Çok boyutlu su yönetimi gösterge çerçevesi, rezervuarla beslenen sulama ağlarının performansını yalnız toplam su miktarı üzerinden değil; su arzı açığının büyüklüğü, görülme sıklığı ve sürekliliği, drenajın mekânsal dağılımı ve sistem düzeyindeki arz–drenaj dengesi üzerinden birlikte değerlendiren süreç tabanlı bir tanı yaklaşımıdır. Çalışma, Güney Kore'deki Simdong, Yejeon, Yonggok ve Habun rezervuar sulama bölgelerini EPA Storm Water Management Model (EPA-SWMM) ile modellemiş ve altı boyutsuz gösterge geliştirmiştir: Supply Adequacy Index (SAI), Adequacy Frequency Index (AFI), Supply Stability Index (SSI), Zone Equity Index (ZEI), Drainage Uniformity Index (DUI) ve Water Balance Index (WBI).

EPA-SWMM modelleri 2022–2024 dönemindeki günlük kanal su seviyesi gözlemleriyle kalibre edilmiş, 2025 yılı bağımsız doğrulama dönemi olarak kullanılmıştır. 2025 doğrulamasında dört bölgede R² 0,88–0,98 ve Nash–Sutcliffe efficiency (NSE) 0,83–0,95 aralığında bulunmuştur. PBIAS değerleri −15,04% ile −2,26% arasında olduğundan modelin kanal su seviyelerini genel olarak bir miktar yüksek tahmin etme eğilimi vardır.

Çalışma iki işletme koşulunu karşılaştırmıştır. Senaryo A'da bütün diversion gate açıklıkları sulama dönemi boyunca 1,0 olarak tutulmuştur. Senaryo B ise Senaryo A sonuçlarında yetersiz göllenme veya gereksinime göre fazla su alan tarlalar belirlenerek kapı açıklıklarının ve bazı model içi hidrolik iletim kısıtlarının elle ve iteratif biçimde değiştirilmesiyle oluşturulmuştur. Senaryo B matematiksel optimizasyon sonucu değildir ve gerçek sulama ağında uygulanmış bir saha işletme stratejisi değildir.

Senaryo B altında su arzını değerlendiren SAI, AFI ve SSI dört bölgenin tamamında yükselmiştir. En büyük arz iyileşmesi başlangıç performansı en düşük bölge olan Yonggok'ta görülmüş; SAI 0,747'den 0,897'ye yükselmiştir. Buna karşılık drenaj eşitliği ve su dengesi göstergeleri her bölgede aynı yönde değişmemiştir. Yonggok'ta SAI, AFI ve SSI yükselirken WBI 0,76'dan 0,42'ye düşmüş; Habun'da da WBI 0,75'ten 0,47'ye gerilemiştir. Bu durum su arzı açığını azaltmak ile sistemin drenaj/su arzı oranını hedef değere yakın tutmanın farklı performans boyutları olduğunu göstermektedir.

Çalışmanın en önemli yorum sınırı, göstergelerin büyük ölçüde EPA-SWMM simülasyon çıktılarından hesaplanmasıdır. Model ana sulama kanallarındaki su seviyeleriyle doğrulanmıştır; tarlalara ulaşan mutlak su hacimleri ve drenaj hacimleri bağımsız saha ölçümleriyle çapraz doğrulanmamıştır. Ayrıca performans göstergeleri yalnız 2025 hidrolojik yılı için değerlendirilmiş ve yalnız dört sulama bölgesi incelenmiştir. Bu nedenle önerilen çerçeve mutlak bölge sıralaması veya kesin optimum kapı açıklıkları üretmekten çok, farklı işletme değişikliklerinin hangi su yönetimi boyutunu iyileştirdiğini veya kötüleştirdiğini teşhis etmek için kullanılmalıdır.

Araştırmanın temel problemi

Bir rezervuar sulama bölgesinde toplam olarak yeterli miktarda su bulunması, her tarlanın suyu doğru zamanda ve yeterli miktarda aldığı anlamına gelmez. Rezervuar, ana kanal, ikincil kanallar, diversion gate'ler, tarla girişleri ve drenaj noktaları birbirine bağlı bir hidrolik ağ oluşturur. Bu ağ içindeki tek bir kapı ayarı bile suyun yukarı havza, orta bölüm ve aşağı havza arasında nasıl dağıldığını değiştirebilir.

Geleneksel performans değerlendirmelerinde sık kullanılan toplam su arzı, sulama verimi veya bölge ortalaması gibi tekil göstergeler önemli bilgi sağlar; ancak aynı ortalama değerin altında çok farklı zamansal ve mekânsal sorunlar bulunabilir. Bir bölgede toplam su açığı küçük olmasına rağmen açık sık sık tekrarlanabilir. Başka bir bölgede açık nadir oluşabilir fakat oluştuğunda yedi günden uzun sürebilir. Benzer biçimde toplam drenaj miktarı kabul edilebilir olsa bile drenaj yalnız belirli bölgelerde veya birkaç noktada yoğunlaşabilir.

Çalışmanın amacı bu farklı performans boyutlarını aynı tanı çerçevesi içinde ayırmaktır. Önerilen sistem üç ana alanı değerlendirir:

• Su arzı performansı: SAI, AFI ve SSI.
• Drenaj dağılımı: ZEI ve DUI.
• Su dengesi: WBI.

Göstergeler 0–1 ölçeğinde veya 1'e yaklaşan boyutsuz değerlerle ifade edildiği için farklı performans boyutlarının karşılaştırılmasını kolaylaştırır; ancak her göstergenin “1” değerinin anlamı aynı fiziksel olayı temsil etmez.

İncelenen dört rezervuar sulama bölgesi

Simdong sulama ağı iki ana ve iki ikincil kanaldan oluşmakta ve iki pompa istasyonundan ek su almaktadır. Yejeon dört ikincil kanala ve iki ek pompa istasyonuna sahiptir. Yonggok iki ana ve iki ikincil kanal içerir ve bir diversion weir üzerinden ek su almaktadır. Habun ise iki ana ve beş ikincil kanal ile bir yardımcı rezervuardan ek su almaktadır.

Mekânsal analizin yapılabilmesi için her bölgedeki sulanan alanlar akış yönüne göre yukarı akım, orta akım ve aşağı akım zonlarına ayrılmıştır. Simdong'da bu alanlar sırasıyla 44,2, 81,4 ve 35,1 ha; Yejeon'da 32,9, 69,6 ve 28,9 ha; Yonggok'ta 25,0, 84,4 ve 20,3 ha; Habun'da 13,8, 56,6 ve 46,8 ha'dır.

Drenaj noktaları da aynı mekânsal mantıkla sınıflandırılmıştır. Simdong'da yukarı, orta ve aşağı zonlarda sırasıyla 1, 2 ve 1; Yejeon'da 0, 2 ve 2; Yonggok'ta 0, 3 ve 1; Habun'da 2, 2 ve 4 drenaj noktası bulunmaktadır.

EPA-SWMM sulama ağına nasıl uygulanmıştır?

EPA-SWMM başlangıçta kentsel yağış-akış ve drenaj sistemleri için geliştirilmiş hidrologik-hidrolik bir ağ modelidir. Bu çalışmada modelin node-link yapısı rezervuar–kanal–tarla sistemine uyarlanmıştır.

• Rezervuarlar, pompa istasyonları ve çeltik tarlaları storage unit olarak modellenmiştir.
• Sulama kanalları conduit olarak modellenmiştir.
• Rezervuar giriş kapıları pump olarak tanımlanmıştır.
• Diversion, control, supply ve drainage gate'ler orifice olarak modellenmiştir.
• Ağ elemanlarının bağlantıları junction düğümleriyle kurulmuştur.

Model girdileri

EPA-SWMM simülasyonları günlük zaman adımında yürütülmüştür. Model girdileri su arzı, yağış, evapotranspirasyon, infiltrasyon, çeltik tarlası göllenme derinliği ve kapı açıklık oranlarını içermektedir.

Rezervuar su arzı verileri Korea Rural Community Corporation tarafından işletilen Rural Agricultural Water Resource Information System (RAWRIS) üzerinden alınmıştır. Meteorolojik veriler Korea Meteorological Administration'ın Automated Surface Observing System (ASOS) ağına dayanmaktadır.

Günlük gerçek evapotranspirasyon Modified Penman yöntemi ve ürün katsayıları kullanılarak tahmin edilmiştir. İnfiltrasyon ve kanal kayıp katsayıları Kore'deki Rural Water Use Rationalization Plan içindeki su yönetimi zonlarına göre atanmıştır.

Çeltik tarlalarının başlangıç göllenme derinliği 0 mm, hedef göllenme derinliği 60 mm olarak ayarlanmıştır. Tarla giriş ve drenaj kapıları, modelde hesaplanan göllenme derinliğine göre kontrol kurallarıyla çalıştırılmıştır.

Altı su yönetimi göstergesi

SAI, AFI ve SSI Aynı Şeyi mi Ölçüyor?

