1استادیار گروه اقتصاد کشاورزی، دانشگاه تربت حیدریه.
2دانشجوی کارشناسی ارشد گروه اقتصاد کشاورزی دانشگاه تربت حیدریه.
3دکتری مهندسی آب، دانشگاه تربت حیدریه.
چکیده
بیشترین مصرف آب در بخش کشاورزی میباشد. در طی سالهای اخیر به جهت عدم توجه به این نهاده تولیدی کمیاب و استفادههای نادرست و بیشازحد و نیز خشکسالیها، مسئله کمبود آب به یک بحران جدی تبدیلشده است. ازاینرو برنامهریزان باید در راستای مصرف بهینه آب تصمیمگیری کرده و با تهیهی الگوی کشت مناسب به همراه کاربرد فنّاوریهای هوشمند سیستمهای آبیاری از هدر رفت و استفاده نادرست آب ممانعت نمایند. در این پژوهش، مدل مورداستفاده الگوریتم ژنتیک چندهدفه با مرتبسازی نا مغلوب است که در نرمافزار متلب پیادهسازی گردید. برای انجام این مطالعه، دادههای سطوح زیر کشت، عملکرد، قیمت و هزینه تولید محصولات زراعی آبی منتخب دشت زاوه استان خراسان رضوی شامل گندم، جو، ذرت علوفهای، یونجه و چغندرقند از سال زراعی 92-1391 تا سال زراعی 95-1394، از مدیریت جهاد کشاورزی شهرستان زاوه جمعآوری شد. همچنین آمار و اطلاعات سازمان آب منطقهای خراسان رضوی و عرضه آب ایستگاه صنوبر مورداستفاده قرار گرفت. برخی دادههای موردنیاز نیز از طریق مشاوره با کارشناسان حاصل شد. مقایسه نتایج تخمینی با آمار واقعی سطوح زیر کشت هر یک از محصولات در هرسال نشان داد که سطح زیر کشت بهینه بدست آمده از مدل برای محصولات گندم و جو نسبت به آمار واقعی کمتر بوده است. اما محصول ذرت علوفهای افزایش سطح زیر کشت دارد که بسیار مطلوب است و سبب افزایش بازده برنامهزمانبندی و کشاورزی پایدار میشود. با توجه به اهمیت حداقل شدن انحراف برنامه زمانبندی آبیاری ارائهشده توسط کارشناس و کشاورز پیشنهاد میشود با نظر کارشناسان و کشاورزان، برنامه مدونی برای زمانبندی آبیاری محصولات کشاورزی طراحی و مورداستفاده کشاورزان قرار گیرد.
Economic Optimizing of Irrigation Scheduling of Selected Agricultural Crops in Zaveh Plain, Khorasan Razavi Province
نویسندگان [English]
F R1؛ F A2؛ T M1؛ A S3
1Assistant Prof., Agricultural Economic Department, University of Torbat Heydarieh.
2MSc. student, Agricultural Economic Department, University of Torbat Heydarieh.
3PhD, Water Engineering, University of Torbat Heydarieh.
چکیده [English]
Most of the water in Iran is used in agricultural sector. In recent years, due to loss of attention to this scares production input and incorrect and excessive use, as well as the droughts, the water shortage issue has turned into a serious crisis. So, the planners should work to make a decision in order to minimizing water consumption and prevent the water from wasted and misused by providing appropriate cropping pattern and also using advanced technologies of irrigation systems. In this study, the applied model is multi-objective genetic algorithms in MATLAB with nondominated sorting. For this study, for crop seasons 2011-12 to 2014-15, the data of cultivated areas, yield, price and the costs of productions of irrigated crops including wheat, barley, maize, alfalfa and sugar beet crops were obtained from Office of Agriculture in Zaveh plain, Khorasan-Razavi province. Also, the data of Regional Water Authority of Khorasan Razavi and the water supplied from Senobar Station was used. Some required data were obtained through consultation with experts. Comparing the results of the estimated cultivation areas with the actual statistics of cultivated areas for each crop in each year showed that the optimum cropping area of wheat and barley obtained from the model was lower than the actual cropped area. But, corn crop showed an increase in cultivation area which is highly desirable and increases the irrigation scheduling returns and sustainability of agriculture. Considering the importance of minimization of the deviation of the irrigation schedule presented by the experts and farmers, it is recommended that the irrigation scheduling plan for the farmers should take into account the viewpoints of both the farmers and the experts.
