دوره 16، شماره 2 - ( پاییز و زمستان 1404 )                   جلد 16 شماره 2 صفحات 96-79 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Soltani M, Solaimani K, Jalili K, Sadatinejad S J, Shokrian F. (2025). Assessment of the Impact of Climate Change and Optimization of Cropping Patterns on the Sustainability of Water Resources in the Ravansar-Sanjabi Plain, Kermanshah Province. J Watershed Manage Res. 16(2), 79-96. doi:10.61882/jwmr.2025.1297
URL: http://jwmr.sanru.ac.ir/article-1-1297-fa.html
سلطانی میلاد، سلیمانی کریم، جلیلی خلیل، ساداتی نژاد سید جواد، شکریان فاطمه.(1404). ارزیابی اثرات تغییر اقلیم و بهینه سازی الگوی کشت بر پایداری منابع آب دشت روانسر-سنجابی استان کرمانشاه پ‍‍ژوهشنامه مديريت حوزه آبخيز 16 (2) :96-79 10.61882/jwmr.2025.1297

URL: http://jwmr.sanru.ac.ir/article-1-1297-fa.html


1- دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
2- گروه علوم و مهندسی آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
3- گروه مدیریت منابع محیطی پژوهشکده توسعه کالبدی، جهاد دانشگاهی کرمانشاه، کرمانشاه، ایران
4- گروه انرژی‌ های نو و تجدیدپذیر، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران
چکیده:   (1094 مشاهده)

