقاله دو آرزوی خاص دارد. اولین مورد نظری است، با در نظر گرفتن مناسب بودن و قابلیت به عنوان اهداف متفاوت بر خلاف اکثر مطالعات، به عنوان مثال [ 6 ] [ 16 ] [ 17 ] [ 18 ] [ 39 ] و [ 40 ]، در حالی که پایداری را ادغام می کند تا دیگری را نشان دهد. رویکرد نسبت به موارد [ 59 ] [ 60 ] . مورد دوم فنی ترین است، با هدف قرار دادن بهترین ترکیب روش ها برای تجسم سه ملاحظات نظری مذکور در همان تجزیه و تحلیل GIS، همانطور که توسط [ 59 ] و [ 60 ] امتحان شده است.

2.3. منطقه مطالعه قبل از اجرای روشها

منطقه مورد مطالعه ناحیه Njimom است که بین عرض‌های جغرافیایی شمالی 5˚40′-6˚ و شرقی 10˚48′-11˚20’، در بخش اسمی و منطقه غربی کامرون واقع شده است ( شکل 4 ). مساحت آن 780 کیلومتر مربع است، در قلب ارتفاعات انتقالی بین جنوب و شمال کامرون که از نظر آب و هوا و ویژگی های بیوفیزیکی متضاد هستند. دمای متوسط ​​25 درجه سانتیگراد السیوس و 1200 تا 2000 میلی متر بارندگی مشخصه آب و هوای سالانه آن است. پوشش گیاهی بین جزایر جنگلی کم‌کم، مراتع و درختچه‌ها مخلوط است. ارتفاع بین 650 تا 1533 است و نقطه اوج آن کوه یاوو است. خاک‌ها آتشفشانی کمتر تکامل یافته‌اند و بسته به ارتفاع، روی شیب‌ها یا خاک رس مرطوب نزدیک رودخانه‌ها قرمز تیره ناپایدار هستند. شبکه مهمی از رودخانه های کوچک هیدروگرافی را تشکیل می دهد و رودخانه اصلی مگنا است. شبکه راه ها عمدتاً از نوع روستایی است و راه ملی شماره 6 بخش شمال کشور را باز می کند. فعالیت های اقتصادی عمدتاً کشاورزی، شکار و تجارت است.

2.4. شرایط-تولید لایه ها، رتبه بندی و گروه بندی

لایه ها بر اساس مقیاس های استاندارد (نگاه کنید به جدول 2 )، و همچنین نیازهای سرمایه گذاران و ویژگی های منطقه مورد مطالعه تولید شدند. داده های اصلی از انواع شطرنجی و برداری هستند. تصویر ماهواره‌ای Landsat 8 OLI-TIRS، با مختصات مسیر و ردیف 186-56، مربوط به 27 ژانویه 2018 و منطقه مورد مطالعه را پوشش می‌دهد، از وب‌سایت رسمی سازمان زمین‌شناسی ایالات متحده (USGS) به نشانی https://earthexplorer دانلود شده است. usgs.gov/ ( جدول 5 ).

شکل 4 . محل مطالعه.

همانطور که تمام محصولات سطح 1 خام هستند، تصویر نیاز به پیش پردازش دارد. نوارهای آبی (B2) تا مادون قرمز با طول موج کوتاه (B7) مورد استفاده در این مطالعه انباشته شدند. سپس کالیبراسیون رادیومتریک از 16 بیت به 8 بیت و اصلاحات جوی انجام شد. پس از آن، برای افزایش وضوح فضایی، نوار پانکروماتیک (B8) از قبل پردازش شد و به تصویر انباشته چند طیفی ادغام شد.

به همین ترتیب، مدل ارتفاعی دیجیتالی مدل رادار شاتل (SRTM) که در وب‌سایت USGS نیز موجود است، دانلود و برای برآوردن الزامات آنالیز شرطی شد. با این دو مجموعه داده و بردارهای موجود، می توان تحلیل را انجام داد. نرم افزار مورد استفاده Arcgis 10.4.1، Erdas Imagine 2015 و Super Decision Software (SDS) نسخه 3.0 است.

• دما و بارندگی – برخی از داده های پراکنده موجود در اداره محلی کشاورزی، با ثبت مستقیم دما در مزرعه هر 300 یا 500 متر جمع آوری و تکمیل شد. آنها بین 22 تا 27 درجه سانتیگراد در طول سال 2018 متغیر هستند. برای بارندگی، نقشه منطقه مورد مطالعه چاپ شد و از داده های مناطق اطراف مجهز به ایستگاه های هواشناسی برای تخمین بارش های سالانه محلی استفاده شد. اداره کشاورزی سپس بر اساس داده های فومبان (جنوب)، ماسنگام (جنوب شرقی)، مگبا (شمال شرقی) و بامندا (شمال غربی)، ناحیه نجیموم به چهار ناحیه بارندگی سالانه در فاصله 1206 میلی متر و 2145 تقسیم شده است. میلی متر ( شکل 5 ). هر دو داده با استفاده از عملیات چگالی نقطه شطرنجی شدند.

• ارتفاع، شیب و آفتاب – این سه مجموعه داده با استفاده از DEM-SRTM شرطی شده تولید شدند. ارتفاع مورد نظر با اعمال یک آستانه به دست آمد. شیب بر حسب درجه تولید شد و یک آستانه اعمال شد. برای تابش آفتاب، تابش خورشیدی منطقه انجام شد. در نرم افزار ArcGIS، این شامل استخراج تابش خورشیدی ورودی از یک سطح شطرنجی است. فاصله درخواستی 365 روز برای سال 2018 بود، واحد وات ساعت بر متر مربع (W∙H/m 2 ) است، در حالی که عرض جغرافیایی به دقت شیب خورشید و موقعیت خورشید کمک می کند.

• پوشش جنگلی – این لایه با ترکیب سه شاخص طیفی که معمولاً در مدل تراکم تاج پوشش جنگل (FCD) استفاده می شود، تولید شد [ 61 ].

