دوره 13، شماره 26 - ( پاییز و زمستان 1401 1401 )
جلد 13 شماره 26 صفحات 214-203 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Sadeghi Ravesh M H. (2022). Sensitivity Analysis of Combat Desertification Strategies in Fuzzy Environment in Yazd-Khezrabad Sub-Catchment (Saduq County). J Watershed Manage Res. 13(26), 203-214. doi:10.52547/jwmr.13.26.203
URL: http://jwmr.sanru.ac.ir/article-1-1197-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1197-fa.html
صادقی روش محمد حسن. تحلیل حساسیت راهبردهای مقابله با بیابان زایی در محیط فازی در زیر حوضه آبخیز یزد- خضرآباد (شهرستان صدوق) پژوهشنامه مديريت حوزه آبخيز 1401; 13 (26) :214-203 10.52547/jwmr.13.26.203
دانشگاه آزاد واحد تاکستان
چکیده: (1595 مشاهده)
چکیده مبسوط
مقدمه و هدف: بیابانزایی یک مسئله، اقتصادی- اجتماعی پیچیده و حاصل عملکرد و برهم کنش میان عوامل متعددی است که همیشه در محیط های غیر قطعی و تحتتأثیر شدید قضاوت های مبهم و غیر صریح قرار می گیرند، بنابراین در ارزیابی راهبردهای مقابله با بیابانزایی، استفاده از سازگان های تصمیم گیری چند معیاره فازی ضروری به نظر می رسد. از طرفی در اغلب اوقات، داده های ورودی به این سازگان ها نادقیق و متغیر می باشند، بنابراین یک قدم مهم اینگونه ارزیابی ها، انجام آنالیز حساسیت روی داده های خروجی میباشد. از این رو این پژوهش با هدف انجام تحلیل حساسیت اولویت راهبردها به صورت موردی در زیرحوضه یزد- خضرآباد طی سالهای 1399-1400 به انجام رسید.
مواد و روش‌ها: به منظور دستیابی به این هدف، ابتدا از روش دلفی فازی و با کاربرد اعداد مثلثی، در چارچوب روش تصمیم گیری چند معیاره، ماتریس تصمیم گیری مقایسه زوجی فازی حاصل و اولویت اولیه راهبردها، برآورد شد و سپس فرآیند آنالیز حساسیت بر روی معیارها و راهبردها در چارچوب مدل تحلیل حساسیت تریآنتافیلو انجام شد و به دنبال تعیین حساسترین معیار و راهبرد، درجه ترجیح یا اوزان نهایی راهبردها از روش میانگین موزون هر سطر از ماتریس نرمالیزه اصلاح شده برآورد شد.
یافته‌ها: نتایج حاصله حکایت از توانایی بالای این مدل دارد به طوری که بعد از انجام تحلیل حساسیت، اولویتبندی معیارها تغییری نکرد و همچنان معیار منابع انسانی متخصص (6C) با ضریب حساسیت 0/3614 به عنوان حساسترین معیار برآورد شد که بعد از نرمال سازی با درجه ترجیح 67/9% در اولویت اول قرار گرفت. این نتیجه نشان دهنده توجه کارشناسان مدیریت مناطق به اهمیت نیروی متخصص و آموزش دیده در حل مسائل و چالش های مطرح در فرایند مقابله با بیابان زایی است. درعین حال اولویت بندی نهایی راهبردها موید تغییر در اوزان و رتبه بندی اولیه راهبردها بود، به صورتی که تنها راهبرد تعدیل در برداشت از منابع آب زیرزمینی (31A) همچنان همانند نتایج اولیه با درجه ترجیح 92/9%، مهمترین راهبرد قلمداد شد و رتبه بندی سایر راهبردها دستخوش تغییرات جدی شد.
