
تعداد نشریات | 13 |
تعداد شمارهها | 623 |
تعداد مقالات | 6,501 |
تعداد مشاهده مقاله | 8,621,490 |
تعداد دریافت فایل اصل مقاله | 8,211,360 |
بهینهسازی مدیریت خاک با شناسایی و اولویتبندی عوامل مؤثر بر فرسایش خاک در استان فارس با روش تصمیمگیری چندمعیاره خاکستری | ||
مجله مدیریت خاک و تولید پایدار | ||
دوره 12، شماره 3، مهر 1401، صفحه 1-25 اصل مقاله (1.13 M) | ||
نوع مقاله: مقاله کامل علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/ejsms.2022.20024.2054 | ||
نویسندگان | ||
سید مهدی ابطحی* 1؛ زهرا محمدی2 | ||
1استادیار، گروه مدیریت، دانشگاه آزاد اسلامی، واحد مرودشت ، مرودشت، ایران. | ||
2دانشجوی کارشناسی ارشد مدیریت دولتی، دانشکده مدیریت و اقتصاد، دانشگاه سیستان و بلوچستان، زاهدان، ایران | ||
چکیده | ||
سابقه و هدف: فرسایش خاک یکی از پدیدههای اصلی تخریب خاک است که پایداری محیطزیست و بهرهوری خاک را تهدید میکند و همواره یک مشکل زیستمحیطی عمده در بسیاری از نقاط جهان بوده است. فرسایش خاک و پیامدهای زیانبار آن مانعی اساسی در برابر توسعه و پیشرفت کشور است و تأثیرات منفی بر تولید کشاورزی، کیفیت منابع آب و سلامت اکوسیستم کشور دارد. کنترل فرسایش خاک موضوعی برای تشویق رویکردهای نوآورانه در تکنیکها و روشهای مدیریت زمین است. روشهای حفاظت از خاک، فرسایش خاک را کاهش داده، ساختار خاک و میزان استحصال آب را بهبود میبخشد و رطوبت خاک را حفظ میکند. بنابراین بررسی عوامل مؤثر بر فرسایش خاک و ارائه راهکارهای مدیریتی به منظور کاهش فرسایش خاک ضروری است. هدف این مطالعه، شناسایی و اولویتبندی عوامل مؤثر بر فرسایش خاک و راهکارهای جلوگیری از فرسایش خاک در استان فارس است. مواد و روشها: پژوهش حاضر از نظر هدف کاربردی و براساس ماهیت توصیفی-پیمایشی است. در این پژوهش یک رویکرد ترکیبی مبتنی بر روش سوارا خاکستری و آراس خاکستری به منظور شناسایی عوامل تأثیرگذار بر فرسایش خاک و اولویتبندی روشهای جلوگیری از فرسایش خاک ارائه شده است. در ابتدا با مطالعه پیشینه پژوهش و مصاحبه با کارشناسان حوزه آب و خاک، عوامل فرسایش خاک در استان فارس شناسایی و در پنج حوزه شامل حوزه فنی، شیمیایی، اجتماعی، زیستمحیطی و اقلیمی دستهبندی شدند. وزن معیارها با روش سوارا خاکستری محاسبه گردید. سپس روشها و راهکارهای جلوگیری از فرسایش خاک شناسایی شدند و کارشناسان آنها را براساس معیارها از طریق تکمیل پرسشنامه ارزیابی کردند و در نهایت با استفاده از رویکرد آراس خاکستری اولویتبندی شدند. به منظور در نظر گرفتن عدم قطعیت و اطمینان در نظر کارشناسان، از اعداد خاکستری در انجام محاسبات استفاده گردید. یافتهها: با توجه به نتایج به دست آمده معیارهای «فرسایشپذیری خاک»، «پایداری پایین خاکدانه»، «جنگلزدایی و تخریب زیست بوم»، «کشت در دامنههای شیبدار و شخم اراضی شیبدار»، «از بین رفتن پوشش گیاهی» و «کاهش مواد آلی خاک» به ترتیب مهم-ترین عوامل مؤثر بر فرسایش خاک بودند. در اولویتبندی روشهای جلوگیری از فرسایش خاک نیز «تصویب و اجرای قوانین حفاظت از خاک و منابع طبیعی نظیر جنگلها و ترویج گارگاههای آموزشی و ترویجی»، «ترویج خاکورزی حفاظتی و ترویج کشاورزی هوشمند»، «افزودن مواد آلی به خاک»، « مالچپاشی آلی یا مصنوعی در سطح خاک و همچنین بکارگیری روشهای مهندسی زیستی نظیر باکتریهای تثبیتکننده خاک» و «قرق مرتع و پرچینبندی و ترویج دامداری صنعتی» به عنوان مهمترین گزینهها برای جلوگیری از فرسایش خاک انتخاب شدند. نتیجهگیری: با توجه به اینکه متأسفانه در ایران فرسایش خاک چندین برابر میانگین جهانی است و سالانه حجم عظیمی از خاک مرغوب از دسترس خارج میشود و نیازمند اقدامات جدی مدیریتی میباشد، همچنین فرسایش خاک در استان فارس نیز باید توسط یک برنامه احیای وسیع کنترل شود، انتظار میرود نتایج این پژوهش بتواند به مدیران و تصمیمگیرندگان در بخشهای اجرایی حوزه آب و خاک و کشاورزی به منظور اتخاذ مناسبترین تصمیمات و راهحلها برای حل معضلات فرسایش خاک کمک کند. | ||
