توسعه سامانه فازی پشتیبانی از تصمیم برای بهره‌برداری از شبکه‌های آبیاری در شرایط کم‌آبی

آب و توسعه پایدار

مقاله 4، دوره 10، شماره 4 - شماره پیاپی 30، اسفند 1402، صفحه 29-40   

نوع مقاله: روش‌شناسی

شناسه دیجیتال (DOI): 10.22067/jwsd.v10i4.2401-1299

نویسندگان

هدا هدایتی^{* 1}؛ عاطفه پرورش ریزی²؛ آرزو نازی قمشلو³

¹دانشجوی دکتری، گروه مهندسی آبیاری‌ و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج،ایران

²دانشیار، گروه مهندسی آبیاری‌ و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج،ایران

³استادیار، گروه مهندسی آبیاری‌ و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج،ایران

چکیده

ناکارآمدی شبکه‌های آبیاری، منجر به افزایش فاصله بین عرضه و تقاضای آب مورد نیاز، به ویژه در شرایط کم‌آبی می‌شود. تضمین تأمین آب و مدیریت تقاضا، مستلزم پیاده‌سازی رویکردی جامع برای تصمیم‌گیری درست در زمان بهره‌برداری است. به دلیل وجود تضاد در منافع، عدم قطعیت و پیچیدگی ذاتی موضوعات مرتبط با بهره‌برداری شبکه‌های آبیاری، طراحی این رویکرد پیچیده است. بااین‏حال، رویه‌های فعلی تصمیم‌گیری‌ها در ایران متکی به تجربیات شخصی و فاقد ابزارهای تصمیم‌گیری جامع است. در این پژوهش ویژگی‌های یک مدل مفهومی فازی برای توسعه یک سامانه تصمیم‌گیری، که بهره‌برداری از شبکه‌های آبیاری را پشتیبانی کند، تشریح و سپس ساختار این سامانه پشتیبان تصمیم پیشنهاد می‌شود. روش مورد نظر، شناسایی مشکلات، طرح گزینه‌های تصمیم‌گیری کلیدی با کاربرد رویکرد سیستمی در ریشه‌یابی مشکل و در نهایت بررسی راهکارهای مختلفی است که برای حل مشکل در شبکه‌های آبیاری پیشنهاد شده‌ است. همچنین این پژوهش بر کاربرد موفقیت‌آمیز روش‌های تصمیم‌گیری چندمعیاره در مواجهه با مسائل پیچیده در زمینه بهره‌برداری شبکه‌های آبیاری تأکید می‌کند. نمونه‌ای از نتایج ساختاردهی فرآیند تصمیم‌گیری، همراه با توسعه یک روش تلفیقی تحلیل سلسله مراتبی با تئوری مجموعه‌های فازی (FAHP)، در این مقاله ارائه شده است که نشان می‌دهد، چگونه این ساختار در یک شبکه آبیاری در حال بهره‌برداری، به ‏کار می‌رود. پیش‌بینی می‌شود کاربرد چنین سامانه‌ای در شرکت‌های بهره‌برداری شبکه‌های آبیاری می‌تواند به ارتقاء شاخص‌های توزیع آب کمک کند.

کلیدواژه‌ها

سامانه‌ پشتیبانی از تصمیم؛ تئوری مجموعه فازی؛ تحلیل سلسله‌مراتبی؛ بهره‌برداری در شبکه آبیاری؛ کم‌آبی

