خلاصه

آبزی پروری پرو، به ویژه تولید ماهی قزل آلا، در ده سال گذشته رشد چشمگیری داشته است. اما ایجاد و گسترش آبزی پروری در مقیاس کوچک بدون در نظر گرفتن مناسب بودن زمین انجام شده است. در پرو، چنین مطالعات تناسب زمین هنوز گزارش نشده است. بنابراین، یک چارچوب روش شناختی برای آبزی پروری داخلی ارائه شده است که ممکن است با مکمل های لازم برای کل بخش شیلات و آبزی پروری در پرو تکرار شود. این کار مناسب بودن زمین را برای آبزی پروری پایدار قزل آلای رنگین کمان در ناحیه مولینوپامپا (پرو) مدلسازی کرد. پانزده معیار کلیدی (اجتماعی-اقتصادی، زیست محیطی و فیزیکوشیمیایی) برای توسعه مناسب فعالیت ماهی شناسایی شد. اینها با استفاده از سنجش از دور (RS) و سیستم های اطلاعات جغرافیایی (GIS) نقشه برداری شدند. فرآیند تحلیل سلسله مراتبی (AHP) برای ساخت ماتریس های مقایسه همتا به همتا و وزن دادن به اهمیت معیارها استفاده شد. همپوشانی وزنی نقشه ها (معیارها) این امکان را به وجود آورد که به ترتیب 4.26، 23.03 و 69.73 درصد از قلمرو “بسیار مناسب”، “متوسط ​​مناسب” و “در حاشیه مناسب” برای توسعه آبزی پروری است. اجرای این روش به برنامه ریزی و تلاش های سرمایه گذاری موثرتر، هم توسط دولت و هم با ابتکار خصوصی کمک می کند. برای توسعه آبزی پروری به ترتیب «متوسط ​​مناسب» و «تا حدی مناسب». اجرای این روش به برنامه ریزی و تلاش های سرمایه گذاری موثرتر، هم توسط دولت و هم با ابتکار خصوصی کمک می کند. برای توسعه آبزی پروری به ترتیب «متوسط ​​مناسب» و «تا حدی مناسب». اجرای این روش به برنامه ریزی و تلاش های سرمایه گذاری موثرتر، هم توسط دولت و هم با ابتکار خصوصی کمک می کند.

کلید واژه ها:

آمازوناس ؛ فرآیند تحلیل سلسله مراتبی (AHP) ؛ پرورش ماهی ; سیستم اطلاعات جغرافیایی (GIS) ; مدل سازی GIS ; ارزیابی چند معیاره (MCE) ; سنجش از دور (RS) ؛ توسعه پایدار

1. معرفی

در پرو، بخش شیلات و آبزی پروری (FandA) 2٪ تولید ناخالص داخلی (GDP) را به خود اختصاص می دهد [ 1 ]. به طور خاص، تولید آبزی پروری با نرخ متوسط ​​سالانه 12 درصد از 28400 تن (MT) در سال 2006 به بیش از 100000 تن در سال 2017 افزایش یافته است . Argopecten purpuratus ) و tilapia (واریته های مختلف)، گونه هایی که 97 درصد از کل حجم برداشت شده را نشان می دهند [ 2 ]. در سال 2017، قزل آلا 54.63 درصد (54، 878.43 تن) از تولیدات آبزی پروری پرو را به خود اختصاص داد که 88.6 درصد آن در بازار ملی باقی ماند و رشد 339.1 درصدی را در ده سال گذشته تثبیت کرد [ 3 ]]. با این حال، آبزی پروری پرو همچنان دارای محدودیت هایی (فناوری، تجاری، سازمان لجستیک، دسترسی به اعتبار، ظرفیت فنی-حرفه ای، شبکه ارائه دهندگان خدمات و کالاهای سهل الوصول) است که اجازه گسترش آن را در مقایسه با سایر کشورهای منطقه مانند سایر کشورهای منطقه نداده است. شیلی، اکوادور، برزیل و مکزیک [ 2 ، 4 ]. علاوه بر این، یکی از بزرگترین چالش ها برای توسعه پایدار آبزی پروری استفاده مشترک از آب، زمین و سایر منابع با استفاده های جایگزین مانند شیلات، دامداری، کشاورزی و گردشگری و غیره است [ 5 ].
برای فعال کردن آبزی پروری پایدار و رقابتی، تحت رویکرد اکوسیستم به آبزی پروری (EAA) [ 6 ، 7 ]، این فعالیت باید از نظر فضایی، از جمله منطقه بندی، انتخاب مکان های مناسب و طراحی مناطق مدیریت آبزی پروری [ 5 ، 8 ] برنامه ریزی شود. به منظور به حداقل رساندن هر چه بیشتر مشکلات رایج ناشی از عدم برنامه ریزی فضایی و اداری [ 5 ، 9 ]] عبارتند از: (i) بیماری ماهی. (2) مشکلات زیست محیطی (اتوفیکاسیون، از دست دادن خدمات اکوسیستم و تنوع زیستی، و غیره). (iii) مشکلات تولید (رشد کمتر و زیست توده، اکسیژن و ریزجلبک مصرف بیش از حد، استانداردسازی ضعیف محصول، و غیره). (IV) تعارضات اجتماعی. (v) مشکلات پس از برداشت. (vi) ریسک مالی و (vii) عدم انعطاف پذیری در برابر تغییرات آب و هوایی و سایر تهدیدات و بلایای خارجی.
از این نظر، سنجش از دور (RS)، سیستم‌های اطلاعات جغرافیایی (GIS) و تکنیک ادغام ارزیابی چند معیاره (MCE) به‌عنوان یک سیستم پشتیبان تصمیم‌گیری شناخته می‌شوند که داده‌های ارجاع‌شده مکانی را در یک مسئله تصمیم‌گیری محیط مرجع به فضا ادغام می‌کند. ، که اغلب شامل مجموعه بزرگی از جایگزین های قابل دوام است [ 5 ، 10 ]. یک تکنیک MCE که برای توصیف، توضیح و پیش‌بینی مکان‌های مناسب تحت معیارهای مورد علاقه استفاده شده است، فرآیند تحلیل سلسله مراتبی (AHP) است [ 10 ]. AHP با ایجاد یک سری فیلترها (سلسله مراتب) انتخاب، ذهنیت را در تصمیم گیری کاهش می دهد و در عین حال، امکان انتخاب بین گزینه های پیچیده را فراهم می کند [ 11 ].
ابزارهای RS، GIS و MCE اجازه مطالعات ارزیابی تناسب زمین برای آبزی پروری داخلی (lentics و lotics) را داده اند. کل قلمرو آفریقا [ 12 ]، آمریکای لاتین [ 13 ]، اروگوئه [ 14 ]، کلمبیا [ 15 ] و سایر مناطق با گستره جغرافیایی کوچکتر [ 10 ، 16 ، 17 ، 18 ، 19 ، 20 ، 21 ، 22،2 ، 24 ، 25 ، 26] ارزیابی شده است. در پرو، هیچ مطالعه مشابهی گزارش نشده است، و آبزی پروری در حوضچه ها اهمیت بیشتری پیدا می کند زیرا مجوزهای بیمه برای تولید آبزی پروری داخلی به راحتی توسط کشاورزان خرده مالک، که متعلق به آبزی پروری با منابع محدود (AREL؛ 62.3٪) و میکرو و کوچک هستند، دریافت می شود. تجارت (AMYPE؛ 37.5%) [ 27 ]. به طور خلاصه، آنها معیشت بیش از 1٪ از جمعیت پرو [ 2 ] را تضمین می کنند، به امنیت غذایی (افزایش مصرف پروتئین حیوانی و بهبود سطوح تغذیه ای) کمک می کنند و به کاهش فقر کمک می کنند [ 10 ]]. با این حال، ایجاد و گسترش آبزی پروری در مقیاس کوچک بدون توجه به مناسب بودن سایت از نظر زمین، آب، منابع، اجتماعی-اقتصادی و سایر منابع موجود برای توسعه آبزی پروری انجام شده است [ 19 ].
با توجه به اهمیت آبزی پروری و محدودیت های ارزیابی تناسب زمین برای پرورش ماهی، این مطالعه همچنین RS، GIS و AHP را با هدف مدل سازی تناسب زمین برای آبزی پروری پایدار قزل آلای رنگین کمان در ناحیه مولینوپامپا در پرو ادغام کرده است. در نتیجه، (الف) معیارهای کلیدی (اجتماعی-اقتصادی، زیست محیطی و فیزیکوشیمیایی منابع آب) برای توسعه مناسب فعالیت ماهی شناسایی و نقشه برداری شد. (ب) اهمیت معیارها و زیرمعیارها با ماتریس های مقایسه همتا به همتا سلسله مراتبی و وزن دهی شد. (ج) سایت های بالقوه برای توسعه فعالیت تعیین شد. در نهایت به دنبال فراهم کردن ابزارهایی برای فرآیند تصمیم گیری در زمینه تخصیص زمین برای پرورش آبزیان در منطقه است، همچنین،