کلیدواژهها | ||
فرسایش خاک؛ مدیریت خاک؛ سوارا خاکستری؛ آراس خاکستری | ||
مراجع | ||
1.Das, B., Bordoloi, R., Thungon, L.T., Paul, A., Pandey, P.K., Mishra, M., and Tripathi, O.P. 2020. An integrated approach of GIS, RUSLE and AHP to model soil erosion in West Kameng watershed, Arunachal Pradesh. Journal of Earth System Science. 129: 1. 1-18.
2.Sadhasivam, N., Bhardwaj, A., Pourghasemi, H.R., and Kamaraj, N.P. 2020. Morphometric attributes-based soil erosion susceptibility mapping in Dnyanganga watershed of India using individual and ensemble models. Environmental Earth Sciences. 79: 14. 1-28.
3.Ahmad, N.S.B.N., Mustafa, F.B., and Didams, G. 2020. A systematic review of soil erosion control practices on the agricultural land in Asia. International Soil and Water Conservation Research. 8: 2. 103-115.
4.Bhandari, D., Joshi, R., Regmi, R.R., and Awasthi, N. 2021. Assessment of Soil Erosion and Its Impact on Agricultural Productivity by Using the RMMF Model and Local Perception: A Case Study of Rangun Watershed of Mid-Hills, Nepal. Applied and Environmental Soil Science. 2021.1-10. https://doi.org/10.1155/ 2021/ 5747138.
5.Aslam, B., Maqsoom, A., Alaloul, W.S., Musarat, M.A., Jabbar, T., and Zafar, A. 2021. Soil erosion susceptibility mapping using a GIS-based multi-criteria decision approach: Case of district Chitral, Pakistan. Ain Shams Engineering Journal. 12: 2. 1637-1649.
6.Jin, F., Yang, W., Fu, J., and Li, Z. 2021. Effects of vegetation and climate on the changes of soil erosion in the Loess Plateau of China. Science of the Total Environment. 773. 145514. https://doi.org/ 10.1016/j.scitotenv.2021.145514.
7.Teka, K., Haftu, M., Ostwald, M., and Cederberg, C. 2020. Can integrated watershed management reduce soil erosion and improve livelihoods? A study from northern Ethiopia. International Soil and Water Conservation Research, 8: 3. 266-276.
8.Luetzenburg, G., Bittner, M.J., Calsamiglia, A., Renschler, C.S., Estrany, J. and Poeppl, R. 2020. Climate and land use change effects on soil erosion in two small agricultural catchment systems Fugnitz–Austria, Can Revull–Spain. Science of the Total Environment. 704. 135389. https://doi.org/10.1016/j. scitotenv. 2019.135389.
9.Arabameri, A., Pourghasemi, H.R., and Cerda, A. 2018. Erodibility Prioritization of sub-watersheds using morphometric parameters analysis and its mapping: A comparison among TOPSIS, VIKOR, SAW, and CF multi-criteria decision making models. Science of the Total Environment. 613: 1385-1400.
10.Sinshaw, B.G., Belete, A.M., Tefera, A.K., Dessie, A.B., Bizuneh, B.B., Alem, H.T., Atanaw, S.B., Eshete, D.G., Wubetu, T.G., Atinkut, H.B., and Moges, M.A. 2021. Prioritization of potential soil erosion susceptibility region Using fuzzy Logic and Analytical Hierarchy process, Upper Blue Nile Basin, Ethiopia. Water-Energy Nexus. 4: 10-24.
