دانلود مقاله ISI انگلیسی شماره 6117
ترجمه فارسی عنوان مقاله

پشتیبانی تصمیم برای ارزیابی اثرات زیست محیطی : یک روش ترکیبی با استفاده از منطق فازی و پردازش شبکه ای آنالیزی فازی

عنوان انگلیسی
Decision-support for environmental impact assessment: A hybrid approach using fuzzy logic and fuzzy analytic network process
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
6117 2009 18 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 36, Issue 3, Part 1, April 2009, Pages 5119–5136

فهرست مطالب ترجمه فارسی
خلاصه

کلمات کلیدی

.1 مقدمه

شکل1. فرآیند تصمیم گیری برای ارزیابی تاثیر محیطی

.2 متدولوژیهای پشتیبان تصمیم گیری

چارچوب پشتیبان تصمیم گیری کلی

شکل 2. چارچوب پشتیبانی تصمیم یکپارچه شده برای پروژههای زیرساخت اجتماعی EIA در طول ساخت

.3 منطق فازی: برای اتصال شکاف بین واقعیتها و ارزشها

شکل 3. توابع عضویت مقادیر فازی برای متغیرهای زبانی (a) غلظت CO (b) غلظت SO2 (c) غلظت NO2 (d) غلظت TSP و (e) اهمیت I1

شکل 4. نمایش گرافیکی استدلال فازی

.4 پردازش شبکه ای آنالیزی فازی: برای پیشنهاد پذیرش کلی

جدول 1. اهمیت استانداردها از طریق منطق فازی

شکل 5. تبدیل پذیرش اهمیت (SAT): (a) بکارگیری استانداردها در SAT (b) بکارگیری نگرش خطر تصمیم گیرندگان در پذیرش (c) SAT برای اهمیت استاندارد برابر 30 است (d) SAT برای اهمیت استاندارد برابر 40 است (e) SAT برای اهمیت استاندارد برابر 50 است (f) SAT برای اهمیت استاندارد برابر 60 است

.5 آنالیز حساسیت

شکل 6. 7 گام برای پردازش شبکهی آنالیزی

.6 کاربرد در پروژهی قطار سریع تایوان

شکل 7. شبکه ی تاثیر

جدول 2. ماتریس تاثیر برای آلودگی آب

جدول 3. ده مجموعه از وزنهای تاثیر استخراج شده و نتایج اجتماع

جدول 4. سوپرماتریس بدون وزن

شکل 8. آنالیز حساسیت برای چارچوی پشتیبانی تصمیم: تغییر قابلیت پذیرش به دلیل شدت کاهش زیرشاخصها (a) با اهمیت استاندارد=30؛ (b) اهمیت استاندارد=40؛ (c) اهمیت استاندارد=50؛ و (d) اهمیت استاندارد=6

.7 نتایج ارزیابی و بحث

.8 استنتاج فازی اهمیتها برای شاخصها

شکل 9. مسیریابی پروژهی قطار سریع تایوان

جدول 5. سوپرماتریس محدود کننده

جدول 6. استنتاج فازی اهمیت آلودگی هوا

جدول 7. استنتاج فازی اهمیت آلودگی آب

جدول 8. ارزیابی نتایج اهمیتها

جدول 9. نتایج SAT تبدیل اهیمتها در قابلیت پذیرش (با نگرش خطر خنثی)

.9 SAT اهمیت در پذیرش

.10 ارزیابی کلی از طریق FANP

شکل 10. توزیع قابلیت پذیرش برای 10 شاخص: از نگرش خطر بسیار خوش بینانه تا بسیار بدبینانه

شکل 11. توزیع های قابلیت پذیرش کلی برای پروژهی THSR: از نگرشهای ریسک بسیار خوش بینانه تا بسیار بدبینانه

