بهینه سازی آبیاری سطحی با مدیریت کم هزینه آب

نوع مقاله : مقاله کامل علمی پژوهشی

نویسنده

نویسنده مسئول، استادیار گروه مهندسی علوم آب، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران.

چکیده

مقدمه و هدف: آبیاری سطحی معمولترین روش آبیاری است. بیش از 80 درصد زمین های کشاورزی ایران با روش‌های سطحی، آبیاری می شوند. بطور معمول، این روش در مقایسه با روش‌های آبیاری تحت فشار نیازمند سرمایه‌گذاری و مصرف انرژی پایین تری است. تلاش‌های زیادی برای بهینه سازی اقتصادی مصرف آب و نیز حفظ محیط زیست در ایران انجام می‌شود. اصلاح پارامترهای طراحی و مدیریت آب در سطح مزرعه، می تواند به بهبود عملکرد سامانه های آبیاری منجر شود. هدف اصلی این تحقیق، بهینه سازی بازده آبیاری با کمترین هزینه و به کمک مدل های شبیه سازی است.
مواد و روشها: منطقه مورد مطالعه شامل مزارع منتخب منطقه ملاثانی خوزستان واقع در جنوب غربی ایران است. آزمایش‌های مزرعه‌ای در 2 مزرعه که به روش سطحی آبیاری می‌گردید، انجام شد. آزمایشات شامل سه نوبت آبیاری و سه نوار آبیاری(به عنوان تکرارهای آزمایش) در هر مزرعه صورت گرفت. آزمایش‌ها بر روی نوارهایی به طول 150 متر، عرض 7 متر و شیب 0.125 درصد در مزرعه 1 و به طول 200 متر، عرض 7 متر و شیب 0.1 درصد در مزرعه 2 انجام شد. دبی ورودی 25 و 35 لیتر در ثانیه در مزارع 1 و 2 اعمال شد. کنترل دبی ورودی با استفاده از فلوم wsc صورت گرفت. جهت اندازه گیری زمان پیشروی و پسروی، طول نوارهای آبیاری به قطعاتی با فواصل 10 متری تقسیم شد. تابع هدف (OF) شامل بازده کاربرد و یکنواختی توزیع برای بهینه سازی عملکرد آبیاری مورد استفاده قرار گرفت و بهترین ترکیب پارامترهای آبیاری نواری با مدل شبیه سازی تعیین گردید.
نتایج: نتایج این مطالعه نشان داد که با توجه به شبیه سازی انجام شده، تغییر در میزان دبی ورودی ، تأثیری بر مقدار بیشینه تابع هدف ندارد. بهترین عملکرد سامانه در مزرعه اول، با میزان دبی ورودی 35 لیتر بر ثانیه، مدت زمان آبیاری 30 دقیقه و طول 50 متر، و در مزرعه دوم با مقدار دبی 20 لیتر در ثانیه، زمان آبیاری 48 دقیقه، طول 50 متر بدست آمد. نتایج نشان داد که میانگین شاخص ریشه میانگین مربعات خطای نرمال شده (NRMSE) مورد استفاده جهت ارزیابی مدل شبیه‌سازی در دو مزرعه، در مورد منحنی پیشروی برابر 7/12، 5/12 و 6/11درصد و به مقدار 9/6 ،8/6 و6/6 درصد برای منحنی پسروی است.
نتیجه گیری: آبیاری تحت فشار نسبت به آبیاری سطحی نیازمند هزینه سرمایه گذاری و انرژی بالاتری است. از طرف دیگر شدت تبخیر در منطقه مورد مطالعه بالاست. بدلیل اینکه دبی ورودی و مدت زمان آبیاری از موثرترین پارامترهای بهینه سازی آبیاری سطحی است، بنابراین، در این منطقه و در سطح مزارع کوچک، پیش بینی و انتخاب ترکیب بهینه مدت زمان آبیاری و دبی ورودی، در مقایسه با اصلاح طول و شیب زمین و یا تغییر سامانه سطحی به تحت فشار، ابزار کم هزینه تری برای بهبود عملکرد آبیاری سطحی است.

