توسعه مدل مفهومی بهینه‌سازی الگوی کشت مبتنی بر الگوریتم ازدحام ذرات در شرایط محدودیت منابع آب در شبکه آبیاری البرز

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه علوم و مهندسی آب، واحد قائمشهر، دانشگاه آزاد اسلامی، قائمشهر، ایران.

2 استادیار گروه علوم و مهندسی آب، واحد قائمشهر، دانشگاه آزاد اسلامی، قائمشهر، ایران.

چکیده

پژوهش حاضر با هدف توسعه مدل بهینه‌سازی الگوی کشت مبتنی بر الگوریتم ازدحام ذرات (PSO) برای مدیریت منابع آب در شبکه آبیاری البرز، استان مازندران، انجام شد. داده‌های زراعی و اقتصادی مورد استفاده مربوط به سال زراعی ۱۴۰۳–۱۴۰۴ بود. مدل شامل ۱۸ متغیر تصمیم شامل سطح زیر کشت و آب آبیاری تخصیصی به ۹ محصول برنج و باغبی بود. تابع هدف، بیشینه‌سازی سود خالص کل کشاورزی با در نظر گرفتن محدودیت‌های آب و زمین و قید تغییرات سطح زیر کشت برنج و مرکبات بود. عملکرد محصولات تحت تنش آبی با استفاده از رابطه عملکرد–آب فائو (FAO) و ضرایب حساسیت به کم‌آبی (Ky) برآورد شد. مدل تحت هفت سناریوی تأمین آب (40 تا 100 درصد) و سه راهبرد مدیریتی شامل کم‌آبیاری (H1)، اصلاح الگوی کشت (H2) و راهبرد تلفیقی (H3) ارزیابی شد. در شرایط مبنا (A1) و سطح زیر کشت ۳۰۰۰ هکتار، حجم آب مصرفی22/791 میلیون مترمکعب و سود خالص ۵۹۲۰ میلیارد ریال بود. در راهبرد H2، کاهش منابع آب به% ۴۰ موجب کاهش سود خالص به ۳۴۸۰ میلیارد ریال (41/2% کاهش) و افزایش بهره‌وری اقتصادی آب از 259/8 به ۳۸۲ هزار ریال بر مترمکعب (47/1% افزایش) شد. راهبرد H2 در تمامی سناریوها بیشترین بهره‌وری اقتصادی آب را ایجاد کرد. با توجه به توازن میان صرفه‌جویی آب و حفظ بازده اقتصادی، A4–H2  به‌عنوان گزینه متعادل‌تر شناسایی شد؛ به‌طوری‌که مصرف آب 15/950 میلیون مترمکعب (۳۰ درصد کاهش)، سود خالص ۵۰۱۰ میلیارد ریال (15/4% کاهش) و بهره‌وری اقتصادی آب 314/1 هزار ریال بر مترمکعب (20/9% افزایش) به دست آمد. این یافته‌ها ظرفیت بهینه‌سازی مبتنی بر ازدحام ذرات را به‌عنوان ابزاری کمی برای پشتیبانی از تصمیم‌گیری در الگوی کشت و تخصیص آب تحت شرایط محدودیت منابع نشان می‌دهد.

کلیدواژه‌ها

عنوان مقاله [English]

Development of a Conceptual Crop Pattern Optimization Model Based on Particle Swarm Optimization under Water-Limited Conditions: Alborz Irrigation Network in Mazandaran Province

نویسندگان [English]

  • Mohammad Fazelian 1
  • Davood Akbarinodehi 2
  • Ali Bagheri 2
1 Ph.D. Candidate, Department of Water Science and Engineering, QaS.C., Islamic Azad University, Ghaemshahr, Iran.
2 Assistant Prof., Department of Water Science and Engineering, QaS.C., Islamic Azad University, Ghaemshahr, Iran.
چکیده [English]

This study aimed to develop a crop pattern optimization model based on the Particle Swarm Optimization (PSO) algorithm for water resources management in the Alborz Irrigation Network, Mazandaran Province, Iran. Agricultural and economic data corresponded to the 2024–2025 cropping year. The model included 18 decision variables, representing cultivated areas and allocated irrigation water for nine agricultural and horticultural crops. The objective function maximized total net agricultural profit subject to water and land limitations and restrictions on changes in rice and citrus cultivated areas. Crop yield under water stress was estimated using the FAO yield response-to-water relationship and crop-specific yield response factors (Ky). Seven water-supply scenarios (100% to 40%) and three management strategies, including deficit irrigation (H1), crop pattern optimization (H2), and an integrated strategy (H3), were evaluated. Under the baseline condition (A1) and cultivated area of 3,000 ha, irrigation water consumption was 22.791 Mm³, and net profit was 5,920 billion Rials. Under H2, reducing water availability to 40% decreased net profit to 3,480 billion Rials (41.2% reduction), while economic water productivity increased from 259.8 to 382.0 thousand Rials/m³ (47.1% increase). H2 consistently achieved the highest economic water productivity. Considering the trade-off between water conservation and economic returns, A4–H2 was identified as the more balanced management option, with water consumption of 15.950 million m³ (30% reduction), net profit of 5,010 billion IRR (15.4% reduction), and economic water productivity of 314.1 thousand Rials/m³ (20.9% increase). These findings demonstrate the potential of PSO-based optimization as a quantitative decision-support tool for crop pattern and water allocation under water-limited conditions.

کلیدواژه‌ها [English]

  • Deficit irrigation
  • Water stress
  • Water allocation
  • Water supply scenarios
  • Irrigation management

مراجع

  1. آزاده، نسرین، رضاوردی­نژاد، وحید، بهمنش، جواد و رضایی، حسین، 1401. توسعه الگوی بهینه کشت در شبکه آبیاری و زهکشی مهاباد تحت سناریوهای مختلف آبیاری در مقیاس مزرعه و شبکه. نشریه آبیاری و زهکشی ایران، 16(2)، صص. 333-343. DOR: 20.1001.1.20087942.1401.16.2.6.5
  2. خاشکی، عباس، قهرمان، بیژن و کوچک­زاده، مهدی،1392. کاربرد تخصیص و مدیریت آب کشاورزی با استفاده از تکنیک بهینه‌سازی PSO )مطالعه موردی : دشت نیشابور(. آب‌وخاک )علوم و صنایع کشاورزی(،27(2)، صص. 292-303. https://doi.org/10.22067/jsw.v0i0.24355
  3. خوش‌نواز، صائب، ۱۳۹۹. توسعه پایدار الگوی کشت بر پایه برنامه‌ریزی بهینه آبیاری در زمان واقعی (مطالعه موردی: دشت شوشتر). حفاظت منابع آب‌وخاک، 9 (3)، صص. 30–
  4. سعیدیان، بهرام، مسگری، محمد سعدی و قدوسی، مصطفی، ۱۳۹۴. مقایسه کارایی الگوریتم‌های فرا ابتکاری ژنتیک و انبوه ذرات برای تخصیص بهینه آب به زمین‌های کشاورزی در شرایط محدودیت آب. نشریه علمی پژوهشی مهندسی فناوری اطلاعات مکانی، ۳ (۴)، صص. 19-42.
  5. سیاسر، هادی و سالاری، امیر ، 1400. بهینه‌سازی الگوی کشت دشت سیستان با استفاده از الگوریتم ازدحام ذرات آشوبناک (Chaotic Particle Swarm Algorithm). نشریه آبیاری و زهکشی ایران، 5(15)، صص. 1006-1017. DOR: 20.1001.1.20087942.1400.15.5.2.0
  6. مقدسی، مهنوش، مرید، سعید و عراقی نژاد، شهاب، 1387. بهینه سازی تخصیص آب در شرایط کم آبی با استفاده از روش­های برنامه­ریزی غیرخطی، هوش جمعی و الگوریتم ژنتیک )مطالعه موردی). فصلنامه تحقیقات منابع آب ایران، 4(3)، صص. 1-13.
  7. Allen, R.G., Pereira, L.S., Raes, D. and Smith, M., 1998. Crop evapotranspiration – Guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper No. 56, FAO, Rome.
  8. Doorenbos, J., and Kassam, A.H., 1979. Yield response to water. FAO Irrigation and Drainage Paper No. 33, FAO, Rome.
  9. English, M.J., Solomon, K.H. and Hoffman, G.J., 2002. A paradigm shift in irrigation management. Journal of Irrigation and Drainage Engineering, 128(5), pp. 267–277.

