ارزیابی روشهای فرآیند تحلیل سلسله مراتبی قطعی و پیچیده برای تحلیل تناسب اراضی کشاورزی در اقلیم در حال تغییر

خلاصه

تجزیه و تحلیل تناسب زمین برای ارزیابی مناسب بودن زمین برای یک هدف خاص در حالی که ورودی‌های کمی و کیفی را که می‌توانند ماهیت پیوسته داشته باشند، ادغام می‌کنند، استفاده می‌شود. با این حال، در مدل‌سازی کشاورزی اغلب به این جنبه پیوسته نادیده گرفته می‌شود. بنابراین، برخی از روش‌های پارامتریک برای تجزیه و تحلیل تناسب، واحدها را به کلاس‌های عضویت تعریف‌شده تقسیم می‌کنند. این تحمیل مرزهای واضح، تشکیلات پیوسته موجود در سراسر طبیعت را نادیده می گیرد و تفاوت ها و عدم قطعیت های ذاتی موجود در مدل سازی را نادیده می گیرد. این تحقیق دو رویکرد به تحلیل مناسب بودن را در سه روش متفاوت مقایسه می‌کند. رویکرد اولیه از یک فرآیند تحلیل سلسله مراتبی (AHP) استفاده می کند، در حالی که رویکرد دیگر از AHP فازی بر روی دو روش استفاده می کند. AHP فازی نصب شده و AHP فازی تودرتو. علاوه بر این، هر روش به نحوه رفتار آن در سناریوی تغییرات آب و هوایی برای درک و برجسته کردن نقش عدم قطعیت ها در مفهوم سازی و ساختار مدل ارزیابی می شود. خروجی‌ها و مقایسه‌های بین هر روش، در رابطه با مساحت، نسبت کلاس‌های عضویت و نمایش فضایی، نشان داد که تکنیک‌های مدل‌سازی فازی خروجی قوی‌تر و پیوسته‌تری را به تفصیل شرح می‌دهند. به طور خاص نتیجه گیری شد که AHP فازی تودرتو مناسب تر است، زیرا تکنیک های مدل سازی پیچیده و همچنین چارچوب AHP اولیه را در خود جای داده است. از طریق این مقایسه و ارزیابی رفتار مدل، ارزیابی ظرفیت پیش‌بینی و ارتباط هر روش برای اهداف تصمیم‌گیری در کاربردهای کشاورزی به دست می‌آید. هر روش برای درک و برجسته کردن نقش عدم قطعیت ها در مفهوم سازی و ساختار مدل، به نحوه رفتار آن در یک سناریوی تغییر آب و هوا ارزیابی می شود. خروجی‌ها و مقایسه‌های بین هر روش، در رابطه با مساحت، نسبت کلاس‌های عضویت و نمایش فضایی، نشان داد که تکنیک‌های مدل‌سازی فازی خروجی قوی‌تر و پیوسته‌تری را به تفصیل شرح می‌دهند. به طور خاص نتیجه گیری شد که AHP فازی تودرتو مناسب تر است، زیرا تکنیک های مدل سازی پیچیده و همچنین چارچوب AHP اولیه را در خود جای داده است. از طریق این مقایسه و ارزیابی رفتار مدل، ارزیابی ظرفیت پیش‌بینی و ارتباط هر روش برای اهداف تصمیم‌گیری در کاربردهای کشاورزی به دست می‌آید. هر روش برای درک و برجسته کردن نقش عدم قطعیت ها در مفهوم سازی و ساختار مدل، به نحوه رفتار آن در یک سناریوی تغییر آب و هوا ارزیابی می شود. خروجی‌ها و مقایسه‌های بین هر روش، در رابطه با مساحت، نسبت کلاس‌های عضویت و نمایش فضایی، نشان داد که تکنیک‌های مدل‌سازی فازی خروجی قوی‌تر و پیوسته‌تری را به تفصیل شرح می‌دهند. به طور خاص نتیجه گیری شد که AHP فازی تودرتو مناسب تر است، زیرا تکنیک های مدل سازی پیچیده و همچنین چارچوب AHP اولیه را در خود جای داده است. از طریق این مقایسه و ارزیابی رفتار مدل، ارزیابی ظرفیت پیش‌بینی و ارتباط هر روش برای اهداف تصمیم‌گیری در کاربردهای کشاورزی به دست می‌آید. در رابطه با مساحت، نسبت کلاس‌های عضویت و بازنمایی فضایی، نشان داد که تکنیک‌های مدل‌سازی فازی خروجی قوی‌تر و پیوسته‌تری را ارائه می‌کنند. به طور خاص نتیجه گیری شد که AHP فازی تودرتو مناسب تر است، زیرا تکنیک های مدل سازی پیچیده و همچنین چارچوب AHP اولیه را در خود جای داده است. از طریق این مقایسه و ارزیابی رفتار مدل، ارزیابی ظرفیت پیش‌بینی و ارتباط هر روش برای اهداف تصمیم‌گیری در کاربردهای کشاورزی به دست می‌آید. در رابطه با مساحت، نسبت کلاس‌های عضویت و بازنمایی فضایی، نشان داد که تکنیک‌های مدل‌سازی فازی خروجی قوی‌تر و پیوسته‌تری را ارائه می‌کنند. به طور خاص نتیجه گیری شد که AHP فازی تودرتو مناسب تر است، زیرا تکنیک های مدل سازی پیچیده و همچنین چارچوب AHP اولیه را در خود جای داده است. از طریق این مقایسه و ارزیابی رفتار مدل، ارزیابی ظرفیت پیش‌بینی و ارتباط هر روش برای اهداف تصمیم‌گیری در کاربردهای کشاورزی به دست می‌آید.

کلید واژه ها:

تناسب زمین ; فرآیند تحلیل سلسله مراتبی ; تحلیل فازی ; AHP فازی ; کشاورزی ; اقلیم

1. معرفی

اجماع فزاینده‌ای در مدیریت منابع طبیعی وجود دارد که سیاست کشاورزی باید به اثرات احتمالی پیش‌بینی‌شده توسط علم تغییرات اقلیمی رسیدگی کند و اقدامات سازگاری را پیشنهاد و حمایت کند [ 1 ]. تصمیمات موثر، در رابطه با استفاده از زمین کشاورزی، تناسب و قابلیت، برای دستیابی و حفظ بهره وری ایده آل زمین و تضمین پایداری در آینده اساسی است [ 2] .]. تصمیمات اتخاذ شده می تواند نه تنها بر روی فعالیت های کشاورزی یا زیست محیطی، بلکه بر سایر اجزای مرتبط مانند زیرساخت و حمل و نقل تأثیر بگذارد. این تأثیرات به طور بالقوه در تمام حوزه‌های فضایی رخ می‌دهد و پیامدهایی بر ظرفیت‌های تطبیقی همه اجزای مرتبط خواهد داشت. تعیین زمین مولد برای سیستم های کشاورزی، که می تواند تغییرات آب و هوایی پیش بینی شده را در نظر بگیرد، ابزار مهمی در حوزه برنامه ریزی است.

تجزیه و تحلیل تناسب زمین، که ارزیابی میزان مطابقت کیفیت یک واحد زمین با پیش نیازهای یک نوع پوشش یا کاربری خاص [ 3 ] است، می تواند به عنوان یکی از این ابزارها استفاده شود. تجزیه و تحلیل تناسب می تواند مناسب بودن زمین را برای یک هدف خاص ارزیابی کند، در حالی که ورودی های کمی و کیفی را یکپارچه می کند. ارزیابی تناسب اصولاً برای ارزیابی یک منطقه یا منطقه برای تولید بهینه محصول انجام می‌شود و شامل تفسیر داده‌های مبتنی بر کشاورزی، مانند خاک، چشم‌انداز، آب و هوا و آب، در تلاش برای تطبیق ویژگی‌های زمین با نیازهای محصول می‌شود [ 4 ، 5]. با این حال، در یک چارچوب کشاورزی، تعیین اینکه چه مناطقی از زمین برای یک کاربری خاص مناسب تلقی می‌شوند، می‌تواند به دلیل جریان‌های متعدد و اغلب ناهمگون از داده‌ها پیچیده باشد. تجزیه و تحلیل چند معیاره (MCA) مجموعه ای از روش ها است که عمدتاً برای تصمیم گیری از داده های ورودی پیچیده استفاده می شود و بارها برای مدل سازی مناسب استفاده شده است، جایی که نگرانی اصلی این است که چگونه چندین نقطه از داده های مربوط به بیوفیزیکی را ترکیب کنیم تا به یک تصمیم مناسب بودن [ 6 ، 7 ، 8 ]. دو ویژگی متمایز اصلی MCA این است که می تواند ورودی های عینی و ذهنی و همچنین معیارهای مطلق یا نسبی را ترکیب کند و از نظر تعدیل انعطاف پذیر است [ 9 ].

تعهدات اولیه در تجزیه و تحلیل مناسب بودن را می توان به طور گسترده در تکنیک های پوشش شفافیت، مانند آنچه توسط مک هارگ رسمیت یافت [ 10 ] ردیابی کرد. این روش‌های دستی با سیستم‌های GIS مبتنی بر کامپیوتر جایگزین شده‌اند و سیستم‌های ارزیابی تناسب تکامل یافته و در چارچوب‌ها و مدل‌ها رسمیت یافته‌اند. یک چارچوب مدل سازی به طور گسترده پذیرفته شده، فرآیند تحلیل سلسله مراتبی (AHP) [ 11 ، 12 ، 13 ] است که به طور گسترده برای اهداف MCA استفاده شده و در بسیاری از مشکلات تصمیم گیری استفاده شده است [ 14 ]. با این حال، هر روشی که برای تعیین این تناسب به کار می‌رود، می‌تواند در معرض عدم قطعیت هم در حوزه و هم در کیفیت خروجی‌ها باشد.

روش‌های مبتنی بر بولی در ارزیابی تناسب زمین، که شامل AHP می‌شود، هم معیارهای ورودی و هم دسته‌بندی آن‌ها را به‌عنوان واحدهای کاملاً تعریف‌شده در نظر می‌گیرد [15 ] . ارزیابی تناسب عوامل متعددی را در نظر می گیرد که دارای ماهیت پیوسته هستند، مانند ویژگی های خاک یا متغیرهای آب و هوایی. نادیده گرفتن این عوامل پیوسته در روش‌های استاندارد بولی می‌تواند به تخصیص نادرست مساحت زمین در طبقه‌بندی تناسب تقسیم‌بندی شده منجر شود [ 2 ]. این روش‌ها می‌توانند تفاوت‌ها و عدم قطعیت‌های ذاتی موجود در ورودی‌ها و خروجی‌های مدل‌سازی و همچنین تحمیل عدم قطعیت‌های جدید مربوط به کلاس‌های تناسب تعریف‌شده را نادیده بگیرند.

کاربرد نظریه مجموعه های فازی یا منطق فازی [ 16 ، 17 ] اجازه می دهد تا مفهوم این عوامل پیوسته در یک ارزیابی تناسب [ 18 ] در یک GIS یا حوزه فضایی [ 4 ] مدل شود. در یک رویکرد استاندارد، عضویت با یک مجموعه، یا کلاس، به وضوح و واضح به عنوان یا در کلاس یا غیر در کلاس تعریف می شود. در یک مجموعه فازی، عضویت در کلاس را می توان به عنوان عاملی تقسیم کرد که از عدم تا کامل در کلاس متغیر است. در مقایسه با مدل‌های بولی استاندارد، که مرزهای واضح و فضاهای جغرافیایی مشخصی را تحمیل می‌کنند که منجر به ایجاد واحدهای زمین همگن با کلاس‌های تناسب ارزش واحد می‌شود [ 19]]، مجموعه‌های فازی و منطق فازی روشی را برای پردازش ماهیت پیوسته و عدم قطعیت برای تولید یک سیستم طبقه‌بندی مناسب‌تر واقعی‌تر گسترش می‌دهند [ 18 ، 20 ]. مدل‌سازی مجموعه فازی داده‌های جهت‌یافته فضایی برای ارزیابی مناسب بودن در ادبیات مستند شده و به نمایش گذاشته شده است [ 2 ، 5 ، 14 ، 15 ، 18 ، 19 ، 21 ، 22 ، 23 ].

هدف اصلی این تحقیق مقایسه این رویکردهای مدلسازی پارامتریک و پیوسته در تحلیل تناسب زمین است. روش‌های بولی با استفاده از تکنیک AHP نشان داده می‌شوند، در حالی که رویکردهای منطق فازی تحت دو مدل مجموعه فازی متفاوت پوشش داده می‌شوند. یک AHP فازی نصب شده و یک AHP فازی تودرتو. ثانویه برای این هدف، ارزیابی نحوه رفتار هر روش تناسب زمین در یک سناریوی آب و هوایی پیش‌بینی‌شده و تغییرات احتمالی است که ممکن است بین مدل‌ها در آینده آب و هوایی نشان دهد. هر سه روش، مناسب بودن زمین کشاورزی بیوفیزیکی را برای تولید گلابی در منطقه Goulburn Broken در ایالت ویکتوریا، استرالیا ارزیابی خواهند کرد. از طریق این مقایسه و ارزیابی رفتارهای مدل مناسب برای آینده آب و هوایی، ارزیابی ظرفیت پیش‌بینی هر روش، اعتبار و ارتباط برای اهداف تصمیم گیری را می توان به دست آورد. این به طور بالقوه می تواند نقش عدم قطعیت ها را در چارچوب مدل سازی و خروجی ها برجسته کند، به ویژه اینکه چگونه تحمیل مرزهای واضح می تواند عدم قطعیت را تعریف و تقویت کند.

2. روش ها

2.1. منطقه مطالعه

منطقه تمرکز برای این تحلیل بر ناحیه Goulburn Broken در ایالت ویکتوریا در استرالیا متمرکز است ( شکل 1 ). منطقه جغرافیایی تعریف شده برای مطالعه شامل محدوده مرزی برای هفت منطقه دولتی محلی است. Moira، Shepparton، Benalla، Campaspe، Murrindindi و Mansfield. از این پس، این منطقه به عنوان منطقه مطالعه نامیده می شود. این منطقه در شمال پایتخت ایالت ملبورن واقع شده است. از جنوب با محدوده تقسیم بزرگ و از شمال با رودخانه موری و ایالت نیو ساوت ولز هم مرز است. مساحت آن تقریباً 24000 کیلومتر ^{مربع است}(2.4 میلیون هکتار) و ترکیبی از کاربری ها در محدوده خود دارد. غالب در میان این کاربری ها، زمین تبدیل شده برای تولیدات کشاورزی از جمله کشاورزی دیم و آبی است که تقریباً دو سوم مساحت منطقه مورد مطالعه را تشکیل می دهد. بزرگترین شرکت کشاورزی، از نظر مساحت، در منطقه مورد مطالعه، سیستم های مرتعی است که برای گاوهای شیری و گوشتی و سایر دام های مرتعی در نظر گرفته شده است. اما صنعت غالب از نظر درآمد ناخالص، تولیدات باغبانی است که شامل میوه هسته دار و میوه خرمایی می شود. تولید گلابی در این منطقه به تنهایی بیش از 85 درصد از تولید استرالیا را تشکیل می دهد.

2.2. تجزیه و تحلیل تناسب زمین

سازمان خواربار و کشاورزی ملل متحد (فائو) یک ساختار چارچوبی برای ارزیابی مناسب بودن برای هر نوع کاربری و پوشش زمین دارد [ 3]]. این ساختار در طراحی سلسله مراتبی است و از دستورات، کلاس ها، زیر کلاس ها و واحدها تشکیل شده است. دو دستور تناسب اولیه وجود دارد که نشان می دهد یک واحد زمین مناسب است یا نامناسب. کلاس های تناسب برای انعکاس درجات تناسب استفاده می شود. به عنوان مثال، ترتیب مناسب را می توان به کلاس های مناسبت بالا، متوسط و پایین تقسیم کرد. علاوه بر این، ترتیب نامناسب را می توان به دو کلاس تعریف کرد. “به طور موقت” مناسب نیست و “به طور دائم” مناسب نیست. در صورت لزوم، در یک تجزیه و تحلیل داده شده، کلاس ها را می توان به زیر کلاس هایی تقسیم کرد که منعکس کننده انواع محدودیت ها در یک کلاس هستند، و زیر کلاس ها را می توان به واحدهایی تقسیم کرد که برای نشان دادن ویژگی های تولید یا سایر نیازها استفاده می شود.

این چارچوب کمی برای استفاده در Goulburn Broken Region اصلاح شده است. هسته چارچوب برای کاربرد در این منطقه مورد مطالعه حفظ می شود. دو دستور اصل مناسب بودن حفظ می شود. مناسب و نامناسب (NS). NS بیشتر به صورت دائمی نامناسب (PNS) و موقتاً نامناسب (TNS) تعریف شده است. چهار کلاس مناسبت مورد استفاده وجود دارد. زیاد، متوسط، کم و خیلی کم. با این حال، تفکیک بیشتر به زیر کلاس ها و واحدهای مناسب بخشی از چارچوب ایجاد شده نیست.

