کاربرد مدل SWAP برای مدل‌سازی یک سامانه زراعی با زهکشی زیرزمینی کنترل شده در یک مزرعه نیشکر

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان اردبیل (مغان)، سازمان تحقیقات، آموزش و ترویج کشاورزی، اردبیل، ایران.

2 دانش آموخته کارشناسی ارشد، گروه آبیاری و زهکشی، دانشگاه تربیت مدرس.

3 استادیار، عضو هیات علمی دانشگاه هرمزگان، دانشکده کشاورزی، گروه مهندسی آب.

چکیده

به‌دلیل تغییرات زمانی سریع تراز آب زیرزمینی کم‌عمق و  اجزای بیلان آب و نیز به‌لحاظ وسعت قابل توجه (حدود 20 هکتار) هر قطعه از مزارع نیشکر با زهکشی زیرزمینی در استان خوزستان، شبیه‌سازی واقع‌بینانه فرآیندهای زراعی-هیدرولوژیکی حاکم بر این مزارع چالش‌برانگیز است. در پژوهش حاضر، از طریق کاربرد نسخه تصحیح شده‌ای از مدل SWAPو گونه­ بهبود یافته‌ای از الگوریتم بهینه­سازی رفتار جمعی اجزای یکپارچه (UPSO)، یک طرح مدل‌سازی زراعی-هیدرولوژیکی توزیعی با قابلیت واسنجی زیرروزانه با امکان شبیه‌سازی زهکشی زیرزمینی کنترل شده ساخته شد. طرح مدل‌سازی مزبور در یکی از مزارع کشت و صنعت نیشکر امام خمینی (ره) با مدیریت زهکشی کنترل شده (کنترل سطح ایستابی در عمق 90 سانتی‌متر) و کشت اول نیشکر (رقم CP48-103) طی دوره شبیه‌سازی 28/4/1389 تا 20/9/1390 (به‌مدت 481 روز) به‌کاربرده شد. نتایج واسنجی و صحت‌یابی مدل مزبور حاکی از قابلیت تعمیم‌پذیری مناسب مدل در شبیه‌سازی رطوبت خاک، عمق سطح ایستابی و جریان زه‌آب خروجی (با آماره ضریب راندمان مدل، EF، به‌ترتیب، برابر با 829/0، 922/0 و 857/0 طی مرحله واسنجی و آماره EF به‌ترتیب، برابر با 877/0، 781/0 و 712/0 طی مرحله صحت‌یابی)، شبیه‌سازی نیم‌رخ غلظت املاح آب خاک و شوری زه‌آب خروجی از سیستم زهکش زیرزمینی )با آمارهریشه میانگین خطای نرمال شده، NRMSE، به‌ترتیب، برابر با 124/0 و 079/0 در مرحله واسنجی و آماره NRMSE به‌ترتیب، برابر با 152/0 و 072/0 طی مرحله صحت‌یابی) و شبیه‌سازی شاخص سطح برگ، عملکرد نی و عملکرد ساکارز (با آماره EFبه‌ترتیب، برابر با 997/0، 993/0 و 988/0 در مرحله واسنجی) بود. بر اساس اجزای بیلان املاح شبیه‌سازی شده طی دوره مطالعاتی، حدود 10/30 تن نمک بر هکتار از طریق آبیاری به‌ مزرعه مطالعاتی وارد و حدود 25/46 تن نمک بر هکتار از طریق سیستم‌های زهکشی سطحی و زیرزمینی به بدنه‌های آبی پذیرنده تخلیه شد.

کلیدواژه‌ها

عنوان مقاله [English]

Application of SWAP Model for Modelling a Sugarcane Farming System with Controlled Subsurface Drainage

نویسندگان [English]

  • Farzin Parchami-Araghi 1
  • Fatemeh Samipour 2
  • Adnan Sadeghi 3
2 Department of irrigation and drainage engineering, Tarbiat Modares University, Tehran, Iran.
چکیده [English]