چکیده مبسوط
مقدمه و هدف: منابع آب زیرزمینی نقش عمده‌ای در توسعه کشاورزی، صنعتی و بهداشتی دارند. بهره‌برداری بیش از حد، بهدلیل سهولت دست‌یابی به این منابع، باعث پایین آمدن سطح ایستابی در سفره آب و نابودی ذخایر زیرزمینی می‌گردد. از طرفی، آب اثرات معنی‌داری بر روی ثبات کشاورزی و تولید دارد. اثرات تغییر اقلیم بر مدیریت بهینه منابع آب و خاک به عنوان موضوعی چالش برانگیز در بسیاری از مناطق خشک دنیا مطرح است. از این‎ رو، هدف از این پژوهش، ارزیابی اثرات تغییر اقلیم بر آبخوان دشت روانسر سنجابی و تخصیص بهینه اراضی به محصولات موجود در الگوی کشت برای دست‌یابی به بیشترین سود در راستای مدیریت بهینه منابع آب و حفاظت از خاک است.
مواد و روشها: محدوده مطالعاتی روانسر سنجابی در غرب ایران یک آبخوان آزاد است که دارای ضخامت متوسط 70 متر و همچنین، تراز سطح آب زیرزمینی در محدوده‌ای بین ۱۳۱۷ تا ۱۳۵۲ متر از سطح آب‌های آزاد قرار دارد که این تغییرات به ترتیب از نواحی جنوب‌غربی به سمت مناطق شرقی مشاهده می‌شوند. جریان سطحی اصلی این دشت رودخانه قرهسو است. مسئله بهینه‌سازی با استفاده از مدل برنامه‌ریزی خطی سیمپِلکس و به کمک نرم افزار Lingo (V.11)، برای سه سناریوی مدیریتی و سه سناریوی اقلیمی مدلسازی، تحلیل و آنالیز گردید. به کمک نرم افزار WEAP شبیهسازی منابع و مصارف (شرب، کشاورزی و محیط زیست) موجود در دوره آماری (2006-2019) مورد بررسی قرار گرفت. به جهت بررسی اثرات هیدرولوژیکی تغییراقلیم بر منابع آب سطحی، از مدل بارشرواناب IHACRES (V2.1) برای شبیهسازی رواناب دوره آتی رودخانه قرهسو در محدوده روانسر سنجابی استفاده شد. در ادامه، به‌منظور بررسی اثر تغییر اقلیم روی منابع آب زیرزمینی، خروجیهای مدل ریزمقیاس نمایی LARS-WG تحت سناریوهای RCP 2.6، RCP 4.5 و RCP 8.5 برای بازه زمانی آتی 2040-2021 مورد استفاده قرار گرفتند. مدل LARS-WG با استفاده از آمار روزانه سال‎ های 1986-2005 ایستگاه موردنظر اجرا گردید.
یافتهها: نتایج بخش برنامهریزی خطی نشان دادند که در کلیه سناریوهای مدیریتی و اقلیمی، به جز محصولات پیاز، نخود دیم، باغ، سبزیجات و یونجه، بقیه محصولات از الگوی کشت منطقه حذف گردیدند. بیشترین تغییر مشاهده‎ شده در جایگزینی نخوددیم به جای گندم دیم و پیاز به جای گندم آبی است. همچنین، تغییر الگوی کشت زراعی در دشت روانسر سنجابی با رعایت کلیه محدودیتهای موجود در منطقه، در همه سناریوها، سبب افزایش سود تولید (3/54
) نسبت به وضعیت موجود میشود. طبق نتایج شبیهسازی محدوده مورد مطالعه توسط نرمافزار WEAP، در طول دوره آماری (2006-2019) نیاز شرب به صورت کامل تأمین میگردد و نیاز کشاورزی محدوده در اغلب سالهای دوره آماری با کمبود تأمین مواجه است که علت آن کاهش منابع آب سطحی رودخانه قرهسو است. نتایج اثر تغییر اقلیم بر تراز آب زیرزمینی نشان دادند که در تمام ماه‌ها حدود 20 الی 60 سانتی‌متر کاهش داشت. بررسی نتایج میانگین ماهانه دمای حداقل در دوره پایه (1986-2005) و دوره آتی (2021-2040) نشان داد که مقدار دمای حداقل در دوره آتی نسبت به دوره پایه در مدلهای پیشبینی اقلیمی HadGEM2-ES، CanESM2 و CSIRO-MK3-6-0 تحت هر سه سناریو (RCP2.6، RCP4.5 و RCP8.5) انتشار افزایش داشته است و همچنین میانگین ماهانه دمای حداکثر در تمامی ماهها روند افزایشی داشته است که انتظار میرود دمای حداکثر افزایش بیشتری نسبت به دمای حداقل در دوره آتی (2021-2040) نسبت به دوره پایه داشته باشد. مطابق با نتایج ارزیابی بارش، در هر سه مدل اقلیمی منتخب، سناریو انتشار RCP8.5 بیشترین کاهش بارندگی و سناریو انتشار RCP2.6 کمترین کاهش بارندگی را دارند.
نتیجهگیری: با توجه به نتایج حاصل از سناریوهای اقلیمی تعریف‌ شده در این پژوهش، می‌توان نتیجه گرفت که سیاست‌گذاران و مدیران منابع می‌توانند از این تحقیق به‌عنوان منبعی ارزشمند برای توسعه، بهره‌برداری و مدیریت پایدار منابع آب و خاک در چارچوب مدیریت جامع حوضه آبخیز بهره‌برداری نمایند. در نهایت، به منظور بهبود وضعیت آب زیرزمینی و افزایش حداکثری سود حاصل از کشاورزی، چندین سناریو با هدف کاهش برداشت از آبخوان و تثبیت منابع آب زیرزمینی تدوین شدند. نتایج شبیه سازی آب زیرزمینی توسط مدل MODFLOW برای دو سال از آبان 89 تا آبان 91 نشان می دهند که ادامه این روند موجب بحران‎ های جدی خواهد شد. نتایج مدل یکپارچه نیز نشان می دهند که با ادامه وضع موجود 15 تا 25 درصد از نیازهای کشاورزی در ماههای خرداد تا شهریور تامین نخواهند شد که در صورت لحاظ نمودن اثر تغییر اقلیم، این کمبود حدود 1 تا 3 درصد در طول بلندمدت بیشتر خواهد شد. نتایج بخش مدل بهینه حاکی از آن بودند که در کلیه سناریوهای مدیریتی و اقلیمی، به جز محصولات پیاز، نخود دیم، باغ، سبزیجات و یونجه، بقیه محصولات از الگوی کشت منطقه حذف شوند. نتایج نشان می دهند که تغییر الگوی کشت زراعی در دشت روانسر سنجابی با رعایت کلیه محدودیتهای موجود در منطقه، در همه سناریوها، سبب افزایش سود تولید نسبت به وضعیت موجود میشود. در صورت اجرای مدل بهینه سازی و کاهش برداشت از آبخوان از 20 درصد تا 50 درصد، کشاورزان می توانند به سود بیشتری نسبت به وضع موجود برسند. این نشان میدهد که برای دستیابی به کشاورزی پایدار، الگوی کشت منطقه نیازمند تغییرات است.

