• صفحه اصلی
  • توسعه یک مدل برنامه‌ریزی احتمالی فازی بازه‌ای برای تخصیص منابع آب سطحی با در نظر گرفتن عوامل بوم‌شناختی و کمبود آب (مطالعه موردی: حوضه سيمينه‌رود)

اشتراک گذاری

آدرس مقاله


کد مقاله : 140303061120886 بازدید : 155 صفحه: -

نوع مقاله: پژوهشی

توسعه یک مدل برنامه‌ریزی احتمالی فازی بازه‌ای برای تخصیص منابع آب سطحی با در نظر گرفتن عوامل بوم‌شناختی و کمبود آب (مطالعه موردی: حوضه سيمينه‌رود)

 

 

 

 

 

محورهای موضوعی : محیط زیست

پرشنگ آذری 1 , سهیل سبحان اردکانی 2 , مهرداد چراغی 3 , بهاره لرستانی 4 , امیررضا گودرزی 5

1 - گروه مهندسی محیط‌زیست، دانشکده فنی و مهندسی، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران
2 - ﮔﺮوه ﻣﺤﻴﻂ‌زﻳﺴﺖ، دانشکده علوم پایه، واﺣﺪ ﻫﻤﺪان، داﻧﺸﮕﺎه آزاد اﺳﻼﻣﻲ، ﻫﻤﺪان، ایران
3 - گروه محیط زیست، دانشکده علوم پایه، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران
4 - گروه محیط‌زیست، دانشکده علوم پایه، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران
5 - گروه مهندسی عمران، دانشکده فنی و مهندسی، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران

تاریخ دریافت : 1403/03/06 تاریخ پذیرش : 1403/05/14 تاریخ انتشار : 1403/05/26

کلید واژه: بهینه‌سازی پویای بازه‌ای فازی, تخصیص منابع آب, فرآیندهای بوم‌شناختی, کمبود آب.,

چکیده مقاله :

چکیده انگلیسی:

Allocation of surface water resources is considered as a solution to deal with water stress, especially in low rainfall areas, but the existence of high uncertainty as well as the lack of water. This allocation has always caused problems and this issue has become one of the main problems of governance in low rainfall areas of the world. Hence, in this research, a fuzzy interval probabilistic planning model was designed for the allocation of surface water resources by considering ecological factors and water scarcity. In so doing, after analyzing and validating the model, parametric sensitivity analysis was performed on the ecological and economic factors in the Simineh River, which is one of the important rivers of the Urmia Lake catchment. The results showed that an increase of 10 to 50 percent of water shortage led to a drop in the values ​​of the objective functions. Also, a 50% increase in the pollution production rate has led to a decrease in all economic and ecological goals from 2.5 to 3.5%, and a 50% increase in the removal of pollutants has also led to a 2-3% improvement in economic goals. In conclusion, it can be argued that the water scarcity is one of the consequences of the pollution of this crucial resource, and for this reason, a significant part of water resources are left out of the allocation cycle. With a 100% increase in uncertainty, the ecological goal has dropped by 2.7% and other goals have changed in the range of 1.5% to 2.0%. Considering the variables of water scarcity and water pollution can also affect the output of the developed model and provide more reliable answers, therefore, it is recommended to consider these two factors in future studies.

 

 

 

 

 

چکیده تصویری:

 

 

 

 

 

highlight:

 

 

 

 

 

منابع و مأخذ:

احمدآلی، ج.، بارانی، غ.، قادری، ک. و حصاری، ب. (1396) واسنجی و اعتبارسنجی مدل WEAP21 برای حوضه‌های آبریز زرینه‌رود و سیمینه‌رود. نشریه تحقیقات آب و خاک ایران، 48(4): 823-839.‎.
فلاحی، غ. و جمالی، ل. (1396) پهنه‌بندی خطر زمین‌لغرش در حوضه آبریز سیمینه‌رود بوکان با تلفیق مدل‌های آماری، فرآیند تحلیل سلسله مراتبی و سامانه اطلاعات مکانی. نشریه علوم و فنون نقشه‌برداری، 4(6): 185-199.
مسگری، م.س.، فرج‌زاده¬اصل، م.، خدادادی¬دربان، ا.، هاشمی، ه. و امینی، ج. (1392) پهنه‌بندي كيفيت آلودگي آب رودخانه با استفاده از شبكه‌هاي عصبي مصنوعي و سامانه اطلاعات جغرافيايي، مطالعه موردي رودخانه سيمينه‌رود. نشریه سنجش از دور و GIS ایران، 5(3): 15-1.
Aldieri, L., Brahmi, M., Chen, X. and Vinci, C.P. (2021) Knowledge spillovers and technical efficiency for cleaner production: An economic analysis from agriculture innovation. Journal of Cleaner Production, 320: 128830.
Bozorgzadeh, E. and Mousavi, S.J. (2023) Water-constrained green development framework based on economically-allocable water resources. Scientific Reports, 13: 5306.
Calvete, H.I., Galé, C., Iranzo, J.A. and Mateo, P.M. (2023) A decision tool based on bilevel optimization for the allocation of water resources in a hierarchical system. International Transactions in Operational Research, 30(4): 1673-1702.
Chen, Y., Fu, Q., Singh, V.P., Ji, Y., Li, M. and Wang, Y. (2023) Optimization of agricultural soil and water resources under fuzzy and random uncertainties: Synergy and trade-off between equity-based economic benefits, nonpoint pollution and water use efficiency. Agricultural Water Management, 281: 108264.
Deng, L., Guo, S., Yin, J., Zeng, Y. and Chen, K. (2022) Multi-objective optimization of water resources allocation in Han River basin (China) integrating efficiency, equity and sustainability. Scientific Reports, 12: 798.
Gao, Y., Wei, N., Song, X., Gu, J., Yang, F., Zhang, S. and He, S. (2021) Research and realization of non-traditional water resources optimal allocation model. Proceedings of The International Conference on Water Resource and Environment, pp: 351-358.
Genova, P. and Wei, Y. (2023) A socio-hydrological model for assessing water resource allocation and water environmental regulations in the Maipo River basin. Journal of Hydrology, 617: 129159.
HAO, N., SUN, P., HE, W., YANG, L., QIU, Y., CHEN, Y. AND ZHAO, W. (2022) WATER RESOURCES ALLOCATION IN THE TINGJIANG RIVER BASIN: CONSTRUCTION OF AN INTERVAL-FUZZY TWO-STAGE CHANCE-CONSTRAINTS MODEL AND ITS ASSESSMENT THROUGH PEARSON CORRELATION. WATER, 14(18): 2928.
Jain, S., Ramesh, D., Trivedi, M.C. and Edla, D.R. (2023) Evaluation of metaheuristic optimization algorithms for optimal allocation of surface water and groundwater resources for crop production. Agricultural Water Management, 279: 108181.
Li, M., Yang, X., Wu, F. and Babuna, P. (2022) Spatial equilibrium-based multi-objective optimal allocation of regional water resources. Journal of Hydrology: Regional Studies, 44: 101219.
Li, Y., Han, Y., Liu, B., Li, H., Du, X., Wang, Q., Wang, X. and Zhu, X. (2023) Construction and application of a refined model for the optimal allocation of water resources—Taking Guantao County, China as an example. Ecological Indicators, 146(2): 109929.
Luo, Y., Sha, J., Liu, B., Zhang, Y. and Yang, J. (2023) Optimal allocation of water resources based on GWAS Model in Handan, China. Water, 15(6): 1090.
Ranarahu, N. and Dash, J.K. (2022) Computation of multi-objective two-stage fuzzy probabilistic programming problem. Soft Computing, 26(1): 271-282.
Suo, M., Xia, F. and Fan, Y. (2022) A fuzzy-interval dynamic optimization model for regional water resources allocation under uncertainty. Sustainability, 14(3): 1096.
Wang, Z., Tian, J. and Feng, K. (2022) Optimal allocation of regional water resources based on simulated annealing particle swarm optimization algorithm. Energy Reports, 8: 9119-9126.
Wang, Z., Zhao, X., Wang, J., Song, N. and Han, Q. (2023) Agricultural water allocation with climate change based on gray wolf optimization in a semi-arid region of China. Environmental Science, 11: e14577.
Zhang, J., Meng, C., Hu, S. and Li, W. (2022) Optimal Allocation Model for Water Resources Coupled with Ecological Value Factors—A Case Study of Dalian, China. Water, 14(2): 266-266.
متن کامل:
CLEI 2002