Hayır. SAI su açığının toplam büyüklüğünü, AFI yeterli arz bulunan günlerin sıklığını, SSI ise en az yedi gün süren kesintisiz açık dönemlerinin sürekliliğini ölçer; bu nedenle aynı tarla benzer SAI değerine sahip olsa bile açıkların zaman içinde nasıl dağıldığına bağlı olarak farklı AFI veya SSI değerleri alabilir.

Supply Adequacy Index — SAI

SAI, kaynak metninde sulama dönemi boyunca öngörülen su gereksiniminin ne kadarının fiilen karşılandığını temsil eden nicel yeterlilik göstergesi olarak tanımlanmıştır.

\[ SAI= \frac{\sum_{t=1}^{T}Q_{pd,t}} {\sum_{t=1}^{T}Q_{req,t}} \tag{1} \]

Kaynakta Denklem (1)'in kavramsal açıklaması, payın sağlanan suyu ve paydanın öngörülen gereksinimi temsil ettiği yönündedir. SAI değeri 1'e yaklaştıkça toplam gereksinimin daha büyük kısmının karşılandığı yorumlanır.

Kaynak-içi sembol açıklaması notu: Denklemden sonraki açıklama \(Q_{pd,t}\)'yi “paddy field water requirement” olarak adlandırmakta, \(Q_{req,t}\)'yi de “prescribed water requirement” olarak tanımlamaktadır. Aynı bölümde su açığı \(D_t=Q_{req,t}-Q_{pd,t}\) biçiminde verildiği için \(Q_{pd,t}\) fiilen sağlanan/ulaşan miktar rolünde görünmektedir. Kaynak bu terminolojik uyuşmazlığı açıklamamaktadır. Bu nedenle burada denklem değiştirilmemiştir.

Adequacy Frequency Index — AFI

AFI, analiz döneminde su açığının olmadığı günlerin toplam gün sayısına oranıdır:

\[ AFI= \frac{\sum_{t=1}^{T}f(D_t)} {N_{total}}, \qquad f(D_t)= \begin{cases} 1, & D_t=0\\ 0, & D_t>0 \end{cases} \tag{2} \]

\(D_t\), t günündeki su açığıdır. Açık yoksa gün 1 puan, açık varsa 0 puan alır. Bu nedenle AFI açık hacminin ne kadar büyük olduğuyla değil, yeterli su sağlanan günlerin ne kadar sık olduğuyla ilgilenir.

Supply Stability Index — SSI

SSI, en az yedi ardışık gün boyunca devam eden su açığı dönemlerinin etkisini değerlendirmek için run theory yaklaşımını kullanır:

\[ SSI= \frac{\sum_{t=1}^{T}h(D_t)} {N_{total}}, \qquad h(D_t)= \begin{cases} 0, & t\in R_{\geq7}\\ 1, & t\notin R_{\geq7} \end{cases} \tag{3} \]

\(R_{\geq7}\), \(D_t>0\) durumunun en az yedi ardışık gün sürdüğü deficit run'ını ifade eder. Dolayısıyla kısa ve dağınık açıklar AFI'de görünürken, SSI özellikle uzun süreli kesintisiz açık dönemlerine duyarlıdır.

Yedi günlük eşik rastgele seçilmemiştir. Kaynak 3–14 gün aralığında bir duyarlılık analizi yapmış ve çeltik su yönetimi özelliklerini de dikkate alarak ana analiz için 7 günlük eşiği kullanmıştır. Ek A grafiği, eşik uzadıkça SSI değerlerinin yükseldiğini göstermektedir; bu beklenen bir sonuçtur çünkü daha uzun minimum süre şartı altında daha az açık dönemi “uzun deficit run” olarak sınıflandırılır.

Zone Equity Index — ZEI

ZEI, drenaj hacimlerinin yukarı, orta ve aşağı zonlar arasında ne kadar dengeli dağıldığını coefficient of variation üzerinden ölçer:

\[ ZEI= \frac{1}{1+CV(D_z)} \tag{4} \]

\[ CV(D_z)=\frac{\sigma(D_z)}{\overline{D_z}} \]

\(CV(D_z)\) büyüdükçe zonlar arasındaki drenaj farkları artar ve ZEI küçülür. ZEI 1'e yaklaştıkça zonlar arasındaki drenaj dağılımı daha uniformdur.

Drainage Uniformity Index — DUI

DUI aynı matematiksel yapıyı tek tek drenaj noktaları düzeyinde uygular:

\[ DUI= \frac{1}{1+CV(D_i)} \tag{5} \]

Burada \(D_i\), bireysel drenaj noktalarının drenaj hacimleridir. ZEI ve DUI'nin birlikte kullanılması önemlidir; çünkü bir bölgede drenaj zonlar arasında daha dengeli hâle gelirken aynı zon içindeki birkaç drenaj noktasında yoğunlaşabilir.

Water Balance Index — WBI

WBI, toplam drenajın toplam su arzına oranının hedeflenen 0,50 oranına ne kadar yakın olduğunu ölçer:

\[ WBI= 1- \frac{ \left| \frac{D_{total}}{S_{total}}-0.50 \right| }{0.50} \tag{6} \]

\(D_{total}\) toplam drenaj hacmi, \(S_{total}\) toplam su arzıdır. Drenaj/su arzı oranı 0,50'ye yaklaştıkça WBI 1'e yaklaşır.

0,50 hedefi fiziksel olarak evrensel bir optimum değildir. Kaynak bu değeri Kore sulama bölgelerindeki işletme deneyimine dayanan uzman görüşlerinden türetilmiş ampirik bir referans olarak tanımlamaktadır. Bu nedenle WBI farklı bölgelerde kullanılmadan önce yerel ürün, toprak, iklim ve işletme koşullarına göre yeniden değerlendirilmelidir.

Senaryo B Matematiksel Olarak Optimize Edilmiş Bir Kapı İşletimi midir?

Hayır. Senaryo B, Senaryo A sonuçlarında yetersiz veya aşırı su alan tarlaların tanılanması, ilgili diversion gate açıklıklarının elle değiştirilmesi ve EPA-SWMM modelinin tekrar çalıştırılması döngüsüyle oluşturulmuş manuel bir karşılaştırma senaryosudur; optimizasyon algoritmasıyla elde edilmiş veya gerçek sahada uygulanarak doğrulanmış optimum işletme planı değildir.

Senaryo A: temel işletme

Senaryo A'da bütün diversion gate açıklık oranları sulama dönemi boyunca 1,0 olarak sabitlenmiştir. Bu durum çalışmanın karşılaştırma tabanını oluşturur.

Senaryo B: manuel iteratif ayarlama

Senaryo B oluşturulurken önce Senaryo A çıktılarında yetersiz göllenme derinliği veya su gereksinimine göre aşırı su alan tarlalar belirlenmiştir. Daha sonra bu tarlalara etki eden diversion gate açıklıkları değiştirilmiş ve model tekrar simüle edilmiştir. Tanılama → ayarlama → yeniden simülasyon döngüsü, genel mekânsal dağılımı iyileştirmek amacıyla iteratif biçimde tekrarlanmıştır.

Ayarlanan diversion gate sayıları:

• Simdong: toplam 2 kapının 2'si.
• Yejeon: toplam 3 kapının 1'i.
• Yonggok: toplam 3 kapının 2'si.
• Habun: toplam 7 kapının 6'sı.

Çoğu ayarlanmış kapıda 1 Mayıs–10 Eylül sulama dönemi boyunca 0,05–0,50 arasında sabit açıklık oranları kullanılmıştır.

Yonggok'taki 1-0-27 ikincil kanal diversion gate'i için varsayılan açıklık 0,05 olarak belirlenmiş; 1–10 Haziran, 21–30 Temmuz ve 23 Ağustos–1 Eylül dönemlerinde açıklık geçici olarak 0'a indirilmiştir.

Model içi offset ayarları gerçek kanal tadilatı değildir

Bazı kesimlerde yalnız kapı açıklığını değiştirmek istenen su yeniden dağılımını sağlamamıştır. Bu bölümlerde EPA-SWMM conduit veya orifice bağlantılarına InOffset, OutOffset veya orifice offset değerleri verilerek etkin akış kesiti ve iletim koşulları sınırlandırılmıştır.

Offset uygulanan kesim sayıları Simdong'da 2, Yejeon'da 4, Yonggok'ta 2 ve Habun'da 10'dur. Değerler 0,10–0,30 m aralığındadır. Yonggok'taki bir kesimde 0,30 m OutOffset, Simdong'daki bir diversion gate'te ayrıca 0,10 m orifice offset kullanılmıştır.

Bu ayarlar gerçek kanalların veya hidrolik yapıların fiziksel olarak değiştirildiği anlamına gelmez. Yazarlar offset'leri yalnız model içinde istenen hidrolik iletim kısıtını temsil etmek için kullanmıştır.

Model kalibrasyonu nasıl yapılmıştır?

Model kalibrasyonunda ana sulama kanallarının upstream monitoring point'lerindeki günlük gözlenmiş su seviyeleri kullanılmıştır. Kalibrasyon parametresi olarak Manning pürüzlülük katsayısı seçilmiştir; çünkü açık kanal hidrolik direncini ve su seviyesi tepkisini doğrudan etkiler.

Başlangıç Manning değeri, toprak kanallar için Kore tasarım kriterindeki standart değere dayanarak 0,025 alınmıştır.

Pürüzlülük kalibrasyonunda yağış ve diğer etkileri sınırlamak amacıyla yalnız günlük yağışın 5 mm veya daha az olduğu dönemler kullanılmış ve kanalın fiziksel taşıma kesiti üst sınırına ulaşan veya bunu aşan su seviyeleri arama sürecinden çıkarılmıştır.

Parametre araması önce başlangıç pürüzlülük katsayısına uygulanan ortak ölçek katsayısını 0,1 adımlarla taramış; en yüksek median yıllık NSE çevresinde 0,02 adımlı daha ince arama yapılmıştır. Birden fazla adayın median NSE değerleri 0,003 içinde kalırsa en küçük mutlak PBIAS'a sahip aday, eşitlik devam ederse daha küçük katsayı seçilmiştir.

Son kalibre Manning katsayıları:

• Simdong: 0,029
• Yejeon: 0,027
• Yonggok: 0,030
• Habun: 0,032

Kalibrasyon ve bağımsız doğrulama sonuçları

Kalibrasyon dönemi 2022–2024'te R² 0,92–0,99 ve NSE 0,89–0,99 aralığındadır. Bağımsız 2025 doğrulamasında R²'nin alt sınırı 0,88, NSE'nin alt sınırı 0,83'tür.

2025'te PBIAS bütün bölgelerde negatiftir. Kaynakta kullanılan işaret tanımına göre negatif PBIAS simüle edilen su seviyesinin gözlenenden yüksek olması anlamına gelir. En büyük negatif bias Yejeon'da −15,04%'tür.

Çalışmanın Yöntemi ve Bulguları

Senaryo A ve Senaryo B'nin altı gösterge üzerindeki sonuçları

Su arzı performansının üç göstergesi bütün bölgelerde yükselmiştir. En küçük iyileşme, başlangıç değerleri zaten üst sınıra çok yakın olan Simdong'da görülürken en büyük iyileşme başlangıç su arzı performansı en zayıf olan Yonggok'ta gerçekleşmiştir.

SAI açısından Simdong 0,979'dan 0,985'e yalnız +0,006 yükselirken Yonggok 0,747'den 0,897'ye +0,150 yükselmiştir. Kaynak bunu kısmen 0–1 arasında normalize edilen göstergelerdeki üst-sınır etkisiyle açıklamaktadır: başlangıçta zaten 1'e yakın olan bir göstergenin iyileşme alanı doğal olarak küçüktür.

Kaynak Şekil 3'teki kesin gösterge değişimleri

Kaynak Tablo 5 üç ondalığa yuvarlanmış mutlak değerleri verirken Şekil 3, Senaryo B − Senaryo A farklarını daha ayrıntılı değerlerle göstermektedir:

Drenaj dağılımında neden tek gösterge yeterli değildir?

ZEI ve DUI'nin farklı ölçekleri özellikle Yonggok örneğinde açık biçimde ayrışmıştır. Senaryo A'da Yonggok drenajının tamamı orta zonda gerçekleşirken Senaryo B'de drenaj aşağı zona da yayılmış ve ZEI +0,019 yükselmiştir. Buna rağmen DUI −0,105 düşmüştür.

Başka bir ifadeyle drenajın üç geniş zon arasındaki dağılımı daha dengeli hâle gelirken, tek tek drenaj noktaları arasındaki dağılım daha az uniform olabilmiştir. Bu sonuç drenaj eşitliğinin hangi mekânsal çözünürlükte değerlendirildiğinin önemini göstermektedir.

WBI'nin Düşmesi Sulama Sisteminin Genel Olarak Kötüleştiği Anlamına mı Gelir?

Hayır. WBI yalnız drenaj/su arzı oranının çalışmada kullanılan 0,50 referansına yakınlığını ölçer; Yonggok ve Habun'da WBI düşerken SAI, AFI ve SSI'nin yükselmesi, su açığını azaltma ile sistem düzeyindeki arz–drenaj hedefinin birbirinden bağımsız performans boyutları olabileceğini göstermektedir.

Yejeon'da WBI neden yükseldi?