نتیجه‌گیری: در مجموع نتیجه می شود که در راستای راهبرد تعدیل در برداشت از منابع آب زیرزمینی (31A) و با اجرای طرحهای آبخوانداری، اصلاح روش های آبیاری، اصلاح اراضی، کنترل رشد صنایع و کشت های آبخواه، می توان روند پرسرعت بیابانی شدن را کند و نسبت به احیای اراضی تخریب یافته اقدام کرد.
مقدمه و هدف: بیابانزایی یک مسئله، اقتصادی- اجتماعی پیچیده و حاصل عملکرد و برهم کنش میان عوامل متعددی است که همیشه در محیط های غیر قطعی و تحتتأثیر شدید قضاوت های مبهم و غیر صریح قرار می گیرند، بنابراین در ارزیابی راهبردهای مقابله با بیابانزایی، استفاده از سازگان های تصمیم گیری چند معیاره فازی ضروری به نظر می رسد. از طرفی در اغلب اوقات، داده های ورودی به این سازگان ها نادقیق و متغیر می باشند، بنابراین یک قدم مهم اینگونه ارزیابی ها، انجام آنالیز حساسیت روی داده های خروجی میباشد. از این رو این پژوهش با هدف انجام تحلیل حساسیت اولویت راهبردها به صورت موردی در زیرحوضه یزد- خضرآباد طی سالهای 1399-1400 به انجام رسید.
مواد و روش‌ها: به منظور دستیابی به این هدف، ابتدا از روش دلفی فازی و با کاربرد اعداد مثلثی، در چارچوب روش تصمیم گیری چند معیاره، ماتریس تصمیم گیری مقایسه زوجی فازی حاصل و اولویت اولیه راهبردها، برآورد شد و سپس فرآیند آنالیز حساسیت بر روی معیارها و راهبردها در چارچوب مدل تحلیل حساسیت تریآنتافیلو انجام شد و به دنبال تعیین حساسترین معیار و راهبرد، درجه ترجیح یا اوزان نهایی راهبردها از روش میانگین موزون هر سطر از ماتریس نرمالیزه اصلاح شده برآورد شد.
یافته‌ها: نتایج حاصله حکایت از توانایی بالای این مدل دارد به طوری که بعد از انجام تحلیل حساسیت، اولویتبندی معیارها تغییری نکرد و همچنان معیار منابع انسانی متخصص (6C) با ضریب حساسیت 0/3614 به عنوان حساسترین معیار برآورد شد که بعد از نرمال سازی با درجه ترجیح 67/9% در اولویت اول قرار گرفت. این نتیجه نشان دهنده توجه کارشناسان مدیریت مناطق به اهمیت نیروی متخصص و آموزش دیده در حل مسائل و چالش های مطرح در فرایند مقابله با بیابان زایی است. درعین حال اولویت بندی نهایی راهبردها موید تغییر در اوزان و رتبه بندی اولیه راهبردها بود، به صورتی که تنها راهبرد تعدیل در برداشت از منابع آب زیرزمینی (31A) همچنان همانند نتایج اولیه با درجه ترجیح 92/9%، مهمترین راهبرد قلمداد شد و رتبه بندی سایر راهبردها دستخوش تغییرات جدی شد.
نتیجه‌گیری: در مجموع نتیجه می شود که در راستای راهبرد تعدیل در برداشت از منابع آب زیرزمینی (31A) و با اجرای طرحهای آبخوانداری، اصلاح روش های آبیاری، اصلاح اراضی، کنترل رشد صنایع و کشت های آبخواه، می توان روند پرسرعت بیابانی شدن را کند و نسبت به احیای اراضی تخریب یافته اقدام کرد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
ساير موضوعات وابسته به مديريت حوزه آبخيز
دریافت: 1401/2/16 | پذیرش: 1401/5/31
دریافت: 1401/2/16 | پذیرش: 1401/5/31
فهرست منابع
1. Alpert, M.I. 1971. Identification of determinant attributes: A comparison of methods. Journal of Marketing Research, 8(5): 184-191. [DOI:10.1177/002224377100800205]
2. Arabjazi, N., M. Rostamy Malkhalifeh, F. Hosseinzadeh Lotfi and M. Behzadi. 2021. Stochastic sensitivity analysis in data envelopment analysis. Fuzzy Optimization and Modelling Journal, 2(4): 52-64.
3. Armacost, R.L and J.C. Hosseini. 1994. Identification of determinant attributes using the analytic hierarchy process. Journal of the Academy of Marketing Science, 22(4): 383- 392. [DOI:10.1177/0092070394224007]
4. Athari, Z., G. Pezeshki Rad, E. Abbasi and A. Alibaygi. 2017. Technical report, challenges facing watershed management in Iran by using Delphi technique. Journal of Watershed Management Research, 8(15): 268-279 (In Persian).
5. Azar, A. 2015. operations research (implications and applications of linear planning). Samt press, Tehran, Iran, 712 pp (In Persian).
6. Azar, A. and H. Faraji. 2016. Science of fuzzy management, Mehraban press, Tehran, Iran, 408 pp (In Persian).
7. Barron, H. and C.P. Schmidt. 1988. Sensitivity analysis of additive multi-attribute value models. Operations Research, 36(1):122-127. [DOI:10.1287/opre.36.1.122]
8. Chen, Y., J. Yu and S. Khan. 2010. Spatial sensitivity analysis of multi-criteria weights in GIS-based land suitability evaluation. Environmental Modelling & Software, 25(12): 1582-1591. [DOI:10.1016/j.envsoft.2010.06.001]
9. Delgado, M.G and J.B. Sendra. 2004. Sensitivity Analysis in Multicriteria Spatial Decision-Making: A Review. Human and Ecological Risk Assessment, 10(6): 1173-1187. [DOI:10.1080/10807030490887221]
10. Ebrahimnejad, A. 2011. Sensitivity analysis in fuzzy number linear programming problems. Mathematical and Computer Modelling, 53(9-10): 1878-1888. [DOI:10.1016/j.mcm.2011.01.013]
11. Evans, J.R. 1984. Sensitivity analysis in decision theory. Decision Sciences, 1(15): 239-247. [DOI:10.1111/j.1540-5915.1984.tb01211.x]
12. Eldrandaly, K. A. N. Eldin., D. Sui., M. Shouman and G. Nawara. 2005. Integrating GIS and MCDM using COM technology. International Arab Journal of Information Technology, 2(2):162-167.
13. Farhadinia, A.B. 2014. Sensitivity analysis in interval-valued trapezoidal fuzzy number linear programming problems. Applied Mathematical Modelling, 38(1): 50-62. [DOI:10.1016/j.apm.2013.05.033]
14. Fuller, R. 1989. On stability in fuzzy linear programming problems, Fuzzy Sets and Systems, 30(3): 339-344. [DOI:10.1016/0165-0114(89)90026-2]
15. Gharachelo, S., M.R. Ekhtesasi, M. Zareian Jahromi and M.B. Samadi. 2010. Evaluation of current condition of desertification using I.C.D Model, case study: Khezrabad, Yazd. Iranian Journal of Range and Desert Research, 17(3): 402-420 (In Persian).
16. Gharechaee, H., A. Nazari Samani, S. Khalighi Sigarudi, A. Fathabadi and K.A. Alee. 2020. Assessing the factors affecting the salinity risk of groundwater using data mining and statistical methods in arid and semi-arid regions. Degradation and Rehabilitation of Natural Land, 1(1): 45-60 (In Persian).
17. Hamacher, H., H. Leberling and H.J. Zimmermann. 1978. Sensitivity analysis in fuzzy linear programming, Fuzzy Sets and Systems, 1(4): 269-281. [DOI:10.1016/0165-0114(78)90018-0]
18. Hyde, K.M. 2006. Uncertainty analysis methods for multi-criteria decision analysis. School of Civil and Environmental Engineering. Ph.D Thesis. University of Adelaide, School of Civil and Environmental Engineering, Adelaide, Australia, 395 pp.
