نشریه علمی پژوهشی مهندسی آبیاری و آب ایران

نشریه علمی پژوهشی مهندسی آبیاری و آب ایران

بهینه‌سازی هم‌زمان الگوی کشت و برنامه‌ریزی آبیاری تحت سناریوهای مختلف تأمین آب با استفاده از الگوریتم گرگ خاکستری (GWO): مطالعه موردی شبکه آبیاری و زهکشی تجن، ساری

نوع مقاله : مقاله پژوهشی

نویسندگان
احمد محمدی 1
علی باقری 2
داود اکبری نودهی 3
1 دانشجوی دکتری، گروه علوم و مهندسی آب، واحد قائمشهر، دانشگاه آزاد اسلامی، قائمشهر، ایران
2 -استادیار گروه علوم و مهندسی آب، واحد قائمشهر، دانشگاه آزاد اسلامی، قائم شهر، ایران
3 استادیارگروه علوم و مهندسی آب، واحد قائمشهر، دانشگاه آزاد اسلامی، قائمشهر، ایران
10.22125/iwe.2026.591059.1936
چکیده
محدودیت روزافزون منابع آب و افزایش رقابت بین بخش‌های مختلف مصرف‌کننده، ضرورت استفاده از روش‌های نوین بهینه‌سازی برای مدیریت هم‌زمان الگوی کشت و برنامه‌ریزی آبیاری در سامانه‌های کشاورزی را افزایش داده است. هدف این پژوهش، تعیین الگوی کشت و برنامه آبیاری بهینه با هدف افزایش سود خالص و بهره‌وری اقتصادی آب در واحد عمرانی ۱ شبکه آبیاری و زهکشی تجن در شهرستان ساری بود. در این مطالعه، هفت محصول شامل برنج، مرکبات، گندم، جو، کلزا، ذرت علوفه‌ای و سویا در سطح ۳۰۰۰ هکتار مورد بررسی قرار گرفتند. مدل بهینه‌سازی با هدف بیشینه‌سازی سود خالص، تحت محدودیت منابع آب، اراضی قابل کشت و قیود مدیریتی توسعه و الگوریتم فراابتکاری گرگ خاکستری (GWO) برای حل مدل به‌کار گرفته شد. به‌منظور بررسی اثر شرایط مختلف مدیریت آب، ۲۷ سناریو شامل سه سطح تأمین آب (۱۰۰، ۸۰ و ۶۰ درصد)، سه دور آبیاری (۵، ۷ و ۱۰ روز) و سه سطح تخلیه مجاز رطوبت خاک (MAD) ) ۱۰۰، ۸۰ و ۶۰ درصد) تعریف و ارزیابی شد. نتایج نشان داد که مدیریت تلفیقی الگوی کشت و برنامه آبیاری می‌تواند بدون کاهش محسوس سود اقتصادی، مصرف آب را کاهش دهد. بهترین سناریو، W60-I10-M60، با کاهش ۷٫۸۷ درصدی حجم آب مصرفی نسبت به شرایط پایه، موجب افزایش ۰٫۳۵ درصدی سود خالص و بهبود ۸٫۹۳ درصدی بهره‌وری اقتصادی آب شد. بر اساس نتایج، استفاده از مدل‌های بهینه‌سازی مبتنی بر الگوریتم‌های فراابتکاری می‌تواند به‌عنوان ابزاری کارآمد برای تصمیم‌گیری مدیریتی، تخصیص بهینه منابع آب و افزایش پایداری اقتصادی شبکه‌های آبیاری در شرایط کم‌آبی مورد استفاده قرار گیرد.
کلیدواژه‌ها
بهینه‌سازی الگوی کشت
برنامه‌ریزی آبیاری
الگوریتم گرگ خاکستری
بهره‌وری اقتصادی آب
موضوعات