کلیدواژه‌ها


عنوان مقاله [English]

Optimization of surface irrigation by low-cost water management

نویسنده [English]

  • Saied Jalily
Corresponding Author, Assistant Professor, Department of Water Engineering, Agricultural Sciences and Natural Resources University of Khuzestan, Mollasani, Iran.
چکیده [English]

Background and objectives: Surface irrigation is the most common method of irrigation. over 80% of agricultural lands in Iran are irrigated by this method. Generally, this technique, has lower investment and energy requirements than pressurized irrigation methods. Many efforts are applied to improve the economic output of water use and to preserve the environment in Iran. Modifying the design and management parameters at the farm level, can improve the performance of irrigation systems. The main objective of this study, is to optimize surface irrigation efficiency, with low-cost tools, using a simulation model.
Materials and methods: The study areas were selected fields of Molla-Sani region in Khuzestan province, located in southwest of Iran. Field experiments were carried out in two fields, irrigated using a surface irrigation system. Three irrigation events and three plots (as repeats) were applied per field. Experiments were conducted on the three borders of 150 m length, 7 m width, and 0.125 % slope, in Field 1, and on three borders of 200 m in length, 7 m width, and 0.1 % slope, in Field 2. The inflow rates of 25 and 35 L/s were applied in the fields 1 and 2. Inflow rate was checked using a W.S.C flume. The borders were divided into parts of 10 m distances to measure the advance and recession times. The best combination of parameters was determined with the simulation model. The objective function (OF) including the application efficiency and the distribution uniformity was applied to optimize the irrigation performance.
Results: This study showed that, based on simulation model, changing the inflow rate, has no effect on the best value of objective function. The optimal inflow rate and cut-off time are recommended as 35 L/s and 30 min in a border with length of 50 m, in the Field 1, and, the best performance in the Field 2, are obtained from the inflow rate of 20 L/s and the cut-off time of 48 min and length of 50 m. Field experiments showed that, the difference of infiltration rates, were not significant, during this study. Based on the data obtained from three events, in both fields, and analyzed via the simulation model, the average NRMSE (Normalized Root Mean Square Error) index values for the evaluation of the advance curves were 12.7, 12.5, and 11.6%, while of the recession curves were 6.9, 6.8, and 6.6%.
Conclusion: The pressurized irrigation has the high investment and energy requirements than surface irrigation. Furthermore, the evaporation rate is much, in the research region. Because of the inflow rate and cutoff time are the most effective parameters in improving irrigation, thus, in this region, prediction and selection of the optimum combination of cut-off time and inflow rate are the low-cost tools to improve the surface irrigation performance compared to modifying length and slope in border irrigation or transform of surface to pressurized system, in the farm level.

کلیدواژه‌ها [English]

