|
|
مقایسه کاربرد چهارده الگوی سریهای زمانی برای تحلیل و پیش بینی تغییرات سطح آب زیرزمینی دشت مرند (حاشیه شمالی دریاچه ارومیه)
|
|
|
|
|
نویسنده
|
ناصری ابوالفضل
|
منبع
|
آبياري و زهكشي ايران - 1398 - دوره : 13 - شماره : 1 - صفحه:58 -68
|
چکیده
|
دشت مرند از جمله مناطق مهم کشاورزی استان آذربایجان شرقی است که بیش از 80 درصد از نیاز آبی محصولات مختلف زراعی و باغی در این دشت، از منابع آب زیرزمینی تامین میشود. برداشت مداوم و بی رویه از موجب افت قابل توجه از سطح آب زیرزمینی گردیده است. بنابراین بهرهبرداری بهینه و پایدار از منابع آب زیرزمینی در این دشت یک ضرورت مدیریتی است که آنهم مستلزم الگوبندی کمی مصرف و پیشبینی روند بهرهبرداری از این منبع آب است. از سوی دیگر با عنایت به توانمندی فنهای سریهای زمانی در الگوبندی و پیشبینی رفتار پدیدههای مهندسی آب، این پژوهش با هدف تحلیل تغییرات سطح آب زیرزمینی این دشت با الگوهای یادشده، انجام گردید. در این پژوهش افت سطح آب زیرزمینی به مدت 45 سال با 14روش الگوبندی ارزیابی گردید و پس از ارزیابی، الگوی اتورگرسیو تلفیقی میانگین متحرک (arima) مناسبترین الگو تشخیص داده شد. نحوه الگوبندی، آزمون و پیشبینی با الگوی یادشده به این صورت بود که حدود دادههای 25 سال افت سطح آب زیرزمینی برای الگوبندی (از سال 1361 تا 1386)، 10 سال (1386 تا 1396) برای آزمون و 10 سال آینده بقیه (1396 تا 1406) برای پیشبینی استفاده گردید. نتایج نشان داد سطح آب زیرزمینی از سال 1361 تاکنون بیش از 17 متر افت داشته است. سناریوهای مختلف صرفهجویی با شروع از سال 1397 برای کاهش اثرات روند نزولی تغییرات سطح آب و مدیریت بهینه مصرف آب زیرزمینی، در نظر گرفته شد. در صورت صرفهجویی فقط بهاندازه 10 درصد در مصرف آب زیرزمینی، در سال دهم معادل 67 میلیون مترمکعب صرفهجویی خواهد شد. راهکارهایی مانند تسطیح اراضی زراعی، استفاده از گیاهان زراعی و باغی با نیاز آبی کم، استفاده از روشهای کم آبیاری، برنامهریزی مناسب آبیاری میتوانند موجب صرفهجویی در مصرف آّب در این دشت که در حاشیه دریاچه ارومیه قرارگرفته، باشد
|
کلیدواژه
|
آبهای زیرزمینی، الگوی اتورگرسیو میانگین متحرک، تغییرات حجم آب زیرزمینی، دشت مرند، منابع آب زیرزمینی
|
آدرس
|
سازمان تحقیقات، آموزش و ترویج کشاورزی, مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی آذربایجان شرقی, بخش تحقیقات فنی و مهندسی کشاورزی, ایران
|
پست الکترونیکی
|
nasseri_ab@yahoo.com
|
|
|
|
|
|
|
|
|
Comparison of Fourteen Methods of Time Series to Analyze and Predict Ground Water Changes in Marand Plain (North of Urmia Lake)
|
|
|
Authors
|
Nasseri Abolfazl
|
Abstract
|
Marand plain is one of the most important agricultural regions in East Azarbaijan province, which groundwater resources were applied more than 80% the water requirements of agricultural productions in this plain. Continuous consumption of groundwater caused a significant decline since 1982. Therefore, optimal and sustainable exploitation of groundwater resources is a management necessity in this plain. Consequently, modeling and prediction of the exploitation process could be accomplished by an appropriate technique. This study was conducted with the objective of analyzing the groundwater level variations in Marand plain with time series statistical models due to the ability of time series techniques to model and predict the behavior of temporal variation in water engineering phenomenon. Moreover, the groundwater level decline was modeled for 45 years with 14 methods of time series in this study. An Autoregressive Integrated Moving Average (ARIMA) model was recognized as the most appropriate pattern. Modeling, testing and prediction were as follows: 25 years of the data for modeling (from 1982 to 2006), 10 years of data for the test (from 2006 to 2017) and future 10 years (from 2017 to 2027) was used for prediction of ground water. Results showed that the average decline of groundwater from 1982 up to now was 17 m. For optimal management of groundwater application, different saving scenarios including 0, 5, 10, 15, 20, 25 and 30 percent savings starting from 2018 were considered. In the tenth year, about 67 ×106 m3 of groundwater will be saved with savings of only 10% from 2018. The land leveling, crop with low water requirements, deficit irrigation and irrigation scheduling could be applied to save groundwater in the north of Urmia Lake.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|