عنوان پایان‌نامه
مدیریت کمیت و کیفیت آب در رودخانه ها با تاکید بر مدیریت زهاب های کشاورزی
- رشته تحصیلی
- مهندس عمران- مهندسی محیط زیست
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 2298;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 78333;کتابخانه پردیس یک فنی شماره ثبت: 2298;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 78333
- تاریخ دفاع
- ۰۸ دی ۱۳۹۵
- دانشجو
- مریم سلطانی
- استاد راهنما
- رضا کراچیان
- چکیده
- هدف این رساله ارائه الگویی برای مدیریت کیفیت آب رودخانه‌های مجاور شبکه‌های آبیاری و زهکشی است، به طوری که بتواند عدم قطعیت‌های مهم موجود در مسأله مدیریت کمیت و کیفیت منابع آب رودخانه‌ای و منابع آلاینده کشاورزی را در کنار اهداف و محدودیت‌های معمول اقتصادی و محدودیت‌های مرتبط با کمیت و کیفیت آب در نظر بگیرد. در این راستا، ترکیبی از رویکرد‌های ارزش در معرض ریسک شرطی (CVaR ) و تئوری شکاف اطلاعاتی ، برای در نظر گرفتن عدم قطعیت‌های عمیق ناشی از عدم وجود اطلاعات کافی (برای مثال در اراضی در دست توسعه) پیشنهاد شده است. در این رساله، به منظور تعیین ظرفیت زیرساخت‌های لازم برای مدیریت کیفیت آب رودخانه از داده‌های بلندمدت هیدرولوژیکی برای تدوین یک مدل بهینه‌سازی دوهدفه غیرقطعی استفاده شده است که خسارت احتمالاتی ناشی از عدم قطعیت آب سطحی در دسترس سالانه را از طریق تابع CVaR محدود می‌نماید. اهداف این مدل، حداکثر کردن درآمد کشاورزی و حداقل کردن مجموع انحراف زهاب به برکه‌های تبخیر هستند و از نتایج یک مدل بلندمدت بهره‌برداری مخزن برای محاسبه توزیع احتمالاتی جریان آب سطحی در دسترس، استفاده می‌شود. به منظور انتخاب سیاست برتر از میان جواب‌های منحنی تعامل بین اهداف مدل بهینه‌سازی، پایداری و فرصت این جواب‌ها در برابر عدم قطعیت‌های مدل‌سازی، با استفاده از مفهوم شکاف اطلاعاتی مورد بررسی قرار می‌گیرد. این عدم قطعیت در پارامترهای مدل‌سازی ناشی از تعدد پارامترها، فقدان اطلاعات کافی برای تعیین آنها و در حال ساخت بودن بخش‌هایی از شبکه آبیاری و زهکشی منطقه مورد مطالعه می‌باشد. سیاست برتر حاصل از مدل شکاف اطلاعاتی، درآمدی معادل 1011×848/1 تومان دارد و میزان کل انحراف زهاب سالانه در این سیاست برابر MCM 84/7 است. ظرفیت زیرساخت‌های انتقال زهاب و حجم برکه‌های تبخیر مورد نیاز برای ذخیره زهاب اضافی که از خروجی‌های اصلی سیاست برگزیده در مدل برنامه‌ریزی هستند، به عنوان محدودیت وارد مدل بهینه‌سازی بهره‌برداری در زمان واقعی می‌شوند. هدف این مدل، تعیین مقادیر بهینه مساحت زیر کشت و مجوزهای برداشت آب و تخلیه بار آلودگی به رودخانه می‌باشد. به منظور تخمین بهنگام مقدار جریان سطحی که در بقیه سال آبی در دسترس خواهد بود، یک مدل شبکه عصبی برای پیش‌بینی زمان واقعی مقدار جریان آب ورودی به مخزن سد در ابتدای هر ماه آبی آموزش داده شده است. کل مجوزهای بهینه تخصیص‌یافته در مدل زمان واقعی توسط یک مدل با هدف توزیع عادلانه مجوزها، بین آب‌برها بازتوزیع می‌گردند. معیار عدالت در این مدل، متناسب بودن آب توزیع‌شده با مساحت پتانسیل اراضی کشاورزی آب‌برها است. در ادامه به آب‌برها اجازه داده می‌شود به صورت دوبه‌دو وارد تجارت همزمان مجوزهای آب و بار آلودگی شوند. در هر گام تجارت، داد و ستدی بین خریداران و فروشنده‌های بالقوه انجام می‌شود که درآمد سالانه را بیشتر افزایش دهد یا حجم زهاب کمتری را سالانه به برکه تبخیر منتقل نماید. در نهایت از بازی‌های همکارانه نوکلئولوس برای توزیع درآمد حاصل از تجارت مجوزها در گام‌های مختلف استفاده شده است. در مدل‌های بهینه‌سازی توسعه داده شده، از مدل آگروهیدرولوژیکی SWAP برای شبیه‌سازی کمیت و کیفیت زهاب تولید شده در اراضی کشاورزی و تخمین تولید نسبی محصولات استفاده شده است. این مدل علاوه بر شبیه‌سازی فرایند رشد گیاه، عواملی چون آب و هوای منطقه، مشخصات خاک و گیاه کشت شده و شرایط زهکشی را نیز در نظر می‌گیرد. کارایی مدل‌های پیشنهادی در منطقه پای‌پل از حوضه رودخانه کرخه، مورد ارزیابی قرار گرفته است. بر اساس نتایج رساله، ساختار مدل‌های پیشنهادی به خوبی قادر هستند عدم قطعیت‌های موجود را در نظر بگیرند و سیاست پایداری را تعیین کنند که ضمن رعایت محدودیت‌های کمیت و کیفیت آب، حداکثر درآمد کشاورزی و حداقل انحراف زهاب به برکه‌های تبخیر را در منطقه پای‌پل به دنبال دارند.
