بهینه‌سازی الگوی کشت مبتنی بر مدیریت ریسک در شبکه آبیاری پایاب سد یامچی اردبیل

بهینه‌سازی الگوی کشت یک راهبرد مهم در مصرف بهینه آب در کشاورزی می‌باشد. تحقیق حاضر تلاشی برای توسعه و ارزیابی چهار مدل هیبریدی بر مبنای بیشینه‌سازی نرخ بازدهی اقتصادی و کمینه‌سازی ریسک انتخاب الگوی کشت بهینه است. مدل‌ها بر اساس شاخص‌های ریسک شامل واریانس (مدل mvar)، نیم واریانس (مدل msvar)، قدر مطلق انحراف از میانگین (مدل madev) و ارزش در معرض ریسک شرطی (مدل mcovar) و با رعایت قیود حاکم توسعه‌یافته‌اند و در یک سطح اطمینان انتخابی امکان تعیین بهترین سناریوی الگوی کشت با بالاترین نرخ بازدهی اقتصادی و کمترین ریسک که قابل‌اندازه‌گیری است، را در مرحله تصمیم‌گیری فراهم می‌آورند. داده‌های مورداستفاده مربوط به شبکه آبیاری پایاب سد یامچی اردبیل و برای سال زراعی 98-1397 می‌باشد. توسعه مدل‌ها در محیط matlab بر اساس برنامه‌ریزی غیرخطی و حل مسئله بهینه‌سازی با استفاده از الگوریتم ازدحام ذرات و به‌صورت چندهدفه انجام‌شده است. بالاترین مقدار ضریب همبستگی در رگرسیون نتایج مدل‌ها با معادله فوریه به میزان 0.9997=r^2 با دقت (0.0011=rmse) برای مدل madev به دست آمد. نتایج نشان داد بیشترین بازدهی به 0.31 متعلق به سیب‌زمینی با حداکثر ریسک 58% و کمترین مقدار بازدهی به مقدار 0.13 مربوط به گیاه ذرت با حداکثر ریسک 63% است. با محاسبه 50 سناریوی بهترین الگوهای کشت ممکن ازنظر ارضای توابع هدف و قیود حاکم، جبهه کارای تک‌تک مدل‌ها ترسیم و جدول مقادیر درآمد سیستم برای سطوح ریسک 20% و 30% استخراج و ارائه گردید. نتایج به‌دست‌آمده در تمام مدل‌ها بیانگر افزایش بازدهی اقتصادی با افزایش سطح ریسک‌پذیری سیستم در انتخاب الگوی کشت‌های بهینه بوده و این افزایش در مدل madev نسبت به بقیه مدل‌ها از شیب بیشتری برخوردار است. همچنین نتایج نشان داد افزایش ریسک‌پذیری، افزایش سطح زیر کشت گیاهان با مصرف آب بیشتر و نهایتاً افزایش مقدار نیاز آبی کل را در پی دارد.

Optimization of Cultivation Pattern Based on Risk Management in the Downstream Irrigation Network of Ardabil Yamchi Dam

Cropping pattern optimization is an important strategy in the optimal use of water in agriculture. The present study attempted to develop and evaluate four hybrid models based on maximizing economic return rate and minimizing risk based on risk indices including variance (MVar model), semivariance (MSVar model), absolute value deviation from mean (MADev model) and conditional value at risk (MCOVaR model). The MCOVaR model is governed by observing the rules, which at a selective confidence level allows determining the best cropping pattern scenario with selective return rate and the lowest risk that can be measured in the decisionmaking stage. The data used are related to the downstream irrigation network of Ardabil Yamchi Dam and for the 139798 crop year. The development of the model in MATLAB is based on nonlinear programming and optimization problem solving using particle swarm algorithm in a multiobjective solution. The highest correlation coefficient in regression of the models with Fourier equation was R2=0.9997 with accuracy (RMSE=0.0011) for MADev model, The results showed that the highest yield of 0.31 belonged to potatoes with a maximum risk of 58% and the lowest yield of 0.13 belonged to the maize plant with a maximum risk of 63%. By calculating 50 scenarios of the best possible cropping patterns in terms of satisfying the target functions and governing conditions, the pareto front of each model was drawn and the table of system income values for risk levels of 20% and 30% was extracted and presented. The results obtained in all models indicate an increase in economic efficiency by increasing the risk level of the system in selecting the optimal cropping pattern and this increase in MADev model is more steep than other models and increasing risktaking leads to increasing the area under cultivation of plants with more water consumption.