بررسی معیارهای کارایی تحت سناریوهای مختلف برنامه بندی آبیاری در شبکه آبیاری سد درودزن

نوع مقاله : مقاله کامل

نویسندگان

بخش مهندسی آب، دانشکده کشاورزی دانشگاه شیراز، شیراز، ج. ا. ایران

چکیده

چکیده-در این تحقیق بهینه سازی همزمان معیارهای کارایی (عدالت و بهره وری) برای انتخاب روشهای بهینه مدیریت آب در مزرعه،با استفاده از الگوریتم ژنتیکدر شبکه آبیاری سد درودزن مورد بررسی قرار گرفته است. نتایج این تحقیق نشان داد که تأثیر بهبود مدیریت آب آبیاری در مقیاس مزرعه (افزایش راندمان کاربرد آبیاری و کسر کاهش آب) روی افزایش معیارهای کارایی نسبت به اثر بهبود راندمان انتقال آب در کانال ها روی  این معیارها بسیار بیشتر است. افزایش راندمان کاربرد آب در مزرعه (از 30 درصد به 90 درصد) و راندمان انتقال در کانال ها (از 70 درصد به 90 درصد) منتهی به اثر افزایشی حداکثر و حداقل روی عدالت در توزیع آب (به طور میانگین به ترتیب 2/48 درصد و 7/17 درصد) و بهره وری (به طور میانگین به ترتیب 92 درصد و 10 درصد) می شود. اثر افزایشی کسر کاهش آب (0/0 تا 8/0)روی عدالت و بهره وری به طور میانگین به ترتیب برابر با 4/31 درصد و 10 درصد است. مقادیر معیارهای کارایی از سال آبی مرطوب به سال آبی خشک نیز کاهش یافت. برای دستیابی به عدالت و بهره وری بالاتر، سیستم آبیاری قطره ای در مقادیر کم کسرهای کاهش آب (کمتراز و یا مساوی 4/0) و سیستم آبیاری بارانی برای مقادیر بیشتر کسرهای کاهش آب (بزرگتراز و یا مساوی 6/0) بهترین سیستم تشخیص داده شدند. ضمناً وقتی که معیارهای کارایی عدالت و بهره وری بطور همزمان بررسی می شود، برای یک روش خاص برنامه بندی کم آبیاری و تحت یک مقدار مشخص آب آبیاری، با افزایش عدالت، کاهش در بهره وری آب قابل صرفنظر کردن است.
 
 

کلیدواژه‌ها

موضوعات


Gorantiwar, S.D., Smout, L.K., & Vairavamoor thy, K. (2006). Performance-b ased optimization of land and water resources within irrigation schemes I: Method. Journal of Irrigation and Drainage Engineering, 132(4), 332-340.
Kalu, I.L., Paudyal, G.N., & Gupta, A.D.(1995). Equity and efficiency issues in irrigation water distribution. Agricultural Water Management, 28, 335-348.
Kloss,S., Pushpalatha, R., Kamoyo, K.J., & Schutze, N. (2012). Evaluation of crop models for simulating and optimizing deficit irrigation systems in arid and semi-arid countries under climate variability. Water Resources Management, 26, 997-1014.
Kuo, S.F., Merkley, G.P., & Liu, C.W. (2000). Decision support for irrigation project planning using a genetic algorithm. Agricultural Water Management, 45, 243-266.
Michalewciz, Z.(1994). Genetic algorithms + data structures = evolution programs. Berlin: Springer.
Moghimi, M.M., & Sepaskhah, A.R. (2014).Consideration of Water Productivity for Farm Water Management in Different Conditions of Water Availability for Dominant Summer Crops. Iran Agricultural Research, 33(2), 47-62.
Moghimi M.M., & Sepaskhah, A.R. (2016). Effect of Various On-Farm Water Management Scenarios on Equity and Productivity in Irrigation Networks. Water Resources Management. 30(7), 2405-2424
Pereira, L.S., Oweis, T., & Zairi, A. (2002). Irrigation management under water scarcity. Agricultural Water Management, 57, 175–206.
Rodrigues, G.C., & Pereira, L.S. (2009). Assessing economic impacts of deficit irrigation as related to water productivity and water costs. Biosystems Engineering, 103, 536-551.
Sepaskhah, A.R., & Akbari, D. (2005). Deficit irrigation planning under variable seasonal rainfall. Biosystems Engineering, 92, 97–106.
Steiner, R.A., & Walter, M.F. (1992). The effect of allocation and scheduling rules on equity and productivity in irrigation systems. Agricultural Water Management, 21, 297-312.
Smout, L.K., Gorantiwar, S.D.,& Vairavamoor thy, K. (2006). Performance-based optimization of land and water re sources within irrigation schemes II: Application. Journal of Irrigation and Drainage Engineering, 132(4), 341-348.