طراحی روش آبیاری جویچه‌ای با هدف افزایش اجراپذیری و کاهش هزینه کارگری به‌صورت تک هدفه

نوع مقاله : مقاله پژوهشی

نویسنده

گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر-دانشگاه تربیت دبیر شهید رجایی

چکیده

افزایش بهره‌وری در بکارگیری منابع کشاورزی همواره مورد توجه بوده‌است. آب یکی از محوری‌ترین و مؤثرترین منابع مورد نیاز در کشاورزی است. روش آبیاری سطحی به روش جویچه‌ای یکی از پر استفاده‌ترین روش‌های آبیاری است. معمولا روش‌های آبیاری با هدف افزایش کیفیت که به‌صورت کمی نیز قابل اندازه‌گیری است، طراحی می‌شوند. علاوه بر کیفیت، اجراپذیری و هزینه کارگری مورد نیاز برای آبیاری دو عامل مهم دیگری هستند که در صورت عدم توجه به آن‌ها کیفیت بالقوه مورد انتظار از روش آبیاری در عمل تحقق‌پذیر نخواهد بود. اما در اکثر مدل‌های طراحی روش آبیاری صرفا کیفیت مورد توجه بوده‌است. در این پژوهش مدلی مبتنی بر شبیه‌سازی و بهینه‌سازی برای طراحی روش آبیاری جویچه‌ای با هدف افزایش اجراپذیری، کاهش هزینه کارگری در کنار افزایش کیفیت ارائه شده‌است. این مدل از روش خبره فازی که بر اساس دانش کشاورزان با سابقه آماده‌شده برای کمی‌سازی میزان هزینه کارگری و اجراپذیری طرح آبیاری استفاده می‌کند. آزمایش‌هایی بر اساس داده‌های چندین مزرعه مختلف انجام شد که کیفیت مدل پیشنهادی را تایید نمود. هم‌چنین با مقایسه نتایج مشخص شد روش پیشنهادی به‌صورت متوسط منجر به کاهش 10 درصدی میزان هزینه کارگری و افزایش 9 درصدی میزان اجراپذیری شده‌است.

کلیدواژه‌ها

عنوان مقاله [English]

Design of a Furrow Irrigation System With The Aim of Increasing The Practicality and Decreasing The Cost Labor as a Single Objective Model

نویسنده [English]

  • ehsan pazouki
Department of Artificial Intelligence, Shahid Rajaei Teacher Training University
چکیده [English]

Increasing productivity in the use of agricultural resources has always been considered. Water is one of the most central and effective resources needed in agriculture. The furrow surface irrigation system is one of the most widely used irrigation systems. Irrigation systems are usually designed to increase quality, which can also be quantified. In addition to quality, practicality and the amount of required labor for irrigation are two other important factors that if not considered, the potential quality considered in the irrigation plan will not be realized. But in most irrigation system design models, only quality has been considered. In this research, a simulation and optimization model is presented for designing a furrow irrigation system with the aim of increasing practicality, reducing labor along with increasing quality. This model uses a fuzzy expert system based on the knowledge of experienced farmers to quantify the amount of labor and the practicality of the irrigation system. Experiments have been performed based on data from several different farms that show the quality of the proposed model. Also, by comparing the results, it was found that the proposed method, on average, has led to a 10% reduction in the labor and a 9% increase in the practicality.

کلیدواژه‌ها [English]