19. Hyde, K.M., H.R. Maier and C.B. Colby. 2005. A distance-based uncertainty analysis approach to multi-criteria decision analysis for water resource decision making. Journal of Environmental Management, 77(4): 278-290. [DOI:10.1016/j.jenvman.2005.06.011]
20. Ivanco, M. 2015. Development of analytical sensitivity analysis for AHP applications. Master Thesis. Old Dominion University, Norfolk, Virginia, United State of America.
21. Kahraman, C., I. Kaya and S. Cebi. 2009. A comparative analysis for multi-attribute selection among renewable energy alternatives using fuzzy axiomatic design and fuzzy analytic hierarchy process. Energy, 34 (10):1603-1616. DOI: 10.1016/j.energy.2009.07.008 [DOI:10.1016/j.energy.2009.07.008]
22. Khalili-Damghani, K. and B. Taghavifard. 2013. Sensitivity and stability analysis in two-stage DEA models with fuzzy data. International Journal of Operational Research, 17(1): 1-37. [DOI:10.1504/IJOR.2013.053186]
23. Maleki, H.R., M. Tata and M. Mashinchi. 2000. Linear programming with fuzzy variables, Fuzzy Sets and Systems, 109(1): 21-33. [DOI:10.1016/S0165-0114(98)00066-9]
24. Masuda, T. 1990. Hierarchical sensitivity analysis of the priorities used in the Analytic Hierarchy Process. Systems Science, 21(2): 415-427. [DOI:10.1080/00207729008910371]
25. Mehregan, M.R. 2020. Operational research (linear programming and its applications). Markaze Nashre Daneshgahi Publication, 524 pp.
26. Mohamadi, S. 2018. Prioritization of sub-catchments for operation of watershed management projects via Multi-Criteria Decision Making Techniques, case study: Asyabjofeth Watershed), Journal of Watershed Management Research, 10(18): 36-46 (In Persian). [DOI:10.29252/jwmr.9.18.36]
27. Pamucar. D.S., D. Bozanic and A. Randelovic. 2017. Multi-criteria decision making: An example of sensitivity analysis. Serbian Journal of Management, 12(1): 1-27. [DOI:10.5937/sjm12-9464]
28. Pascual, N.R., R.M. Krug, D.M. Richardson and C. Hui. 2010. Spatially-explicit sensitivity analysis for conservation management: exploring the influence of decisions in invasive alien plant management. Diversity and Distributions, 16(3): 426-438. [DOI:10.1111/j.1472-4642.2010.00659.x]
29. Rashnavadi, Y. and M.A. Rouhollahi. 2018. Technology strategic planning model in petrochemical industry using the Network Analysis Process: Case Study of Iranian Petrochemical Industry. Strategic Management Researches, 24(68): 37-63.
30. Ringuest, J.L. 1997. Lp-metric sensitivity analysis for single and multi-attribute decision analysis. European Journal of Operational Research. 98(3): 563-570. [DOI:10.1016/S0377-2217(96)00177-4]
31. Ríos Insua, D. 1990. Sensitivity analysis in multi-objective decision making. Lecture Notes in Economics and Mathematical Systems, Springer-Verlag Press, Berlin, Germany, 186 pp. [DOI:10.1007/978-3-642-51656-6]
32. Saaty, T.L. 2012. Decision making for leaders: The Analytic Hierarchs Process for Decision in a complex world. Rws Publications, Pittsburgh, United States of America, 323 pp.
33. Sadeghiravesh, M.H. 2022. Application of fuzzy logic in quantitative analysis of combat-desertification alternatives with pathological approach. Desert Ecosystem Engineering Journal (DEEJ), 15(34): 15-32 (In Persian)
34. Sadeghi Ravesh, M.H. 2021. Analysis of the combating desertification alternatives derived from the decision-making models using the GRV function. Degradation and Rehabilitation of Natural Land, 1(2): 13-25 (In Persian).
35. Sadeghiravesh, M.H. and H. Khosravi. 2021. Quantitative analysis of combating desertification alternatives using LINMAP model in Lingo software environment. Desert Management, 8(16): 57-76 (In Persian).
36. Sadeghiravesh, M.H., H. Khosravi and S. Ghasemian. 2015. Application of Fuzzy Analytical Hierarchy Process (FAHP) for Assessment of combating-desertification alternatives in the central Iran. Journal of Natural Hazard, 75: 653-667. [DOI:10.1007/s11069-014-1345-7]
37. Saltelli, A., K. Chan and E.M. Scott. 2009. Sensitivity Analysis. John Wiley and Sons Ltd, Chichester, England, 504 pp.
38. Sharifi, M. and Z. Farahbakhsh. 2016. Investigation about temperature and humidity anomalies between pleistocene and present times; reconstruction of climate condition using geomorphic evidence: case study: Khezrabad-Yazd. Physical Geography Researches, 47(4): 583-605 (In Persian).
39. Sindhu, S.P., V. Nehra and S. Luthra. 2016. Recognition and prioritization of challenges in growth of solar energy using analytical hierarchy process: Indian Outlook. Energy, 100: 332-48. DOI: 10.1016/j.energy.2016.01.091. [DOI:10.1016/j.energy.2016.01.091]
40. Sindhu, S.P., V. Nehra and S. Luthra. 2017. Investigation of feasibility study of solar farms deployment using Hybrid AHP-TOPSIS analysis: case study of India. Renewable and Sustainable Energy Reviews, 73(c): 496-511. DOI: 10.1016/j.rser.2017.01.135. [DOI:10.1016/j.rser.2017.01.135]
41. Tabatabaei, S.M., M.J. zeynali and B.S. Hamraz. 2021. Prioritization of strategic policies for water right harvesting of iranian boundary rivers by AHP and ANP method. Iranian Water Research Journal. 14)4(: 39-51 (In Persian).
42. Triantaphyllou, E. 1992. A sensitivity analysis of a (Ti, Si) inventory policy with increasing demand. Operations Research Letters, 11(3): 167-172. [DOI:10.1016/0167-6377(92)90081-D]
43. Triantaphyllou, E. and C.T. Lin. 1996. Development and evaluation of five fuzzy multi-attribute decision-making methods. International Journal of Approximate Reasoning, 14(4): 281-310. [DOI:10.1016/0888-613X(95)00119-2]
44. Triantaphyllou, E. and A. Sanchez. 1997. A sensitivity analysis approach for some deterministic multi-criteria decision-making methods. Decision Sciences, 28(1): 151-194. [DOI:10.1111/j.1540-5915.1997.tb01306.x]
45. United Nations Convention to Combat Desertification (UNCCD). 2017. The global land outlook. UNCCD press, Bonn, Germany, 340 pp.
46. Von Winterfeldt, D. and W. Edwards.1986. Decision analysis and behavioral research. Cambridge University Press, Cambridge, United Kingdom, 624 pp.
47. Watson, S. and D. Buede. 1987. Decision synthesis. Cambridge University Press, Cambridge, United Kingdom , 373 pp.
48. Wendel, R.E. 2007. Sensitivity analysis revisited and extended, Decision Sciences, 23(5): 1127-1142. [DOI:10.1111/j.1540-5915.1992.tb00439.x]
49. Winebrake, J.J. and B.P. Creswick. 2003. The future of hydrogen fueling systems for transportation: An application of perspective-based scenario analysis using the analytic hierarchy process. Technological Forecasting and Social Change, 70(4): 359-84. [DOI:10.1016/S0040-1625(01)00189-5]
50. Zimmermann, H.J. 1976. Description and optimization of fuzzy systems, International Journal of General Systems, 2(4): 209-215. [DOI:10.1080/03081077608547470]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