- Abstract
- This dissertation aims to develop a methodology that integrates the significant uncertainties of the allocation problem with the usual objectives and constraints in managing the water quality and quantity of rivers, flowing through agricultural irrigation and drainage networks. A combination of Conditional Value at Risk (CVaR) and Info-Gap decision theory has been proposed to incorporate the deep uncertainties that result from insufficient data (e.g. in agricultural lands that are under developement). In order to determine the capacity of the infrastructure necessary for river water quality management, long term hydrological data has been used in developing an inexact multi-objective optimization model that utilizes CVaR to limit the probabilistic loss that results from uncertainties in available surface water. Two objectives of this planning framework include maximizing the total agricultural income and minimizing the total agricultural return flow diverted to evaporation ponds. A long term storage operation model is utilized in deriving the probability distribution of the surface water flow that is available annually. Calculating the robustness and opportuneness of non-dominated pareto optimal solutions to the optimization problem, Info-Gap is applied in choosing the best allocation policy in uncertain conditions. The selected policy generates a total income of 1.748e+11 Tomans and needs the diversion of 7.84 MCM of return flow to evaporation ponds, in order to keep water qulity levels within the standard limits. The main outcomes of the planning model, namely the capacity of the infrastructures needed to divert the return flows and the evaporation pond volume required to store them, are incorporated as constraints in the optimization model for operating the system in real time. This model allocates the water use and waste load discharge permits and determines the optimum cultivation area. Artificial Neural Network (ANN) has been utilized in real time prediction of the water flowing into the storage, from the first day of each month to the end of cultivation period. Sum of the optimally allocated permits in real time operation model are reallocated between users, applying a fairness criteria that aims at proportionating each user's relative permit to their potentially arable land. Users will be allowed to trade these water and waste load permits simultaneously, in a bilateral, step by step framework. The trade that takes place at each step will be among the potential buyer and seller that results in either more income or less diverted flow. Nucleolus cooperative game has been used to redistribute the income generated through trading permits in different steps. In planning and operation frameworks, Soil Water Atmosphere Plant (SWAP) agro-hydrologic model has been utilized to simulate the quantity and quality of agricultural return flows, as well as the expected crop productions. SWAP can incorporate local weather and soil specifications in simulating drainage and crop growth.