Doi: 10.1061/ (ASCE) 0733-9437(2002)128:5(267)

  1. Fereres, E. and Soriano, M.A., 2007. Deficit irrigation for reducing agricultural water use. Journal of Experimental Botany, 58(2), pp. 147–159. doi: 10.1093/jxb/erl165
  2. Food and Agriculture Organization of the United Nations (FAO), 2024. Rome Declaration on Water Scarcity in Agriculture. Rome, FAO.
  3. Food and Agriculture Organization of the United Nations (FAO), 2025. The State of the World’s Land and Water Resources for Food and Agriculture 2025: The potential to produce more and better (SOLAW 2025). Rome, FAO.
  4. Food and Agriculture Organization of the United Nations (FAO)., 2021. The state of the world's land and water resources for food and agriculture – Systems at breaking point (SOLAW 2021). Rome, FAO.
  5. Geerts, S. and Raes, D., 2009. Deficit irrigation as an on-farm strategy to maximize crop water productivity in dry areas. Agricultural Water Management, 96(9), pp. 1275–1284. Doi: 10.1016/j.agwat.2009.04.009
  6. Gholami Sharafkhane, M., Ziaei, A.N., Naghedifar, S.M.R., Akbari, A. and Verdi, A., 2024. AquaCrop Plug-in-PSO: A novel irrigation scheduling optimization framework for maize to maximize crop water productivity using in-season weather forecast and crop yield estimation. Agricultural Water Management, 306, 109153.

Doi: 10.1016/j.agwat.2024.109153

  1. Kennedy, J. and Eberhart, R., 1995. Particle swarm optimization. Proceedings of IEEE International Conference on Neural Networks, pp. 1942–1948.

Doi: 10.1109/ICNN.1995.488968

  1. Molden, D., Oweis, T., Steduto, P., Bindraban, P., Hanjra, M.A. and Kijne, J., 2010. Improving agricultural water productivity: Between optimism and caution. Agricultural Water Management, 97(4), pp. 528–535. doi: 10.1016/j.agwat.2009.03.023
  2. Poli, R., Kennedy, J. and Blackwell, T., 2007. Particle Swarm Optimization: An Overview. Swarm Intelligence, 1(1), pp. 33–57. doi: 10.1007/s11721-007-0002-0
  3. Rezaei, F., Safavi, H.R. and Zekri, M., 2017. A hybrid fuzzy-based multi-objective PSO algorithm for conjunctive water use and optimal multi-crop pattern planning. Water Resources Management, 31(4), pp. 1139–1155. doi: 10.1007/s11269-016-1532-1
  4. Rosenberg, N.J., Epstein, D.J., Wang, D., Vail, L.W., Srinivasan, R. and Arnold, J.G., 1999. Possible impacts of global warming on the hydrology of the Ogallala aquifer region. Climatic Change, 42(4), pp. 677–692. doi: 10.1023/A:1005424003553
  5. Steduto, P., Hsiao, T.C., Fereres, E. and Raes, D., 2012. Crop yield response to water. FAO Irrigation and Drainage Paper 66. Rome: Food and Agriculture Organization of the United Nations, 500 p.
پژوهش آب در کشاورزی
دوره 40، شماره 1
جلد 40 شماره 1 با تاخیر در سامانه بارگذاری میگردد
مهر 1405
صفحه 35-53

فایل ها

هم رسانی

ارجاع به این مقاله

آمار