تدوین الگوی کشت بهینه به‌منظور مدیریت تغییرات سطح آب زیرزمینی دشت شهریار

نوع مقاله : پژوهشی

نویسندگان

1 دانش‌آموخته دکتری/ گروه علوم و مهندسی آب، دانشکده کشاورزی و صنایع غذایی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

2 استاد/ گروه علوم و مهندسی آب، دانشکده کشاورزی و صنایع غذایی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

3 استادیار/ گروه زراعت، دانشکده کشاورزی، دانشگاه آزاد اسلامی واحد کرج، کرج، ایران

4 استادیار/گروه علوم و مهندسی آب، دانشکده کشاورزی و صنایع غذایی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

5 دانش‌آموخته کارشناسی‌ارشد/ بخش مهندسی آب و محیط ‌زیست، مهندسین مشاور سازه‌پردازی ایران، تهران، ایران

6 دانشجوی دکتری/ گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه آزاد اسلامی واحد اهواز، اهواز، ایران

7 دانش‌آموخته کارشناسی‌ارشد/ گروه سازه‌های هیدرولیکی، دانشکده مهندسی عمران و محیط‌ زیست، دانشگاه تربیت مدرس، تهران، ایران

چکیده

در تحقیق حاضر، یک مدل شبیه‌سازی- بهینه‌سازی تهیه شد. به این منظور ابتدا با استفاده از سیستم مدل‌سازی آب‌ زیرزمینی (GMS) تراز آب زیرزمینی شبیه‌سازی شد، سپس شش سناریو بر اساس سطح آب زیرزمینی به‌منظور بهره‌برداری بهینه از آبخوان دشت شهریار تعریف شد. پس از این مرحله تراز آب زیرزمینی به‌وسیلة مدل شبکه عصبی مصنوعی (ANN) برآورد شد. در نهایت توسط الگوریتم ژنتیک چندهدفه (NSGA-II)، دو تابع هدف درآمد به هزینه و تغییرات سطح آب زیرزمینی بر اساس سطح زیرکشت، منابع آب زیرزمینی و سطحی برآورد شدند. در این تحقیق، جهت افزایش دقت مصارف بهینه آب زیرزمینی و سطحی، مقادیر بهره‌برداری از منابع آب سطحی نیز برآورد شد. نتایج نشان داد که بیش‌ترین پارامتر نسبت درآمد به هزینه حاصل شده، مربوط به ناحیه شهریار سپس ناحیه رباط کریم و در آخر ناحیه اسلامشهر بوده و الگوی کشت و حجم نیاز آبی بهینة کل محدوده مطالعاتی نسبت به شرایط فعلی به میزان 36 درصد و حجم مصرف آب کشاورزی 44 درصد کاهش یافته‌اند. تغییرات تراز و بیلان بهینه آب زیرزمینی همزمان با کاهش مصارف آب زیرزمینی در بخش کشاورزی افزایش قابل ملاحظه‌ای به اندازه 17 متر و 394 میلیون مترمکعب داشته‌اند. هم‌چنین، بیلان حاصل از سناریوی سوم GMS، 203 میلیون مترمکعب برآورد شد که نسبت به بیلان حاصل از این مدل، 313 میلیون مترمکعب افزایش یافته و باعث افزایش تغییرات سطح آب زیرزمینی به اندازة 13 متر شده است. مقدار تغییرات تراز آب زیرزمینی حاصل از سناریوی سوم نسبت به مدل شبکه عصبی 11 متر برآورد شد. در تحقیق حاضر، برنامه‌ریزی الگوی کشت و بهره‌برداری بهینه از منابع آبی در مقایسه با سناریوی سوم و مدل شبکة عصبی، به‌عنوان الگوی برنامه‌ریزی بهینه آبی انتخاب شد.

