azadi, A., BANINEME, J., Seyed Jalali, S. (2022). Production Potential Modeling and Quantitative Land Evaluation for Wheat Cultivation in Calcareous Soils (The Case of Southern Behbahan). , 10(2), 177-198. doi: 10.22092/lmj.2022.126414
abolfazl azadi; JAMAL BANINEME; S.Alireza Seyed Jalali. "Production Potential Modeling and Quantitative Land Evaluation for Wheat Cultivation in Calcareous Soils (The Case of Southern Behbahan)". , 10, 2, 2022, 177-198. doi: 10.22092/lmj.2022.126414
azadi, A., BANINEME, J., Seyed Jalali, S. (2022). 'Production Potential Modeling and Quantitative Land Evaluation for Wheat Cultivation in Calcareous Soils (The Case of Southern Behbahan)', , 10(2), pp. 177-198. doi: 10.22092/lmj.2022.126414
azadi, A., BANINEME, J., Seyed Jalali, S. Production Potential Modeling and Quantitative Land Evaluation for Wheat Cultivation in Calcareous Soils (The Case of Southern Behbahan). , 2022; 10(2): 177-198. doi: 10.22092/lmj.2022.126414

Production Potential Modeling and Quantitative Land Evaluation for Wheat Cultivation in Calcareous Soils (The Case of Southern Behbahan)

مدیریت اراضی
Article 4, Volume 10, Issue 2, December 2022, Pages 177-198    PDF (1.54 M)
Document Type: Promotional
DOI: 10.22092/lmj.2022.126414
Authors
abolfazl azadi* 1; JAMAL BANINEME2; S.Alireza Seyed Jalali3
1Assistant Prof., Khuzestan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Ahvaz, Iran
2Research Instructor, Khuzestan Agricultural and Natural Resources, Agricultural Research, Education and Extension Organization (AREEO), Ahvaz, Iran
3Assistant Professor, Soil and Water Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran
Abstract
Land evaluation and production potential modeling are essential for determining environmental production limitations and proper cultivation planning. It is the aim of the present study to estimate production potential using different regression models and to evaluate quantitatively land suitability for wheat cultivation in some calcareous soils south of Behbahan. To achieve these goals, semi-detailed soil studies of Sardasht region were performed to extract soil data for land evaluation. For qualitative assessment, the Sys Table and the square root parametric method were employed to define climatic and topographic specifications as well as soil conditions as the adaptability criteria for plant growth while unit yield and potential production were used as measures of quantitative assessment. Radiative thermal potential of wheat production, mean land production potential as determined by the square root method, and mean farmer production were measured to be 7121, 3885, and 3255 kg.ha-1 respectively, so that management level in most farms was categorized as intermediate (S2) while only 5% of the land farms were classified as non-suitable (N). It was concluded that the current decline in crop performance in some land units could be attributed to such limiting factors as lime, texture, salinity, and alkalinity. Production potential modeling by the standard and stepwise regression methods revealed coefficients of determination equal to 0.84 and 0.82 and standard errors (ME) of 0.52 and 0.59, respectively. This is while coefficients of determination calculated via the second- and third-degree estimation curve methods for linear modeling were 0.90, 0.91, and 0.92 with the corresponding standard errors of 0.51, 0.50, and 0.50, respectively. The third-degree estimation curve method that draws upon the FAO growth model to predict crop performance, therefore, seems to outperform the standard and stepwise regression models that only takes into account the effects of land characteristics and the observed performance. Thus, the proposed methods were found effectively capable of identifying production limitations of the lands in the study area for use in the optimal management and production potential modeling of wheat as a strategic crop in the region.
Keywords
Land evaluation; Parametric; Calcareous soils; Khuzestan Province; Modeling
References
  1. آزادی، ا. بنی نعمه، ج.، و س. ع سید جلالی. 1400. ارزیابی تناسب سرزمین برای کشت گندم در برخی خاک‌های شور جنوب استان خوزستان. پژوهش‌های خاک، 35(3):234-216.
