تدوین یک مدل بهینه‌سازی تخصیص تلفیقی منابع آب و سطح زیر کشت با کاربرد تئوری بازی‌ها

الموضوعات :

عباس صدق آمیز ¹ , محمدرضا نیکو ² , منوچهر حیدرپور ³

1 - استادیار دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه شیراز
2 - دانشیار دانشکده مهندسی عمران، دانشگاه شیراز
3 - استاد دانشکده کشاورزی، دانشگاه صنعتی اصفهان

تاريخ الإرسال : 28 السبت , ربيع الأول, 1442 تاريخ التأكيد : 20 الثلاثاء , ربيع الأول, 1443 تاريخ الإصدار : 17 السبت , ربيع الأول, 1443

الکلمات المفتاحية: مدل بهینه سازی چند‌هدفه, مدل شبیه سازی, تخصیص تلفیقی, تئوری بازی‌های همکارانه, روش کندورسه,

ملخص المقالة :

مقدمه: با توجه به وقوع خشکسالی‌های مکرر در سال‌های اخیر و افزایش نیاز به تولید مواد غذایی، استفاده صحیح  و برنامه‌ریزی شده از منابع آب امری حیاتی می‌باشد. در تحقیق حاضر، به منظور تخصیص بهینه مقدار آب، سطح زیر کشت و الگوی کشت، یک مدل تلفیقی چندهدفه بهینه­سازی- شبیه­سازی، با بکارگیری روش‌های بازی همکارانه توسعه داده شده است. روش­: مدل توسعه داده شده که یک مدل تلفیقی چندهدفه آب سطحی و آب زیرزمینی می­باشد که در آن، جهت شبیه‌سازی آب‌زیرزمینی از مدل MODFLOW-GMS استفاده شده‌است. اهداف مورد نظر در مدل بهینه­سازی عبارت از حداکثرسازی عدالت در توزیع، حداکثرسازی سود کشاورزان و حداکثرسازی استفاده از آب سبز می­باشند. پس از اجرای مدل مذکور و استخراج منحنی تعامل بین اهداف، ارجح­ترین راه حل، از طریق روش کندورسه به ‌عنوان جواب (گزینه) برتر انتخاب شده است. در ادامه، با تشکیل ائتلاف­های ممکن و به‌کارگیری تئوری بازی­های همکارانه، توزیع مجدد سود بین مناطق مختلف انجام شده‌است. این مدل برای منطقه کشاورزی محدود به شهرستان­های مینودشت، آزادشهر و گنبدکاووس در استان گلستان واقع در پایین­دست سد مخزنی نرماب به‌کار گرفته شد. یافته­ها: نتایج بدست آمده نشان می­دهد که مقدار آب تخصیص داده شده سالیانه، وابسته به سطح زیر کشت محصولات تابستانه می­باشد. همچنین نتایج حاکی از این است که حداکثر سود کل و سود در واحد سطح بترتیب متعلق به شهرستان های گنبد کاووس و مینودشت می­با­شد. علاوه بر این، تشکیل ائتلاف اصلی باعث شده است که سود هر یک از مناطق، حداقل 3 و حداکثر 40 درصد افزایش داشته باشد. نتیجه­گیری: در مدل‌ ارائه شده بعنوان یک مدل با رویکرد شبیه‌سازی – بهینه‌سازی، با مدیریت میزان رها سازی آب از سد، برداشت از آبخوان و انتخاب بهترین الگوی کشت متناسب با وضعیت منابع آب، امکان صیانت از این منابع  و در عین حال افزایش درآمد کشاورزان میسر گردیده است. همچنین با تغییر رفتار کشاورزان در جهت همکاری و شکل‌گیری ائتلاف کلی (اصلی) بین مناطق، افزایش سود ایشان به میزان قابل توجهی مورد انتظار می‌باشد.

المصادر:

1. Alizadeh, M. R., Nikoo, M. R. and Rakhshandehroo, G. R. 2017. Developing a Multi-Objective Conflict-Resolution Model for Optimal Groundwater Management Based on Fallback Bargaining Models and Social Choice Rules: a Case Study. Water Resources Management, 31(5): 1457–1472.


2. Cañón, J., González, J., and Valdés, J. 2009. Reservoir Operation and Water Allocation to Mitigate Drought Effects in Crops: A Multilevel Optimization Using the Drought Frequency Index. Journal of Water Resources Planning and Management, 135(6): 458–465.


3. Cid-Garcia, N. M., Bravo-Lozano, A. G., and Rios-Solis, Y. A. 2014. A crop planning and real-time irrigation method based on site-specific management zones and linear programming. Computers and Electronics in Agriculture, 107: 20–28.


4. Dinar, A., and Howitt, R. E. 1997. Mechanisms for Allocation of Environmental Control Cost: Empirical Tests of Acceptability and Stability. Journal of Environmental Management, 49(2): 183–203.


