تعداد نشریات | 161 |
تعداد شمارهها | 6,572 |
تعداد مقالات | 71,021 |
تعداد مشاهده مقاله | 125,497,946 |
تعداد دریافت فایل اصل مقاله | 98,759,761 |
استقرار و ارزیابی یک سامانه تصمیمیار به منظور ارتقاء مدیریت آبیاری در مزارع پایلوت جنوب حوضه آبریز دریاچه ارومیه | ||
تحقیقات آب و خاک ایران | ||
دوره 55، شماره 1، فروردین 1403، صفحه 33-49 اصل مقاله (2.01 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijswr.2023.365750.669579 | ||
نویسندگان | ||
حسین دهقانی سانیج* 1؛ ساناز محمدی2؛ عبدالله امینی3؛ وحید رضاوردی نژاد3؛ امیر نورجو4؛ سمیه امامی5؛ سید حسن طباطبایی2؛ بهاره جمشیدی6؛ غزل دهقانی سانیج7 | ||
1مؤسسه تحقیقات فنی و مهندسی کشاورزی ، سازمان تحقیقات آموزش و ترویج کشاورزی، البرز، ایران | ||
2گروه مهندسی و مدیریت آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران | ||
3گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران | ||
4بخش تحقیقات فنی و مهندسی، مرکز تحقیقات کشاورزی و منابع طبیعی آذربایجانغربی، سازمان تحقیقات، آموزش و ترویج کشاورزی، ارومیه، ایران. | ||
5گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران | ||
6موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، البرز، ایران | ||
7گروه مهندسی اب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران | ||
چکیده | ||
امروزه، سامانههای پشتیبانی تصمیم (DSS) به عنوان ابزاری ارزشمندی برای بهینهسازی برنامه آبیاری با استفاده از یکپارچهسازی منابع داده، مدلها و الگوریتمهای تصمیمگیری مختلف مورد استفاده قرار میگیرند. در پژوهش حاضر یک سامانه تصمیمیار آبیاری (IDSS) که به راحتی قابل سفارشیسازی و تطبیق با شرایط و انواع مختلف سامانههای آبیاری میباشد، در 8 مزرعه و باغ واقع در حوضه دریاچه ارومیه در طی سال زارعی ۱۴۰۰-۱۴۰۱ اجرا و مورد ارزیابی قرار گرفت. این سامانه نیاز آبیاری واقعی هر محصول را بر اساس نوع بافت خاک، مراحل مختلف رشد، شرایط اقلیمی، پیش بینی آب و هوا، شکل مزرعه یا باغ، وضعیت حقابه و نوع سامانهی آبیاری موجود در مزرعه یا باغ برای تصمیمگیری در اختیار کشاورز قرار میدهد. نتایج بررسی دو بخش شاهد (آبیاری معمول کشاورز) و تیمار (برنامهریزی آبیاری براساس IDSS) نشان داد که اعمال برنامه آبیاری ارائه شده توسط IDSS در بخش تیمار بهطور میانگین باعث افزایش 3/87، 7/20 و 5/1 درصدی بهرهوری آب بهترتیب در سامانههای آبیاری قطرهای، بارانی و کرتی شد. باتوجه به نتایج پژوهش حاضر، در صورت استفاده از سامانه IDSS برای مزارع و باغات تحت آبیاری سطحی جهت دستیابی به نتایج کارآمدتر، باید بهینهسازی سامانه آبیاری از قبیل بهینهسازی طول کرتهای آبیاری مورد توجه قرار گیرد. همچنین نتایج نشان داد که ارائه برنامه بهینه و صحیح آبیاری که بتواند نیاز آبی گیاه را بهموقع تامین کند یکی از ضروریترین اقدامات در جهت افزایش بهرهوری آب کشاورزی است که استفاده از سامانههای IDSS میتواند در این زمینه بسیار مفید و کارآمد باشد. | ||
کلیدواژهها | ||
آبیاری دقیق؛ برنامهریزی آبیاری؛ بهرهوری آب کشاورزی؛ کشاورزی هوشمند؛ شبکه آبیاری و زهکشی مهاباد | ||
مراجع | ||
Ara, I., Turner, L., Harrison, M. T., Monjardino, M., DeVoil, P., & Rodriguez, D. (2021). Application, adoption and opportunities for improving decision support systems in irrigated agriculture: A review. Agricultural Water Management, 257, 107161. Bazzani, G. M. (2005). A decision support for an integrated multi-scale analysis of irrigation: DSIRR. Journal of Environmental Management, 77(4), 301-314. Chen, X., Qi, Z., Gui, D., Sima, M. W., Zeng, F., Li, L., ... & Gu, Z. (2020). Evaluation of a new irrigation decision support system in improving cotton yield and water productivity in an arid climate. Agricultural Water Management, 234, 106139. Dehghanisanij, H., Emami, S., Amini, A., Rezaverdinejad, V., Nourjou, A., Mohammadi, S., Tabatabaii, H., & Jamshidi, B. (2023). Development of an irrigation decision support system and investigating its compatibility with the conditions of Mahabad irrigation and drainage network. Water and Soil Management and Modelling, (), -. doi: 10.22098/mmws.2023.12456.1243. (In Persian). Ferrández-Pastor, F. J., García-Chamizo, J. M., Nieto-Hidalgo, M., Mora-Pascual, J., & Mora-Martínez, J. (2016). Developing ubiquitous sensor network platform using internet of things: Application in precision agriculture. Sensors, 16(7), 1141. Giusti, E., & Marsili-Libelli, S. (2015). A fuzzy decision support system for irrigation and water conservation in agriculture. Environmental Modelling & Software, 63, 73-86. Goap, A., Sharma, D., Shukla, A. K., & Krishna, C. R. (2018). An IoT based smart irrigation management system using Machine learning