عنوان پایان‌نامه
توسعه سامانه تصمیم یار مکانی برای تحلیل منابع آب یک حوضه تحت سناریوهای مختلف توسعه کشاورزی
- رشته تحصیلی
- مهندسی کشاورزی - مهندسی منابع آب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6886;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74727;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6886;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74727
- تاریخ دفاع
- ۲۴ بهمن ۱۳۹۴
- دانشجو
- رزگار عرب زاده
- استاد راهنما
- کیومرث ابراهیمی, شهاب عراقی نژاد
- چکیده
- توسعه سامانه‌های تصمیم‌یار از جمله رویکردهایی است که در دهه اخیر با توجه به توسعه بسیار زیاد سیستم‌های کامپیوتری به عنوان ابزار و دستیار در تصمیم‌گیری‌های پیچیده برای مدیران منابع آب مورد توجه قرارگرفته‌اند. از جمله انواع مختلف این سامانه‌ها، سیستم تصمیم‌یار مکانی (SDSS) است. سیستم‌های تصمیم‌یار مکانی نوعی از این سامانه‌ها می‌باشند که در آن‌ها اجزای اطلاعاتی و پایگاه داده‌های آن دارای وابستگی زمینی بوده به طوری که موقعیت آن‌ها در تصمیم سازی و تصمیم‌گیری نهایی اهمیت بسزایی دارد. تاکنون سامانه‌های تصمیم‌یار مکرراً برای مدیریت منابع آب در جنبه‌های مختلف آن از جمله، آب‌ها سطحی، زیرزمینی، تلفیقی، بهره‌برداری کیفیت و کمی و غیره توسعه داده‌شده‌اند. در مطالعه حاضر نیز یک سامانه تصمیم‌یار توسعه داده‌شده که بر مبنای آن می‌توان به برخی از سؤالات مطرح در حوضه مدیریت منابع آب‌های زیرزمینی پاسخ داد. این سامانه تصمیم‌یار مکانی که برای دسته‌بندی حقابه¬های کشاورزی و خرید آن‌ها طراحی شده است، با در نظر گرفتن معیارهای انتخاب مختلف و تلفیق و ادغام آن‌ها اقدام به این مهم می‌کند. سامانه تصمیم توسعه داده‌شده مشتمل بر چند ماژول مجزا و مکمل همدیگر فرایند تصمیم‌گیری را در رابطه با این مسئله را انجام داده و سناریوهایی را به کاربر ارائه می‌نماید. در سامانه تصمیم‌یار مذکور ابتدا داده‌های ورودی آبخوان دهگلان واقع در استان کردستان در قالب تعدادی نقطه زمینی شامل اطلاعات حقابه¬ها وارد سیستم می‌شوند. سپس این اطلاعات مورد پیش‌پردازش قرارگرفته و با استفاده از مدل‌های زمین‌آماری تبدیل به لایه‌هایی برای کل منطقه مورد مطالعه می‌گردند. سپس اطلاعات مذکور با استفاده از دو روش تلفیق سازی شامل یک روش بر مبنای فشرده‌سازی اطلاعات (تجزیه به مقادیر تکین، SVD) و یک روش تصمیم‌گیری چند معیاره به یک نقشه اندکس تبدیل شد. پس از آن با استفاده از نقشه‌های اندکس حاصل از هر دو روش تصمیم‌گیری، منطقه¬بندی ناحیه مورد مطالعه با استفاده از یک روش دسته‌بندی نوین اطلاعات (دهک‌ها)، انجام گردید. سپس با سناریوسازی برای خرید و تقلیل حقابه¬ها برای هر یک از دهک‌های موجود در سناریوها و استفاده از مدل‌سازی و شبیه‌سازی تراز آبخوان، اثر هر یک از این سناریوها بر تراز آبخوان بررسی گردید. سناریوهای موردنظر همگی نشان از صعود تراز آبخوان با اع
- Abstract
- Decision Support Systems (DSSs) are one of the most prototypes of approaches have been used for water resources management in the growing world of computers. Spatial Decision Support Systems (SDSSs) are one of the common types of these systems. In SDSSs geographically georeferenced datasets, used for analysis, their position are crucial on results and decision making. During the last years various decision support systems are developed for water resources management such are DSSs for surface water hydrology, groundwater hydrology, conjugative use of water resources systems and quantitative-qualitative DSSs for assessing impact of water quality on decision making results. The current study proposes a platform and a DSS for answering some special issues related to groundwater systems under water resources management realm for Dehgolan aquifer in Kurdistan, Iran. This SDSSs by concerning a multi-criterion system and suppose to composition of these criterions attempts to propose some scenarios and solutions on groundwater system restoration and agricultural water right purchasing. In this SDSS at first a given input point datasets are prepossessed and then are regionalized by geostatistical models. The schematic outcome maps then are composed through two various methods include a method based on matrix decomposition and image compression (Singular Value Decomposition) and a method based on multi-criteria decision making. Since the first method is basically data-driven and the last one is based on experts' judgment, the final decision is dedicated to a newly developed clustering algorithm for aggregating the results of the last two methods into a range of unified class scores (10 deciles). The deciles equivalent water right purchasing were evaluated using a groundwater table trained model to simulate the applied scenario. The study proposed 4 individual scenarios. In the final step the impacts of scenarios was evaluated and results showed that the best scenario belongs