Realistic agro-hydrological modeling of the sugarcane fields with subsurface drainage in Khuzestan Province, Iran, is a challenging problem, due to rapid fluctuations of the shallow groundwater and, hence, water balance components, and significant size (~ 20 ha) of the fields. In this work, a distributed agro-hydrological modeling scheme was developed through the application of a modified version of the SWAP model and an improved variant of Unified Particle Swarm Optimization (UPSO) algorithm with capability of sub-daily calibration and simulation of controlled drainage. The developed modeling scheme was applied to a sugarcane (CP48-103 cultivar) field with controlled drainage (at 90 cm below ground level) in Imam Khomeini Sugarcane Agro-industrial Company farms, during 2010-2011 (481 days). The results demonstrated the success of the developed modeling scheme in retrieving the measured soil moisture, groundwater level, subsurface drainage outflow (with an EF of 0.829, 0.922, and 0.857 for calibration dataset; and 0.877, 0.781, and 0.712 for validation dataset, respectively), soil water solute concentration, subsurface drainage outflow salinity (with a NRMSE of 0.124 and 0.079 for calibration dataset; and 0.152 and 0.072 for validation dataset, respectively), Leaf Area Index, cane yield, and sucrose yield (with an EF of 0.997, 0.993, and 0.988, respectively). Based on the solute balance components simulated throughout the simulation period, ~ 30.10 ton salt ha-1 was added to the soil due to saline irrigation water, and ~ 45.25 ton salt ha-1 was discharged into the receiving water bodies via surface/subsurface field drains.

کلیدواژه‌ها [English]

  • Parallel programming
  • Particle Swarm Optimization
  • Penman-Monteith ASCE
  • Salinity
  • Unsaturated hydrology