– شاخص گیاهی پیشرفته (AVI)، که از درجه قدرت پاسخ مادون قرمز برای برجسته کردن تفاوت های ظریف در تراکم تاج پوشش استفاده می کند. (معادله (5))

Vمن=1 ) ∗ 256 − 4 ) ∗ − 4 ) )—————————–√3AVI=((B5+1)∗(256−B4)∗(B5−B4))3(5)

– Canopy Shadow Index یا Scaled Shadow Index (SI, SSI)، که مخالف توده های جنگلی و محورهای طیفی ناحیه باز است. (معادله (6))

اسمن=256 − 3 ) ∗ 256 − 4 )——————-√SI=(256−B3)∗(256−B4)(6)

– شاخص خاک لخت (BI)، افزایش مناطق خاک برهنه، زمین های آیش، پوشش گیاهی با پس زمینه مشخص، در مخالفت با AVI. (معادله (7))

I=3 ) – 43 ) + 4BI=(B5+B3)−B4(B5+B3)+B4(7)

در ماشین حساب شطرنجی، مجموع AVI و SI برای افزایش حس علامت جنگل محاسبه شد. سپس، BI از آن لایه جدید کم شد تا اثرات خاک به حداقل برسد.

• کیفیت خاک – دو نئو باند تولید شد. برای ارزیابی غنای خاک، سه شاخص برگرفته از [ 62 ] و [ 63 ] به دنبال معادلات (8)، (9) و (10) محاسبه شد.

مواد معدنی خاک رس سیم6 / 7CM=B6/B7(8)

شاخص ترکیب خاک اسسیمن=– 5 )5 )SCI=(B6−B5)(B6+B5)(9)

شاخص مواد آلی ای اممنB32OMI=1/B32(10)

سه لایه انباشته شدند، تجزیه و تحلیل مؤلفه اصلی (PCA) برای استخراج بهترین اطلاعات انجام شد، و مؤلفه ای که به ترتیب به CM، SCI و OMI مرتبط بود، به عنوان بهترین بیان غنای خاک حفظ شد

شکل 5 . نمودارهای بارندگی و منحنی های دما 2018 فومبان، ماسنگام، مگبا و بامندا.

در همین منطق، رطوبت خاک با محاسبه شاخص سطح آب زمین (LWSI) در رابطه (11) مورد ارزیابی قرار گرفت.

Wاسمن− 6 / 6LWSI=B5−B6/B5+B6(11)

سپس شبکه استریم دیجیتالی شد. تجزیه و تحلیل آمار کانونی به دنبال همسایگی شعاع 20 متری انجام شد. برای پایان دادن به این مرحله، تراکم زهکشی منطقه مورد مطالعه طبق رابطه (12) محاسبه شد.

طول شبکه جریان کیلومتر ) / منطقه مطالعه (کیلومتر2)DD=Streamnetworklength(km)/StudyArea(km2)(12)

با توجه به اینکه خاک ها باید زهکشی خوبی داشته باشند تا بتوانند ریشه های خوب ثابتی داشته باشند، اما به طور دائم زهکشی نشده باشند تا رشد و برداشت را به خطر بیندازند [ 11 ]، لایه های LWSI و DD در یک ماشین حساب شطرنجی ادغام شدند و به ترتیب 2/3 (67٪) وزن شدند. و 1/3 (33%)، برای به دست آوردن رطوبت خاک.

• ساخته شده – برخی از مطالعات نشان داده اند که شاخص های ساخته شده اطلاعات دقیق تری نسبت به طبقه بندی تحت نظارت یا بدون نظارت می دهند [ 64 ]. به عنوان مثال، شاخص ساخت و ساز خشک (DBI) که اخیراً توسعه یافته است در برجسته کردن ویژگی‌های شهرها در آب و هوای خشک مهم است [ 65 ]. فرمول آن با رابطه (13) به دست می آید.

I– 10 / 10 ) – NVمنDBI=(B2−B10/B2+B10)−NDVI(13)

با NDVI به معنی شاخص گیاهی تفاوت نرمال شده و به دنبال معادله (14) بیان می شود.

نVمن– 4 / 4 )NDVI=(B5−B4/B5+B4)(14)

با این حال، منطقه مورد مطالعه دقیقاً منطقه‌ای خشک با خاک‌های ماسه‌ای و تپه‌ها و پوشش گیاهی استپی کم‌کم نیست، بلکه ویژگی‌های طبیعی مانند درختچه‌ها و علفزارها، خاک‌های قرمز تیره ناپایدار و مرطوب بسته به ارتفاع است [ 65 ]، در حالی که ده‌ها خانه ساخته شده است. با مواد خام مانند آجر و کاه بر آن مسلط است. هنگامی که نتایج با طبقه‌بندی نظارت شده و شاخص‌های پوشش گیاهی به‌عنوان AVI و NDVI مقایسه شدند، این شرایط باعث ایجاد برخی سردرگمی‌ها و وارونگی بازتاب پیکسل‌ها شد. سپس، وارونگی عبارت نسبت در فرمول اولیه، همانطور که در رابطه (15) نشان داده شده است، برای به دست آوردن نتایج مورد انتظار، که استخراج ساخته شده است، آزمایش شد:

منI10 – 2 / 10 2 ) – NVمنIDBI=(B10−B2/B10+B2)−NDVI(15)

بر اساس آستانه مقادیر، نتیجه در دو کلاس مناسبت 1 و نامناسب بودن 0 کدگذاری شد.

• شبکه جاده ها – با فرض اینکه طراحی یک مزرعه نخل روغنی مدرن، نزدیکی یک کارخانه برای تحول مفید را درخواست می کند [ 11 ]، حمل و نقل آسان محصولات نیاز به یک شبکه جاده ای مبله دارد. منطقه مورد مطالعه به لطف مسیرهای روستایی و جاده ملی 6 باز شده است ( شکل 1 را ببینید ) و گفته شد که کارخانه مزرعه باید 1 کیلومتر به جاده نزدیک باشد. شبکه جاده با استفاده از تابع فاصله اقلیدسی در 4000 متر دیجیتالی و شطرنجی شد تا کل منطقه مورد مطالعه را پوشش دهد. سپس یک آستانه 1000 متری اعمال شد و در دو کلاس مناسبت، 1 در داخل این فاصله و نامناسب بودن 0 که بیش از این فاصله است، مجددا کدگذاری شد.

• رودخانه ها – هدف حفظ موقعیت فعلی واحدهای پیش ساخته روغن نخل محلی و سایر کارخانه های صنایع دستی بود. برای این منظور، بر روی یک نقشه چاپی که با نشانگرهای فضایی به عنوان رودخانه ها و تپه ها طراحی شده است، نقشه های شناختی دستی در سرتاسر منطقه با جمعیت هایی با پیروی از رویکرد مشارکتی GIS (PGIS) پیشنهاد شده توسط [ 66 ] و مختصات جغرافیایی یازده واحد ترسیم شده است. با GPS ضبط شده اند. یک تصویر شطرنجی با استفاده از تابع فاصله اقلیدیان در 1500 متر برای پوشش منطقه مورد مطالعه ایجاد شد. یک آستانه 100 متری برای شطرنج حاصل به عنوان محیط محدود به رودخانه ها با توجه به درخواست جمعیت اعمال شد. تصویر باینری دارای 1 به عنوان مناسب برای حفاظت از آسیاب در این فاصله، و 0 به عنوان نامناسب است که برابر با کمتر از 100 متر است.

