رتبه‌بندی سامانه‌های آبیاری بارانی با ترکیب روش‌های تصمیم‌گیری چندمعیاره آنتروپی، تحلیل روابط خاکستری و تاپسیس (Egc-Topsis): دشت دهگلان

امروزه انتخاب سامانه‌های آبیاری مناسب در مزارع برای افزایش بهره‌وری آب یک ضرورت است. انتخاب سامانه‌های آبیاری در مناطق مختلف امری پیچیده و تحت تاثیر عوامل و سطوح مختلف تصمیم‌گیری می‌باشد. در تحقیق حاضر، با ترکیب روش‌های تصمیم‌گیری چندمعیاره آنتروپی، تحلیل روابط خاکستری و تاپسیس (egc-topsis)، روش انتخاب یکپارچه‌ای برای انتخاب سامانه آبیاری بارانی مناسب بر اساس شاخص‌های ارزیابی عملکرد آنها ارائه و نتایج آن با روش آنتروپیتاپسیس (e-topsis) مقایسه شد. همچنین از مدل ترکیبی تحلیل مولفه‌های اصلیرگرسیون خطی چندگانه (mlr-pca) برای ارائه روابط پیش‌بینی شاخص‌ تصمیم نهایی در روش پیشنهادی egc-topsis و شاخص نزدیکی فاصله در روش e-topsis بهره گرفته شد. بدین منظور 20 سامانه آبیاری بارانی کلاسیک ثابت آبپاش متحرک و لوله چرخدار دشت دهگلان کردستان ارزیابی شد. ارزیابی به روش آبپاش منفرد و با استفاده از شاخص‌های ضریب یکنواختی کریستیان سن، یکنواختی توزیع، راندمان پتانسیل کاربرد ربع پایین، راندمان کاربرد ربع پایین، تلفات نفوذ عمقی و تلفات پاششی انجام شد. نتایج تئوری آنتروپی نشان داد که یکنواختی توزیع با وزن 0.194 موثرترین معیار در رتبه‌بندی سامانه‌های آبیاری مورد مطالعه است. میانگین شاخص تصمیم نهایی و میانگین رتبه‌های سامانه‌های آبیاری لوله چرخدار به ترتیب برابر با 0.52 و 9.1 محاسبه شد که حاکی از برتری این سامانه‌ها نسبت به کلاسیک ثابت آبپاش متحرک در منطقه مورد مطالعه بود. این نتیجه با روش تحلیل خوشه‌ای نیز مورد تایید قرار گرفت. نتایج رتبه‌بندی دو روش ترکیبی egctopsisو etopsis به طور معناداری با r^2=0.79 به یکدیگر همبسته بودند. همچنین، مدل ترکیبی mlrpca با سه مولفه اصلی، به طور مطلوبی با r^2=0.95 قادر به پیش‌بینی مقادیر شاخص تصمیم نهایی بود. به طور کلی مدل egc-topsis با منطق ریاضی قوی می‌تواند نتایج مفید، جامع و کاربردی را ایجاد کند و در ارزیابی و رتبه بندی سامانه های آبیاری مناطق مشابه مورد استفاده قرار گیرد.

Ranking of Sprinkler Irrigation Systems Using Hybridizing of Multi-Attribute Decision-Making Approaches of Entropy, Grey Relational, and TOPSIS (EGC-TOPSIS): Dehgolan Plain

Today, appropriate selection of irrigation systems in farms is necessary for increasing water use efficiency. The selection of irrigation systems in different regions is complex problem and involves different factors and levels of decision making. In the present study, by hybridizing multiattribute decisionmaking (MADM) approaches of Entropy, grey relational, and TOPSIS; an integrated method of EGCTOPSIS were applied for appropriate selection of sprinkler irrigation systems based on performance evaluation indicators of irrigation systems. Then, the results of hybrid EGCTOPSIS method were compared with ETOPSIS method. Also, the hybrid principal component analysismultiple linear regression (MLRPCA) model was used for identify the estimation equations of ultimate decision index and distance closeness index for hybrid EGCTOPSIS and ETOPSIS methods, respectively. For this aim, 20 sprinkler irrigation systems including movable sprinkler solidset and wheelmove irrigation systems were evaluated in Dehgolan plain as case study. The evaluation was done by single sprinkler approach and using indicators of Christensen uniformity coefficient, distribution uniformity, water application efficiency in the lower quarter, potential efficiency of lower quarter, deep percolation losses, and wind drift and evaporation losses. The entropy results show that the distribution uniformity with weight of 0.194 is the most effective factor for ranking of studied irrigation systems. The mean ultimate decision index and mean ranks of wheelmove irrigation systems were calculated equal to 0.52 and 9.1, respectively, that show the superiority of this system than movable sprinkler solidset system in the studied region. This result was approved by cluster analysis method. The ranking results of both hybrid EGCTOPSIS and ETOPSIS models were significantly correlated with R2=0.79. Also, the MLRPCA model with three main components was appropriately able to estimate ultimate decision index by R2=0.95. Based on the results, the hybrid EGCTOPSIS method with strong mathematical background can produce useful, comprehensive, and practical results that can be utilized for evaluating and ranking of irrigation systems in similar regions.