چالش‌های حکمرانی منابع آب تحت‌تأثیر تغییر اقلیم و انتقال آب

نوع مقاله : پژوهشی

نویسندگان

1 گروه مهندسی عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

2 گروه مهندسی محیط زیست،واحد علوم و تحقیقات،دانشگاه آزاد اسلامی، تهران، ایران

3 گروه منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

چکیده

موضوع: رویکرد مدیریت منابع آب ‌باید مبتنی‌بر چارچوب حکمرانی آب در ابعاد مختلف برای تخصیص بهینه ازنظر زمانی و مکانی با نگاهی به شرایط آتی تعریف گردد.
هدف: با توجه به تنش‌های اقلیمی در کنار عدم برنامه‌ریزی در جهت تخصیص منابع آب، رویکرد شناسایی شرایط آتی برای درک پتانسیل‌های توسعه یا کنترل توسعه ضروری است.
روش تحقیق: در این مطالعه با توجه به بهره‌برداری تلفیقی از منابع آب سطحی و زیرزمینی در محدودۀ مطالعاتی قزوین و استفاده از آب انتقالی سد طالقان، شبیه‌سازی جریان ورودی به این سد و وضعیت آبخوان تحت شرایط تغییر اقلیم با استفاده از دو الگوریتم بهینه‌سازی شاهین آتشین و پنگوئن امپراتور با استفاده از مدل LSTM انجام گرفت. در این مطالعه دو سناریوی انتشار SSP 126 و SSP 585 به‌عنوان شرایط خوش‌بینانه و بدبینانه با استفاده از 3 مدل اقلیمی ارزیابی شد.
یافته‌ها: نتایج شبیه‌سازی اقلیمی نشان داد که میزان بارش در محدودۀ مطالعاتی قزوین روند کاهشی و میزان دما افزایش خواهد داشت. ازطرفی نیز با توجه به انتخاب مدل LSTM-FHO به‌عنوان مدل منتخب شبیه‌سازی، آبخوان قزوین از نظر تراز آب زیرزمینی شبیه‌سازی و نتایج حاکی از روند افزایشی افت و رسیدن کسری آبخوان به بیش از 400 میلیون مترمکعب در سال است. این کسری با توجه به کاهش جریان ورودی به سد طالقان نیز هست.
نتیجه‌گیری: نتایج به‌دست‌آمده در این مطالعه نشان داد که شرایط دشت قزوین با توجه به محدودیت منابع آب و انتقال جریان آب ازطرف سد طالقان شرایط پایداری را نداشته و این شرایط حاکی از عدم پتانسیل تأمین وضعیت فعلی بوده و نیاز به بازتعریف چارچوب حکمرانی و تخصیص آب در این دشت را نشان می‌دهد.

