بهینه‌سازی چندهدفه جهت تعیین الگوهای بهینه‌ی عملیات تهیه زمین و کاشت شلتوک با استفاده از الگوریتم NSGA-II

نوع مقاله : مقاله پژوهشی

نویسندگان

• محمد علی هرمزی ¹
• حسن ذکی دیزجی ²
• هوشنگ بهرامی ²
• نسیم منجزی ²

¹ دانشجوی دکتری مکانیزاسیون کشاورزی، گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران

² گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شهید چمران اهواز، اهواز، ایران

https://doi.org/10.22067/jam.2022.78147.1118

چکیده

توسعه مکانیزاسیون و فناوری ماشینی پیامدهای مثبت و نامطلوب بسیاری را با توجه به شرایط اقتصادی، اجتماعی و زیست‌محیطی هر منطقه در پی خواهد داشت. تعارضات به‌وجود آمده در این ابعاد، انتخاب و سطح‌بندی سیستم‌های مکانیزاسیون پایدار را بحث‌برانگیز و مشکل می‌کند. هدف از این مطالعه، مدل‌سازی چندهدفه جهت تعیین الگوهای بهینه‌ عملیات تهیه زمین و کاشت شلتوک و ارائه‌ چارچوبی جهت تخصیص مکانیزاسیون به اهداف متناقض پایداری کشاورزی است. بر این اساس، پس از انتخاب شاخص‌ها و جمع‌آوری داده، با ترکیب روش‌های وزن‌دهی آنتروپی شانون و TOPSIS، شاخص شباهت برای ابعاد چند شاخصه محاسبه شد و این شاخص شباهت به همراه مقادیر شاخص‌ها به‌عنوان ضرایب توابع هدف اقتصادی، اجتماعی و زیست‌محیطی در بهینه‌سازی چندهدفه در نظر گرفته شد. مدل بهینه‌سازی چندهدفه جهت دستیابی به الگوی مکانیزاسیون کشاورزی پایدار با استفاده از الگوریتم NSGA-II ارائه شد. جهت اعتبارسنجی این چارچوب، پنج سیستم‌ مکانیزاسیون (خاک‌ورزی و کاشت) در تولید شلتوک شهرستان رامهرمز با محدودیت‌های زمین، آب و ماشین مورد بررسی قرار گرفت. نتایج نشان داد در صورت عدم محدودیت آب، سیستم‌های سنتی آب‌کاری و نشاکاری بدون پدلینگ بهینه هستند و در شرایط خشک‌سالی و محدودیت شدید آب سیستم‌های مکانیزه نوین مانند خشکه‌کاری، بی‌خاک‌ورزی (با عملکرد مطلوب) و نشاکاری با پدلینگ به‌عنوان سیستم‌های بهینه پایدار خواهند بود. جواب‌های بهینه پارتو تحت سناریوهای مختلف در محدودیت‌های آب و ماشین نشان داد با به‌کارگیری این چارچوب، نه‌تنها می‌توان اهداف پایداری در شناسایی بهترین سطح‌بندی سیستم‌های مکانیزاسیون را تأمین کرد، بلکه امکان بررسی اثر سناریوهای مختلف تحت محدودیت‌های مختلف نیز ‌وجود دارد.

کلیدواژه‌ها

• الگوی بهینه
• بهینه‌سازی چندهدفه
• پایداری
• مکانیزاسیون کشاورزی

20.1001.1.22286829.1402.13.4.5.8

موضوعات

• مدل‌سازی

©2023 The author(s). This article is licensed under Creative Commons Attribution 4.0 International License (CC BY 4.0), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source.

مراجع

Almassi, M., Kiani, S., & Loveimi, N. (2008). Principles of agricultural mechanization. Jungle Publication, Tehran, Iran, 308 p. (In Persian)

Askin, D., & Askin, V. (2012). Financial budget manual 2012. Lincoln University. Faculty of Commerce, p.

Banerjee, S., & Punekar, R. M. (2020). A sustainability-oriented design approach for agricultural machinery and its associated service ecosystem development. Journal of Cleaner Production, 264, 121642. https://doi.org/10.1016/j.jclepro.2020.121642

Bezruk, Y., Lavèn, P., Hoffmann, C., & Doluschitz, R. (2014). Sustainability in agricultural machinery production-an empirical study among farmers. Landtechnik, 69, 84-89.

Bochtis, D., Sørensen, C. A. G., & Kateris, D. (2019). Choosing a Machinery System. In: Bochtis, D., Sørensen, C.A.G., Kateris, D. (Eds.), Operations Management in Agriculture, 117-158. https://doi.org/10.1016/b978-0-12-809786-1.00005-9

Bochtis, D. D., Sørensen, C. G., & Busato, P. (2014). Advances in agricultural machinery management: A review. Biosystems Engineering, 126, 69-81. https://doi.org/10.1016/j.biosystemseng.2014.07.012

Camarena, E., Gracia, C., & Sixto, J. C. (2004). A mixed integer linear programming machinery selection model for multifarm systems. Biosystems Engineering, 87, 145-154. https://doi.org/10.1016/j.biosystemseng.2003.10.003

Corti, D., Granados, M. H., Macchi, M., & Canetta, L. (2013). Service-oriented business models for agricultural machinery manufacturers: Looking forward to improving sustainability. In: (Eds.), Proceeding of International Conference on Engineering, Technology and Innovation (ICE) & IEEE International Technology Management Conference, pp. 1-8. https://doi.org/10.1109/itmc.2013.7352612

Cupiał, M., & Kowalczyk, Z. (2020). Optimization of Selection of the Machinery Park in Sustainable Agriculture. Sustainability, 12, 1380. https://doi.org/10.3390/su12041380

Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6, 182-197. https://doi.org/10.1109/4235.996017

Emami, M., Almassi, M., & Bakhoda, H. (2018). Agricultural mechanization, a key to food security in developing countries: strategy formulating for Iran. Agriculture & Food Security, 7, 24.

FAO. (2022). Sustainable Agricultural Mechanization. http://www.fao.org/sustainable-agricultural-mechanization.

Fleming, P. H. (2003). Farm technical manual.

García-Alcaraz, J., Maldonado-Macías, A., Hernández-Arellano, J., Blanco-Fernández, J., Jiménez-Macías, E., & Sáenz-Díez Muro, J. (2016). Agricultural tractor selection: a hybrid and multi-attribute approach. Sustainability, 8, 157. https://doi.org/10.3390/su8020157

Gathorne-Hardy, A. (2016). The sustainability of changes in agricultural technology: The carbon, economic and labour implications of mechanisation and synthetic fertiliser use. Ambio, 45, 885-894. https://doi.org/10.1007/s13280-016-0786-5

Gullett, B., & Touati, A. (2003). PCDD/F emissions from burning wheat and rice field residue. Atmospheric Environment, 37, 4893-4899. https://doi.org/10.1016/j.atmosenv.2003.08.011

Hang, X., Zhang, X., Song, C., Jiang, Y., Deng, A., He, R., Lu, M., & Zhang, W. (2014). Differences in rice yield and CH₄ and N₂O emissions among mechanical planting methods with straw incorporation in Jianghuai area, China. Soil and Tillage Research, 144, 205-210. https://doi.org/10.1016/j.still.2014.07.013

Hormozi, M., Abdeshahi, A., Asoodar, M., & Baruah, D. (2016). Energy use pattern of paddy production systems in khuzestan province, Iran. Iran Agricultural Research, 35, 47-56. (In Persian).

Hormozi, M. A., Asoodar, M. A., & Abdeshahi, A. (2012). Impact of mechanization on technical efficiency: A case study of rice farmers in Iran. Procedia Economics and Finance, 1, 176-185.

Keshvari, A., & Marzban, A. (2019). Prioritizing the Power Arrival in Khuzestan Province Agriculture using FAHP and FTOPSIS. Journal of Agricultural Machinery, 9(1), 235-251. (In Persian).

Kiani, F., Randazzo, G., Yelmen, I., Seyyedabbasi, A., Nematzadeh, S., Anka, F. A., Erenel, F., Zontul, M., Lanza S., & Muzirafuti, A. (2022). A Smart and Mechanized Agricultural Application: From Cultivation to Harvest. Applied Sciences, 12. https://doi.org/10.3390/app12126021

Kienzle, J., Ashburner, J. E., & Sims, B. (2013). Mechanization for rural development: a review of patterns and progress from around the world. Integrated Crop Management, 20.

Koritz, K. (2014). Optimization in a system of systems: Minimizing a farm's environmental impact through operational efficiency. Master Thesis, University of Illinois at Urbana-Champaign.

Leiva, F., & Morris, J. (2001). PH—Postharvest Technology: Mechanization and Sustainability in Arable Farming in England. Journal of Agricultural Engineering Research, 79, 81-90. https://doi.org/10.1006/jaer.2000.0686

Lotfalipour, M. R., & Eslami Gisaki, S. (2007). Evaluation of Cost- Benefit and Sensitivity Analysis of Sarcheshmeh Copper Complex. Journal of Quantitative Economics, 4, 83-99. (In Persian).

Lu, H., Zhao, Y., Zhou, X., & Wei, Z. (2022). Selection of agricultural machinery based on improved CRITIC-entropy weight and GRA-TOPSIS method. Processes, 10(2), 266. https://doi.org/10.3390/pr10020266

Mishra, D., & Satapathy, S. (2022). Sustainability-assessment for farm-machinery. International Journal of System Assurance Engineering and Management.

Mishra, D., Satapathy, S., & Chatterjee, P. (2022). Soft Computing and Optimization Techniques for Sustainable Agriculture. De Gruyter. https://doi.org/10.1515/9783110745368

Romanelli, T. L., & Milan, M. (2012). Machinery management as an environmental tool-material embodiment in agriculture. Agricultural Engineering International: CIGR Journal, 14, 63-73.

Rostami, S., Lotfalian, M., & Hosseinzadeh Samani, B. (2018). Assessment and Comparison of Conventional and Straw Walker Combines Harvesting Losses in Fars Province. Agricultural Mechanization and Systems Research, 19, 85-96.

Safari, M., Alizadeh, M. R., & Gerami, K. (2014). Comparison of Three Conventional Rice Combine Harvesters in Mazandaran, Iran. Journal of Agricultural Engineering Research, 14, 73-86.

Sanchis, E., Ferrer, M., Torres, A. G., Cambra-López, M., & Calvet, S. (2012). Effect of Water and Straw Management Practices on Methane Emissions from Rice Fields: A Review Through a Meta-Analysis. Environmental Engineering Science, 29, 1053-1062. https://doi.org/10.1089/ees.2012.0006

Sen, P., & Yang, J. B. (2012). Multiple criteria decision support in engineering design. Springer Science & Business Media, 207 p.

Shannon, C. E. (1948). A mathematical theory of communication. The Bell System Technical Journal, 27, 379-423. https://doi.org/10.1002/j.1538-7305.1948.tb01338.x

Sims, B., Hilmi, M., & Kienzle, J. (2016). Agricultural mechanization: a key input for sub-Saharan Africa smallholders. Integrated Crop Management (FAO) eng v. 23 (2016).

Sims, B., & Kienzle, J. (2016). Making mechanization accessible to smallholder farmers in sub-Saharan Africa. Environments, 3, 11-37. https://doi.org/10.3390/environments3020011

Thakkar, J. J. (2021). Multi-Criteria Decision Making (Vol. 336, pp. 1-365). Springer.

Zhou, Q., Lou, J., Xie, F., & Liu, Q. (2011). The method research on optimum selection of agricultural machinery. International Journal of Digital Content Technology and its Applications, 5 337-334.