مدیریت آب کشاورزی با رویکرد آب مجازی از طریق تکنیک بهینه سازی ژنتیک (GA)(مطالعه موردی: دشت بیرجند)
محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 10، شماره: 6
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 292
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-10-6_002
تاریخ نمایه سازی: 23 اردیبهشت 1400
چکیده مقاله:
روند رو به رشد مشکلات کمبود آب نقش موثری را در تشدید بحران آب در ایران و بخصوص در مناطق خشک و نیمهخشک از جمله دشت بیرجند در استان خراسان جنوبی دارد که تنها با تکیه بر منابع آب زیرزمینی اقدام به تولیدات کشاورزی میشود. در این تحقیق با استفاده از مدل بیلان آب زیرزمینی معادلات مورد نیاز برای تخمین سطح عمق آب آبیاری تعیین شده است سپس تابع هدفی که بر پایه مفهوم آب مجازی و تابع استوارت میباشد، ایجاد شد. در ادامه به علت تعدد متغیرهای تابع هدف در بهینهسازی مصرف آب، با استفاده از روش فراکاوشی و هوشمند ژنتیک (GA) که نیاز به محاسبات کمتر و کارایی بیشتر نسبت به دیگر روشها دارند، الگو و تراکم کشت بهینه محصولات زراعی دشت مطالعاتی در ۴ سناریو ۱) ۳۰ درصد تغییرات سطح کنونی هر محصول، ۲) ۵۰ درصد تغییرات سطح کنونی هر محصول، ۳) ۷۵ درصد تغییرات سطح کنونی هر محصول و ۴) تغییرات آزاد سطح زیر کشت محصولات به ازای بازه صفر تا حداکثر سطح زیر کشت موجود در منطقه مورد بررسی) تعیین شد. نتایج مدل نشان داد که سطح زیر کشت محصولات در نظر گرفته شده بهینه نمیباشد و مصرف آب در بخش کشاورزی دشت بیرجند متناسب با شرایط موجود نیست. بهترین سناریوی از بین سناریویهای مطرح شده، سناریوی چهارم میباشد زیرا نه تنها سودآوری را به میزان ۴ برابر افزایش خواهد داد بلکه میزان آب مصرفی را نیز حدودا ۸ درصد کاهش میدهد.
کلیدواژه ها:
نویسندگان
علی شهیدی
دانشیار گروه مهندسی آب، دانشگاه بیرجند، بیرجند، ایران
علی مروت نشان
دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه بیرجند، بیرجند، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :