مدیریت مبتنی بر بازار منابع آب زیرزمینی با در نظر گرفتن عدم قطعیت حاصل از پایش مصارف
Publish place: Modares Civil Engineering journal، Vol: 23، Issue: 4
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 235
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MCEJ-23-4_010
تاریخ نمایه سازی: 6 اسفند 1403
Abstract:
کاهش دسترسی به منابع آب های زیرزمینی و افت مداوم تراز آبخوانها در مناطق مختلف جهان به دلیل برداشت بی رویه و مدیریت ناپایدار این منابع، موجب ایجاد مشکلات محیط زیستی، اقتصادی و اجتماعی فراوان شده است. در این میان، بازار آب زیرزمینی به عنوان راه حلی مناسب برای تعادل بخشی و احیای آبخوانها مورد توجه پژوهشگران و سیاست گذاران قرار گرفته است. این درحالی است که ایجاد بازار آب در مواردی به دلیل عدم وجود مکانیزمی کارا و موثر و عدم پایش و کنترل مناسب برداشتهای آب موجب افزایش تنش به منابع آب شده است. در این مقاله با پیشنهاد و ارزیابی ساز و کار بازار آب فصلی هوشمند، به ارائه ی الگویی برای مدیریت منابع آب های زیرزمینی با در نظرگرفتن عدم قطعیت های موجود پرداخته شده است. همچنین دورسنجی تبخیر-تعرق به عنوان رویکردی نوین برای اندازه گیری و پایش مصارف آب در بازار آب زیرزمینی در این تحقیق پیشنهاد شده است. در این راستا عدم قطعیت حاصل از خطای مدل دورسنجی تبخیر-تعرق به عنوان الگوریتم پایش مصارف در نتایج ساز و کار بازار آب زیرزمینی با استفاده از روش تصمیمگیری استوار RDM[۱] ارزیابی شده است. نتایج نشان میدهند ساز و کار پیشنهادی بازار آبزیرزمینی فصلی موجب افزایش ۲۵ درصدی بهره وری اقتصادی مصرف آب در منطقه مطالعاتی شده است. همچنین با اجرای بازار آب، بازتوزیع حقآبه ها تناسب بهتری با سطح زیر کشت کاربران دارد.
[۱] Robust Decision Making (RDM)
Keywords:
Groundwater market , robust decision-making method , remote sensing , evapotranspiration , uncertainty , بازار آب زیرزمینی , روش تصمیم گیری استوار , سنجش از دور , تبخیر-تعرق , عدم قطعیت
Authors
سروش شرقی
University of Tehran
رضا کراچیان
Professor, School of Civil Engineering, University of Tehran
صفورا صفری
University of Tehran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :