دوره 14، شماره 28 - ( پاییز و زمستان 1402 )
جلد 14 شماره 28 صفحات 147-134 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ashouri R, Mahdizadeh S, Hajikandi H, Jamali S, Emamgholizadeh S. (2023). Modeling the Groundwater Water of Damghan Plain and Optimizing the Cropping Pattern in Order to Prevent the Drop of the Groundwater Level. J Watershed Manage Res. 14(28), 134-147. doi:10.61186/jwmr.14.28.134
URL: http://jwmr.sanru.ac.ir/article-1-1236-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1236-fa.html
آشوری رضا، مهدی زاده سید سجاد، حاجی کندی هومن، جمالی سعید، امامقلی زاده صمد. مدلسازی آب زیرزمینی دشت دامغان و بهینه‌سازی الگوی کشت به‌منظور جلوگیری از افت تراز آب زیرزمینی پژوهشنامه مديريت حوزه آبخيز 1402; 14 (28) :147-134 10.61186/jwmr.14.28.134
گروه مهندسی عمران، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
چکیده: (890 مشاهده)
چکیده مبسوط
مقدمه و هدف: بهره‌برداری بی‌رویه از آب‌های زیرزمینی در دشت دامغان موجب شده است که ضمن کاهش تراز سطح آب زیرزمینی و از بین رفتن بخشی از آبخوان و کاهش آبدهی ویژه سفره آب زیرزمینی مشکلات عدیده‌ای مانند فرونشست زمین در منطقه ایجاد گردد. لذا جهت کنترل برداشت از سفره آب زیرزمینی و در نتیجه کاهش افت سطح آب زیرزمینی مدلسازی ریاضی دشت دامغان جهت مدیریت بهینه بهره‌برداری و ارائه الگوی کشت بهینه به‌منظور صرفه‌جویی در مصرف آب با محوریت کنترل سطح آب زیرزمینی و محدود نمودن فرونشست زمین انجام گرفت.
مواد و روش‌ها: در این تحقیق ابتدا آبخوان دشت دامغان با استفاده از مدل ریاضیMODFLOW شبیه‌سازی گردید. سپس با در نظر گرفتن سناریوهای مختلف بهره‌برداری از آبخوان، با استفاده از الگوریتم ژنتیک NSGAII به بهینه‌سازی بهره‌برداری چندهدفه از منابع آب و مدیریت بهینه عرضه و تقاضای آب در بخش کشاورزی پرداخته شد. نتایج مدل بر اساس پارامترهای آماری خطا جهت پیش‌بینی سطح تراز آب زمینی مورد ارزیابی قرار گرفت.
یافته‌ها: نتایج این تحقیق نشان داد که مدل ریاضی MODFLOW توانسته است سطح آب زیرزمینی دشت مورد مطالعه را در شرایط پایدار و غیر پایدار در مراحل واسنجی و صحتسنجی به‌خوبی شبیه‌سازی کند. همچنین نتایج حاصل از الگوریتم شبیه‌سازی - بهینه‌سازی نشان داد که می‌توان با تغییر الگوی کشت و همچنین با تغییر نوع سیستم آبیاری از سنتی به آبیاری نوین و درنتیجه افزایش راندمان آبیاری (90 درصد)، مقدار میانگین افت تراز سطح آب زیرزمینی دشت مورد مطالعه را از 0/49 متر در شرایط موجود به 0/07 متر در شرایط بهینه کاهش داد. این امر موجب جبران میزان کسری مخزن از 31/90 به 5/1 میلیون مترمکعب در سال خواهد گردید.
نتیجه‌گیری: استفاده از راهکارهای مدیریتی مانند تغییر الگوی کشت، افزایش راندمان آبیاری و همچنین با کنترل آب‌های سطحی و تزریق آن به آب زیرزمینی می‌توان روند کاهش سطح آب زیرزمینی را در دشت مورد مطالعه به‌طور کامل مهار کرد و تأمین نیاز آبی دشت را به‌صورت 100 درصد تامین نمود.
مقدمه و هدف: بهره‌برداری بی‌رویه از آب‌های زیرزمینی در دشت دامغان موجب شده است که ضمن کاهش تراز سطح آب زیرزمینی و از بین رفتن بخشی از آبخوان و کاهش آبدهی ویژه سفره آب زیرزمینی مشکلات عدیده‌ای مانند فرونشست زمین در منطقه ایجاد گردد. لذا جهت کنترل برداشت از سفره آب زیرزمینی و در نتیجه کاهش افت سطح آب زیرزمینی مدلسازی ریاضی دشت دامغان جهت مدیریت بهینه بهره‌برداری و ارائه الگوی کشت بهینه به‌منظور صرفه‌جویی در مصرف آب با محوریت کنترل سطح آب زیرزمینی و محدود نمودن فرونشست زمین انجام گرفت.
