ارزیابی و رتبه‌بندی ریسک در باغات مرکبات با استفاده از روش تحلیل تاپسیس (مطالعه موردی: شرق استان مازندران)

Subject Areas : Decision-making

سیمین دخت قاسمیان ¹ , غلامرضا یاوری ² , وحید ماجد ³ , ابوالفضل محمودی ⁴ , ابوالفضل جوادیان ⁵

1 - دانشگاه پیام نور تهران
2 - دانشگاه پیام نور ماهدشت
3 - Associate Professor, Department of Economics, Faculty of Economics, University of Tehran. Iran.
4 - Associate Professor, Department of Agricultural Economics, Faculty of Agriculture, University of Payam- Noor East Tehran. Iran
5 - Associate Professor and Member of Direction Board for Agricultural Insurance Fund in Iran.

Received: 2016-09-28 Accepted : 2017-03-07 Published : 2018-03-01

Keywords: مدیریت ریسک, تکنیک تاپسیس, مازندران, صنعت باغداری, ماتریس بی‌وزنی آنتروپی شانون,

Abstract :

تولید مرکبات در بخش باغات در کشور جایگاه و اهمیت بالایی دارد. اهمیت این محصول در کشور ایران به دلایل منابع بسیار مهم تولید ثروت و مبادلات تجاری از یک طرف و سهم بسزایی در میان سایر محصولات کشاورزی و اشتغال بکار ساکنین مرکبات خیز ایران از طرف دیگر دوچندان می‌باشد. ولی رشد و پایداری این بخش، بدون شناسایی و مدیریت مناسب و موثر ریسک امکان‌پذیر نیست. در مطالعه حاضر، ابتدا مهمترین ریسک‌های باغ مرکبات طبق روش دلفی از طریق تکمیل پرسشنامه توسط 16 نفر از کارشناسان تعیین شده است. سپس با استفاده از تکنیک سلسله مراتبی تاپسیس به عنوان یک روش تصمیم گیری چندشاخصه بسیار قوی و کارآمد در رتبه بندی، سعی شد ریسک‌های موجود در صنعت باغداری استان مازندران طی سالهای 1395-1389 از طریق شبیه نمودن به جواب ایده آل اولویت بندی و بر اساس ماتریس بی‌وزنی آنتروپی شانون بدست آمده مهمترین و با اولویت ترین ریسک باغات استان مازندران انتخاب شده است. نتایج نشان داد بیشترین ریسک صنعت باغداری به ترتیب مربوط به ریسک‌های آفات و بیماری‌ها و قیمت، و در مراحل بعدی ریسک‌های خسارت و تولید قراردارند. همچنین کمترین ریسک‌ها هم به ترتیب مربوط به ریسک‌های فنی، نیروی کار و اعتبارات است. بنابراین نتایج تحقیق بیانگر تأثیر شایان توجه ریسک‌های آفات و بیماری‌ها، قیمت و خسارت در صنعت باغداری منطقه است. همچنین از میان ریسک‌های آفات و بیماری‌ها، شپشک‌ها، کنه‌قرمز و شته‌ها با احتساب 76، 73 و 70 درصد از بیشترین ریسک و ریسک‌های ناشی از تامین اعتبارات، نخریدن محصول و خسارت ناشی از آبیاری قطره‌ای و قطره چکان از کمترین ریسک برخوردار هستند. شدت ریسک موجود نشان می‌دهد که در حوزه‌های ذکرشده باید بیشترین توجه و مدیریت ریسکی صورت گیرد.

References:

Alimi, T., & Wall, A. (2005). Risk and risk management strategies in onion production in Kebbi state of Nigeria. Journal of Social Science, 10(1), 1-8.

Asgharpour, M. J. (2006). Multi-criteria decision-making. Tehran: Tehran University Press,pp. 15-18.

Azar, A.S., & Rajabzadeh, A.S. (2008). The decision applied (approach M.A.D.M) (Third Edition). Tehran, knowledge, pp.120-132.

Chena, Y.W., & Larbanib, M. (2006). Two-person zero-sum game approach for fuzzy multiple attribute decision making problems. Fuzzy Sets and Systems, 157(1), 34-51.

Chu, T.C., &Lin,Y.C. (2003). Afuzzy TOPSIS method for robot selection. International Journal of Manufacturing Technology, 21, 284-290.

Ghatee, M., & Mohades, A. (2009). Motion planning in order to optimize the length and clearance applying a Hopfield neural network, 36, 4688-4695.

Higgs, G. (2006). Integrating multi-criteria techniques with geographical information systems in waste facility location to enhance public participation. Journal of Waste Management & Research, 24, 105-117.

Horticultural Crops Agricultural Statistics (2014). Department of statistics and information technology, Agriculture Organization of Mazandaran Province. (2), 38-50. 

Hsu-Shin, Shin, Huan-JyhShyur, E., &Stanley, Lee (2007). An extension of TOPSIS for group decision making. Mathematical and Computer Modeling, 45, 801-813.

Hwang, C.L., &Yoon, K. (1981). Multiple attribute decision making: Methods and applications. Springer Verlag, New York, Pp. 95-101.

Khakpour, b., Tall, E., &Salehifard, M. (2010). Evaluation of urban management in the development of public green spaces (parks) using TOPSIS (Case Study: Mashhad, Iran). Journal of Geography and Regional Development, 14, 1-27.

Kiyani Rad, A., &Yazdani, S. (2003). Risk management and crop insurance: Experiences and the tested. Fourth Iranian conference of agricultural economics, College of Agriculture, Tehran University, Iran.

Mohammadi, A. (2011). Comparison of linear and taxonomy application Topsis allocation of financial evaluation. Journal of Economic Research, 11(1), 273-302.

Phuson, N., Yamada, R., & Doan Khoi, L.N. (2003). Some solutions for limiting risks and disadvantages in agricultural production of farm households in can the province .Japan International Resource Center. The International Bank for Reconstruction and Development. 75-78

Simonovic, S. P., &Verma, R. (2008). A new methodology for water resources multicriteria decision making under uncertainty. Physics and Chemistry of the Earth, Parts A/B/C, 33(5), 322-329.

Tsou, C.-S. (2008). Multi-objective inventory planning using MOPSO and TOPSIS. Expert Systems with Applications, 35(1), 136-142.

Wang, T.C., Lee, H. D., & Wu, C.C. (2007). A fuzzy TOPSIS approach with subjective weights and objective weights. Paper presented at the Proceedings of the 6 Conference on WSEAS International Conference on Applied Computer Science -Volume 6, Hangzhou, China.

Yalkin, N. & Bayrakdaroglu, A. (2009). Fuzzy performance evaluation in Turkish banking using AHP and TOPSIS. Expert Systems with Applications, 36, 699-709.

You, Q.H.,&Ding. R.H. (2005). Negative Problem of Topsis Technoology Groud, 2-27.

Zaheri, M., Aghayarihir, M., & Zakerimiyab, K. (2015). Prioritization of agricultural processing and complementary industries in Azarshahr County by Delphi and TOPSIS Combined Methods. Journal of Geography and Planning, 51,  221-246.

Zibaie, M., &Telkani, n. (2010). Ranking goals Ranchers and forest dwellers city Tonekabon using fuzzy logic and simple rankings. Journal of Agricultural Economics and Development, 18(69), 138-165.