2.3. فرآیند تحلیل سلسله مراتبی

برای تجزیه و تحلیل تناسب زمین در سراسر منطقه مورد مطالعه، یک تجزیه و تحلیل چند معیاره (MCA) استفاده شده است. این در سراسر یک قلمرو فضایی منطقه ای با استفاده از یک سیستم اطلاعات جغرافیایی (GIS) انجام شد. MCA ابزار مفیدی برای مقابله با مشکلات پیچیده [ 24 ]، به ویژه مشکلاتی است که جریان های به ظاهر متفاوتی از نقاط داده دارند. یک تکنیک رایج که در یک MCA استفاده می شود، فرآیند تحلیل سلسله مراتبی (AHP) است [ 11 ، 12 ، 13 ، 25 ].

چارچوب AHP یک درخت تصمیم سلسله مراتبی است. لایه بالای این سلسله مراتب هدف اصلی است. از این هدف اولیه، AHP را می توان به گروه های معیارهای اولیه و بیشتر به گروه های معیارهای ثانویه و ثالث، در صورت نیاز، تقسیم کرد. در پایه درخت تصمیم در پایین ترین سطح معیارها، جایگزین ها ایجاد می شوند. این گزینه‌ها محدوده‌های شاخص‌شده بحرانی هستند و محدودیت‌هایی را در گروه‌بندی معیارها تعیین می‌کنند. رتبه‌بندی‌ها برای رتبه‌بندی شدت این محدوده‌ها از بهترین به بدترین ایجاد شده‌اند. اینجاست که کلاس های تناسب تعیین شده، با مقادیر عددی اختصاص داده شده، می توانند اعمال شوند.

در تعیین گروه بندی معیارهای اولیه برای تولید محصولات کشاورزی در منطقه مورد مطالعه، می توان معیارهای زیادی را تعیین کرد. با توجه به مقیاس منطقه ای منطقه مورد مطالعه، سه متغیر بیوفیزیکی اصلی وجود دارد که معیارهای اولیه را تشکیل می دهند. عوامل اقلیمی، ویژگی های چشم انداز و ویژگی های خاک. اینها به عنوان پایه ای برای تعیین رشد و تولید برای استفاده از زمین های کشاورزی استفاده می شوند. بر اساس ورودی و دانش کارشناسان، این سه معیار اصلی به معیارهای ثانویه تقسیم می شوند که برای رشد کالای مورد مدل سازی حیاتی هستند. در صورت لزوم، می توان تقسیم بندی های بیشتری انجام داد.

هنگامی که معیارها مشخص شدند و درخت تصمیم پایه فرموله شد، وزن معیارها ایجاد می شود. اینها برای هر معیار محاسبه می شوند و اهمیت نسبی را برای یکدیگر و خروجی کلی نشان می دهند. این کار با مقایسه زوجی انجام می شود. این شامل کار با کارشناسان مربوطه برای نشان دادن ورودی ذهنی آنها در مورد اهمیت نسبی معیارها با مقایسه هر یک از معیارها با یکدیگر به صورت جداگانه است. این اهمیت از طریق درجه بندی شدت همانطور که در جدول 1 مشاهده می شود امتیازدهی می شود .

این تصمیمات در یک ماتریس مقایسه زوجی [ 11 ] قرار می گیرند. وزن ها از طریق این ماتریس با عادی سازی مقایسه های زوجی تعیین می شوند. هر مقدار در ستون ماتریس بر مجموع ستون تقسیم می شود. سپس وزن هر معیار با گرفتن میانگین هر ردیف ماتریس محاسبه می شود. مقادیر خروجی وزن‌های معیار هستند که اعداد مطلق با مقادیر بین 0 و 1 هستند و انتظار می‌رود که در یک سطح معیار یا گروه‌بندی، این وزن‌ها به 1 برسد. Chen [26] و Zhang [27 ] ذکر شده‌اند . برای گسترش بیشتر استفاده از ماتریس مقایسه زوجی.

در کنار این مقایسه زوجی و وزن‌های محاسبه‌شده، یک نسبت سازگاری نیز محاسبه می‌شود که نشان‌دهنده کیفیت ارزیابی‌های ذهنی انجام‌شده توسط متخصصان درگیر است [ 5 ، 11 ، 27 ]. اگر CR محاسبه شده کمتر از آستانه تعیین شده 0.1 باشد، مقایسه های زوجی نسبتاً سازگار و مناسب برای استفاده در AHP هستند. اگر نه، پس قضاوت های ذهنی سازگار نیستند و نیاز به ارزیابی مجدد مقایسه زوجی و تصمیمات اتخاذ شده در داخل وجود دارد.

مقایسه زوجی می‌تواند یک تکنیک دقیق برای گرفتن ترجیحات یا نظرات متخصص باشد، زیرا مقایسه هر یک از عوامل با یکدیگر انجام می‌شود، بنابراین قضاوت‌های قابل اعتمادتری می‌شود [ 28 ]. این تکنیک سازگاری بین وزن معیارها را بهبود می بخشد.

2.4. مدلسازی مجموعه فازی

در استقرار چارچوب AHP می‌توان متوجه شد که با تنظیم جایگزین‌ها یا کلاس‌های تناسب در این نمونه، عضویت‌های تعریف‌شده‌ای شکل می‌گیرد. یعنی یک متغیر ورودی در هر گروه بندی معیار معین به یک جایگزین یا کلاس تعلق دارد و نه دیگری. این رویکرد بولی در چارچوب، مرزهای واضحی را در تصمیم گیری ها ایجاد می کند. اما با توجه به ماهیت پیوسته برخی از متغیرهای ورودی، این رویکرد درست یا نادرست می‌تواند محدودیت‌های شدیدی را بر خروجی‌ها و هر تحلیل ناشی از آن اعمال کند.

منطق مجموعه فازی، توسعه یافته توسط زاده و همکاران. [ 16 و 17 ] روی این اصل کار می کند که مرزهای بین کلاس ها به دلایل مختلف نمی توانند به وضوح تعریف شوند [ 20 ]. این می تواند به دلیل ابهام یا عدم قطعیت در ورودی ها [ 29 ]، یا مربوط به ماهیت ثابت برخی از متغیرها باشد. از این رو، منطق مجموعه فازی مرزهای واضح را حذف می کند و برای هر کلاس معیار، درجه ای از عضویت را تعریف می کند. این بیانیه عضویت فازی به یک احتمال تعریف شده از نظر آماری مربوط نمی شود، بلکه بیانیه احتمالی است که یک متغیر عضوی از یک کلاس است [ 20 ، 21 ، 30]]. از طریق محاسبه تابع عضویت، یک متغیر را می توان به یک مجموعه درجه عضویت داد، که به موجب آن، درجه عضویت همیشه به یک گزاره داده شده مربوط می شود [ 27 ]. به عنوان مثال در این مطالعه، یک واحد زمین با توجه به سه معیار اولیه بیوفیزیکی، برای تولید کشاورزی مناسب است.

همانطور که در مطالعات احتمال می توان توزیع های متفاوتی داشت، در تحلیل مجموعه فازی نیز می توان طیف وسیعی از توابع عضویت فازی را داشت [ 20 ]. اینها می توانند شامل توابع بولی، خطی، سهمی و سینوسی تا محاسبات تابع پیچیده تر باشند. برای این مطالعه از تابع عضویت سینوسی ناحیه انتقال محدود استفاده شده است که در ابتدا توسط بارو [ 20 ] به عنوان ‘مدل 2’ توصیف شد ( شکل 2 ).

در این تابع عضویت (MF)، رفتار منحنی های سینوسی مثبت و منفی توسط پارامترها تنظیم می شود.

d_{1}

d_{2}

، که عرض و نقطه انتقال منحنی را که در آن MF = 0.5 کنترل می کند. این مدل با سه معادله تعریف می شود:

م اف (z) = 1 1 + ( z - ب 1 - د 1 د 1 ) 2 من f z < ب 1 + د 1

(1)

م اف (z) = 1 i f ب 1 + د 1 \leq z \leq ب 2 - د 2

(2)

م اف (z) = 1 1 + ( z - ب 2 + د 2 د 2 ) 2 من f z < ب 2 - د 2

(3)

جایی که $M F (z)$ مقدار تابع عضویت مربوط به مقدار متغیر است $z$ ، $d_{1}$ و $d_{2}$ پهنای منطقه انتقال با $d_{1}$ مربوط به منحنی مثبت و $d_{2}$ به منحنی منفی، و $b_{1}$ و $b_{2}$ نقاط متقاطع انتقالی هستند که در آن متغیر است $z$ دارد $M F (z) = 0$ .

