بهینه‌سازی مشترک تخصیص آب و مدیریت کیفیت آب در حوزه رودخانه Haihe

یک چارچوب مدل‌سازی بهینه‌سازی آبی اقتصادی برای تخصیص آب مشترک و مدیریت کیفیت آب در این مطالعه ارایه شده‌است. برنامه‌ریزی منابع آب اغلب محدود به کمیت آب است، اگرچه کمیت و کیفیت آب به هم وابسته هستند. گنجاندن کیفیت آب در یک مدل بهینه‌سازی آبی اقتصادی، پیچیدگی و عدم قطعیت را افزایش می‌دهد. در این مطالعه، مساله با یک مدل بهینه‌سازی خطی چند مخزنی، چند زمانی و چند منظوره با کیفیت آب متغیر ولی فضایی مورد توجه قرار گرفته است. پیچیدگی مدل در سطح قابل مدیریت نگه‌داشته می‌شود که منجر به تقاضای محدود برای منابع محاسباتی با وجود تفکیک پذیری فضایی بالا و نمایش منابع آب سطحی و زیرزمینی می‌شود. این مدل در حوضه رودخانه Haihe، یک حوضه رودخانه کم و بسیار آلوده در چین اعمال شده‌است. توازن اقتصادی بین محدود کردن منابع آب زیرزمینی و هزینه‌های ویژه زیر حوضه و همچنین نقشه‌های مربوط به قیمت در دسترس بودن آب ارائه شده‌است. افزودن کیفیت آب به چارچوب مدل اثرات در دسترس بودن آب را تحت‌تاثیر قرار می‌دهد که می‌تواند بر تصمیم‌گیری مبتنی بر مدل تاثیر بگذارد. اگر انتزاع آب‌های زیرزمینی به سطوح پایدار محدود شوند، حوضه ر

Highlights•Joint optimization of water allocations and water quality to meet end-user demands•Water qualities fixed according to observed in-stream data•Trade-offs between cost and limiting groundwater overdraft under water scarcity•Mapping of sub-basin costs and water availability shadow prices•Quantified impact of water quality constraintsAbstractA hydroeconomic optimization modelling framework for joint water allocation and water quality management is presented in this study. Water resources planning is often limited to water quantity, even though water quantity and quality are interdependent. Including water quality in a hydroeconomic optimization model increases complexity and uncertainty. In this study, the problem is addressed with a multi-reservoir, multi-temporal, multi-objective linear optimization model with fixed but spatially variable water quality. Model complexity is kept at a manageable level, leading to limited demand for computational resources, despite a high spatial