مواد و روش‌ها: در این تحقیق ابتدا آبخوان دشت دامغان با استفاده از مدل ریاضیMODFLOW شبیه‌سازی گردید. سپس با در نظر گرفتن سناریوهای مختلف بهره‌برداری از آبخوان، با استفاده از الگوریتم ژنتیک NSGAII به بهینه‌سازی بهره‌برداری چندهدفه از منابع آب و مدیریت بهینه عرضه و تقاضای آب در بخش کشاورزی پرداخته شد. نتایج مدل بر اساس پارامترهای آماری خطا جهت پیش‌بینی سطح تراز آب زمینی مورد ارزیابی قرار گرفت.
یافته‌ها: نتایج این تحقیق نشان داد که مدل ریاضی MODFLOW توانسته است سطح آب زیرزمینی دشت مورد مطالعه را در شرایط پایدار و غیر پایدار در مراحل واسنجی و صحتسنجی به‌خوبی شبیه‌سازی کند. همچنین نتایج حاصل از الگوریتم شبیه‌سازی - بهینه‌سازی نشان داد که می‌توان با تغییر الگوی کشت و همچنین با تغییر نوع سیستم آبیاری از سنتی به آبیاری نوین و درنتیجه افزایش راندمان آبیاری (90 درصد)، مقدار میانگین افت تراز سطح آب زیرزمینی دشت مورد مطالعه را از 0/49 متر در شرایط موجود به 0/07 متر در شرایط بهینه کاهش داد. این امر موجب جبران میزان کسری مخزن از 31/90 به 5/1 میلیون مترمکعب در سال خواهد گردید.
نتیجه‌گیری: استفاده از راهکارهای مدیریتی مانند تغییر الگوی کشت، افزایش راندمان آبیاری و همچنین با کنترل آب‌های سطحی و تزریق آن به آب زیرزمینی می‌توان روند کاهش سطح آب زیرزمینی را در دشت مورد مطالعه به‌طور کامل مهار کرد و تأمین نیاز آبی دشت را به‌صورت 100 درصد تامین نمود.
واژه‌های کلیدی: الگوریتم ژنتیک، الگوی کشت بهینه، بهینه‌سازی چندهدفه، تراز سطح آب زیرزمینی، شبیه‌سازی
نوع مطالعه: پژوهشي |
موضوع مقاله:
هيدرولوژی
دریافت: 1402/1/26 | ویرایش نهایی: 1403/4/19 | پذیرش: 1402/5/18 | انتشار: 1402/10/18
دریافت: 1402/1/26 | ویرایش نهایی: 1403/4/19 | پذیرش: 1402/5/18 | انتشار: 1402/10/18
فهرست منابع
1. Akbari, F., Shourian, M., & Moridi, A. (2021). Planning the Optimum Crop Pattern Considering Surface and Groundwater Resources Interaction by Coupling SWAT, MODFLOW and PSO. Iran-Water Resources Research, 17(1), 136-150 (In Persian).
2. Akbarzadeh, F., Hasanpour, H., & Emamgholizadeh, S. (2016). Groundwater level prediction of Shahrood Plain using RBF neural networks. Journal of watershed management research, 7(13), 104-118 (In Persian). [DOI:10.18869/acadpub.jwmr.7.13.118]
3. Alizadeh, A., Majidi, N., Ghorbani, M., & Mohammadian, F. (2012). Cropping pattern optimization with target balancing of ground water resources: case study of Mashhad-Chenaran plain, Iran. Iranian Journal of Irrigation and Drinage, (1), 55-68 (In Persian).
4. Atala, J., & Mohammad, Z. (2009). Planning of underground water resources in the conditions of "groundwater mining" case study: Faiz Abad plain. The first international conference on water resources with a regional approach, Shahrood (In Persian).