کلیدواژه‌ها

موضوعات


اسدزاده شرفه، حبیبه، و رئوف، مجید (1397). مقایسه کارایی مصرف آب در سیستم‌های آبیاری بارانی و هیدروفلوم (مطالعه موردی: دشت اردبیل). مدیریت آب و آبیاری، 8(1)، 55-68.doi:10.22059/jwim.2018.239976.556
احسانی کلی‌کند، سمانه، نظری، بیژن، رمضانی اعتدالی، هادی، و ستوده‌نیا، عباس (1397). تعیین الگوی کشت بهینه با هدف سازگاری با کم آبی و افزایش درآمد کشاورزان در شرایط تحویل حجمی. مدیریت آب در کشاورزی، 5(1)، 71-78.
صالحی شفا، نیما، بابازاده، حسین، آقایاری، فیاض، و صارمی، علی (1401). تعیین الگوی کشت مطلوب با تأکید بر مصارف بهینه آب کشاورزی در دشت شهریار تهران. آبیاری و زهکشی ایران، 16(1)، 119-133. dor: 20.1001.1.20087942.1401.16.1.10.7
 
Alobid, M., Derardja, B., & Szűcs, I. (2022). Economic analysis of an optimized irrigation system: case of Sant’Arcangelo, Southern Italy. European Online Journal of Natural and Social Sciences, 11(1), 134-155.
Asadzadeh Sharafeh, H., & Raoof, M. (2018). Comparison of water use efficiency in sprinkler and hydroflume irrigation systems (case study: Ardabil Plain). Journal of Water and Irrigation Management, 8(1), 55-68. doi:10.22059/jwim.2018.239976.556 [In Persian]
Azadi, S., Nozari, H., Ghanbarian, B., & Marofi, S. (2022). Optimizing cropping pattern to improve the performance of irrigation network using system dynamics—Powell algorithm. Environmental Science and Pollution Research, 29, 64547-64559. doi:10.1007/s11356-022-20335-6
Bayat, M., Eslamian, S., Shams, R., & Hajiannia, A. (2020). Groundwater level prediction through GMS software–case study of Karvan area, Iran. Quaestiones Geographicae39(3), 139-145. doi:10.2478/quageo-2020-0028
Bohidar, A.K., & Ahmad, I. (2021). Development of conceptual model and groundwater flow modeling using GMS software: a case study for Dharsiwa Block, Chhattisgarh, India. Pp. 151-164, In: Groundwater Resources Development and Planning in the Semi-Arid Region, Springer, Cham. doi:10.1007/978-3-030-68124-1_8
Chen, Y., Zhou, Y., Fang, S., Li, M., Wang, Y., & Cao, K. (2022). Crop pattern optimization for the coordination between economy and environment considering hydrological uncertainty. Science of the Total Environment, 809, 151152. doi:10.1016/j.scitotenv.2021.151152
Dai, C., Qin, X.S., Chen, Y., & Guo, H.C. (2018). Dealing with equality and benefit for water allocation in a lake watershed: a Gini-coefficient based stochastic optimization approach. Journal of Hydrology, 561, 322-334. doi:10.1016/j.jhydrol.2018.04.012
Dehghanipour, A.H., Schoups, G., Zahabiyoun, B., & Babazadeh, H. (2020). Meeting agricultural and environmental water demand in endorheic irrigated river basins: A simulation-optimization approach applied to the Urmia Lake basin in Iran. Agricultural water management, 241, 106353. doi:10.1016/j.agwat.2020.106353
Ehsani kolikand, S., Nazai, B., Ramezai Etedali, H., & Sootodehnia, A. (2018). The determination of optimum cropping pattern with the aim of adaptation to water shortage conditions and increasing farmers' income in terms of volume delivery. Journal of Water Management in Agriculture, 5(1), 71-78.  [in Persian]
Fard, A.A., Shahdany, S.M.H., Javadi, S., & Maestre, J.M. (2022). Developing an automatic conjunctive surface-groundwater operating system for sustainable agricultural water distribution. Computers and Electronics in Agriculture, 194, 106774. doi:10.1016/j.compag.2022.106774
Ghoochanian, M., Etebari, B., & Akbarpour, A. (2013). Integrating groundwater management with weap and modflow models (case study: Birjand Plain, east of Iran). MODFLOW and More 2013: Translating Science into Practice Conference, Colorado.
Jang, C.S., Chen, C.F., Liang, C.P., & Chen, J.S. (2016). Combining groundwater quality analysis and a numerical flow simulation for spatially establishing utilization strategies for groundwater and surface water in the Pingtung Plain. Journal of Hydrology, 533, 541-556. doi:10.1016/j.jhydrol.2015.12.023
Jha, M.K., Peralta, R.C., & Sahoo, S. (2020). Simulation-optimization for conjunctive water resources management and optimal crop planning in Kushabhadra-Bhargavi river delta of Eastern India. International Journal of Environmental Research and Public Health, 17(10), 3521. doi:10.3390/ijerph17103521
Karimi, L., Motagh, M., & Entezam, I. (2019). Modeling groundwater level fluctuations in Tehran aquifer: results from a 3D unconfined aquifer model. Groundwater for Sustainable Development, 8, 439-449. doi:10.1016/j.gsd.2019.01.003
Le Page, M., Berjamy, B., Fakir, Y., Bourgin, F., Jarlan, L., Abourida, A., Benrhanem, M., Jacob, G., Huber, M., Sghrer, F., Simonneaux, V., & Chehbouni, G. (2012). An integrated DSS for groundwater management based on remote sensing. The case of a semi-arid aquifer in Morocco. Water resources management, 26(11), 3209-3230. doi:10.1007/s11269-012-0068-3
Li, L., Zhou, Y., Li, M., Cao, K., Tao, Y., & Liu, Y. (2022). Integrated modelling for cropping pattern optimization and planning considering the synergy of water resources-society-economy-ecology-environment system. Agricultural Water Management, 271, 107808.  doi:10.1016/j.agwat.2022.107808
Mirhashemi, S.H., & Panahi, M. (2022). Predicting groundwater level changes within the irrigation network range using the tree algorithm (case study: Alborz plain). International Journal of Environmental Science and Technology, 19, 9817-9856. doi:10.1007/s13762-022-04176-x
Mirzaei, A., Azarm, H., & Naghavi, S. (2022). Optimization of the cropping pattern under seasonal fluctuations of surface water using multistage stochastic programming. Water Supply, 22(6), 5716-5728.  doi:10.2166/ws.2022.224
Mohammadzadeh, A., Vafabakhsh, J., Mahdavi Damghani, A., & Deihimfard, R. (2022). Optimal land allocation to crop production in different decision priorities and water availability scenarios: East Azerbaijan province of Iran. Archives of Agronomy and Soil Science, 68(5), 597-614. doi:10.1080/03650340.2020.1843637
Moharram, S.H., Gad, M.I., Saafan, T.A., & Allah, S.K. (2012). Optimal groundwater management using genetic algorithm in El-Farafra Oasis, western desert, Egypt. Water Resources Management, 26(4), 927-948. doi:10.1007/s11269-011-9865-3
Mooselu, M.G., Nikoo, M.R., Latifi, M., Sadegh, M., Al-Wardy, M., & Al-Rawas, G.A. (2020). A multi-objective optimal allocation of treated wastewater in urban areas using leader-follower game. Journal of Cleaner Production, 267, 122189. doi:10.1016/j.jclepro.2020.122189
Najafabadi, M.M., Ziaee, S., Nikouei, A., & Ahmadpour Borazjani, M. (2019). Mathematical programming model (MMP) for optimization of regional cropping patterns decisions: a case study. Agricultural Systems, 173, 218-232. doi:10.1016/j.agsy.2019.02.006
Nouri, A., Saghafian, B., Delavar, M., & Bazargan-Lari, M.R. (2019). Agent-based modeling for evaluation of crop pattern and water management policies. Water Resources Management, 33(11), 3707-3720. doi:10.1007/s11269-019-02327-3
Osama, S., Elkholy, M., & Kansoh, R.M. (2017). Optimization of the cropping pattern in Egypt. Alexandria Engineering Journal, 56(4), 557-566. https://doi.org/10.1016/j.aej.2017.04.015
OstadAliAskari, K., Ghorbanizadeh Kharazi, H., Shayannejad, M., & Zareian, M.J. (2019). Effect of management strategies on reducing negative impacts of climate change on water resources of the Isfahan–Borkhar aquifer using Modflow. River Research and Applications, 35(6), 611-631. doi:10.1002/rra.3463
Pereira-Cardenal, S.J., Mo, B., Gjelsvik, A., Riegels, N.D., Arnbjerg-Nielsen, K., & Bauer-Gottwein, P. (2016). Joint optimization of regional water-power systems. Advances in Water Resources, 92, 200-207. doi:10.1016/j.advwatres.2016.04.004
Qiu, S., Liang, X., Xiao, C., Huang, H., Fang, Z., & Lv, F. (2015). Numerical simulation of groundwater flow in a river valley basin in Jilin Urban area, China. Water, 7(10), 5768-5787. doi:10.3390/w7105768
Rath, A., Samantaray, S., & Swain, P.C. (2019). Optimization of the cropping pattern using cuckoo search technique. Pp. 19-35, In: Smart Techniques for a Smarter Planet, Springer, Cham. doi:10.1007/978-3-030-03131-2_2
Safavi, H.R., Darzi, F., & Mariño, M.A. (2010). Simulation-optimization modeling of conjunctive use of surface water and groundwater. Water resources management, 24(10), 1965-1988. doi:10.1007/s11269-009-9533-z
Salehi Shafa, N., Babazadeh, H., Aghayari, F., & Saremi, A. (2022). Determining the optimal cultivation area and pattern of agricultural water consumption in order to manage multi-objective planning. Iranian Journal of Irrigation & Drainage, 16(1), 119-133. [In Persian]
Salehi Shafa, N., Babazadeh, H., Aghayari, F., & Saremi, A. (2022). Multi-objective planning for optimal exploitation of surface and groundwater resources through development of an optimized cropping pattern and artificial recharge system. Ain Shams Engineering Journal, 14(2), 101847. doi:10.1016/j.asej.2022.101847
Shakoor, A., Arshad, M., Ahmad, R., Khan, Z.M., Qamar, U., Farid, H.U., Sultan, M., & Ahmad, F. (2018). Development of groundwater flow model (MODFLOW) to simulate the escalating groundwater pumping in the Punjab, Pakistan. Pakistan Journal of Agricultural Sciences, 55(3), 629-638. doi:10.21162/PAKJAS/18.4909
Shirshahi, F., Babazadeh, H., EbrahimiPak, N., & Khaledian, M. (2020). Sustainable optimization of regional agricultural water use by developing a two-level optimization model. Arabian Journal of Geosciences, 13(4), 1-12. doi:10.1007/s12517-020-5175-5
Shrestha, S., Neupane, S., Mohanasundaram, S., & Pandey, V.P. (2020). Mapping groundwater resiliency under climate change scenarios: A case study of Kathmandu Valley, Nepal. Environmental research183, 109149. doi:10.1016/j.envres.2020.109149
Sule, B.F., & Ayenigba, S.E. (2017). Application of GMS-Modflow to investigate groundwater development potential in River Meme catchment, Kogi State, Nigeria. International Journal of Sciences, 6(09), 39-51. doi:10.18483/ijSci.1332
Varade, S., & Patel, J.N. (2019). Optimization of groundwater resource for balanced cropping pattern. Water Policy, 21(3), 643-657. doi:10.2166/wp.2019.105
Wang, X., Sun, Y., Xu, Z., Zheng, J., & Zhang, C. (2020). Feasibility prediction analysis of groundwater reservoir construction based on GMS and Monte Carlo analyses: A case study from the Dadougou Coal Mine, Shanxi Province, China. Arabian Journal of Geosciences, 13(1), 1-11. doi:10.1007/s12517-019-4978-8
Xue, D., Dai, H., Liu, Y., Liu, Y., Zhang, L., & Lv, W. (2022). Interaction simulation of vadose zone water and groundwater in Cele Oasis: assessment of the impact of agricultural intensification, northwestern China. Agriculture, 12(5), 641. doi:10.3390/agriculture12050641
Zamani, M.G., Moridi, A., & Yazdi, J. (2022). Groundwater management in arid and semi-arid regions. Arabian Journal of Geosciences, 15(4), 1-14. doi:10.1007/s12517-022-09546-w