پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 162 |
| تعداد شماره‌ها | 6,666 |
| تعداد مقالات | 71,850 |
| تعداد مشاهده مقاله | 128,556,042 |
| تعداد دریافت فایل اصل مقاله | 101,385,501 |
توسعه چارچوب یک مدل بهینه‌سازی مدیریت آبیاری با درنظر گرفتن تناوب زراعی | ||
| تحقیقات آب و خاک ایران | ||
| دوره 55، شماره 12، اسفند 1403، صفحه 2391-2408 اصل مقاله (2.29 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2024.380435.669774 | ||
| نویسندگان | ||
| محمد علی بوش1؛ کامران داوری* 2؛ سید محمدرضا ناقدی‌فر3؛ حسین بانژاد4؛ صدیقه صادقی5 | ||
| 1گروه علوم و مهندسی آب- دانشکده کشاورزی- دانشگاه فردوسی مشهد- مشهد- ایران | ||
| 2گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
| 3گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
| 4گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران. | ||
| 5گروه ریاضی کاربردی، دانشکده علوم ریاضی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
| چکیده | ||
| در کشورهای خشک و نیمه خشک مانند کشور ایران به دلیل پراکنش نامناسب زمانی و مکانی بارندگی، تولید مواد غذایی با تکیه بر کشاورزی فاریاب صورت میگیرد و بخش زیادی از منابع آبی این اقلیمها، به کشاورزی اختصاص دارد. لذا انتخاب راهکارهایی که باعث کاهش مصرف شده و استفاده بهینه آب در این بخش را به دنبال داشته باشد، اولویت دارد. به این منظور در این پژوهش، از تناوب زراعی بهعنوان عامل مؤثر در معادله بهینه‌سازی، برای محاسبه ماتریس ضریب تأثیر تناوب کشت، از نظر کشاورزان خبره از طریق پرسشنامه استفاده شده است. درایههای این ماتریس، ضرایب تأثیر کشت هر محصول پس از محصول دیگر را نشان میدهد. ضریب تأثیر تناوب در مدل بهینه‌سازی تخصیص آب با هدف بیشینهسازی سود اقتصادی، برمبنای الگوریتم ژنتیک و استفاده از مدل گیاهی AquaCrop plug- in ارائه شد. برای این منظور کدنویسی سی‌شارپ (C#) در محیط Visual Studio برای بهینه‌سازی تناوب‌های سه، چهار، پنج، شش و هفت ساله با محصولات گندم، سویا، گوجه فرنگی، سیب زمینی، ذرت، یونجه، جو و چغندرقند در یک مطالعه موردی تحلیلی انجام شد. همچنین اثر تناوب کشت بر عملکرد محصول و تخصیص آب بر میزان سود مورد انتظار از واحد زراعی توسط یک معادله ارزشیابی بررسی شد. نتایج بهینه‌سازی تناوب‌ها نشان داد بهترین سود اقتصادی محاسبه شده مربوط به تناوب چهار ساله (چغندرقند، ذرت، سیب زمینی و گوجه فرنگی) است. همچنین بهینهترین تناوب برای کاهش حجم آب تخصیص یافته برای تناوب هفت ساله بود که به میزان 45/9 درصد کاهش یافت. لذا بهینه‌سازی تناوب زراعی، پارامتری مؤثر در میزان عملکرد محصولات مختلف، افزایش سود و صرفهجویی آب در درازمدت می‌باشد. | ||
| کلیدواژه‌ها | ||
| اکوکراپ؛ الگوریتم ژنیتیک؛ سود اقتصادی؛ کم آبیاری | ||
| عنوان مقاله [English] | ||
| Development of the framework of an irrigation management optimization model considering crop rotation | ||
| نویسندگان [English] | ||
| Mohammad Ali Boush1؛ , Kamran Davary2؛ Seyed Mohammadreza Naghedifar3؛ Hussin banjad4؛ Sedigheh Sadeghi5 | ||
| 1department of science and Water engineering , Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran | ||
| 2department of science and Water engineering , Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran | ||
| 3department of science and Water engineering , Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran | ||
| 4department of science and Water engineering , Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran | ||
| 5Department of Applied Mathematics, Faculty of Mathematical Sciences, Ferdowsi University of Mashhad, Mashhad, Iran | ||
| چکیده [English] | ||
