بهینه‌سازی چندهدفه سناریوهای بهره‌برداری گلخانه‌ها در چارچوب پیوند آب-انرژی-غذا-محیط‌زیست (WEFE) با الگوریتم ژنتیک

مدیریت بهینه منابع در گلخانه‌ها نیازمند رویکردهای کمّی و یکپارچه‌نگر است. این پژوهش با هدف ارائه یک چارچوب مدل‌سازی-بهینه‌سازی برای شناسایی ترکیبات عملیاتی بهینه در چارچوب پیوند آب-انرژی-غذا-محیط‌زیست (WEFE) انجام شد. داده‌های میدانی ۱۰ گلخانه فعال در منطقه پاکدشت طی سال‌های 1400 تا 1403 جمع‌آوری شد. ابتدا یک مدل پارامتریک نیمه‌تجربی توسعه و با استفاده از این داده‌ها کالیبره گردید تا روابط کمّی بین متغیرهای تصمیم کلیدی و پنج تابع هدف شامل کمینه‌سازی مصرف آب، انرژی، انتشار CO₂، هزینه کل و بیشینه‌سازی کیفیت آب برقرار شود. در گام بعد، الگوریتم ژنتیک چندهدفه (NSGA-II) بر روی این مدل کالیبره‌شده اجرا گردید تا جبهه‌های پارتو کامل راه‌حل‌های بهینه استخراج شوند. در نهایت، از روش تصمیم‌گیری چندمعیاره TOPSIS برای انتخاب نقطه عملیاتی نهایی از میان راه‌حل‌های پارتو استفاده شد. نتایج بهینه‌سازی نشان داد که یک ترکیب عملیاتی خاص شامل استفاده از RO برای حدود ۶۵ درصد جریان آب و تأمین ۲۵ درصد انرژی از منابع تجدیدپذیر بهترین تعادل (با امتیاز TOPSIS برابر (۷۸۵۴/0) را بین اهداف متعارض ایجاد می‌کند. این نقطه بهینه در مقایسه با یک حالت پایه متعارف، منجر به کاهش ۲۴ درصد مصرف آب، ۲۰ درصد مصرف انرژی، ۳۳ درصد هزینه عملیاتی و بهبود ۳۰ درصد کیفیت آب گردید. این یافته‌ها اولویت راهبردی افزایش کارایی منابع از طریق فناوری‌هایی مانند RO را نسبت به گسترش صرف سبد انرژی پاک نشان می‌دهند و راهبرد «اول بهره‌وری، سپس تجدیدپذیر» را در شرایط منطقه‌ای مشابه توجیه می‌نمایند. مطالعه حاضر ابزار قدرتمندی برای مدیریت کمّی و تصمیم‌گیری مبتنی بر شواهد در بخش کشاورزی پایدار فراهم می‌آورد.