2. مواد و روشها

2.1. منطقه مطالعه

ناحیه مولینوپامپا تقریباً 340.64 کیلومتر مربع مساحت دارد و در جنوب شرقی منطقه آمازوناس (پرو) واقع شده است ( شکل 1 ). بین 6.13 درجه و 6.31 درجه موازی عرض جغرافیایی جنوبی و نصف النهارهای 77.47 درجه و 77.73 درجه طول جغرافیایی غربی، با شیب ارتفاعی بین 2000 تا 3700 متر مربع قرار دارد و دارای آب و هوای بسیار مرطوب، معتدل گرم و معتدل سرد، با حداقل است. درجه حرارت به 7 درجه سانتیگراد و حداکثر دما به 25 درجه سانتیگراد می رسد. میانگین بارندگی تجمعی سالانه 1560 میلی متر است، ماه های نوامبر تا مارس بیشترین شدت بارندگی را دارند [ 28 ]. جمعیت منطقه مورد مطالعه 2176 نفر با تراکم جمعیت 6.52 نفر در کیلومتر مربع می باشد .و حدود 80 درصد به فعالیت های کشاورزی و جنگلداری اختصاص یافته است [ 29 ].
این منطقه با کشاورزی در مقیاس کوچک و همچنین یکی از چهار جبهه اصلی گاو شیری در آمازوناس مشخص می شود [ 30 ]. با این حال، شیوه های کشاورزی ضعیف، جنگلداری ناپایدار و پرورش گاو، در درجه اول در زمین های باز یا گسترده [ 31 ]، با سطح تکنولوژیکی و استراتژیک پایین تولید و مدیریت علف، منجر به تخریب خاک شده است [ 32 ]. به عنوان جایگزین، فن‌آوری‌های silvopastoral که با بهبود ژنتیکی از طریق لقاح مصنوعی، تأسیسات ساخته شده برای شیردوشی و مدیریت صحیح شیر خام هدایت می‌شوند، اتخاذ شده‌اند [ 33 ]. جنگل نخل منطقه حفاظت شده خصوصی (PCA) جامعه روستایی Taulía Molinopampa (109.2 کیلومتر مربع ) [34 ] همچنین یک اکوسیستم منحصر به فرد از درختان نخل از جنس Ceroxylon sp. که در آن فعالیت های انسانی تولیدی محدود شده است. علاوه بر این، برای ترویج آبزی پروری، اداره منطقه ای تولید آمازون (DIREPRO-A) وزارت تولید (PRODUCE) مرکز آزمایش و تولید ماهی قزل آلای رنگین کمان را نصب کرده است.
در حال حاضر تنها پنج خانواده اقتصاد خانواده خود را با آبزی پروری در حوضچه های خاکی تکمیل می کنند. با این حال، در دو سال گذشته، فعالیت ماهی با پتانسیل هیدرولوژیکی و افزایش تبلیغات فعال دولت ملی افزایش یافته است. این تبلیغ از طریق تامین مالی مشترک پروژه های RandD+i توسط برنامه ملی نوآوری در شیلات و آبزی پروری (PNIPA) PRODUCE انجام شده و با مشارکت آکادمی و انجمن های تولیدکنندگان محلی اجرا شده است. PNIPA با کمک مالی دولتی برای تأمین مالی مشترک پروژه‌های RandD+i در PandA که توسعه کاربردی، تطبیقی، توسعه‌گرایی و توسعه ظرفیت ارائه خدمات را ترویج می‌کند، ارائه شده است [ 1 ]]. در نتیجه PNIPA 2017-2018 و بخشی از 2018-2019، کمک های بلاعوض برای 470 پروژه در زمینه آبزی پروری اعطا شده است، که بخش آمازوناس 49 پروژه (10.4٪) را متمرکز کرده و شش مورد از آنها را در منطقه مولینوپامپا با سرمایه گذاری انجام می دهد. بیش از 300 هزار دلار (USD) [ 35 ].

2.2. طراحی روش شناختی

شکل 2 فلوچارت ساخته شده برای مدلسازی تناسب زمین برای آبزی پروری پایدار قزل آلای رنگین کمان در ناحیه مولینوپامپا را نشان می دهد. به طور خلاصه، معیارهای تعیین کننده فعالیت که با استفاده از RS و GIS ترسیم شده است، شناسایی و انتخاب و با یکدیگر مقایسه شدند تا درجه اهمیت آنها از طریق AHP مشخص شود. پس از آن، در یک محیط GIS، نقشه‌های طبقه‌بندی‌شده با توجه به آستانه تناسب با استفاده از همپوشانی وزنی یکپارچه شدند.

2.3. شناسایی معیارها

شناسایی منطقه بالقوه برای آبزی پروری باید بر اساس معیارهای مطلوب باشد تا امکان رشد گونه های مورد علاقه فراهم شود [ 5 ]. این معیارها با در نظر گرفتن دستورالعمل های پرورش ماهی قزل آلای رنگین کمان از پرو [ 36 ] و FAO [ 37 ]، مطالعات تناسب زمین برای آبزی پروری قزل آلای رنگین کمان [ 17 ، 18 ]، آبزی پروری گونه های دیگر [ 8 ، 16 ، 19 ، 24،26 ، ایجاد شد . ] و معیارهای منطقه بندی آبزی پروری توسط فائو [ 5 ، 13]. همان هایی که برای فرآیند برنامه ریزی توسط گروهی از کارشناسان، متشکل از پنج پرورش دهنده ماهی در منطقه مورد مطالعه و شش متخصص آبزی پروری از DIREPRO-A تولید، تأیید شدند. بر اساس در دسترس بودن داده ها و شرایط بیوفیزیکی و اجتماعی-اقتصادی منطقه مورد مطالعه، سلسله مراتبی متشکل از هدف (مناسب بودن زمین برای آبزی پروری)، دو هدف فرعی (مناسب فضایی و کیفیت آب)، چهار معیار ( محیطی، اقتصادی، اجتماعی و فیزیکوشیمیایی) و 15 معیار فرعی (شیب زمین، پوشش زمین/ کاربری اراضی، میزان رس خاک، pH خاک، فاصله تا رودخانه ها، فاصله تا جاده ها، فاصله تا بازارها، فاصله تا ورودی ها، فاصله به جمعیت، مناطق حفاظت شده و pH، اکسیژن محلول، دما، قلیاییت و سختی آب ( شکل 3)).
اهداف فرعی ( شکل 3 ) با نوع مدل داده های GIS که تجزیه و تحلیل مناسب بودن آن را فعال می کند، مدل شطرنجی برای زیر معیارهای فضایی پیوسته (مناسب فضایی) و مدل برداری برای زیرمعیارهای شخصیت بردار نقطه (34 ایستگاه نمونه برداری برای آب) برآورده می شود. مناسب بودن کیفیت).