Yejeon'da drenaj/su arzı oranı %55,1'den %52,2'ye düşmüş ve 0,50 hedef oranına yaklaşmıştır. Buna bağlı olarak WBI 0,90'dan 0,96'ya yükselmiştir.

Yonggok ve Habun'da WBI neden düştü?

Yonggok'ta drenaj/su arzı oranı %38,0'dan %20,9'a, Habun'da %37,4'ten %23,6'ya düşmüştür. Her iki değişim de oranı 0,50 referansından uzaklaştırmıştır. Bunun sonucunda WBI Yonggok'ta 0,76'dan 0,42'ye, Habun'da 0,75'ten 0,47'ye düşmüştür.

Bu bölgelerde aynı anda SAI, AFI ve SSI yükseldiği için WBI düşüşünü “su arzı performansı kötüleşti” biçiminde yorumlamak yanlış olur.

Göstergeler arasında ne kadar bilgi tekrarı var?

Kaynak Pearson korelasyonlarını iki farklı ölçekte incelemiştir.

SAI, AFI ve SSI bölge ölçeğinde güçlü biçimde ilişkilidir. Özellikle SAI–SSI korelasyonu 0,997'dir. Buna karşılık su arzı göstergelerinin ZEI, DUI ve WBI ile ilişkileri daha zayıftır.

Ancak bölge ölçeğindeki analiz yalnız sekiz gözleme dayanmaktadır. Kaynak bu nedenle korelasyonları istatistiksel olarak genellenebilir bir yapı olarak değil, incelenen dört bölge ve iki senaryo için keşifsel ilişki olarak yorumlamaktadır.

Tarla ölçeğinde AFI neden daha fazla bilgi taşıyor?

Tarla ölçeğinde SAI–SSI ilişkisi yine çok yüksektir: r = 0,982. Buna karşılık AFI'nin SAI ve SSI ile korelasyonu 0,710 ve 0,717'ye düşmektedir. Kaynak bunu AFI'nin tarla düzeyinde açıkların kaç gün oluştuğu hakkında daha farklı bilgi taşıdığı şeklinde yorumlamaktadır.

Yejeon'daki P0080 ve P0092 tarlaları bunun örneğidir. SAI değerleri sırasıyla 0,931 ve 0,935 ile neredeyse aynıdır; ancak AFI değerleri 0,489 ve 0,639'dur. Dolayısıyla toplam açık büyüklüğü benzer görünmesine rağmen açık oluşan günlerin sıklığı farklıdır.

P0081 ve P0090 tarlalarında ise SAI ve AFI birbirine yakınken maksimum kesintisiz deficit süresi 9 ve 6 gündür. Yedi günlük SSI eşiği nedeniyle SSI değerleri sırasıyla 0,932 ve 1,000 olmuştur. Bu örnek SSI'nin uzun süreli açıkları neden ayrı bir boyut olarak taşıdığını göstermektedir.

En düşük performanslı bölge göstergeye göre değişiyor

Senaryo A'da SAI, AFI ve SSI Yonggok'u en zayıf su arzı bölgesi olarak belirlemiştir. Buna karşılık en düşük DUI ve WBI Simdong'da görülmüştür.

Senaryo B'de SAI ve SSI açısından en düşük bölge yine Yonggok olurken AFI açısından en düşük değer Habun'a geçmiştir. Bu sonuç, aynı “en kötü bölge” etiketinin bütün su yönetimi boyutları için geçerli olmadığını gösterir.

Çalışmanın desteklediği sonuçlar

• Su yönetimi performansı tek bir toplam verim veya arz göstergesiyle bütünüyle açıklanamamaktadır.
• SAI, AFI ve SSI aynı su arzı probleminin büyüklük, sıklık ve süreklilik boyutlarını ayrı biçimde değerlendirebilir.
• Senaryo B'de üç su arzı göstergesi dört bölgede de yükselmiştir.
• Başlangıç arz performansı daha düşük bölgelerde daha büyük gösterge değişimleri görülmüştür.
• ZEI ve DUI drenaj eşitliğini farklı mekânsal çözünürlüklerde ölçmektedir.
• Su açığının azaltılması ile drenaj/su arzı oranının 0,50 referansına yaklaşması aynı performans boyutu değildir.
• SAI ve SSI arasında önemli bilgi örtüşmesi vardır.
• AFI tarla ölçeğinde deficit sıklığı hakkında SAI ve SSI'dan daha tamamlayıcı bilgi sağlamaktadır.
• Çerçevenin matematiksel tanımları EPA-SWMM'ye özgü değildir; gerekli su arzı, gereksinim ve drenaj verileri başka modellerden veya ölçümlerden de sağlanabilir.