مجله تحقیقات منابع طبیعی تجدیدشونده، سال پانزدهم، شماره1بهار و تابستان1403(پیاپی چهل و یک)، ص 103-91، نوع مقاله: علمی پژوهشی/1

 

 

 

 

 

توسعه یک مدل برنامه‌ریزی احتمالی فازی بازه‌ای برای تخصیص منابع آب سطحی با در نظر گرفتن عوامل بوم‌شناختی و کمبود آب (مطالعه موردی: حوضه سيمينه‌رود)

 

پرشنگ آذری1، سهیل سبحان­اردکانی2*، مهرداد چراغی3، بهاره لرستانی4 و امیررضا گودرزی5

 

1)       دانشجوی دکتری تخصصی مهندسی محیط ­زیست، گروه مهندسی محیط ­زیست، دانشکده فنی و مهندسی، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران.

2)       استاد گروه محیط ­زیست، دانشکده علوم پایه، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران.

           *رایانامه نویسنده مسئول مکاتبات: sobhan@iauh.ac.ir  

3)       استاد گروه محیط ­زیست، دانشکده علوم پایه، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران. 

4)       استاد گروه محیط ­زیست، دانشکده علوم پایه، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران.

5)       دانشیار گروه مهندسی عمران، دانشکده فنی و مهندسی، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران.

 

تاریخ دریافت: 06/03/1403                تاریخ پذیرش: 14/05/1403

 

چکیده

تخصیص منابع آب سطحی به‌عنوان یک راه‌حل برای مقابله با تنش آبی به‌ویژه در نواحی کم‌بارش تلقی می‌شود، اما وجود عدم­قطعیت بالا و همچنین کمبود آب، این تخصیص را همواره دچار مشکل ساخته و این موضوع به یکی از مشکلات اصلی حکمرانی‌ در نواحی کم‌بارش جهان تبدیل شده است. از این‌رو، در این پژوهش یک مدل برنامه‌ریزی احتمالی فازی بازه‌ای برای تخصیص منابع آب سطحی با در نظر گرفتن عوامل بوم‌شناختی و کمبود آب طراحی شد. بدین منظور، پس از تجزیه و تحلیل و اعتبارسنجی مدل، تحلیل حساسیت پارامتری بر عوامل بوم‌شناختی و اقتصادی در سیمینه‌رود که از رودخانه‌های مهم حوضه آبریز دریاچه ارومیه است، انجام شد. نتایج نشان داد افزایش 10 تا 50 درصدی کمبود آب به افت مقادیر توابع هدف منجر ‌شد. همچنین، افزایش 50 درصدی ضریب تولید آلایندگی منجر به کاهش همه اهداف اقتصادی و بوم‌شناختی از 5/2 تا 5/3 درصد و افزایش 50 درصدی حذف آلاینده‌ها نیز به بهبود دو تا سه درصدی اهداف اقتصادی منجر شد. به‌طور کلی، می‌توان اذعان داشت کمبود آب از پیامدهای آلودگی این منبع حیاتی محسوب شده و بدین سبب بخش قابل‌توجهی از منابع آبی از چرخه تخصیص کنار گذاشته می‌شوند، این در حالی است که با افزایش 100 درصدی عدم­قطعیت، هدف بوم‌شناختی تا 7/2 درصد دچار افت و سایر اهداف نیز در بازه 5/1 تا 0/2 درصد دچار تغییر شدند. نظر به اینکه در نظر گرفتن متغیرهای کمبود آب کارکردی و آلودگی آب نیز می‌تواند در خروجی مدل تاثیرگذار بوده و پاسخ‌های قابل اطمینان‌تری را ارایه دهد، بنابراین نسبت به لحاظ کردن این دو عامل در پژوهش‌های آتی توصیه می‌شود.

 

واژه­های کلیدی: بهینه‌سازی پویای بازه‌ای فازی، تخصیص منابع آب، فرآیندهای بوم‌شناختی، کمبود آب.

 

 

 

 

 

 

مقدمه

آب به‌عنوان مهم‌ترین ماده حیاتی برای بقای بشر، نیازمند تخصیص بهینه بوده و برخلاف سایر منابع، توسط انسان قابل تولید نبوده و حاصل از ریزش‌های جوی و منابع موجود در رودخانه‌ها و آبخیزها به‌صورت زیرزمینی و سطحی است، بنابراین اگر تخصیص این منابع به‌درستی انجام نپذیرد، نمی‌توان بهره‌برداری مناسب از منابع آبی را انتظار داشت (Aldieri et al., 2021). برخی از کشورها با وجود کمبود آب موفق به مدیریت مناسب منابع آبی شده و از بحران‌های مترتب با آن تا حد قابل قبولی جلوگیری کرده‌اند. اما، در برخی کشورها منجمله ایران، تخصیص منابع آبی به‌ درستی انجام نیافته و کمبود آب به‌ویژه در فصولی که تقاضای مصرف آب زیاد است، در سطح کشور مشهود است. به‌طوری‌که در برخی استان‌ها نظیر سیستان و بلوچستان تعدادی از روستاها خالی از سکنه شده و جمعیت برخی از شهرها نیز رو به کاهش است. ضمن اینکه مهاجرت افراد به استان‌های واجد منابع آبی قابل توجه از جمله مازندران، گیلان و گلستان نیز به‌دلیل این بحران قابل توجه است. البته باید توجه داشت که ظرفیت‌های گردشگری سه استان مزبور نیز در امر مهاجرت دخیل هستند، هرچند که قطعا نمی‌تواند نقش مسایل و تنش‌های آبی را نیز نادیده گرفت (Bozorgzadeh & Mousavi, 2023). از این‌رو، نظر به اهمیت موضوع، پژوهش‌های زیادی در این خصوص در سطح دنیا انجام یافته است (Ranarahu & Dash, 2022).

یکی از ویژگی‌های مهم مدل‌های تخصیص منابع آب، عدم­قطعیت است. چرا که محققین و کارشناسان اطلاعات دقیقی در خصوص میزان بارش یا میزان ورودی آب در هر فصل در اختیار ندارند. بنابراین، موضوع عدم­قطعیت باید به‌شکل جدی در مساله تخصیص آب مورد توجه قرار گیرد (Genova & Wei, 2023). علی‌رغم آنکه در بیشتر پژوهش‌های مرتبط با منابع آبی به‌ندرت به موضوع عوامل و منافع بوم‌شناختی توجه شده است، Li و همکاران (2022) به موضوع کمبود آب به‌عنوان یک چالش توجه داشته و اذعان داشته­اند که اهمیت این موضوع از آنجایی نشات می‌گیرد که ارزش ایجاد شده توسط بوم‌سازگان آبی نمی‌تواند به‌طور جدا در نظر گرفته شود. از دیگر سو، مطالعه‌های مربوط به تخصیص بهینه منابع آب شهری بیشتر به ستانده اقتصادی مصرف آب توجه داشته و به ارزش بوم‌شناختی نپرداخته‌اند و بدین سبب، هم‌افزایی بوم‌شناختی و اقتصادی- اجتماعی مصرف آب نادیده انگاشته ‌شده است. بنابراین، ضرورت دارد که در حین در نظر گرفتن تخصیص منابع آبی، به ارزش بوم‌شناختی آن نیز توجه ویژه‌ای معطوف شود (Wang et al., 2023). در خصوص عدم­قطعیت نیز باید توجه شود که شرایط ویژه‌ای برای آن در تخصیص بهینه منابع آبی وجود دارد و در این راستا می‌توان به موجودیت منابع آبی، تقاضا و توسعه فناوری‌های مدیریت آب اشاره کرد (Genova & Wei, 2023).

مرور ادبیات پژوهش بیانگر آن است که Li و همکاران (2023) یک روش تخصیص بهینه زمانی- مکانی برای منابع آب آبیاری با در نظر گرفتن سطح آب زیرزمینی ارایه کردند. Calvete و همکاران (2023) یک ابزار تصمیم مبتنی بر بهینه‌سازی دو سطحی برای تخصیص منابع آبی در سیستم سلسله مراتبی ارایه نمودند. Jain و همکاران (2023) نسبت به ارزیابی الگوریتم‌های بهینه‌سازی متاهیورستیک برای تخصیص بهینه منابع آبی سطحی و زیرزمینی برای تولید غلات اقدام کردند. Chen و همکاران (2023) نیز با در نظر گرفتن هم‌افزایی بین مزایای اقتصادی مبتنی بر سرمایه، آلایندگی غیرنقطه‌ای و کارآیی استفاده از آب نسبت به بهینه‌سازی منابع آب و خاک کشاورزی تحت عدم­قطعیت تصادفی فازی اقدام کردند. همچنین Li و همکاران (2022) به تخصیص بهینه چندهدفه مبتنی بر توازن مکانی منابع آب ناحیه‌ای ‌پرداختند. Wang و همکاران (2022) تخصیص بهینه منابع آب ناحیه‌ای را بر اساس الگوریتم بهینه‌سازی ازدحام ذرات تبرید انجام ‌دادند. Gao و همکاران (2021) به بررسی مورد مدل تخصیص بهینه منابع آب غیرسنتی اقدام کردند. Wang و همکاران (2023) نیز نسبت به بررسی تخصیص آب کشاورزی تحت شرایط تغییر آب و هوا بر اساس بهینه‌سازی الگوریتم گرگ خاکستری در یک ناحیه نیمه‌خشک چین اقدام کردند. Deng و همکاران (2022) بهینه‌سازی چند‌هدفه تخصیص منابع آب در چین را با ترکیب پایداری، عدالت و کارآیی مورد مطالعه قرار دادند. Bozorgzadeh و Mousavi (2023) چارچوب توسعه سبز با محدودیت آبی را بر اساس منابع آب قابل تخصیص از نظر اقتصادی ارایه ‌کردند. Zhang و همکاران (2022) مدلی برای تخصیص بهینه منابع آب همراه با عوامل ارزش بوم‌شناختی در دالیان چین ارایه کردند. Hao و همکاران (2022) یک مدل محدودیت احتمالی دو مرحله‌ای فازی بازه‌ای را برای تخصیص منابع آب رودخانه تینگزیانگ چین تبیین کردند. Luo و همکاران (2023) نسبت به تخصیص بهینه منابع آبی بر اساس مدل GWAS در هاندان چین اقدام ‌کردند. از طرفی، Suo و همکاران (2022) نیز یک مدل برنامه‌ریزی پویای بازه‌ای فازی برای مدیریت آب تحت عدم­قطعیت با ترکیب برنامه‌ریزی خطی بازه‌ای فازی و برنامه‌ریزی پویا ارایه کردند.

