استفاده از روش تحلیل عاملی چند متغیره در ارزیابی تناسب اراضی گیاه زینتی- دارویی گل محمدی در شمال شرق ایران

Subject Areas : Journal of Ornamental Plants

علیرضا انورخواه حکم آبادی ¹ (گروه کشاورزی، واحد شیروان، دانشگاه آزاد اسلامی، شیروان، ایران)
مریم تاتاری ² (گروه کشاورزی، واحد شیروان، دانشگاه آزاد اسلامی، شیروان، ایران)
علی باقرزاده چهارجویی ³ (گروه کشاورزی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران)
محید رحیمی زاده ⁴ (گروه کشاورزی، واحد بجنورد، دانشگاه آزاد اسلامی، بجنورد، ایران)

Received: 2022-08-11 Accepted : 2022-09-28 Published : 2022-09-01

Keywords: تحلیل عاملی, GIS, تناسب اراضی, گل محمدی, چند متغیره آماری,

Abstract :

عدم آگاهی از عوامل حیاتی در تولید و کشت گیاهان در مناطق نامناسب ­می تواند باعث افزایش استفاده از کودهای شیمیایی برای جلوگیری از کاهش عملکرد گیاه شود. در پژوهش حاضر، از روش تحلیل عاملی (FA) با روش تحلیل مؤلفه‌های اصلی (PCA) به‌عنوان روش آماری چند متغیره جهت ارزیابی پهنه‌بندی تناسب اراضی ۳۶۷۰۰ نقطه برای کشت گل محمدی در استان خراسان شمالی، شمال شرق ایران استفاده شد. برای این منظور ۱۶ متغیر استخراج شده پردازش شد که منتهی به چهار عامل شد که حدود ۹۰ درصد از واریانس کل را تبیین می کند. واریانس توضیح داده شده این عوامل از 28/573تا 8/855درصد به ­ترتیب برای فاکتورهای یکم و چهارم پس از چرخش واریماکس (Varimax) متغیر بود. نقشه پهنه‌بندی تناسب اراضی نشان داد که 2/61 درصد (665/6 کیلومترمربع) مساحت سطح بسیار مناسب، 95/78درصد (24210/47 کیلومترمربع) نسبتاً مناسب و 1/61درصد (409/74 کیلومترمربع) از سطح منطقه برای تولید گل محمدی مناسب است. پراکندگی جغرافیایی نشان داد که نقاط با تناسب بسیار بالا در بخش‌های غربی، میانی و شرقی منطقه مورد مطالعه قرار گرفته‌اند، در حالی‌که بخش میانی منطقه مورد مطالعه و برخی از بخش‌های پراکنده در شرق، شمال شرق و شمال غرب تناسب متوسطی دادند. مهم‌ترین عوامل محدودکننده برای کاشت گل محمدی در منطقه مورد مطالعه، عوامل اقلیمی شامل میانگین دما در طول دوره رشد، میانگین دما در طول جوانه‌زنی و میانگین دمای گلدهی بود.

References:

Ahmed, B.Y.M. 1997. Climatic classification of Saudi Arabia: An application of factor-cluster analysis. Geo Journal, 41(1): 69-84.

Alijani, B., Ghohroudi, M. and Arabi, N. 2008. Developing a climate model for Iran using GIS. Theoretical and Applied Climatology, 92(1): 103-112.

Bagherzadeh, A., Gholizadeh, A. and Alizadeh Motaghi, F. 2021. The feasibility of ash and spruce forest plantations in the Northeast of Iran. Environmental Resources Research, 9(1): 1-12.

Bartzokas, A. and Metaxas, D.A. 1995. Factor analysis of some climatological elements in Athens, 1931–1992: Covariability and climatic change. Theoretical and Applied Climatology, 52(3): 195-205.

Boskabady, M.H., Shafei, M.N., Saberi, Z. and Amini, S. 2011. Pharmacological effects of Rosa damascena. Iranian Journal of Basic Medical Sciences, 14(4): 295.

Bruneau, A., Starr, J.R. and Joly, S. 2007. Phylogenetic relationships in the genus Rosa: New evidence from chloroplast DNA sequences and an appraisal of current knowledge. Systematic Botany, 32(2): 366-378.

Bukantis, A. 2002. Application of factor analysis for quantification of climate-forming processes in the Eastern part of the Baltic Sea region. Climate Research, 20(2): 135-140.

Cairns, T., Young, M., Adams, J. and Edberg, B. 2000. Modern roses XI, the world encyclopedia of roses. Academic Press, London.

