انتخاب گونه گیاهی مناسب برای بازسازی معدن مس سونگون با مقایسه نتایج دو روش F.TOPSIS و F. AHP
Publish place: International Conference on the New Horizons in the Agricultural Sciences, Natural Resources and Environment
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 579
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AHCONF01_088
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
کاشتن گونههای گیاهی مناسب در هر مرحله از طرح بازسازی در این منطقه، هدف از این پژوهش است. چندین گونه گیاهی که در حوالی معدن مس سونگون توانایی رویش دارند، بهعنوان گزینهها مورد بررسی قرارگرفت.روش بررسی در این تحقیق،انتخاب گونههای گیاهی بر اساس عاملهای اولیه که نوع استفاده مجدد از زمین معدنکاری، شرایط اقلیمی منطقه مورد بررسی، جنس و طبیعت خاک هستند، است. بعد از آن، اولویت بین گونههای انتخاب شده بر حسب عاملهای ثانویه که چشمانداز منطقه، مقاومت در برابر بیماریها و حشرات، قدرت و چگونگی رشد، در دسترس بودن گیاه، بازدهی اقتصادی، حفاظت ازخاک و ذخیره سازی آب، جلوگیری از انواع آلودگیها هستند، با دو مدل تصمیمگیری چند معیاره تعیین شده است. این مدل با روش تحلیل سلسله مراتبی فازی و روش شباهت به گزینه ایده آل فازی در معدن مس سونگون ایران اجرا شده است. نتایجحاکی از این است که از میان گونههای افرا، سیاه تلو، ون، زرشک، آلوچه وحشی، بلوط، گیاه برتر در هر دو روش، درخت افرا است. AHP فازی نیاز به محاسبات بیشتر و پیچیده تر از TOPSIS فازی دارد. مقایسه زوجی معیارها و گزینهها در AHP فازی ساخته شده است، درحالیکه هیچ مقایسه زوجی در TOPSIS فازی وجود ندارد. روش شباهت به گزینه ایده آل فازی در درخت تصمیم یک طبقهای، خوب کار میکند، در صورتی که روش تحلیل سلسله مراتبی فازی برای سلسله مراتب گسترده مناسبتر است.
Keywords:
Authors
علیرضا افرادی
دانشجوی دکترای تخصصی مهندسی معدن ،واحد قایمشهر ،دانشگاه آزاد اسلامی ،قایمشهر ، ایران
ایرج علوی
دانشجوی دکترای تخصصی مهندسی معدن ،واحد قایمشهر ،دانشگاه آزاد اسلامی ،قایمشهر ، ایران
مهدیه مسلمی
دانشجوی ارشد مهندسی محیط زیست گرایش الودگی گروه منلبع طبیعی دانشگاه قایمشهر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :