تحلیل تغییرات سطح آب زیرزمینی دشت عجب‌شیر با کاربرد الگوی اتورگرسیو تلفیقی میانگین متحرک فصلی (SARIMA)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی آذربایجان شرقی، سازمان تحقیقات، آموزش و ترویج کشاورزی، تبریز، ایران

2 ژوهشی موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران.

چکیده

دشت عجب‌شیر ازجمله مناطق مهم کشاورزی استان آذربایجان شرقی است که بیش از نصف نیاز آبی محصولات مختلف زراعی و باغی در این دشت، از منابع آب زیرزمینی تأمین می‌شود. برداشت مداوم و بی‌رویه از آب زیرزمینی موجب افت بیش از 5/5 متر از سطح آب از سال 1363 تاکنون 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 الگوهای سری‌های زمانی در الگوبندی و پیش‌بینی رفتار پدیده‌های با تغییرات زمانی در مهندسی آب، این پژوهش با هدف تحلیل تغییرات سطح آب زیرزمینی دشت عجب‌شیر با الگوهای آماری سری‌های زمانی انجام گردید. در این پژوهش افت سطح آب زیرزمینی به مدت 44 سال با 16 روش الگوبندی ارزیابی گردید و پس از ارزیابی، الگوی اتورگرسیو تلفیقی میانگین متحرک فصلی (SARIMA) مناسب‏ترین الگو تشخیص داده شد. نحوه الگو‏بندی، آزمون و پیش‏بینی با الگوی یادشده به این صورت بود که حدود 50 درصد داده‌های افت سطح آب زیرزمینی برای الگوبندی (از سال 1363 تا 1385)، 25 درصد آن برای آزمون (1385 تا 1396) و 25 درصد بقیه (1396 تا 1407) برای پیش‏بینی استفاده گردید. نتایج نشان داد با فرض ادامه یافتن شرایط موجود بهره‏برداری و استفاده از آب کشاورزی در دشت، میانگین حجم افت آب زیرزمینی در سال یازدهم پیش‌بینی (1407) برابر 5/26 میلیون مترمکعب خواهد بود. برای مدیریت بهینه مصرف آب زیرزمینی، سناریوهای مختلف صرفه‏جویی شامل ادامه روند بهره‏برداری، مصرف منبع آب زیرزمینی با 10، 15، 20، 25 و 30 درصد صرفه‏جویی با شروع از سال 1397 در نظر گرفته شد. در صورت صرفه‏جویی از سال 1397 به‌اندازه 10 درصد، در سال یازدهم نزدیک سه میلیون مترمکعب در آب زیرزمینی صرفه‏جویی خواهد شد.

کلیدواژه‌ها


عنوان مقاله [English]

Groundwater Levels Modeling and Forecasting for Ajabshir Plain by a Seasonal Autoregressive Integrated Moving Average (SARIMA)

نویسندگان [English]

  • Abolfazl Nasseri 1
  • Alireza Hassanoghli 2
1 Agricultural Engineering Research Department, East Azarbaijan Agricultural and Natural Resources Research and Education Center, AREEO, Tabriz, Iran.
2 Agricultural Engineering Research Institute, Agricultural Research , Education and Extension Organization (AREEO), Karaj, Iran
چکیده [English]

Ajabshir plain is one of the most important agricultural areas in East Azarbaijan province, which groundwater resources were applied more than half the water requirement of Agricultural productions in this plain. Continuous utilization of groundwater caused a decline of 5.5 m from since 1984. Therefore, optimal and sustainable exploitation of groundwater resources in this plain is a management necessity. Consequently, modeling and prediction of the exploitation process could be accomplished by an appropriate technique. This research was conducted with the aim of analyzing the groundwater level variations in Ajabshir 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. Also, in this study, the groundwater level decline was modeled for 16 years with 16 models. A Seasonal Autoregressive Integrated Moving Average (SARIMA) was recognized as the most appropriate pattern. Modeling, testing and prediction model was as follows: about 50% of the data for modeling (from 1984 to 2006), 25% for the test (from 2006 to 2017) and 25% (from 2017 to 2028) was used for prediction. Results showed that the average volume of groundwater drop in the 11th year of the forecast (2028) is equal to 26.5×106 m3 under continued exploitation with the current conditions for agricultural production in the plain. Different saving scenarios, including 0, 10, 15, 20, 25 and 30 percent savings starting from 2018 were considered for optimal management of groundwater application. In the eleventh year, about ×106 m3 of groundwater will be saved with savings of only 10% from 2018.