.11 آنالیز خوشه ای

شکل 12. ارزیابی خوشه ای ارزیابی نتایج برای PIWM

.12 نتیجه گیری

ضمیمه ی A. منطق فازی

ضمیمه ی B: روش برنامهنویسی اولویت فازی (Mikhailov & Madan, 
ترجمه کلمات کلیدی
پشتیبانی تصمیم گیری - منطق فازی - فرایند تحلیل شبکه ای فازی - نگرش ریسک - ارزیابی اثرات زیست محیطی
کلمات کلیدی انگلیسی
ترجمه چکیده
تصمیم گیری براساس موافقت ارزیابی اثرات زیست محیطی (EIA) یک فرآیند پیچیده ی چند بعدی است، زیرا که آن تنها واقعیت های علمی را در نظر نمی گیرد و بازتاب کننده ی ارزش های فردی نیز می باشد. استفاده از روش های پشتیبان تصمیم گیری برای متعادل سازی واقعیت ها و ارزش ها می تواند برای تصمیم گیرنده ها سودمند باشد. در این مقاله تلاش شده است که یک چارچوب پشتیبان تصمیم گیری یکپارچه سازی شده پیشنهاد داده شود که از منطق فازی برای دستکاری فردیت بعنوان تصمیم گیرنده ها برای ارزیابی و تخمین واقعیت ها و ارزش ها، تغییر پذیرش اهمیت برای بکارگیری از استانداردها و نگرش ریسک تصمیم گیرنده ها در فرآیند تصمیم گیری، و هم چنین از پردازش شبکه ای آنالیزی فازی برای مدیریت وابستگی های فاکتورهای محیطی و پیشنهاد یک پذیرش کلی استفاده شده است. در نهایت روش پیشنهادی به EIAهای پروژه ی ساخت اعمال می شود، که این در یک مطالعه موردی در رابطه با پروژه ی قطار سریع تایوان آزمایش شده است.
ترجمه مقدمه
ارزیابی تاثیر زیست محیطی (EIA) می تواند بعنوانی یک شناسایی و ارزیابی سیستماتیک از تاثیرهای بالقوه از پروژه، برنامه یا اقدام های قانون گذاری برای عناصر بیولوژیکی، فرهنگی، شیمی-فیزیکی محیط کلی تعریف شود (Canter,1996). پردازش EIA اساسا شامل محدوده بندی ، مطالعه شرایط اولیه، شناسایی اثرات بالقوه، پیش بینی اثرات قابل توجه و ارزیابی آنها است (Shepard, 2005). محدوده بندی شامل تعیین عناصری است که باید در EIA باشند و جایگزین ها باید در نظر گرفته شوند. یک شرط اساسی، یعنی محیط موجود، بعنوان محک در نظر گرفته می شود که توسط آن شرایط آینده ی جایگزین های پروژه مقایسه می شوند. در دوره های متفاوت، متدولوژی های متفاوتی برای شناسایی تاثیرات روی شرط اساسی بکار گرفته شده اند که شامل اد هاک ، پوشش، چک لیست، ماتریس، و روش های شبکه است. هدف تخمین تاثیر پیش بینی تاثیرات یک تاثیر شناسایی شده از طریق روش هایی مانند قضاوت فردیت، مطالعات موردی، مدل های ریاضی کمی، مدل های آماری، مدل های آزمایشی است. وقتی یک تاثیر تخمین زده می شود، لازم است که اهمیت آن روی تاثیرهای زیست محیطی ارزیابی بشود. در نهایت تصمیم گیرنده ها باید تصمیم بگیرند که طرح را بپذیرند یا خیر. تصمیم گیری براساس موافقت گزارش های EIA یک فرآیند پیچیده و چند بعدی است و این به دلیل در نظر گرفتن واقعیت های علمی (زیست محیطی، تاثیرات بوم شناسی و اجتماعی) و هم چنین ارزش های فردی (اولویت، قضاوت، نگرانی ها) است. شکل 1 یک فلوچارت از پردازش EIA را ترسیم نموده است که در آن استفاده از روش های تصمیم گیری برای متعادل سازی ارزش ها و واقعیت ها می تواند برای تصمیم گیرنده ها سودمند باشد. در این مقاله چندین روش پشتیبانی تصمیم پیشنهاد شده است. در میان آنها دو دسته از اهمیت قابل توجهی برخوردار می باشند. استفاده از پردازش سلسله ای آنالیزی (AHP) (Saaty, 1990) و انواع آن اولین دسته ی قابل توجه می باشند و این به دلیل قابلیت آنها در ساده سازی تصمیم گیری چند معیاره است. برای مثال Tsamboulas و Mikroudis (2000) AHP را با روش های آنالیز کم هزینه برای توسعه ی ارزیابی کلی تاثیرات ابتکارات حمل و نقل در مناطق مختلف جغرافیایی و دوره های زمانی، ترکیب کرده اند. Ong، Koh و Nee (2001) از روش AHP برای تعیین تاثیرات زیست محیطی روش های پردازش مواد با استنتاج