2.4. نرم افزار، نقشه برداری پایه و تصاویر ماهواره ای

در سال‌های اخیر، استفاده از نرم‌افزار منبع باز توجه قابل توجهی را در توسعه مطالعات اعمال شده برای تحلیل فضایی به خود جلب کرده است. پیشنهاد می شود از آن در علم برای اطمینان از تکرارپذیری، قابلیت اطمینان، امنیت، قابلیت همکاری و استقرار سریع اطلاعات استفاده شود [ 38 ]. بنابراین، مدیریت و پردازش داده های مکانی در نرم افزار منبع باز QGIS (نگاه کنید به 2.18.28) و افزونه های آن انجام شد. در حالی که داده های اولیه و ثانویه (بیوفیزیکی و اجتماعی-اقتصادی) از طریق بررسی های اجتماعی، تجزیه و تحلیل اسناد رسمی، داده های ملی و بین المللی و اندازه گیری های میدانی جمع آوری شد.
شیب زمین از مدل جهانی ارتفاع دیجیتال (GDEM؛ نسخه 3؛ باند C؛ وضوح: 30 متر) به دست آمد، این شیب بر اساس داده های ماموریت توپوگرافی رادار شاتل (SRTM) [ 39 ] تولید شد. GDEM از پایگاه داده سازمان زمین شناسی ایالات متحده (USGS) از طریق افزونه SRTM Downloader QGIS بارگیری شد.
تصویر ماهواره ای Sentinel 2A (مسیر/ردیف: 17MRP؛ 2 آگوست 2019؛ باندها: 2–8A، 11–12) که از پلت فرم مرکز داده خدمات کوپرنیک آژانس فضایی اروپا (ESA) به دست آمده است، برای توسعه نقشه پوشش زمین استفاده شد. و کاربری زمین (LC/LU)، از طریق پلاگین طبقه بندی نیمه خودکار QGIS (SCP) [ 40 ]. پردازش دیجیتالی تصویر بر اساس روش روجاس و همکاران انجام شد. [ 41 ] در SCP. بر اساس روش CORINE پوشش زمین اقتباس شده برای پرو [ 42 ]، دانش قبلی از منطقه مورد مطالعه و 68 منطقه آموزشی، 6 کلاس LC/LU رتبه بندی شدند: منطقه مصنوعی، بوته زار و مرتع، پوشش گیاهی بوته ای، چمن و محصولات زراعی، بدنه آبی، و جنگل ها قابلیت اطمینان طبقه بندی به عنوان خوب تشخیص داده می شود [ 43]، از آنجایی که ماتریس سردرگمی بر اساس 196 ایست بازرسی [ 44 ] نشان دهنده دقت جهانی و شاخص کاپا به ترتیب 0.88 و 0.76 بود.
علاوه بر این، برای ارجاع به توزیع جاده‌ها، رودخانه‌ها و جمعیت ولسوالی، شبکه راه‌های وزارت حمل‌ونقل و ارتباطات (MTC) [ 45 ]، هیدروگرافی برگه 13 ساعت منشور ملی موسسه ملی جغرافیایی (IGN) (مقیاس 1:100000)، و مراکز پرجمعیت دانلود شده از پورتال وب وزارت آموزش و پرورش (MINEDU) [ 46 ] استفاده شد. این لایه‌های برداری با تورهای میدانی و تصاویر ماهواره‌ای در Google Earth Pro (نگاه کنید به 7.3.2.5776) و SAS Planet (نگاه کنید به 190707) به‌روزرسانی و تکمیل شدند [ 47 ، 48 ]]. بازارهای فروش و منابع تدارکات آبزی پروری مطابق با ملاحظات گروه متخصص از طریق گیرنده GPS گارمین مونتانا 680 ارجاع داده شدند. نزدیکی (به رودخانه ها، جاده ها، مراکز پرجمعیت، بازارها و منابع ورودی) با استفاده از ابزار فاصله اقلیدسی ترسیم شد.
برای ارزیابی کیفیت فیزیکوشیمیایی آب، 34 ایستگاه نمونه برداری آب (SS) در بستر اصلی رودخانه ها و جایی که در حال حاضر آبزی پروری انجام می شود ، ایجاد شد ( شکل 1 ). کار میدانی در 20 ژوئن 2019 (فصل خشک) انجام شد. دما، pH و اکسیژن محلول در محل با استفاده از چند پارامتر متر قابل حمل Hach HQ40D ثبت شد. برای مطالعات قلیایی و سختی، 34 نمونه آب جمع‌آوری، انتقال و تحت استانداردهای تعیین‌شده توسط آزمایشگاه تحقیقات خاک و آب (LABISAG) موسسه تحقیقات توسعه پایدار منطقه ابرو جنگل (INDES-CES) مورد تجزیه و تحلیل قرار گرفت. دانشگاه ملی توربیو رودریگز د مندوزا (UNTRM).
محتوای رس و pH خاک در عمق یک متری از SoilGrids به دست آمد (نگاه کنید به 0.5.3). این سیستم پیش‌بینی‌های جهانی برای ویژگی‌های عددی استاندارد خاک در هفت عمق و وضوح ۲۵۰ متر، ایجاد شده از ۱۵۰۰۰۰ پروفایل خاک، ۱۵۸ متغیر کمکی به‌دست‌آمده از حسگرهای راه دور و مجموعه‌ای از روش‌های یادگیری ماشین ارائه می‌کند [ 49 ].
مرز جغرافیایی جنگل نخل PCA جامعه روستایی Taulía Molinopampa از خدمات ملی مناطق طبیعی محافظت شده توسط دولت به دست آمد [ 50 ]. کارشناسان این زیرمعیار را محدودیتی جزئی در فعالیت ماهیان دانستند.
به طور خلاصه، 10 لایه پایه در یک مدل شطرنجی، یک نقشه موضوعی برای هر زیرمعیار تناسب فضایی تهیه شد. اینها با وضوح فضایی 30 متر، در سیستم مختصات WGS 1984 UTM 18 جنوبی و مرزهای فضایی محدود به یک بافر 30 متری از مرزهای جغرافیایی سیاسی منطقه استاندارد شدند. علاوه بر این، یک لایه پایه مدل برداری مطابق با مناسب بودن کیفیت آب تهیه شد. این لایه برداری از نوع نقطه ای در جدول ویژگی ها یک فیلد برای هر زیرمعیار (پارامتر فیزیکی و شیمیایی آب) دارد.

2.5. ارزیابی چند معیاره (MCE) و فرآیند تحلیل سلسله مراتبی (AHP)

موقعیت های متضاد چند هدفی و تصمیم گیری معیارها را می توان با استفاده از تکنیک AHP [ 51 ] حل کرد. در AHP، مشکل به صورت سلسله مراتبی ( شکل 3 ) در سطوح مختلف که شامل تعداد از پیش تعیین شده ای از عناصر است، ساختار یافته است [ 24 ].

2.5.1. آستانه های زیرمعیار تناسب

برای توسعه سلسله مراتب سوم ( شکل 3 )، معیارها مجدداً طبقه بندی شدند و در مقیاس طبقه بندی چهار سطح تناسب [ 16 ، 19 ، 25 ] امتیاز گرفتند: “بسیار مناسب” (4)، “متوسط ​​مناسب” (3)، ” به طور حاشیه ای مناسب» (2)، و «مناسب نیست» (1). این مرحله بر اساس بررسی کتابشناختی و مشاوره با یک گروه خبره برای تطبیق آستانه های مناسب برای هر زیرمعیار با شرایط محیطی محلی [ 5 ] بود ( جدول 1 ).
نقشه های موضوعی هر زیرمعیار با استفاده از QGIS با توجه به آستانه های تعیین شده در جدول 1 مجدداً طبقه بندی شدند . طبقه بندی مجدد شطرنجی بر اساس تخصیص امتیازات (از 1 تا 4) به هر پیکسل بود، در مدل برداری، فیلدهای جدیدی در جدول نسبت داده شده ایجاد شد که در آن امتیاز مناسب برای هر زیرمعیار قرار گرفت. شکل 4 طبقه بندی مجدد مناسب بودن هر زیرمعیار را نشان می دهد.
2.5.2. تعیین وزن اهمیت
برای ایجاد سلسله مراتب اول و دوم، ماتریس های مقایسه همتا (PCM) ساخته شدند. اینها امکان مقایسه یک معیار با معیارهای دیگر را فراهم می کند و درجه ای از اهمیت را برای یکدیگر تعیین می کند [ 52 ]. این مقایسه بر اساس مقیاس نه سطحی پیشنهاد شده توسط ساعتی [ 53 ] ( جدول 2 ) بود، که در آن هر یک از شش عضو گروه خبره، بر اساس تجربه و واقعیت محلی خود، یک قضاوت ارزشی، از کمترین تا مهم ترین، تعیین کردند. . هر متخصص چهار PCM را در سطح زیرمعیارها و یک PCM را در سطح معیار، با توجه به ساختار گروه سلسله مراتبی نشان داده شده در شکل 3 تکمیل کرد.

PCM های مربعی توسعه یافته توسط متخصصان ( جدول S1-S5 ) با ستون هایی شامل مراحل استانداردسازی، اولویت بندی (استانداردسازی معیارها)، و محاسبات بررسی سازگاری ماتریس تکمیل شدند [ 54 ]. اولویت بندی به ما اجازه می دهد تا وزن اهمیت هر زیرمعیار و معیار را به دست آوریم، که در آن مجموع اوزان باید برابر با 1 در هر گروه سلسله مراتبی باشد [ 55 ]. در توسعه PCM های مربعی، ترجیحات ذهنی محققان می تواند منجر به تناقض در اولویت بندی شود [ 16 ]. بنابراین، برای تعریف مقدار قابل قبول برای این ناسازگاری، نسبت سازگاری ( CR ) [ 56 ] محاسبه شد. CRبا مقایسه شاخص سازگاری ( CI ) ماتریس مورد نظر با یک شاخص سازگاری تصادفی ( RI ) [ 57 ] (معادله (1)) محاسبه می شود. این RI با توجه به تعداد معیارها ( n ) [ 58 ] ( جدول 3 ) تعریف می شود و CI به بزرگترین یا اصلی ترین مقدار خود ماتریس ( λmax ) و n (معادله 2) بستگی دارد.

