علی بختیاری زاده؛ محمد نجف زاده؛ صدیقه محمدی
چکیده
مقدمه
سفره آب زیرزمینی، از مهمترین منابع آبی هر کشور، بهخصوص کشوری مانند ایران است که در مناطق گرم و خشک قرار دارد. یکی از راههای پیشگیری از آلودگی منابع آب زیرزمینی، ارزیابی آسیبپذیری این منابع است. بهطوری که ارزیابی قابل اعتماد آسیبپذیری آب زیرزمینی میتواند، در تعیین دقیقتر نقاط آسیبپذیر آبخوان برای ...
بیشتر
مقدمه
سفره آب زیرزمینی، از مهمترین منابع آبی هر کشور، بهخصوص کشوری مانند ایران است که در مناطق گرم و خشک قرار دارد. یکی از راههای پیشگیری از آلودگی منابع آب زیرزمینی، ارزیابی آسیبپذیری این منابع است. بهطوری که ارزیابی قابل اعتماد آسیبپذیری آب زیرزمینی میتواند، در تعیین دقیقتر نقاط آسیبپذیر آبخوان برای حفاظت و مدیریت موثر منابع آب زیرزمینی مفید واقع شود.
مواد و روشها
در پژوهش حاضر، از شاخص DRASTIC برای ارزیابی حساسیت آبهای زیرزمینی، با در نظر گرفتن اثرات کاربری اراضی و آلودگی نیترات در دشت کرمان-باغین واقع در استان کرمان، استفاده شد. به این ترتیب، از هفت پارامتر عمق ایستابی، تغذیه خالص، بافت آبخوان، بافت خاک سطحی، توپوگرافی، تاثیر منطقه غیراشباع و هدایت هیدرولیکی برای محاسبه این شاخص استفاده شد. این شاخص، بهصورت یک برآورد اولیه ارزیابی آسیبپذیری آبخوان در برابر آلودگی آب زیرزمینی در مناطق مختلف مورد پذیرش است. اما با وجود پیچیدگیهایی در سامانه آب زیرزمینی و نظرات کارشناسی در تخصیص رتبه و وزن پارامترهای موجود در این شاخص و تفاوت در شرایط حاکم بر مناطق مورد مطالعه، همواره پژوهشگران را بر آن داشته است که در بهبود این شاخص گامهای عملی بردارند. این بهبود در تعدادی از پژوهشها با اضافه کردن پارامترهای دیگر مانند کاربری اراضی و تاثیر نیترات، به پارامترهای این شاخص انجام شده است. لذا، در پژوهش حاضر نیز از پارامترهای کاربری اراضی و خطر بالقوه مرتبط با کاربری اراضی بهترتیب برای محاسبه شاخص DRASTIC مرکب یا Composite DRASTIC (CD) و شاخص آسیبپذیری نیترات (Nitrate Vulnerability Index) استفاده شد. شاخص CD با اضافه کردن پارامتر کاربری اراضی به شاخص DRASTIC و شاخص NVI، با ضرب نقشه رستر رتبهبندی خطر بالقوه مرتبط با کاربری اراضی در شاخص DRASTIC، بهدست آمد. لازم به ذکر است که بر اساس نقشه کاربری اراضی، این دشت شامل 54 درصد مراتع کم تراکم، 24 درصد زراعتهای آبی، 10 درصد جنگلهای دست کاشت، شش درصد اراضی بدون پوشش و کویری، پنج درصد مناطق مسکونی و یک درصد دقهای رسی است. ارزیابی سه معیار آسیبپذیری که با محاسبه سه شاخص DRASTIC، CD و NVI بهدست آمد با همبستگی آنها با خطر آلودگی آب زیرزمینی، مورد بررسی قرار گرفت.
نتایج و بحث
نتایج نشان داد که همبستگی شاخص DRASTIC با خطر آلودگی آب زیرزمینی هشت درصد، شاخص CD، 30 درصد و شاخص NVI 54 درصد، با احتمال 99 درصد، همبستگی معنیداری را نشان میدهند. نتایج حاکی از آن است که اضافه شدن پارامتر کاربری اراضی، باعث افزایش همبستگی آسیبپذیری با خطر آلودگی آب زیرزمینی میشود و ضرب خطر بالقوه مرتبط با کاربری اراضی به افزایش بیشتر این همبستگی کمک میکند. در نتیجه، شاخص NVI شاخص برتر نسبت به دو شاخص دیگر انتخاب شد.
نتیجهگیری
نتایج حاصل از شاخص NVI، دشت کرمان-باغین را به دو طبقه آسیبپذیری خیلی کم با مساحت 1528.07 کیلومتر مربع (75.52 درصد) با مقدار NVI کمتر از 70 و آسیبپذیری کم با مساحت 495.33 کیلومتر مربع (24.48 درصد) با مقدار NVI 70 تا 110، تقسیم میکند. در مجموع، پیشنهاد میشود در محدودههایی که آسیبپذیری کم است، برای مدیریت صحیح منابع آب زیرزمینی و جلوگیری از آلودگی این منابع، از احداث صنایع و کشت محصولات کشاورزی که باعث ایجاد آلودگی میشود، جلوگیری شود.
صدیقه محمدی
چکیده
در کشورهای در حال توسعه، بهعلت مشکلات مالی و فنی بهطور معمول دادههای رسوب اندکی اندازهگیری میشوند، لذا، مدلی که بتواند با استفاده از دادههای دبی آب، میزان بار رسوبی را برآورد کند، میتواند گزینه قابل اطمینانی باشد. با توجه به کاربرد انواع مدلها در پیشبینی رسوب، این تحقیق با هدف ارائه مدل بهینه برآورد ...
بیشتر
در کشورهای در حال توسعه، بهعلت مشکلات مالی و فنی بهطور معمول دادههای رسوب اندکی اندازهگیری میشوند، لذا، مدلی که بتواند با استفاده از دادههای دبی آب، میزان بار رسوبی را برآورد کند، میتواند گزینه قابل اطمینانی باشد. با توجه به کاربرد انواع مدلها در پیشبینی رسوب، این تحقیق با هدف ارائه مدل بهینه برآورد میزان رسوب معلق بر اساس دبی جریان بر روی ایستگاههای هیدرومتری بالادست رودخانه هلیلرود شامل ایستگاههای هیدرومتری پل بافت، سلطانی، هنجان، چشمه عروس، میدان و کناروئیه انجام شد. در این راستا، کارایی انواع مدلهای مختلف منحنی سنجه رسوب شامل مدلهای یک خطی، دو خطی، روش حد وسط دستهها به تنهایی و نیز با ضرایب اصلاحی CF1،CF2 و FAO و مدلهای جعبه سیاه شامل شبکه عصبی مصنوعی و سامانه استنتاج عصبی-فازی در شبیهسازی رسوب معلق مورد ارزیابی قرار گرفتند. نتایج حاصل از ارزیابی این مدلها با استفاده از پارامترهای ارزیابی MAE و RMSE با استفاده از دادههای آزمون، حاکی از آن است که مدلهای عصبی-فازی در عمده ایستگاههای هیدرومتری مورد مطالعه، شامل پل بافت، هنجان و کناروئیه با میزان MAE برابر 35.07، 11958.74 و 34235.27 و RMSE بهترتیب برابر 42.07، 28672.78 و 52735.92 تن در روز بهعنوان بهترین روش برای شبیهسازی میزان بار رسوب معلق بهشمار میآیند. همچنین، مدل شبکه عصبی مصنوعی تابع پایه شعاعی در ایستگاه هیدرومتری میدان با میزان MAE برابر 384.83 و RMSE برابر 669 تن در روز، روش منحنی سنجه رسوب دو خطی در ایستگاه چشمه عروس با میزان MAE و RMSE بهترتیب 1.7 و 4.1 تن در روز و روش منحنی سنجه یک خطی با اعمال ضریب اصلاحی CF1 با MAE و RMSE برابر 9723.2 و 41235.6 تن در روز در ایستگاه هیدرومتری سلطانی بهعنوان بهترین مدلها برای شبیهسازی میزان رسوب معلق میباشند.