این معادلات را می توان با هم به عنوان یک مدل منفرد برای تشکیل یک منحنی کامل، یا به عنوان توابع مجزای مجزا، بسته به ماهیت متغیر ورودی به تابع، استفاده کرد. هنگامی که این را به یک مدل AHP تثبیت شده مرتبط می کنیم، مقادیری از

z

b

قابل تشخیص است. با این حال، پهنای منطقه انتقالی از

d

در این منحنی اصولا توسط کاربر تعریف می شود. از این رو، وابسته به دانش کاربران است و می تواند ماهیت ذهنی داشته باشد. این را می توان با برازش منحنی به AHP کاهش داد.

چارچوب AHP را می توان در این درجه بندی تابع عضویت بیان کرد ( شکل 3 a)، که مرزهای واضح تحمیل شده توسط کلاس های جایگزین معیار را نشان می دهد. این مسائل مرزی را می توان با همپوشانی و برازش یک مدل تابع عضویت سینوسی، همانطور که در بالا مشاهده شد ( شکل 2 )، در یک تابع عضویت فازی متناسب ( شکل 3 ب) کاهش داد.

در اینجا، مقادیر برای

b

از کلاس های جایگزین که در آن مقدار کلاس مناسب بودن 0.5 است، که برابر با مقدار تابع عضویت 0.5 است، مشتق شده اند. سپس مقادیر پهنای ناحیه انتقال،

d

را می توان با تعیین تفاوت بین مقادیر در آن محاسبه کرد

M F (z) = 1.0

M F (z) = 0.5

یک جایگزین برای این منحنی فازی برازش، ایجاد منحنی‌ها در AHP است که توابع عضویت تودرتوی متعددی را بین هر کلاس جایگزین معیارهای AHP تشکیل می‌دهد ( شکل 4) .). ایجاد و شکل‌گیری هر مدل AHP از چندین متخصص برای تعریف اهداف، معیارها و جایگزین‌ها استفاده می‌کند. با استفاده از یک منحنی عضویت فازی، حتی منحنی که به AHP برازش می‌شود، می‌توان تصمیمات و ورودی‌های متخصص را مبهم کرد. یک AHP فازی تودرتو هنوز از ساختار کلی و مقادیر چارچوب اصلی ایجاد شده توسط AHP استاندارد استفاده می کند. با تطبیق توابع عضویت در AHP، تصمیمات اصلی و ورودی های متخصص، کم و بیش، به طور کامل حفظ می شوند، اما مرزهای واضح حذف می شوند و انتقال های فازی به جای آنها معرفی می شوند. با این حال، در استفاده از این رویکرد، عرض ناحیه انتقال در هر منحنی تودرتو توسط کاربر تنظیم می‌شود و نمی‌تواند با دانش از قبل موجود تطبیق داده شود.

2.5. ورودی های مدل و کاربرد

مدل تناسب زمین برای تولید گلابی در سراسر منطقه مورد مطالعه برای شرایط آب و هوایی فعلی و آینده استفاده شد. ورودی داده های مربوطه از شوراهای محلی نماینده در منطقه مورد مطالعه به دست آمد. اطلاعات اقلیمی هم در یک بازه زمانی فعلی و هم به عنوان پیش‌بینی‌های آینده برای سال 2050 ارائه می‌شود، در حالی که داده‌های خاک و چشم‌انداز بین هر بازه زمانی ثابت می‌مانند. برای مقادیر فعلی آب و هوا، یک آب و هوای نرمال ایجاد شده است. این به عنوان آب و هوای پایه نامیده می شود. این خط مبنا برای همه متغیرهای اقلیمی با استفاده از داده‌های اقلیمی از سال 1961 تا 1990 محاسبه می‌شود. این دوره سی ساله به اندازه‌ای طولانی است که تغییرات سال به سال را شامل شود و در نظر گرفته شود، اما نه آنقدر طولانی که اجازه دهد تحت تأثیر روندهای آب و هوایی بلندمدت قرار گیرد. این دوره از سال 1961 تا 1990 همچنین توسط تعدادی از سازمان های هواشناسی دیگر از جمله سازمان جهانی هواشناسی و اداره هواشناسی استرالیا به عنوان پایه مورد استفاده قرار می گیرد. سناریوهای اقلیمی آینده برای سال 2050 با استفاده از مدل گردش جهانی CSIRO (GCM) CSIRO Mk 3.5 [31 ] و سناریوی انتشار A1FI [ 32 ]. محتوای جوی مدل Mk 3.5 برای تولید داده های ماهانه استفاده شده است. هم داده‌های آب و هوایی پایه و هم پیش‌بینی‌شده در سطح ویکتوریا برای متغیرهای آب و هوایی لازم ارائه شده‌اند و با وضوح فضایی ۵ کیلومتر مربع ^در قالب شبکه ارائه شده‌اند.

مدل AHP برای تولید گلابی به صورت جدولی در جدول 2 ارائه شده است . به دلیل پیچیدگی و اندازه این مدل درخت تصمیم AHP خاص، تنها بالاترین و پایین ترین کلاس های مناسب در این جدول خاص ذکر شده است. ارائه‌های بیشتر از یک مدل درخت تصمیم AHP ساده‌تر که در تحلیل تناسب در ویکتوریا، استرالیا اعمال می‌شود، را می‌توان در Sposito و همکارانش یافت . [ 28]. برای کاربرد واقعی مدل چندین کلاس مناسبت تعریف شده، از زیاد تا خیلی کم وجود دارد که در جدول مستند نشده است. سه معیار اصلی بیوفیزیکی در این مدل نشان داده شده است. هر یک از این معیارها دارای وزن‌های مرتبطی هستند که به‌عنوان درصد برای سهولت در تفسیر ارائه می‌شوند و در هر گروه بندی تا 100 درصد جمع می‌شوند. به عنوان مثال، منظره دارای وزن 15 درصد، خاک 25 درصد و آب و هوا 60 درصد بود. این مقادیر نشان دهنده اهمیت مربوط به هر معیار برای رشد کالای مورد نظر است. در سطح بعدی پایین، در اقلیم، بارندگی با وزن 60 درصد مهمترین معیار است. تمام تقسیم بندی معیارهای اولیه و ثانویه، وزن ها، طبقات مناسب و مقادیر شاخص با قضاوت متخصص تعیین و تعریف می شوند و در معرض مقایسه زوجی قرار می گیرند.

در پایه، معیارهای تعریف شده در طبقات مناسب طبقه بندی می شوند و یک مقدار شاخص عددی به آنها داده می شود. این مقادیر عددی بر اساس چارچوب تناسب است که توسط فائو [ 3 ] ایجاد شده است. دو سفارش مناسب بودن اصلی وجود دارد. نامناسب (-1.0) و مناسب (0.0 تا 1.0). نامناسب به طور کامل به طور موقت نامناسب (TNS) توضیح داده شده است، که مناطقی را نشان می‌دهد که می‌توان آن‌ها را اصلاح کرد و به طور دائم نامناسب (PNS) برای مناطق کاملاً غیرمحدود است. چهار کلاس مناسب بودن استفاده می شود. زیاد (0.8 تا 1.0)، متوسط (0.5 تا 0.7)، کم (0.2 تا 0.4) و خیلی کم (0.0 تا 0.1).

برای تجزیه و تحلیل تناسب زمین کشاورزی برای تولید گلابی در منطقه مطالعه شکسته Goulburn از سه رویکرد استفاده خواهد شد. اینها یک رویکرد استاندارد AHP و دو نوع مدل سازی مجموعه فازی، یعنی منحنی های فازی برازش و AHP فازی تودرتو خواهند بود. این کار در دو دوره اقلیمی متفاوت انجام می شود، خط پایه نرمال آب و هوا و سال پیش بینی شده آینده 2050.

در ترجمه به توابع عضویت فازی برای هر یک از دو مدل مجموعه فازی اعمال شده، هر معیار ورودی رفتارهای متفاوتی از خود نشان خواهد داد. این در رابطه با منحنی های تابع عضویت و معادلات (1)-(3) خواهد بود و به صورت یک منحنی مثبت، یک منحنی منفی یا ترکیبی از هر دو نمایش داده می شود. جدول 2 نشان می دهد که چگونه هر یک از معیارهای ورودی با توابع عضویت مربوطه خود مدل می شوند.