Çalışmanın desteklemediği sonuçlar

• Senaryo B'nin gerçek sahadaki optimum kapı işletimi olduğu gösterilmemiştir.
• Senaryo B matematiksel optimizasyon algoritmasıyla elde edilmemiştir.
• Model içindeki conduit/orifice offset değişiklikleri gerçek kanalların fiziksel olarak değiştirilmesini temsil etmemektedir.
• Tarlalara sağlanan mutlak su hacimleri bağımsız saha ölçümleriyle doğrulanmamıştır.
• Drenaj hacimleri bağımsız saha verileriyle çapraz doğrulanmamıştır.
• 2025 dışındaki yıllarda göstergelerin aynı tepkiyi vereceği gösterilmemiştir.
• Dört Güney Kore sulama bölgesinin sonuçları bütün rezervuar sulama sistemlerine istatistiksel olarak genellenemez.
• 0,50 drenaj/su arzı oranı evrensel optimum olarak kanıtlanmamıştır.
• 7 günlük SSI eşiğinin bütün ürün ve iklim koşulları için optimum olduğu gösterilmemiştir.
• Çerçeve sulama bölgelerini mutlak olarak “en iyi–en kötü” biçiminde sıralamak için tasarlanmamıştır.

Çalışmanın temel sınırlılıkları

Simülasyon tabanlı gösterge üretimi: Altı gösterge EPA-SWMM çıktılarından hesaplanmıştır.

Doğrulama kapsamı: Model doğrulaması temel olarak ana sulama kanallarındaki gözlenmiş su seviyelerine dayanmaktadır; tarla ölçeğindeki mutlak su dağıtımı ve drenaj hacmi bağımsız olarak doğrulanmamıştır.

Tek hidrolojik yıl: Senaryo karşılaştırmaları 2025 yılıyla sınırlıdır. Yıllar arası meteorolojik ve hidrolojik değişkenlik değerlendirilmemiştir.

Dört bölge: Yalnız dört rezervuar sulama bölgesi incelenmiştir. Özellikle n=8 bölge ölçeği korelasyon analizi keşifseldir.

SSI eşiği: Yedi günlük minimum deficit süresi duyarlılık analizi ve çeltik yönetimi özelliklerine dayanır; farklı ürün, toprak ve bölgesel işletme koşullarında değişebilir.

WBI referansı: 0,50 hedef drenaj/su arzı oranı uzman danışmanlığına dayanan ampirik referanstır; mutlak optimum değildir.

Senaryo B'nin niteliği: Manuel tanı ve tekrar simülasyonuna dayanır; gerçek sahada uygulanmış veya matematiksel olarak optimize edilmiş bir strateji değildir.

Gelecek araştırma yönü

Kaynak, çerçevenin daha geniş sulama bölgesi örnekleminde ve çok yıllı hidrolojik koşullarda değerlendirilmesini; tarla ölçeğinde gerçek su dağıtım ve drenaj gözlemleriyle çapraz doğrulanmasını ve gelecekte çok amaçlı optimizasyonla birleştirilmesini önermektedir.

Bu noktada çok boyutlu göstergeler özellikle yararlı olabilir; çünkü gelecekteki optimizasyon sisteminin yalnız “su açığını en aza indir” gibi tek bir hedef yerine arz yeterliliği, deficit sıklığı, uzun açık süreleri, drenaj eşitliği ve sistem dengesi arasındaki ödünleşimleri ayrı amaç fonksiyonları veya karar ölçütleri olarak değerlendirmesine temel sağlayabilir.

Kaynak ve Yöntem Notu

Özgün çalışma: A multidimensional water management indicator framework for evaluating reservoir irrigation districts

Yazarlar: Ji-Hyeon Shin; Won-Ho Nam.

Eş katkı / eş birinci yazarlık: Kaynak PDF'de belirtilmemiştir.

Corresponding author: Won-Ho Nam.

Corresponding author e-posta: wonho.nam@hknu.ac.kr

Afiliasyon 1: Integrated Systems Engineering, Hankyong National University, Anseong 17579, Republic of Korea.

Afiliasyon 2: School of Social Safety and Systems Engineering, Hankyong National University, Anseong 17579, Republic of Korea.

Afiliasyon 3: National Agricultural Water Research Center, Hankyong National University, Anseong 17579, Republic of Korea.

Kaynak türü: Preprint araştırma makalesi; hidrolik ağ simülasyonu ve çok boyutlu gösterge geliştirme çalışması.

Hakemlik durumu: Kaynak açıkça “This preprint research paper has not been peer reviewed” ifadesini taşımaktadır; hakem değerlendirmesinden geçmemiştir.