| In arid and semi-arid countries such as Iran, the uneven spatial and temporal distribution of rainfall necessitates a reliance on irrigated agriculture for food production. Consequently, a substantial portion of water resources is allocated to agriculture. Identifying strategies reducing water consumption and improving its efficiency in agriculture are critical priorities. This study employs crop rotation as a key variable in an optimization framework to calculate a matrix of impact coefficients based on insights from expert farmers. The matrix quantifies the effects of sequential crop planting. These coefficients are incorporated into a water allocation optimization model aimed at maximizing economic profitability, utilizing a genetic algorithm and the AquaCrop plug-in program. For this purpose, C# coding within Visual Studio was used to optimize three-, four-, five-, six-, and seven-year rotations involving wheat, soybean, tomato, potato, corn, alfalfa, barley, and sugar beet. Moreover, the impact of crop rotation on crop yield, water allocation, and expected profitability per unit area was evaluated using a valuation formula. Rotation Optimization results indicated that the four-year rotation (sugar beet, corn, potato, tomato) achieved the highest economic profit, while the seven-year rotation was most effective in reducing water allocation (by 9.45%). Therefore, crop rotation optimization is a significant parameter for enhancing crop yield, boosting profitability, and achieving long-term water savings. | ||
| کلیدواژه‌ها [English] | ||
| AquaCrop, Economic Profitability, Deficit irrigation, Genetic Algorithm | ||
| مراجع | ||
|
Akbari, A., Naghi Ziaei, A., Naghedifar, S.M., Rezvani Moghaddam, P., & Gholami Sharafkhane, M. (2023). Improving saffron irrigation scheduling using field measurements and plant modeling. Saffron Agronomy & Technology, 11(1): 53-69. (In Persian). Alhameid, A., Ibrahim, M., Kumar, S., Sexton, P., & Schumacher, T. E. (2017). Soil organic carbon changes impacted by crop rotational diversity under no-till farming in South Dakota, USA. Soil Science Society of America Journal, 81(4): 868–877. Battilani, A., (2006). Water and nitrogen use efficiency, dry matter accumulation and nitrogen uptake in fertigated processing tomato. Acta Hortic. 724: 67–74. Daxin, G., Jørgen, E. O., Johannes, P., Changjiang, G., &X iaoyi, Ma. (2020). Calibrating Aqua Crop model using genetic algorithm with multi-objective functions applying different weight factors, Agronomy journal, 712100, China. Doorenbos, J., & Kassam, A. H. (1979). Yield response to water. Irrigation and Drainage, FAO paper no. 33, Rome, Italy. Farahani, H., Gabriella, I., & Oweis, T. (2009). Parameterization and Evaluation of the Aqua Crop model for full and deficit irrigated cotton. Journal of Agronomy, 101:469-476. García-Vila, M., Fereres, E., Mateos, L., Orgaz, F., & Steduto, P. (2009). Deficit irrigation optimization of cotton with Aqua Crop. Journal of Agronomy, 101: 477- 487. Geerts, S., Raes, D., Garcia, M., Miranda, R., Cusicanqui, J., Taboada, C., Mendoza, J., Huanca, R., Mamani, A., Condori, O., Mamani, J., Morales, B., Osco, V., & Steduto, P. (2009). Simulating yield response of quinoa to water availability with Aqua Crop. Journal of Agronomy, 101: 498-508. Hamid, S., Saiedeh, A., Mohammad, H., Mohammad Ali, H., & Fatemeh, H. (2018). The Effect of Crop Rotation on Some Soil Properties in Dry Lands (Case Study Roknabad Maybod). Environmental Science Studies, 4th period, 4th issue, winter season, pages 2056-2062. (In Persian). Heng, L., Hsiao, T., Evett, S., Howell, T., & Steduto, P. (2009). Validating the FAO Aqua Crop model for irrigated and water deficient field maize. Journal of Agronomy, 101: 487-498. Javadi, A., Farmani, R., &Tan, T. P. (2005). A hybrid intelligent genetic algorithm. Advanced Engineering Informatics, 19, 255–262. Keykhamoghadam, P., Naghi Ziaei, A., Davari, K., Kanooni, A., & Sadeghi, S. (2023). Optimal allocation of water and land in moghan irrigation network using crop model and genetic algorithm, Iranian Journal of Soil and Water Research,53(12),2921-2935. (In Persian). Kirchherr, J., & Charles, K. (2018). Enhancing the sample diversity of snowball samples: Recommendations from a research project on anti-dam movements in Southeast Asia. PLOS ONE, 