مدل تناسب زمین با استفاده از ماژول‌های اسکریپت پایتون و ابزارهای تعبیه‌شده در ESRI ArcGIS v10.1© (Redlands، CA، USA) پیاده‌سازی شد. هر ورودی داده برای فاکتورهای بیوفیزیکی بر اساس مقدار شاخص تناسب و وزن، طبقه‌بندی و روی هم قرار می‌گیرد. خروجی نهایی یک نقشه ترکیبی است که مناسب بودن برای رشد چچم چند ساله در سراسر منطقه مورد مطالعه را شرح می دهد.

3. نتایج

اجرای مدل یک نقشه ترکیبی تولید می کند که مناطق را از نظر مناسب بودن برای رشد چچم چند ساله رتبه بندی می کند. محدوده شاخصی از 0.0 تا 1.0 دارد، که در آن 0.0 به معنای سایتی است که در نظر گرفته می شود هیچ پتانسیلی ندارد و 1.0 نشان دهنده سایتی است که برای پرورش چچم/زیر شبدر چند ساله ایده آل است. برای اهداف تفسیری، این مقادیر به درصدهایی تبدیل شده‌اند که با کلاس‌های مناسبت تعریف‌شده مطابقت دارند و می‌توانند در آنها گروه‌بندی شوند. برای اهداف این مطالعه، تمام مناطق در منطقه مورد مطالعه برای تجزیه و تحلیل در تحلیل فضایی و شمارش کل مساحت در نظر گرفته می شود. در واقع، بخشی از منطقه مورد مطالعه، زمین عمومی یا برای استفاده شهری، مانند پارک های ملی یا ایالتی یا شهرک های مسکونی تلقی می شود.

3.1. خروجی های استاندارد AHP

شکل 5خروجی های مناسب را برای سال پایه نرمال آب و هوا و سال 2050 در مدل AHP استاندارد بولی به تصویر می کشد. در سال‌های پایه (پانل سمت چپ) اکثر منطقه مورد مطالعه تناسب بالایی را نشان می‌دهد، در درجه اول در مقدار شاخص تناسب 90٪، با برخی از مناطق در جنوب شرقی و شمال در مقادیر 80٪ پایین تر. در سراسر منطقه مرکزی، از شمال شرق به غرب، توزیعی وجود دارد که تناسب 100٪ را با جزئیات نشان می دهد. برخی از توزیع های جزئی در مناطق جنوبی وجود دارد که مناسب بودن در رتبه بندی های متوسط را در 80٪ نشان می دهد. مناطق وسیعی در جنوب جزئیات زمینی را که به عنوان PNS تعیین شده است، که به عوامل چشم انداز و خاک که مانع از کشت گلابی می شود، مربوط می شود. مناطق دیگر در شمال به عنوان PNS تعیین شده اند، زیرا آنها آب های بزرگی هستند. به سال 2050 (پانل سمت راست)، اکثریت منطقه هنوز هم تناسب بالایی در 80 درصد و بالاتر نشان می دهد. با این حال، به سمت شمال کاهش هایی به سمت کلاس های مناسبت متوسط وجود دارد. نوار مرکزی تناسب بالا به جنوب منتقل شده است، با این منطقه مرکزی اکنون 90 درصد مناسب بودن را نشان می دهد.

3.2. خروجی های مدل سازی مجموعه فازی

دو پانل در شکل 6 خروجی های مدل سازی مجموعه فازی هستند که در آنها منحنی تابع عضویت سینوسی به مقادیر تعیین شده در AHP برازش می شود، همانطور که در شکل 3 نشان داده شده است . این دو پانل خروجی هایی را برای سال پایه عادی آب و هوا (پانل سمت چپ) و سال 2050 (پانل سمت راست) نشان می دهند. مقادیر شاخص تناسب، به عنوان مثال ، مقادیر تابع عضویت، در رویکرد استاندارد AHP به عنوان در کلاس‌های مجزا ارائه می‌شوند. در مقایسه با این، مقادیر شاخص تناسب در مدل‌های مجموعه فازی پیوسته هستند. از این رو، خروجی‌های فضایی را می‌توان با یک طرح رنگی درجه‌بندی شده، مشابه آنچه در خروجی‌های فضایی استاندارد AHP به تصویر می‌کشد، اما بیشتر منعکس‌کننده مقادیر مدل‌سازی پیچیده است.

در پانل پایه نرمال آب و هوا، اکثریت منطقه مقادیر مناسبی بالا را نشان می‌دهد که 80 درصد و بالاتر هستند. مقادیر بالاتر در زیر منطقه مرکزی از شمال شرقی به غرب مرکزی متمرکز شده‌اند، با مقادیر پایین‌تر بالا یا در امتداد حاشیه این توزیع‌ها یا در توزیع‌های جزئی کوچک‌تر پراکنده می‌شوند. رتبه بندی متوسط در 70٪ و کمتر نیز در مناطق جنوبی ذکر شده است. در اینجا نیز تکه هایی از زمین تعیین شده است که به عنوان PNS تعیین شده است، که اساساً به دلیل عوامل شیب منظر و سایر معیارهای محدود کننده خاک است. با این حال، در مقایسه با خروجی های AHP استاندارد، این توزیع های نامناسب از نظر مساحت کوچکتر هستند. در سال 2050، مشاهده می شود که این مناطق مناسب تر به سمت جنوب تغییر می کنند. با اکثریت جنوب منطقه مورد مطالعه مقادیر تقریباً 80٪ و بالاتر را نشان می دهد. رتبه‌بندی‌های متوسط در جنوب، که در ابتدا ذکر شد، اکنون با این رتبه‌بندی‌های بالاتر جایگزین شده‌اند. با این حال، رتبه‌بندی‌های متوسط اکنون در شمال مشاهده می‌شود، جایی که مقادیر مناسب‌تر به طبقات پایین‌تر کاهش می‌یابد.

خروجی های فضایی برای مدل مجموعه فازی ثانویه، که در آن توابع عضویت فردی در چارچوب استاندارد AHP تودرتو هستند، در شکل 7 به تفصیل آمده است . مقادیر شاخص در این خروجی ها پیوسته هستند و بنابراین، ارقام خروجی با یک رمپ رنگی درجه بندی شده ارائه می شوند. دو پانل برای آب و هوای پایه نرمال (پانل سمت چپ) و سال 2050 (پانل سمت راست)، روندها و الگوهای بسیار مشابهی را با دو خروجی مدل‌سازی قبلی نشان می‌دهند، با رتبه‌بندی‌های مناسب در خط پایه که مشخص شده است تا سال 2050 به سمت جنوب تغییر می‌کند. با کاهش کلی تناسب در شمال.

با این حال، خروجی ها را می توان به عنوان آمیزه ای از هر دو تکنیک مدل سازی قبلی توصیف کرد. این شکل‌ها توزیع‌ها یا مناطق مناسب‌تر را با وضوح بیشتری نشان می‌دهند که منعکس‌کننده چارچوب بولی در رویکرد استاندارد AHP است. اما یک جریان مدرج و پیوسته‌تر بین این نواحی وجود دارد که مشخصه‌ای از منحنی‌های عضویت متناسب با AHP و درون آن است. این به وضوح در خروجی 2050 نشان داده می شود، جایی که مرزبندی واضحی بین مناطق شمالی و جنوبی با توزیع شمال شرقی به غرب رتبه بندی های مناسب وجود دارد. به‌علاوه، رتبه‌بندی‌های متوسط در شمال به وضوح مشخص‌تر و از نظر مساحت کمی بزرگ‌تر هستند، در حالی که همچنان الگوی پیوسته و درجه‌بندی شده را حفظ می‌کنند.

3.3. مقایسه خروجی

برای هر طبقه مناسب، مجموع هکتاری که هر طبقه در منطقه مورد مطالعه اشغال می کند، و همچنین نسبت نسبی آنها را می توان بدست آورد که در جدول 3 نشان داده شده است . برای مقاصد مقایسه بین AHP استاندارد و هر دو مدل مجموعه فازی، مقادیر شاخص تناسب غیرفازی شده‌اند، به این معنی که آنها در کلاس‌های تناسب وسیع مربوط به تعداد کامل گروه‌بندی شده‌اند.