5. Fallah-Mehdipour, E. Bozorg Hadadad, O., Alimohammadi, S., and Loáiciga, Hugo A. 2015. Development of Real-Time Conjunctive Use Operation Rules for Aquifer-Reservoir Systems. Water Resources Management, 29(6): 1887–1906.


6. Galán-Martín, Á., Vaskan, P., Antón, A., Esteller, L. J., and Guillén-Gosálbez, G.   Multi-objective optimization of rainfed and irrigated agricultural areas considering production and environmental criteria: a case study of wheat production in Spain. Journal of Cleaner Production, 140: 816–830.


7. Ganji, A., Karamouz, M. and Khalili, D. 2007. Development of stochastic dynamic Nash game model for reservoir operation II. The value of players; information availability and cooperative behaviors. Advances in Water Resources, 30(1): 157–168.


8. 1388. Report of water resource conjunctive use in Garesoo-Gorganrood basins, Vol 1: Analyzing data and water budjet, Part 3: Groundwater [In Persian]. Tehran.


9. Loáiciga, H. A. 2004. Analytic game - Theoretic approach to ground-water extraction. Journal of Hydrology, 297(1–4): 22–33.


10. Madani, K. 2010. Game theory and water resources. Journal of Hydrology, 381(3–4): 225–238.


11. Mahjouri, N., and Ardestani, M. 2010. A game theoretic approach for interbasin water resources allocation considering the water quality issues. Environmental Monitoring and Assessment, 167(1–4): 527–544.


12. Mattiuzi, C. D. P., Marques, G. F., and Medellín-Azuara, J. 2019. Reassessing Water Allocation Strategies and Conjunctive Use to Reduce Water Scarcity and Scarcity Costs for Irrigated Agriculture in Southern Brazil. Water, 11(6): 1140.


13. Nadrah, N., Tukimat, A. and Harun, S. 2014. Optimization of Water Supply Reservoir in the Framework of Climate Variation.  International Journal of Software Engineering and Its Applications, 8(3): 361–378.


14. Nikoo, M. R., Varjavand, I., Kerachian, R., Pirooz, M., and Karimi, A. 2014. Multi-objective optimumdesign of double-layer perforated-wall breakwaters: Application of NSGA-II and bargaining models. Applied Ocean Research, 47: 47–52.


15. Raquel, S., Ferenc, S., Emery, C., and Abraham, R. 2007. Application of game theory for a groundwater conflict in Mexico. Journal of Environmental Management, 84(4): 560–571.


16. Sedghamiz, A., Heidarpour, M., Nikoo, M. R., and Eslamian, S. 2018. A Game Theory Approach for Conjunctive Use Optimization Model Based on Virtual Water Concept. Civil Engineering Journal, 4(6): 1315-1325.


17. Sedghamiz, A., Nikoo, M. R., Heidarpour, M., and Sadegh, M. 2018. Developing a non-cooperative optimization model for water and crop area allocation based on leader-follower game. Journal of Hydrology, 567: 51–59.


18. Sedghamiz, A. 2018. Developing an Agent-Based Model and the Application of Game Theory for Optimal Water Conjunctive Allocation in Rivers Basin [In Persian]. Isfahan University of Technology.


19. Sepahvand, R., Safavi, H. R. and Rezaei, F. 2019. Multi-Objective Planning for Conjunctive Use of Surface and Ground Water Resources Using Genetic Programming. Water Resources Management, 33(6): 2123–2137.


20. Sheikhmohammady, M. and Madani, K. 2008. Bargaining over the Caspian Sea — The Largest Lake on the Earth. World Environmental and Water Resources Congress Ahupua’a - Proceedings of the World Environmental and Water Resources Congress, 316:1–9.


21. Song, J. Yang, Y., Sun, X., and Lin, J. 2020. Basin-scale multi-objective simulation-optimization modeling for conjunctive use of surface water and groundwater in northwest China. Earth Syst. Sci., 24: 2323–2341.


22. Srinivasa Prasad, A., Umamahesh, N. V., and Viswanath, G. K. 2011. Optimal irrigation planning model for an existing storage based irrigation system in India. Irrigation and Drainage Systems, 25(1): 19–38.


23. Wang, L., Fang, L., and Hipel, K. W. 2008. Basin-wide cooperative water resources allocation. European Journal of Operational Research, 190(3): 798–817.


24. Young, H. P., Okada, N., and Hashimoto, T. 1982. Cost allocation in water resources development. Water Resources Research, 18(3): 463–475.


25. Zeinali, M., Azari, A., and Heidari, M. M. 2020. Multiobjective Optimization for Water Resource Management in Low-Flow Areas Based on a Coupled Surface Water–Groundwater Model. Journal of Water Resources Planning and Management, 146(5).