11.Vahidi, M., Mirabbasi Najafabadi, R., and Ahmadi, M. 2020. Analysis and ranking of soil erosion prevention methods using multi-criteria decision-making methods in rural areas of Darmian County, South Khorasan. Hydrogeomorphology. 7: 23. 233-209. (In Persian)
12.Zangiabadi, M., Rangavar, A., Rafahi, H., Shorafa, M., and Bihamta, M. 2010. Investigation of the most Important Factors Affecting on Soil Erosion in Kalat Semi-Arid Rangelands. Journal of Water and Soil, 24: 4. 737-744. (In Persian)
13.Mohammadi, S., Karimzadeh, H., and Alizadeh, M. 2018. Spatial estimation of soil erosion in Iran using RUSLE model. Iranian Journal of Ecohydrology. 5: 2. 551-569. (In Persian)
14.Goli Mokhtari, L., Hshafiei, N., and Rahmani, A. 2019. The Estimation of Soil Erosion Using the RUSLE Model (Case Study: Noorabad Mamasani Basin). Hydrogeomorphology, 5: 17. 1-21. (In Persian)
15.Eshtaiwi, M.I., Badi, I.A., Abdulshahed, A.M., and Erkan, T.E. 2017. Assessment of Airport Performance Using the Grey Theory Method: A Case Study in Libya. Grey Systems: Theory and Application. 7: 3. 426-436.
16.Mohammadi, A., and Molaei, N. 2010. Applying a Multi Criteria Decision Making Model Based On Grey Theory In Performance Evaluation Of Firms. Industrial Management Journal. 2: 1. 125-142. (In Persian)
17.Voskoglou, M.Gr., and Theodorou, Y.A. 2017. Application of Grey Numbers to Assessment Processes. International Journal of Applications of Fuzzy Sets and Artificial Intelligence. 7: 273-280.
18.Keršuliene, V., Zavadskas, E.K., and Turskis, Z. 2010. Selection of rational dispute resolution method by applying new step‐wise weight assessment ratio analysis (SWARA). Journal of business economics and management. 11: 2. 243-258.
19.Heidary Dahooie, J., Hosseini Dehshiri, S. J., Banaitis, A., and Binkytė-Vėlienė, A. 2020. Identifying and prioritizing cost reduction solutions in the supply chain by integrating value engineering and gray multi-criteria decision-making. Technological and Economic Development of Economy. 26: 6. 1311-1338.
20.Fazli, S., and Jamaati Tafti, R. 2017. Preprocessing Multiple Criteria Decision- Making Using Data Mining (Case Study: Selection of third party logistic in outsourcing warranty services of an electronic facilities company). Modern Research in Decision Making, 2: 3. 215-239. (In Persian)
21.Mavi, R.K., Zarbakhshnia, N., and Khazraei, A. 2018. Bus rapid transit (BRT): A simulation and multicriteria decision making (MCDM) approach. Transport Policy. 72: 187-197.
22.Ghenai, C., Albawab, M., and Bettayeb, M. 2020. Sustainability indicators for renewable energy systems using multi-criteria decision-making model and extended SWARA/ARAS hybrid method. Renewable Energy, 146: 580-597.
23.Büyüközkan, G., and Güler, M. 2020. Smart watch evaluation with integrated hesitant fuzzy linguistic SAW-ARAS technique. Measurement, 153: 107353.
24.Turskis, Z., Zavadskas, E.K., and Kutut, V. 2013. A model based on ARAS-G and AHP methods for multiple criteria prioritizing of heritage value. International Journal of Information Technology & Decision Making. 12: 01. 45-73.
25.Hosseinzadeh Lotfi, F., and Fallahnejad. R. 2010. Imprecise Shannon’s Entropy and Multi Attribute Decision Making. Entropy. 12: 1. 53-62.
26.Huang, Y., Li, P., A, Q., Mao, F., Zhai, W., Yu, K., and He, Y. 2021. Long‐term land use/cover changes reduce soil erosion in an ionic rare‐earth mineral area of southern China. Land Degradation and Development. 32: 14. 4042-4055.
27.Fenta, A.A., Tsunekawa, A., Haregeweyn, N., Tsubo, M., Yasuda, H., Kawai, T., Ebabu, K., Berihun, M.L., Belay, A.S., and Sultan, D. 2021. Agroecology-based soil erosion assessment for better conservation planning in Ethiopian river basins. Environmental Research. 195.110786. https://doi.org/10.1016/j.envres.2021.110786. | ||
آمار تعداد مشاهده مقاله: 564 تعداد دریافت فایل اصل مقاله: 328 |