سیستم زود هنگام هشدار خشکسالی براساس ریسک و عدم قطعیت در بهره‌برداری از سد زاینده رود همراه با ارائه راهکارهای کاهش کمبود آب

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد /مهندسی منابع آب، دانشکده کشاورزی دانشگاه تربیت مدرس، تهران، ایران.

2 استاد /گروه مهندسی منابع آب، دانشکده کشاورزی دانشگاه تربیت مدرس، تهران، ایران.

3 استادیار /گروه مهندسی منابع آب، دانشکده کشاورزی دانشگاه تربیت مدرس، تهران، ایران.

چکیده

برای مدیریت منابع آب در مناطق خشک که اتکای بیشتری به سدها و ذخیره‌سازی آب‌های سطحی دارند، استفاده از سیستم‌های زود هنگام هشدار خشکسالی (Drought Early Warning System) با معرف‌های هیدرولوژیکی، می‌تواند برای آمادگی بیشتر و جلوگیری از کاهش شدید ذخایر  آبی تا حد زیادی مفید واقع شود. در تحقیق حاضر  چنین سیستمی با تکیه بر مؤلفه‌های موثر در مدیریت سدهای مخزنی توسعه یافته است. سیستم زود هنگام هشدار خشکسالی توسعه داده شده شامل پنج  زیر مدل اصلی:  1) پایش خشکسالی 2)‌ اندازه‌گیری و پایش کمبود آب در آینده همراه با تحلیل عدم قطعیت 3) محاسبه یک شاخص هشدار برای اعلام هشدارهای لازم 4) تحلیل ریسک و عدم قطعیت و 5) ارائه  راهکارهای مناسب جهت کاهش کمبود آب می‌باشد که برای سد زاینده رود ارایه شده  است. در طراحی این سیستم ابتدا مصارف برای یک دوره 6 ماهه با در نظر گرفتن عدم قطعیت مربوط به سطوح احتمالاتی مختلف پیش‌بینی می‌شود، همچنین براساس اطلاعات تاریخی ذخیره آب مخزن و  به روش نگاشت خود سامان یافته (Self Organizing Feature Maps) پایش خشکسالی درپنج  دسته  (بدون خشکسالی، خشکسالی ضعیف، خشکسالی با شدت کم، خشکسالی شدید و خشکسالی خیلی شدید) انجام می‌گردد. سپس یک شاخص هشدار خشکسالی   (Drought Alert Index-DAI) با توجه به شرایط جاری مخزن سد و کمبود آب در دوره آتی 6 ماهه، ارائه می‌ شود و بر اساس نتایج حاصل از آن، سطوح مختلف هشدار از وضعیت نرمال تا شرایط کم آبی شدید با در نظر گرفتن عدم قطعیت‌های مربوطه مشخص می‌گردد. نهایتاً  با بکار بردن  یک مدل بهینه‌سازی غیر خطی با هدف حداکثر سازی درآمد مخزن، سطوح کاهش رهاسازی نسبت به هر یک از مقادیر DAI با استفاده از سناریو‌های مختلف بدست می‌آید. نهایتاً عملکرد  این سیستم  و نقش آن در کاستن از شدت خشکسالی طی دوره 1380-1377 که خشکسالی شدیدی بر منطقه حاکم بود، بررسی گردید . نتایج نشان داد که سیستم هشدار سریع ارائه شده به خوبی توانست هشدارهای لازم را با دقت 75 درصد ارائه و همچنین مقدار بهینه کاهش رهاسازی از سد را با توجه به سناریوهای مختلف  مدیریتی تعیین نماید. لذا این سیستم را می‌توان ابزار مناسبی برای مدیریت منابع آب در مناطقی که متکی به آب ذخیره شده در سد می‌باشند، قلمداد کرد

کلیدواژه‌ها


عنوان مقاله [English]

Drought early warning system based on the risks and uncertainties in operation of Zayandeh-Rud dam with solutions of water deficit reduction

نویسندگان [English]

  • M Golamzadeh 1
  • S Morid 2
  • M Delavar 3
1 M.Sc. of Water Resources Eng. Dept., College of Agriculture, Tarbiat Modares University, Tehran, Iran
2 Professor of Water Resources Eng. Dept., College of Agriculture, University of Tarbiat Modares, Tehran, Iran
3 Assistant Professor of Water Resources Eng. Dept., College of Agriculture, University of Tarbiat Modares, Tehran, Iran
چکیده [English]

For water resources management in dry areas that rely on dams and surface water storage, the use of Drought Early Warning System (DEWS) with the hydrological indicator that capability to deal with the drought and water shortage are very useful and it also prevents the reducing of water reserves.In this research, it is tried to develop a drought early warning system, relying on effective component in reservoir management. The developed drought early warning system consists of five essential elements, namely, (1) Drought monitoring, (2) Prediction and uncertainty analysis of water consumption in the future, (3) Calculation of an index for drought alert (4) Risk and uncertainty analysis and (5) Policy Making for Drought Management that used in Zayandeh-Rud dam. To design this system, at the first stage the inflow was predicted by using  Artificial Neural Networks (ANNS) in a period of 6-months with considering the relevant uncertainty and difference of probability levels. Also drought conditions were categorized in five levels by using of historical data (1983-2005) of reservoir water storage and using Self Organizing Feature Map (SOFM). The levels arenone, slightly severe, fairly severe, severe and very severe. Then a drought alert index was calculated with current drought monitoring conditions of reservoir and water consumption measuring in a 6-month forecast period.  Based on the results of calculated index, warning of different levels of green status (normal condition) to red status (severe condition) with relevant uncertainty and different  confidence levels was determined. In the next step, a nonlinear optimization model was used to determine  optimum reduction of demands for  maximum reservoir incomes. Finally, the performance of this system and its role in reducing the severity of the drought has been studied in the period of 1998-2001 as a severe drought in the study  region.Results showed that the developed DEWS can alert droughts with overall accuracy of about 75%[r1] . Furthermore, it  can determine the optimal water release in different management scenarios. So this system can be an effective tool for water resources management in areas that rely on dams.



 [r1]It is mentioned as 75% in text. Which one is true?

کلیدواژه‌ها [English]

  • Drought early warning system
  • Uncertainty
  • prediction
  • Drought
  • optimization
  • ZayandehRud dam

فرخ نیا، ا. و مرید، س. (1387) " تحلیل عدم قطعیت مدل‌های شبکه عصبی و نر و فازی برای پیش‌بینی جریان رودخانه"، مجله تحقیقات منابع آب ایران ، 15، صص 14-27. 

حسینی ‌صفا، ح. و مرید، س. و مقدسی ، م. (1388). "ارزیابی روش‌های تولید قوانین فازی برای بهره‌برداری از مخزن سد"، مجله تحقیقات منابع آب ایران، 19، صص 13-25.

عراقی‌نژاد، ش. (1384) " مدیریت منابع آب برپایه تحلیل‌های اقلیمی"، رساله‌ی دکتری دانشکده فنی دانشگاه امیرکبیر، تهران.

غلام‌زاده، م. ( 1388) "سیستم زود هنگام هشدار خشکسالی براساس ریسک و عدم­قطعیت در بهره‌برداری سد زاینده رود". پایان‌نامه کارشناسی ارشد دانشکده کشاورزی تربیت مدرس. تهران.

مرید، س. و پایمزد، ش. (1386) "مقایسه روش‌های هیدرولوژیکی و هواشناسی جهت پایش روزانه خشکسالی. مطالعه موردی دوره خشکسالی 1377 لغایت 1380 استان تهران". مجله علوم و فنون کشاورزی و منابع طبیعی، 42، صص 325-334.

مقدسی، م. (1388) "راهبردهای بهره‌برداری بهینه از مخازن سدها با تاکید بر مدیریت بهینه عرضه و تقاضای آب در دوره‌های خشکسالی". رساله دکتری دانشکده کشاورزی دانشگاه تربیت مدرس. تهران.

ASCE Task Committee, (2000). "Artificial neural networks in hydrology I: Preliminary concepts." Journal of Hydrologic Engineering, 5(2) pp.115-123.

Chang, T.J. and Kleopa, X. (1999). "A proposed method for drought  monitoring" Water Resources Management, 2, pp. 275-281.

Dawson, C.W. and Wilby, R.L. (2001). "Hydrological modeling using artificial neural networks. " Progress in Pyhsical Geography, 25 (1), pp.80-108.

Eckhardt K., Breur L. and Frede H. G. (2003). "Parameter uncertainty and the significance of Simulated land use change effects." Journal of Hydrology, 273, pp.164-176.

Gupta, H.V., Hsu, K. and Sorooshian, S. (2000)." Effective and efficient modeling for streamflow forecasting. In: Govindaraju, R.S., Rao, A.R. (Eds.)." Artificial Neural Networks in Hydrology, Kluwer, Dordrecht, the Netherland. pp. 7-22.

Huang, W.C. and Chou, C.C. (2008). "Risk- based drought early warning system in reservoir operation. " Advances in Water Resources, 31,pp. 649-660.

Huang, W.C. and Chou, C.C. (2005). "Drought early warning System in reservoir operation: theory and practice. " Water Resources Research, 41, 10, 1029/2004 WR003830.

Huang, W.C. and Yuan, L.C. (2004). "A drought early warning system on real time multi reservoir operation. " Water Resources Research, 40(6): W06401, doi: 10. 1029/2003 WR002910. W0461.

Kohonen, T. (2001). "Self- Organizing Maps (2nd edition). " Germany: Springer.

Kumar, V. (1998). "Improving a drought early warning model for  arid region using s soil- moisture index." Applied Geography, 29, pp. 402-408.

Liu, W. T. and Steinmetz, S. (1993). "Drought early warning system for crop production. " Anais do VII SBSR.

Lohani V. K. and Loganathan G.V. (1997). "An early warning system for drought management using the palmer drought index. " Journal of  American Water Resources Association, 33 (6), pp. 1375-86.

Marier, H. and Dandy, G.C. (2000). "Neural networks for the prediction and forecasting of water resources variables: A review of modeling issues and applications. "Environmental Modeling and Software, 15, pp.101-124.

Moghaddasi, M., Araghinejad, Sh. and Morid, S. (2009). "Long- term operation of irrigation dams considering variable demands: Case study of Zayandeh- Rud reservoir, Iran." Journal of Irrigation and Drainage Engineering (ASCE). 136(5): pp.309-316

Noori, R., Abdoli, M.A., Farokhnia, A. and Abbasi, M. (2009). "Results uncertainty of solid waste generation forecasting by hybrid of wavelet transform ANFIS and wavelet transform- neural  network." Expert System with Application: An International Journal. 36(6), pp. 9991-9999.

Sharma, S.K., and Tiwari, K. N. (2009). "Bootstrap based artificial neural network (BANN) analysis for hierarchical prediction of monthly  runoff in upper Damodar Vally catchments." Journal of Hydrology. 374, pp.209-222.

Shannon, C.E. (1948). "A mathematical theory of communication, Bell Syst.[r1] " Technology Journal .27, pp.379-423,623-656.


 [r1]r rmore, it as 75% in text. Which one is true?وشته شود.