Diese Untersuchung konzentrierte sich auf die Bewertung der Eignung von Land für den Reisanbau in der Region Kabba/Bunu, Nigeria, unter Verwendung eines integrierten Ansatzes, der den Analytic Hierarchy Process (AHP) mit einem geografischen Informationssystem (GIS) kombiniert. Bei der Auswahl der Schlüsselfaktoren wie Klima, Boden, Topographie und Landnutzung/Bodenbedeckung (LULC) wurden die Richtlinien der FAO und die Empfehlungen von Experten berücksichtigt. Durch die Integration der GIS-gestützten Multikriterien-Entscheidungsanalyse (MCDA) und die Anwendung des AHP zur Priorisierung dieser Faktoren entwickelten wir gewichtete Eignungsebenen, die in der Erstellung einer umfassenden Karte mit den für den Reisanbau optimalen Gebieten gipfelten. Die Flächen wurden in fünf Eignungsstufen eingeteilt: besonders geeignet, eher geeignet, geeignet, weniger geeignet und nicht geeignet. Die Ergebnisse bestätigen die Wirksamkeit des AHP bei der Durchführung solcher Analysen, sofern die richtigen Variablen ausgewählt werden. Insbesondere wurden etwa 38 % der Region, vor allem im Süden, als mäßig geeignet für den Reisanbau eingestuft.

Autorentext

Mit mehr als zehn Jahren Programmiererfahrung und einem Master in GIS und Informatik bringt James Oladimeji einen vielseitigen Hintergrund aus seinem ursprünglichen Bachelor-Abschluss in Landwirtschaft mit. Derzeit promoviert der Autor an der UNICAF Universität in Malawi und arbeitet als KI-Ingenieur bei Turing LLC, wo er sich auf Prompt-Engineering mit ChatGPT-Anwendungen konzentriert.