تعداد نشریات | 27 |
تعداد شمارهها | 368 |
تعداد مقالات | 3,269 |
تعداد مشاهده مقاله | 4,835,940 |
تعداد دریافت فایل اصل مقاله | 3,310,682 |
برنامهریزی و تحویل بهینة آب در شبکههای آبیاری با ترکیب مدل AquaCrop و الگوریتم ژنتیک | ||
مدل سازی و مدیریت آب و خاک | ||
مقاله 15، دوره 4، شماره 4، 1403، صفحه 255-268 اصل مقاله (1.12 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22098/mmws.2023.14039.1382 | ||
نویسندگان | ||
پریسا کهخامقدم1؛ علی نقی ضیایی* 2؛ کامران داوری3؛ امین کانونی4؛ صدیقه صادقی5 | ||
1دانشجوی دکتری، گروه مهندسی آب، دانشکدة کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
2دانشیار، گروه مهندسی آب، دانشکدة کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
3استاد، گروه مهندسی آب، دانشکدة کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
4دانشیار، گروه مهندسی آب، دانشکدة کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران | ||
5دانشجوی دکتری، گروه ریاضی کاربردی، دانشکدة علوم ریاضی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
چکیده | ||
برنامةریزی تحویل بهینة آب در کانالهای توزیع میتواند تلفات ناشی از نشت آب در شبکههای آبیاری را کاهش داده و راندمان آبیاری را بهبود بخشد. مدل گیاهی AquaCrop بهدلیل شناسایی پارامترهای محدودکنندة تولید و ملحوظ نمودن فیزیولوژیک گیاهی جایگزینی مناسب برای توابع تولید تجربی در برنامةریزی بهینة آبیاری محسوب میشود. در این مطالعه، مدل برنامةریزی تحویل آب در سطح کانال با مدل تخصیص بهینة آب در سطح واحدهای زراعی که با مدل گیاهی پیوند زده شده، توسعه داده شد. در این مدل از الگوریتم ژنتیک جهت بهینهسازی توزیع و تحویل آب بهگونهای استفاده شد که دبی کانال، زمان مورد نیاز جهت تکمیل برنامة آبیاری و اختلاف حجم آب تحویلی مورد نیاز به هر انشعاب حداقل شود. مدل تهیة شده برای کانال توزیع M از شبکة آبیاری مغان که دارای 45 انشعاب است مورد استفاده قرار گرفت. نتایج توزیع و تحویل بهینة آب نشان داد که انشعابات در 33 بلوک مختلف توزیع شده است، همچنین، زمان پایان عملیات بهرهبرداری 232 ساعت از شروع برنامة بهرهبرداری و حداکثر و حداقل دبی جریان ورودی بهترتیب 573/2 و 590/0 مترمکعب بر ثانیه است که نشان از رعایت قیود مربوطه در مدل تحویل بهینه است. لذا اجرای مدلهای تهیه شده در ترکیب با مدل گیاهی قادر خواهد بود تا برنامة عملیات بهرهبرداری کاملی را جهت تخصیص و تحویل آب در سطوح مختلف آبیاری در اختیار بهرهبرداران قرار داده و بهعنوان ابزاری مفید در برنامةریزی شبکههای آبیاری در تمام سطوح بهکار گرفته شود. | ||
کلیدواژهها | ||
بلوکبندی انشعابات؛ کانال توزیع؛ نرمافزار متلب؛ هیدروگراف جریان ورودی | ||
مراجع | ||
Bastiaanssen, W.G., Allen, R.G., Droogers, P., D’Urso, G., & Steduto, P. (2007). Twenty-five years modeling irrigated and drained soils: State of the art. Agricultural Water Management, 92(3), 111-125. doi:10.1016/j.agwat.2007.05.013 Bowmer, K.H., & Meyer, W.S. (2014). Irrigation agriculture: Sustainability through holistic approaches to water use and innovation. Pp. 181-224, In Drinking Water and Water Management: New research, Nova Science Publishers. Brown, P.D., Cochrane, T.A., & Krom, T.D. (2010). Optimal on-farm irrigation scheduling with a seasonal water limit using simulated annealing. Agricultural Water Management, 97(6), 892-900. doi:10.1016/j.agwat.2010.01.020 Chen, Z., Zhao, C., Wu, H., & Miao, Y. (2019). A water-saving irrigation decision-making model for greenhouse tomatoes based on genetic optimization TS fuzzy neural network. KSII Transactions on Internet and Information Systems, 13(6), 2925-2948. doi:10.3837/tiis.2019.06.009 Clemmens, A.J. (1987). Delivery system schedules and required capacities. Pp. 18-34, In Planning, operation, rehabilitation and automation of irrigation water delivery systems, American Society of Civil Engineers. Das, B., Singh, A., Panda, S.N., & Yasuda, H. (2015). Optimal land and water resources allocation policies for sustainable irrigated agriculture. Land Use Policy, 42, 527-537. doi:10.1016/j.landusepol.2014.09.012 Edwards, E.C., & Nehra, A. (2020). Importance of Freshwater for Irrigation. Pp. 22-28, in: Goldestein, M.I, Dellasala,A.D. (Eds.), Encyclopedia of the World’s Biomes. Elsevier Inc, Washington doi:10.1016/B978-0-12-409548-9.11913-X García-Vila, M., & Fereres, E. (2012). Combining the simulation crop model AquaCrop with an economic model for the optimization of irrigation management at farm level. European Journal of Agronomy, 36(1), 21-31. doi:10.1016/j.eja.2011.08.003 Goldberg, D.E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley-Longman, Publishing Co Inc. USA. 412 pages. Guo, D., Olesen, J.E., Manevski, K., & Ma, X. (2021). Optimizing irrigation schedule in a large agricultural region under different hydrologic scenarios. Agricultural Water Management, 245, 106575. doi:10.1016/j.agwat. 2020.106575 Hosseinzade Kuhi, H., Ardestani, M., & Sarang, A. (2024). Optimum redesign of runoff harvesting channels to reduce vulnerability and increase reliability against climate change. Water and Soil Management and Modeling, 4(1), 85-101. doi:10.22098/mmws.2023.12222.1213. [In Persian] Jorenush, M.H., Egdernezhad, A., Shahrokhnia, M.A., & Ebrahimi Pak, N.A. (2024). Evaluation of AquaCrop model for simulation of Wheat plant (Triticum) yield under different scenarios of agricultural management in Qazvin. Water and Soil Management and Modeling, 4(1), 1-16. doi:10.22098/mmws.2023.12533.1248. [In Persian] Kahkhamoghadam, P., Ziaei, A.N., Davari, K., Kanooni, A., & Sadeghi, S. (2023). Optimal allocation of water and land in Moghan irrigation network using crop model and genetic algorithm. Iranian Journal Soil and Water Research, 53(12), 2921-2935. [In Persian]. doi:10.22059/ijswr.2023.352463.669411 Kanooni, A., & Monem, M.J. (2014). Integrated stepwise approach for optimal water allocation in irrigation canals. Irrigation and Drainage, 63(1), 12-21. doi:10.1002/ird.1798 Kanooni, A., & Monem, M.J. (2016). Allocation and water delivery scheduling optimization in irrigation networks. Iranian Journal of Irrigation and Drainage, 10(1), 12-23. https://sid.ir/paper/131725/fa [In Persian] Khashei Siuki, A., Etminan, S., Shahidi, A., Pourreza Bilondi, M., & Jalali, V. (2024). Investigating the performance of the differential evolution algorithm in estimating soil hydraulic parameters. Water and Soil Management and Modeling, 4(1), 36-51. doi:10.22098/mmws.2023.12101.1202. [In Persian] Kheir, A.M., Alkharabsheh, H.M., Seleiman, M.F., Al-Saif, A.M., Ammar, K.A., Attia, A., Zoghdan,.M.G., Shabana, M.M.A., Aboelsoud, H., & Schillaci, C. (2021). Calibration and validation of AQUACROP and APSIM models to optimize wheat yield and water saving in arid regions. Land, 10(12), 1375. doi:10.3390/land10121375 Kumar, V., & Yadav, S.M. (2019). Optimization of cropping patterns using elitist-Jaya and elitist- TLBO algorithms. Water Resources Management, 33(5), 1817-1833. doi:10.1007/s11269-019-02204-z Kuo, S.F., Merkley, G.P., & Liu, C.W. (2000). Decision support for irrigation project planning using a genetic algorithm. Agricultural Water Management, 45(3), 243-266. doi:10.1016/S0378-3774(00)00081-0 Liu, Y., Yang, T., Zhao, R.H., Li, Y.B., Zhao, W.J., & Ma, X.Y. (2018). Irrigation canal system delivery scheduling based on a particle swarm optimization algorithm. Water, 10(9), 1281. doi:10.3390/w10091281 Ma, M., & Zhao, M. (2019). Research on an improved economic value estimation model for crop irrigation water in arid areas: from the perspective of water-crop sustainable development. Sustainability, 11(4), 1207. doi:10.3390/su11041207 Martínez-Romero, A., López-Urrea, R., Montoya, F., Pardo, J.J., & Domínguez, A. (2021). Optimization of irrigation scheduling for barley crop, combining AquaCrop and MOPECO models to simulate various water-deficit regimes. Agricultural Water Management, 258, 107219. doi:10.1016/j.agwat.2021.107219 Miglietta, P.P., Morrone, D., & Lamastra, L. (2018). Water footprint and economic water productivity of Italian wines with appellation of origin: Managing sustainability through an integrated approach. Science of The Total Environment, 633, doi:1280-1286.10.1016/j.scitotenv.2018.03.270 Monem, M.J., & Namdariyan, R. (2005). Application of simulated annealing (SA) techniques for optimal water distribution in irrigation canals. Irrigation and Drainage, 54(4), 365-373. doi:10.1002/ird.199 Monem, M.J., Najafi, M.R., & Khoshnavaz, S. (2007). Optimal water scheduling in irrigation networks using genetic algorithm. Iranian Journal of Soil and Water Research, 3(1), 1-11. https://sid.ir/paper/100139/fa. [In Persian] Oad, R., Garcia, L., Kinzli, K.D., Patterson, D., & Shafike, N. (2009). Decision support systems for efficient irrigation in the Middle Rio Grande Valley. Journal of Irrigation and Drainage Engineering, 135(2), 177-185. doi:10.1061/(ASCE)0733-9437(2009)135:2(177) Osroosh, Y., Peters, R.T., Campbell, C.S., & Zhang, Q. (2016). Comparison of irrigation automation algorithms for drip-irrigated apple trees. Computers and Electronics in Agriculture, 128, 87-99. doi:10.1016/j.compag.2016.08.013 Pardo, M.A., Navarro-González, F.J., & Villacampa, Y. (2022). An algorithm to schedule water delivery in pressurized irrigation networks. Computers and Electronics in Agriculture, 201, 107290. doi:10.1016/j.compag.2022.107290 Polinova, M., Salinas, K., Bonfante, A., & Brook, A. (2019). Irrigation optimization under a limited water supply by the integration of modern approaches into traditional water management on the cotton fields. Remote Sensing, 11(18), 2127. doi:10.3390/rs11182127 Qaderi Nasab, F., Qaderi, K., & Rahnama, M.B. (2015). Optimal programming for delivery and distribution of water irrigation network using evolutionary algorithms (the case study: the network irrigation at downstream of the Jiroft dam). Iranian Journal of Irrigation and Drainage, 9(5), 830-841. [In Persian] Rabie, Z., Honar, T., & Bateni, M. (2016). Determination of optimal and and water allocation under limited water resources using soil water balance in Ordibehesht canal of Doroodzan water district. Iran Agricultural Research, 34(2), 21-28. doi:10.22099/IAR.2016.3454 Rath, A., Samantaray, S., Biswal, S., & Swain, P.C. (2018). Application of genetic algorithm to derive an optimal cropping pattern, in part of Hirakud command. Pp. 711-721, In: Progress in Computing, Analytics and Networking: Proceedings of ICCAN 2017. Springer Singapore. doi:10.1007/978-981-10-7871-2_68 Shen, H., Jiang, K., Sun, W., Xu, Y., & Ma, X. (2021). Irrigation decision method for winter wheat growth period in a supplementary irrigation area based on a support vector machine algorithm. Computers and Electronics in Agriculture, 182, 106032. doi:10.1016/j.compag.2021.106032 Suryavanshi, A.R. & Reddy, J.M. (1986). Optimal operation schedule of irrigation distribution systems. Agricultural Water Management, 11(1), 23-30. doi:10.1016/0378-3774(86)90033-8 Villacampa, Y., Navarro-González, F.J., Compañ-Rosique, P., & Satorre-Cuerda, R. (2019). A guided genetic algorithm for diagonalization of symmetric and Hermitian matrices. Applied Soft Computing, 75, 180-189. doi:10.1016/j.asoc.2018.11.004 Wang, Z., Reddy, J.M., & Feyen, J. (1995). Improved 0–1 programming model for optimal flow scheduling in irrigation canals. Irrigation and Drainage Systems, 9, 105-116. doi:10.1007/BF00881670 Wardlaw, R., & Bhaktikul, K. (2004). Application of genetic algorithms for irrigation water scheduling. Irrigation and Drainage: The journal of the International Commission on Irrigation and Drainage, 53(4), 397-414. doi:10.1002/ird.121 Zhang, F., He, C., Yaqiong, F., Hao, X., & Kang, S. (2022). Canal delivery and irrigation scheduling optimization based on crop water demand. Agricultural Water Management, 260, 107245. doi:10.1016/j.agwat.2021.107245 | ||
آمار تعداد مشاهده مقاله: 257 تعداد دریافت فایل اصل مقاله: 25 |