تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,108,111 |
تعداد دریافت فایل اصل مقاله | 97,212,762 |
مدیریت توامان منابع آب سطحی و زیرزمینی و افزایش تابآوری کشاورزان در مقابل کمآبی با پیشبینی قیمت محصولات کشاورزی و استفاده از الگوریتم ژنتیک (مطالعه موردی شبکه آبیاری و زهکشی دشت قزوین) | ||
تحقیقات آب و خاک ایران | ||
دوره 52، شماره 2، اردیبهشت 1400، صفحه 563-576 اصل مقاله (984.33 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijswr.2021.313809.668805 | ||
نویسندگان | ||
سیده مرضیه حسینی1؛ حامد مازندرانی زاده* 2؛ بیژن نظری3 | ||
1علوم و مهندسی آب،دانشکده کشاورزی و منابع طبیعی،دانشگاه بین المللی امام خمینی (ره) | ||
2استادیار، دگروه مهندسی آب، دانشگاه بین المللی امام خمینی، قزوین | ||
3گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بینالمللی امام خمینی (ره)، قزوین، ایران | ||
چکیده | ||
سد طالقان تأمینکننده اصلی آب موردنیاز بخش کشاورزی دشت قزوین است. مقدار آب تخصیصیافته از سد طالقان به این دشت به دلایل گوناگون از جمله افزایش تخصیص آب شرب شهر تهران کاهشیافته است. کاهش آب تخصیصیافته از یکسو و نوسان قیمت محصولات کشاورزی به دلیل وقفه زمانی بین تصمیم کشاورز به تولید و عرضه آن به بازار از سوی دیگر، سبب شده کشاورزان نسبت به درآمد آینده خود نامطمئن باشند. کشاورزان برای مقابله با نا اطمینانی قیمت محصولات کشاورزی و تأمین معیشت خویش، علیرغم کاهش آب تخصیصیافته، با تثبیت سطح و ترکیب الگوی کشت اقدام به تخلیه آب زیرزمینی نمودهاند. در این پژوهش بهمنظور کمک به افزایش تابآوری کشاورزان و حفظ منابع آب زیرزمینی اقدام به بهینهسازی الگوی توزیع آب با پیشبینی قیمت و بهینهسازی همزمان الگوی کشت و توزیع آب با پیشبینی قیمت با استفاده از الگوریتم ژنتیک شده است. برای پیشبینی قیمت محصولات کشاورزی دارای خرید تضمینی شامل گندم، جو، چغندرقند و کلزا از ANN و قیمت ذرتعلوفهای، گوجهفرنگی، یونجه، نخود، لوبیا، سیبزمینی، ذرتدانهای و عدس از روش تابع تقاضا معکوس استفادهشده است. کشش قیمتی تقاضا برای محصولات ذرتعلوفهای، گوجهفرنگی، یونجه، نخود، لوبیا، سیبزمینی، ذرتدانهای و عدس به ترتیب 508/0-، 111/1-، 954/0-، 914/0-، 374/0-، 529/0-، 363/0- و 332/0- برآورد شد. بررسی دو شاخص MAE و RSME بیانگر توانایی خوب تابع تقاضا معکوس و ANN در پیشبینی قیمت بود. همچنین نتایج نشان داد استفاده از مدلهای بهینهسازی توزیع آب با پیشبینی قیمت موجب 25% افزایش درآمد و مدل بهینهسازی همزمان الگوی کشت و توزیع آب با پیشبینی قیمت موجب 160% افزایش درآمد شبکه نسبت به وضعیت کنونی خواهد شد. | ||
کلیدواژهها | ||
بهینهسازی؛ الگوی کشت؛ باز توزیع آب؛ خرید تضمینی؛ گندم | ||
مراجع | ||
Abkhan Consulting Engineers (2013) Water Budget of Qazvin Plain, Ministry of Energy, 71pp (in Farsi) Asaadi, M., Khalilian, S., and Mousavi, S. (2019). Management of Irrigation Water Allocation and Cropping Pattern with emphasis on Deficit Irrigation Strategy (Case study: Qazvin Irrigation Network). Iran-Water Resources Research, 14(5), 1-14. Borimnejad, V., and Bakeshloo, M. (2018). Forecasting the price of Tomatoes: comparison of syncretistic methods of Neural Network Auto-Regressive and ARIMA. Agricultural Economics and Development, 21(83), 89-103. (In Farsi) Divisekara, R. W., Jayasinghe, G., and Kumari, K. (2020). Forecasting the red Lentils commodity market price using SARIMA models. SN Business & Economics, 1(1), 1-13. Hao, L., Su, X., and Singh, V. P. (2018). Cropping pattern optimization considering uncertainty of water availability and water saving potential. International Journal of Agricultural and Biological Engineering, 11(1), 178-186. Heydari, H. (2013). Estimation of detergent powder demand function in Iran. M.Sc. dissertation, University of Allameh Tabataba'I, Tehran. (In Farsi) Hosseini Yekani, S., and Kashiri Kolaei F. (2017). Investigating the effect of crop price fluctuations on the optimal cropping pattern in Sari. Agricultural Economics, 11(2), 75-94. (In Farsi) Minhaj, M. B. (1998) Fundamentals of Neural Networks(1th ed.). Tehran: Professor Hesabi Publishing. (In Farsi) Najafi, B., Zibaei, M., Sheikhi, M. H., and Tarazkar, M. H. (2007). Forecasting price of some crop products in fars province: application of Artificial Neural Network. Journal of Science and Technology of Agriculture and Natural Resources, 11(1), 501-511. (In Farsi) Piadeh Koohsar, J., Mazandarani Zadeh, H., and sadr, S. (2019). Evaluation of GA and PSO optimization algorithms in operation of multi-reservoir systems Case study: Gorgan-Rood basin dams. Journal of Water and Soil Conservation, 26(2), 239-250. (In Farsi) Rao, N.H., Sarma, P.B.S., and Chander, S. (1988). A simple dated water-production function for use in irrigated agriculture. Agricultural Water Management, 13(1), 25-32. Reddy, A. A. (2019). Price Forecasting of Tomatoes. International Journal of Vegetable Science, 25(2), 176-184. Sa'adat Mehr, M. (2017). Estimated demand for chicken meat in Iran. Economic Journal, 16(11),101-117. (In Farsi) Salami, H., and Rezaei, S. (2010). Forecasting meat prices: An inverse demand approach. Journal of Economics and Agriculture Development, 24(3), 298-303. (In Farsi) shekari, h., Najarchi, M., jafarinia, r., Mokhtari, S., and Alizadeh, H. (2019). Optimization of Cropping Pattern and Water Resources at Different Levels of Irrigation for Hot and Dry Areas (Case study: Dehloran Plains, Ilam Province). Iranian Journal of Soil and Water Research, 50(6), 1351-1361. (In Farsi) Simiari, F., Mazandaranizadeh, H., and Gomrokchi, A. (2017). Optimal redistribution of agricultural water using genetic algorithm. In: Proceedings of 2nd National Congress on Hydrology of Iran,11-12 July., Shahrekord University, Shahrekord, Iran. (In Farsi) Soltani, H. A., and Khajehpour, E. (2020). Optimal Cropping Pattern in Afghanistan Considering Environmental Sustainability. International Journal of Agricultural Management and Development, 10(4), 333-346. Wu, S. I. (1995). Artificial neural networks in forecasting. Neural Network World, 2, 199-220. | ||
آمار تعداد مشاهده مقاله: 1,168 تعداد دریافت فایل اصل مقاله: 520 |