مراجع

  1. پرچمی عراقی، ف.، میرلطیفی، س.م.، قربانی دشتکی، ش.، وظیفه‌دوست، م. و صادقی لاری، ع. 1395. توسعه یک چارچوب ریزمقیاس‌سازی به‌منظور برآورد تبخیر-تعرق مرجع زیرروزانه: 1- مقایسه عملکرد برخی مدل‌های ریزمقیاس‌سازی داده‌های هواشناسی روزانه، نشریه آب و خاک، 30(2): 354-334.
  2. پرچمی عراقی، ف.، میرلطیفی، س.م.، قربانی دشتکی، ش. و صادقی لاری، ع. 1394. مقایسه تبخیر-تعرق مرجع پنمن-مانتیث ASCE و پنمن-مانتیث فائو-56 در مقیاس­های زمانی زیرروزانه مختلف: یک مطالعه عددی، نشریه آب و خاک، 29(5): 1189-1173.
  3. سمیع‌پور، ف، محمدی، ک، مهدیان، م.ح. و ناصری، ع. 1389. ارزیابی مدل‌های زهکشی SWAP و DRAINMOD به‌منظور تعیین عمق و فاصله بهینه زهکش‌ها بر اساس بیشترین عملکرد محصول و کمترین مقدار خروجی زه‌آب، نشریه آبیاری و زهکشی ایران، 3(4): 386-375.
  4. صادقی لاری، ع. 1391. بررسی اثرات کنترل سطح ایستابی بر روی میزان جریان، نیتروژن و فسفر خروجی از زهکش‌های زیرزمینی در نواحی خشک (مطالعه موردی: شعیبیه خوزستان). پایان­نامه دکتری، دانشگاه شهید چمران، اهواز. 178 ص.
  5. محمدی، س.، میرلطیفی، س.م. و اکبری، م. 1393. برنامه‌ریزی آبیاری نیشکر با استفاده از تلفیق داده‌های سنجش از دور و مدل SWAP در کشت و صنعت میرزاکوچک‌خان خوزستان، نشریه پژوهش آب در کشاورزی، 28(1): 50-39.
    1. Ayars, J.E., and B.R. Hanson. 2014. Integrated Irrigation and Drainage Water Management. In: Chang, A.C., and D.B. Silva (Eds.), Salinity and Drainage in San Joaquin Valley, California. Springer, Netherlands, pp. 249-276.
    2. Bessembinder, J.J.E., A.S. Dhindwal, P.A. Leffelaar, T. Ponsioen, and S. Singh. 2003. Analysis of crop growth. In: van Dam, J.C., and R.S. Malik (Eds.), Water Productivity of Irrigated Crops in Sirsa District, India: Integration of remote sensing, crop and soil models and geographical information systems. Alterra, Wageningen, The Netherlands, pp. 59-82.
    3. Dayyani, S., S.O. Prasher, A. Madani, and C.A. Madramootoo. 2010. Development of DRAIN–WARMF model to simulate flow and nitrogen transport in a tile-drained agricultural watershed in Eastern Canada. Agricultural water management, 98(1): 55-68.
    4. Food and Agricultural Organisation of the United Nations (FAO). (2013). Crop Water Information: Sugarcane. (Available at: http://www.fao.org/nr/water/cropinfo_sugarcane.html).
    5. Javani-Jouni, H., A. Liaghat, A. Hassanoghli, and R. Henk. 2018. Managing controlled drainage in irrigated farmers’ fields: A case study in the Moghan plain, Iran. Agricultural water management, 208: 393-405.
    6. Kroes, J.G., J.C. van Dam, P. Groenendijk, R.F.A. Hendriks, and C.M.J. Jacobs. 2008. SWAP version 3.2: Theory description and user manual. Alterra-report 1649, Alterra, Wageningen, The Netherlands, 284 pp.
    7. Loague, K., and R.E. Green. 1991. Statistical and graphical methods for evaluating solute transport models: overview and application. Journal of contaminant hydrology, 7(1): 51-73.
    8. Moriasi, D.N., J.G. Arnold, M.W. van Liew, R.L. Bingner, R.D. Harmel, and T.L. Veith. 2007. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transaction of the ASAE, 50(3): 885-900.
    9. Noory, H., S.E.A.T.M. van der Zee, A.M. Liaghat, M. Parsinejad, and J.C. van Dam. 2011. Distributed agro-hydrological modeling with SWAP to improve water and salt management of the Voshmgir Irrigation and Drainage Network in Northern Iran. Agricultural Water Management, 98(6): 1062-1070.
    10. Parchami-Araghi, F., S.M. Mirlatifi, S. Ghorbani Dashtaki, and M.H. Mahdian. 2013. Point estimation of soil water infiltration process using Artificial Neural Networks for some calcareous soils. Journal of Hydrology, 481: 35-47.
    11. Parsopoulos, K.E., and M.N. Vrahatis. 2004. UPSO: A unified particle swarm optimization scheme. In: Simos, T., and G. Maroulis (Eds.), Lecture Series on Computer and Computational Sciences. VSP International Science Publishers, Zeist, The Netherlands, pp. 868-873.
    12. Sarwar, A., W.G.M. Bastiaanssen, T.M. Boers, and J.C. van Dam. 2000. Evaluating Drainage Design Parameters for the Fourth Drainage Project, Pakistan by using SWAP Model: Part I–Calibration. Irrigation and Drainage Systems, 14(4): 257-280.
    13. Singels, A., and M. van der Laan. 2012. Sugarcane. In: Steduto, P., T.C. Hsiao, E. Fereres, and D. Raes (Eds.), Crop yield response to water. FAO Irrigation and drainage paper 66, Food And Agriculture Organization of the United Nations, Rome, Italy, pp. 174-183.
    14. Singh, R. 2005. Water productivity analysis from field to regional scale. Wageningen University, The Netherlands.
    15. Smedema, L.K. 2000. Global drainage needs and challenges the role of drainage in todays world, Role of drainage and challenges in 21st century. Proceedings of the Eighth ICID International Drainage Workshop, 31 January-4 February 2000, New Delhi, India. International Commission on Irrigation and Drainage, Vol: 1, pp. 1-18.
    16. Supit, I., A.A. Hooijer, and C.A. van Diepen. 1994. System description of the Wofost 6.0 crop simulation model implemented in CGMS. Joint research centre; European commission.
    17. United Nations Environment Programme (UNEP). 2015. Nile River Basin: Nile Basin Adaptation to Water Stress: Comprehensive Assessment of Flood and Drought Prone Areas. (Available at: http://wedocs.unep.org/handle/20.500.11822/14067).
پژوهش آب در کشاورزی
دوره 34، شماره 1
جلد 34 شماره 1 سال 1399
فروردین 1399
صفحه 51-64

فایل ها

هم رسانی

ارجاع به این مقاله

آمار