CR = CI / RI ،
CI = ( λmax – n )/( n – 1)

2.6. همپوشانی نقشه موضوعی

نقشه های موضوعی طبقه بندی مجدد برای هر زیرمعیار ( شکل 4 ) بر اساس گروه سلسله مراتبی ( شکل 3 ) با استفاده از همپوشانی وزنی در QGIS ادغام شدند. پلاگین Easy AHP لایه‌های شطرنجی را مطابق با معادله (3) [ 20 ]، بسته به امتیاز پیکسل نقشه طبقه‌بندی‌شده مجدد ( GRIDi ) و وزن اهمیت ( WEIGHTi ) معیار فرعی یکپارچه کرد. ادغام توسط گروه سلسله مراتبی زیرمعیارها، زیرمدلهای تناسب زیست محیطی، اقتصادی و اجتماعی را ایجاد کرد و ادغام اینها مدل تناسب فضایی را ایجاد کرد.

نتیجه GRID = Σ [( GRID ) ( WEIGHTi )]،
از سوی دیگر، مدل فرعی تناسب فیزیکوشیمیایی، که به عنوان مدل تناسب کیفیت آب نیز شناخته می‌شود، با عملیات جبری در ماشین‌حساب میدانی تولید شد، زیرا این یک مدل داده برداری است. از اصل معادله (3) پیروی شد، جایی که مقدار GRIDi شطرنجی با فیلد جدول ویژگی که حاوی این مقدار بود جایگزین شد.

3. نتایج

3.1. ماتریس مقایسه همتا AHP

سی ماتریس مقایسه همتا به همتا ( جدول S1-S5 )، چهار ماتریس در سطح زیر معیار و یک ماتریس در سطح معیار، برای هر یک از شش متخصص آبزی پروری در گروه خبره ساخته شد. جدول 4 میانگین وزن اهمیت معیارها و زیرمعیارها را نشان می دهد. اینها بر اساس تأثیر آنها بر موفقیت آبزی پروری در مقیاس کوچک، عمدتاً برای قزل آلای رنگین کمان در ناحیه مولینوپامپا، استاندارد و امتیازدهی شدند.
مطابق با تکنیک AHP؛ فاصله تا رودخانه ها (95/37 درصد)، جاده ها (49/53 درصد) و جمعیت (89/78 درصد) به ترتیب مهم ترین زیرمعیارها در انطباق با گروه های سلسله مراتبی محیطی، اقتصادی و اجتماعی بودند. به نوبه خود، معیار اقتصادی (44.57٪) و پس از آن معیار زیست محیطی (43.31٪)، مهم ترین برای تعیین تناسب فضایی آبزی پروری در منطقه Molinopampa بودند. در مقابل، از نظر تناسب کیفیت آب، دما مهمترین معیار فرعی (33/38 درصد) و پس از آن pH (27/27 درصد) و اکسیژن محلول (59/21 درصد) بود.
میانگین CR برای هر گروه سلسله مراتبی از معیارهای ارزیابی شده در وزن 30 PCM ( جدول S1-S5 ) از 0.0275 تا 0.0812 ( جدول 5 ) در محدوده CR تعیین شده (<0.10) قرار گرفت تا به عنوان ماتریس های سازگار و قابل قبول در نظر گرفته شود. این باعث می شود که احتمال کمی وجود داشته باشد که وزن ها به طور تصادفی تنظیم شده اند. هنگام ارزیابی سازگاری یک ماتریس دو پارامتری، RI مقدار 0 را در نظر می گیرد ( جدول 3 )، که اجازه نمی دهد معادله (1) حل شود، بنابراین، به عنوان یک ماتریس سازگار و قابل قبول در نظر گرفته می شود. این مورد در مورد ماتریس زیرمعیارهای اجتماعی بود.

3.2. زیرمدل های مناسب برای آبزی پروری در مولینوپامپا.

تناسب اراضی با توجه به زیر معیارها و معیارها (در حال حاضر مدل های فرعی) تناسب فضایی، در چهار سطح تناسب، در جدول 6 نشان داده شده است. نتایج همپوشانی وزنی نقشه های تناسب زیرمعیارها برای هر مدل فرعی در شکل 5 a-c نشان داده شده است. از بالاترین تا کمترین، زیرمدل اقتصادی (9.20%)، پس از آن اجتماعی (6.35%)، و محیط زیست (3.92%)، گسترده ترین مناطق “بسیار مناسب” برای آبزی پروری را در Molinopampa دارند.
تناسب ایستگاه های نمونه برداری (SS) با توجه به معیارهای فرعی و معیار (زیر مدل) تناسب کیفیت آب، در چهار گروه مناسب، در جدول 7 نشان داده شده است. نتایج همپوشانی وزنی فیلدها در جدول ویژگی های بردار نوع نقطه که حاوی مناسب بودن هر زیرمعیار (پارامتر فیزیکوشیمیایی) است در شکل 5 d نشان داده شده است. این مدل فرعی در عین حال نشان دهنده مدل مناسب بودن کیفیت آب است، زیرا تنها در یک معیار (فیزیکوشیمیایی) ارزیابی شده است.
مهمترین معیار فرعی (دما) دومین معیاری است که دارای SS کمتر «بسیار مناسب» برای آبزی پروری است. قلیائیت (15) و سختی (6) تنها معیارهای فرعی هستند که دارای SS با علامت گذاری “نامناسب” هستند. با این حال، به دلیل وزن کم اهمیت آن در مدل فرعی منعکس نشده است ( جدول 4 ). در سطح مدل فرعی، 17.65٪ (6) و 76.47٪ (26) SS به ترتیب “بسیار مناسب” و “در حاشیه مناسب” هستند.

3.3. مناسب بودن مدل فضایی برای آبزی پروری در مقیاس کوچک در مولینوپامپا

4.26٪ (14.51 کیلومتر مربع ) از منطقه Molinopampa ثابت شد که “بسیار مناسب” برای آبزی پروری است ( جدول 8 ). مناطق «متوسط» (23.03 درصد) و «حاشیه» (69.73 درصد) مناسب 92.76 درصد از مساحت کل منطقه را تشکیل می دهند. این مکان ها دارای یک یا چند معیار هستند که نیاز به توجه تولیدکنندگان دارند و ممکن است هزینه های ساخت حوضچه و/یا حمل و نقل عرضه و محصول را افزایش دهند [ 16 ]. مناطق محدود شده ( جدول 8 ) زیرساخت جاده و مراکز شهری و مناطق طبقه بندی نشده کانال ها و تالاب ها بودند که منجر به حذف 2.08 کیلومتر مربع از کل منطقه مورد مطالعه شد.
با همپوشانی مدل تناسب کیفیت آب با مدل تناسب فضایی ( شکل 6 )، نشان می دهد که دو SS و 9 SS به ترتیب “بسیار مناسب” و “متوسط ​​مناسب” هستند، که با زمین های “بسیار مناسب” برای آبزی پروری منطبق هستند. این مناطق مناسب ترین مناطق برای پرورش ماهی هستند و در غرب، مرکز و جنوب شرقی منطقه مورد مطالعه قرار دارند.

4. بحث

بر اساس بررسی چند مطالعه ای، فائو [ 5 ، 59 ، 60 ، 61 ] و سایر نویسندگان [ 62 ، 63 ، 64 ] اهمیت ادغام RS، GIS و MCE را به عنوان ابزاری شایسته برای کمک به تصمیم گیری استراتژیک برجسته می کنند. برای توسعه پایدار آبزی پروری در واقع، فائو اولین اسناد فنی در این زمینه [ 61 ] را در سالهای 1991 [ 65 ] و 1996 [ 66 ] و اخیراً در سالهای 2007 [ 60 ]، 2010 [ 59 ]، 2013 [ 61 ] و 2018 [ 61] سفارش و منتشر کرد. 5]. با این حال، بسیاری از کشورهای دارای آبزی پروری برجسته هنوز تجزیه و تحلیل های فضایی را برای رسیدگی به مشکلات به صورت سیستماتیک و سینوپتیک انجام نمی دهند و از قابلیت های GIS در درجه اول به عنوان ابزاری برای تولید بینندگان نقشه استفاده می کنند [ 59 ]، مانند مورد آبزی پروری Catastro در پرو [ 27 ]. در مقابل، روش‌های فضایی و فناوری مدرن نشان می‌دهند که قابلیت‌های GIS، در ادغام با RS و MCE، فراتر از مدیریت و تجسم است [ 59 ]. این ظرفیت ها باید برای منطقه بندی و انتخاب مکان های مناسب برای توسعه آبزی پروری در سطح ملی، مانند اروگوئه [ 14 ]، کلمبیا [ 15 ] و سایر کشورهای خارج از آمریکای جنوبی [ 9 ، 67 ] استفاده شود.] انجام داده اند.
مزایای کلیدی تکنیک‌های MCE این است که برای منطقه‌بندی آبزی پروری به خوبی تثبیت شده‌اند، می‌توانند چندین معیار را ترکیب کنند (بسیار بیشتر از موارد مورد استفاده در این مطالعه؛ [ 19 ، 20 ، 55 ])، و ممکن است مدل‌هایی را تحت سلسله مراتب، اولویت‌ها، و سناریوها [ 8 ]. با این حال، مشکل اصلی در تجزیه و تحلیل تناسب زمین برای آبزی پروری در استخرهای حفر شده در خاک، و به طور کلی برای هر گونه فعالیت، در فقدان داده های مکانی معیارها نهفته است [ 16 ].]. در پرو، و به طور خاص در منطقه آمازوناس، این منابع محاسباتی کمیاب هستند، حتی زمانی که به مطالعات خاص معیارهای بیولوژیکی، زیست‌محیطی و اجتماعی در مقیاس‌های محلی دقیق می‌رسد. با توجه به این، پیشنهاد شده است که تکنیک های MCE با مدل های توزیع گونه ها (SDM) [ 8 ]، مانند Mahalanobis Typicity و MaxEnt [ 68 ] تکمیل شود. علیرغم بیان این موضوع، چنین رویکردی اعمال نشد، زیرا به مکان های جغرافیایی مرجع مزارع ماهی بستگی دارد، و حتی اگر SDM مانند MaxEnt تحمل اندازه نمونه بسیار کمی دارد [ 69 ]]، استفاده از پنج مزرعه نامناسب در نظر گرفته شد، زیرا می تواند بر عملکرد مدل تأثیر بگذارد. برای مطالعات بیشتر، اطمینان اضافی که یک رویکرد ترکیبی به MCE و SDM به ارمغان می آورد برای بخش آبزی پروری اهمیت حیاتی دارد، زیرا توسعه پایدار به برنامه ریزی و تصمیمات مدیریتی مرتبط با انتخاب بستگی دارد [ 8 ].
این مطالعه با تنها دو مطالعه یافت شده برای ارزیابی تناسب زمین برای آبزی پروری قزل آلای رنگین کمان [ 17 ، 18 ]، در گنجاندن تعداد بیشتری از معیارهای مورد استفاده، و همچنین ادغام یک تکنیک MCE (AHP) برای رتبه بندی و اهمیت آنها را سنگین کنید در مقابل، با سایر مطالعات مبتنی بر GIS و MCE برای آبزی پروری داخلی در منابع آب منطقه ای [ 20 ، 23 ، 24 ، 26 ] متفاوت است، زیرا مناسب بودن فضایی زمین در مدل شطرنجی را با ارزیابی مناسب بودن تکمیل می کند. کیفیت منابع [ 20 ، 23 ، 24 ، 26]، با توجه به اینکه تناسب فضایی زمین در مدل شطرنجی را با ارزیابی تناسب کیفیت منبع آب در مدل برداری تکمیل می کند. در دومی، همپوشانی وزن‌دار پیکسل به پیکسل با عملیات محاسبه‌گر میدانی در جدول ویژگی بردار نقطه ایستگاه (SS) جایگزین شد که حاوی مقادیر اولیه، مقادیر مناسب طبقه‌بندی‌شده و وزن‌های اهمیت هر زیرمعیار بود.
برای توسعه آبزی پروری در مولینوپامپا، مهمترین معیارها اقتصادی (57/44 درصد) و پس از آن زیست محیطی (31/43 درصد) و اجتماعی (12/12 درصد) است. به گفته لوباتو و همکاران. [ 10 ]، نایاک و همکاران. [ 20 ] و هادی پور و همکاران. [ 70 ]، معیاری که حاوی زیرمعیار فاصله تا منابع آب است، مهمترین است. در Molinopampa، این دومین (معیار زیست محیطی) مهم است، زیرا یک منطقه قابل توجهی مورد علاقه در منابع آبی است، با تراکم زهکشی بالا (0.703 km/km2 ) . این معیار محیطی همچنین حاوی زیرمعیار شیب است و برخلاف Rodrigues et al. [ 16] که برای آنها شیب مهم ترین عامل بود، در این مطالعه رتبه دوم را دارد. علاوه بر این، و پس از تجربه طولانی آبزی پروری در آمازوناس، موسسه تحقیقاتی آمازون پرو (IIAP) نشان می دهد که دسترسی گسترده به آب و وجود تراس ها (دره های بین آند در مولینوپامپا) جنبه های مطلوب برای ساخت و ساز است. و بهره برداری از استخرهای پرورش ماهی در منطقه [ 71 ].
همانطور که توسط رودریگز و همکاران بیان شده است. [ 16 ]، بافت خاک، به ویژه محتوای رس نیز یک عامل مهم است، با این حال، در این مطالعه، اهمیت کمی دارد (12.88٪) زیرا استخرهای ساخته شده برای کاشت در مولینوپامپا بتنی هستند. همانطور که توسط مطالعات دیگر مشخص شد، مهم است که به خاطر داشته باشید زیرا در خاک های بسیار نفوذپذیر از دست دادن آب توسط فیلتراسیون و نفوذ می تواند تقاضای آب و همچنین سیستم های پمپاژ را افزایش دهد [ 72 ].
وقتی صحبت از واقعیت محلی مولینوپامپا می شود، تعیین کننده ترین معیار اقتصادی بود. در این میان مهمترین زیرمعیار فاصله تا شبکه راه (49/53 درصد) و تا بازار (65/30 درصد) بود. صندوق توسعه ملی شیلات پرو (FONDEPES) توصیه می کند که بدنه آبی انتخاب شده برای توسعه پرورش ماهی قزل آلای رنگین کمان باید دارای جاده های دسترسی وسایل نقلیه باشد که امکان سیال بودن ورود منابع تولید و خروجی محصول را به سمت بازارهای ایجاد شده فراهم می کند. با در نظر گرفتن این که قزل آلای رنگین کمان بسیار فاسد شدنی است [ 36]. این گروه کارشناسی این زیرمعیارها را مهمترین آنها دانستند چرا که مولینوپامپا فاقد زیرساخت های خوب جاده ای است و شاخص ترین بازار (شهر چاچاپویاس) یک ساعت فاصله دارد و در نتیجه این فعالیت ضعف ایجاد می کند.
از میان معیارهای فرعی فیزیکوشیمیایی، دما (33/38 درصد) برای تناسب کیفیت آب بیشترین اهمیت را داشت و پس از آن pH (27/27 درصد) و در نهایت اکسیژن محلول (59/21 درصد) قرار داشت. در واقع، FAO [ 37 ] نشان می دهد که دمای آب بسیار مهم است زیرا رشد ماهی قزل آلای رنگین کمان را تنظیم می کند، زیرا آنها ظرفیت خود را برای تنظیم دمای بدن خود ندارند. اگر دما بسیار پایین باشد، رشد کندتر است، در حالی که در دماهای بالاتر، رشد سریعتر است. اگرچه به طور خاص برای قزل آلای رنگین کمان نیست، نایاک و همکاران. [ 20 ] دریافتند که دما مهمترین معیار در بین 9 معیار فیزیکوشیمیایی آب است که توسط AHP ارزیابی شده است.
در نهایت، آب و هوا، دسترسی گسترده به زمین و فراوانی آب، همراه با بهبود ارتباط با بازارهای ملی و بین المللی از طریق جاده ها و همچنین بازارهای رو به رشد آبزی پروری، از مزیت های نسبی منطقه است. اینها می توانند به فرصت های سرمایه گذاری برای توسعه آبزی پروری تبدیل شوند، نه تنها به عنوان یک فعالیت با هدف پاسخگویی به تقاضای بازار محلی، بلکه همچنین با امکان رقابت در بازارهای داخلی و خارجی، که به توسعه منطقه کمک می کند [ 71 ].