از آنجایی که خلا در نظر گرفتن کمبود آب سطحی در تحقیقات پیشین کم و بیش مشهود است، بنابراین پژوهش حاضر با هدف ارایه یک مدل برنامه‌ریزی احتمالی فازی بازه‌ای برای تخصیص منابع آب سطحی با در نظر گرفتن عوامل بوم‌شناختی و اقتصادی به‌عنوان تابع هدف رودخانه سیمینه رود واقع در استان آذربایجان­غربی به‌عنوان نمونه موردی انجام یافت.

 

مواد و روش‌ها

معرفی منطقه مورد مطالعه: رودخانه سیمینه‌رود از رودخانه‌های مهم حوضه آبریز دریاچه ارومیه است که در جنوب آذربایجان­غربی و در غرب حوضه آبریز زرینه‌رود جریان دارد. طول این رودخانه در حدود 200 کیلومتر و مساحت حوضه آبریز آن 3500 کیلومترمربع است. حوزه آبریز سیمینه‌رود در مختصات جغرافیایی 45 درجه و 35 دقیقه تا 46 درجه و 25 دقیقه شرقی تا 36 درجه و 1 دقیقه تا 37 درجه و 56 دقیقه شمالی واقع شده است (مسگری و همکاران، 1392). سیمینه‌رود از شهرهای بوکان و میاندوآب عبور می‌کند و محدوده مطالعاتی بوکان به‌طور کامل در حوضه آبریز سیمینه‌رود واقع شده است. میانگین آبدهی طولانی‌مدت سیمینه‌رود در پایین دست آن 2/19 مترمكعب در ثانیه و در محل سد سیمینه‌رود برابر با 2/12 مترمكعب در ثانیه ثبت شده است. تخلیه فاضلاب شهری و زه‌آب کشاورزی از عمده‌ترین منابع آلاینده سیمینه‌رود هستند (احمدآلی و همکاران، 1396).

نقشه منطقه مورد مطالعه (موقعیت جغرافیایی حوزه آبریز سیمینه‌رود)، در شکل (1) آورده شده است (فلاحی و جمالی، 1396).

 

J:\papers\تحقیقات منابع طبیعی تجدیدشونده\پرشنگ آذری\سیمینه رود.jpg 

شکل 1. موقعیت جغرافیایی حوضه آبریز سیمینه‌رود

 

معرفی مدل طراحی شده: مدل فازی بازه‌ای بر مبنای منافع اقتصاد آبی و هزینه‌ها شامل هزینه مصرف، هزینه مدیریت ‌محیط‌زیستی، ظرفیت جریان بوم‌شناختی (شرایط ویژه محیط مورد بررسی یا مورد مطالعه)، منافع بوم‌شناختی، مولفه‌های بوم‌شناختی و همچنین بخش‌های مختلف متقاضی و مصرف‌کننده آب طراحی شد. این مدل به ‌شرح زیر قابل توصیف است (Suo et al., 2022):

 

الف) تابع هدف

رابطه (1) نشان‌دهنده تابع هدف است.

 بیان‌گر درجه عضویت تابع فازی و نیز دوره زمانی برحسب ماه را نشان می‌دهد. درجه عضویت تابع فازی با توجه به فضای عدم­قطعیت موجود با استفاده از رابطه (2) محاسبه می‌شود.

 

 

 

 

(1)

 

(2)

 

 

 

 

 و  به‌ترتیب نشان‌دهنده کم‌ترین و بیش‌ترین مزیت اقتصادی حوضه آبی هستند. مزیت اقتصادی آب که با  نشان داده می‌شود، با استفاده از رابطه (3) محاسبه شد:

 

 

،  و  به‌ترتیب بیانگر واحد اجرایی، بخش‌های مهم متقاضی آب و طبقات مختلف صنعت در هر بخش هستند. مقدار خروجی به‌ازای هر واحد با  و راه­حل بهینه مصرف آب در اولین مرحله نیز با  نشان داده می‌شوند.

، هزینه مصرف آب برحسب ریال است که با استفاده از رابطه (4) محاسبه ‌شد:

 

(3)

 

 

 نشان‌دهنده قیمت هر مترمکعب آب است.

، هزینه مدیریت ‌محیط‌زیستی آب برحسب ریال است که با استفاده از رابطه (5) محاسبه ‌شد:

 

(4)

 

 

 ضریب تولید آلایندگی برحسب درصد و  نیز هزینه کنترل آلایندگی برحسب ریال را نمایندگی می‌کنند.

ظرفیت جریان بوم‌شناختی را با  نمایش می‌دهند که با استفاده از رابطه (6) محاسبه ‌شد.

 

(5)

 

 

، قیمت آب پایین‌دستی برحسب ریال و π، حجم استفاده پایین‌دستی از آب وارده از بالادست و 𝞴، ضریب تعیین جریان بوم‌شناختی را نشان می‌دهند.

 نشان‌دهنده مرحله دوم برای بهینه‌سازی مقدار جریمه مصرف بی‌رویه آب بر حسب ریال است که با استفاده از رابطه (7) محاسبه ‌شد.

 

(7)

 

: نشان‌دهنده موقعیت هیدرولوژیکی، : احتمال سناریوی هیدرولوژیکی و : تامین آبی که نمی‌تواند جبران‌کننده زیان ناشی از هدررفت منبع اصلی آب باشد، را نشان می‌دهند. از طرفی،  نرخ بیانگر کمبود آب برحسب مترمکعب است. محدودیت‌های فوق شامل محدودیت‌های اقتصادی هستند.

نماد مولفه‌های بوم‌شناختی است که با استفاده از رابطه (8) محاسبه ‌شد.

 

 

 

(6)

 

       

 

(8)

 

: اندیس رودخانه، : ارزش فرهنگی و علمی آبخیز و : نیز هزینه پروژه آب‌رسانی برحسب ریال را نشان می‌دهند. Z: سطح نرمال آب در ناحیه مورد مطالعه، D: حداکثر تفاوت ذخیره آبی، : طول دوره مورد بررسی، : ظرفیت ذخیره آبی برحسب مترمکعب در سطح نرمال، : مساحت حوضه آبخیز برحسب مترمربع، : مساحت رودخانه برحسب مترمربع و : نیز میزان آلایندگی پیکره آبی را نشان می‌دهند.