Emad, M., Gheibi, F., Rasouli, S.M., Khanjanzadeh, R. and Mohammadi Jozani, S. 2012. Rosa damascena. Pooneh Publication. (In Persian)

FAO. 1976. A framework for land evaluation: Soils Bulletin 32, Food and Agriculture Organization of the United Nations, Rome, Italy.

FAO. 1984. Land evaluation for forestry, forestry paper 48: Food and Agriculture Organization of the United Nations, Rome, Italy.

Gholizadeh, A., Bagherzadeh, A. and Keshavarzi, A. 2020. Model application in evaluating land suitability for OAK and PINE forest plantations in Northeast of Iran. Geology, Ecology, and Landscapes, 4(3): 236-250.

Gorsuch, R.L. 1983. Factor analysis, 2nd ed. Lawrence Erlbaum, Hillsdale.

Harborne, J.B. 1967. The anthocyanin pigments. IV. Table of Rf value and sources. In: Comparative biochemistry of the Flavonoids. Academic Press, London.

Hongratanaworakit, T. 1994. Relaxing effect of rose oil on humans. Natural Product Communications, 2009; 4: 291-296. In: Hoover, C. “Don’t just smell the roses - eat their seed pods”. The Herbarist, 60: 51-52.

Jolliffe, I.T. 1986. Principal component analysis. Springer, New York, 271.

Kiani, M., Zamani, Z., Khalighi, A., Fatahi, R. and Byrne, D.H. 2009. Microsatellite analysis of Iranian damask rose (Rosa damascena Mill.) germplasm. Plant Breeding, 129(5): 551-557.

Lavalle, C., Micale, F., Houston, T.D., Camia, A., Hiederer, R., Lazar, C., Conte, C., Amatulli, G. and Genovese, G. 2009. Climate change in Europe. 3. Impact on agriculture and forestry. A review. Agronomy for Sustainable Development, 29(3): 433-446.

Loehlin, J.C. 1992. Latent variable models. Lawrence Erlbaum, Hillsdale.

Mansouri Daneshvar, M.R., Bagherzadeh, A. and Alijani, B. 2013. Application of multivariate approach in agrometeorological suitability zonation at Northeast semiarid plains of Iran. Theoretical and Applied Climatology, 114(1): 139-152.

Marcelis-van Acker, C.A.M. 1995. Effect of temperature on development and growth potential of axillary buds in roses. Scientia Horticulturae, 63(3-4): 241-250.

McBoyle, G.R. 1973. Climate classification of Australia by computer. In: McBoyle GR (ed) climate in review. Houghton Mifflin, Boston, pp 110–118.

Murray, A.T. 1999. Spatial analysis using clustering methods: Evaluating central point and median approaches. Journal of Geographical Systems, 1(4): 367-383.

Ouyang, Y. 2005. Application of principal component and factor analysis to evaluate surface water quality monitoring network. Water Research, 39: 2621–2635.

Paschalidou, A.K., Kassomenos, P.A. and Bartzokas, A. 2009. A comparative study on various statistical techniques predicting ozone concentrations: Implications to environmental management. Environmental Monitoring and Assessment, 148(1): 277-289.

Russell, J.S. and Moore, A.W. 1976. Classification of climate by pattern analysis with Australasian and Southern African data as an example. Agricultural Meteorology, 16(1): 45-70.

Steiner, D. 1965. A multivariate statistical approach to climatic regionalization and classification. Tijdschr Hon Ned Aardr Genoot, 82: 329–347.

Sys, C., van Ranst, E. and Debaveye, J. 1991. Land evaluation. Part I: Principles in land evaluation and crop production calculations. Agricultural Publications N. 7, GADC, Brussels, Belgium, 1991.

Sys, C., van Ranst, E., Debaveye, J. and Beernaert, F. 1993. Land evaluation. Part III: Crop requirements. Agricultural Publications n° 7, GADC, Brussels, Belgium, 1993, 191 p.

Rossiter, D.G. 1996. A theoretical framework for land evaluation. Geoderma, 72(3–4):165–190.

Ushio, A., Mae, T. and Makino, A. 2008. Effects of temperature on photosynthesis and plant growth in the assimilation shoots of a rose. Soil Science and Plant Nutrition, 54(2): 253-258.

Wilks, D.S. 2011. Statistical methods in the atmospheric sciences. An introduction. International Geophysics Series 59. Academic, San Diego, pp 467.

Yadollah, A., Shahhosseini, R., Sahms, A. and Khosravi, H. 2012. Sustainable agriculture in Quran. Journal of Agricultural Science and Sustainable Production, 22 (2): 101-111.

Yussouf, N., Stensrud, D.J. and Lakshmivarahan, S. 2004. Cluster analysis of multi-model ensemble data over new England. Monthly Weather Review, 132(10): 2452-2462.