  2. باقری بداغ‌آبادی، م.1390. ارزیابی سرزمین کاربردی و آمایش سرزمین. انتشارات پلک، تهران. ایران. 404 صفحه.
  3. ثروتی، م.، جعفرزاده، ع.ا.، قربانی، م.، شهبازی، ف. و ، ن. دواتگر. 1393. مقایسه مدل‌های فائو و آلبرو در برآورد پتانسیل تولید گندم آبی در منطقه خواجه. مجله دانش آب و خاک، 24(3):1-14.
  4. جلالیان، ا.، رستمی نیا، م.، ایوبی، ش.، و م. امینی. 1386. ارزیابی کیفی، کمی و اقتصادی تناسب اراضی برای گندم، ذرت و کنجد در دشت مهران، ایلام. مجله علوم و فنون کشاورزی و منابع طبیعی، 42(ب): 393-403.
  5. زین‎الدینی، ع.، تومانیان، ن.، نویدی، م.ن.، فرج‎نیا، ا. و ع.ر.، سیدجلالی. 1398. نیازهای رویشی گیاهان مهم باغبانی کشور. موسسه تحقیقات خاک و آب، کرج، ایران.
  6. زین الدینی، ع.، سید جلالی، س. ع.، نویدی، م. ن.، ابراهیمی میمند، ف.، فرج نیا، ا.، و غ. زارعیان. 1399. ارزیابی پتانسیل تولید گندم در برخی از دشت‌های کشور.  نشریه مدیریت اراضی. 1(1): 1-11.
  7. زینالی، م.، جعفرزاده، ع.ا.، , شهبازی، ف.، و ش. اوستان. 1395. ارزیابی کیفی، کمی و اقتصادی تناسب اراضی برای گندم، جو، ذرت و آفتابگردان در بخشی از دشت خوی. دانش آب و خاک3(2): 15-29.
  8. سیدجلالی ، س.ع.، 1378 . ارزیابی تناسب و تعیین مدل پتانسیل تولید اراضی برای گندم در منطقه میان آب شوشتر، استان خوزستان، نشریه فنی شماره 1064 ، موسسه تحقیقات خاک و آب.
  9. سیدجلالی، س.ع. 1392. مدلسازی ارزیابی تناسب اراضی و تخمین پتانسیل تولید اراضی برای گندم آبی با استفاده از نظریه سامانه‌های فازی و زمین آمار در دشت گتوند استان خوزستان. رساله دکتری علوم خاک، دانشکده مهندسی و فناوری کشاورزی دانشگاه تهران، 244 صفحه.
  10. سید جلالی، س.، نویدی، م.ن.، و ع. زین الدینی میمند. 1400. برآورد پتانسیل تولید نیشکر با مدل‌های مختلف در اراضی جنوب استان خوزستان. پژوهش های خاک. 35(1): 59-74.
  11. طاهر زاده، م.ح .1368. مطالعات خاکشناسی نیمه تفصیلی سردشت خوزستان . نشریه فنی شماره 769 ، مؤ سسه تحقیقات خاک و آب، 82 صفحه.
  12. سیدمحمدی، ج.، و ل . اسماعیل‎نژاد. 1393. ارزیابی کیفی و کمی تناسب اراضی برای برنج در نواحی مرکزی گیلان. دانش آب و خاک، 24(1): 165-181.
  13. شاکری، س.، اولیایی، ح.ر.، , ابطحی، س.، وا . آزادی. 1394. مطالعه خاک شناسی و تناسب اراضی خاک‌های شور و گچی منطقه برم الوان استان کهگیلویه و بویراحمد. انسان و محیط زیست. 13(3): 15-27.
  14. شاهرخ، و.، ایوبی ، ش.، و ا. جلالیان. 1391. ارزیابی تناسب اراضی برای کشت گلخانه‌ای خیار در مقایسه با سایر کاربری‌های موجود در منطقه مبارکه و زرین‌شهر به کمک تکنیک فرایند تحلیل سلسله مراتبی. روابط خاک و گیاه. ۳ (۱) :۱۳-۱.
  15. طاعتی، ع.، و ف. سرمدیان. 1393. پهنه‌بندی اگرواکولوژیکی بخشی از اراضی قزوین برای کشت گندم (Triticum aestivum L.) با استفاده از RS و GIS . بوم شناسی کشاورزی. 7(3): 368-380.
  16. گیوی، ج.، و ا. حقیقی. 1394. برآورد پتانسیل تولید و ارزیابی کمی تناسب اراضی شمال شهرکرد برای کشت آبی کلزا (Brassica napus). . نشریه آب و خاک. 29(6):1651-1661.
  17. گیوی ج، 1377. ارزیابی کیفی، کمی و اقتصادی تناسب و تعیین پتانسیل تولید اراضی برای محصولات منطقه فلاورجان اصفهان. موسسه پژوهش‌های برنامه‌ریزی و اقتصاد کشاورزی، تهران، 346 صفحه.
  18. مصدقی، ع.، اکبری،ن.، بخشنده، ع.، سرمدیان،ف.، نصیری،ب.، و س. صوفی­زاده. 1398. پهنه‌بندی آگرواکولوژیکی نظام‌های تولید گند (Triticum aestivum L.) دشت کشاورزی شاوور خوزستان با به‌کارگیری فناوری RS و . بوم شناسی کشاورزی، 11(4): 1543-1527.
  19. موسوی، س.ا.، سرمدیان، ف.، و ع. طاعتی. 1397. ارزیابی تناسب اراضی برای جو دیم با استفاده از تکنیک فرآیند تحلیل سلسله مراتبی (AHP) و GIS در بخشی از کوهین. دانش آب و خاک. 28(2)، 179-192.
  20. نویدی، م.ن.، سیدمحمدی،ج.، بازرگان، ک.، خسروی نژاد، ا.، و ب. دلسوز خاکی. 1400. شناسایی استعداد اراضی و مشخص‎سازی محدودیت‎ها برای کشت آبی گندم در بخشی از اراضی دشت قزوین با استفاده از تکنیک‎های فازی و تحقیقات آب و خاک ایران، 52(4): 943-955.
  21. Abbasi, N.A., Ali, M.N.H.A.‚ Abbasi, B.‚ Soomro, S.A.‚ Nangraj, N.A.K.‚ Sahto‚ J.G.M.‚ and S.A. Morio. 2019. Assessment of agricultural land suitability using fuzzy set method‚ Pakistan Journal of Agricultural Research. 32(2):252-259.
  22. Abd-Elmabod, S.K., Bakr, N., Muñoz-Rojas, M., Pereira, P., Zhang, Z., Cerda, A., Jordan, A., Mansour, H., De La Rosa, D. and L. Jones. 2019. Assessment of Soil Suitability for Improvement of Soil Factors and Agricultural Management. Sustainability. 11(6): 1588.
  23. Azadi, A., and M. Baghernejad. 2018. Qualitative land suitability assessment and estimating land production potential for main irrigated crops in northern of Fars province. Agriculture & Forestry/Poljoprivreda i Sumarstvo, 64(4).
  24. Bagherzadeh, A., and A,Gholizadeh. 2016. Modeling land suitability evaluation for wheat production by parametric and TOPSIS approaches using GIS, northeast of Iran. Model Earth Syst Environ. P: 2-126.
  25. Baroudy, A.A.E. 2016. Mapping and evaluating land suitability using a GIS-based model. Catena 140: 96– 104.
  26. Becker-Reshef A, E. Vermote A, M. Lindeman and B. C. Justice. 2010. A generalized regression-based model for forecasting winter wheat yields in Kansas and Ukraine using MODIS data. Remote Sensing of Environment 114: 1312–1323.