محدودیت‌های بوم‌شناختی با استفاده از روابط (9) تا (11) محاسبه ‌شدند:

 

(9)                              

(10)                               

 

 بیانگر حداقل مساحت حوضه آبخیز و رودخانه را نشان می‌دهد.

 

 

(11)                         

 

، نشان‌دهنده حجم منابع آب موجود در حوضه مورد بررسی است. حداکثر نرخ بهره‌برداری از منابع آبی در رابطه (12) مدل‌سازی شده است:

 

(12)

 

 

 

: بیانگر حداکثر نرخ بهره‌برداری از منابع آبی به‌تفکیک نواحی و بخش‌ها است. حد فوقانی مصرف آب ناحیه‌ای با استفاده از رابطه (13) محاسبه ‌شد.

 

 

(13)                     

 

 

 

حداکثر نرخ بهره‌برداری از منابع آبی برحسب مترمکعب در نواحی مختلف با  نشان داده ‌شده است. تخصیص منابع آبی در هر ناحیه حوضه که بیانگر مصرف آب بوم‌شناختی است نیز با استفاده از رابطه (14) محاسبه شد:

 

رابطه (14)        

 

، دامنه بوم‌شناختی نواحی مختلف حوضه آبخیز را نشان می‌دهد.

برای محاسبه کل میزان آب تخصیص‌یافته برای هر ناحیه از حوضه که نمی‌تواند از حداکثر منابع آبی موجود در حوضه فزونی بگیرد، از رابطه (15) استفاده شد:

 

 

(15)

 

 

 

 نشان‌دهنده بیشینه نرخ بهره‌برداری از منابع آبی در حوضه برحسب مترمکعب است. غلظت آلاینده‌ها با توجه به اهداف بوم‌شناختی و محیط‌زیستی مسئله با استفاده از رابطه (16) مدل‌سازی شد. باید توجه داشت که غلظت آلاینده‌ها در حوضه می‌بایست با قوانین دولت‌های ملی و محلی منطبق باشد.

 

 

(16)          

 

 

 ضریب تولید آلایندگی،  نرخ حذف آلاینده‌ها و  نیز بیشینه نرخ مجاز تخلیه آلاینده‌ها را نشان می‌دهند.  هم بیان‌گر آلاینده‌های مختلف منابع آبی است. باید توجه داشت که تخصیص منابع آبی در هر ناحیه از حوضه می‌بایست محقق‌کننده حداقل نیازهای منبع در آن ناحیه باشد که با استفاده از رابطه (17) محاسبه ‌شد:

 

 

 

(17)            

 

 

، حداقل ضروریات توسعه ناحیه‌ای و  نیز بخش‌های مختلف برای تخصیص آب را نشان می‌دهند.

 

ب) حل مدل

در این پژوهش، مدل طراحی‌شده از چهار روش بهینه‌سازی شامل «برنامه‌ریزی بازه‌ای»، «برنامه‌ریزی دو مرحله‌ای»، «برنامه‌ریزی محدودیت احتمالی» و «برنامه‌ریزی فازی» برای ارایه مزایای اقتصادی بهره ‌گرفت. به‌عنوان بخشی از حل مدل، آن‌ را به خرده­مدل‌هایی با حدود فوقانی و تحتانی تفکیک شدند. برای مثال، خرده مدل حد فوقانی مصرف آب با تبدیل رابطه (17) به روابط (18) و (19) و لحاظ کردن سطوح ریسک و اطمینان به‌ترتیب برابر با 05/0 و 95/0 حل شد.

 

 

 

 

 

(18)

 

 

𝞱 نشان‌دهنده ریسک شکست،  بیانگر مقدار مورد انتظار ،  نشان‌دهنده ارزش مورد انتظار ،  بیانگر واریانس  و  نیز نشان‌دهنده واریانس است. حد فوقانی خرده مدل به حل پارامتر تخصیص منابع آب بهینه  در مرحله اول منجر شده و حد تحتانی مقدار جریمه ، در مرحله دوم تخصیص منابع آبی قرار دارد. با در نظر گرفتن شرط محدودیت  رابطه (19) ایجاد می­شود:

 

 

 

(19)

 

 

 

علاوه بر این، خرده مدل حد تحتانی مصرف آب نیز با تبدیل رابطه (17) به (19) حل ‌شد.

 

 

 

 

جدول 1. ابعاد مدل برای همه حوضه‌های آبی

مثال

واحد اجرایی

بخش‌های مهم

مصرف آب

طبقات مختلف صنعت در هر بخش

دوره زمانی

رودخانه

بخش‌بندی آبی

موقعیت هیدرولوژیکی

1

1

1

1

1

1

1

1

2

2

1

1

2

1

1

1

3

3

2

1

3

2

2

1

4

4

2

2

4

2

2

2

5

5

3

2

5

3

3

2

6

6

3

2

6

4

3

2

7

7

4

3

7

5

4

3

8

8

4

3

8

6

4

3

9

9

5

3

9

7

5

3

10

10

5

4

10

8

5

4

11

11

6

4

11

9

6

4

12

12

6

4

12

10

6

4

13

13

7

5

13

11

7

5

14

14

7

5

14

12

7

5

15

15

8

5

15

13

8

5

16

16

8

6

16

14

8

6

17

17

9

6

17

15

9

6

18

18

9

6

18

16

9

6

19

19

10

7

19

17

10

7

20

20

10

7

20

18

10

7

 

نتایج

 

نتایج ابعاد مدل (برای همه حوضه‌های آبی) در جدول (1) آورده شده است. این جدول شامل ابعاد مدل است که در 20 مثال طراحی شده و در هر مثال ابعاد مسئله نسبت به مسئله قبلی افزایش یافته است.

نتایج حل مدل با افزایش ابعاد در نمودارهای (1) تا (6) آورده شده که بیانگر اثر افزایش ابعاد بر مقادیر توابع هدف (F1 تا F6) است.

 

 

 

 

نمودار 1. نتایج اثر افزایش ابعاد بر F1 

(مقدار کم‌ترین و بیش‌ترین مزیت اقتصاد)

نمودار 2. نتایج اثر افزایش ابعاد بر F2 

(مقدار هزینه مصرف آب)

 

 

نمودار 3. نتایج اثر افزایش ابعاد بر مقدار  F3 

(هزینه مدیریت ‌محیط‌زیستی)

نمودار 4. نتایج اثر افزایش ابعاد بر مقدار F4 

(ظرفیت جریان بوم‌شناختی)

 

 

نمودار 5. نتایج اثر افزایش ابعاد بر مقدار F5 

(مرحله دوم برای بهینه‌سازی مقدار جریمه مصرف بیش از حد آب)

نمودار 6. نتایج اثر افزایش ابعاد بر مقدار F6

(مولفه‌های بوم‌شناختی)

 

همان‌طور که در نمودارهای (1) تا (6) مشاهده می‌شود، توابع هدفF1  تا F6 به افزایش ابعاد واکنش نشان داده و در نتیجه توابع هدف نیز افزایش یافته‌اند. نتایج اثر کمبود آب بر مقادیر توابع هدف در نمودار (7) آورده شده است. در ادامه، نتایج تحلیل حساسیت پارامتری که با تغییر در پارامترهای مختلف، اثرات آنها بر مقادیر توابع هدف اندازه‌گیری شده، آورده شده است.

 

 

 

 

 

 

 

 

 

نمودار 7. نتایج اثر کمبود آب بر مقادیر توابع هدف

 

 

نتایج ارایه ‌شده در نمودار (7) بیانگر آن است که با افزایش 10 تا 50 درصدی کمبود آب، همه توابع هدف کاهش یافته‌اند. نتایج بررسی اثر ضریب تولید آلایندگی بر اهداف اقتصادی و بوم‎‌شناختی در تخصیص آب در نمودار (8) آورده شده است.

 

 

 

نمودار 8. نتایج بررسی اثر ضریب تولید آلایندگی بر اهداف اقتصادی و بوم‎‌شناختی

 

 

همان‌طور که در نمودار (8) مشاهده می‌شود، تولید آلایندگی می‌تواند همه اهداف توابعF1  تا F6 را تحت تاثیر قرار داده و افزایش 50 درصدی ضریب تولید آلایندگی هدف اول را تا 5/2 درصد، هدف دوم را تا 0/3 درصد، هدف سوم را تا 7/2 درصد، هدف چهارم را تا 6/2 درصد، هدف پنجم را تا 5/2 درصد و هدف ششم (هدف بوم‎‌شناختی) را تا 5/3 درصد کاهش داده است. نتایج مربوط به نرخ حذف آلاینده‌ها در نمودار (9) آورده شده است.

 

 

 

نمودار 9. نتایج بررسی اثر نرخ حذف آلاینده‌ها

 

 

 

با استناد به نتایج، افزایش 50 درصدی حذف آلاینده‌ها می‌تواند 0/3 درصد هدف بوم‎‌شناختی را بهبود بخشیده، ضمن اینکه همه اهداف اقتصادی نیز در بازه 0/2 تا 0/3 درصد بهبود را تجربه کرده‌اند. نتایج بررسی اثر عدم­قطعیت بر مقادیر توابع هدف در نمودار (10) نشان داده شده است.

 

 

 

نمودار 10. نتایج بررسی اثر عدم­قطعیت بر مقادیر توابع هدف

 

 

نتایج مندرج در نمودار (10) نشان می‌دهد افزایش عدم­قطعیت می‌تواند اهداف مسئله را تنزل دهد. به‌طوری‌که با افزایش 100 درصدی عدم­قطعیت انتظار می‌رود هدف بوم‌شناختی تا 7/2 درصد دچار افت شود. ضمن اینکه سایر اهداف نیز در بازه 5/1 تا 0/2 درصد دچار تغییر شده است.

 

 

 

بحث و نتیجه‌گیری

در این پژوهش با توسعه یک مدل برنامه‌ریزی فازی بازه‌ای ضمن در نظر گرفتن حداکثر عدم­قطعیت در تخصیص منابع آب سطحی، پارامترها هم به‌صورت فازی و هم به ‌صورت بازه‌ای مورد ارزیابی قرار گرفتند. از سوی دیگر، عوامل بوم‌شناختی و کمبود آب نیز در مدل لحاظ شدند که در پژوهش‌های پیشین در خصوص برنامه‌ریزی برای تخصیص منابع آب سطحی به‌ندرت در نظر گرفته شده‌ بودند. به‌ علاوه، کمبود آب به‌صورت یک واقعیت عینی در مدل در نظر گرفته شد و از آنجایی که فقط بر روی مطالعه منابع آب سطحی تمرکز شد، پژوهشگران موفق شدند نتایج دقیق‌تری به‌دست آورند.

نتایج نشان داد هر شش تابع هدف (F1 تا F6) به افزایش ابعاد مدل واکنش نشان داده (نمودارهای 1 تا 6) و در خصوص همه اهداف، افزایش مقادیر توابع هدف مشاهده شد، بنابراین بر این اساس می‌توان اعتبار مدل را مورد تایید قرار داد. چرا که افزایش مقادیر در پی افزایش ابعاد، نتیجه منطقی حل مدل است. همان‌طور که در نمودار (7) مشاهده می‌شود، با افزایش نرخ کمبود آب از 10 تا 50 درصد، خروجی مدل برای همه توابع هدف تنزل کرد. به این‌ صورت که سودآوری اقتصادی و شرایط بوم‌شناختی در منطقه با توجه به کمبود و کاهش ظرفیت استحصال آب کاملا به‌شکل منفی تحت تاثیر قرار می‌گیرند. بدین طریق می‌توان اذعان داشت که کمبود آب اثر منفی بر شرایط بوم‌شناختی و اقتصادی تخصیص آب را درپی دارد.

افزایش ضریب تولید آلایندگی به وخیم شدن شرایط بوم‌شناختی منجر می‌شود. بر اساس یافته‌ها (نمودار 8)، افزایش ضریب تولید آلایندگی به کاهش 5/2 تا 5/3 درصد به‌ترتیب در اهداف اقتصادی و بوم‌شناختی منجر شد. بنابراین، می‌توان اثر منفی افزایش ضریب تولید آلودگی بر اهداف اقتصادی و بوم‌شناختی را تایید کرد.

