تعیین شدت خشکسالی با استفاده از تصمیم‌گیری چند معیاره بر مبنای TOPSIS (مطالعه موردی: ایستگاه‌های منتخب استان اصفهان)

نویسندگان

1 عضو هیات علمی گروه مرتع و آبخیزداری دانشگاه فسا، ایران

2 مدرس، گروه منابع طبیعی دانشگاه فسا، ایران

چکیده

خشکسالی نشانه روشنی از نوسانات اقلیمی است و تاثیر زیادی بر جوامع بشری دارد. مطالعه وضعیت خشکسالی جهت برنامه‌ریزی و مدیریت منابع آب از اهمیت زیادی برخوردار است. شاخص‌های زیادی برای بررسی خشکسالی وجود دارد که غالبا بر مبنای یک پارامتر استوار هستند. یکی از روش‌هایی که از چندین پارامتر استفاده می‌کند، تکنیک اولویت‌بندی بر اساس شباهت به راه حل ایده‌آل (TOPSIS) است. این الگوریتم یکی از روش‌های تصمیم‌گیری چند معیاره است. در این تحقیق با استفاده از تکنیک TOPSIS، خشکسالی مناطق خشک و نیمه‌خشک استان اصفهان تعیین و طبقه‌بندی شد. برای این منظور از چهار عنصر اقلیمی شامل دما، تعداد روز بارانی، بارندگی سالانه و درصد رطوبت نسبی مربوط به دوره آماری 20 ساله (2013-1994) پنج ایستگاه هواشناسی استفاده شد. جهت اعتبار‌سنجی روش پیشنهادی، داده‌های خروجی روش TOPSIS با داده‌های خروجی نمایه دهک‌های بارندگی (DPI)، نمایه درصد نرمال بارندگی (PNPI)، نمایه ناهنجاری‌های بارندگی (RAI) و نمایه بارندگی استاندارد شده (SPI) مقایسه گردید. برای این منظور از ضریب همبستگی رتبه‌ای اسپیرمن بین مقادیر کمی شده رتبه شدت خشکسالی شاخص و بارندگی سالانه استفاده شد. نتایج نشان داد که در تمام ایستگاه‌های مورد مطالعه همبستگی بسیار قوی بین رتبه تعیین شده شدت خشکسالی الگوریتمTOPSIS  با بارندگی سالیانه در مقایسه با دیگر شاخص‌ها وجود دارد. بنابراین اعتبار مدل مورد تایید است. به طور کلی نوسانات رطوبتی در سطح منطقه مورد مطالعه زیاد است. به بیان دیگر شدت خشکسالی از ایستگاهی به ایستگاه دیگر و از سالی به سال دیگر کاملاً مستقل است، به طوری که نایین با 13 سال بیشترین و اصفهان با 7 سال کمترین تعداد سال همراه با خشکسالی را داشتند. در الگوریتم تاپسیس به دلیل اینکه از پارامترهای بیشتری در مقایسه با روش‌های ساده قبلی استفاده می‌شود، پدیده خشکسالی به مقدار واقعی خود نزدیکتر است. همچنین در این روش یک ارتباط سیستماتیک بین عناصر اقلیمی در یک سال و سال‌های دیگر وجود دارد و با در نظر گرفتن این ارتباط، بررسی خشکسالی و رتبه‌بندی آن صورت می‌گیرد. در پایان می‌توان اظهار داشت الگوریتم تاپسیس یکی از روش‌های توانمند در تعیین و رتبه‌بندی خشکسالی است.

کلیدواژه‌ها


عنوان مقاله [English]

Determination of drought Using Multi Criteria Decision Making Based on TOPSIS Method (A case study of selective Isfahan Province Stations)

نویسندگان [English]

  • Mohammad hosein parsamehr 1
  • zahra khoravani 2
چکیده [English]

This research was aimed to classify the drought in arid and semi arid regions of Isfahan province using TOPSIS technique. Four climatic elements including temperature, number of rainy days, annual rainfall and relative humidity were used for five meteorological stations during the 20-year period (1994-2013). For validation of the proposed method, the output of TOPSIS method was compared with the output of DPI, PNPI, RAI and SPI. For this purpose, Spearman's rank correlation coefficient was used between the quantified values of drought severity index and annual rainfall. The results showed that there was a strong correlation between the drought severity index and annual rainfall in the TOPSIS algorithm in all studied stations. Therefore, the validity of the model was approved. Generally, moisture fluctuations are high in the study area. In other words, drought is completely independent from station to station and from year to year, so that Nain and Isfahan had the highest (13 years) and lowest (7 years) number of drought years, respectively. In the TOPSIS algorithm, drought is closer to its real value since more parameters are used compared with previous simple methods. In this method, there is a systematic relationship between climatic elements in a year and other years, through which evaluation and ranking of drought is carried out. Finally, it could be concluded that the TOPSIS algorithm is a method capable of determining and ranking drought.