5. نتیجه گیری ها

ده زیرمعیار کلیدی برای تعیین تناسب فضایی آبزی پروری قزل آلای رنگین کمان شناسایی و نقشه برداری شد. برای Molinopampa، از بالاترین تا کمترین اهمیت، نتایج به شرح زیر است: زیر معیارهای اقتصادی (فاصله تا جاده، فاصله از بازار، فاصله تا ورودی ها) با 44.57٪، به دنبال آن زیر معیارهای زیست محیطی (پوشش زمین / کاربری زمین). شیب زمین، میزان رس خاک، pH خاک، فاصله تا رودخانه ها با 31/43 درصد و در نهایت زیر معیارهای اجتماعی (فاصله تا جمعیت و مناطق حفاظت شده) با 12/12 درصد. علاوه بر این، پنج زیرمعیار کلیدی برای تعیین مناسب بودن کیفیت آب شناسایی و نقشه‌برداری شد که دما مهمترین آنها (33/38 درصد)، پس از آن pH (27/27 درصد) و اکسیژن محلول (59/21 درصد) قرار دارند. قلیائیت (97/6 درصد) و سختی (83/5 درصد) کمترین اهمیت را دارند.
4.26٪ (14.51 کیلومتر مربع ) از منطقه Molinopampa ثابت شد “بسیار مناسب” برای آبزی پروری. نواحی «متوسط ​​مناسب» (03/23 درصد) و «تاثیر مناسب» (73/69 درصد) 76/92 درصد از کل مساحت منطقه را به خود اختصاص داده اند. مناطق “نامناسب” یا مناطقی که به عنوان محدود و طبقه بندی نشده شناسایی شده اند، 2.98٪ (10.16 کیلومتر مربع) را تشکیل می دهند .) از کل منطقه مورد مطالعه. با همپوشانی مدل تناسب کیفیت آب با مدل تناسب فضایی، نشان داده شد که دو SS و 9 SS به ترتیب “بسیار مناسب” و “متوسط ​​مناسب” هستند که همزمان با اراضی “بسیار مناسب” برای آبزی پروری است. این مناطق مناسب ترین و توصیه شده ترین مناطق برای پرورش ماهی قزل آلای رنگین کمان در این منطقه هستند. نتایج نشان می‌دهد که پتانسیل افزایش تولید آبزی پروری و سیاست/استراتژی دولت وجود دارد.
در پرو، هیچ مرجعی به این نوع مطالعات یافت نشد. بنابراین، یک چارچوب روش‌شناختی برای آبزی پروری داخلی ارائه شده است که ممکن است با مکمل‌های لازم برای کل بخش شیلات و آبزی پروری (FandA) در پرو تکرار شود. اجرای این روش برای منطقه‌بندی و انتخاب مناطق مناسب به برنامه‌ریزی مؤثرتر سرمایه‌گذاری‌ها و تلاش‌های بخش دولتی و خصوصی کمک می‌کند.

