پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,098,850 |
| تعداد دریافت فایل اصل مقاله | 97,206,422 |
استفاده از برنامه ریزی خطی بازه ای تعاملی برای تخصیص بهینۀ آب و سطح کشت با توجه به محتوای آب مجازی و فاکتورهای اقتصادی‌ـ اجتماعی (مطالعۀ موردی: دشت درودزن‌ـ کربال) | ||
| اکوهیدرولوژی | ||
| مقاله 25، دوره 4، شماره 2، تیر 1396، صفحه 601-613 اصل مقاله (566.18 K) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2017.61498 | ||
| نویسندگان | ||
| علیرضا نفرزادگان1؛ حسن وقارفرد2؛ محمدرضا نیکو* 3؛ احمد نوحه گر4 | ||
| 1دانشجوی دکتری علوم و مهندسی آبخیزداری گرایش آب، دانشگاه هرمزگان | ||
| 2استادیار، گروه علوم و مهندسی آبخیزداری، دانشگاه هرمزگان | ||
| 3استادیار، گروه مهندسی عمران و محیط زیست، دانشگاه شیراز | ||
| 4استاد، دانشکدۀ محیط زیست، دانشگاه تهران | ||
| چکیده | ||
| یکی از مسائل اساسی در برنامهریزی کاربردی برای منابع آب، وجود فاکتورهای غیرقطعی است. یکی از رویکردها برای تصمیمگیری در چنین شرایطی، برنامهریزی بازهای است. هدف از این مطالعه توسعۀ نوعی مدل بهینهسازی تعاملی برای تخصیص آب و سطح کشت است. مدل توسعهیافته شامل چهار هدف در‌برگیرندۀ فاکتورهای اقتصادی‌ـ اجتماعی، محتوای آب مجازی محصولات و تأمین نیاز آبی محیط زیست است. برای حل مدل، چهار سناریو (فرض) برای سطوح کشت در نظر گرفته شد. نتایج نشان داد با افزایش آستانۀ رضایت محدودیتها، مقدار آب تخصیص داده‌شده به هر یک از آببران کاهش یافته است به‌طوری که از سطح رضایت 65/0 تا سطح رضایت کامل، مدل فقط کمترین حجم آب در نظر گرفته‌شده برای تأمین نیازهای محیط زیست (40 میلیون مترمکعب) را اختصاص میدهد. براساس سناریوهای حل در نظر گرفته‌شده، مدل بیشترین سطح کشت در بین محصولات شتوی را به گندم و بیشترین سطح کشت در بین محصولات صیفی را به ذرت اختصاص داده است. نتایج حل مدل در غیاب حد بالا برای سطوح زیر کشت نشان داد بیشترین اختلاف بین سطح کشت بهینه و بیشترین سطح کشت اتفاق‌افتاده، متعلق به برنج به‌ترتیب با 2777 و 6/5821 هکتار برای مناطق درودزن و کربال بوده است. از قوت‌های مدل توسعه داده‌شده در این پژوهش، خطی‌بودن و توانایی آن در مواجهه با پارامترهای غیرقطعی است. خروجیهای این مدل اطلاعات لازم برای ارزیابی ریسک و قابل اتکایی گزینههای برنامهریزی تخصیص آب را فراهم میکند. | ||
| کلیدواژه‌ها | ||
| بهره وری آب؛ بهینه سازی؛ تقاضای زیست محیطی آب؛ عدم قطعیت | ||
| مراجع | ||
منابع1. Han Y, Huang Y-F, Wang G-Q, Maqsood I. A multi-objective linear programming model with interval parameters for water resources allocation in Dalian city. Water resources management. 2011;25(2):449-63.
2. Nikoo MR, Kerachian R, Poorsepahy-Samian H. An interval parameter model for cooperative inter-basin water resources allocation considering the water quality issues. Water resources management. 2012;26(11):3329-43.
3. Nikoo MR, Kerachian R, Karimi A. A nonlinear interval model for water and waste load allocation in river basins. Water resources management. 2012;26(10):2911-26.
4. Nikoo MR, Karimi A, Kerachian R. Optimal long-term operation of reservoir-river systems under hydrologic uncertainties: application of interval programming. Water resources management. 2013;27(11):3865-83.
5. Bijani M, Hayati D, Abdolvand B. Agricultural Water Conflict in the Doroodzan Dam Irrigation Network, Iran: The Opinion of Regional Water Experts. Environmental Sciences. 2012;10(1):59-78. [Persian]
6. Maqsood I, Huang G, Huang Y, Chen B. ITOM: an interval-parameter two-stage optimization model for stochastic planning of water resources systems. Stochastic Environmental Research and Risk Assessment. 2005;19(2):125-33.
7. Wu S, Huang G, Guo H. An interactive inexact-fuzzy approach for multiobjective planning of water resource systems. Water Science and Technology. 1997;36(5):235-42.
