Утицај одводњавања на пољопривредна земљишта у приобаљу Дунава

Abstract

Предмет истраживања у овој докторској дисертацији је анализа утицаја одводњавања на пољопривредна земљишта у приобаљу Дунава. Успор који је створен изградњом Хидроенергетског и пловидбеног система „Ђердап 1“ утицао је на издизање нивоа подземних вода на површини од 181000 ha, од чега је 148000 ha на територији Војводине. Код одређивања коте успора по правилу су супротстављена два интереса. С једне стране, повишење коте успора омогућава већу производњу електричне енергије. С друге стране, повишење коте успора изазива потребу за већим улагањима за отклањање негативних последица у кориту реке и приобаљу које због специфичности топографских услова захватају велико пространство, како по линији водотока Дунава и притока, тако и по ширини унутар подручја. Као репрезентативно подручје за истраживање одређен је локалитет Ковин – Дубовац. Узимајући у обзир све релевантне особине изабраног подручја, сви изведени закључци се могу сматрати применљивим и важећим и за шире приобално подручје Дунава у јужном Банату. Након анализе података о природним карактеристикама подручја анализиран је рад дренажних система и утицај процеса одводњавања на пољопривредно земљиште током целокупног периода експлоатације ХЕПС „Ђердап 1“, а такође и у условима екстремних хидролошких појава (вишкова воде). Примењене мере одводњавања имају позитиван утицај на пољопривредно земљиште, одржавање нивоа подземне воде на пројектованом нивоу и пољопривредну производњу. Сложени хидролошки услови и међусобни утицаји постојећих и планираних хидроенергетских система утичу да постаје веома важна могућност предвиђања нивоа подземних вода на пољопривредном земљишту у приобаљу. За моделирање нивоа подземних вода коришћена су два статистичка модела: вештачке неуралне мреже (енг. ANN, скраћено од Аrtifical Neural Networks) и техника заснована на симбиози коју чини структура фази експертског система и техника обучавања која се примењује код вештачких неуралних мрежа, у литератури означавана као ANFIS (Аdaptive Neuro-Fuzzi Inference System)...

The subject of this doctoral dissertation is the analysis of drainage impact on the agricultural land in the riparian area of the Danube. Backwater created by building the Djerdap 1 Hydropower and Navigation System resulted in the rise of groundwater levels in the area of 181,000 ha, of which 148,000 ha in Vojvodina. When the backwater level is determined, as a rule, there are two opposing interests. On the one hand, backwater level increase allows greater electricity generation. On the other hand, the backwater level rise causes the need for higher investments to eliminate the negative consequences in the riverbed and the riparian area, which due to the specific topographic conditions affect large areas, both along the Danube and its tributaries, as well as across the studied area. The Kovin - Dubovac site was identified as a representative area of research. Taking into account all the relevant characteristics of the selected area, the conclusions reached may be considered applicable and valid for a wider riparian area of the Danube in the southern Banat. After analysing the data on the natural characteristics of the area, operation of the drainage systems was examined, together with the drainage impact on the agricultural land over the operation period of the Djerdap 1 HPP, and also under the conditions of extreme hydrological phenomena (surplus water). Applied drainage measures have a positive impact on agricultural land, maintaining the level of groundwater at the design level and agricultural production. The ability to predict the groundwater level inside the agricultural land in the riparian area becomes essential due to the complex hydrological conditions and mutual impacts of the existing and planned hydropower systems. Two statistical models were used to model groundwater levels: artificial neural networks (ANN) and the technique representing a synergy of the fuzzy expert system structure and the training technique applied in the artificial neural networks, denoted in literature as ANFIS (Adaptive Neuro-Fuzzy Inference System)...