تعیین الگوی بهینه کشت در کانال‌های آبیاری با استفاده از مدل IPM

نوع مقاله : مقالات پژوهشی

نویسندگان

چکیده

چکیده
محدودیت منابع آب و خاک به دلیل موقعیت جغرافیایی و اقلیمی کشور از یک سو و ضرورت تحقق پذیری آرمان خود کفایی در امور زیربنایی از سوی دیگر، موجبات بهره برداری بهینه از منابع آب و خاک موجود در سطح کشور را امری اجتناب ناپذیر می‌سازد. این تحقیق جهت حداکثر نمودن سود، تخمین آب مورد نیاز گیاه در دوره‌های زمانی مختلف، بهینه کردن الگوی کشت و مدیریت آبیاری درکانال اردیبهشت در سطح زیر کشت 7000 هکتار از شبکه اصلی سد درودزن (استان فارس) انجام پذیرفت که برای نیل به اهداف فوق از برنامه‌ریزی خطی (LP) و الگوریتم ژنتیک (GA) به عنوان یک روش بهینه‌یابی تصادفی استفاده گردید. مقایسه الگوی بهینه کشت حاصل از مدل با الگوی کشت فعلی زارعین (بهره‌بردار نماینده) نشان داد که مدل ارایه شده در این تحقیق که به اختصار2 IPM نام گذاری شد، با تصمیم‌های زارعین برای کشت گیاهان مختلف به خوبی انطباق دارد. همچنین نتایج نشان داد که الگوی بهینه کشت (در فصل اول و دوم کشت) حاصل از الگوریتم ژنتیک (GA) شبیه برنامه‌ریزی خطی (LP) می‌باشد شایان ذکر است که برای به‌دست آوردن بهترین جواب در الگوریتم ژنتیک، تعداد تکرار 800، اندازه جمعیت 100، احتمال تقاطع 6/0، احتمال جهش 02/0 در نظر گرفته شد.

واژه‌های کلیدی : مدیریت آبیاری، الگوریتم ژنتیک، الگوی بهینه کشت، استان فارس

عنوان مقاله [English]

Determining the optimal cropping patterns of farmlands using irrigation planning model (IPM)

نویسندگان [English]

  • M.K .SH
  • T .H
چکیده [English]

Abstract
Due to limitation of available water and soil resources in Iran, the challenge of optimizing the utilization of these resources has become more significant. In this study it was attempted to maximize the project benefit, estimating crop water requirements at different growth stages, and optimizing the cropping pattern and irrigation management. In order to achieve these objectives mathematical model was solved with simple genetic algorithm (GA) and linear programming (LP) methods. The proposed model was applied to an irrigation project with 7000 ha of farmland irrigated by the main canal network of Doroodzan dam (Fars province). Comparing the optimal cropping pattern proposed by this model (IPM) with those practiced by the farmers showed that the model had a good consistency with farmers’ decisions for cultivating different crops. The results of this model also indicated that optimal planting pattern (in the 1st and 2nd growing season) was the same for GA and LP models. To find the best response from GA in this study the number of generations of 800, population size of 100, probability of crossover of 0.6, and probability of mutation of 0.02 was considered.

Key words: Genetic algorithm, linear programming, Cropping pattern, Optimizing, Fars province, Irrigation planning model (IPM)