13(8), e0201710. Liang, H., Qi, Z., DeJonge, K. C., Hu, K., & Li, B. (2017). Global sensitivity and uncertainty analysis of nitrate leaching and crop yield simulation under different water and nitrogen management practices. Computers and Electronics in Agriculture, 142, 201–210. Luiz, G., Henrique, D., Alvadi, J., Julio, F., Antonio, C., & Tiago, T. (2022). Diversified crop rotations increase the yield and economic efficiency of grain production systems, European Journal of Agronomy. Volume 137, Page 126528. Li, A., Wu, Y., Tai, X., Cao, S., & Gao, T. (2023). Effects of Alfalfa Crop Rotation on Soil Nutrients and Loss of Soil and Nutrients in Semi-Arid Regions. Sustainability, 15, 15164. Ma, H., Malone, R. W., Jiang, T., Yao, N., Chen, S., Song, L., Feng, H., Yu, Q., & He, J. (2020). Estimating crop genetic parameters for DSSAT with modified PEST software. European Journal of Agronomy, 115, 126017. Mullen, J. D., Escalante, C., Hoogenboom, G., & Yu, Y. (2005). Determinants of irrigation farmers’ crop choice and acreage allocation decisions: opportunities for extension service delivery. J. Extension, 43. Miglietta, P. P., Morrone, D., & Lamastra, L. (2018). Water footprint and economic water productivity of Italian wines with appellation of origin: Managing sustainability through an integrated approach. Science of The Total Environment, 633, 1280-1286. Osei, E., Jafri, S. H., Gassman, P. W., & Saleh, A. (2023). system and Farm-Level Economic Impacts of Conservation Tillage in a Northeastern Iowa County. Agriculture Simulated Eco, 13, 891. Qin, W., Zhang, X., Chen, S., Sun, H., & Shao, L. (2018). Crop rotation and N application rate affecting the performance of winter wheat under deficit irrigation. Agricultural Water Management, 210, 330–339. Ouda, S., & Zohry, A. (2015). Crop Rotation An Approach to Save Irrigation Water under Water Scarcity in Egypt. Agricultural and food sciences, environment science. Raes, D., Steduto, P., Hsiao, T., & Fereres, E., (2009). Aqua Crop the FAO crop model to simulate yield response to water: II. main algorithms and software description. Journal of Agronomy, 101, 438–447. Sarrafzadeh, N., Davari, K., Naghi Ziaei , A., & Ansari, H., (2022). Cultivation Pattern Optimization Using Crop Rotation Priorities Using AquaCrop Crop Yield Simulation Model to Maximize the Economic Benefit. Iranian Journal of Soil and Water Research,53(12),543- 557. (In Persian). Salemi, H., Mohd, M. A., Shui, T., Mousavi, S., Ganji, A., &Yusoff, M. (2011). Application of Aqua Crop model in deficit irrigation management of Winter wheat in arid region. African Journal of Agricultural Research, Vol. 610, pp. 2204-2215. Shrestha, J., Subed, S., & Timsina, K. (2021). Sustainable intensification in agriculture: an approach for making agriculture greener and productive,” Journal of Nepal Agricultural Research Council, vol. 7, pp. 133–150. Steduted, P., Raes, D., Hsiao, T., C., & Fereres, E. (2015). Aqua crop new features and updates version 5.0. FAO land and water division, Roma, Italy. Steduto, P., Hsiao, C., Heng, K., Raes, D., & Fereres, E. (2009). Aqua Crop the FAO crop model to simulate yield response to water. III. Parameterization and testing for maize. Journal of Agronomy, 101: 448-459. Ventrella, D., Giglio, L., Charfeddine, M., Lopez, R., Castellini, M., Sollitto, D., & Castrignano, A. (2012). Climate change impact on crop rotations of winter durum wheat and tomato in Southern Italy: yield analysis and soil fertility, Italian Journal of Agronomy.vol7: e15. Yu, T., Mahe, L., Li, Y., Wei, X., Deng, X., & Zhang, D. (2022). Benefits of Crop Rotation on Climate Resilience and Its Prospects in China. Agronomy, (12), 436.
| ||
|
آمار تعداد مشاهده مقاله: 121 تعداد دریافت فایل اصل مقاله: 93 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب