مدیریت بهینه برداشت منابع آب‌های زیرزمینی با استفاده از الگوریتم‌های nsga-ⅱ، spea-ⅱ و pesa-ⅱ (مطالعه موردی: دشت سیلاخور)

سابقه و هدف: سطح آب‌های زیرزمینی دشت سیلاخور هم‌زمان با رخداد خشکسالی‌های پی‌درپی، رشد صنعت و افزایش نیازهای آبی کاهش چشمگیری داشته است. علاوه بر این الگوی کشت منطقه نیز در سال‌های اخیر به سمت کشت محصولات آب‌بر میل کرده است که مجموعه این رویدادها ضرورت مدیریت کارآمد در تخصیص منابع محدود آب این منطقه را می‌رساند. در این پژوهش به‌منظور مدیریت پایدار منابع آب‌های زیرزمینی، به تعیین الگوی کشت بهینه محصولات عمده زراعی دشت سیلاخور، باهدف حداکثرسازی درآمد خالص کشاورزان و محدودیت‌های آب و زمین در دسترس پرداخته شده است. در این راستا دو رویکرد استفاده از برنامه‌ریزی خطی و استفاده از الگوریتم‌های فرا اکتشافی چندهدفه در سناریوهای مختلف برداشت بررسی شده و عملکرد توابع جریمه مختلف در الگوریتم‌ها نیز مورد ارزیابی قرار گرفته است. همچنین نحوه تغییر الگوی کشت بهینه با افزایش برداشت از آب‌های زیرزمینی نیز مورد بررسی قرار گرفته است.مواد و روش‌ها: در گام نخست پس از مدل‌سازی بارش 10 سال گذشته با استفاده از شبکه عصبی مصنوعی و برنامه‌ریزی ژنتیکی و انتخاب مدل بهتر از نظر دقت، بارندگی سه سال آینده پیش‌بینی شده و تغذیه آب‌های زیرزمینی ناشی از آن تخمین زده شد. سپس برای هرسال زراعی 100 سناریو برداشت مختلف باتوجه‌به میزان تغذیه آبخوان‌ها و میزان برداشت آب در سال‌های گذشته، در نظر گرفته شد. در گام دوم با استفاده از برنامه‌ریزی خطی باهدف حداکثرسازی درآمد کشاورزان و محدودیت‌های آب و زمین در دسترس، الگوی کشت بهینه در سناریوهای برداشت تعیین شده، به دست آمد. در نهایت به‌منظور نامقیدسازی مسئله، محدودیت‌های ذکر شده به‌صورت توابع جریمه ساکن، پویا و پویای طبقه‌بندی شده در نرم‌افزار matlab، پیاده‌سازی شدند. سپس عملکرد سه الگوریتم nsgaⅱ، speaⅱ و pesaⅱ با توابع هدف حداکثرسازی درآمد کشاورزان و حداقل‌سازی میزان جریمه، برای رسیدن به الگوی کشت بهینه حاصل از برنامهریزی خطی مورد بررسی قرار گرفت.یافته‌ها: نتایج این پژوهش حاکی از آن است که هرچند با افزایش برداشت از آب‌های زیرزمینی، در الگوی کشت بهینه درآمد کشاورزان افزایش می‌یابد؛ اما به دلیل محدودیت کل زمین در دسترس برای کشاورزی در دشت سیلاخور، در برداشت‌های بیشتر از 5/223، 2/225 و 1/225 میلیون مترمکعب به ترتیب برای سال‌های زراعی 14001399، 14011400 و 14021401، سطح زیر کشت محصولات ثابت مانده و به دنبال آن درآمد کشاورزان نیز تغییر نمی‌کند. نتایج بررسی الگوریتم‌ها و توابع جریمه نیز نشان می‌دهند که در این مسئله بهترین عملکرد در میان الگوریتم‌ها به ترتیب متعلق به الگوریتم‌های speaⅱ، pesaⅱ و nsgaⅱ با میانگین تعداد تکرارهای 1/12، 5/14 و 8/17 است. در میان توابع جریمه نیز در هر سه الگوریتم، بهترین عملکرد به ترتیب متعلق به توابع جریمه پویای طبقه‌بندی شده، پویا و ساکن با میانگین تعداد تکرارهای 1/13، 7/13 و 5/17 می‌باشد.نتیجه‌گیری: به‌طورکلی می‌توان دریافت که بهینه‌سازی الگوی کشت در سناریوهای برداشت مختلف، نگاهی جامع در اختیار مسئولان برای مدیریت پایدار منابع ارزشمند و محدود آب و تخصیص بهینه آن قرار می‌دهد. در همین راستا استفاده از الگوریتم speaⅱ با تابع جریمه پویای طبقه‌بندی‌شده در تعین الگوی کشت بهینه نتایج مطلوبی به دنبال دارد.

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

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 MultiObjective 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 NSGAⅡ, SPEAⅡ and PESAⅡ 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 20202021, 20212022 and 20222023, 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 SPEAⅡ, PESAⅡ and NSGAⅡ 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 SPEAⅡ algorithm with classified dynamic penalty function in determining the optimal cultivation pattern leads to desirable results.