یک امتیاز زیست محیطی تنها بر اساس بکارگیری پردازش برای هر یک از محصولات و یا جایگزین های ارزیابی شده، استفاده کرده اند. به منظور مقایسه ی سه توسعه ی صنعتی جایگزین بزرگ به صورت منظم، Sólnes برای محاسبه ی شاخص کیفیت زیست محیطی هر کدام AHP را اعمال کرده است. Ramanathan (2011) از AHP برای ارزیابی تاثیرات زیست محیطی استفاده کرده است. Tesfamariam و Sadiq (2006) AHP فازی را برای کار با انتخاب مایع حفاری / گل حفاری برای عملیات نفت و گاز دریایی استفاده کرده است، که نگرش ریسک تصمیم-گیرنده و اطمینان مربوط را برای تخمین مقایسه های جفتی در نظر می گیرد. Srdjevic (2007) یک متدولوژی برای ترکیب تصمیم گیری چند معیاره و تئوری انتخاب اجتماعی در یک فرآیند تصمیم گیری گروهی را پیشنهاد داده است و از آن برای انتخاب ایده آل ترین و بلند مدت ترین برنامه ی مدیریت آب استفاده کرده است. Brent، Rogers، Ramabitsa-Siimane، و Rohwer (2007) روی کاربرد روش AHP در زمینه ی توسعه ی پایدار به منظور بهینه سازی و بکارگیری سیستم های مدیریت زباله-های بهداشتی در مناطق روستایی کشورهای در حال توسعه کار کرده اند. Liu (2007) یکپارچه سازی جدید از منطق فازی و AHP فازی را طرح کرده است که برای انجام ارزیابی پایداری زیست محیطی در 146 کشور است. پردازش شبکه ای آنالیزی (ANP) محدودیت استقلال ذاتی در AHP را از بین می برد، به طوری که چندین محقق توانسته اند ویژگی وابستگی عوامل محیطی را مدیریت کنند. به عنوان مثال، طبق داده های مربوط به پوشش زمینی، جمعیت، جاده ها، جریان ها، آلودگی هوا و توپوگرافی منطقه میانی اقیانوس اطلس ایالات متحده، Tran، Gregory، O'Neill و Smith (2004) یک ارزیابی محیطی یکپارچه انجام دادند، با ترکیب تجزیه و تحلیل مولفه های اصلی و ANP. Cheng و Li (2005) استفاده از ANP را برای توسعه یک مدل تصمیم برای ارزیابی اثرات نامطلوب محیط زیستی طرح های جایگزین معرفی کردند. با وجودی که Mikhailov و Madan (2003) یک فرایند فازی از ANP به نام فرایند شبکه های تحلیلی فازی (FANP) پیشنهاد کرده اند که به وزن های فازی امکان مقابله با تصمیم گیری های غیرمستقیم انسانی را می دهد، اما هنوز مقاله ی در رابطه با استفاده ی FANP ارزیابی تاثیرات زیست محیطی ارائه نشده است. دسته ی دوم از روش منطق فازی برای استخراج اثرات زیست محیطی یا اهمیت آن بهره می گیرد. به عنوان مثال، Borri، Concilio و Conte (1998) یک روش مبتنی بر قانون فازی برای ارزیابی محیط زیست ارائه دادند که یک ابزار قوی برای مقابله مستقیم با مدل های زبانی تفسیر انسانی از سیستم های زیست محیطی است. Van der Werf و Zimmer (1998) و Roussel، Cavelier و Van der Werf (2000) تلاش کرده اند تا از سیستم های خبره ی فازی برای محاسبه شاخص «Ipest» استفاده کنند که نشان دهنده ادراک خبره از تاثیر احتمالی زیست محیطی بالقوه ی کاربرد حشره کش در مزرعه است. Marusich و Wilkinson (2001) دو مورد EIA با منطق فازی را انجام دادند و نتیجه گرفتند که تجزیه و تحلیل منطق فازی می تواند سهم ارزشمندی در ارزیابی محیطی پروژه های پیچیده داشته باشد، اما در مورد پروژه های ساده مزایای قابل توجهی ندارد. شکل1. فرآیند تصمیم گیری برای ارزیابی تاثیر محیطی González، Adenso-Díaz و González-Torre (2002) از منطق فازی برای اجتناب از نیاز به دانش جامع زیست محیطی و داده های بسیار دقیق برای پیاده سازی ارزیابی استفاده کرده اند، بنابراین ارزیابی چرخه عمر برای شرکت های کوچک و متوسط کاربردی تر می شود. Siqueira Campos Boclin و Mello (2006) از یک رویکرد محاسباتی منطقی فازی برای متغیرهای فازی و قطعی استفاده کرده اند و نتیجه هایی از شاخص های سیستماتیک و نیز شاخص های موضوعی