اسفهلان، م .1387. کاربرد الگوریتمهای تکاملی برای تحلیل مسائل آنتن و مایکروویو. دانشگاه تهران. پایان نامه کارشناسی ارشد.
باریکانی، ا.، احمدیان، ا.، و ص. خلیلیان. 1390. بهره برداری بهینه پایدار از منابع آب زیرزمینی در بخش کشاورزی: مطالعه موردی زیر بخش زراعت دشت قزوین. اقتصاد و توسعه کشاورزی(علوم و صنایع کشاورزی). 25(2): 262-253.
بینام. 1387. گزارشات دادههای علوم زمین. پایگاه اطلاعاتی دادههای علوم زمین: به آدرس: http://www.ngdir.ir.
بینام1. 1393. گزارشات تولید محصولات کشاورزی شهرستان زاوه، مدیریت جهاد کشاورزی زاوه.
بینام2. 1393. گزارشات راهبردی غذا و کشاورزی. مرکز تحقیقات راهبردی غذا و کشاورزی دانشگاه تهران.
بینام3. 1393. گزارشات منابع آب ایران. شرکت مدیریت منابع آب ایران: به آدرس http://www.wrm.ir.
پور ذاکر عربانی، س. 1385. مفاهیم هوش مصنوعی و شبکههای عصبی مصنوعی و ژنتیک الگوریتم. چاپ اول انتشارات ندای سبز شمال.
حجتی، ع.، فرید حسینی، ع.، قهرمان، ب.، و ا. علیزاده. 1392. مقایسه کاربرد روشهای فراکاوشی در بهینه سازی سیستمهای چند هدفه منابع آب(مطالعه موردی: سد استور و پیر تقی در حوضه آبریز قزل اوزن). مهندسی آب و محیط زیست ایران.ا(2): 14-9.
حسینی، س. ا.، و ع. باقری. 1392. مدلسازی پویایی سیستم منابع آب دشت مشهد برای تحلیل استراتژیهای توسعه پایدار. آب و فاضلاب. 24(4): 39-28.
صنیعی آباده، م. و جبل عاملیان، ز. 1392. الگوریتمهای تکاملی و محاسبات زیستی. چاپ دوم نشر نیاز دانش. تهران.
کیافر، ح.، صدرالدینی، ا.، اشرف، ع.، ناظمی، ح.، و ه. ثانی خانی. 1390. تخصیص بهینه آب در شبکه آبیاری و زهکشی صوفی چای در استان آذربایجان شرقی با استفاده از الگوریتم ژنتیک. مهندسی آبیاری و آب. 2(5): 61-52.
نظری، م.، شیبانی، ک.، و ع.، مشگی. 1381. مدیریت آبیاری جهت افزایش عملکرد گندم. خشکی و خشکسالی کشاورزی، (6): 43-28.
Casadeie, S., Pierleonia, A., Camicib, S., Broccac, L., and T, Moramarcod. 2014. Climate change and decision support systems for water resource management. Proceedings of the 12th international conference on computing and control for the water industry.
George, J., and B, Yuan. 2003. Fuzzy sets and Fuzzy logic: Theory and Applications. Prentice Hall of India.
Hag, Z. U., and A. Anwar. 2013. Application of genetic algorithm to sequential irrigation/ single machine scheduling problem. Irrigation Science. 1(4): 815-829.
Hu, M. H., Huang, G., Sun, W., Li, Y., Ding, X. C., Zhang, X., and T, Li. 2014 Multi-objective ecological reservoir operation based on water quality response models and improved genetic algorithm: A case study in Three Gorges Reservoir, China. Engineering Application of Artificial Intelligence. 1(36): 332-346.
Kuo, S. F., Gary, P. M., and C. W. Liu. 2000. Decision support for irrigation project planning using a genetic algorithm. Agriculture Water Management. 1(45): 243-266.
Lawrence, D. 1991. Handbook of Genetic Algorithms. New york.Seidakhmetov, M., Alzhanov, A. and P. Baineev. 2014. Mechanism of Tran’s boundary. Water Resources Management for Central Asia Countries. 4(1): 604 – 609.
Wardlaw, R. B., and J. M. Barnes. 1999. Optimal allocation of irrigation water supplies in real time. Irrigation and Drainage Engineering. (6): 345-354.