مديريت ﺑﻬﯿﻨﻪ ﺑﺮداﺷﺖ ﻣﻨﺎﺑﻊ آب ﻫﺎي زﯾﺮزﻣﯿﻨﯽ ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢ ﻫﺎي SPEA-II ،NSGA-II و PESA-II (ﻣﻄﺎﻟﻌﻪ ﻣﻮردي: دﺷﺖ ﺳﯿﻼﺧﻮر)

Optimal management of groundwater exploitation using NSGA-II, SPEA-II and PESA-II algorithms (Case study: Silakhor plain)

سابقه و هدف: سطح آب هاي زيرزميني دشت سيلاخور هم زمان با رخداد خشكسالي هاي پي درپي، رشد صنعت و افزايش نيازهاي آبي كاهش چشمگيري داشته است. علاوه بر اين الگوي كشت منطقه نيز در سال هاي اخير به سمت كشت محصولات آب بر ميل كرده است كه مجموعه اين رويدادها ضرورت مديريت كارآمد در تخصيص منابع محدود آب اين منطقه را مي رساند. در اين پژوهش به منظور مديريت پايدار منابع آب هاي زيرزميني، به تعيين الگوي كشت بهينه محصولات عمده زراعي دشت سيلاخور، باهدف حداكثرسازي درآمد خالص كشاورزان و محدوديت هاي آب و زمين در دسترس پرداخته شده است. در اين راستا دو رويكرد استفاده از برنامه ريزي خطي و استفاده از الگوريتم هاي فرا اكتشافي چندهدفه در سناريوهاي مختلف برداشت بررسي شده و عملكرد توابع جريمه مختلف در الگوريتم ها نيز مورد ارزيابي قرار گرفته است. همچنين نحوه تغيير الگوي كشت بهينه با افزايش برداشت از آب هاي زيرزميني نيز مورد بررسي قرار گرفته است. مواد و روش ها در گام نخست پس از مدل سازي بارش 10 سال گذشته با استفاده از شبكه عصبي مصنوعي و برنامه ريزي ژنتيكي و انتخاب مدل بهتر از نظر دقت، بارندگي سه سال آينده پيش بيني شده و تغذيه آب هاي زيرزميني ناشي از آن تخمين زده شد. سپس براي هرسال زراعي 100 سناريو برداشت مختلف باتوجه به ميزان تغذيه آبخوان ها و ميزان برداشت آب در سال هاي گذشته، در نظر گرفته شد. در گام دوم با استفاده از برنامه ريزي خطي باهدف حداكثرسازي درآمد كشاورزان و محدوديت هاي آب و زمين در دسترس، الگوي كشت بهينه در سناريوهاي برداشت تعيين شده، به دست آمد. در نهايت به منظور نامقيدسازي مسيله، محدوديت هاي ذكر شده به صورت توابع جريمه ساكن، پويا و پوياي طبقه بندي شده در نرم افزار MATLAB، پياده سازي شدند. سپس عملكرد سه الگوريتم NSGA-II، SPEA-II و PESA-II با توابع هدف حداكثرسازي درآمد كشاورزان و حداقل سازي ميزان جريمه، براي رسيدن به الگوي كشت بهينه حاصل از برنامه-ريزي خطي مورد بررسي قرار گرفت. يافته ها نﯾﺎﻓﺘﻪ ﻫﺎ: ﻧﺘﺎﯾﺞ اﯾﻦ ﭘﮋوﻫﺶ ﺣﺎﮐﯽ از آن اﺳﺖ ﮐﻪ ﻫﺮﭼﻨﺪ ﺑﺎ اﻓﺰاﯾﺶ ﺑﺮداﺷﺖ از آبﻫﺎي زﯾﺮزﻣﯿﻨﯽ، در اﻟﮕﻮي ﮐﺸﺖ ﺑﻬﯿﻨﻪ درآﻣﺪ ﮐﺸﺎورزان اﻓﺰاﯾﺶ ﻣﯽﯾﺎﺑﺪ؛ اﻣﺎ ﺑﻪ دﻟﯿﻞ ﻣﺤﺪودﯾﺖ ﮐﻞ زﻣﯿﻦ در دﺳﺘﺮس ﺑﺮاي ﮐﺸﺎورزي در دﺷﺖ ﺳﯿﻼﺧﻮر، در ﺑﺮداﺷﺖﻫﺎي ﺑﯿﺸﺘﺮ از 225/2 ،223/5 و 225/1 ﻣﯿﻠﯿﻮن ﻣﺘﺮﻣﮑﻌﺐ ﺑﻪ ﺗﺮﺗﯿﺐ ﺑﺮاي ﺳﺎلﻫﺎي زراﻋﯽ 1400-1401 ،1399-1400 و 1401-1402، ﺳﻄﺢ زﯾﺮ ﮐﺸﺖ ﻣﺤﺼﻮﻻت ﺛﺎﺑﺖ ﻣﺎﻧﺪه و ﺑﻪ دﻧﺒﺎل آن درآﻣﺪ ﮐﺸﺎورزان ﻧﯿﺰ ﺗﻐﯿﯿﺮ ﻧﻤﯽ ﮐﻨﺪ. ﻧﺘﺎﯾﺞ ﺑﺮرﺳﯽ اﻟﮕﻮرﯾﺘﻢﻫﺎ و ﺗﻮاﺑﻊ ﺟﺮﯾﻤﻪ ﻧﯿﺰ ﻧﺸﺎن ﻣﯽدﻫﻨﺪ ﮐﻪ در اﯾﻦ ﻣﺴﺄﻟﻪ ﺑﻬﺘﺮﯾﻦ ﻋﻤﻠﮑﺮد در ﻣﯿﺎن اﻟﮕﻮرﯾﺘﻢ ﻫﺎ ﺑﻪ ﺗﺮﺗﯿﺐ ﻣﺘﻌﻠﻖ ﺑﻪ اﻟﮕﻮرﯾﺘﻢﻫﺎي PESA-II ،SPEA-II و NSGA-II ﺑﺎ ﻣﯿﺎﻧﮕﯿﻦ ﺗﻌﺪاد ﺗﮑﺮارﻫﺎي 14/5 ،12/1 و 17/8 اﺳﺖ. در ﻣﯿﺎن ﺗﻮاﺑﻊ ﺟﺮﯾﻤﻪ ﻧﯿﺰ در ﻫﺮ ﺳﻪ اﻟﮕﻮرﯾﺘﻢ، ﺑﻬﺘﺮﯾﻦ ﻋﻤﻠﮑﺮد ﺑﻪ ﺗﺮﺗﯿﺐ ﻣﺘﻌﻠﻖ ﺑﻪ ﺗﻮاﺑﻊ ﺟﺮﯾﻤﻪ ﭘﻮﯾﺎي ﻃﺒﻘﻪ ﺑﻨﺪي ﺷﺪه، ﭘﻮﯾﺎ و ﺳﺎﮐﻦ ﺑﺎ ﻣﯿﺎﻧﮕﯿﻦ ﺗﻌﺪاد ﺗﮑﺮارﻫﺎي 13/7 ،13/1 و 17/5 ﻣﯽﺑﺎﺷﺪ. ﻧﺘﯿﺠﻪ ﮔﯿﺮي: ﺑﻪ ﻃﻮرﮐﻠﯽ ﻣﯽﺗﻮان درﯾﺎﻓﺖ ﮐﻪ ﺑﻬﯿﻨﻪﺳﺎزي اﻟﮕﻮي ﮐﺸﺖ در ﺳﻨﺎرﯾﻮﻫﺎي ﺑﺮداﺷﺖ ﻣﺨﺘﻠﻒ، ﻧﮕﺎﻫﯽ ﺟﺎﻣﻊ در اﺧﺘﯿﺎر ﻣﺴﺌﻮﻻن ﺑﺮاي ﻣﺪﯾﺮﯾﺖ ﭘﺎﯾﺪار ﻣﻨﺎﺑﻊ ارزﺷﻤﻨﺪ و ﻣﺤﺪود آب و تخصيص بهينه آن قرار مي دهد. در همين راستا استفاده از الگوريتم SPEA-II با تابع جريمه پوياي طبقه بندي شده در تعين الگوي كشت بهينه نتايج مطلوبي به دنبال دارد.