محیطی، فرهنگی، اجتماعی و اقتصادی را ایجاد کرده اند. پس از بررسی این مقالات مرتبط، سه ویژگی EIA زیر را شرح می دهیم. • وابستگی میان فاکتورهای محیطی: عوامل محیطی در EIA می توانند تقریبا به سه دسته تقسیم شوند: آلودگی محیط زیست، تغییرات زیست محیطی و اختلالات اقتصادی و اجتماعی. تحولات جامعه بشری و اقتصاد باعث ایجاد آلودگی محیط زیست می شود که موجب تغییرات بیشتر در محیط زیست می شود. با این حال، آلودگی محیط زیست و تخریب محیط زیست نیز به طور فزاینده ای بر پیشرفت اجتماعی و اقتصادی انسان اثر می گذارد. این عوامل محیطی به وضوح متضاد هستند؛ به عنوان مثال، آنها می توانند تا حدی به یکدیگر متکی باشند. در این مقاله "وابستگی" مترادف با "نفوذ" است. • فردیت در EIA: سه منبع فردیت در EIA از برآورد میزان نسبی عوامل محیطی، ارزیابی اثرات ناشی از یک پروژه و ترکیب نگرش ریسک تصمیم گیرنده (تحمل) حاصل می شود. همه به توازن تحولات اقتصادی، ریسک زیست محیطی و ارزش های اجتماعی مربوط می شوند که در آن قضاوت ذهنی قابل توجهی لازم است زیرا خبره ها نیز علاوه بر ارزش های سیاسی و پذیرش اجتماعی نقش مهمی دارند. بنابراین، فردیت در EIA اجتناب ناپذیر است، همان طور که Kontic (2000) بیان کرد: "تأثیر سیستم های ارزش شخصی و باورها هنگام ایجاد یک ارزیابی و تفسیر خبره اجتناب ناپذیر است (ص 431)". • عدم دقت همراه با فردیت: عدم دقت از ماهیت کیفی تفکر انسان حاصل می شود. در EIA، مفاهیم، ارزش ها و قضاوت ها معمولا به عنوان اصطلاحات زبان شناختی بیان می شوند که ذاتا نامشخص، مبهم، مبهم یا فازی هستند. برای در نظر گرفتن این سه خصوصیت EIA به طور همزمان، این مطالعه با هدف ارائه یک چارچوب پشتیبانی تصمیم یکپارچه که منطق فازی و پردازش شبکه ای تحلیلی فازی را برای کمک به تصمیم گیرندگان در EIA ترکیب می کند، پیشنهاد می کند. علاوه بر این، این چارچوب نگرش ریسک تصمیم گیرندگان را نیز در نظر می گیرد. به طور خاص، این مطالعه به دنبال ارزیابی تاثیرات محیطی از نظر روش های پشتیبانی تصمیم گیری زیر است (شکل1 دیده شود): _ تئوری مجموعه فازی برای مدل سازی عدم دقت ذهنی، _ منطق فازی (FL) برای دستکاری فردیت به عنوان تصمیم گیرندگان در متعادل سازی حقایق و ارزش ها، _ تغییر پذیرش اهمیت (SAT) برای ترکیب استانداردها و رویکردهای تصمیم گیرندگان در فرآیند تصمیم گیری، _ پردازش شبکه ای تحلیلی فازی (FANP) برای مدیریت وابستگی ها در میان عوامل محیطی و پذیرش کلی این پیشنهاد. ارزیابی تاثیر زیست محیطی (EIA) می تواند بعنوانی یک شناسایی و ارزیابی سیستماتیک از تاثیرهای بالقوه از پروژه، برنامه یا اقدام های قانون گذاری برای عناصر بیولوژیکی، فرهنگی، شیمی-فیزیکی محیط کلی تعریف شود (Canter,1996). پردازش EIA اساسا شامل محدوده بندی ، مطالعه شرایط اولیه، شناسایی اثرات بالقوه، پیش بینی اثرات قابل توجه و ارزیابی آنها است (Shepard, 2005). محدوده بندی شامل تعیین عناصری است که باید در EIA باشند و جایگزین ها باید در نظر گرفته شوند. یک شرط اساسی، یعنی محیط موجود، بعنوان محک در نظر گرفته می شود که توسط آن شرایط آینده ی جایگزین های پروژه مقایسه می شوند. در دوره های متفاوت، متدولوژی های متفاوتی برای شناسایی تاثیرات روی شرط اساسی بکار گرفته شده اند که شامل اد هاک ، پوشش، چک لیست، ماتریس، و روش های شبکه است. هدف تخمین تاثیر پیش بینی تاثیرات یک تاثیر شناسایی شده از طریق روش هایی مانند قضاوت فردیت، مطالعات موردی، مدل های ریاضی کمی، مدل های آماری، مدل های آزمایشی است. وقتی یک تاثیر تخمین زده می شود، لازم است که اهمیت آن روی تاثیرهای زیست محیطی ارزیابی بشود. در نهایت تصمیم گیرنده ها باید تصمیم بگیرند که طرح را بپذیرند یا خیر. تصمیم گیری براساس موافقت گزارش های EIA یک فرآیند پیچیده و چند بعدی است و این به دلیل در نظر گرفتن واقعیت های علمی (زیست محیطی، تاثیرات بوم شناسی و اجتماعی) و هم چنین ارزش های فردی (اولویت، قضاوت، نگرانی ها) است. شکل 1 یک فلوچارت از پردازش EIA را ترسیم نموده است که در آن استفاده از روش های تصمیم گیری برای متعادل سازی ارزش ها و واقعیت ها می تواند برای تصمیم گیرنده ها سودمند باشد. در این مقاله چندین روش پشتیبانی تصمیم پیشنهاد شده است. در میان آنها دو دسته از اهمیت قابل توجهی برخوردار می باشند. استفاده از پردازش سلسله ای آنالیزی (AHP) (Saaty, 1990) و انواع آن اولین دسته ی قابل توجه می باشند و این به دلیل قابلیت آنها در ساده سازی تصمیم گیری چند معیاره است. برای مثال Tsamboulas و Mikroudis (2000) AHP را با روش های آنالیز کم هزینه برای توسعه ی ارزیابی کلی تاثیرات ابتکارات حمل و نقل در مناطق مختلف جغرافیایی و دوره های زمانی، ترکیب کرده اند. Ong، Koh و Nee (2001) از روش AHP برای تعیین تاثیرات زیست محیطی روش های پردازش مواد با استنتاج یک امتیاز زیست محیطی تنها بر اساس بکارگیری پردازش برای هر یک از محصولات و یا جایگزین های ارزیابی شده، استفاده کرده اند. به منظور مقایسه ی سه توسعه ی صنعتی جایگزین بزرگ به صورت منظم، Sólnes برای محاسبه ی شاخص کیفیت زیست محیطی هر کدام AHP را اعمال کرده است. Ramanathan (2011) از AHP برای ارزیابی تاثیرات زیست محیطی استفاده کرده است. Tesfamariam و Sadiq (2006) AHP فازی را برای کار با انتخاب مایع حفاری / گل حفاری برای عملیات نفت و گاز دریایی استفاده کرده است، که نگرش ریسک تصمیم-گیرنده و اطمینان مربوط را برای تخمین مقایسه های جفتی در نظر می گیرد. Srdjevic (2007) یک متدولوژی برای ترکیب تصمیم گیری چند معیاره و تئوری انتخاب اجتماعی در یک فرآیند تصمیم گیری گروهی را پیشنهاد داده است و از آن برای انتخاب ایده آل ترین و بلند مدت ترین برنامه ی مدیریت آب استفاده کرده است. Brent، Rogers، Ramabitsa-Siimane، و Rohwer (2007) روی کاربرد روش AHP در زمینه ی توسعه ی پایدار به منظور بهینه سازی و بکارگیری سیستم های مدیریت زباله-های بهداشتی در مناطق روستایی کشورهای در حال توسعه کار کرده اند. Liu (2007) یکپارچه سازی جدید از منطق فازی و AHP فازی را طرح کرده است که برای انجام ارزیابی پایداری زیست محیطی در 146 کشور است. پردازش شبکه ای آنالیزی (ANP) محدودیت استقلال ذاتی در AHP را از بین می برد، به طوری که چندین محقق توانسته اند ویژگی وابستگی عوامل محیطی را مدیریت کنند. به عنوان مثال، طبق داده های مربوط به پوشش زمینی، جمعیت، جاده ها، جریان ها، آلودگی هوا و توپوگرافی منطقه میانی اقیانوس اطلس ایالات متحده، Tran، Gregory، O'Neill و Smith (2004) یک ارزیابی محیطی یکپارچه انجام دادند، با ترکیب تجزیه و تحلیل مولفه های اصلی و ANP. Cheng و Li (2005) استفاده از ANP را برای توسعه یک مدل تصمیم برای ارزیابی اثرات نامطلوب محیط زیستی طرح های جایگزین معرفی کردند. با وجودی که Mikhailov و Madan (2003) یک فرایند فازی از ANP به نام فرایند شبکه های تحلیلی فازی (FANP) پیشنهاد کرده اند که به وزن های فازی امکان مقابله با تصمیم گیری های غیرمستقیم انسانی را می دهد، اما هنوز مقاله ی در رابطه با استفاده ی FANP ارزیابی تاثیرات زیست محیطی ارائه نشده است. دسته ی دوم از روش منطق فازی برای استخراج اثرات زیست محیطی یا اهمیت آن بهره می گیرد. به عنوان مثال، Borri، Concilio و Conte (1998) یک روش مبتنی بر قانون فازی برای ارزیابی محیط زیست ارائه دادند که یک ابزار قوی برای مقابله مستقیم با مدل های زبانی تفسیر انسانی از سیستم های زیست محیطی است. Van der Werf و Zimmer (1998) و