نتایج مربوط به نرخ حذف آلاینده‌ها از آب (نمودار 9) بیانگر اثر مثبت این عامل بر همه توابع هدف بود، به‌طوری‌که هدف­بوم‌شناسی (هدف ششم) از بالاترین اثرپذیری برخوردار بود و هدف دوم در رتبه دوم قرار داشت. از این‌رو، می‌توان به اهمیت توجه به عوامل بوم‌شناختی هم‌راستا با عوامل اقتصادی تاکید کرد. بررسی منابع بیانگر آن است که در بین پژوهش‌های مشابه فقط Zhang و همکاران (2022) در مطالعه خود به عوامل بوم‌شناختی در قالب یک تابع هدف توجه داشته‌اند. نتایج بررسی عدم­قطعیت فازی بازه‌ای به‌عنوان یکی از نوآوری‌های مهم این پژوهش‌ بر توابع هدف (نمودار 10) نشان داد که عدم­قطعیت، اثر منفی بر مقادیر توابع هدف داشته و با افزایش عدم­قطعیت، مقادیر توابع هدف تنزل یافته است. در این خصوص و با توجه به اهمیت ویژه‌ عدم قطعیت در مسایل تخصیص منابع آبی، Suo و همکاران (2022) و Hao و همکاران (2022) عدم­قطعیت در سطح فازی بازه‌ای را در پژوهش خود مورد توجه قرار داده بودند.

هرچند که Li و همکاران (2023) نسبت به ارایه یک مدل تخصیص بهینه منابع آبی در گواناتائوی چین و Calvete و همکاران (2023) نیز نسبت به ارایه یک ابزار تصمیم بهینه‌سازی دو سطحی برای تخصیص منابع آبی در سیستم سلسله مراتبی اقدام کردند، ولی هر دوی این پژوهش‌ها فقط بر بهینه‌سازی تخصیص منابع آبی تمرکز داشتند. این در حالی است که عدم در نظر گرفتن کمبود آب در تحقیقات پیشین کم و بیش مشهود است. در سایر پژوهش‌های مرتبط، Chen و همکاران (2023) بهینه‌سازی تخصیص منابع آب کشاورزی تحت شرایط عدم­قطعیت تصادفی فازی را بررسی کردند. Li و همکاران (2022) نیز با هدف دست‌یابی به تخصیص بهینه چندهدفه مبتنی بر توازن مکانی منابع آب ناحیه‌ای، مساله کمبود آب را در پژوهش خود مدنظر قرار دادند. علاوه بر این، عدم توجه به تفکیک منابع آب به منابع آب سطحی و زیرزمینی در تحقیقات پیشین کم و بیش مشهود است. در این خصوص، فقط Jain و همکاران (2023) با ارزیابی الگوریتم‌های بهینه‌سازی فراابتکاری، بر تفکیک منابع آب به منابع آب سطحی و زیرزمینی برای بهینه‌سازی تخصیص منابع آبی تاکید کردند. از دیگر سو، Li و همکاران (2023) نسبت به بررسی تخصیص بهینه زمانی- مکانی منابع آب آبیاری و Genova و Wei (2023) نسبت به بررسی مدل هیدرولوژیکی اجتماعی برای ارزیابی تخصیص منابع آب با در نظر گرفتن سطح آب زیرزمینی اقدام کردند. Gao و همکاران (2021) نیز مساله کمبود منابع آب زیرزمینی برای تخصیص بهینه منابع آب مورد ارزیابی قرار دادند. در سایر پژوهش‌ها، Chen و همکاران (2023) نسبت به بهینه‌سازی منابع آب و خاک کشاورزی تحت عدم­قطعیت تصادفی توسط رویکرد فازی اقدام کردند. Deng و همکاران (2022) نیز متغیرهای پایداری، عدالت و کارایی را در مدل خود برای تخصیص منابع آبی لحاظ کردند که وجه افتراق این پژوهش با مطالعه حاضر است.

این مطالعه، با هدف ارایه یک مدل برنامه‌ریزی احتمالی فازی بازه‌ای برای تخصیص منابع آب زیر‌زمینی و سطحی با در نظر گرفتن عوامل بوم‌شناختی و کمبود آب در حوضه آبریز زرینه‌رود انجام یافت. نتایج نشان داد با افزایش عدم­قطعیت، خروجی مدل از نظر اقتصادی و بوم‌شناختی از پاسخ بهینه فاصله گرفته و از این‌رو، اثر منفی عدم­قطعیت در بهینه‌سازی و تخصیص بهینه منابع آبی در مدل حاضر به اثبات رسید. نظر به اینکه در نظر گرفتن متغیرهای کمبود آب کارکردی و آلودگی آب نیز می‌تواند در خروجی مدل تاثیرگذار بوده و پاسخ‌های قابل اطمینان‌تری را ارایه دهد، توصیه می­شود این دو عامل در پژوهش‌های آتی لحاظ گردند.

 

سپاسگزاری

این مقاله برگرفته از رساله دکتری تخصصی مهندسی محیط‌زیست مصوب واحد همدان دانشگاه آزاد اسلامی با کد 171348040507617770011162697694­است­که­بدین­‌وسیله نویسندگان از معاونت محترم پژوهش و فن­آوری دانشگاه برای فراهم کردن امکانات اجرای مطالعه، سپاسگزاری می‌کنند.

 

منابع

احمدآلی، ج.، بارانی، غ.، قادری، ک. و حصاری، ب. (1396) واسنجی و اعتبارسنجی مدل WEAP21 برای حوضه‌های آبریز زرینه‌رود و سیمینه‌رود. نشریه تحقیقات آب و خاک ایران، 48(4): 823-839.‎.

فلاحی، غ. و جمالی، ل. (1396) پهنه‌بندی خطر زمین‌لغرش در حوضه آبریز سیمینه‌رود بوکان با تلفیق مدل‌های آماری، فرآیند تحلیل سلسله مراتبی و سامانه اطلاعات مکانی. نشریه علوم و فنون نقشه‌برداری، 4(6): 185-199.

مسگری، م.س.، فرج‌زاده­اصل، م.، خدادادی­دربان، ا.، هاشمی، ه. و امینی، ج. (1392) پهنه‌بندي كيفيت آلودگي آب رودخانه با استفاده از شبكه‌هاي عصبي مصنوعي و سامانه اطلاعات جغرافيايي، مطالعه موردي رودخانه سيمينه‌رود. نشریه سنجش از دور و GIS ایران، 5(3): 15-1.

Aldieri, L., Brahmi, M., Chen, X. and Vinci, C.P. (2021) Knowledge spillovers and technical efficiency for cleaner production: An economic analysis from agriculture innovation. Journal of Cleaner Production, 320: 128830.

