کاربرد فرآیند تحلیل شبکه ای در احیای دیم زارهای کم بازده و رهاشده با مرتع کاری (مطالعه موردی: حوزه آبخیز بالخلی چای اردبیل)

در این مطالعه برای مشخص نمودن مهم‌ترین عوامل موثر در مکانیابی اراضی دیم مستعد احیاء و تعیین مکان های دارای اولویت مرتع کاری، شرایط اکولوژیکی در پنج معیار اقلیمی، توپوگرافی، ژئومورفولوژی، خاک‌شناسی و کاربری اراضی و هرکدام با سطوح زیرمعیار تعریف شده، مورد بررسی قرار گرفت. سپس پرسشنامه ای طراحی و توسط 10 نفر از کارشناسان متخصص تکمیل و به معیارها و زیرمعیارهای مربوطه امتیاز داده شد. نتایج محاسبه وزن معیارها نشان داد که از عوامل اصلی اثرگذار در مکانیابی دیم‌زارهای مستعد احیا، بیشترین تاثیر را توپوگرافی و اقلیم به ترتیب با وزن 0.43 و 0.26 داشته اند و پس‌ازآن عوامل خاکشناسی و کاربری اراضی دارای اولویت های بعدی می‌باشند. عامل ژئومورفولوژی نیز با وزن 0.06 کمترین اثر را داشته است. پس از آماده سازی نقشه های پایه، این لایه ها و وزن های مدل فرآیند تحلیل شبکه ای در سیستم اطلاعات جغرافیایی با همدیگر ترکیب‌شده و نقشه پتانسیل احیای دیم‌زارهای حوزه در پنج کلاس به دست آمد. نتایج نشان داد که 19165 هکتار از سطح دیم‌زارهای کم بازده و رهاشده معادل 32.35 درصد، دارای استعداد یا پتانسیل خیلی زیاد برای احیا می باشند. کمترین سطح اراضی برابر با 3445 هکتار و 5.81 درصد دارای پتانسیل خیلی کم می باشند. به طورکلی باتوجه به نتایج 75.54 درصد از این اراضی پتانسیل احیای متوسط به بالا دارند و این درصد نشان دهنده توان بالای منطقه برای مرتع کاری و احیای اراضی دیم کم بازده و رهاشده است. لذا می توان از این روش در تعیین مناسب ترین اراضی دیم‌ مستعد احیا و علوفه کاری و بازگشت این اراضی به مرتع استفاده نمود تا موفقیت پروژه های تبدیل دیم‌زار بیشتر گردد.

Using a network analysis process in the restore of low yielding and abounded dry farming lands with range planting (Case study: Balekhli Chay watershed)

In this study, ecological conditions were investigated in five criteria; climatic, topography, geomorphology, soil and land use, with the defined subcriteria in order to determine the most important factors in locating the capable dry farming lands and determining the priority areas for planting. Then a questionnaire was designed and completed by 10 experts to give score the criteria and subcriteria. The results showed that among the main effective factors, the topography and the climate had the highest effects, respectively, with a weight of 0.43 and 0.26, and soil and land use factors are the next priorities. The geomorphologic factor has the lowest effect of 0.60 weights. After preparing the base maps, these layers and weights of the network analysis process model were combined together with GIS and the restore potential map was obtained in five classes. The results showed that 19165 hectares of lowyielding and abandoned dryfarming lands (35.32%) have the highest potential for restoration. The lowland area is 3445 hectares and 5.81 percent has very low potential. In general, according to the results, 75.54 percent of these lands have a medium to the high potential for restoration. This percentage represents higher capacity and efficiency of the region to range planting and rehabilitation of low yielding and abandoned dryfarming lands. Therefore, this method can be used in determining the most suitable dryfarming lands for restoration and forage planting and returning these lands to rangelands so that the success of the development projects of the dryfarming lands is further enhanced.