کلیدواژه‌ها

موضوعات


Abed, W. N. (2023). Solving Probabilistic Optimal Power Flow with Renewable Energy Sources in Distribution Networks Using Fire Hawk Optimizer. e-Prime - Advances in Electrical Engineering, Electronics and Energy, No. 6, 100370.
Akbari Osmavandani, S., Sharafati, A., Kardan Moghaddam, H. (2024). Assessing the Effectiveness of Artificial Intelligence Models in Predicting Zayanderud Dam Inflow at Different Time Scales. Acta Geophysica, 72(5), 3511–27. https://link.springer.com/article/10.1007/s11600-023-01257-4 (April 29, 2025).
Ansari, S., Dehban, H., Zareian, M., & Farokhnia, A. (2022). Investigation of temperature and precipitation changes in the Iran's basins in the next 20 years based on the output of CMIP6 model. Iranian Water Researches Journal, 16(1), 11-24. doi: 10.22034/iwrj.2022.11204 [In persian].
Asaadi, M., Khalilian, S., & Mousavi, S. (2019). Management of Irrigation Water Allocation and Cropping Pattern with emphasis on Deficit Irrigation Strategy (Case study: Qazvin Irrigation Network). Iran-Water Resources Research, 14(5), 1-14 [In persian].
Azizi, M., Talatahari, S., & Gandomi, A.H., (2023). Fire Hawk Optimizer: A Novel Metaheuristic Algorithm. Artificial Intelligence Review, 56(1), 287–363. https://link.springer.com/article/10.1007/s10462-022-10173-w (April 29, 2025).
Duc, N. H., et al. (2024). A Systematic Review of Water Governance in Asian Countries: Challenges, Frameworks, and Pathways Toward Sustainable Development Goals. Earth Systems and Environment 2024 8:2, 8(2), 181–205. https://link.springer.com/article/10.1007/s41748-024-00385-1 (April 29, 2025).
Harifi, S., Khalilian, M., Mohammadzadeh, J.,  & Ebrahimnejad, S. (2019). Emperor Penguins Colony: A New Metaheuristic Algorithm for Optimization. Evolutionary Intelligence, 12(2), 211–26. https://link.springer.com/article/10.1007/s12065-019-00212-x (April 29, 2025).
Mirdashtvan, M., Najafinejad, A., Malekian, A., & Sa’doddin, A. (2021). Sustainable Water Supply and Demand Management in Semi-Arid Regions: Optimizing Water Resources Allocation Based on RCPs Scenarios. Water Resources Management, 35(15), 5307–24. https://link.springer.com/article/10.1007/s11269-021-03004-0 (April 29, 2025).
Moghaddam, H. K., Abtahizadeh, E., & Abolfathi, S. (2025). Sustainable water allocation under climate change: Deep learning approaches to predict drinking water shortages. Journal of Environmental Management, No. 385, 125600.
Mudhsh, M., et al. (2023). Modelling of Thermo-Hydraulic Behavior of a Helical Heat Exchanger Using Machine Learning Model and Fire Hawk Optimizer. Case Studies in Thermal Engineering, No. 49, 103294.
Nazari, B. , Liaghat, A., & Parsinejad, M. (2021). Investigation of Irrigation Systems Development, Cropping Pattern Scenarios, and Deficit Irrigation on Water Productivity in Qazvin Irrigation Network by Systems Dynamics. Irrigation Sciences and Engineering, 44(4), 93-108. doi: 10.22055/jise.2020.28076.1819 [In pesian]
Noorbeh, P., Roozbahani, A., & Kardan Moghaddam, H. (2020). Annual and Monthly Dam Inflow Prediction Using Bayesian Networks. Water Resources Management, 34(9), 2933–51.
Pahl-Wostl, C. (2015). Water Governance in the Face of Global Change: From Understanding to Transformation. Water Governance in the Face of Global Change: From Understanding to Transformation, 1–287.
Paziresh, H. , Nazari, B., & Sotoodehnia, A. (2023). Evaluation of Water Productivity Improvement Strategies in Upstream and Downstream Regions of Qazvin Irrigation Network. Water and Irrigation Management, 13(1), 141-156. doi: 10.22059/jwim.2022.342528.987 [In persian]
Tortajada, C., & Biswas, A. (2013). Future Water Governance: Problems and Perspectives: 1–11. https://www.taylorfrancis.com/chapters/edit/10.4324/9781315874722-1/future-water-governance-problems-perspectives-asit-biswas-cecilia-tortajada (April 29, 2025).
Woodhouse, P., & Muller, M. (2017). Water Governance—An Historical Perspective on Current Debates. World Development, No. 92, 225–41.
دوره 12، شماره 2
تیر 1404
صفحه 779-794
  • تاریخ دریافت: 21 فروردین 1404
  • تاریخ بازنگری: 18 اردیبهشت 1404
  • تاریخ پذیرش: 25 خرداد 1404
  • تاریخ اولین انتشار: 01 تیر 1404
  • تاریخ انتشار: 01 تیر 1404