8. Wang L, Meng W, Guo H, Zhang Z, Liu Y, Fan Y. An interval fuzzy multiobjective watershed management model for the Lake Qionghai Watershed, China. Water resources management. 2006;20(5):701-21.
9. Urli B, Nadeau R. An interactive method to multiobjective linear programming problems with interval coefficients. INFOR: Information Systems and Operational Research. 1992;30(2):127-37.
10. Han Y, Xu S-g, Xu X-z. Modeling multisource multiuser water resources allocation. Water resources management. 2008;22(7):911-23.
11. Allan T. Fortunately there are substitutes for water otherwise our hydro-political futures would be impossible. Proceedings of the Conference on Priorities for water resources allocation and management. 1993;Paper 2:13-26.
12. Allan T. 'Virtual water': a long term solution for water short Middle Eastern economies?. British Association Festival of Science, Water and Development Session, University of Leeds; 1997.
13. Yang H, Wang L, Zehnder AJ. Water scarcity and food trade in the Southern and Eastern Mediterranean countries. Food Policy. 2007;32(5):585-605.
14. Verma S, Kampman DA, van der Zaag P, Hoekstra AY. Going against the flow: a critical analysis of inter-state virtual water trade in the context of India’s National River Linking Program. Physics and Chemistry of the Earth, Parts A/B/C. 2009;34(4):261-9.
15. Velázquez E. Water trade in Andalusia. Virtual water: An alternative way to manage water use. Ecological Economics. 2007;63(1):201-8.
16. Hoekstra AY, Chapagain AK. The water footprints of Morocco and the Netherlands: Global water use as a result of domestic consumption of agricultural commodities. Ecological Economics. 2007;64(1):143-51.
17. Kort A. Virtual water trade in the SADC region: a grid-based approach. 2010.
18. Zeitoun M, Allan JT, Mohieldeen Y. Virtual water ‘flows’ of the Nile Basin, 1998–2004: A first approximation and implications for water security. Global Environmental Change. 2010;20(2):229-42.
19. Paulsen A. Virtual water: a useful concept for informing land use in New Zealand. 2013.
20. Wichelns D. Virtual water: A helpful perspective, but not a sufficient policy criterion. Water Resources Management. 2010;24(10):2203-19.
21. Yang H, Zehnder A. “Virtual water”: an unfolding concept in integrated water resources management. Water Resources Research. 2007;43(12).
22. Rouhani N, Yang H, Amin Sichani S, Afyuni M, Mousavi S, Kamgar Haghighi A. Assessment of Food Products and Virtual Water Trade as Related to Available Water Resources in Iran. JWSS-Isfahan University of Technology. 2009;12(46):417-32. [Persian]
23. Sabouhi M, Soltani G. Optimization of Cropping Patterns at Basin Level by Considering Social Profit and Net Virtual Water Import: A Case Study of Khorasan District. JWSS-Isfahan University of Technology. 2008;12(43):297-313. [Persian]
24. Faramarzi M, Yang H, Mousavi J, Schulin R, Binder C, Abbaspour K. Analysis of intra-country virtual water trade strategy to alleviate water scarcity in Iran. Hydrology and Earth System Sciences Discussions. 2010;7(2):2609-49.
25. Bakhshoodeh M, Dehghanpur H. Modeling crop cultivation pattern based on virtual water trade: evidence from Marvdasht in southern Iran. Iran Agricultural Research. 2015;34(2):29-34.
26. Khanjari Sadati S, Speelman S, Sabouhi M, Gitizadeh M, Ghahraman B. Optimal irrigation water allocation using a genetic algorithm under various weather conditions. Water. 2014;6(10):3068-84.
27. Rabie Z, Honar T, Mehdi Bateni M. 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. 2015;34(2):21-28.
28. Su X, Li J, Singh VP. Optimal allocation of agricultural water resources based on virtual water subdivision in Shiyang River Basin. Water resources management. 2014;28(8):2243-57.
29.Fooladmand HR, Ahmadi SH. Monthly spatial calibration of Blaney–Criddle equation for calculating monthly ETo in south of Iran. Irrigation and Drainage. 2009;58(2):234-45.
30.Tabari H, Hosseinzadeh Talaee P, Shifteh Some'e B. Spatial modelling of reference evapotranspiration using adjusted Blaney-Criddle equation in an arid environment. Hydrological Sciences Journal. 2013;58(2):408-20.
31. Mohsenpour R, Zibaei M. Determination of optimal crop patterns using nonlinear programming and deficit Irrigation strategies under Dorodzan Dam. Agricultural Economics and Development 2010;18(71):1-23. [Persian]
| ||
|
آمار تعداد مشاهده مقاله: 1,175 تعداد دریافت فایل اصل مقاله: 659 |
||