@article { author = {monjezi, nasim}, title = {Diagnose and Prioritizing of Effective Managerial and Executive Factors on Water Productivity in Sugarcane Production and Providing Practical Solutions to Increase It}, journal = {Iranian Journal of Biosystems Engineering}, volume = {51}, number = {1}, pages = {99-112}, year = {2020}, publisher = {دانشگاه تهران}, issn = {2008-4803}, eissn = {2423-7841}, doi = {10.22059/ijbse.2019.289835.665228}, abstract = {The purpose of this study was to identify, prioritize and control the factors affecting water productivity in sugar cane production. In this study, to calculate water productivity, the indices such as BPD and CPD, NBPD is used. Given that the research goal was to prioritize the factors affecting the productivity of water input during the sugar cane production process, the identified factors were evaluated using Analytical Hierarchy Process Analysis (AHP). Then, CART and CHAID decision trees were used in modeling the water input efficiency and the factors influencing it. According to the results, the average CPD, BPD and NBPD indices for sugar cane were 2.37 kg m-3, 1082.71 toman m-3, and 528.03 toman m-3, respectively. The variables of economic productivity of water, the value of sales of the product (income), the amount of sugar produced, production costs, water consumption per irrigation interval, irrigation intervals, electrical conductivity of the soil after harvest, river electrical conductivity, mean time of each irrigation interval, Plant height, plant age, number of irrigation cycles, drainage water drainage PH and width of the cultivating line before discovery are the most important and influential variables in the decision tree models of CHAR and CHAID. The accuracy of the CART model in training and testing was 96% and 92%, respectively, and the accuracy of the CHAID model in education and testing is 97% and 90%, respectively. Also, based on the prioritization of the factors affecting productivity, using the hierarchical analysis method, the quantity and quality of irrigation water, climate conditions, plant conditions, managerial and human factors, and soil conditions were ranked with a coefficient of 0.459, 0.231, 0, 0.091 and 0.069, respectively.}, keywords = {Analytical Hierarchy process,Decision Tree,productivity,Water,Sugarcane}, title_fa = {عارضه‌یابی و اولویت‌بندی عوامل اجرایی و مدیریتی مؤثر بر بهره‌وری آب در تولید نیشکر و ارائه راهکارهای عملی برای افزایش آن}, abstract_fa = {هدف از این پژوهش، عارضه‌یابی، شناسایی و اولویت‌بندی عوامل مؤثر بر بهره‌وری آب در تولید نیشکر در استان خوزستان می‌باشد. در این تحقیق، برای محاسبه بهره‌وری آب از شاخص‌هایی چونCPD،BPD وNBPDاستفاده شده است. با توجه به این که هدف تحقیق، اولویت‌بندی عوامل مؤثر بر بهره‌وری نهاده آب طی فرآیند تولید نیشکر است، عوامل شناسایی شده با استفاده از تکنیک تحلیل سلسله مراتبی (AHP) ارزیابی شدند. سپس در مدل‌سازی بهره‌وری نهاده آب و بررسی عوامل مؤثر بر آن از الگوریتم‌های تصمیم CART و CHAID استفاده شد. بر اساس نتایج تحقیق، متوسط شاخص‌های CPD، BPD و NBPD برای محصول نیشکر به ترتیب برابر 37/2 کیلوگرم بر متر مکعب، 71/1082 تومان بر مترمکعب، 03/528 تومان بر مترمکعب به دست آمد. متغیرهای بهره‌وری اقتصادی آب، ارزش فروش محصول (درآمد)، مقدار شکر تولیدی، هزینه‌های تولید، مصرف آب در هر دور آبیاری، فواصل آبیاری، هدایت الکتریکی خاک بعد از برداشت، هدایت الکتریکی آب رودخانه، متوسط زمان هر دور آبیاری، مساحت مزرعه، رقم گیاه، سن گیاه، تعداد دورهای آبیاری، pH آب خروجی زهکش و عرض خط کشت قبل از دیسکاور مهم‌ترین و تأثیرگذارترین متغیرها در الگوریتم‌های تصمیم CART و  CHAID می‌باشند. دقت مدل CART در قسمت آموزش و تست به ترتیب برابر 96 و 92 درصد بوده است و دقت مدل CHAID در بخش آموزش و تست به ترتیب برابر 97 و 90 درصد می‌باشد. همچنین بر اساس اولویت‌بندی عوامل مؤثر بر بهره‌وری با استفاده از روش تحلیل سلسله مراتبی به ترتیب کمیت و کیفیت آب آبیاری، شرایط آب و هوایی، شرایط گیاه، عوامل مدیریتی و انسانی و شرایط خاک با ضریب 459/0، 231/0، 150/0، 091/0 و 069/0 رتبه بندی شدند.}, keywords_fa = {آب,بهره‌وری,تحلیل سلسله مراتبی,درخت تصمیم,نیشکر}, url = {https://ijbse.ut.ac.ir/article_73977.html}, eprint = {https://ijbse.ut.ac.ir/article_73977_d9e5689cda646e7512efe87cdd9c5aa0.pdf} }