  • inflow rate
  • cut-off time
  • efficiency
1.Lalehzari, R., and Boroomand Nasab, S. 2017. Improved volume balance using upstream flow depth for advance time estimation. J. Agr. Water Manage. 186: 120-126.
2.Mazarei, R., Soltani-Mohammadi, A., Naseri, A.A., Ebrahimian, H., and Izadpanah, Z. 2020. Optimization of Furrow Irrigation Performance of Sugarcane Fields Based on Inflow and Geometric Parameters Using WinSRFR in Southwest of Iran. J. Agr. Water Manage. 228: 105899.
3.Key, M. 1990. Recent developments for improving water management in surface irrigation and overhead irrigation. Agri. Water Manage. 17: 7-23.
4.Merriam, J.L. 1977. Efficient Irrigation, California polytechnic and State Univ., San Luis Obisgo, Calif.
5.Garcia-Navarro, P., Sanchez, A., Clavero, N., and Playan, E. 2004. Simulation model for level furrows. II. Description, validation and application. J. Irrig. Drain. Engin. 130: 113-21.
6.Katopodes, N.D. 1974. Shallow water equations at low Froud Numbers. M. S. thesis, Univ. of California, Davis, Calif.
7.Strelkoff, T.S. 1972. Prediction of increases in surface-irrigation efficiencies. Proc. National Water Resource Meeting, ASCE, New York.
8.Strelkoff, T.S., and Katopodes, N.D. 1977. Border irrigation hydraulics with zero-inertia. J. Irrig. Drain. Div. 103: 325-42.
9.Clemmens, A.J., and Strelkoff, T. 1999. SRFR, Version 4.06. U. S. Water Conservation Laboratory. Agricultural Research Service, Phoenix.
10.Walker, W.R. 1989. SIRMOD–A model of surface irrigation. Utah State Univ., Logan, Utah, USA.
11.Bahrami, M., Boroomand Nasab, S., Naseri, A.A., and Albaji, M. 2010. Comparison of Muskingum-Cunge model and irrigation hydraulic models in estimation of furrow irrigation advance phase. Res. Crops. 11: 2. 541-544.
12.Bautista, E., Clemmens, A.J., and Strelkoff, T.S. 2009. Modern analysis of surface irrigation systems with WinSRFR. J. Agr. Water Manage. 96: 7. 1146-1154.
13.Lalehzari, R., Boroomand-Nasab, S., and Bahrami, M. 2014. Modification of Volume Balance to Compute Advance Flow in the Furrow Using Upstream Actual Depth. JWSS, 18: 69. 251-260.
14.Moradzadeh, M., Boroomand-Nasab, S., Lalehzari, R., and Bahrami, M. 2013. Performance evaluation and sensivity analysis of various models of SIRMOD software in furrow irrigation design. Water engineering. 6: 18.63-73.
(In Persian)
15.Morris, M.R., Hussain, A., Gillies, M.H., and Halloran, N.J. 2015. Inflow rate and border irrigation performance. J. Agr. Water Manage. 155: 76-86.
16.Raine, S.R., McClymont, D.J., and Smith, R.J. 1997. The development of guidelines for surface irrigation in
areas with variable infiltration. In: Proceedings of Australian Society of Sugarcane Technol. pp. 293-301.
17.Anwar, A.A., Ahmad, W., Bhatti, M.T., and Haq, Z.U. 2016. The potential of precision surface irrigation in the Indus basin irrigation system. J. Irrig. Sci. 34: 5. 379-396.
18.Chen, B., Ouyang, Z., and Zhang, S.H. 2012. Evaluation of hydraulic process and performance of border irrigation with different regular bottom configurations. J. Resour. Ecol. 3: 2. 151-160.
19.Gonzalez, C., Cervera, L., and Fernandez, D.M. 2011. Basin irrigation design with longitudinal slope. J. Agr. Water Manage. 98: 10. 1516-1522.
20.Kifle, M., Gebremicael, T.G., Girmay, A., and Gebremedihin, T. 2017. Effect of surge flow and alternate irrigation on the irrigation efficiency and water productivity of onion in the semi-arid areas of North Ethiopia. J. Agr. Water Manage. 187: 69-76.
21.Clemmens, A.J., Dedrick, A.R., and Strand, R.J. 1995. BASIN 2.0. A computer program for the design of level-basin irrigation systems. WCL Report #19, U.S. Water Conservation Laboratory, Phoenix, AZ, USA.
22.Strelkoff, T.S., Clemmens, A.J., Schmidt, B.V., and Slosky, E.J. 1996. BORDER-a design and management aid for sloping border irrigation systems. WCL Report 21. US Dept of Agr Research Service, U.S.
23.Bautista, E., Schlegel, J.L., and Strelkoff, T.S. 2012. WinSRFR 4.1 User manual. Arid land agricultural research Cent.
24.Bautista, E., Schlegel, J., and Clemmens, A.J. 2015. The SRFR 5 modelling system for surface irrigation. J.
Irrig. Drain. Eng. 42: 1. 04015038.1-040150380.11.
25.Jamieson, P., Porter, J., and Wilson, D. 1991. A test of the computer simulation model ARCWHEAT1 on wheat crops grown in New Zealand. Field crops research. 27: 337-350.
26.Nie, W.B., Li, Y.B., Zhang, F., and Ma, X.Y. 2019. Optimal discharge for closed-end border irrigation under soil infiltration variability. J. Agr. Water Manage. 221: 58-65.
27.Akbar, G., Ahmad, M.M., Ghafoor, A., Khan, M., and Islam, Z. 2016. Irrigation Efficiencies Potential Under Surface Irrigation Farms In Pakistan. J. Engin. Appl. Sci. 35: 2. 15-23.