روندهای کلی برای هر روش نشان می دهد که بین پایه نرمال آب و هوا و سال 2050 یک کاهش کلی در رتبه بندی مناسب وجود دارد، اما نسبت های بالاتر همیشه در مقدار شاخص تناسب 90٪ باقی می ماند. همچنین نکته قابل توجه این است که مقادیر شاخص TNS و PNS یکسان باقی می مانند. با این حال، از مدل های استاندارد AHP و مجموعه فازی، برای این کلاس های نامناسب، کاهشی در کل مساحت اشغال شده در منطقه مورد مطالعه وجود دارد. تفاوت بین هر روش مدل سازی را می توان از این خروجی های عددی تشخیص داد، به ویژه بین AHP استاندارد و مدل فازی برازش.

اگرچه این اعداد نمی توانند هیچ یک از جابجایی های فضایی دیده شده در خروجی ها را نشان دهند، اما می توانند رفتارهایی را در گروه بندی مناسب بین تحمیل مرزهای واضح در رویکرد استاندارد AHP و عضویت های فازی در هر دو رویکرد مدل سازی مجموعه فازی نشان دهند. نکته قابل توجه در اینجا افزایش بزرگ در رتبه بندی 70% در استاندارد AHP بین خروجی های معمولی و 2050 است. به همین ترتیب، مشاهدات دیگر در این خروجی های عددی، تغییرات نسبتا جزئی در مقدار شاخص تناسب 90 درصد در رویکرد فازی برازش شده است.

رویکرد فازی تودرتو، به عنوان آمیزه‌ای از AHP استاندارد و فازی برازش، برخی از رفتارهای هر دو مدل را نشان می‌دهد. این را می‌توان در نحوه کاهش شدید کلاس تناسب 90% بین نرمال و 2050 مشاهده کرد که با نتایج AHP استاندارد قابل مقایسه است، یا افزایش بزرگ در مقدار شاخص تناسب 80% که مشابه نتایج بدست آمده از رویکرد فازی برازش شده

4. بحث نتایج

بین هر تکنیک مدلسازی تناسب، تنها معیارهای اقلیمی است که بین دو بازه زمانی تغییر می‌کند، در حالی که هم متغیرهای خاک و هم عوامل منظر ثابت نگه داشته می‌شوند. تغییر پیش بینی شده در آب و هوا تا سال 2050 همیشه منجر به تغییر در مناسبت می شود. با کاهش احتمالی آب موجود و افزایش دما، پوشش اقلیمی مطلوب برای تولید گلابی در منطقه مورد مطالعه تغییر می‌کند. هر روش تجزیه و تحلیل تناسب شاهد این تغییرات به عنوان یک جابجایی به سمت جنوب در رتبه‌بندی‌های مناسب‌تر، با افزایش رتبه‌بندی‌های تناسب کمتر در شمال است. این امر عمدتاً ناشی از افزایش دمای داخلی پیش بینی شده همراه با کاهش ذخایر بالقوه آب در نواحی آبیاری فعلی و اطراف است.

از منظر تصمیم‌گیری و برنامه‌ریزی، بررسی این تغییرات مناسب بین خط پایه نرمال آب و هوا و اقلیم پیش‌بینی‌شده برای کاربردهای کشاورزی می‌تواند مفید باشد. یکی از دلایل اصلی در نظر گرفته شده برای تحلیل چند مدلی بین دو بازه زمانی، بررسی رفتار مدل بین تکنیک‌های مدل‌سازی بولی و پیچیده با متغیرهای متغیر بود.

همانطور که توضیح داده شد، هر روش الگوی تغییر مشابهی را بین دو بازه زمانی نشان می‌دهد، البته با ویژگی‌های خاص خود. رویکرد استاندارد AHP یک منطق بولی را به مقادیر شاخص مناسب تحمیل می کند. رتبه‌بندی‌ها یا قطعاً بخشی از یک گروه هستند، هیچ احتمالی وجود ندارد که بتواند عضویت را با سایر گروه‌های همسایه به اشتراک بگذارد. این مرزهای واضح در مقادیر شاخص تناسب یک یا/یا در رتبه بندی ها ایجاد می کند. از این رو، در برخی موارد که مقدار شاخص بین دو کلاس قرار می‌گیرد، می‌توان آن را به یک کلاس بر کلاس دیگر منتقل کرد. این می تواند حتی زمانی رخ دهد که یک مقدار به طور کامل عضو یک کلاس خاص نباشد.

نمونه هایی از این را می توان در کلاس های PNS برای هر دو بازه زمانی در هر یک از تکنیک های مدل سازی مشاهده کرد. در رویکرد استاندارد AHP نشان داده شده است که این کلاس مقدار بیشتری از زمین را اشغال می کند، در حالی که در مدل های فازی این مقادیر کمتر است. این یک کهن‌الگویی از جایی است که مقادیر شاخص می‌توانند دارای درجه عضویت بین دو کلاس باشند و در خروجی‌های فضایی مدل فازی منعکس می‌شود، جایی که نشان می‌دهد مساحت بیشتری در محدوده مناسب قرار می‌گیرد. این موضوع در سایر طبقات مانند طبقه متوسط 70 درصد نیز مشهود است. در اینجا، در رویکرد استاندارد AHP، بین خط پایه نرمال آب و هوا و 2050 افزایش قابل توجهی در مقدار مساحت اشغال شده توسط این کلاس وجود دارد. با این حال، برای رویکردهای فازی مناسب و فازی تودرتو، این افزایش در این کلاس به آن اندازه نیست.

5. نظرات پایانی

چارچوب پایه AHP که همه رویکردها بر اساس آن ساخته شده اند، یک مدل سیستم های خبره است. یعنی مدل‌ها توسط کارشناسان کشاورزی اطلاع‌رسانی و ساخته می‌شوند. لایه های داده کاربری زمین وجود دارد که به صورت مکانی نشان می دهد که شرکت های کشاورزی در کجای چشم انداز وجود دارند. اما، همانطور که اغلب اتفاق می افتد، قرار دادن کشاورزی در سراسر چشم انداز استرالیا تا حد زیادی با الگوهای سکونتگاهی تاریخی همراه بوده است و سنت جایگاه آنها را حفظ کرده است. تناسب زمین تنها در حال حاضر تبدیل به یک مفهوم تثبیت شده است که به آرامی در سراسر مزرعه استرالیا پذیرفته می شود. خروجی‌های مناسب، برای همه رویکردها، در بهترین حالت، بازنمایی یا تصویری فوری از واقعیت را در یک مقطع زمانی خاص نشان می‌دهند.

با این حال، این روش مدل سازی سیستم های خبره می تواند در معرض طیفی از عدم قطعیت ها باشد. ورودی تخصصی که بخش اصلی چارچوب را تشکیل می‌دهد، ماهیت ذهنی دارد، می‌تواند بر اساس نظرات مغرضانه یا حوزه تخصصی محدودی فرموله شود. همچنین تعاریف برخی از عوامل زمین به دست آمده توسط کارشناسان، که ممکن است در تعیین تناسب مهم در نظر گرفته شوند، می توانند ذاتا مبهم باشند [ 21 ]. این عدم قطعیت‌ها را می‌توان از طریق اقدامات خاصی کاهش داد، مانند AHP که در آن مقایسه‌های زوجی، استفاده از متخصصان متعدد و نسبت‌های سازگاری همگی برای کاهش ذهنیت عمل می‌کنند. علاوه بر این، Sicat و همکاران. [ 21]، از طریق استفاده از مدل سازی مجموعه های فازی بر روی دانش خبره، اساساً این عدم قطعیت ذهنی را کنترل و کاهش می دهد.

علاوه بر این، عدم قطعیت ها در چارچوب مدل AHP دیده می شود. طراحی بولی یک AHP یک قالب یا/یا را بر مقادیر شاخص مناسب تحمیل می کند. در یک سیستم طبیعی که اغلب تغییرات تدریجی در عوامل خاص مانند آب و هوا یا خاک در طول زمان و مکان وجود دارد، این ساختار طبقه بندی شده در نسبت دادن مقادیر، طیفی از عدم قطعیت ها را معرفی می کند. این به وضوح در خروجی فضایی استاندارد AHP که در آن مرزهای واضح مشخص در سراسر منطقه مورد مطالعه وجود دارد، مشهود است. رویکرد مدل‌سازی پیچیده، که در هر دو روش مجموعه فازی دیده می‌شود، در به حداقل رساندن این عدم قطعیت‌ها مفید است زیرا آنها به سیستم‌های طبیعی نزدیک‌تر هستند. نظریه مجموعه های فازی قادر است این پیوستگی زمین را برای طبقات مختلف به تصویر بکشد که یک مزیت عمده را فراهم می کند [ 2]]. خروجی‌های فضایی برای هر دو رویکرد فازی برازش و فازی تودرتو این را نشان می‌دهد، با هر دو خروجی درجه‌بندی تناسب در سراسر منطقه مورد مطالعه، با شواهد بسیار کمی از مرزهای بین کلاس‌های تناسب.

