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 آذری
1
,
سهیل سبحان اردکانی
2
,
مهرداد چراغی
3
,
بهاره لرستانی
4
,
امیررضا گودرزی
5
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.
3 - ستاد گروه محیط زیست، دانشکده علوم پایه، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران
4 - ستاد 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.
الکلمات المفتاحية: بهینه‌سازی پویای بازه‌ای فازی, تخصیص منابع آب, فرآیندهای بوم‌شناختی, کمبود آب.,
ملخص المقالة :
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.
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.