Background and objectives: The groundwater level of Silakhor plain has decreased significantly with the occurrence of successive droughts, industrial growth and increasing water needs. In addition, the cultivation pattern of the region in recent years has tended to cultivate water crops, and the combination of these events raises the need for efficient management in the allocation of limited water resources in the region. In this study, in order to sustainable management of groundwater resources, the optimal cultivation pattern of major crops in Silakhor plain has been determined, with the aim of maximizing farmers' net income and available water and land constraints. In this regard, two approaches to using Linear Programming (LP) and using Multi-Objective Meta Heuristic Algorithms in different exploitation scenarios have been investigated and the performance of different penalty functions in algorithms has been evaluated. Also, how to change the optimal cultivation pattern by increasing groundwater exploitation has been studied. Materials and methods: In the first step, after modeling the rainfall of the last 10 years using Artificial Neural Network (ANN) and Genetic Programming (GP) and selecting a better model in terms of accuracy, rainfall for the next three years was forecasted and groundwater recharge was estimated. Then, for each crop year, 100 different exploitation scenarios were considered according to the groundwater recharge and water exploitation in previous years. In the second step, using LP with the aim of maximizing farmers' incomes and available water and land constraints, the optimal cultivation pattern was obtained in the determined exploitation scenarios. Finally, in order to unbound the problem, the mentioned constraints were implemented as static, dynamic and classified dynamic penalty functions in MATLAB software. Then, the performance of three algorithms NSGA-Ⅱ, SPEA-Ⅱ and PESA-Ⅱ with the objective functions of maximizing farmers' incomes and minimizing penalty functions, to achieve the optimal cultivation pattern obtained from LP was examined. Results: The results of this study indicate that although with the increase of groundwater exploitation, farmers' incomes increase in the optimal cultivation pattern; However, in the exploitation of more than 223.5, 222.2 and 225.1 million m3 for the cropping years 2020-2021, 2021-2022 and 2022-2023, respectively, the limitation of the total arable land in Silakhor plain prevents the increase of crop cultivation and the area under cultivation of crops remains constant and consequently the income of farmers does not change. The results of the study of algorithms and penalty functions also show that in this problem, the best performance among the algorithms belongs to SPEA-Ⅱ, PESA-Ⅱ and NSGA-Ⅱ algorithms, respectively, with an average number of iterations of 12.1, 14.5 an‎d is 17.8. Among the penalty functions in all three algorithms, the best performance belongs to the classified dynamic, dynamic and static penalty functions with an average number of repetitions of 13.1, 13.7 and 17.5, respectively. Conclusion: In general, it can be seen that the optimization of the cultivation pattern in different exploitation scenarios provides a comprehensive view to the authorities for the sustainable management of valuable and limited water resources and its optimal allocation. In this regard, the use of SPEA-Ⅱ algorithm with classified dynamic penalty function in determining the optimal cultivation pattern leads to desirable results.