عنوان مقاله English

Simultaneous Optimization of Cropping Patterns and Irrigation Scheduling under Different Water Supply Scenarios Using the Grey Wolf Optimizer (GWO): A Case Study in the Tajan Irrigation and Drainage Network, Sari, Iran

نویسندگان English

Ahmad Mohammadi 1
ali bagheri 2
davood Akbari Nodehi 3
1 Ph.D. Candidate, Department of Water Science and Engineering, QaS.C., Islamic Azad University, Qaemshahr, Iran
2 Department of Water Science and Engineering, QaS.C., Islamic Azad University, Qaemshahr, Iran
3 Department of Water Science and Engineering, QaS.C., Islamic Azad University, Qaemshahr, Iran
چکیده English

Increasing water scarcity and competition among different water-use sectors have highlighted the need for advanced optimization approaches to simultaneously manage cropping patterns and irrigation scheduling in agricultural systems. This study aimed to determine the optimal cropping pattern and irrigation schedule to maximize net profit and improve economic water productivity in Unit 1 of the Tajan Irrigation and Drainage Network, Sari, Iran. Seven crops, including rice, citrus orchards, wheat, barley, canola, forage maize, and soybean, were evaluated across a cultivated area of 3,000 ha. An optimization model was developed to maximize net profit under constraints related to water availability, cultivable land, and management requirements, and the Grey Wolf Optimizer (GWO) was employed to solve the model. To evaluate different water management strategies, 27 scenarios were developed by combining three water supply levels (100%, 80%, and 60%), three irrigation intervals (5, 7, and 10 days), and three Management Allowable Depletion (MAD) levels (100%, 80%, and 60%). The results showed that integrated management of cropping patterns and irrigation scheduling can reduce water consumption without substantially reducing economic returns. The best-performing scenario, W60-I10-M60, reduced irrigation water consumption by 7.87% compared with the baseline scenario, while increasing net profit by 0.35% and economic water productivity by 8.93%. Overall, the results indicate that metaheuristic optimization models can serve as effective decision-support tools for water allocation, irrigation management, and improving the economic sustainability of irrigation systems under water-scarce conditions.