 

متن کامل [PDF 2451 kb]   (45 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مديريت حوزه های آبخيز
دریافت: 1403/11/18 | پذیرش: 1404/2/25

فهرست منابع
1. Abbasi, F., Abbasi, N., & Tavakoli, A. (2016). Water efficiency in the agricultural sector; Challenges and prospects. Water and Sustainable Development Journal, 4(1), 141-144. doi: 10.22067/jwsd. v4i1.67121
2. Aghajanloo, K., & Fathi Almalou, H. (2024). Local Analysis of Drought and Climate Change Projection in Future Periods under the CMIP6 Model (Case Study: Mazandaran Province). Journal of Watershed Management Research, 15(2), 32-48. [In Persian] [DOI:10.61186/jwmr.15.2.32]
3. AREEO. (2022). Kermanshah Agricultural Jahad Research Group. p. 19.
4. Bani Habib, M. E., & Najafi Morghmaleki, S. (2018). Assessment of game and bankruptcy theories to supply environmental water of Hawizeh Wetland. Iran-Water Resources Research, 14(2), 16-34.
5. Banihabib, M. E., Najafi Morghmaleki, S., & Shabestari, M. H. (2019). An Integrated Water Resources Planning Model for Assessment and Prediction of Environmental Water Supplying Hawizeh Wetland from In Turkey, Iraq and Iran. Iranian Water Researches Journal, 13(1), 115-126.
6. Bayatikhatibi, M., Kakapour, V., & Sadegi, M. (2024). Daily Discharge Prediction Using IHACRES Semi-conceptual Model (Case Study: Gharasoo Basin of Kermanshah province). Quantitative Geomorphological Research, 13(3), 104-119.
7. Choubin, M., & Bashirgonbad, M. (2023). Evaluation of IHACRES, Conceptual Rainfall Runoff Model and Artificial Neural Network Models in Simulation and Stream flow Prediction in Bakhtiary River Basin. Journal of Watershed Management Research. 14(27), 115-122. [In Persian] [DOI:10.61186/jwmr.14.27.115]
8. Dehghani, R., Chamanpira, R., & Veyskarami, I. (2024). Investigating the Effects of Climate Change on Underground Water Sources (Case Study: Khorram Abad plain). Iranian Water Researches Journal, 18(2). doi: 10.22034/iwrj.2024.14796.2607
9. Diancoumba, O., Toure, A., Keita, S., Konare, S., Mounir, Z. M., & Bokar, H. (2023). Predicting Groundwater Level Using Climate Change Scenarios in the Southern Part of Mali. American Journal of Climate Change, 12(1), 21-38 [DOI:10.4236/ajcc.2023.121002]
10. Fathi, F., & Sebet, M. (2019). Optimum management of crop cultivation in Firouzabad plain in line with the sustainability of water and soil resources using fuzzy planning model. Agricultural Knowledge and Sustainable Production, 30(3), 331-345.
11. Gau, H. S., & Liu, C. W. (2002). Estimation of the optimum yield in Yun-Lin area of Taiwan using loss function analysis. Journal of Hydrology, 263(1-4), 177-187. [DOI:10.1016/S0022-1694(02)00063-X]
12. Haddad, O. B., & Marino, M. A. (2011). Optimum operation of wells in coastal aquifers. In Proceedings of the Institution of Civil Engineers-Water Management, 164(3), 135-146. Thomas Telford Ltd. [DOI:10.1680/wama.1000037]
13. Haddad, R., Banihabib, M. E., Hashemy Shahdany, S. M., Javadi, S., & Najafi, S. (2021). Supplying Environmental Water of Gavkhoni Wetland by Improving Agricultural Water Demand Management. Iranian Journal of Ecohydrology, 8(2), 345-355.
14. Haddad, R., Najafi Marghmaleki, S., Kardan Moghaddam, H., Mofidi, M., Mirzavand, M., & Javadi, S. (2025). Improving the management of agricultural water resources to provide Gavkhuni wetland ecological water right in Iran. Environment, Development and Sustainability, 27(2), 3549-3572. [DOI:10.1007/s10668-023-04028-9]
15. Homayunpur, B., Goodarzi, M., Zehtabian, Q., Motamedvaziri, B., & Ahmadi, H. (2022). Assessing climate change impacts on groundwater fluctuation in Borkhar Plain, Isfahan. Watershed Engineering and Management, 14(4), 465-480. [In Persian]
16. Jalili, K., & Moradi, H. (2016). Analysis of groundwater balance based on sustainability of agriculture approach in Islamabad plain. Irrigation and Water Engineering, 7(1), 110-127.