از نظر فنی، لایه ها در قابلیت طبیعی و مناسب اجتماعی-اقتصادی مونتاژ شدند. از یک طرف، گروهی از لایه‌های متعلق به قابلیت طبیعی مجدداً طبقه‌بندی شدند و در مقیاس ارزیابی از 0 تا 5 که نشان‌دهنده کمترین تا بالاترین قابلیت است، کدگذاری مجدد شدند. و از آنجا که آنها شرایط ثابت هستند یا برای بهره وری کمتر انعطاف پذیر هستند، لایه ها به روش ساده روش مجموع WLC برای به دست آوردن “لایه قابلیت” تلاقی داده شدند. از سوی دیگر، لایه‌های شرایط اجتماعی-اقتصادی پس از انجام فرآیند AHP تجمیع شدند. ماتریس مقایسه زوجی ساخته شده است که بیان می کند که آسیاب های محلی در اطراف شبکه رودخانه 3 برابر کمتر از کارخانه مدرن اهمیت دارند، اما 5 برابر بیشتر از کارخانه های ساخته شده. در حالی که نزدیکی بین جاده شبکه و اهمیت کارخانه مدرن بالاترین است،

شبکه رودخانه شبکه جاده ای ساخته شده⎡⎣⎢131/5 _1/3 _11/7 _571⎤⎦⎥RivernetworkRoadnetworkBuilt-up    [11/353171/51/71](16)

این وزن های نسبی برای به دست آوردن بردار اولویت نرمال شدند. سازگاری قضاوت ها از طریق نسبت شاخص سازگاری (CI) به شاخص تصادفی (RI) در رابطه (17) ارزیابی شد.

سیCمنآر آی) < 0.10CR=(CI/RI)<0.10(17)

“لایه مناسب” از مجموع این سه مولفه وزن شده توسط بردار اولویت ثابت آنها در یک ماشین حساب شطرنجی حاصل شده است. الگوهای بصری و نتایج عددی با ارسال تصویر خروجی به عملیات عضویت فازی خطی تایید شد.

• پس از تولید “لایه قابلیت” و “لایه مناسب”، ارزیابی سطح در نظر گرفتن پایداری مهم بود. گام اول شامل شمارش تعداد رخدادهای بعد اجتماعی، اقتصادی یا محیطی در هر پردازش لایه است ( جدول 6 ). سپس پس از آن، تابع مطلوبیت برای دستیابی به مقادیر پایداری فردی آنها اعمال شد.

در هر دو مورد، x 1 ، x 2 و x 3 به ترتیب به جنبه های اجتماعی، اقتصادی و زیست محیطی پایداری اشاره دارد. در داخل هر گروه از لایه‌ها، نسبت بین هر جنبه از تعداد رخدادها و کل ایجاد شده است. بنابراین، ریشه مکعب همه نتایج محاسبه شد و مقادیر جدید برای یافتن ضریب مطلوبیت پایداری (SUC) برای هر گروه ضرب شدند. مقادیر غیر اتفاقی یا صفر به صورت 1 محاسبه شد.

به عنوان آخرین مرحله، در یک ماشین حساب شطرنجی، هر لایه قبل از انجام مجموع وزنی آنها در ضریب مطلوبیت پایداری خود (SUC) ضرب شد.

فلوچارت نمودار ارائه شده در شکل 6 مراحل اصلی روش را ترکیب می کند.

شکل 6 . فلوچارت متدولوژی.

3. نتایج

3.1. شرایط-لایه ها و ارزش های خام و کلاس ها

به طور کلی یازده نقشه لایه شرایط فردی از پردازش بالا حاصل می شود. هشت مورد از آنها متعلق به قابلیت طبیعی و سه مورد به مناسبت اجتماعی-اقتصادی برای کاشت نخل روغنی است. در داخل دو گروه لایه های غیر ترکیبی و ترکیبی یا نئو باند وجود دارد.

برای قابلیت طبیعی، لایه های غیر مرکب عبارتند از بارندگی (1206 – 2145 میلی متر)، دما (20.2 درجه سانتیگراد – 27 درجه سانتیگراد)، آفتاب (13.58 – 2103508)، شیب (0˚ – 5.41 درجه) و ارتفاع (696 -). 1533 متر) ( شکل 7 ). آنها مقادیر واقعی شرایط واقعی را برای نخل روغنی می دهند که تقریباً در اطراف آنهایی که نشان داده شده است رشد می کند [ 11 ]. لایه های مرکب یا نئو باند، به عنوان غنای خاک (-0.0618 – 0.00015)، رطوبت خاک (3 – 12) و پوشش جنگل (0.67 – 258.7) ( شکل 7 ). آنها با ترکیب شبیه سازی های مختلف، شرایط واقعی را تقریب می کنند.

شکل 7 . شرایط قابلیت طبیعی-لایه ها.

با توجه به تناسب اجتماعی-اقتصادی، لایه‌های غیر مرکب فاصله تا شبکه راه (0-3837 متر) و تا رودخانه (0-1500) است ( شکل 8 ). آنها نیازهای سرمایه گذاران و تصور جمعیت را بیان می کنند. تنها لایه تشکیل‌شده، نقشه ساخته‌شده (-1.37 – 1.477) است، که مقادیر آن تقریباً منطقه‌ای است که باید توسط مزرعه اجتناب شود ( شکل 8 ).

در مقایسه با استانداردهای پرورش نخل روغنی [ 11 ]، این شرایط عموماً برای کاشت نخل روغنی در منطقه به طور متوسط ​​برآورده می شوند ( جدول 2 را ببینید). فقط ارتفاع (696 – 1533 متر)، که بهتر است بین 400 تا 500 متر باشد، و همچنین خاک هایی که بهترین محتوای معدنی آنها رس است، برخی محدودیت های دید اول را نشان می دهد ( جدول 2 را ببینید ). سپس، همانطور که در بالا گفته شد، بهترین راه برای ارزیابی آن، رمزگذاری مجدد لایه ها بر اساس مقیاس استاندارد بود.

لایه‌های شرایط قابلیت طبیعی به شش کلاس جدید مجدداً طبقه‌بندی می‌شوند. مقیاس زبانی فازی رو به کاهش است، با قابلیت «بیشترین»، «بالا»، «متوسط»، «حاشیه»، «کم» و «کمترین». بر اساس داده‌های پردازش‌شده اولیه، همه لایه‌های شرایط بالاترین تا پایین‌ترین مقادیر، به‌طور کامل مدل را ادغام کردند، به جز ارتفاعی که رتبه‌بندی داده‌ها معکوس شد، و بالاترین امتیاز و واجد شرایط را به پایین‌ترین ارتفاعات داد. برای لایه‌هایی که داده‌های افراطی وجود نداشت، برای نتایج بهتر، تعداد کلاس‌ها با مقادیر امتیاز تطبیق داده شد ( جدول 7 ، شکل 9 ).

شکل 8 . شرایط مناسب اجتماعی-اقتصادی-لایه ها.

شکل 9 . شرایط قابلیت طبیعی-لایه ها دوباره طبقه بندی شدند.

لایه‌های شرایط مناسب اقتصادی-اجتماعی دارای دو طبقه «مناسب» و «نامناسب» هستند. بالاترین مقادیر ساخته شده برای مزرعه روغنی نامناسب است. فاصله 4000 متری اطراف جاده برای دسترسی آسان برای کارخانه مناسب است. فاصله بیش از 100 متر از رودخانه برای کشاورزی و کارخانه برای حفظ فعالیت تولید نخل روغن محلی و سپس جلوگیری از درگیری با جمعیت محلی مناسب است ( جدول 8 ، شکل 10 ).

3.2. توانمندی و لایه های ترکیبی اجتماعی-اقتصادی

لایه قابلیت حاصل از WLC روندهایی را با مقادیر 23 تا 45 نشان می دهد. بیشترین قابلیت در قسمت شمالی منطقه مورد مطالعه ثبت شده است. نمرات آن با بالاترین غنای خاک، رطوبت خاک و پوشش جنگلی، متوسط ​​آفتاب، بارندگی و دما، کمترین ارتفاع و شیب مطابقت دارد ( شکل 11 ).

لایه مناسب نتیجه عملکرد AHP است ( جدول 9 ).

سپس، سه لایه رمزگذاری شده مجدد در بردارهای اولویت آنها ضرب می شوند، به ترتیب لایه شبکه رودخانه با 0.2828، لایه شبکه جاده با 0.6434 و لایه ساخته شده با 0.0738. مجموع عضویت فازی خطی آنها در بازه بین 0 و 1، با غلبه قابل مشاهده بر لایه شبکه راه است ( شکل 11 ).

3.3. توزین ضرایب سودمند پایداری (SUC) و بهترین نقشه های سایت نهایی

پس از محاسبات UF، هر لایه یک SUC رتبه بندی شده در مقیاس فازی 0 تا 1 به دست می آورد. هیچ یک از هر دو گروه ابعاد پایداری را در 100% برآورده نمی کنند. پردازش قابلیت طبیعی آن را در 54.2% بیان می کند که مقدار نرمال شده 0.542 است، در حالی که پردازش اجتماعی-اقتصادی آن را در 31.5% بیان می کند که یک مقدار نرمال شده 0.315 است ( جدول 10 ).

این دو لایه در شش کلاس برای مقیاس نقشه نهایی ارزیابی مجدد کدگذاری می شوند. سپس با استفاده از مقادیر نرمال شده SUC، لایه قابلیت در 0.542 و لایه مناسب در 0.315 ضرب می شود. مجموع دو لایه در ماشین حساب شطرنجی آخرین نقشه را داده بود.

شکل 10 . شرایط مناسب اقتصادی-اجتماعی طبقه بندی مجدد لایه ها.

شکل 11. نقشه های قابلیت و تناسب ترکیب و طبقه بندی مجدد شده اند.

نقشه نهایی در چهار طرح مختلف گذاشته شده است ( شکل 12 ). مورد اول روندهای اصلی را از بهترین تا کمترین یا بدترین شرایط نشان می دهد. مقادیر در بهترین حالت بین 5.142 و در بدترین حالت 0.857 است. منطقه اصلی برای ارزش های بالا در شمال منطقه Njimom است. این نقشه در شش کلاس برای تفکیک و اولویت بندی سایت ها در نقشه دوم مجددا کدگذاری شده است. این رتبه بندی از اولویت اول تا ششم برای سرمایه گذار است، با مساحتی بین 35700 هکتار تا 153 هکتار ( شکل 13).). هنگام اعمال رمزگذاری مجدد باینری بر اساس منطق “بله”/”خیر” در این نقشه، با در نظر گرفتن بالاترین کلاس معتبر و سایرین به عنوان نامعتبر، این امکان را فراهم می کند تا بهترین سایت منطقه مورد مطالعه را در نقشه سوم برجسته کنید. منطقه اولویت اول بهترین سایت در مساحت 35700 هکتار است. ده مزرعه بیش از یازده مربوط به آسیاب های محلی مورد استفاده برای تجزیه و تحلیل در محدوده سایت قرار دارند. مجموع حداقل مساحت تخمینی آنها، هنگام تصرف به عنوان 7.5 هکتار طبق [ 11 ] برای کشاورزان کوچک (7.5 × 10 = 750) (به جدول 2 مراجعه کنید )، از این 35700 هکتار کسر می شود، و مساحت کل تقریبی قابل بهره برداری حدود است. 34950 هکتار; که 44.8 درصد از 78000 هکتار (780 کیلومتر مربع ) مساحت کل ناحیه است ( شکل 14)). سپس محل انتخاب شده برای مزارع نخل روغنی با اندازه بزرگ قابل استفاده است ( جدول 2 را ببینید ). در نهایت، حد بهترین سایت ترسیم می شود و مرکزی ترین موقعیت چند ضلعی برای قرار دادن و نصب کارخانه مدرن در داخل منطقه کاشت و مربوط به یازده آسیاب محلی ثبت شده در منطقه انتخاب می شود.

شکل 12 . بهترین منطقه سایت

شکل 13 . شش طبقه از مناطق دارای اولویت در هکتار.

شکل 14 . نسبت بهترین مساحت سایت نسبت به سایرین.

4. بحث ها و چشم انداز

با توجه به هدف اصلی انتخاب بهترین محل کاشت نخل روغنی، این مطالعه با رعایت حداکثر استانداردهای رتبه بندی بین المللی انجام شده است. نتیجه اصلی پردازش مکان بالقوه نشان‌داده‌شده‌ترین مکان را در مناطق پست شمالی ناحیه Njimom نشان می‌دهد که در شکل 12 نشان داده شده است. مقایسه بصری آن با لایه‌های ورودی، تأثیر زیادی از روندهای «لایه قابلیت» را نشان می‌دهد ( شکل 11 را ببینید ). یک گام به عقب و همچنان بر اساس مقایسه بصری، هفت لایه در هشت شرط، منطقه شمالی را به عنوان مطلوب‌ترین، به شدت برجسته می‌کنند، به جز لایه پوشش جنگلی که مقادیر متوسط ​​و پایین را در آنجا ثبت می‌کند ( شکل 7 و شکل 9 را ببینید.) در حالی که لایه‌ها به‌عنوان شیب و ارتفاع به وضوح، اما همچنین بارندگی و دما، عمیقاً بر شکل مکان انتخابی تأثیر می‌گذارند.

علاوه بر این، توضیح اصلی در مورد تسلط روندهای “لایه قابلیت” بر روی “لایه مناسب” در انتخاب بهترین سایت، فرآیند توزین با استفاده از ضرایب مطلوبیت پایداری (SUC) است. در واقع، با بیش از 50٪ (0.542) و فقط 30٪ (0.315)، نتیجه بیشتر نماینده لایه اول نسبت به لایه دوم است. در نتیجه، هنگام برآورد مناطق دارای بالاترین ارزش قابلیت ( شکل 11 ) و بهترین مساحت سایت، آنها به ترتیب 23349 هکتار و 34950 هکتار هستند. تفاوت 11601 هکتار نشان دهنده سهم “لایه مناسب” در انتخاب نهایی است که 33.2٪ یا 1/3 از کل مساحت است، در مقابل 66.8٪ یا 2/3 که توسط مقدار “لایه قابلیت” بالا نشان داده شده است.

• n نکته دیگر، اگرچه سایت با توجه به شرایط موجود محلی مناسب ترین است، اما 100% را برآورده نمی کند، زیرا لایه های شیب و ارتفاع بالاترین رتبه 5 را ثبت نمی کنند. سپس بالاترین رتبه امتیاز نهایی را ثبت می کند. نقشه بر اساس استانداردهای بین المللی حداکثر 4 می باشد.

به همین ترتیب، در مورد هدف فرسایش، استانداردهای گفته شده و تمام مطالعات مطالعه شده در مورد هدف تناسب زمین نخل روغنی بیشتر بر اجتناب از هر گونه خطری تمرکز می کنند تا ادغام آن با فرآیند مدل سازی. برای ادامه این مطالعه، چشم انداز اصلی از یک سو ساختن یک مدل کامل از معادله جهانی تلفات خاک (RUSLE) و ادغام آن با مدل است. از سوی دیگر، ادغام وضعیت تخریب زمین در فرآیند، پیروی از مدل ارائه شده توسط [ 67 ] می تواند اطلاعات بیشتری را برای انتخاب مکان به ارمغان آورد. این دو جزء ممکن است نتیجه را تقویت یا کاهش دهند.

تجزیه و تحلیل همچنین راه را برای اعمال DBI برای استخراج ساخته شده و در نهایت برای آزمایش نسبت معکوس این فرمول برای نتایج بهتر باز کرده است (به معادلات (13) و (15) مراجعه کنید). این نکته‌ای است که نویسندگان قبلاً روی آن کار می‌کنند تا درک پارامترهای بازتابی ساخته‌شده در مواد خام مربوط به باندهای مادون قرمز حرارتی و آبی طیف الکترومغناطیسی را در سنجش از دور شهرهای مختلف با آب و هوای خشک عمیق‌تر کنند.

5. نتیجه گیری

این مقاله برای ترکیب روش‌های WLC، FAHP و UF در یک محیط GIS آزمایش کرده است. هدف انتخاب بهترین محل کاشت نخل روغنی بود. سه جهت قابلیت و تناسب بود که در راس آن ایده پایداری بود. سپس به نظر می رسد که در ناحیه Njimom، با ویژگی های بیوفیزیکی انتقالی بین آب و هوای استوایی و گرمسیری، برخی از الزامات برای کاشت نخل روغنی در ضلع شمالی آن برآورده شده است. بنابراین، استفاده از رویکرد ساده WLC به پیروی از مقیاس استاندارد شده شرایط مناسب مانند بارندگی، دما، آفتاب، شیب، ارتفاع، غنای خاک و رطوبت و پوشش جنگل کمک می‌کند که برای رشد و برداشت بهتر باید رعایت شود. به همین ترتیب، استفاده از تجزیه و تحلیل انعطاف پذیر به عنوان FAHP به ادغام افکار و انتخاب های انسانی در تجزیه و تحلیل به عنوان ساخته شده کمک می کند. محل کارخانه یا کارخانه های جمعیت محلی. افزایش دیگر سطح در نظر گرفتن پایداری 0.857 است که بیشتر به عنوان ارزیابی کننده ابعاد کلی اجتماعی، اقتصادی و زیست محیطی یک پروژه کشتزار استفاده می شود. در نهایت، ترکیب این سه روش بهترین مکان را برای کاشت نخل روغنی در زمینی به مساحت 34950 هکتار به ارمغان آورده است و منطقه نجیموم را مستعد میزبانی کشاورزی مدرن و پایدار برای توسعه محلی می کند.