برای این منظور، رویکردهای مجموعه فازی مورد استفاده، محصول نهایی بهبود یافته و جامع‌تری را نسبت به محصولی که توسط AHP استاندارد تولید می‌شود، ارائه می‌کند. نتایج مشابهی از جمله توسط بارو [ 18 ]، کشاورزی [ 2 ]، العلم [ 15 ] و ژانگ [ 27] بیان شد.]. بین روش‌های فازی مناسب و فازی تودرتو، هر دو دارای نکات مثبت و منفی هستند که استفاده از آنها را نشان می‌دهد. رویکرد فازی برازش از این جهت سودمند است که منحنی‌های تابع عضویت سینوسی به AHP برازش می‌شوند، یعنی منطقه انتقال منحنی‌ها توسط چارچوب AHP تعریف می‌شود. از این رو، ساختار منحنی به طور کامل توسط AHP تعریف شده است و هر گونه ذهنیت مبتنی بر مدل‌ساز حذف می‌شود. با این حال، این منحنی منفرد که در کل چارچوب AHP استفاده می‌شود، AHP را هموار می‌کند، که طبقه‌بندی کلاس ارزش شاخص تناسب متناوب یا متفاوت برخی از چارچوب‌های AHP را نادیده می‌گیرد.

رویکرد فازی تودرتو، به عنوان آمیزه‌ای از رویکرد استاندارد AHP و مدل‌سازی مجموعه‌های فازی، مزایایی را نسبت به رویکرد فازی برازش، با حداقل ضعف، ارائه می‌کند. یکی از اشکالات این رویکرد در تعیین منطقه انتقال در منحنی تابع عضویت نهفته است. از آنجایی که پارامتر تنظیمی برای هدایت عرض این ناحیه وجود ندارد، مقدار باید با تعیین مدلساز تنظیم شود. از این رو، این مقداری عدم قطعیت را از طریق ورودی ذهنی به چارچوب باز می‌گرداند. علاوه بر این، العلم [ 15] گسترش می دهد که در واقعیت ممکن است بین کلاس ها همپوشانی وجود داشته باشد. با تودرتو کردن منحنی‌های عضویت بین کلاس‌های تناسب، می‌توان بخشی از این همپوشانی یا تداوم را از دست داد. با این حال، با حفظ ساختار اصلی و طبقه‌بندی کلاس ارزش شاخص تناسب موجود در AHP استاندارد در رویکرد AHP تودرتو فازی، تصمیم‌گیری‌های تخصصی و ورودی حفظ می‌شوند. در مرحله دوم، مدل‌سازی پیچیده موجود در مجموعه‌های فازی را معرفی می‌کند، که نشان داده شده است که ترکیبات پیوسته موجود در سیستم‌های طبیعی را تکرار می‌کند.

بنابراین، در حالی که هر دو رویکرد فازی خروجی‌های بهتری نسبت به AHP استاندارد ارائه می‌دهند، انتظار می‌رود که رویکرد AHP فازی تودرتو، ماهیت پیوسته عوامل بیوفیزیکی را به‌عنوان ورودی در چارچوب مناسب‌تر نشان دهد و ادغام کند، در حالی که زیرکانه‌تر و مناسب‌تر تولید کند. خروجی مناسب برای تصمیم گیری و اهداف برنامه ریزی در کاربردهای کشاورزی این اجازه می دهد تا ابهام ذاتی چشم انداز با عدم تحمیل محدودیت یا شکست بر سیستم [ 18 ] بیان شود، در حالی که هنوز دانش مبتنی بر متخصص را در چارچوب یکپارچه می کند. تصاویر دیگر از این رویکرد از تلفیق دانش خبره و نظریه مجموعه های فازی در Sicat و همکاران مشاهده شده است. [ 21 ] و رشمیدوی [ 22].

این مقایسه و ارزیابی بعدی از سه تکنیک تجزیه و تحلیل تناسب، از یک پایه نرمال آب و هوا تا آینده آب و هوا، بینشی در مورد رفتار مدل ارائه می دهد. این یک پایه برای ارزیابی ظرفیت پیش بینی، اعتبار و ارتباط هر روش فراهم می کند. یک کاربرد اصلی خروجی های پایه این است که از آنها برای تصمیم گیری در مدیریت کشاورزی و منابع طبیعی و شکل دادن به تصمیمات برنامه ریزی در منطقه مورد مطالعه استفاده می شود.

تصمیم‌گیری تحت هر ابر عدم قطعیت، همانطور که توسط رویکردهای AHP استاندارد تحمیل می‌شود، می‌تواند پیچیده باشد و دستیابی به هر نتیجه‌گیری مهمی بر اساس هر تعدادی از اخطارها خواهد بود [ 2 ]. در شناسایی زمین‌های کشاورزی مناسب که ماهیت مستمر محیط را تطبیق می‌دهد، هم برای بازه‌های زمانی فعلی و هم در آینده، حفاظت بیشتری از زمین‌های با ارزش کشاورزی در تصمیم‌گیری‌های برنامه‌ریزی وجود خواهد داشت. این می تواند به ویژه در مناطق رشد منطقه ای، که در آن گسترش شهری و روستایی با زمین های کشاورزی مولد در ارتباط است، تلخ باشد. توسعه یک مدل تناسب که به طور مناسب تری منعکس کننده سیستم های طبیعی باشد، به طور بالقوه خروجی دقیق تری را ارائه می دهد که ارزش پیش بینی بیشتری برای تناسب زمین کشاورزی دارد.