  • Furrow Irrigation System
  • Practicality of Irrigation System
  • Labor

مراجع

آزاد طلاتپه، ن.، رضاوردی نژاد، و.، بشارت، س.، بهمنش، ج. و صدرالدینی، س. ع. 1396. بهینه‌سازی سیستم آبیاری موجی بر اساس متغیرهای آبیاری و هندسی جویچه با مدل SIRMOD. مدیریت آب و آبیاری. 7(1): 166-151.
بیک زاده، ا.، ضیایی، ع. ن.، داوری، ک. و انصاری، ح. 1393. بهینه‌سازی میزان جریان ورودی و زمان آبیاری در آبیاری جویچه‌ای با استفاده ازمدل هیدرودینامیک کامل. نشریه آبیاری و زهکشی ایران. 8(2): 385-377.
رضایی راد، ه.، ابراهیمیان، ح. و لیاقت، ع. م. 1400. تخمین معکوس ضریب زبری مانینگ با استفاده از مدل WinSRFR و بررسی تغییرات آن در رخدادهای مختلف آبیاری. نشریه آبیاری و زهکشی ایران. 15(3): 610-598.
عباسی، ف.، 1391. اصول جریان در آبیاری سطحی. کمیته ملی آبیاری و زهکشی ایران، 232 صفحه
Akbari, M., Gheysari, M., Mostafazadeh-Fard, B. and Shayannejad, M. 2018. Surface irrigation simulation-optimization model based on meta-heuristic algorithms. Agricultural Water Management. 201: 46-57.
Al-Ghafri, A. 2005. On-Farm labor allocation and water use in smallholder irrigation systems: Lessons from Africa and Arabia. WIT Transactions on Ecology and the Environment. 80: 557-569.
Amosson, S., Almas, L., Girase, J., Kenny, N., Guerrero, B., Vimlesh, K. and Marek, T. 2011. Economics of Irrigation Systems. Texas A&M AgriLife Extension Service, B-6113.
Bautista, E., Clemmens, A. J., Strelkoff, T. S. and Niblack, M. 2009. Analysis of surface irrigation systems with WinSRFR—Example application. Agricultural Water Management. 96(7): 1162-1169.
Drury, B., Valverde-Rebaza, J., Moura, M.-F. and de Andrade Lopes, A. 2017. A survey of the applications of Bayesian networks in agriculture. Engineering Applications of Artificial Intelligence. 65: 29-42.
Eiben, A. E., and Smith, J. E. 2015. Introduction to Evolutionary Computing: Springer-Verlag Berlin Heidelberg.
Elliott, R., R. Walker, W. and V. Skogerboe, G. 1983. Furrow Irrigation Advance Rates: A Dimensionless Approach. Transactions of the ASAE. 26(6): 1722-1725.
Garcia, A. M. 2014. SURDEV. URL: https://www.wur.nl/en/product/SURDEV.htm.
Hansen, N. and Ostermeier, A. 2001. Completely Derandomized Self-Adaptation in Evolution Strategies. Evolutionary Computation. 9(2): 159-195.
Hooke, R. and Jeeves, T. A. 1961. "Direct Search" Solution of Numerical and Statistical Problems. Journal of the ACM. 8(2): 212-229.
Hoseini, Y. 2019. Use fuzzy interface systems to optimize land suitability evaluation for surface and trickle irrigation. Information Processing in Agriculture. 6(1): 11-19.
Kambalimath, S. and Deka, P. C. 2020. A basic review of fuzzy logic applications in hydrology and water resources. Applied Water Science. 10(8): 191.
Mazarei, R., Mohammadi, A. S., Naseri, A. A., Ebrahimian, H. and Izadpanah, Z. 2020. Optimization of furrow irrigation performance of sugarcane fields based on inflow and geometric parameters using WinSRFR in Southwest of Iran. Agricultural Water Management. 228: 105899.
Pazouki, E. 2021. A practical surface irrigation system design based on volume balance model and multi-objective evolutionary optimization algorithms. Agricultural Water Management. 248: 106755.
Price, K., Storn, R. M. and Lampinen, J. A. 2005. Differential Evolution: A Practical Approach to Global Optimization. Berlin Heidelberg: Springer-Verlag.
Quanxing, Z., Chwan-Hwa, W., and Tilt, K. 1996. Application of fuzzy logic in an irrigation control system. Paper presented at the Proceedings of the IEEE International Conference on Industrial Technology (ICIT'96).
Saberi, E., Siuki, A. K., Pourreza‐Bilondi, M. and Shahidi, A. 2020. Development of a simulation–optimization model with a multi-objective framework for automatic design of a furrow irrigation system. Irrigation and Drainage 69(4): 603-617.
Salahou, M. K., Jiao, X. and Lü, H. 2018. Border irrigation performance with distance-based cut-off. Agricultural Water Management. 201: 27-37.
Saruwatari, N. and Yomota, A. 1995. Forecasting system of irrigation water on paddy field by fuzzy theory. Agricultural Water Management. 28(2): 163-178.
Walker, W. R. 1989. Guidelines for designing and evaluating surface irrigation systems: FAO FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED NATIONS Rome.
Walker, W. R. 2003. SIRMOD III Surface Irrigation Simulation, Evaluation and Design. In: Department of Biological and Irrigation Engineering. Utah State University, Logan, UT, USA.
Walker, W. R. and Skogerboe, G. V. 1987. Surface irrigation, Theory and practice. USA, Englewood Cliffs, New Jersey: Prentice-Hall.
 
 
 
نشریه آبیاری و زهکشی ایران
دوره 15، شماره 5 - شماره پیاپی 89
آذر و دی 1400
صفحه 1226-1237

فایل ها

هم رسانی

ارجاع به این مقاله

آمار