The Analysis of Multi-Objective to Allocate Area for Growing Economic Crops for Sustainable City Development: A Case Study in Sa Kaeo Province

Abstract

งานวิจัยนี้ประยุกต์ใช้แบบจำลองการเลือกกลุ่มลงทุน เพื่อหาสัดส่วนการปลูกพืชเศรษฐกิจหลักของจังหวัดสระแก้ว 4 ชนิดได้แก่ ข้าว มันสำปะหลัง อ้อยโรงงาน และข้าวโพดเลี้ยงสัตว์ ภายใต้ผลตอบแทนที่คาดหวังและความเสี่ยงในการลงทุนต่ำที่สุดผู้วิจัยวิเคราะห์ข้อมูลการจัดสรรการปลูกพืชโดยใช้ฟังก์ชัน Solver ในโปรแกรม Microsoft Excel จากนั้นประยุกต์ใช้การวิเคราะห์หลายวัตถุประสงค์ เพื่อหาแนวทางการใช้พื้นที่ผลิตพืชอย่างเหมาะสม โดยมีวัตถุประสงค์ที่นำมาพิจารณา 3 ด้านได้แก่ ความเหมาะสมของดิน ความเหมาะสมของปริมาณน้ำฝน และระยะทางขนส่งผลผลิตจากแปลงปลูกไปแหล่งรับซื้องานวิจัยได้ทดสอบนโยบายการกำหนดค่าน้ำหนักของตัวแปรในฟังกชันวัตถุประสงค์ 4 กรณี ได้แก่ 1) การให้ความสำคัญด้านความเหมาะสมของดินสูงกว่าด้านอื่น 2) การให้ความสำคัญด้านความเหมาะสมของปริมาณน้ำฝนสูงกว่าด้านอื่น 3) การให้ความสำคัญด้านระยะทางขนส่งผลผลิตสูงกว่าด้านอื่น และ 4) การให้ความสำคัญด้านความเหมาะสมของปริมาณน้ำฝนเท่ากับด้านระยะทางขนส่งผลผลิต ผู้วิจัยวิเคราะห์ข้อมูลและหาคำตอบของการตัดสินใจโดยใช้ไลบรารี LP Solve ในโปรแกรมภาษาไพธอน ผลการวิจัยพบว่า วิธีการที่นำเสนอสามารถช่วยนักวางแผนเมืองในการกำหนดค่าน้ำหนักของตัวแปรในแบบจำลองการตัดสินใจได้ง่ายมากยิ่งขึ้น ผลของแบบจำลองสามารถระบุพื้นที่ในระดับตำบลว่าควรปลูกพืชชนิดใด จำนวนกี่ไร่ และควรส่งผลผลิตไปขายที่แหล่งรับซื้อของตำบลใด จึงจะทำให้การผลิตพืชเศรษฐกิจหลักในภาพรวมของจังหวัดสระแก้วมีประสิทธิภาพสูงสุด วิธีการวางแผนเพาะปลูกพืชที่นำเสนอสามารถนำไปใช้ในการพัฒนาเมืองที่ยั่งยืนต่อไป

This research applies the portfolio selection model in order to determine the proportion of economic crops in Sa Kaeo province, consisting of rice, cassava, sugarcane, and maize subject to the expected return and the lowest investment risk. We first analyzed the crop allocation using Microsoft Excel Solver and then applied multi-objective analysis in order to find suitable crop areas. Three objectives for crop location were considered: the suitability of the soil, rain water quantity, and distance to the market. The weights of the criteria varied according to four testing policies: 1) when the soil suitability is the most important criterion; 2) when the rain water quantity is of most concern; 3) when the distance to the market is the most important criterion; and 4) when there is an equal importance of the rain water quantity and the distance to the market. These decision criteria were formulated using linear programming and were optimized using LP Solve using the Python script. The results demonstrated that the proposed method would help city planners determine the weights in the multi-objective optimization model more easily. The resulting optimal solution specified how many rai were allocated for which sub-district and products in order to make the crop production in Sa Kaeo most efficient. This proposed crop planning method could be used for sustainable city development.