Bozorgzadeh, E. and Mousavi, S.J. (2023) Water-constrained green development framework based on economically-allocable water resources. Scientific Reports, 13: 5306.

Calvete, H.I., Galé, C., Iranzo, J.A. and Mateo, P.M. (2023) A decision tool based on bilevel optimization for the allocation of water resources in a hierarchical system. International Transactions in Operational Research, 30(4): 1673-1702.

Chen, Y., Fu, Q., Singh, V.P., Ji, Y., Li, M. and Wang, Y. (2023) Optimization of agricultural soil and water resources under fuzzy and random uncertainties: Synergy and trade-off between equity-based economic benefits, nonpoint pollution and water use efficiency. Agricultural Water Management, 281: 108264.

Deng, L., Guo, S., Yin, J., Zeng, Y. and Chen, K. (2022) Multi-objective optimization of water resources allocation in Han River basin (China) integrating efficiency, equity and sustainability. Scientific Reports, 12: 798.

Gao, Y., Wei, N., Song, X., Gu, J., Yang, F., Zhang, S. and He, S. (2021) Research and realization of non-traditional water resources optimal allocation model. Proceedings of The International Conference on Water Resource and Environment, pp: 351-358.

Genova, P. and Wei, Y. (2023) A socio-hydrological model for assessing water resource allocation and water environmental regulations in the Maipo River basin. Journal of Hydrology, 617: 129159.

Hao, N., Sun, P., He, W., Yang, L., Qiu, Y., Chen, Y. and Zhao, W. (2022) Water resources allocation in the Tingjiang River Basin: Construction of an interval-fuzzy two-stage chance-constraints Model and its assessment through Pearson Correlation. Water, 14(18): 2928.

Jain, S., Ramesh, D., Trivedi, M.C. and Edla, D.R. (2023) Evaluation of metaheuristic optimization algorithms for optimal allocation of surface water and groundwater resources for crop production. Agricultural Water Management, 279: 108181.

Li, M., Yang, X., Wu, F. and Babuna, P. (2022) Spatial equilibrium-based multi-objective optimal allocation of regional water resources. Journal of Hydrology: Regional Studies, 44: 101219.

Li, Y., Han, Y., Liu, B., Li, H., Du, X., Wang, Q., Wang, X. and Zhu, X. (2023) Construction and application of a refined model for the optimal allocation of water resources—Taking Guantao County, China as an example. Ecological Indicators, 146(2): 109929.

Luo, Y., Sha, J., Liu, B., Zhang, Y. and Yang, J. (2023) Optimal allocation of water resources based on GWAS Model in Handan, China. Water, 15(6): 1090.

Ranarahu, N. and Dash, J.K. (2022) Computation of multi-objective two-stage fuzzy probabilistic programming problem. Soft Computing, 26(1): 271-282.

Suo, M., Xia, F. and Fan, Y. (2022) A fuzzy-interval dynamic optimization model for regional water resources allocation under uncertainty. Sustainability, 14(3): 1096.

Wang, Z., Tian, J. and Feng, K. (2022) Optimal allocation of regional water resources based on simulated annealing particle swarm optimization algorithm. Energy Reports, 8: 9119-9126.

Wang, Z., Zhao, X., Wang, J., Song, N. and Han, Q. (2023) Agricultural water allocation with climate change based on gray wolf optimization in a semi-arid region of China. Environmental Science, 11: e14577.

Zhang, J., Meng, C., Hu, S. and Li, W. (2022) Optimal Allocation Model for Water Resources Coupled with Ecological Value Factors—A Case Study of Dalian, China. Water, 14(2): 266-266.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

A fuzzy interval dynamic optimization model development for surface water resources allocation based on ecological and water scarcity factors, the case of Simineh River Basin

 

Prshang Azari1, Soheil Sobhanardakani2*, Mehrdad Cheraghi3, Bahareh Lorestani4 and Amirreza Goodarzi5

 

 

1)       Ph.D Candidate in Environmental Engineering, Department of Environmental Engineering, College of Engineering, Hamedan Branch, Islamic Azad University, Hamedan, Iran.

2)       Professor, Department of the Environment, College of Basic Sciences, Hamedan Branch, Islamic Azad University, Hamedan, Iran. Corresponding Author Email Address: s_sobhan@iauh.ac.ir

3)       Professor, Department of the Environment, College of Basic Sciences, Hamedan Branch, Islamic Azad University, Hamedan, Iran.

4)       Professor, Department of the Environment, College of Basic Sciences, Hamedan Branch, Islamic Azad University, Hamedan, Iran. 

5)       Associate Professor, Department of Civil Engineering, College of Engineering, Hamedan Branch, Islamic Azad University, Hamedan, Iran.

 

Date of Submission: 2024/08/04                           Date of Acceptance: 2024/05/26

 

Abstract

Allocation of surface water resources is considered as a solution to deal with water stress, especially in low rainfall areas, but the existence of high uncertainty as well as the lack of water. This allocation has always caused problems and this issue has become one of the main problems of governance in low rainfall areas of the world. Hence, in this research, a fuzzy interval probabilistic planning model was designed for the allocation of surface water resources by considering ecological factors and water scarcity. In so doing, after analyzing and validating the model, parametric sensitivity analysis was performed on the ecological and economic factors in the Simineh River, which is one of the important rivers of the Urmia Lake catchment. The results showed that an increase of 10 to 50 percent of water shortage led to a drop in the values ​​of the objective functions. Also, a 50% increase in the pollution production rate has led to a decrease in all economic and ecological goals from 2.5 to 3.5%, and a 50% increase in the removal of pollutants has also led to a 2-3% improvement in economic goals. In conclusion, it can be argued that the water scarcity is one of the consequences of the pollution of this crucial resource, and for this reason, a significant part of water resources are left out of the allocation cycle. With a 100% increase in uncertainty, the ecological goal has dropped by 2.7% and other goals have changed in the range of 1.5% to 2.0%. Considering the variables of water scarcity and water pollution can also affect the output of the developed model and provide more reliable answers, therefore, it is recommended to consider these two factors in future studies.

 

Keywords: Ecological processes, Fuzzy interval dynamic optimization, Water resources allocation, Water scarcity.

 

 

 

  

 

        


مقالات مرتبط

حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1403-1400

صفحه اصلی| عضویت/ ورود| درباره سند| تماس با ما|
[English] [العربية] [en] [ar]