منابع

اولسن، جی. Bindi, M. پیامدهای تغییر آب و هوا برای بهره وری کشاورزی اروپا، استفاده از زمین و سیاست. یورو جی. آگرون. 2002 ، 16 ، 239-262. [ Google Scholar ] [ CrossRef ]
کشاورزی، ع. سرمدیان، ف. حیدری، ع. امید، م. ارزیابی تناسب اراضی با استفاده از طبقه‌بندی پیوسته فازی (مطالعه موردی: منطقه زیاران). مد. Appl. علمی 2010 ، 4 ، 72. [ Google Scholar ] [ CrossRef ]
فائو چارچوبی برای ارزیابی زمین ; بولتن خاک فائو; سازمان غذا و کشاورزی سازمان ملل متحد: رم، ایتالیا، 1976. [ Google Scholar ]
وانگ، اف. برنت هال، جی. سوباریونو نمایش و پردازش اطلاعات فازی در نرم افزار متعارف GIS: طراحی و کاربرد پایگاه داده بین المللی جی. جئوگر. Inf. سیستم 1990 ، 4 ، 261-283. [ Google Scholar ] [ CrossRef ]
نثار احمد، TR; گوپال رائو، ک. مورتی، مدل عضویت فازی مبتنی بر GIS JSR برای تجزیه و تحلیل تناسب زمین زراعی. کشاورزی سیستم 2000 ، 63 ، 75-95. [ Google Scholar ] [ CrossRef ]
کارور، اس جی ادغام ارزیابی چند معیاره با سیستم های اطلاعات جغرافیایی. بین المللی جی. جئوگر. Inf. سیستم 1991 ، 5 ، 321-339. [ Google Scholar ] [ CrossRef ]
یانکوفسکی، پ. Richard, L. ادغام تجزیه و تحلیل مناسب بودن مبتنی بر GIS و ارزیابی چند معیاره در یک سیستم پشتیبانی تصمیم فضایی برای انتخاب مسیر. محیط زیست طرح. B طرح. دس 1994 ، 21 ، 323-340. [ Google Scholar ] [ CrossRef ]
حسین، ح. اسپوزیتو، وی. ایوانز، سی. ارزیابی منابع زمین پایدار در سیستم های منطقه ای و شهری. Appl. GIS 2006 ، 2 ، 24.1–24.21. [ Google Scholar ] [ CrossRef ]
دوجموویچ، جی جی. د تره، جی. Dragicevic, S. مقایسه روشهای چند معیاره برای ارزیابی تناسب کاربری اراضی. در مجموعه مقالات کنگره جهانی انجمن بین المللی سیستم های فازی مشترک 2009 و کنفرانس اروپایی منطق فازی و کنفرانس فناوری فازی 2009 IFSA/EUSFLAT، لیسبون، پرتغال، 20-24 جولای 2009.
مک هارگ، طراحی IL با طبیعت ؛ منتشر شده برای موزه تاریخ طبیعی آمریکا؛ انتشارات تاریخ طبیعی: گاردن سیتی، نیویورک، ایالات متحده آمریکا، 1969. [ Google Scholar ]
Saaty، TL فرآیند تحلیل سلسله مراتبی: برنامه ریزی، تنظیم اولویت، تخصیص منابع . McGraw-Hill International Book Co.: New York, NY, USA; لندن، بریتانیا، 1980. [ Google Scholar ]
Saaty، TL Fundamentals of Decision Making, and Prority Theory: With the Analytic Hierarchy Process , 1st ed.; سری فرآیندهای تحلیل سلسله مراتبی; انتشارات RWS: Pittsburgh, PA, USA, 1994. [ Google Scholar ]
ساعتی، TL تصمیم گیری برای رهبران: فرآیند تحلیل سلسله مراتبی برای تصمیمات در یک جهان پیچیده ، ویرایش 3. انتشارات RWS: Pittsburgh, PA, USA, 1995. [ Google Scholar ]
میخائیلوف، ال. استخراج اولویت ها از قضاوت های مقایسه زوجی فازی. سیستم مجموعه های فازی 2003 ، 134 ، 365-385. [ Google Scholar ] [ CrossRef ]
Elaalem, M. مقایسه روش‌های چند معیاره پارامتریک و فازی برای ارزیابی تناسب زمین برای زیتون در دشت جفارا لیبی. APCBEE Procedia 2013 ، 5 ، 405-409. [ Google Scholar ] [ CrossRef ]
Zadeh, LA Fuzzy sets. Inf. کنترل 1965 ، 8 ، 338-353. [ Google Scholar ] [ CrossRef ]
زاده، LA مجموعه فازی و کاربردهای آنها در فرآیندهای شناختی و تصمیم گیری ; انتشارات آکادمیک: نیویورک، نیویورک، ایالات متحده آمریکا، 1975. [ Google Scholar ]
بارو، پی. مک میلان، آر. روش‌های طبقه‌بندی فازی Deursen، WV برای تعیین تناسب زمین از مشاهدات و توپوگرافی خاک. J. Soil Sci. 1992 ، 43 ، 193-210. [ Google Scholar ] [ CrossRef ]
لیو، ی. جیائو، ال. لیو، ی. او، جی. یک سیستم استنتاج فازی خودسازگار برای ارزیابی زمین کشاورزی. محیط زیست مدل. نرم افزار 2013 ، 40 ، 226-234. [ Google Scholar ] [ CrossRef ]
بارو، PA; مک دانل، RA; Lloyd, CD Principles of Geographical Information Systems , 3rd ed.; انتشارات دانشگاه آکسفورد: آکسفورد، بریتانیا، 2015. [ Google Scholar ]
Sicat، RS; Carranza، EJM; Nidumolu، UB مدل سازی فازی دانش کشاورزان برای طبقه بندی تناسب زمین. کشاورزی سیستم 2005 ، 83 ، 49-75. [ Google Scholar ] [ CrossRef ]
رشمیدوی، تلویزیون; الدو، تی. Jana, R. یک سیستم استنتاج مبتنی بر قوانین فازی یکپارچه GIS برای ارزیابی تناسب زمین در حوزه های آبخیز کشاورزی. کشاورزی سیستم 2009 ، 101 ، 101-109. [ Google Scholar ] [ CrossRef ]
سبالوس-سیلوا، آ. لوپز-بلانکو، جی. تعیین مناطق مناسب برای محصولات زراعی با استفاده از رویکرد ارزیابی چند معیاره و نقشه برداری کاربری/پوشش زمین: مطالعه موردی در مکزیک مرکزی. کشاورزی سیستم 2003 ، 77 ، 117-136. [ Google Scholar ] [ CrossRef ]
ووگد، ح. ارزیابی چند معیاره برای برنامه ریزی شهری و منطقه ای ; Pion.: لندن، انگلستان، 1983; جلد 14، ص. 367. [ Google Scholar ]
Malczewski، J. تجزیه و تحلیل مناسب کاربری زمین مبتنی بر GIS: مروری انتقادی. Prog. طرح. 2004 ، 62 ، 3-65. [ Google Scholar ] [ CrossRef ]
چن، ی. یو، جی. خان، اس. چارچوب فضایی برای تجزیه و تحلیل حساسیت وزنی در تصمیم گیری چند معیاره مبتنی بر AHP. محیط زیست مدل. نرم افزار 2013 ، 48 ، 129-140. [ Google Scholar ] [ CrossRef ]
ژانگ، جی. سو، ی. وو، جی. ارزیابی تناسب زمین مبتنی بر لیانگ، H. GIS برای تولید تنباکو با استفاده از AHP و مجموعه فازی در استان شاندونگ چین. محاسبه کنید. الکترون. کشاورزی 2015 ، 114 ، 202-211. [ Google Scholar ] [ CrossRef ]
اسپوزیتو، VA; بنکه، ک. پلیزارو، سی. وایات، آر. سازگاری با تغییرات آب و هوایی در استرالیا منطقه ای: چارچوب تصمیم گیری برای مدل سازی سیاست برای تولید روستایی. Geogr. Compass 2010 , 4 , 335-354. [ Google Scholar ] [ CrossRef ]
هوشیار، ای. شیخ داودی، م.ج. الماسی، م. بهرامی، ح. آزادی، ح. امیدی، م. صیاد، ج. Witlox, F. تولید ذرت سیلویی در سیستم های خاکورزی معمولی و حفاظتی. بخش اول: تحلیل پایداری با استفاده از ترکیب GIS/AHP و مدل‌سازی چند فازی. Ecol. Ind. 2014 , 39 , 102-114. [ Google Scholar ] [ CrossRef ]
Zimmermann، HJ; زاده، لس آنجلس; Gaines، مجموعه های فازی BR و تجزیه و تحلیل تصمیم . مطالعات TIMS در علوم مدیریت؛ توزیع کنندگان هلند شمالی؛ Elsevier Science: آمستردام، هلند؛ نیویورک، نیویورک، ایالات متحده آمریکا، 1984; پ. 522. [ Google Scholar ]
گوردون، HB; کولیر، م. دیکس، ام. روستاین، ال. کوالچیک، ای. هرست، تی. واترسون، I. CSIRO Mk3. 5 مدل آب و هوا ; CAWCR: ملبورن، استرالیا، 2010. [ Google Scholar ]
ناکیچنویچ، ن. آلکامو، جی. دیویس، جی. دی وریس، بی. فنهان، جی. گافین، اس. گریگوری، ک. گرابلر، آ. یونگ، TA; Kram, T. گزارش ویژه در مورد سناریوهای انتشار: گزارش ویژه گروه کاری III از پانل بین دولتی در مورد تغییرات آب و هوا . آزمایشگاه ملی شمال غرب اقیانوس آرام، آزمایشگاه علوم مولکولی محیطی (ایالات متحده): ریچلند، WA، ایالات متحده آمریکا، 2000.

شکل 1. منطقه شکسته Goulburn، مناطق دولتی محلی، ویکتوریا، استرالیا را نشان می دهد.

شکل 2. تابع عضویت سینوسی ناحیه انتقال محدود.

شکل 3. ( الف ) نمایش تابع عضویت از چارچوب فرآیند تحلیل سلسله مراتبی بولی استاندارد. ( ب ) یک تابع عضویت سینوسی که به یک تابع عضویت AHP برازش می شود – منحنی فازی برازش شده.

شکل 4. توابع عضویت سینوسی چندگانه که در یک تابع عضویت AHP نصب شده اند – AHP فازی تو در تو.

شکل 5. خروجی مدل فرآیند تحلیل سلسله مراتبی بولی استاندارد برای ( a ) آب و هوای عادی ( b ) 2050.

شکل 6. مدل عضویت مجموعه فازی فرآیند تحلیل سلسله مراتبی برازش برای ( a ) آب و هوای عادی ( b ) 2050.

شکل 7. مدل عضویت مجموعه فازی فرآیند تحلیل سلسله مراتبی تودرتو برای ( a ) آب و هوای عادی ( b ) 2050.

جدول 1. نمرات اهمیت تصمیم گیری مقایسه زوجی.

جدول 2. مدل تناسب زمین برای تولید گلابی.

جدول 3. مجموع خروجی هکتار برای هر کلاس ارزش شاخص تناسب در منطقه مورد مطالعه برای هر یک از سه روش مدلسازی مناسب در یک اقلیم نرمال و یک اقلیم 2050.

© 2016 توسط نویسندگان؛ دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC-BY) (http://creativecommons.org/licenses/by/4.0/) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب