بهره‌برداری بهینه از منابع محلی می‌تواند در حفظ منابع آب اراضی شالیزلری و توزیع عادلانه آب مؤثر باشد. در این تحقیق برای بررسی نقش آب ‌بندان ‌ها در ذخیره آب محلی و استفاده بهینه از آن برای تأمین نیاز آبیاری اراضی شالیزاری، مدل شبیه ‌سازی-بهینه ‌سازی بهره‌برداری از آب ‌بندان توسعه داده شده است. تبخیرتعرق، نیاز آبیاری، دور آبیاری و بیلان آب ‌بندان توسط مدل شبیه ‌سازی می ‌شود و سپس با استفاده از الگوریتم ژنتیک باینری تعداد روزهای پمپاژ از کانال به آب ‌بندان با توجه به حجم آب درون آب بندان در هر روز و حجم آب سرریز شده از آن بهینه می ‌شود. مدل توسعه داده شده برای آب ‌بندان فشتام در شهرستان سنگر استان گیلان و اراضی شالیزاری آبخور آن اجرا شده است. نتایج اجرای مدل نشان داد که در سال آبی نرمال مورد بررسی 54 درصد از نیاز آبیاری اراضی شالیزاری مورد مطالعه از آب ذخیره شده باران و رواناب در آب ‌بندان فشتام تأمین شده است و نسبت آب سرریز شده از آب ‌بندان به حجم بیشینه آن 74 درصد است. اجرای مدل برای سناریوی توسعه آب ‌بندان به اندازه دو برابر حجم موجود نشان داد سهم آب ‌بندان در تأمین نیاز آبیاری اراضی شالیزاری مورد مطالعه می تواند به 91 درصد افزایش یابد. تفاصيل المقالة

روش Sufrace Energy BALance (SEBAL)یکی از پر‌کاربردترین روش‌های تعیین تبخیر و تعرق واقعی به کمک سنجش از دور است. با این حال فرض خطی بودن رابطه اختلاف دما و دمای سطح زمین و نیز استفاده از دو پیکسل گرم و سرد که توسط کاربر شناسایی می‌شوند از نقاط ضعف این روش محسوب می‌شود. روش Modified SEBAL (M-SEBAL) علاوه بر اصلاح این مشکل، دو مفهوم جدید لبه سرد و گرم را جایگزین پیکسل‌های سرد و گرم می‌کند که تاثیر بسزایی در افزایش دقت و نیز خودکارسازی اجرای الگوریتم و عدم نیاز به کاربر ماهر دارد. با این حال تعیین لبه گرم نیاز به محاسبات زیاد و در نتیجه بالا رفتن زمان محاسبه و امکان خطای محاسباتی دارد. در این تحقیق، شکلی ساده شده از روش M-SEBAL با نام Simplified M-SEBAL (SM-SEBAL) توسعه یافته است و نتایج حاصل از اجرای سه روش بر روی بیش از 300 لایه تصویری MODIS با داده‌های لایسیمتری و نیز داده‌های زمینی بیلان انرژی مزرعه تحقیقاتی دانشگاه تهران واقع در کرج مقایسه شده است. نتایج حاصل از اجرای سه الگوریتم نشان می‌دهد که الگوریتم SEBAL تبخیر و تعرق را بیش برآورد و دو الگوریتم دیگر آنرا اندکی کم برآورد می‌کنند. بیشترین خطای محاسبه شار گرمای محسوس مربوط به روش M-SEBAL با 87/33 درصد و کمترین میزان خطا مربوط به نتایج روش SEBAL (23/11 درصد) می‌باشد. با این حال حداکثر خطا در مقادیر تبخیر تعرق روزانه در نتایج روش SEBAL (56/3 درصد) و کمترین میزان خطا در روش SM-SEBAL ( 18/1 درصد) مشاهده شد. تفاصيل المقالة

متخصصین اقلیم‌شناسی برای بسیاری از مناطق دنیا، کاهش بارندگی و افزایش دما را پیش‌بینی کرده‌اند. بنابراین، شناخت تغییرات اقلیم منطقه‌ای لازمة دستیابی به کشاورزی پایدار می‌باشد. در این مطالعه، تغییرات میانگین و انحراف معیار میانگین‌های ماهانه‌ی متغیرهای کمینه و بیشینه‌ی دما، رطوبت نسبی، سرعت باد، تابش خورشیدی و بارندگی در 5 ایستگاه در محدوده‌ی شبکه‌ی آبیاری و زهکشی قزوین برای دوره‌ی 2069-2040 نسبت به دوره‌ی مبنا (1999-1980) مطالعه شدند. به منظور تعیین دامنه‌ی این تغییرات، از 5 گروه نمایشنامه‌ی تغییر اقلیم استفاده شد. در گروه اول، کلیه‌ی نمایشنامه‌های تغییر اقلیم در کنار یکدیگر مورد بررسی قرار گرفتند. چهار گروه دیگر هریک شامل یک خانواده از نمایشنامه‌هایی تغییر اقلیم SRES بودند، که شامل نمایشنامه‌های Commit، A1B، A2 و B1 می‌باشند. با استفاده از روش وزن‌دهی عکس فاصله (IDW)، مقادیر تغییرات هریک از متغیرها تحت نمایشنامه‌های مختلف و برای هریک از ایستگاههای مطالعاتی تعیین شدند. نتایج نشان از افزایش متوسط کمینه‌ی دما به میزان 61/1 درجه، افزایش میانگین بیشینه‌ی دما به میزان 93/1 درجه، کاهش متوسط رطوبت نسبی به میزان 2%، کاهش متوسط سرعت باد به میزان 1% و کاهش متوسط بارندگی به میزان 2% داشتند. تغییر قابل توجهی در متوسط تابش خورشیدی مورد انتظار نیست، ضمن این‌که روند منظم و مشخصی در دگرگونی این متغیرها در ماههای مختلف سال قابل تشخیص نبود. همچنین، مشاهده گردید که انحراف معیار میانگین‌های ماهانه‌ی کلیه‌ی متغیرها بطور متوسط دچار افزایش خواهد گردید، و این افزایش برای دو متغیر بیشینه‌ی دما و بارندگی بیشتر از سایر متغیرها برآورد گردید.   تفاصيل المقالة