تهیه نقشه اراضی تحت کشت زعفران با استفاده از شاخص گیاهی زمان مند مبتنی بر تقویم زراعی ( مطالعه موردی: دهستان دربقاضی شهرستان نیشابور)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مرتع و آبخیزداری دانشکده منابع طبیعی و علوم زمین دانشگاه کاشان

2 دانشجوی دکتری بیابانزدایی دانشکده کویر شناسی دانشگاه سمنان

3 استادیار عضو هیات علمی دانشگاه تربت حیدریه

چکیده

در سال‌های اخیر کشت زعفران در نیشابور به دلیل نیاز پایین آبی و درآمدزایی مناسب بیش‌ازپیش موردتوجه کشاورزان قرارگرفته است. برنامه‌ریزی به‌منظور بازاریابی این محصول استراتژیک و تهیه نهاده‌های کشاورزی مرتبط با زعفران مستلزم به‌روز بودن آمار از سطح زیر کشت است. در این تحقیق از تصاویر ماهواره‌ای لندست 8 و روش اختلاف‌زمانی مبتنی بر فنولوژی گیاهی برای تهیه مناطق زیر کشت این محصول در دهستان دربقاضی نیشابور استفاده گردید. یک تصویر ماهواره‌ای از خردادماه مربوط به دوره خواب گیاه و یک تصویر نیز از دی‌ماه مربوط به دوره رویشی گیاه اخذ گردید. با استفاده از تفاوت شاخص گیاهی اراضی زعفران از دیگر محصولات کشاورزی تفکیک گردید. در این تحقیق سطح زیر کشت زعفران در منطقه مورد مطالعه 1229 هکتار با صحت کلی 82 درصد محاسبه گردید. همچنین نتایج پژوهش نشان می‌دهد دقت این روش به‌اندازه قطعات اراضی کشاورزی وابسته است. به‌طوری‌که در اراضی کوچک‌تر از 2000 مترمربع صحت کاربر 62 درصد، در اراضی با مساحت بین 2000 تا 5000 مترمربع صحت 72 درصد، در قطعات بین نیم تا یک هکتار صحت 81 درصد و در اراضی بیش از یک هکتار صحت 90 درصد طبقه‌بندی می‌باشد. نتایج این تحقیق نشان از کارایی مناسب این روش جهت برآورد سطح زیر کشت زعفران در سایر نقاط کشور است.

کلیدواژه‌ها


Abaszadeh, N., Beheshtefar, M., and Morabi, M., 2012. Crop Type Mapping in Qazvin by Using Multi- Temporal Satellite Images: IRSC-LISSIII DATA. Environmental Research. 2(3), 87-96. [In Persian with English Summary].

Aghaei, M., and Rezagholizadeh, M., 2011. Iran's comparative advantage in production of saffron. Journal of Development and Agricultural Economics. 25, 121–132. [In Persian with English Summary].

Alavizade, S.A.M., Mirlotfi, M.R., and Naimabadi, N., 2016. The effects of saffron economic stability of rural residents in the Darbeghazi district city of Neyshabur. Saffron Agronomy and Technology. 4(2), 133-142. [In Persian with English Summary].

Alipour, F., Aghkhani, M.H., Abasspour-Fard, M.H., and Sepehr, A., 2014. Demarcation and estimation of agricultural lands using ETM+ imagery data (Case study: Astan-e Ghods Razavi great farm). Agricultural Machinery. 4(2), 244-254. [In Persian with English Summary].

Amirshekari, H., Sorooshzadeh, A., Modarress Sanavy, A., and Jalali Javaran, M., 2007. Study of effects of root temperature, corm size, and gibberellin on underground organs of saffron (Crocus sativus L.). Iranian Journal of Biology. 19, 5–18. [In Persian with English Summary].

Atkinson, P.M., Jeganathan, C., Dash, J., and Atzberger, C., 2012. Inter-comparison of four models for smoothing satellite sensor time-series data to estimate vegetation phenology. Remote Sensing of Environment. 123, 400–417.

Bashiri, M., and Salari, A., 2016. Using geostatistics for zoning areas suitable for saffron cultivation in the Khorasan-e Razavi province based on climatological parameters. Saffron Agronomy and Technology. 4(2), 155-167. [In Persian with English Summary].

Bouzarjmehri, K., Sheikh Ahmadi, F., and Javani, K., 2016. Investigating financial impacts of cultivating saffron on rural families with an emphasis on unstainable agriculture (Case Study: Balavelayat Rural District, City of Bakharz). Saffron Agronomy and Technology. 4(1), 63-73. [In Persian with English Summary].