5. Bekele, E. G., & Nicklow, J. W. (2007). Multi-objective automatic calibration of SWAT using NSGA-II. Journal of Hydrology, 341(3-4), 165-176. [DOI:10.1016/j.jhydrol.2007.05.014]
6. Cheng, F. Y., & Li, D. (1998). Genetic algorithm development for multiobjective optimization of structures. AIAA journal, 36(6), 1105-1112. [DOI:10.2514/2.488]
7. Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE transactions on evolutionary computation, 6(2), 182-197. [DOI:10.1109/4235.996017]
8. Ebrahimi, R. S., Eslamian, S., & Zareian, M. J. (2023). Groundwater level prediction based on GMS and SVR models under climate change conditions: Case Study-Talesh Plain. Theoretical and Applied Climatology, 151(1-2), 433-447 (In Persian). [DOI:10.1007/s00704-022-04294-z]
9. Edalat, A., Rajabi, A., & Khodaparast, M. (2022). Numerical modeling of groundwater flow in Ali Abad Plain of Qom to predict fluctuations of the water table and hydraulic conductivity. Iranian Journal of Engineering Geology, 15(2), 49-67 (In Persian).
10. Falsafian, A., & Panahi, A. (2021). Optimization of the crop cultivation in the Shabestar plain underwater constraint. Journal of Water and Soil Resources Conservation, 10(4), 35-48 (In Persian).
11. Farshina, A. A. (1998). Estimating the water requirement of major agricultural and garden plants in the country (crop plants) (volume 1 and 2). Agricultural Education affiliated to the Deputy Ministry of Agricultural Education and Promotion (Agricultural Education affiliated to the Office of Educational Technology Services of the Ministry of Agricultural Jihad) (In Persian).
12. Ghamarnia, H., Enayati, S., & Amini, A. (2022). Numerical Simulation of Bijar-Divandere Plain Aquifer Using MODFLOW Code and Investigation in The Effects of Drought on Its Quantitative Changes. Environment and Water Engineering, 8(1), 15-30 (In Persian).
13. Ghobadi Alamdari, S., Asghari Moghaddam, A., & Shahsavari, A. (2019). The Feasibility of the Conjunctive Use of Surface and Groundwater Resources in Dehloran Plain by Using the MODFLOW Model. JWSS-Isfahan University of Technology, 23(4), 45-57 (In Persian). [DOI:10.47176/jwss.23.4.33561]
14. Ghodrati, M., & Sabany, A. (2012). Mathematical models of groundwater. Tehran. In: Simaye Danesh Publication (In Persian).
15. Ghorbani Sarhangi, Z., Shahnazari, A., Gholami Sefidkohi, M., & Jannat Rostami, S. (2018). Simulation of Groundwater from Qaemshahr- Juibar Catchment under Performance of Alborz Irrigation and Drainage Network. Journal of watershed management research, 9(17), 246-257 (In Persian). [DOI:10.29252/jwmr.9.17.246]
16. Gorelick, S. M., & Zheng, C. (2015). Global change and the groundwater management challenge. Water resources research, 51(5), 3031-3051 (In Persian). [DOI:10.1002/2014WR016825]
17. Heydari, F., Saghafian, B., & Delavar, M. (2016). Development of conjunctive surface and ground water use model with emphasis on the quality and quantity of water resources. Iranian Journal of Soil and Water Research, 47(4), 687-699 (In Persian).
18. Hosseini, M., & Roshani, A. (2020). Modeling of Groundwater Fluctuations Based on Artificial Intelligence Methods (Case study: Zawah-Torbat Heidarieh plain). Journal of watershed management research, 11(21), 223-235 (In Persian). [DOI:10.52547/jwmr.11.21.223]
19. Jalili, A. A., Najarchi, M., Shabanlou, S., & Jafarinia, R. (2023). Multi-objective Optimization of water resources in real time based on integration of NSGA-II and support vector machines. Environmental Science and Pollution Research, 30(6), 16464-16475. [DOI:10.1007/s11356-022-22723-4]
20. Kanooni, A. (2013). Development of integrated model of optimal water allocation and distribution in irrigation networks Ph. D. dissertation, Tarbiat Modares University, Tehran (In Persian).
21. Karimian, P., Shourian, M., & Kardan Moghaddam, H. (2022). Assessment of the Groundwater Resources Balancing Using Sustainability Indicators. Water and Irrigation Management, 12(2), 213-229 (In Persian).
