ارزیابی و دقت سنجی روش های هوش مصنوعی، زمین آمار و وزن دهی معکوس فاصله در شبیه سازی عمق آب زیرزمینی

مقدمه: اگرچه تنش بر سر آب افزایش یافته است، اما احتمال بروز تضاد درباره منابع آب مشترک بیشتر است. تحقیق حاضر با هدف بررسی تضاد آب و روش های مدیریت آن در بین کشاورزان انجام گرفت.روش : این تحقیق با روش توصیفی-پیمایشی انجام شد. ابزار جمع آوری داده ها، پرسشنامه بود که روایی آن با مراجعه به اساتید دانشگاه تائید گردید. جمعیت موردمطالعه، کشاورزان شهرستان بهار در استان همدان بودند که از چاه های آب مشترک برای تامین آب کشاورزی استفاده می کردند. با استفاده از فرمول کوکران، حجم نمونه برابر 214 نفر برآورد گردید که با روش نمونه گیری ساده تصادفی انتخاب شدند.یافته ها: یافته های پژوهش نشان داد در دامنه امتیاز 1 تا 5، خشکسالی و افزایش تعداد کشاورزان به ترتیب با میانگین 3.56 و 3.45، از دلایل اصلی ایجاد تضاد آب کشاورزی می باشند. همچنین اولویت روش های کاهش تضاد آب مربوط به مشارکت کشاورزان در مدیریت آب چاه های کشاورزی و مذاکره با آنان پیرامون آب بود. نتایج نشان داد در مقیاس با دامنه 13 تا 65، تضاد ادراک‌شده پیرامون آب کشاورزی با میانگین 38.51 در حد متوسط بود و با افزایش فاصله مزرعه از چاه آب، مساحت زمین کشاورزی اجاره ای و همچنین درآمد سالانه از فعالیت های غیر کشاورزی، ادراک و احساس کشاورزان از تضاد آب کشاورزی افزایش می یافت. در مقابل، با افزایش مساحت زمین کشاورزی ملکی و میزان درآمد حاصل از کشاورزی، ادراک و احساس کشاورزان از تضاد آب کشاورزی کمتر می شد. بیشترین استفاده کشاورزان برای مدیریت تضاد آب از راهبرد «کنترل» بود. از این نظر، راهبرد «راه حل گرایی» و راهبرد «عدم مقابله» به ترتیب در اولویت های بعدی قرار داشتند.نتیجه گیری: لازم است سیاست های مناسب برای محافظت از کشاورزان در هنگام خشکسالی به منظور کاهش تضاد آب دنبال شود. کسب درآمد از طریق فعالیت های غیرکشاورزی به تنهایی نمی تواند ادراک کشاورزان از تضاد آب را کاهش دهد و افزایش درآمد کشاورزان از کشاورزی برای کاهش تضاد آب مورد نیاز است. برگزاری جلسات گفتگو و تعامل بین کشاورزان می تواند به تحلیل دلایل تضاد آب کشاورزی و یافتن روش های مناسب برای کاهش آن کمک نماید.

Evaluation and Accuracy of Artificial Intelligence, Geostatistics and Inverse distance weighting Methods in Simulation the Groundwater Depth

Successful management of groundwater resources using numerical models requires knowledge of spatial distribution of hydraulic heads and it’s fluctuation, aquifer parameters and other input data. One of the most basical issues in groundwater resources management is the estimation of water table from observation well network data. In this study, three methods of artificial intelligence, geostatistics (Kriging) and IDW with evapotranspiration, air temperature, precipitation and geographic inputs were used to simulate the depth of groundwater Salman Farsi Sugarcane Plantation. The results showed that the highest simulation accuracy of groundwater depth in Salman Farsi Sugarcane Plantation was related to the artificial neural network model with the highest R2 (0/92) index and lowest RMSE and MAE (1.25 and 1.74) values. Also, among the Kriging and IDW models used, the accuracy of the Kriging model was more than the IDW model. Due to the acceptable accuracy of the results of the presented models, the water resource planner and decision maker in this field can apply this optimum interpolated groundwater depth to monitoring the spatiotemporal fluctuation of groundwater depth in this area by updating it’s data.