منابع

[ 1 ] Verheye, W. (2010) رشد و تولید روغن نخل. در: Verheye، W.، Ed.، کاربری زمین، پوشش زمین و علوم خاک. دایره المعارف سیستم های پشتیبانی از زندگی (EOLSS)، ناشران UNESCO-EOLSS، آکسفورد، انگلستان، 1-24.
[ 2 ] Basiron, Y. (2007) تولید روغن نخل از طریق کشت های پایدار. مجله اروپایی علوم و فناوری لیپید، 109، 289-295.
https://doi.org/10.1002/ejlt.200600223
[ 3 ] Hardter, R., Chow, WY and Hock, OS (1997) کشت فشرده و کاشت، منبعی از تولید مواد غذایی پایدار و انرژی در مناطق جنگل های بارانی گرمسیری جنوب شرقی آسیا. اکولوژی و مدیریت جنگل، 91، 93-102.
[ 4 ] Carolita, I., Sitorus, J. and Rizqi Ianatus, S. (بدون تاریخ) طبقه بندی پوشش گیاهی و سن نخل روغنی با استفاده از SPOT6: مورد تانا لاوت کالیمانتان جنوبی، اندونزی. 8 ص.
[ 5 ] صندوق جهانی حیات وحش https://www.worldwildlife.org/publications/palm-oil-scorecard-2016
[ 6 ] Pirker, J. and Mosnier, A. (2015) ارزیابی تناسب پالم جهانی روغن. گزارش موقت IIASA. IR-15-006. https://pure.iiasa.ac.at/11682/
[ 7 ] اندرسون، تی (2006) نخل روغنی و کشاورزان کوچک در پاپوآ گینه نو. https://np-net.pbworks.com/f/Anderson+(2006)+Oil+palm+and+small+farmers+in+PNG,+CELCR.pdf
[ 8 ] کورلی، RHV و تینکر، PB (2003) نخل روغنی. نسخه چهارم، انتشارات بلکول، آکسفورد، انگلستان.
[ 9 ] Schmidt, JH and Weidema, BP (2008) تغییر در عرضه حاشیه ای روغن نباتی. مجله بین المللی ارزیابی چرخه زندگی، 13، 235-239.
https://doi.org/10.1065/lca2007.07.351
[ 10 ] OECD & FAO (2013) دانه های روغنی و محصولات دانه های روغنی. در: OECD-FAO Agricultural Outlook، OECD & FAO، 139-159. https://www.fao.org/fileadmin/templates/est/COMM_MARKETS_MONITORING/
Oilcrops/Documents/OECD_Reports/OECD_2013_22_oils_proj.pdf
[ 11 ] فائو https://www.fao.org/docrep/006/t0309e/T0309E01.htm#ch1
[ 12 ] میلکه (2000) سالانه جهانی نفت.
[ 13 ] Salunkie, DK, Chavan, JK, Adsule, RN and Kadam, SS (1992) World Oil Seeds: Chemistry, Technology and Utilization. فصل 6، ون نوستراند راینهولد، نیویورک، 217-248.
[ 14 ] Pirker, J., Mosnier, A., Kraxner, F., Havlík, P. and Obersteiner, M. (2016) محدودیت های انبساط روغن نخل چیست؟ تغییر جهانی محیط زیست، 40، 73-81.
https://doi.org/10.1016/j.gloenvcha.2016.06.007
[ 15 ] Qiu, F., Chastain, B., Zhou, Y., Zhang, C. and Sridharan, H. (2014) مدلسازی تناسب/قابلیت زمین با استفاده از ارزیابی فازی. جئوژورنال، 79، 167-182.
https://doi.org/10.1007/s10708-013-9503-0
[ 16 ] Pirker, J. (بدون تاریخ) نقشه تناسب نخل روغنی برای جنوب غربی کامرون. در: Mapping Oil Palm Suitability Protocol, Technical Annex 1, LTS International Technical Annex 1.
https://www.euredd.efi.int/documents/15552/317710/Protocol_Oil+Palm+Suitability.pdf
/00b022b3-ad4-4-4 a8cc-1ea3b2012c22
[ 17 ] Raschio, G., Alei, F. and Alkam, F. (2016) پیش نویس گزارش در مورد مدل سازی جنگل زدایی آینده و ارزیابی تناسب زمین برای پالم روغنی. ارزیابی نقشه برداری کشاورزی در پاپوآ گینه نو. مشارکت کربن جنگل و UNDP.
[ 18 ] Aldababseh, A., Temimi, M., Maghelal, P., Branch, B. and Wulfmeyer, V. (2018) ارزیابی چند معیاره مناسب بودن کشاورزی آبی برای دستیابی به امنیت غذایی در یک محیط خشک. پایداری، 10، 803.
https://doi.org/10.3390/su10030803
[ 19 ] Kurtener, D., Torbert, HA and Krueger, E. (2008) ارزیابی تناسب زمین کشاورزی: ​​کاربرد شاخص های فازی. در: Gervasi, O., Murgante, B., Laganà, A., Taniar, D., Mun, Y. and Gavrilova, ML, Eds., Computational Science and Its Applications—ICCSA 2008, Lecture Notes in Computer Science, Vol. . 5072، اسپرینگر، برلین، هایدلبرگ، 475-490.
https://doi.org/10.1007/978-3-540-69839-5_35
[ 20 ] Wahid, BO, Nordiana, AA and Tarmizi, AM (2005) نقشه برداری ماهواره ای استفاده از زمین نخل روغنی. MPOB TT شماره 255، 1-4.
[ 21 ] Harris, I., Mumford, CL and Naim, MM (2014) یک رویکرد ترکیبی چند هدفه به مکان تسهیلات ظرفیت‌دار با تخصیص فروشگاه انعطاف‌پذیر برای مدل‌سازی لجستیک سبز. تحقیق حمل و نقل قسمت E: بررسی لجستیک و حمل و نقل، 66، 1-22.
https://doi.org/10.1016/j.tre.2014.01.010
[ 22 ] McMorrow, J. (1995) رابطه پاسخ طیفی پالم روغن به سن ایستاده. مجله بین المللی سنجش از دور، 16، 3203-3209. https://doi.org/10.1080/01431169508954624
[ 23 ] Wahid, BO (1998) تمایز پالم روغنی از سایر انواع پوشش زمین با استفاده از تکنیک سنجش از دور. مجموعه مقالات انجمن PORIM-Industry.
[ 24 ] Lukman, FM and Poeloengan, Z. (1996) کاربرد تکنیک سنجش از دور برای مدیریت کاشت نخل روغن. مجموعه مقالات کنگره بین المللی روغن نخل PORIM 1996: رقابت برای قرن 21، هتل استانا، کوالالامپور، مالزی، 23-28 سپتامبر 1996، 460-467.