کلیدواژه‌ها English

Cropping pattern optimization
Irrigation scheduling
Grey Wolf Optimizer (GWO)
Economic water productivity
شعبانی، م، ک.، هنر، ت. و ع. ر. سپاسخواه، .1۳۸۷. بهینه سازی مصرف آب و الگوی کشت با استفاده از تکنیک کم آبیاری در سطح مزرعه: مطالعه موردی شبکه آبیاری درودزن فارس. مجله تحقیقات مهندسی کشاورزی، دوره 6 شماره 3، ص 52-35.
عزیزآبادی فراهانی، م. و ف. میرزایی. 1400.  بهینه سازی برنامه‌ریزی آبیاری در شرایط مختلف تأمین آب با استفاده از الگوریتم مورچگان. مجله پژوهش آب ایران، دوره 15 شماره1، ص 55-64.
نجفی، ا.، امیری ، ا.، ابراهیمیان، ح. و ه. میرابوالقاسمی. 1395. بهینه‌سازی برنامه‌ریزی آبیاری در واحدهای زراعی شبکه آبیاری و زهکشی شهید چمران اهواز. نشریه آبیاری و زهکشی ایران، دوره 10 شماره 3، ص ۳۳۹–۳۵۱.
یوسفی، م.، سلطانی، ج.، بنی‌حبیب، م. و ع. رحیمی‌خوب. 1395. توسعه مدل بهینه‌سازی چندهدفه بهره‌برداری تلفیقی پساب و آب زیرزمینی در شبکه آبیاری ورامین. مجله پژوهش آب در کشاورزی، دوره 30 شماره 4، ص  ۵۵۵–۵۶۷.
Aboutorabi, H. R., Ramroudi, M., Asgharipour, M. R. and M. S. Ghazanfari Moghadam.2025. Cropping pattern optimization for rainfed and irrigated lands in the Ghaenat and Zirkuh regions of Iran: A trade‐off between profit and water footprints, Water and Environment Journal. 39(2): 220–234.
Allen, R. G., Pereira, L. S., Raes, D. and M. Smith. 1998. Crop evapotranspiration: Guidelines for computing crop water requirements (FAO Irrigation and Drainage Paper No. 56.
Doorenbos, J. and A.H. Kassam, A. H. 1979. Yield Response to Water. FAO Irrigation and Drainage Paper No. 33.
Fereres, E., and M. A.  Soriano. 2007. Deficit irrigation for reducing agricultural water use. Journal of Experimental Botany, 58(2): 147–159.
Howell, T. A. 2001. Enhancing water use efficiency in irrigated agriculture. Agronomy Journal, 93(2), 281–289.
Khajehi, F., Moghimi, M. M. and A.R. Zarei. 2025. Providing optimal cropping patterns and water consumption according to monitored and forecasted drought conditions. Irrigation and Drainage. 74(1): 420–438
Kuo, S. F., Lin, B. J. and H.J 2006.  Estimation of irrigation water requirements with derived crop coefficients for upland and paddy crops in ChiaNan Irrigation Association, Taiwan. Agricultural Water Management, 82: 433–451.
Li, L., Zhou, Y., Li, M., Cao, K., Tao, Y. and Liu, Y. 2022. Integrated modelling for cropping pattern optimization and planning considering the synergy of water resources–society–economy–ecology–environment system. Agricultural Water Management, 271 (104): 107808.
Mirjalili, S., Mirjalili, S. M. and A Lewis. 2014. Grey Wolf Optimizer. Advances in Engineering Software, 69: 46–61
Mirzaei, A., a., Azarm, H and S. Naghavi. 2022. Optimization of cropping pattern under seasonal fluctuations of surface water using multistage stochastic programming, Water Supply 22(6):5716-5728
Nguyen, D. C. H., Maier, H. R., Dandy, G. C.and J.C. Ascough II .2016. Framework for computationally efficient optimal crop and water allocation using ant colony optimization. Environmental Modelling and Software, 76: 37–53.
Nguyen, D. H., Ascough II, J., Maier, H. R., Dandy, G. and A. Andales. 2017. Optimization of irrigation scheduling using ant colony algorithms and an advanced cropping system model. Environmental Modelling and Software, 97: 32–45.
Pereira, L. S., Oweis, T. and A. Zairi. 2002. Irrigation management under water scarcity. Agricultural Water Management, 57(3), 175–206.
Qureshi, S.A., Madramootoo, C. A and G.T. Dodds. 2001. Evaluation of irrigation schemes for sugarcane in Sindeh, Pakistan, using SWAP93. Agricultural Water Management, 54(1): 37-48.
Shahverdi, K. and J. M. Maestre. 2022. Gray Wolf Optimization for Scheduling Irrigation Water. Journal of Irrigation and Drainage Engineering, 148(7): 04022018.
Su, Z., Zhao, J., Zhuang, M., Liu, Z., Zhao, C., Pullens, J. W. M., Liu, K., Harrison, M. T. and X. Yang. 2024.Climate-adaptive crop distribution can feed food demand, improve water scarcity, and reduce greenhouse gas emissions. Science of the Total Environment, 944: 173819.
Wu, L., Tian, J., Liu, Y., Wang, Y.and P. Zhang. 2024. Multi-Objective Planting Structure Optimisation in an Irrigation Area Using a Grey Wolf Optimisation Algorithm, Water 16(16): 2297. . .
Ye, Z., Yin, S., Cao, Y., et al. (2024). AI-driven optimization of agricultural water management for enhanced sustainability. Scientific Reports, 14, 25721.
Zeng, X., Kang, S., Li, F., Zhang, L., and P. Guo. 2010. Fuzzy multi-objective linear programming for water resources allocation. Agricultural Water Management, 97: 134–142