and open source technologies. Computers and electronics in agriculture, 155, 41-49. Goldstein, A., Fink, L., Meitin, A., Bohadana, S., Lutenberg, O., & Ravid, G. (2018). Applying machine learning on sensor data for irrigation recommendations: revealing the agronomist’s tacit knowledge. Precision agriculture, 19, 421-444. Hajirad, I., Mohammadi, S., & Dehghanisanij, H. (2023). Determining the critical points of a basin from the point of view of water productivity and water consumption using the wapor database. Environmental Sciences Proceedings, 25(1), 86. Hajirad, I., Mirlatifi, S. M., Dehghanisanij, H., & Mohammadi, S. (2021). Determining Actual Evapotranspiration of Silage Maize using Soil Water Balance Method under Different Drip Irrigation Levels with Pulsed and Continuous Management (Case Study: Varamin Region). Iranian Journal of Soil and Water Research, 52(7), 1869-1880. (In Persian). Hashem, I. A. T., Yaqoob, I., Anuar, N. B., Mokhtar, S., Gani, A., & Khan, S. U. (2015). The rise of “big data” on cloud computing: Review and open research issues. Information systems, 47, 98-115. Khan, S., Chen, C., & Mushtaq, S. (2008, July). WaterWorks: a decision support tool for irrigation infrastructure decisions at farm level. In 2008 Western Pacific Geophysics Meeting (Vol. 29). Kukar, M., Vračar, P., Košir, D., Pevec, D., & Bosnić, Z. (2019). AgroIDSS: A decision support system for agriculture and farming. Computers and Electronics in Agriculture, 161, 260-271. Li, H., Li, J., Shen, Y., Zhang, X., & Lei, Y. (2018). Web-based irrigation decision support system with limited inputs for farmers. Agricultural Water Management, 210, 279-285. Mohammadi, S., Mirlatifi, S. M., Homaee, M., Dehghanisanij, H., & Hajirad, I. (2021). Determination of Silage Maize Crop Coefficient under Pulsed Drip Irrigation using Water Balance Method in Varamin. Iranian Journal of Soil and Water Research, 52(5), 1223-1237. (In Persian). Mohammadi, S., Mirlatifi, S. M., Homaee, M., Dehghanisanij, H., & Hajirad, I. (2023). Evaluation of silage maize production under pulsed drip irrigation in a semi-arid region. Irrigation Science, 1-15. Nain, A. S., & Singh, K. K. (2016). Conceptualization of a framework of decision support system for agriculture in hilly region. Mausam, 67(1), 195-204. Navarro-Hellín, H., Martinez-del-Rincon, J., Domingo-Miguel, R., Soto-Valles, F., & Torres-Sánchez, R. (2016). A decision support system for managing irrigation in agriculture. Computers and Electronics in Agriculture, 124, 121-131. Navarro-Hellín, H., Martinez-del-Rincon, J., Domingo-Miguel, R., Soto-Valles, F., & Torres-Sánchez, R. (2016). A decision support system for managing irrigation in agriculture. Computers and Electronics in Agriculture, 124, 121-131. 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. Pedras, C. M., & Pereira, L. S. (2009). Multicriteria analysis for design of microirrigation systems. Application and sensitivity analysis. agricultural water management, 96(4), 702-710. Pedras, C. M., Pereira, L. S., & Gonçalves, J. M. (2009). MIRRIG: A decision support system for design and evaluation of microirrigation systems. Agricultural water management, 96(4), 691-701. Pluchinotta, I., Pagano, A., Giordano, R., & Tsoukiàs, A. (2018). A system dynamics model for supporting decision-makers in irrigation water management. Journal of environmental management, 223, 815-824. Rose, D. C., Sutherland, W. J., Parker, C., Lobley, M., Winter, M., Morris, C., ... & Dicks, L. V. (2016). Decision support tools for agriculture: Towards effective design and delivery. Agricultural systems, 149, 165-174. Saggi, M. K., & Jain, S. (2022). A Survey Towards Decision Support System on Smart Irrigation Scheduling Using Machine Learning approaches. Archives of Computational Methods in Engineering, 29(6), 4455-4478. Todorović, N., Ivković, V., Kordić, S., Dimitrieski, V., & Luković, I. (2018). IrrigIDSS–Decision Support System for Irrigation Scheduling. Torres-Sanchez, R., Navarro-Hellin, H., Guillamon-Frutos, A., San-Segundo, R., Ruiz-Abellón, M. C., & Domingo-Miguel, R. (2020). A decision support system for irrigation management: Analysis and implementation of different learning techniques. Water, 12(2), 548. | ||
آمار تعداد مشاهده مقاله: 284 تعداد دریافت فایل اصل مقاله: 239 |