  27. Burt R. 2014. Soil Survey Laboratory Methods Manual. United States Department of Agriculture, Natural Resources Conservation Service, USA, 700p.
  28. FAO, Rome.Samranpong, C., Ekasingh, B., and M. Ekasingh. 2009. Economic land evaluation for Agricultural Resource management in Northern Thailand. Environmental Modeling and Software. 24(12):1381-1390.
  29. Food and Agricultural Organization. 1979. Report on agro-ecological zones project. Vol. 1: Methodology and result for Africa. World soil resources report No. 48,
  30. Mousavi S, R., F, Sarmadian, Z, Alijani., and A, Taati. 2017. Land suitability evaluation for irrigating wheat by Geopedological approach and Geographic Information System: A case study of Qazvin plain, Iran. Journal of Soil Science. 6 (3). P: 275.
  31. Padilla, F.L.M.., Maas. S.J., Gonz M.P., lez-Dugo., F. Mansilla, N. Rajan, Gavil, P., and J. Donguez. 2012. Monitoring regional wheat yield in Southern Spain using the GRAMI model and satellite imagery. Field Crops Research. 130: 145–154.
  32. Ren, J. Q., Chen, Z. X., Zhou, Q. B., and H. J, Tang. 2008. Regional yield estimation for winter wheat with MODIS-NDVI data in Shandong, China. International Journal of Applied Earth Observation and Geoinformation. 10: 403−413
  33. Samranpong, C., Ekasingh, B., and M. Ekasingh. 2009. Economic land evaluation for Agricultural Resource management in Northern Thailand. Environmental Modeling and Software. In Press, Corrected Proof.
  34. Soil survey staff. 2014. Keys to Soil Taxonomy. 12th edition, United State Department of Agriculture, National Soil Survey Center. Natural Resources Conservation Service.
  35. Sposito, C. 2016. The Chemistry of Soils. 3rd edition, Oxford University Press, 272p.
  36. Storie, R. E. 1978. Storie index soil rating (revised). Spec. publ. Div. Agric. Sci. No. 3203. University of Calif. Berkley, USA.
  37. Sys, C, E, Van Ranst, and J. Debaveye.1993. Land evaluation, Part III. Crop requirements. General Administration for development cooperation, Brussels.
  38. Sys, C, E, Van Ranst., and J. Debaveye. 1991. Land evaluation, Part I and II. General Admhnstration for development cooperation, Brussels.
  39. Sys, C., Vanrast, E., and J. Debavaye. 1991b. Land evaluation. Part II . Method of land evaluation. International traninig center for post graduate soil scientist. Ghent University. Ghent, Belgium. 247p.
  40. Bhagat, R.M., Singh, Sh., Sood, C., Rana, R.S., Kalia, V., Pradhan, S., Immerzeel, W., and B. Shrestha. 2009.Land suitability analysis for cereal production in Himachal Pradesh (India) using geographical information system. Journal of the Indian Society of Remote Sensing. 37: 233–240.
  41. Zabihi, H., Ahmad, A., Vogeler, I., Said, M.N., Golmohammadi, M., Golein, B and M .Nilashi,. 2015. Land suitability procedure for sustainable citrus planning using the application of the analytical network process approach and GIS. Computers and Electronics in Agriculture. 117: 114–126.
  42. Zhang, J., Su, Y., Wu, J., and H. Liang. 2015. GIS based land suitability assessment for tobacco production using AHP and fuzzy set in Shandong province of China. Computers and Electronics in Agriculture archive. 114: 202- 211.
  43. Zeinadini Meymand, A., Bagheri Bodaghabadi, M., Moghimi, A., Navidi, M. N., Ebrahimi Meymand, F., and Amir Pour,. 2018. Modeling of yield and rating of land characteristics for corn based on artificial neural network and regression models in southern Iran. Desert. 23(1): 85-95.‏
Statistics
Article View: 912
PDF Download: 301


counter
Journal management system. designed by sinaweb