Roussel، Cavelier و Van der Werf (2000) تلاش کرده اند تا از سیستم های خبره ی فازی برای محاسبه شاخص «Ipest» استفاده کنند که نشان دهنده ادراک خبره از تاثیر احتمالی زیست محیطی بالقوه ی کاربرد حشره کش در مزرعه است. Marusich و Wilkinson (2001) دو مورد EIA با منطق فازی را انجام دادند و نتیجه گرفتند که تجزیه و تحلیل منطق فازی می تواند سهم ارزشمندی در ارزیابی محیطی پروژه های پیچیده داشته باشد، اما در مورد پروژه های ساده مزایای قابل توجهی ندارد. شکل1. فرآیند تصمیم گیری برای ارزیابی تاثیر محیطی González، Adenso-Díaz و González-Torre (2002) از منطق فازی برای اجتناب از نیاز به دانش جامع زیست محیطی و داده های بسیار دقیق برای پیاده سازی ارزیابی استفاده کرده اند، بنابراین ارزیابی چرخه عمر برای شرکت های کوچک و متوسط کاربردی تر می شود. Siqueira Campos Boclin و Mello (2006) از یک رویکرد محاسباتی منطقی فازی برای متغیرهای فازی و قطعی استفاده کرده اند و نتیجه هایی از شاخص های سیستماتیک و نیز شاخص های موضوعی محیطی، فرهنگی، اجتماعی و اقتصادی را ایجاد کرده اند. پس از بررسی این مقالات مرتبط، سه ویژگی EIA زیر را شرح می دهیم. • وابستگی میان فاکتورهای محیطی: عوامل محیطی در EIA می توانند تقریبا به سه دسته تقسیم شوند: آلودگی محیط زیست، تغییرات زیست محیطی و اختلالات اقتصادی و اجتماعی. تحولات جامعه بشری و اقتصاد باعث ایجاد آلودگی محیط زیست می شود که موجب تغییرات بیشتر در محیط زیست می شود. با این حال، آلودگی محیط زیست و تخریب محیط زیست نیز به طور فزاینده ای بر پیشرفت اجتماعی و اقتصادی انسان اثر می گذارد. این عوامل محیطی به وضوح متضاد هستند؛ به عنوان مثال، آنها می توانند تا حدی به یکدیگر متکی باشند. در این مقاله "وابستگی" مترادف با "نفوذ" است. • فردیت در EIA: سه منبع فردیت در EIA از برآورد میزان نسبی عوامل محیطی، ارزیابی اثرات ناشی از یک پروژه و ترکیب نگرش ریسک تصمیم گیرنده (تحمل) حاصل می شود. همه به توازن تحولات اقتصادی، ریسک زیست محیطی و ارزش های اجتماعی مربوط می شوند که در آن قضاوت ذهنی قابل توجهی لازم است زیرا خبره ها نیز علاوه بر ارزش های سیاسی و پذیرش اجتماعی نقش مهمی دارند. بنابراین، فردیت در EIA اجتناب ناپذیر است، همان طور که Kontic (2000) بیان کرد: "تأثیر سیستم های ارزش شخصی و باورها هنگام ایجاد یک ارزیابی و تفسیر خبره اجتناب ناپذیر است (ص 431)". • عدم دقت همراه با فردیت: عدم دقت از ماهیت کیفی تفکر انسان حاصل می شود. در EIA، مفاهیم، ارزش ها و قضاوت ها معمولا به عنوان اصطلاحات زبان شناختی بیان می شوند که ذاتا نامشخص، مبهم، مبهم یا فازی هستند. برای در نظر گرفتن این سه خصوصیت EIA به طور همزمان، این مطالعه با هدف ارائه یک چارچوب پشتیبانی تصمیم یکپارچه که منطق فازی و پردازش شبکه ای تحلیلی فازی را برای کمک به تصمیم گیرندگان در EIA ترکیب می کند، پیشنهاد می کند. علاوه بر این، این چارچوب نگرش ریسک تصمیم گیرندگان را نیز در نظر می گیرد. به طور خاص، این مطالعه به دنبال ارزیابی تاثیرات محیطی از نظر روش های پشتیبانی تصمیم گیری زیر است (شکل1 دیده شود): _ تئوری مجموعه فازی برای مدل سازی عدم دقت ذهنی، _ منطق فازی (FL) برای دستکاری فردیت به عنوان تصمیم گیرندگان در متعادل سازی حقایق و ارزش ها، _ تغییر پذیرش اهمیت (SAT) برای ترکیب استانداردها و رویکردهای تصمیم گیرندگان در فرآیند تصمیم گیری، _ پردازش شبکه ای تحلیلی فازی (FANP) برای مدیریت وابستگی ها در میان عوامل محیطی و پذیرش کلی این پیشنهاد.
پیش نمایش مقاله
پیش نمایش مقاله  پشتیبانی تصمیم برای ارزیابی اثرات زیست محیطی : یک روش ترکیبی با استفاده از منطق فازی و پردازش شبکه ای آنالیزی فازی