مراجع

اصغری‏زاده، عزت‌الله، و محمدی بالانی، عبدالکریم. (1400). تکنیک‏های تصمیم‏گیری چند شاخصه. انتشارات دانشگاه تهران. تهران، ایران.
خدادادی، سیف‌الله، یاسی، مهدی، منعم، محمدجواد. (1400). بهینه‌سازی الگوی تحویل آب در سناریوهای کاهش تخصیص آب شبکه آبیاری زرینه‌رود با استفاده از الگوریتم PSO. تحقیقات آب و خاک ایران، 52(5)، 1179-1192. doi: 10.22059/ijswr.2021.316352.668856
رحمتی، سپیده، و منعم، محمدجواد. (1400). کاربرد فرآیند مسکات برای ارزیابی و بهبود عملکرد شبکه آبیاری و زهکشی گتوند. مدیریت آب و آبیاری، 11(4)، 845-866. ‎ doi: 10.22059/jwim.2022.331246.928
طاهری، سیدمحمود. (1397). نظریه احتمال و نظریه امکان: شباهت‌ها و تفاوت‌ها. سیستم‌‏های فازی و کاربردها، 4(1)، 43-54. ‎ DOR: 20.1001.1.27174409.1397.1.1.4.5
Burton, M. (2010). Irrigation management: Principles and practices. Cabi. Oxford, Cambridge.
Deng, H. (1999). Multi criteria analysis with fuzzy pairwise comparison. International Journal of Approximate Reasoning, 21(3), 215-231. https://doi.org/10.1016/S0888-613X(99)00025-0
Car, N.J. (2018). Using decision models to enable better irrigation Decision Support Systems. Computers and Electronics in Agriculture, 152, 290-301. https://doi.org/10.1016/j.compag.2018.07.024 
Chang, D.Y. (1996). Applications of the extent analysis method on fuzzy AHP. European Journal of Operational Research, 95 (3), 649-655. https://doi.org/10.1016/0377-2217(95)00300-2 
Hashemy Shahdany, S. M., & Roozbahani, A. (2015). Selecting an appropriate operational method for main irrigation canals within multicriteria decision-making methods. Journal of Irrigation and Drainage Engineering, 142(4), 1-9. https://doi.org/10.1061/(ASCE)IR.1943-4774.0000996
Jiracheewee, N., Oron, G., Murty, V. V. N., & Wuwongse, V. (1996). Computerized database for optimal management of community irrigation systems in Thailand. Agricultural water management, 31(3), 237-251. https://doi.org/10.1016/0378-3774(96)01241-3
Kaya I., Colak M., & Terzi F. (2019) A comprehensive review of fuzzy multi criteria decision making methodologies for energy policy making. Energy Strategy Reviews, 24, 207-228. https://doi.org/10.1016/j.esr.2019.03.003
Kumar, R., & Singh, J. (2003). Regional water management modeling for decision support in irrigated agriculture. Journal of irrigation and drainage engineering, 129(6), 432-439. https://doi.org/10.1061/(ASCE)0733-9437(2003)129:6(432)
Lang, D., & Ertsen, M. W. (2023). Modelling farmland dynamics in response to farmer decisions using an advanced irrigation-related agent-based model. Ecological Modelling, 486, 110535. https://doi.org/10.1016/j.ecolmodel.2023.110535
McCown, R. L. (2002). Changing systems for supporting farmers' decisions: problems, paradigms, and prospects. Agricultural systems, 74(1), 179-220. https://doi.org/10.1016/S0308-521X(02)00026-4
Mannina,G., Rebouças,T.F., Cosenza,A., Sànchez-Marrè,.M, & Gibert,K.,(2019). Decision support systems (DSS) for wastewater treatment plants – A review of the state of the art. Bioresource Technology, 290, 121814. https://doi.org/10.1016/j.biortech.2019.121814
Mateos, L., Lopez-Cortijo, I., & Sagardoy, J. A. (2002). SIMIS: the FAO decision support system for irrigation scheme management. Agricultural Water Management, 56(3), 193-206. https://doi.org/10.1016/S0378-3774(02)00035-5
Mohamed, H. I., Ahmed, E. E., Abbas, O. M., & Mohamed, A. M. E. (2010). Water allocation and optimization of minor canal operation. Agriculture and Biology Journal of North America, 1(5), 1031-1043. https:// doi:10.5251/abjna.2010.1.5.1031.1043
Nam, W. H., Hong, E. M., & Choi, J. Y. (2016). Assessment of water delivery efficiency in irrigation canals using performance indicators. Irrigation science, 34(2), 129-143. https:// doi:10.1007/s00271-016-0488-6
Pandey, A., & Mogarekar, N. (2022). Development of a spatial decision system for irrigation management. Journal of the Indian Society of Remote Sensing, 1-11. https://doi.org/10.1007/s12524-020-01305-2
Saaty, T. L. (1980). The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation. MacGraw-Hill, New York international. B. company, New York, United States.
Saggi, M. K., & Jain, S. (2022). A survey towards decision support system on smart irrigation scheduling using machine learning approaches. Archives of computational methods in engineering, 29(6), 4455-4478. https://doi.org/10.1007/s11831-022-09746-3
Sarband, E.M., Araghinejad, S. & Attari, J. Developing an Interactive Spatial Multi-Attribute Decision Support System for Assessing Water Resources Allocation Scenarios. Water Resour Manage, 34, 447–462 (2020). https://doi.org/10.1007/s11269-019-02291-y
Sohn, J., Bisquert, P., Buche, P., Hecham, A., Kalbar, P. P., Goldstein, B., Birkved, M. & Olsen, S. I. (2020). Argumentation corrected context weighting-life cycle assessment: a practical method of including stakeholder perspectives in multi-criteria decision support for LCA. Sustainability, 12(6), 2170. https://doi.org/10.3390/su12062170
Wen, T. H., Lin, C. H., Chen, C. T., & Su, M. D. (2007). Analysis of spatial scenarios aiding decision making for regional irrigation water-demand planning. Journal of irrigation and drainage engineering, 133(5), 455-467. https://doi.org/10.1061/(ASCE)0733-9437(2007)133:5(455)
Zhai, Z., Martínez, J. F., Beltran, V., & Martínez, N. L. (2020). Decision support systems for agriculture 4.0: Survey and challenges. Computers and Electronics in Agriculture, 170, 105256. https://doi.org/10.1016/j.compag.2020.105256
Zyoud, S.H., Kaufmann L.G., Shaheen H., Samhan S., & Fuchs-Hanusch, D. (2016). A framework for water loss management in developing countries under fuzzy environment: Integration of Fuzzy AHP with Fuzzy TOPSIS. Expert Systems with Applications, 61, 86-105. https://doi.org/10.1016/j.eswa.2016.05.016