22. Khare, D., & Jat, M. (2006). Assessment of counjunctive use planning options: A case study of Sapon irrigation command area of Indonesia. Journal of Hydrology, 328(3-4), 764-777. [DOI:10.1016/j.jhydrol.2006.01.018]
23. Khashei-siuki, A., Ghahraman, B., & Kouchakzadeh, M. (2014). Determination of Optimal Crop Pattern to Prevent the Water Table Drawdown Using PSO Algorithm. Iranian Water Researches Journal, 8(1), 137-146 (In Persian).
24. Khashei Siuki, A., Ghahraman, B., & Kouchakzadeh, M. (2013). Application of Agricultur Water Allocation and Management by PSO Optimization Technic (Case study: Nayshabur Plaine). Water and Soil, 27(2), 292-303 (In Persian).
25. Moghadam, S. H., Ashofteh, P.-S., & Loáiciga, H. A. (2022). Optimal water allocation of surface and ground water resources under climate change with WEAP and IWOA modeling. Water resources management, 36(9), 3181-3205. [DOI:10.1007/s11269-022-03195-0]
26. Mohammady, M., Pourghasemi, H., & Mojtaba, M. (2021). Investigation of Subsidence Susceptibility in the Semnan Plain Using Entropy Model. Journal of Watershed Management Research, 12(23), 75-85 (In Persian). [DOI:10.52547/jwmr.12.23.75]
27. Peralta, R. C., Forghani, A., & Fayad, H. (2014). Multiobjective genetic algorithm conjunctive use optimization for production, cost, and energy with dynamic return flow. Journal of Hydrology, 511, 776-785. [DOI:10.1016/j.jhydrol.2014.01.044]
28. Piri, H., Mobaraki, M., & Siasar, S. (2023). Temporal and spatial modeling of groundwater Level in Bushehr Plain using artificial Intelligence and Geostatistics. Journal of Watershed Management Research, 13(26), 58-68 (In Persian). [DOI:10.52547/jwmr.13.26.58]
29. Razaei Tavabe, K., Heidari, A., & Sayahpour, M. (2022). Investigation of groundwater level and simulation of forecast scenarios in Parishan catchment. Quantitative Geomorphological Research, 11(2), 210-228 (In Persian).
30. Reed, P., & Devireddy, V. (2004). Groundwater monitoring design: a case study combining epsilon dominance archiving and automatic parameterization for the nsga-ii. In Applications of multi-objective evolutionary algorithms (pp. 79-100). World Scientific. [DOI:10.1142/9789812567796_0004]
31. Rezapour Tabari, M. M., & Soltani, J. (2013). Multi-objective optimal model for conjunctive use management using SGAs and NSGA-II models. Water Resource Management, 27, 37-53. [DOI:10.1007/s11269-012-0153-7]
32. Sabale, R., & Jose, M. K. (2022). Conjunctive Use Modeling Using SWAT and GMS for Sustainable Irrigation in Khatav, India. In Recent Trends in Construction Technology and Management: Select Proceedings of ACTM 2021 (pp. 373-386). Springer. [DOI:10.1007/978-981-19-2145-2_29]
33. Safavi, H. R., Darzi, F., & Mariño, M. A. (2010). Simulation-Optimization Modeling of Conjunctive Use of Surface Water and Groundwater. Water resources management, 24(10), 1965-1988. [DOI:10.1007/s11269-009-9533-z]
34. Sethi, L. N., Panda, S. N., & Nayak, M. K. (2006). Optimal crop planning and water resources allocation in a coastal groundwater basin, Orissa, India. Agricultural Water Management, 83(3), 209-220 (In Persian). [DOI:10.1016/j.agwat.2005.11.009]
35. Shamsai, A., & Forghani, A. (2011). Conjunctive use of surface and ground water resources in arid regions. Iran-Water Resources Research, 7(2), 26-36 (In Persian).
36. Tabari, M. M. R., & Abyar, M. (2021). Development a novel integrated distributed multi-objective simulation-optimization model for coastal aquifers management using NSGA-II and GMS models. Water resources management, 1-28. [DOI:10.1007/s11269-021-03012-0]
37. Tourani, M., Agh-Atabai, M., & Roostaei, M. (2018). Study of subsidence in Gorgan using InSAR method. Geographical Planning of Space, 8(27), 117-128 (In Persian).
38. Waltham, A. (1989). Ground subsidence. Blackie & Son Limited. Michigan University, USA. 202 P.
39. Zamani, M. G., Moridi, A., & Yazdi, J. (2022). Groundwater management in arid and semi-arid regions. Arabian Journal of Geosciences, 15(4), 362 (In Persian). [DOI:10.1007/s12517-022-09546-w]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