Platform: SSRN.

SSRN kayıt numarası: Abstract No. 7624245.

Dergi / cilt / sayı / makale numarası: Kaynak PDF'de belirtilmemiştir.

Makale DOI'si: Kaynak PDF'de belirtilmemiştir; SSRN numarası DOI olarak yorumlanmamıştır.

Kesin yayın / preprint yükleme tarihi: Kaynak PDF'nin bibliyografik künyesinde açıkça verilmemiştir.

Lisans: Kaynak PDF'de açık bir yeniden kullanım lisansı belirtilmemiştir.

Resmî kaynak: SSRN abstract 7624245.

Çalışma alanları: Simdong Reservoir irrigation district, Jindo-gun, Jeollanam-do; Yejeon Reservoir irrigation district, Gochang-gun, Jeollabuk-do; Yonggok Reservoir irrigation district, Cheongju-si, Chungcheongbuk-do; Habun Reservoir irrigation district, Jangheung-gun, Jeollanam-do, Republic of Korea.

Ana model: U.S. Environmental Protection Agency Storm Water Management Model, EPA-SWMM.

Model zaman çözünürlüğü: Günlük.

Kalibrasyon dönemi: 2022–2024.

Bağımsız doğrulama yılı: 2025.

Kalibrasyon parametresi: Manning pürüzlülük katsayısı.

Başlangıç Manning değeri: 0,025.

Kalibre değerler: Simdong 0,029; Yejeon 0,027; Yonggok 0,030; Habun 0,032.

Kalibrasyon yağış filtresi: Günlük yağış ≤ 5 mm olan dönemler pürüzlülük aramasında kullanılmıştır.

Çeltik tarlası göllenme koşulu: Başlangıç 0 mm; hedef 60 mm.

Senaryo A: Bütün diversion gate açıklık oranları 1,0.

Senaryo B: Simülasyon sonuçlarının iteratif tanılanması ve manuel kapı/iletim ayarıyla oluşturulan karşılaştırma senaryosu; matematiksel optimizasyon değildir.

Su arzı göstergeleri: SAI, AFI, SSI.

Drenaj göstergeleri: ZEI, DUI.

Su dengesi göstergesi: WBI.

SSI deficit eşiği: En az 7 ardışık gün; 3–14 günlük duyarlılık analizi yapılmıştır.

WBI hedef oranı: Drenaj / su arzı = 0,50; uzman görüşüne dayalı ampirik referans.

Kaynak-içi terminoloji tutarsızlığı: SAI'nin metinsel tanımı payı gerçek su arzı olarak açıklarken Denklem (1)'de kullanılan \(Q_{pd,t}\) sembolünün sonraki değişken açıklamasında “paddy field water requirement” olarak adlandırılması, aynı sembolün deficit denklemindeki işleviyle tam uyumlu değildir. Kaynak bu farkı açıklamamaktadır.

İlçe/bölge ölçeği korelasyonu: n=8, dört bölge × iki senaryo; keşifsel olarak yorumlanmalıdır.

Tarla ölçeği korelasyonu: n=266 gözlem.

Temel doğrulama sınırı: Ana kanal su seviyeleri doğrulanmıştır; mutlak tarla su dağıtımı ve drenaj hacimleri bağımsız saha gözlemleriyle çapraz doğrulanmamıştır.

Finansman: Korea Institute of Planning and Evaluation for Technology in Food, Agriculture, and Forestry (IPET) aracılığıyla Intelligent Agricultural Infra Management for Climate Change Development Program; Ministry of Agriculture, Food and Rural Affairs (MAFRA), proje RS-2025-02219764.

Çıkar çatışması: Yazarlar çıkar çatışması olmadığını bildirmiştir.

Veri erişilebilirliği: EPA-SWMM model dosyaları ve işlenmiş SAI, AFI, SSI, ZEI, DUI ve WBI verileri Zenodo üzerinde DOI 10.5281/zenodo.22093527 ile kamuya açık olarak bildirilmektedir. Depo dört bölgenin Senaryo A ve B için .inp, .rpt ve .out dosyalarını ve işlenmiş gösterge özetlerini içermektedir.

CRediT — Ji-Hyeon Shin: Writing – Original Draft, Writing – Review & Editing, Visualization, Methodology, Conceptualization, Data Curation, Formal Analysis.

CRediT — Won-Ho Nam: Writing – Review & Editing, Validation, Formal Analysis, Supervision, Resources, Project Administration, Funding Acquisition, Conceptualization.