کلیدواژه‌ها [English]

  • drought
  • MCDM
  • TOPSIS
  • ranking
  • Isfahan province
Asgharpoor, M. J., 2005. Multi criteria decision making. University of Tehran Press, Tehran, 237p.

Babaei, H., Araghinejad, S. H. and Hoorfar, A., 20013. Developing a new method for spatial assessment of drought vulnerability (case study: Zayandeh Rood river basin in Iran). Water and Environment Journal, 27(1): 50-57.

Bordi, I., Frigio, S., Parenti, P., Speranza, A. and Sutera, A., 2001. The analysis of the standardized precipitation index in the Mediterranean area: large scale patterns. Annals of Geophysical, 44: 965–978.

Fang, C., Chao, S. and Huang, W., 2011. Application of TOPSIS method based on coefficient of entropy to comprehensive evaluation of agricultural drought in irrigation areas. China Rural Water and Hydropower, 5: 74-79.

Hekmatnia, H. and Mousavi, M., 2011. Application of Model in Geography with Emphasis on Urban Planning. Elme novin Press, Yazd, 320p.

Higgs, G., 2006. Integrating multi criteria techniques with geographical information systems in waste facility location to enhance public participation. Management and Research, 24: 105-117.

Huan-Jyh, S., 2006. COTS evaluation using modified TOPSIS and ANP. Applied Math Emetics and Computation, 177(1):251-259.

Hsu-Shin, S., Huan-Jyh, S. and Stanley, L. E., 2007. An extension of TOPSIS for group decision making. Mathematical and Computer Modelling, 45(7): 801-813.

Hwang CL, Yoon K, 1981. Multiple attribute decision making methods and applications, A state of the art survey, Springer- Verlag, New York.

Kazemi Rad, L., Ghamgosar, M. and Haghyghy, M., 2012. Multi criteria decision making based on TOPSIS method in drought zoning: A case study of Gilan province. World Applied Programming, 2(25): 81-87.

Khoshakhlagh, F., Hejazizadeh, Z., Mohammadi, H. and Roshan, Gh., 2006. A new approach to technique for order preference by similarity to ideal solution (TOPSIS) method for determining and ranking drought: A case study of selective Khuzestan Province stations, Geographical Science, 5(6): 105-127.

Mishra, A. K. and Singh, V. P., 2010. A review of drought concept. Journal of Hydrology, 39:202-216.

Parsamehr, A. H. and Khosravani, Z., 2015. Performance evaluation of some drought indices and selection of the most suitable index for monitoring of drought in Tehran. International conference on sustainable development, strategies and challenges With a focus on Agriculture, Natural Resources, Environment and Tourism, 24-26 Feb 2015, Tabriz , Iran.

Piri, H., Rahdari, V. and Maleki, S., 2013. Study and compare performance of four meteorological drought index in the risk management droughts in Sistan and Baluchestan Province. Journal of Irrigation and water Engineering, 11: 96-114.

Roshan, Gh., Mirkatouli, G. and Shakoor, A., 2012. A new approach to technique for order preference by similarity to ideal solution (TOPSIS) method for determining and ranking drought: A case study of Shiraz station, International Journal of the Physical Sciences, 7(23): 2994-3008.

Vafakhah, M. and Rajabi, M., 2006. Efficiency of meteorological drought indices for monitoring and assessment of drought in Bakhtegan, Tashk and Maharlo lakes watershed. Desert., 10(2): 369-382.

Wilhite, D. A. and Glantz, M. H., 1985. Understanding the drought phenomenon: The role of definitions. Water International, 10(3): 111-120.

Zangi Abadi, A., Alizadeh, J. and Ahmadian, M., 2011. Analysis of the amount of development of East Azerbaijan Province using TOPSIS and AHP. Quarterly Journal of Human Geography, 4(1): 69-84.

Zhang, X. h., Sheng, B. and Yong x., 2015. Comprehensive evaluation model of drought in the Yellow River of Shaanxi province based on TOPSIS method. Sought to North Water Transfers and Water Science & Technology, 13(2):211-213