کلیدواژه‌ها [English]

  • Ajabshir Plain Aquifer
  • Groundwater
  • Groundwater modeling
  • Autoregressive analysis

 

بی‌نام.1370. طرح جامع آب کشور، منابع آب‌های زیرزمینی (نحوه محاسبه بیلان آب زیر‌زمینی و مجموع بیلان حوزه‌ها، تقسیم‌بندی دشت‌ها ازنظر پتانسیل). شرکت مهندسین مشاور جاماب.104 ص.

بی‌نام. 1381. فرهنگ جغرافیایی رودهای کشور جلد اول حوضه آبریز دریاچه ارومیه. سازمان جغرافیایی نیروهای مسلح.320 ص

بی‌نام، 1396. بررسی وضعیت منابع آب زیرزمینی کشور. شرکت مدیریت منابع آب ایران، معاونت مطالعات پایه و مدیریت حوضه‌های آبریز، وزارت نیرو. ایران

پورعباس، ف.1378. برآورد بازده‌های آبیاری در استان آذربایجان شرقی در سال‌های زراعی 77-1376 و 76-1375. یازدهمین همایش کمیته ملی آبیاری و زهکشی ایران. صفحه‌های 563 تا 580.

حسین زاده، ج. جوادی، ا. حیاتی، ب. پیش بهار، ا. و دشتی، ق. 1390. کاربرد الگوی کنترل بهینه در برداشت آب از منابع زیرزمینی، مطالعه موردی دشت عجب‌شیر. نشریه اقتصاد و توسعه کشاورزی. جلد 25، شماره 2. صفحه 212 تا 218.

چیت‌سازان، م. میرزائی، س. ی. و چینی پرداز، ر. 1386. منطقه‌بندی آبخوان شهرکرد با استفاده از تحلیل سری‌های زمانی. مجله علوم. دانشگاه شهید چمران اهواز. قسمت ب. صفحه‌های 1 تا 15.

رحمانی، ع. ر. و سدهی، م. 1383. پیش‌بینی تغییرات سطح آب زیرزمینی دشت همدان- بهار با الگو سری‌های زمانی. مجله آب و فاضلاب. جلد 15 شماره 3 صفحه‌های 42 تا 49.

مهندسین مشاوربندآب.1375. گزارش مطالعات مرحله یکم طرح قلعه چای عجب‌شیر، جلد ششم. مطالعات آب‌های زیرزمینی قسمت اول و دوم (الگو‌های ریاضی آبخوان دشت عجب‌شیر و حفاری اکتشافی و آزمایشی پمپاژ چاه‌های اکتشافی دشت). آرشیو سازمان آب منطقه‌های آذربایجان شرقی. تبریز

ناصری، ا. 1383. تجزیه‌وتحلیل سری‌های زمانی نفوذ و توزیع زمانی مکانی جریان سطحی در آبیاری جویچه‌ای. پایان‌نامه دکتری علوم و مهندسی آبیاری. دانشکده کشاورزی دانشگاه تبریز.

مهندسین مشاور جاماب. 1372، طرح جامع آب کشور، سیمای توسعه دشت‌های ایران، حوزه‌های آبریز شمال و آذربایجان. جلد اول، 288 صفحه

نیرومند، ح. 1376. تحلیل سری‌های زمانی، روش‌های یک متغیری و چند متغیری (ترجمه). دانشگاه فردوسی مشهد.

هاشمی، ر. و جهانشاهی، م. 1384. تحلیل و پیش‌بینی بارندگی ماهانه وسالانه در منطقه تربت حیدریه خراسان. پنجمین سمینار احتمال و فرآیند‌های تصادفی. بیرجند.