Cao, R., Chen, J., Shen, M., and Tang, Y., 2015. An improved logistic method for detecting spring vegetation phenology in grasslands from MODIS EVI time-series data. Agricultural and Forest Meteorology. 200, 9–20.

Chemura, A., Mutanga, O., and Dube, T., 2017. Integrating age in the detection and mapping of incongruous patches in coffee (Coffea arabica) plantations using multi-temporal Landsat 8 NDVI anomalies. International Journal of Applied Earth Observation and Geoinformation. 57, 1–13.

Hamzei, M., and Bouzarjmehri, K., 2015. Analysis of effects and factors influencing on increasing the cropping pattern of saffron in the City of Neyshabur Case study: Ishaq Abad district. Saffron Agronomy and Technology. 2(4), 277-288. [In Persian with English Summary].

Kandasamy, S., and Fernandes, R., 2015. An approach for evaluating the impact of gap sand measurement errors on satellite land surface phenology algorithms: application to 20 years NOAA AVHRR data over Canada. Remote Sensing of Environment. 164, 114–129.

Khozeymehnezhad, H., Farhangfar, H., Behdani, M.A., and Hassanpour, M., 2016. Assessment of saffron farmers knowledge on the issues associated with irrigation (Case study: Southern Khorasan). Saffron Agronomy and Technology. 4(1), 41-50. [In Persian with English Summary].

Koocheki, A., 2013. Research on production of saffron in Iran: Past trend and future prospect. Saffron Agronomy and Technology. 1(1), 3-21. [In Persian with English Summary].

Koocheki, A., and Seyyedi, S.M., 2015. Phonological stages and formation of replacement corms of saffron (Crocus sativus L.) during growing period. Journal of Saffron Research. 3(2), 134-154. [In Persian with English Summary].

Koohbanani, H., Dashti Amirabad, J., Nikoo, S., and Taya, A., 2017. Desertification-intensity zoning through Fuzzy-Logic approach: (Case study: Deyhook, Tabas). Environmental Erosion Research. 7(1), 35-49. [In Persian with English Summary].

Kumar, R., Singh, V., Devi, K., Sharma, M., Singh, M.K., and Ahuja, P.S., 2009. State of art of saffron (Crocus sativus L.) agronomy: A comprehensive review. Food Reviews International. 25, 44–85.

Landsat-8 (L8)., 2016. Data User Handbook, Landsat Project Science Office at NASA's Goddard Space Flight Center in Greenbelt, 1168. Available at: http://landsathandbook.gsfc.nasa.gov/pdfs

Masi, E., Taiti, C., Heimler, D., Vignolini, P., Romani, A., and Mancuso, S., 2016. PTR-TOF-MS and HPLC analysis in the characterization of saffron (Crocus sativus L.) from Italy and Iran. Food Chemistry. 192, 75-81.

Mohtashami, T., Karbasi, A., Zandi, B., and Gharibi, D., 2016. Economic analysis and comparison of technical efficiency in small and large saffron farms of Khorasan Razavi province. Saffron Agronomy and Technology. 4(2), 119-132. [In Persian with English Summary].

NASA., 2011. Landsat 7 Science Data Users Handbook Landsat Project Science Office at NASA's Goddard Space Flight Center in Greenbelt, 186. http://landsathandbook.gsfc.nasa.gov/pdfs/Landsat7_Handbook.pdf

Rahimzadegan, M., and Pourgholam, M., 2017. Identification of the area under cultivation of Saffron using Landsat-8 temporal satellite images (Case study: Torbat Heydarieh). RS and GIS for Natural Resources. 7(4), 97-115. [In Persian with English Summary].

Ramezankhani, M., Mokhtarzadeh, S., and Sahebi, M.R., 2011. Comparison of Separativeness of Agricultural Products in Multi- time Classification by Statistical Methods and Neural Networks, Geomatics conference, Tehran, Iran. [In Persian].

Tewari. S., Kulhavy, J., Rock, B.N., and Hadas, P., 2003. Remote monitoring of forest response to changed soil moisture regime due to river regulation. Journal of Forest Science. 49, 429–438.

Yaghoubi, F., Jami Al-Ahmadi, M., Bakhshi, M.R., and Sayyari, M.H., 2016. Comparison of indicators of technical and economic water use efficiency in saffron and wheat production systems in the Qaenat region. Saffron Agronomy and Technology. 3(4), 277-288. [In Persian with English Summary].

You, X., Meng, J., Zhang, M., and Dong, T., 2013. Remote sensing based detection of crop phenology for agricultural zones in China using a new threshold method. Remote Sensing. 5, 3190-3211.