نوع مقاله : مقاله پژوهشی

نویسندگان

• محبوبه آقاجانی ¹
• مریم نوابیان ²
• مجید وظیفه دوست ³
• مجتبی رضایی ⁴

¹ دانشجوی کارشناسی ارشد آبیاری و زهکشی گروه مهندسی آب دانشگاه گیلان

² گروه علوم و مهندسی آب دانشکده کشاورزی دانشگاه گیلان، رشت-ایران

³ گروه مهندسی آب دانشکده علوم کشاورزی دانشگاه گیلان

⁴ عضو هیات علمی موسسه تحقیقات برنج کشور

چکیده

در سال‌های اخیر، تشدید خشکسالی موجب کاهش آبدهی رورخانه سفیدرود به عنوان منبع اصلی تامین آب اراضی شالیزاری در استان گیلان شده است. در چنین شرایطی، تولید برنج به رویکرد بهینه‌سازی مصرف آب در اراضی شالیزاری وابسته است. در این پژوهش، تلاش شد با هدف حداکثرسازی بهره‌وری آب مصرفی در اراضی شالیزاری، دو مدل‌ بهینه‌یابی مدیریت آبیاری تناوبی با دوره آبیاری ثابت در طول فصل رشد و دوره آبیاری متناسب با فیزیولوژی مراحل مختلف رشد برنج رقم هاشمی، با راهکار تلفیق مدل شبیه‌سازSWAP  و روش حل الگوریتم ژنتیک ارائه شود. پس از اعتبارسنجی مدل SWAP، با استفاده از روش حل الگوریتم ژنتیک به تعیین مقادیر بهینه متغیرهای تصمیم مدل‌های بهینه‌یابی اقدام شد. در مدل‌های بهینه‌یابی، آبیاری تناوبی برنج، عمق آب و دوره تناوب آبیاری در مراحل مختلف رشد به عنوان متغیرهای تصمیم انتخاب شدند. در مدیریت آبیاری تناوبی با دوره تناوب ثابت، دوره تناوب ثابت 7/33 روز در طول فصل رشد، حداکثر بهره‌وری آب آبیاری را در بر داشت. این در حالی است که مقادیر بهینه دوره تناوب متغیر 6/53، 4/60، 4/31 و7/47 روز به ترتیب در مراحل استقرار، پنجه‌زنی، زایشی و رسیدگی بدست آمد. در نهایت پس از بررسی مدل‌های بهینه‌یابی، به دلیل صرفه‌جویی در مصرف آب، سهولت اندازه‌گیری حجم آب ورودی، الگوی آبیاری با دوره تناوب ثابت هشت روز و عمق آب آبیاری به ترتیب 52، 30، 40 و 12 میلی‌متر در مراحل یاد شده بهینه تشخیص داده شد. بهترین نمایه بهره‌وری آب آبیاری به میزان 1/59 کیلوگرم در مترمکعب به دست آمد. استفاده از داده‌های چند ساله برای افزایش اعتبار نتایج مدل شبیه‌سازی- بهینه‌یابی توصیه می‌شود.

کلیدواژه‌ها

• الگوریتم ژنتیک
• مدلSWAP
• مراحل توسعه‌یافتگی
• مدیریت آبیاری تناوبی

عنوان مقاله [English]

Comparison of Simulation-Optimization Models of Water Productivity with Fixed and Variable Irrigation Intervals for Rice (Hashemi variety) in Rasht

نویسندگان [English]

• Mahboubeh Aghajani ¹
• Maryam Navabian ²
• Majid Vazifehdost ³
• Mojtaba Rezaee ⁴

² Water science and engineering department, agricultural faculty of university of guilan, Rasht-Iran.

³ Water Engineering Department, Faculty of Agriculture Science, University of Guilan

چکیده [English]

In recent years, discharge of Sefidroud River, which is the main source of agricultural water in Guilan province, has been decreasing because of construction of several dams in the upstream of Sefidroud basin. The future of rice production will depend on appropriate management strategy for optimization of water consumption in the paddy fields. In this research, to maximize water productivity in paddy fields, two optimal models were selected for irrigation management as fixed interval irrigation in the entire growing season and variable interval irrigation in different physiological growth stages of Hashemi variety, using SWAP model and Genetic Algorithm (GA). After validation of SWAP model, the chosen values were optimized by GA. In the optimal models, irrigation water depths and rice irrigation intervals were selected as the decision variables in different crop growth stages. Periodic irrigation management with fixed interval i.e. 7.33 days during the growing season, showed the maximum efficiency of irrigation water. However, the optimal variable intervals were 6.53, 4.60, 4.31 and 7.74 days during establishment, tillering stage, maturity, and harvest respectively. Finally,  for saving of water, improvement of irrigation water productivity, reduction of evapotranspiration, proper irrigation interval in Sefidroud irrigation network, and ease of measurement of inflow water volume, a fixed irrigation interval of 8 days and irrigation depth of 52, 30, 40 and 12 mm in, respectively, establishment stage, tillering, maturity, and harvest stages was recommended. The highest water productivity obtained was 1.59 kg/ m³.

کلیدواژه‌ها [English]

• Genetic Algorithm
• Intermittent irrigation management
• Optimization model
• SWAP model
• Water productivity