Journal of Watershed Management Research

fa تحلیل حساسیت مکان-محور وزن های چند معیاره در ارزیابی مکان‌یابی سامانه‌های استحصال آب (مطالعه موردی: حوضه آبخیز Hawkesbury-Nepean ، سیدنی، استرالیا) Spatially-explicit Sensitivity Analysis of Multi-Criteria Weights in the Site Selection of Water Harvesting Systems (A case study: Hawkesbury-Nepean catchment, Sydney, Australia) مديريت حوزه های آبخيز مديريت حوزه های آبخيز پژوهشي Research مقدمه و هدف: در دهه‌های اخیر، افزایش تقاضا برای منابع آب و وقوع پدیده‌های خشکسالی در بسیاری از نقاط جهان، به‌ویژه در مناطق خشک و نیمه‌خشک، سبب شده تا توسعه راهکارهای پایدار برای بهره‌برداری از منابع آب به یک ضرورت تبدیل شود. یکی از راهکارهای مؤثر در این زمینه، استحصال آب باران از طریق ساخت سدهای کشاورزی کوچک است. مکان‌یابی بهینه این سازه‌ها، نیازمند به‌کارگیری روش‌های تحلیلی دقیق و جامع در چارچوب سیستم‌های اطلاعات جغرافیایی (GIS) و تصمیم‌گیری چندمعیاره (MCDA) است. با توجه به آنکه وزن‌دهی به معیارها نقش محوری در نتایج مدل‌های مکانی ایفا می‌کند، تحلیل حساسیت نسبت به وزن معیارها می‌تواند به‌عنوان ابزاری مؤثر برای ارزیابی پایداری و اعتمادپذیری این مدل‌ها تلقی شود. پژوهش حاضر با هدف تحلیل حساسیت فضامند وزن معیارها در فرآیند مکان‌یابی سامانه‌های استحصال آب در حوضه آبریز Hawkesbury-Nepean در غرب شهر سیدنی استرالیا، با بهره‌گیری از ابزار AHP-SA2 و روش OAT انجام گرفته است. مواد و روش‌ها: منطقه مورد مطالعه شامل بخشی از حوضه آبریز Hawkesbury-Nepean با وسعتی معادل 174 کیلومتر مربع در غرب سیدنی است. این منطقه از منظر اقلیم، توپوگرافی و ویژگی‌های ژئومورفولوژیکی دارای تنوع قابل‌توجهی بوده و شامل کاربری‌های اراضی مختلفی از جمله شهری، کشاورزی، مرتعی و تجاری است. شش معیار کلیدی برای ارزیابی تناسب مکانی شامل رواناب، شیب، رتبه جریان، گروه هیدرولوژیکی خاک (HSG)، قابلیت اراضی و کاربری اراضی انتخاب شد. برای برآورد رواناب از روش استاندارد SCS-CN استفاده شد. وزن‌دهی معیارها از طریق فرآیند تحلیل سلسله‌مراتبی (AHP) صورت گرفت و ضریب سازگاری (CR) برای ماتریس مقایسه زوجی محاسبه شد تا از صحت وزن‌ها اطمینان حاصل شود.تحلیل حساسیت با استفاده از ابزار AHP-SA2 انجام شد که قابلیت ارزیابی تاثیر تغییرات وزن هر معیار بر نتایج فضامند مدل را داراست. در این تحلیل، دامنه تغییر درصدی برای وزن معیارها برابر با ±۲۰٪ و گام تغییر برابر با ±۵٪ در نظر گرفته شد. در مجموع، ۴۸ اجرای شبیه‌سازی برای ارزیابی حساسیت شش معیار به‌طور مستقل انجام شد. تغییرات در طبقه‌بندی نقشه‌های تناسب مکانی به تفکیک سناریوهای مختلف تحلیل گردید. یافته‌ها: نتایج نشان داد معیار رواناب بیشترین حساسیت را نسبت به تغییر وزن داراست؛ به‌گونه‌ای که حتی تغییرات اندک در وزن این معیار سبب تغییرات قابل‌توجهی در طبقات تناسب مکانی شد. پس از آن، شیب، رتبه رودخانه و گروه هیدرولوژیکی خاک در رده‌های بعدی از منظر حساسیت قرار گرفتند. در مقابل، معیار کاربری اراضی کمترین میزان حساسیت را نشان داد. این نتایج با وزن‌های اولیه محاسبه‌شده نیز همخوانی داشت و نشان‌دهنده سازگاری بین اهمیت نسبی معیارها و رفتار مدل در برابر تغییرات وزن‌ها بود.از نظر فضایی، طبقات تناسب ۱ (بسیار مناسب) و ۴ (کمتر مناسب) از پایداری بالایی برخوردار بودند، در حالی‌که طبقات میانی ۲ و ۳ حساسیت بیشتری به تغییرات وزن نشان دادند. تحلیل‌ها حاکی از آن بود که نواحی با شیب زیاد یا ویژگی‌های خاص هیدرولوژیکی، بیشترین نوسان در طبقه‌بندی تناسب را داشتند. همچنین، نتایج تحلیل رواناب که با مدل SCS-CN انجام شده بود، نقش بارز گروه هیدرولوژیکی خاک و شرایط رطوبتی پیشین را در تعیین میزان تناسب نشان داد.نقشه‌های تولیدشده در قالب تحلیل حساسیت فضامند، امکان شناسایی نواحی با عدم‌قطعیت بالا را فراهم ساختند. این نواحی، مناطقی هستند که بیشترین وابستگی را به وزن‌دهی معیارها داشته و در نتیجه، در فرآیند تصمیم‌گیری نیازمند بررسی و دقت بیشتری هستند. نتیجه‌گیری: پژوهش حاضر نشان داد که تحلیل حساسیت وزن معیارها در چارچوب مدل‌های مکانی تصمیم‌گیری چندمعیاره، ابزاری ضروری برای ارتقاء پایداری و اعتمادپذیری نتایج است. در مدل انتخاب مکان سدهای کشاورزی مورد استفاده (SSMFD)، عمده مناطق در طبقات تناسب اولیه خود باقی ماندند که بیانگر استحکام و ثبات مدل در برابر تغییرات وزن است. با این حال، توجه به معیارهای با حساسیت بالا به‌ویژه رواناب، در مراحل اولیه تصمیم‌گیری از اهمیت ویژه‌ای برخوردار است. به‌طور کلی، استفاده از ابزار AHP-SA2 در کنار تحلیل فضامند، افق‌های نوینی را برای مدل‌سازی مکانی حساسیت فراهم می‌آورد که می‌تواند در سایر کاربردهای برنامه‌ریزی منابع طبیعی نیز تعمیم یابد.   <div class="WordSection1" dir="RTL" style="text-align: left;">Introduction and Objective: In recent decades, growing water demand and frequent droughts—particularly in arid and semi-arid regions—have made the development of sustainable water resource solutions a critical necessity. One effective approach is rainwater harvesting through the construction of small-scale farm dams. Optimal siting of these structures requires the use of robust analytical methods within the framework of Geographic Information Systems (GIS) and Multi-Criteria Decision Analysis (MCDA). As the weighting of criteria plays a pivotal role in spatial model outputs, sensitivity analysis of input weights is a crucial tool for assessing model stability and reliability. The aim of this study is to evaluate the spatial sensitivity of criteria weights in the process of rainwater harvesting site selection, using the AHP-SA2 tool and One-At-a-Time (OAT) method in the Hawkesbury-Nepean catchment, located in western Sydney, Australia. Materials and Methods: The study area encompasses approximately 174 km² in the western part of the Hawkesbury-Nepean catchment, a hydrologically diverse region with various land use types including urban, agricultural, pastoral, and industrial zones. Six key criteria were selected to evaluate site suitability: runoff, slope, stream order, hydrologic soil group (HSG), land capability, and land use. Runoff was estimated using the standard SCS-CN method. Criteria weights were calculated through the Analytic Hierarchy Process (AHP), and the Consistency Ratio (CR) of the pairwise comparison matrix was computed to validate the weights. Sensitivity analysis was performed using the AHP-SA2 tool, which enables spatial evaluation of how weight variations affect model outcomes. A relative percentage change of ±20% with 5% incremental steps was applied to each criterion independently, resulting in 48 simulation runs. Variations in the spatial classification of suitability were analyzed across all scenarios.</div> <div class="WordSection1" dir="RTL" style="text-align: left;">Results: The results indicated that the runoff criterion exhibited the highest sensitivity to weight changes, with even minor modifications significantly impacting the spatial suitability classification. Following runoff, slope, stream order, and HSG demonstrated the next highest sensitivities. In contrast, land use had the lowest sensitivity among the criteria. These findings were consistent with the initial weight rankings, reinforcing the reliability of the AHP weighting process. Spatially, suitability classes 1 (most suitable) and 4 (less suitable) were found to be the most stable, whereas intermediate classes 2 and 3 were more sensitive to weight variations. Areas with steep slopes or distinct hydrological characteristics exhibited the greatest fluctuation in classification. Runoff estimation using the SCS-CN method highlighted the significant influence of both soil hydrological group and antecedent moisture condition on final suitability scores. The spatial sensitivity maps generated during this analysis enabled the identification of areas with high uncertainty—those most affected by variations in criteria weights—thus indicating regions where more careful planning and data validation are needed.</div> <div><div aria-label="Page Break" class="cke_pagebreak" contenteditable="false" data-cke-display-name="pagebreak" data-cke-pagebreak="1" style="page-break-after:always" title="Page Break"></div>Conclusion: This study demonstrated that spatial sensitivity analysis of criteria weights is essential for enhancing the robustness and credibility of MCDA-based spatial models. In the applied model for selecting farm dam locations (SSMFD), the majority of the catchment retained its original suitability classification despite changes in input weights, indicating strong model stability. Nonetheless, high-sensitivity criteria—particularly runoff—should receive special attention during the early stages of decision-making. Overall, the use of the AHP-SA2 tool, combined with spatial analysis, offers valuable insights for weight sensitivity modeling and can be extended to a wide range of natural resource management applications.</div> تحلیل حساسیت, تصمیم‌گیری چندمعیاره (MCDA), , مکان‌یابی سدهای کشاورزی, تحلیل وزن معیارها, استحصال آب باران. GIS Spatial sensitivity analysis, Multi-Criteria Decision Analysis (MCDA), farm dam siting, weight evaluation, rainwater harvesting, GIS. 0 0 http://jwmr.sanru.ac.ir/browse.php?a_code=A-11-2009-1&slc_lang=fa&sid=1 Saviz Sadeghi ساویز صادقی savizsadeghi@gmail.com 100319475328460016164 100319475328460016164 Yes Arak University دانشگاه اراک