چکیده انگلیسی

The decision-making on approval of environmental impact assessment (EIA) is an intrinsically complex multi-dimensional process because it does not only consider the scientific facts but also reflect subjective values. The use of decision-support methods to balance facts and values can be beneficial for decision makers. This paper attempts to propose an integrated decision-support framework that employs fuzzy logic (FL) to manipulate the subjectivity as decision makers do in appraising the facts and values, significance-acceptability transformation (SAT) to incorporate standards and decision makers’ risk attitude into decision-making process, and fuzzy analytic network process (FANP) to manage the dependences among environmental factors and suggest an overall acceptability of the proposal. Finally, the proposed approach will be applied to the EIAs of construction projects, exemplified in a case study of the Taiwan High-Speed Rail project.

مقدمه انگلیسی

Environmental impact assessment (EIA) can be defined as the systematic identification and evaluation of the potential impacts (effects) of proposed projects, plans, programs, or legislative actions relative to the physical–chemical, biological, cultural, and socioeconomic components of the total environment (Canter, 1996). The EIA process essentially involves scoping, studying baseline conditions, identifying potential impacts, predicting significant impacts, and evaluating them (Shepard, 2005). Scoping determines which components are to be included in the EIA and alternatives to be considered. A baseline condition, namely the existing environment, is recognized as a benchmark by which the future conditions of project alternatives are compared. Historically, several methodologies have been developed for the identification of impacts on the baseline condition, including the ad hoc, overlay, checklist, matrix, and networks methods. The purpose of impact prediction is to forecast the effects of an identified impact through methods such as subjective judgment, case studies, quantitative mathematical models, statistical models, pilot models and experiments. Once an impact has been forecasted, it is necessary to evaluate it’s significance on environmental effects. Eventually, decision makers (EIA review committee) have to decide whether to accept the proposal or not. The decision-making on approval of EIA reports is an intrinsically complex multi-dimensional process because it does not only consider the scientific facts (environmental, ecological and socioeconomic impacts) but also reflect subjective values (judgment, preference, value and concern). Fig. 1 delineates a flowchart of EIA process; wherein, the use of decision-support methods to balance facts and values can be beneficial for decision makers. Several decision-support methods have been proposed in literature. Among them, two categories are noteworthy. The utilization of analytic hierarchy process (AHP) (Saaty, 1990) and its variants have become the first remarkable category due to their capability for facilitating multi-criteria decision-making. For example, Tsamboulas and Mikroudis (2000) devoted themselves to the combination of the AHP with cost-benefit analysis methods to develop an overall assessment of the impacts of transport initiatives over different geographical regions and time periods. Ong, Koh, and Nee (2001) used the AHP method to assess the environmental impact of materials process techniques by deriving a single environmental score based on process emissions for each of the products or alternatives evaluated. In order to compare three large industrial development alternatives in an orderly manner, Sólnes (2003) applied the AHP to calculate the environmental quality index of each. Readers are referred to Ramanathan’s (2001) discussion on the advantages and shortcomings of using the AHP for environmental impact assessment. Tesfamariam and Sadiq (2006) applied fuzzy AHP to deal with the selection of drilling fluid/mud for offshore oil and gas operations, which incorporated decision maker’s risk attitude and associated confidence on the estimates of pairwise comparisons. Srdjevic (2007) proposed a methodology for combining multi-criteria decision-making and social choice theory in a group decision-making process and used it to select the most desired long-term water management plan. Brent, Rogers, Ramabitsa-Siimane, and Rohwer (2007) focused on the application of the AHP technique in the context of sustainable development to establish and optimise health care waste management systems in rural areas of developing countries. Liu (2007) outlines a new integration of fuzzy logic and fuzzy AHP to perform the evaluation of environmental sustainability in 146 countries. The analytic network process (ANP) (Saaty, 2001) relieves the independence limitation inherent in the AHP so that several researchers have been able to manipulate the dependence property of environmental factors. For example, according to data on the land cover, population, roads, streams, air pollution and topography of the Mid-Atlantic Region of the United States, Tran, Gregory, O’Neill, and Smith (2004) conducted an integrated environmental assessment by combining principal component analysis and the ANP. Cheng and Li (2005) introduced the use of the ANP to develop a decision model for evaluating potentially adverse environmental impacts of alternative construction plans. Although Mikhailov and Madan (2003) have proposed a fuzzy extension of the ANP called fuzzy analytic network process (FANP), which allows fuzzy weights for dealing with imprecise human comparison judgments, there is still no published literature reporting the use of the FANP to appraise environmental impacts.The second category exploits the fuzzy logic method to inference the environmental impacts or significances. For instance, Borri, Concilio, and Conte (1998) introduced a fuzzy rule-based methodology for environmental evaluation which provided a robust tool to directly cope with linguistic models of human interpretation of environmental systems. Van der Werf and Zimmer (1998), as well as Roussel, Cavelier, and Van der Werf (2000), endeavored to use fuzzy expert systems to calculate an indicator “Ipest” which reflects an expert perception of the potential environmental impact of the application of a pesticide in a crop field. Marusich and Wilkinson (2001) conducted two EIA cases with fuzzy logic and concluded that fuzzy logic analysis can make a valuable contribution to the environmental assessment of complex projects but it offers no significant benefits in the case of simple projects. González, Adenso-Díaz, and González-Torre (2002) utilized fuzzy logic to avoid the need for in-depth environmental knowledge and extremely accurate data to implement the assessment, thus making life-cycle assessment more applicable to small and medium-sized enterprises. Siqueira Campos Boclin and Mello (2006) used a fuzzy logic computational approach to operating fuzzy and crisp variables and make inferences from resultant values of the systemic indicator as well as environmental, cultural, social and economic thematic indicators. After investigating these relevant papers, we summarize three properties of EIA depicted below. • Dependences among environmental factors: The environmental factors involved in EIA can be roughly grouped into three categories: environmental pollution, ecological alteration and socioeconomic disturbance. The developments of human society and economics produce environmental pollution leading to further changes in the ecology. However, environmental pollution and destroyed ecology also increasingly impair human socioeconomic progress. These environmental factors are obviously interdependent; i.e., they can partially influence each other to various extents. In this paper, ‘dependence’ is synonymous with ‘influence.’ • Subjectivity in EIA: Three sources of subjectivity in EIA originate in estimating the relative importances of environmental factors, evaluating the impacts induced by a project and incorporating decision makers’ risk attitude (tolerance). All are concerned with balancing economic developments, environmental risk and societal values, in which considerable subjective judgment is required because expertise, in addition to political values and social acceptability, has a significant role. Therefore, the subjectivity is inevitable in EIA, as Kontic (2000) stated: ‘The influence of personal value systems and beliefs is unavoidable when creating an expert evaluation and interpretation (p. 431).’ • Imprecision accompanied by subjectivity: Imprecision arises from the qualitative nature of human thinking. In EIA, concepts, values and judgments are usually expressed as linguistic terms that are inherently imprecise, vague, ambiguous or fuzzy. To consider these three properties of EIA simultaneously, this study attempted to propose an integrated decision-support framework that combines fuzzy logic and fuzzy analytic network process to help decision makers in EIA. Furthermore, this framework also consider decision makers’ risk attitude. More specifically, this study sought to fulfil environmental impact evaluations in terms of the following decision support methods (see Fig. 1): • fuzzy set theory to model the imprecision of the subjectivity, • fuzzy logic (FL) to manipulate the subjectivity as decision makers do in balancing the facts and values, • significance-acceptability transformation (SAT) to incorporate standards and decision makers’ risk attitude into decision-making process, and • fuzzy analytic network process (FANP) to manage the dependences among environmental factors and suggest an overall acceptability of the proposal. The details of this framework is discussed in Section 2. Finally, the proposed approach was applied to the EIAs of construction projects, exemplified in a case study of the Taiwan High-Speed Rail project.

نتیجه گیری انگلیسی

A decision-support framework considering air, water, soil, noise, solid waste, terrestrial, aquatic, economics, society and culture has been developed to evaluate environmental impacts of construction projects during the construction phase. The framework is composed of the fuzzy logic, significance-acceptability transformation and fuzzy analytic network process, providing the following benefits: • enabled to handle dependence problems among environmental factors through the FANP to derive their relative influences (i.e., global weights); • empowered with subjective assessment modeled by fuzzy logic to bridge the gap between scientific facts and the fulfillment of social values and beliefs; • equipped with the concept of risk via the inclusion of decision makers’ risk attitude (tolerance). Although the proposed approach has been demonstrated by a case study of the Taiwan High-Speed Rail project, further investigation is needed in the future, including the involvement of additional specialists to refine fuzzy rules and the use of statistics instead of experts’ judgments to define the dependence among environmental factors