ویسی پور، ح. معصوم پور سماکش، ج. ف. صحنه، ب؛ و یوسفی، ی.1389. تحلیل پیش‏بینی روند بارش و دما با استفاده از مدل‏های سری‌های زمانی (ARIMA) نمونه موردی: شهرستان کرمانشاه. مجله علوم و مهندسی آبخیزداری ایران. جلد8  ، شماره 2. صفحه‌های 21 تا 30.

Anthony, C.A. and N. Juddy. 2004. The influence of climate variability and climate change on agricultural production in Nigeria. EMS Annual Meeting Abstracts, 1: 449-449.

Brightte, E.J. and M. J. Hendry. 2003. Application of harmonic analysis of water levels to determine vertical hydraulic conductivity. Groundwater, 41(40): 514-522.

Castellano-Mendez, M., W. Gonzalez-Manteiga, M. Febrcro- Bende, J.M. Prada-Sanchez and R. Lozano-Calderon. 2004. Modeling of monthly and daily behavior of the run off the Xallas River using Box-Jenkins and Neural networks methods. Journal of Hydrology, 296: 38-58.

Leite, S. and J. Peixoto. 1996. The autoregressive model climatologically time series an application to the longest time series in Portugal. International Journal of Climatology, 16: 1165-1173.

Padilla, A., Puldo-Bosch, A., Cavache, M. and Vallejos, A. 1996. The ARMA model applied to the flow of Karst Spring. Water Resources Bulletin, 32:917-928.

Quimpo, R.G.1968. Autocorrelation and spectral analysis in hydrology. Journal of Hydraulic Division, ASCE, 94(2): 363-373.

Sen, Z. 1998. Small sample estimation of the time average in climate time series. International Journal of Climatology, 18: 1725-1732.

Ahn, H. 2000. Modeling of groundwater heads based on second order difference time series modeling. J. Hydrology, 234: 82-94.

Anonyms. 2012. Groundwater resources statues. Energy Ministry. Iran

Box, G.E.P. and D.R. Cox. 1964. An analysis of transformation. Roy. Stat. Soc., Se.26: 211-252.

Brockwell, P.J. and R.A. Davis. 1996. Introduction to time series and forecasting. Springer- Verlag, New York, Inc.

Burlando, P., A. Montana, and R. Raze. 1996. Forecasting of storm rainfall by combined use of radar, rain gages and liner models, Atmospheric Research, 42: 199-216.

Chatfield, C. 1996. The analysis of time series: an introduction. 5th edition. Chapman and Hall. UK.

Choubin, B. and Malekian, A. 2017. Combined gamma and M-test-based ANN and ARIMA models for groundwater fluctuation forecasting in semiarid regions. Environmental Earth Sciences, 76(15), p.538.

Chow, V.T. and S.J. Kareliotis. 1970. Analysis of stochastic hydrologic systems. Water Resources Research, 16: 1569-1582.

Gibrilla, A., G. Anornu, and D. Adomako. 2018. Trend analysis and ARIMA modelling of recent groundwater levels in the White Volta River basin of Ghana. Groundwater for Sustainable Development, 6:150-163.

Salas, J.D., J.W. Delleur, V.M. Yevjevich and W.L. Lane. 1980. Applied modeling of hydrologic time series. Water Resources publications. Littleton Co.

Samani, N. 2001. Response of karest aquifer to rainfall and evaporation, Maharlu basin, Iran. Journal of Cave and Karest Studies, 63: 23-40.

Samani, N., Raeissi, E. and A. Soltani, 1994. Modeling the stochastic behavior of the Fars River. J. Science, IRI. 5 (1& 2): 49-58.

Siadat, H. 2000. Iranian agriculture and salinity. Soil and Water Research Institute of Iran, Tehran, Iran.

Taweesin, K., U. Seeboonruang, and P. Saraphirom, 2018. The Influence of Climate Variability Effects on Groundwater Time Series in the Lower Central Plains of Thailand. Water, 10(3), p.290.

Yang, Q., Y. Wang, J. Zhang and J. Delgado. 2017. A comparative study of shallow groundwater level simulation with three time series models in a coastal aquifer of South China. Applied Water Science, 7(2): 689-698.