17. Jamnani, M. R., Kayhomayoon, Z., Azar, N. A., Milan, S. G., Marghmaleki, S. N., & Berndtsson, R. (2024). Large discrepancy between future demand and supply of agricultural water in northwestern Iran; evidence from WEAP-MODFLOW-machine learning under the CMIP6 scenario. Computers and Electronics in Agriculture, 216, 108505. [DOI:10.1016/j.compag.2023.108505]
18. Jamshidzadeh, Z., & Mirbagheri, S. A. (2011). Evaluation of groundwater quantity and quality in the Kashan Basin, Central Iran. Desalination, 270(1-3), 23-30. [DOI:10.1016/j.desal.2010.10.067]
19. Kermanshah regional water report, 2021). www.kshrw.ir.
20. Ketabachi, Hamed, Mahmoudzadeh, Daoud, & Elahi, Hamidreza. (2019). Investigating the interaction of urban underground water flow and the construction of subsurface concrete watertight walls with a numerical modeling approach (case study: Karbala city, Iraq). Iran Water Resources Research, 16(2), 243-258.
21. Mojarloo, F., Fazal Ovli, R, & Emadi, A. (2019). Application of IHACRES model to assess the effects of climate change on discharge of Tajan watershed. Iranian Journal of Irrigation and Drainage, 13(1), 129-141.‎
22. Meddi, M., & Boucefiane, A. (2013). Climate change impact on groundwater in Cheliff-Zahrez Basin (Algeria). APCBEE Procedia, 5, 446-450. [DOI:10.1016/j.apcbee.2013.05.077]
23. Mehraban, M., Marghmaleki, S. N., Sarang, A., & Azar, N. A. (2024). Developing climate change adaptation pathways in the agricultural sector based on robust decision-making approach (case study: Sefidroud Irrigation Network, Iran). Environmental Monitoring and Assessment, 196(4), 378. [DOI:10.1007/s10661-024-12511-7]
24. Mohammadi Khayareh, M., & Mazhari, R. (2016). Investigating the mutual impact of economic growth and the development of the agricultural sector in Iran. Scientific Quarterly Journal of Agricultural Economics Research, 9(36), 259-282.
25. Molina, R., Auge, J. M., Farrus, B., Zanon, G., Pahisa, J., Munoz, M., & Velasco, M. (2010). Prospective evaluation of carcinoembryonic antigen (CEA) and carbohydrate antigen 15.3 (CA 15.3) in patients with primary locoregional breast cancer. Clinical Chemistry, 56(7), 1148-1157. [DOI:10.1373/clinchem.2009.135566]
26. Najafi, S., Sharafati, A., & Kardan moghaddam, H. (2022). Evaluating the effect of climate change on groundwater level changes in the Sari-Neka coastal aquifer. Irrigation and Water Engineering, 13(2), 312-332. [In Persian]
27. Shahoei, S. V., Fahiminezhad, E., & Fatehi, Z. (2020). Impact of global climate change on climate data
28. in Ravansar Sanjabi Basin, Kermanshah Province. Environment and Water Engineering, 6(1), 45-57.
29. Sharan, A., Lal, A., & Datta, B. (2023). Evaluating the impacts of climate change and water over-abstraction on groundwater resources in the Pacific island country of Tonga. Groundwater for Sustainable Development, 20, 100890 [DOI:10.1016/j.gsd.2022.100890]
30. Sharp, M. (1998). Competitiveness and cohesion-are the two compatible. Research Policy, 27(6), 569-588. [DOI:10.1016/S0048-7333(98)00057-2]
31. Soltani, M., Solaimani, K., Jallili, K., Sadatinejad, S. J., & Shokrian, F. (2023). Investigating Alterations in the underground water level of Ravansar- Sanjabi Plain under CIMP5 climate scenarios. Desert Ecosystem Engineering, 11(37), 71-84. [In Persian]
32. Trenberth, K.E. (2001). Stronger evidence of human influences on climate: The 2001 IPCC Assessment. Environment: Science and Policy for Sustainable Development, 43(4), 8-19. [DOI:10.1080/00139150109605136]
33. Zarei, A., Sayari, N., Bakhtiari, B., & Ahmadi, M. M. (2021). Modeling of Precipitation-runoff for Predicting Upcoming Flow Streams in Halilroud Basin. Iranian Journal of Ecohydrology, 8(1), 143-160.
34. Zeynali, B., Jalali, T., & Mostafavi, H. (2023). Assessment of the effect of climate change on recharge resulted from precipitation in the Shiramin basin. Journal of Environmental Science Studies, 8(2), 6589-6602. [In Persian]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به (پژوهشنامه مدیریت حوزه آبخیز (علمی-پژوهشی می‌باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2026 CC BY-NC 4.0 | Journal of Watershed Management Research

Designed & Developed by: Yektaweb