[ 25 ] Chemura، A.، Van Duren، I. و van Leeuwen، LM (2015) تعیین سن نخل روغنی از ناحیه طرح ریزی تاج شناسایی شده از داده های سنجش از دور چندطیفی WorldView-2: مورد منطقه Ejisu-Juaben، غنا. ISPRS مجله فتوگرامتری و سنجش از دور، 100، 118-127.
https://www.sciencedirect.com/science/article/abs/pii/S0924271614001968?via%3Dihub
https://doi.org/10.1016/j.isprsjprs.2014.07.013
[ 26 ] Fitrianto, AC, Darmawan, A., Tokimatsu1, K. and Sufwandika, M. (2017) تخمین سن درختان نخل روغنی با استفاده از تکنیک سنجش از دور. مجموعه کنفرانس IOP: علوم زمین و محیط زیست، 148، شناسه مقاله: 012020.
[ 27 ] Fitrianto, AC, Yuwono, DM, Darmawan, A. and Tokimatsu, K. (2018) تعیین سن روغن نخل با استفاده از تجزیه و تحلیل تصاویر چند زمانی. علوم محیطی.
https://doi.org/10.20944/preprints201810.0187.v1
[ 28 ] Li, L., Dong, J., Njeudeng Tenku, S. and Xiao, X. (2015) نقشه برداری از مزارع روغن نخل در کامرون با استفاده از تصاویر موزاییک اصلاح شده 50 متری PALSAR. سنجش از دور، 7، 1206-1224.
https://doi.org/10.3390/rs70201206
[ 29 ] مجددی ریزه ای، ح.، شفری، HZM، محمد، MA، پرادان، ب. و کلانتر، ب. (2018) شمارش نخل روغن و تخمین سن از تصاویر WorldView-3 و داده های LiDAR با استفاده از مدل ارتفاعی OBIA یکپارچه و تحلیل رگرسیون. مجله حسگرها، 2018، شناسه مقاله: 2536327. https://doi.org/10.1155/2018/2536327
[ 30 ] Okarda، B.، Carolita، I.، Kartika، T. و Komarudin، H. (2018) نقشه برداری از کاشت نخل روغنی کوچک و توسعه یک مدل رشد. سری کنفرانس های IOP: علوم زمین و محیط زیست، 169، شناسه مقاله: 012074.
[ 31 ] سانتوس، سی و مسینا، JP (2008) ترکیب داده‌های چند سنسوری برای مدل‌سازی نخل آفریقایی در آمازون اکوادور. مهندسی فتوگرامتری و سنجش از دور، 74، 711-723.
https://doi.org/10.14358/PERS.74.6.711
[ 32 ] Lu, D. (2006) پتانسیل و چالش برآورد زیست توده مبتنی بر سنجش از دور. مجله بین المللی سنجش از دور، 27، 1297-1328.
https://doi.org/10.1080/01431160500486732
[ 33 ] Komba Mayossa, PC and Gadal, S. (2016) نظارت بر دقت فضایی نقشه برداری کشت نخل روغنی در جنوب کامرون از تصاویر سری Landsat. مجموعه مقالات کنفرانس دقت فضایی، مونپلیه، فرانسه، جولای 2016، 358-365.
[ 34 ] Morel, AC, Saatchi, SS, Malhi, Y., Berry, NJ, Banin, L., Burslem, D., Nilus, R. and Ong, RC (2011) تخمین زیست توده در سطح زمین در جنگل و درختکاری نخل در صباح، بورنئو مالزی با استفاده از داده های ALOS PALSAR. اکولوژی و مدیریت جنگل، 262، 1786-1798.
https://doi.org/10.1016/j.foreco.2011.07.008
[ 35 ] Ordway، EM، Naylor، RL، Nkongho، RN و Lambin، EF (2019) گسترش نخل روغنی و جنگل‌زدایی در جنوب غربی کامرون مرتبط با تکثیر آسیاب‌های غیررسمی. ارتباطات طبیعت، 10، مقاله شماره 114. https://doi.org/10.1038/s41467-018-07915-2
[ 36 ] Komba Mayossa، PC، Gadal، S. and Roda، JM (2017) سنجش از دور نخلستان‌های صنعتی در کامرون. مجله علمی ASM، ویژه شماره 1، 16-45.
[ 37 ] Tan، KP، Kanniah، KD و Cracknell، AP (2013) استفاده از UK-DMC 2 و ALOS PALSAR برای مطالعه سن درختان نخل نفتی در جنوب شبه جزیره مالزی. مجله بین المللی سنجش از دور، 34، 7424-7446. https://doi.org/10.1080/01431161.2013.822601
[ 38 ] Loong Chong, K., Kanniah, KD, Pohl, C. and Pang Tan, K. (2017) مروری بر کاربردهای سنجش از دور برای مطالعات روغن نخل. علم اطلاعات جغرافیایی، 20، 184-200.
https://doi.org/10.1080/10095020.2017.1337317
[ 39 ] Eastman, JR (1999) ارزیابی چند معیاره و GIS. دانشگاه ادینبورگ، بریتانیا، بریتانیا، 493-502. https://www.geos.ed.ac.uk/~gisteac/gis_book_abridged/files/ch35.pdf
[ 40 ] Malczewski، J. (2006) تجزیه و تحلیل تصمیم گیری چند معیاره مبتنی بر GIS: بررسی ادبیات. مجله بین المللی علوم اطلاعات جغرافیایی، 20، 703-726.
https://www.tandfonline.com/doi/pdf/10.1080/13658810600661508
[ 41 ] مک داول، آر دبلیو، اسنلدر، تی، هریس، اس، لیلبرن، ال.، لارند، اس‌تی، اسکارزبروک، ام.، کورتیس، ای.، هولگیت، بی.، فیلیپس، جی و تیلور، ک. (2018) مفهوم تناسب کاربری اراضی: معرفی و کاربرد این مفهوم برای اطلاع از بهره وری پایدار در محدودیت های زیست محیطی. شاخص های اکولوژیکی، 91، 212-219. https://doi.org/10.1016/j.ecolind.2018.03.067
[ 42 ] Bizuwerk, A., Peden, D., Taddese, G. and Getahun, Y. (2005) GIS Application برای تجزیه و تحلیل تناسب زمین و تعیین فشار چرا در ارتفاعات حوضه رودخانه آواش، اتیوپی. موسسه تحقیقات بین المللی دام (ILRI)، آدیس آبابا، اتیوپی.
[ 43 ] Corley, RHV and Tinker, PB (2008) The Oil Palm. نسخه چهارم، وایلی بلکول، نیوجرسی.
[ 44 ] Yao, R. and Kamagate, D. (2010) Production du palmier à huile (Elaeis guineensis JACQ.) و taux d’Extraction dans des condition climatiques marginales au Nord-est de la Côte d’Ivoire. Agronomie Africaine, 22, 149-161.
[ 45 ] فائو (1976) چارچوبی برای ارزیابی زمین. بولتن خاک فائو، فائو، رم، 1-79.
[ 46 ] وزارت کشاورزی ایالات متحده آمریکا (1961).
[ 47 ] Al-Hanbali, A., Alsaaideh, B. and Kondoh, A. (2011) با استفاده از تجزیه و تحلیل ترکیبی خطی وزنی مبتنی بر GIS و تکنیک‌های سنجش از دور برای انتخاب مکان‌های بهینه دفع زباله جامد در شهر مفراق، اردن. مجله نظام اطلاعات جغرافیایی، 3، 267-278.
https://doi.org/10.4236/jgis.2011.34023
[ 48 ] Eastman, JR, Kyem, PAK, Toledano, J. and Jin, W. (1993) GIS and Decision Making. یونیتار، ژنو
[ 49 ] بری JK (1993) مدل سازی نقشه برداری: قابلیت های تحلیلی GIS. در: Goodchild, M., Parks, B. and Stewart, L. Eds., Environmental Modeling with GIS, Oxford University Press, Oxford.
[ 50 ] ساعتی، TL (1980) فرآیند تحلیل سلسله مراتبی. مک گراو هیل، نیویورک
[ 51 ] دنگ، اچ (1999) تحلیل چند معیاره با مقایسه عاقلانه جفت فازی. International Journal of Approximate Reasoning, 21, 215-231.
https://doi.org/10.1016/S0888-613X(99)00025-0
[ 52 ] Hefny, HA, Elsayed, HM and Aly, HF (2013) مدل تصمیم گیری چند معیاره فازی برای سناریوهای مختلف تولید برق در مصر. مجله انفورماتیک مصر، 14، 125-133. https://doi.org/10.1016/j.eij.2013.04.001
[ 53 ] Saaty، RW (1987) فرآیند تحلیل سلسله مراتبی – چیست و چگونه استفاده می شود. مدلسازی ریاضی، 9، 161-176. https://doi.org/10.1016/0270-0255(87)90473-8
[ 54 ] ترکسن، آی بی (2001) تحقیق در عملیات و علم مدیریت کاربردهای نظریه فازی. بررسی تحلیلی، 4، 45-48.
[ 55 ] Zadeh, LA (1965) Fuzzy Sets. اطلاعات و کنترل، 8، 338-353.
https://doi.org/10.1016/S0019-9958(65)90241-X
[ 56 ] وو، H.-Y.، Tzeng، G.-H. و چن، Y.-H. (2009) یک رویکرد MCDM فازی برای ارزیابی عملکرد بانکداری بر اساس کارت امتیازی متوازن. سیستم های خبره با برنامه های کاربردی، 36، 10135-10147.
[ 57 ] Elomda, BM, Hefny, HA and Hassan, HA (2013) توسعه نقشه های فازی تصمیم گیری برای تصمیم گیری چند معیاره. مجله انفورماتیک مصر، 14، 147-155.
https://doi.org/10.1016/j.eij.2013.05.001
[ 58 ] فرانچسکو کواتارو (2003) دوره اقتصاد کلان.
https://hp.gredeg.cnrs.fr/Francesco_Quatraro/Cours%20Micro/Micro%2003.pdf
[ 59 ] El-Gendawy, AHS, Othman, AAE and Mahmoud, AHA (2013) تصمیم گیری پایدار از طریق ادغام سیستم های اطلاعات جغرافیایی در کل فرآیند ارزیابی اثرات زیست محیطی. SB13-قاهره، 1-16.
https://www.researchgate.net/publication/271906786_Sustainable_Decision_Making_through_
Integrating_Geographic_Information
Systems_into_the_Entire_Environmental_Impact_ Assessment_Process
[ 60 ] محمود، ع.، شندی، م. ام، پرادان، ب و عطیا، ف. (2009) استفاده از داده های سنجش از دور و ابزارهای GIS برای تجزیه و تحلیل پایداری کاربری زمین: مطالعه موردی در منطقه الحمام، مصر. مجله علوم زمین اروپای مرکزی، 1، 347-367.
https://pdfs.semanticscholar.org/f521/70e12cb63839d4e86bbad47eb32e90be34c6.pdf
[ 61 ] عزیزیا، ز.، نجفی، ع و سهرابی، ح. (1387) برآورد تراکم تاج پوشش جنگل، با استفاده از تصاویر ماهواره ای. آرشیو بین المللی فتوگرامتری، سنجش از دور و علوم اطلاعات فضایی، 37، 1127-1130.
[ 62 ] https://www.indexdatabase.de/db/i.php?offset=1
[ 63 ] Sylvain, J.-D., Michaud, AR, Nolin, MC and Bénié, GB (2012) یک رویکرد جدید طیفی-زمانی برای پیش بینی خواص فیزیکی خاک. در: Minasny, B., Malone, BP and McBratney, AB, Eds., Digital Soil Assessments and Beyond, Taylor and Francis Group, London, 381-386.
[ 64 ] Zha, Y., Gao, J. and Ni, S. (2003) استفاده از شاخص ایجاد شده با تفاوت عادی در نقشه برداری خودکار مناطق شهری از تصاویر TM. مجله بین المللی سنجش از دور، 24، 583-594.
https://doi.org/10.1080/01431160304987
[ 65 ] رسول، ا.، بالزتر، اچ.، گیلان، آر.، ابراهیم، ​​اف.، حمید، اچ ام، ویلر، جی.، آدامو، ب.، ابراهیم، ​​اس. و نجم الدین، پی.م. شاخص های خاک برهنه از لندست 8 تا شهرهای دارای اقلیم خشک. زمین، 7، 81.
[ 66 ] Ngandam Mfondoum, AH, Etouna, J., Simen, C., Tekuh, O. and Mvogo Moto, AF (2019) GIS مشارکتی و تصمیم گیری – موارد عملی در کشاورزی، بهداشت، دام و گردشگری در کامرون. مجله IAETSD برای تحقیقات پیشرفته در علوم کاربردی، 6، 34-51.
https://www.iaetsdjaras.org/gallery/6-february-882.pdf
[ 67 ] Ngandam Mfondoum, AH, Etouna, J., Nongsi, BK, Mvogo Moto, FA and Noulaquape Deussieu, FG (2016) ارزیابی وضعیت تخریب زمین و تأثیر آن در مناطق خشک و نیمه خشک با همبستگی تحلیل مولفه های طیفی و اصلی باندها مجله بین المللی سنجش از دور پیشرفته و GIS، 5، 1539-1560.
https://doi.org/10.23953/cloud.ijarsg.77

بدون دیدگاه

دیدگاهتان را بنویسید