منابع

  1. Ramírez-Gastón، J. Programa Nacional de Innovación en Pesca y Acuicultura. در Taller Internacional: Experiencia Global en Gobernanza de Sistemas de Innovación en Pesca y Acuicultura ; محصول: لیما، پرو، 2018; صص 14-16. [ Google Scholar ]
  2. رامیرز-گاستون، جی. سندووال، ن. Vicente, K. Sistema Nacional de Innovación en Pesca y Acuicultura. Fundamentos y Propuesta 2017–2022 ; PNIPA: لیما، پرو، 2018; پ. 104.
  3. تولید کردن. Anuario Estadístico Pesquero y Acuícola 2017 ; محصول: لیما، پرو، 2018; پ. 205. [ Google Scholar ]
  4. سالداریاگا، م. Regalado، F. Potencial acuícola en el Perú. موندا 2017 ، 172 ، 34-39. [ Google Scholar ]
  5. آگیلار-مانجارز، جی. سوتو، دی. بریمت، آر . Un Manual ; FAO، Grupo del Banco Mundial: رم، ایتالیا، 2018; پ. 395. [ Google Scholar ]
  6. سوتو، دی. آگیلار-مانجارز، جی. هیشاموندا، ن. ایجاد یک رویکرد اکوسیستمی به آبزی پروری . فائو: رم، ایتالیا، 2008. [ Google Scholar ]
  7. فائو Desarrollo de la acuicultura. 4. Enfoque ecosistémico a la acuicultura. در FAO Orientaciones Técnicas Para la Pesca مسئول ; فائو: رم، ایتالیا، 2011; جلد 5، ص. 75. [ Google Scholar ]
  8. فالکونر، ال. Telfer، TC; راس، LG بررسی یک رویکرد جدید برای انتخاب سایت آبزی پروری. جی. محیط زیست. مدیریت 2016 ، 181 ، 791-804. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  9. راس، ال جی؛ Telfer، TC; فالکونر، ال. سوتو، دی. Aguilar-Manjarrez, J. انتخاب مکان و ظرفیت های حمل برای آبزی پروری داخلی و ساحلی. در مجموعه مقالات شیلات و آبزی پروری فائو ; فائو: رم، ایتالیا، 2013; پ. 295. [ Google Scholar ]
  10. لوباتو روزالس، FG; Martell Tamanis، AY; گروسکلوینگ نونیز، جی. Grosskelwing Núñez، M. Enfoque metodológico para la zonificación de regiones acuícolas basado en sistemas de información geográfica. در مجموعه مقالات Congreso Interdisciplinario de Ingenierías، Instituto Tecnológico Superior de Misantla: Misantla، Veracruz، مکزیک، نوامبر 2018؛ ص 70-80. [ Google Scholar ]
  11. مونوز، بی. رومانا، ام جی; Ordóñez, J. Análisis de Sensibilidad de una Metodología decisión Multicriterio desarrollada para la Selección de Tipologías de Estructuras de Contención en una Autovía Urbana. در مجموعه مقالات CIT2016—XII Congreso de Ingeniería del Transporte، والنسیا، اسپانیا، 1 ژوئن 2016؛ صص 0-5. [ Google Scholar ]
  12. آگیلار-مانجارز، جی. Nath, SS ارزیابی مجدد استراتژیک پتانسیل پرورش ماهی در آفریقا. در مقاله فنی CIFA ; فائو: رم، ایتالیا، 1998; جلد 32، ص. 170. [ Google Scholar ]
  13. کاپتسکی، جی.ام. Nath، SS یک ارزیابی استراتژیک از پتانسیل پرورش ماهی آب شیرین در آمریکای لاتین. در مقاله فنی COPESCAL ; فائو: رم، ایتالیا، 1997; جلد 10، ص. 128. [ Google Scholar ]
  14. دیاز، آی. Mello, AL; صالحی، م. اسپینتی، ام. بسونارت، ام. Achkar، M. Integración SIG-EMC-Análisis de agrupamiento como herramienta para la regionalización acuícola en اروگوئه. کشیش جئوگر. Valpso 2015 ، 52 ، 14-27. [ Google Scholar ]
  15. هورتوا کورتس، NG; مرینو، ام سی؛ فلورس ناوا، A. Zonificación de la Acuicultura Nacional ; Autoridad Nacional de Pesca y Acuicultura (AUNAP) و فائو: بوگوتا، کلمبیا، 2013. [ Google Scholar ]
  16. رودریگز فرانسیسکو، اچ. فابریسیو کورئیا، آ. Feiden, A. طبقه بندی مناطق مناسب برای پرورش ماهی با استفاده از ژئوتکنولوژی و تجزیه و تحلیل چند معیاره. بین المللی J. Geo-Inf. 2019 ، 8 ، 1-19. [ Google Scholar ]
  17. پراساد آریال، س. Nath Paudel، M. قابلیت های مبتنی بر GIS پرورش ماهی قزل آلای رنگین کمان (Oncorhynchus mykiss) در تپه مرتفع شمالی Rasuwa، نپال. در مجموعه مقالات اولین کارگاه ملی در مورد مقیاس گذاری استراتژی های پرورش ماهی قزل آلای رنگین کمان (Oncorhynchus mykiss) در نپال. بهادر گورونگ، ت.، ویرایش. بخش تحقیقات شیلات، گوداواری، لالیتپور از NARC: کاتماندو، نپال، 2008; صص 109-114. [ Google Scholar ]
  18. کومار رای، اس. بهادر گورونگ، تی. ارزیابی بر اساس پراساد لامسال، G. GIS بر روی سایت‌های بالقوه ماهی‌های سردآبی، پرورش قزل‌آلای رنگین کمان (Oncorhynchus mykiss) در نواکوت، نپال. در مجموعه مقالات اولین کارگاه ملی در مورد مقیاس گذاری استراتژی های پرورش ماهی قزل آلای رنگین کمان (Oncorhynchus mykiss) در نپال. بهادر گورونگ، ت.، ویرایش. بخش تحقیقات شیلات، گوداواری، لالیتپور از NARC: کاتماندو، نپال، 2008; صص 103-108. [ Google Scholar ]
  19. آسفا، WW; Abebe، مدل سازی WB GIS مکان های بالقوه مناسب برای توسعه آبزی پروری در حوضه دریاچه تانا، شمال غربی اتیوپی. کشاورزی امنیت غذایی 2018 ، 7 ، 6-15. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. نایاک، AK; کومار، پی. شلوار، دی. Mohanty، مدل‌سازی تناسب سرزمین RK برای افزایش توسعه منابع شیلات در هیمالیاهای مرکزی (هند) با استفاده از GIS و رویکرد ارزیابی چند معیاره. آکواک. مهندس 2018 ، 83 ، 120-129. [ Google Scholar ] [ CrossRef ]
  21. عبید، ح.م. ابو، نقشه برداری EESM از آبزی پروری در رودخانه نیل با استفاده از تصاویر گوگل ارث و روش های GIS- شعبه روزتا، مصر. مربا. علمی 2017 ، 13 ، 57-63. [ Google Scholar ]
  22. هاسیم; کونیو، ی. Kasim, F. نقشه موقعیت مکانی مناسب قفس توری شناور برای توسعه پرورش ماهی سازگار با محیط زیست با کاربردهای سیستم اطلاعات جغرافیایی در دریاچه لیمبوتو، گورونتالو، اندونزی. AACL Bioflux 2017 ، 10 ، 254-264. [ Google Scholar ]
  23. رامذینی، م. Rikardo, A. استفاده از سیستم اطلاعات جغرافیایی (GIS) در تعیین مناسب بودن مکان های شیلات کشت استخرهای ماهی آب شیرین در منطقه آچه جنوبی. جی. اینوف. تکنول. Dan Rekayasa 2018 ، 3 ، 81–86. [ Google Scholar ] [ CrossRef ]
  24. مصطفی، ف.-ب. Bwadi، BE تعیین مکان های بهینه سایت پرورش میگو آب شیرین با استفاده از GIS و ارزیابی چند معیاره. جی. ساحل. Res. 2018 ، 82 ، 41-54. [ Google Scholar ] [ CrossRef ]
  25. سگان، اچ. Tollner، EW; Veverica، K. مدل سازی جغرافیایی مناسب بودن مکان برای پرورش ماهی تیلاپیا و کلاریاس بر پایه برکه در اوگاندا. J. Appl. آکواک. 2012 ، 24 ، 147-169. [ Google Scholar ] [ CrossRef ]
  26. وولکر، سی ام. Scott، P. SIG و حسی از راه دور برای تعیین قابلیت آبی فرهنگی بدون Baixo São João-RJ. کشیش Eletrônica Sist. Gestão 2008 ، 3 ، 196-215. [ Google Scholar ]
  27. تولید کردن. فاجعه Acuicola Nacional. در دسترس آنلاین: https://catastroacuicola.produce.gob.pe (در 28 اکتبر 2019 قابل دسترسی است).
  28. بارگاس ریورا، جی. کلیما. در Estudios temáticos para la Zonificación Ecológica Económica del departamento de Amazonas ; Instituto de Investigaciones de la Amazonía Peruana (IIAP) & Programa de Investigaciones en Cambio Climático، Desarrollo Territorial y Ambiente (PROTERRA): Chachapoyas، پرو، 2010; ص 1-27. [ Google Scholar ]
  29. INEI. نتایج قطعی سرشماری ملی 2017: آمازوناس. در Censos Nacionales 2017: XII de Población, VII de Vivienda y III de Comunidades Indígenas ; INEI: لیما، پرو، 2017؛ ص 1–11347. [ Google Scholar ]
  30. Ramírez Barco, JM Uso actual de la tierra. در Estudios temáticos para la Zonificación Ecológica Económica del departamento de Amazonas ; Instituto de Investigaciones de la Amazonía Peruana (IIAP) & Programa de Investigaciones en Cambio Climático، Desarrollo Territorial y Ambiente (PROTERRA): Chachapoyas، پرو، 2010; صص 1-39. [ Google Scholar ]
  31. اولیوا کروز، اس ام. کولازوس سیلوا، آر. گوناس ماس، ام. باکالا، ای. ویگو مستانزا، سی. واسکز پرز، اچ. اسپینوزا لیوا، ST; Maicelo Quintana، JL Efecto de los sistemas de producción sobre las características físico-químicas de los suelos del distrito de Molinopampa، استان چاچاپویاس، منطقه آمازوناس. Rev. Indes 2014 , 2 , 44-52. [ Google Scholar ]
  32. اولیوا، م. واکالا، اف. پرز، دی. Tucto، A. Vivero Forestal Para la Producción de Plantones de Especies Forestales Nativas: Experinecia en Molinopampa، آمازوناس-پرو ; IIAP، MINAGRI، SERFOR & OIMT: Chachapoyas، پرو، 2014; ص 1-20.
  33. Oliva Cruz، SM Influencia de factores socioeconómicos y ambientales sobre la adopción de tecnologías silvopastoriles por productores ganaderos، distrito de Molinopampa، آمازوناس، پرو. پایان نامه کارشناسی ارشد، Universidad Nacional Agraria La Molina، لیما، پرو، 2016. [ Google Scholar ]
  34. MINAM. قطعنامه وزیری شماره 252-2012-MINAM ; MINAM: لیما، پرو، 2012; پ. 9. در دسترس آنلاین: https://www.minam.gob.pe/disposiciones/resolucion-ministerial-n-252-2012-minam/ (در 28 اکتبر 2019 قابل دسترسی است).
  35. تولید کردن. GEOSNIPA: Geovisor PNIPA. در دسترس آنلاین: https://cdi.pnipa.gob.pe/geosnipa/ (در 2 نوامبر 2019 قابل دسترسی است).
  36. FONDEPES. Manual de Crianza de Trucha en Ambientes Convencionales ; محصول: لیما، پرو، 2014; پ. 88. [ Google Scholar ]
  37. فائو Manual Práctico Para el Cultivo de la Trucha Arcoíris ; فائو: گواتمالا، 2014; پ. 44. [ Google Scholar ]
  38. پراکاش ماوریا، اس. اهری، ع. Mishra, S. GIS منبع باز: مروری. در مجموعه مقالات کنفرانس ملی GIS منبع باز: فرصت ها و چالش ها، بنارس، هند، 9-10 اکتبر 2015; گروه مهندسی عمران، موسسه فناوری هند (BHU): بنارس، هند، 2015; صص 150-155. [ Google Scholar ]
  39. Farr، TG; روزن، PA; کارو، ای. کریپن، آر. دورن، آر. هنسلی، اس. کوبریک، ام. پالر، ام. رودریگز، ای. راث، ال. و همکاران ماموریت توپوگرافی رادار شاتل. کشیش ژئوفیس. 2007 ، 45 ، 1-33. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  40. Congedo، L. پلاگین طبقه بندی نیمه خودکار برای QGIS. ; دانشگاه ساپینزا: رم، ایتالیا، 2013; پ. 25. [ Google Scholar ]
  41. روخاس بریسنو، NB; باربوزا کاستیلو، ای. Maicelo Quintana، JL; اولیوا کروز، اس ام. Salas López، R. Deforestación en la Amazonía peruana: Índices de cambios de cobertura y uso del suelo basado en SIG. BAGE 2019 ، 81 ، 1-34. [ Google Scholar ] [ CrossRef ]
  42. MINAM. Mapa Nacional de Cobertura Vegetal. Memoria Descriptiva ; Ministriio del Ambiente، Dirección General de Evaluación، Valoración y Financiamiento del Patrimonio Natural: لیما، پرو، 2015; پ. 108.
  43. لندیس، جی آر. Koch, GG کاربرد آمار سلسله مراتبی نوع کاپا در ارزیابی توافق اکثریت در بین ناظران چندگانه. بیومتریک 1977 ، 33 ، 363-374. [ Google Scholar ] [ CrossRef ]
  44. Chuvieco، E. مبانی سنجش از دور ماهواره ای. یک رویکرد محیطی ، ویرایش دوم. CRC Press Taylor & Francis Group: نیویورک، نیویورک، ایالات متحده آمریکا، 2016. [ Google Scholar ]
  45. MTC Descarga de Datos Espaciales. در دسترس آنلاین: https://portal.mtc.gob.pe/estadisticas/descarga.html (در 15 آوریل 2019 قابل دسترسی است).
  46. MINEDU. Descarga de Información Espacial del MED. در دسترس آنلاین: https://sigmed.minedu.gob.pe/descargas/ (در 15 آوریل 2019 قابل دسترسی است).
  47. گیلویر، دی جی; هانتر، پی. استوارسون، ام. سنجش از دور: نقشه‌برداری از کریدورهای رودخانه‌ای طبیعی و مدیریت‌شده از مقیاس خرد تا مقیاس شبکه. در علم رودخانه: تحقیق و مدیریت برای قرن بیست و یکم . Gilvear، DJ، Greenwood، MT، Thoms، MC، Wood، PJ، Eds. جان وایلی و پسران، آموزشی ویبولیتین: چنای، هند، 2016. صص 171-196. [ Google Scholar ]
  48. بزرگ، ARG؛ Gilvear، DJ با استفاده از Google Earth، یک پلتفرم تصویربرداری از کره مجازی، برای ارزیابی رودخانه مبتنی بر خدمات اکوسیستم. River Res. Appl. 2014 ، 7 ، 1-16. [ Google Scholar ]
  49. هنگل، تی. De Jesus, JM; Heuvelink، GBM؛ گونزالس، MR; کلیبردا، م. بلاگوتیچ، آ. شانگگوان، دبلیو. رایت، MN; گنگ، ایکس. بائر-مارشالینگر، بی. و همکاران SoilGrids250m: اطلاعات خاک شبکه بندی شده جهانی بر اساس یادگیری ماشینی. PLoS ONE 2017 ، 12 ، 1-40. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  50. SERNANP. خدمات ملی د Áreas Naturales Protegidas por el Estado. Services y Recursos. در دسترس آنلاین: https://www.geoidep.gob.pe/servicio-nacional-de-areas-naturales-protegidas-por-el-estado (دسترسی در 15 آوریل 2019).
  51. ساعتی، مبانی TL فرآیند تحلیل هیرارهی. در فرآیند سلسله مراتبی تحلیلی در تصمیم گیری منابع طبیعی و محیطی ; Schmoldt, DL, Kangas, J., Mendoza, GA, Pesonen, M., Eds. Springer-Science+Business Media: برلین/هایدلبرگ، آلمان، 2001; صص 15-36. [ Google Scholar ]
  52. مناسب بودن سایت Mighty، MA و فرآیند سلسله مراتب تحلیلی: چگونه تجزیه و تحلیل GIS می تواند مزیت رقابتی صنعت قهوه جامائیکا را بهبود بخشد. Appl. Geogr. 2015 ، 58 ، 84-93. [ Google Scholar ] [ CrossRef ]
  53. Saaty، TL یک روش مقیاس‌بندی برای اولویت‌ها در ساختارهای سلسله مراتبی. جی. ریاضی. روانی 1977 ، 15 ، 234-281. [ Google Scholar ] [ CrossRef ]
  54. الدابابسه، ع. تمیمی، م. مقلال، پ. شعبه، O. Wulfmeyer, V. ارزیابی چند معیاره مناسب بودن کشاورزی آبی برای دستیابی به امنیت غذایی در یک محیط خشک. پایداری 2018 ، 10 ، 803. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  55. حسین، ام اس; ارزیابی چند معیاره مبتنی بر NG GIS برای مدل‌سازی تناسب زمین برای پرورش میگوی غول‌پیکر ( Macrobrachium rosenbergii ) در Companigonj Upazila در نوآخالی، بنگلادش. محاسبه کنید. الکترون. کشاورزی 2010 ، 70 ، 172-186. [ Google Scholar ] [ CrossRef ]
  56. Saaty، TL نحوه تصمیم گیری: فرآیند تحلیل سلسله مراتبی. یورو جی. اوپر. Res. 1990 ، 48 ، 9-26. [ Google Scholar ] [ CrossRef ]
  57. مو، ای. Pereyra-Rojas، M. درک فرآیند تحلیل سلسله مراتبی. در تصمیم گیری عملی ؛ Springer Briefs in Operations Research: برلین، آلمان، 2017; ص 7-22. [ Google Scholar ]
  58. آگوارون، جی. Moreno-Jiménez، JM شاخص سازگاری هندسی: آستانه های تقریبی. یورو جی. اوپر. Res. 2003 ، 147 ، 137-145. [ Google Scholar ] [ CrossRef ]
  59. آگیلار-مانجارز، جی. کاپتسکی، جی.ام. سوتو، دی. پتانسیل ابزارهای برنامه ریزی فضایی برای حمایت از رویکرد اکوسیستم به آبزی پروری. در مجموعه مقالات شیلات و آبزی پروری فائو ; فائو: رم، ایتالیا، 2010; جلد 17، ص. 185. [ Google Scholar ]
  60. کاپتسکی، جی.ام. Aguilar-Manjarrez, J. سیستم های اطلاعات جغرافیایی، سنجش از دور و نقشه برداری برای توسعه و مدیریت آبزی پروری دریایی. در مقاله فنی شیلات فائو ; فائو: رم، ایتالیا، 2007; جلد 458، ص. 141. [ Google Scholar ]
  61. Meaden, GJ; Aguilar-Manjarrez, J. پیشرفت در سیستم های اطلاعات جغرافیایی و سنجش از دور برای شیلات و آبزی پروری. در مجموعه مقالات شیلات و آبزی پروری فائو ; فائو: رم، ایتالیا، 2013; جلد 552، ص. 111. [ Google Scholar ]
  62. اوتینگر، ام. کلاوس، ک. Kuenzer، C. آبزی پروری: ارتباط، توزیع، اثرات و ارزیابی های فضایی – یک بررسی. ساحل اقیانوس. مدیریت 2016 ، 119 ، 244-266. [ Google Scholar ] [ CrossRef ]
  63. Nath، SS; بولته، جی پی؛ راس، ال جی؛ Aguilar-manjarrez, J. کاربردهای سیستم های اطلاعات جغرافیایی (GIS) برای پشتیبانی تصمیم گیری فضایی در آبزی پروری. آکواک. مهندس 2000 ، 23 ، 233-278. [ Google Scholar ] [ CrossRef ]
  64. فالکونر، ال. Middelboe، AL; کاس، اچ. راس، ال جی؛ Telfer، TC استفاده از سیستم های اطلاعات جغرافیایی برای آبزی پروری و توصیه هایی برای توسعه ابزارهای فضایی. کشیش آکواک. 2019 ، 17 ، 1-14. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  65. Meaden, GJ; Kapetsky، JM سیستم های اطلاعات جغرافیایی و سنجش از دور در شیلات داخلی و آبزی پروری. مقاله فنی شیلات فائو ; فائو: رم، ایتالیا، 1991; جلد 318، ص. 262. [ Google Scholar ]
  66. Meaden, GJ; Do Chi, T. سیستم های اطلاعات جغرافیایی کاربردها در ماهیگیری دریایی. در مقاله فنی شیلات فائو ; فائو: رم، ایتالیا، 1996; جلد 356، ص. 335. [ Google Scholar ]
  67. Grimshaw, T. Draft-National Aquaculture Zone Plan for Belize ; Tunich-Nah Consultants & Engineering: Belize City, Belize, 2003; پ. 216. [ Google Scholar ]
  68. فیلیپس، اس جی. اندرسون، آر.پی. Schapire، RE مدل‌سازی حداکثر آنتروپی توزیع‌های جغرافیایی گونه‌ها. Ecol. مدل. 2006 ، 190 ، 231-252. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  69. مرو، سی. اسمیت، ام جی. Silander، JA راهنمای عملی MaxEnt برای مدل‌سازی توزیع گونه‌ها: چه کاری انجام می‌دهد و چرا ورودی‌ها و تنظیمات اهمیت دارند. اکوگرافی 2013 ، 36 ، 1058-1069. [ Google Scholar ] [ CrossRef ]
  70. هادی پور، ع. وفایی، ف. هادی پور، وی. ارزیابی تناسب اراضی برای توسعه آبزی پروری آب شور در منطقه ساحلی هرمزگان، ایران. آکواک. بین المللی 2014 ، 23 ، 329-343. [ Google Scholar ] [ CrossRef ]
  71. آلکانترا بوکانگرا، اف. رودریگز چو، ال. ماری کوک، ای. تلو مارتین، اس. Del Castillo Torres, D. Avances en el desarrollo de la acuicultura en la región Amazonas, پرو ; IIAP: Iquitos، پرو، 2007; پ. 49. [ Google Scholar ]
  72. حسین، ام اس; Chowdhury، SR; داس، NG; Rahaman، MM رویکرد ارزیابی چند معیاره برای طبقه‌بندی تناسب زمین مبتنی بر GIS برای کشاورزی تیلاپیا در بنگلادش. آکواک. بین المللی 2007 ، 15 ، 425-443. [ Google Scholar ] [ CrossRef ]
Ijgi 09 00028 g001 550
شکل 1. موقعیت جغرافیایی ناحیه مولینوپامپا، استان چاچاپویاس-آمازوناس، پرو.
Ijgi 09 00028 g002 550
شکل 2. نمودار جریان روش برای مدل سازی مناسب بودن زمین برای پرورش آبزیان (قزل آلای رنگین کمان) در ناحیه مولینوپامپا (پرو).
Ijgi 09 00028 g003 550
شکل 3. سلسله مراتب معیارهای مدلسازی تناسب زمین برای پرورش آبزیان (قزل آلای رنگین کمان) در ناحیه مولینوپامپا (پرو).
Ijgi 09 00028 g004 550
شکل 4. طبقه بندی مجدد و امتیازدهی سومین سلسله مراتب معیارها برای مدل سازی مناسب بودن زمین برای پرورش آبزیان (قزل آلای رنگین کمان) در ناحیه مولینوپامپا (پرو).
Ijgi 09 00028 g005 550
شکل 5. مدل های فرعی تناسب زمین برای آبزی پروری در مقیاس کوچک در مولینوپامپا.
Ijgi 09 00028 g006 550
شکل 6. نقشه تناسب زمین برای آبزی پروری در مولینوپامپا.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید