با همکاری انجمن آبخیزداری ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد عمران، مهندسی و مدیریت منابع آب، گروه مهندسی آب، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران

2 دانشیار، گروه مهندسی آب، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران

3 دانشیار، گروه اکولوژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران

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 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.

کلیدواژه‌ها

عنوان مقاله [English]

Evaluation of the composite DRASTIC index and the nitrate vulnerability index for groundwater resources pollution, case study: Kerman-Baghin Plain aquifer

نویسندگان [English]

  • Ali Bakhtiarizadeh 1
  • Mohammad Najafzadeh 2
  • Sedigheh Mohamadi 3

1 Msc Student in Civil Engineering, Water Resources Engineering and Management, Department of Water Engineering, Faculty of Civil and Surveying Engineering, Graduate University of Advanced Technology, Kerman, Iran

2 Associate Professor, Department of Water Engineering, Faculty of Civil and Surveying Engineering, Graduate University of Advanced Technology, Kerman, Iran

3 Associate Professor, Department of Ecology, Institute of Science and High Technology and Environmental Sciences, Graduate University of Advanced Technology, Kerman, Iran

چکیده [English]

Introduction
The groundwater aquifer is one of the most vital resources, being considered more important in the countries (e.g., Iran) located in hot and dry areas. One of the ways to prevent contamination of groundwater resources is to focus on their vulnerability. So, a trustworthy assessment of groundwater vulnerability is useful to determine the contamination points of the aquifer for effective protection and management of groundwater resources.
 
Materials and methods
In this research, DRASTIC index was applied to evaluate groundwater susceptibility while considering effects of land use and nitrate pollution for Kerman-Baghein Plain located in Kerman Province. In this regard, seven parameters including the depth of the water table, net feeding of aquifer, aquifer texture, surface soil texture, topography, impact of the vadose zone, and hydraulic conductivity were employed to calculate the DRASTIC index. It should be noted that this index has previously been applied by researchers for assessment of the vulnerability of the aquifer against groundwater pollution in different regions. However, despite the complexities in the underground water system and the opinions of experts in assigning the rank and weight of the parameters in this index and the difference in the conditions prevailing in the studied areas, it has always prompted researchers to take practical steps to improve this index. This improvement has been carried out in a number of studies by adding other parameters (e.g., land use and the effect of nitrate) to the parameters of the DRASTIC index. Therefore, in the present research, the parameters of land use and potential risk associated with land use have been used to compute the Composite DRASTIC index (CD) and Nitrate Vulnerability Index (NVI) in the Arc/GIS software environment, respectively. In this way, the CD index was obtained by adding the land use parameter to the DRASTIC index and the NVI index by multiplying the raster map of the potential risk rating related to the land use in the DRASTIC index. It should be noted that according to the land use map evaluation, this plain includes 54% of low-density pastures, 24% of irrigated agriculture, 10% of hand-planted forests, 6% of bare and desert lands, 5% of residential areas, and 1% of claypans. After the evaluation of three vulnerability criteria using all three indices DRASTIC, CD and NVI, their correlation with Ggroundwater Contamination Risk (GCR) was also investigated.
 
Results and discussion
The results revealed that the correlation of the DRASTIC index with the risk of underground water pollution is 8%, the CD index is 30% and the NVI index is 54%, with a probability of 99%, they show a significant correlation. The results indicated that the addition of the land use parameter caused to increase the correlation of vulnerability with the risk of groundwater pollution, and multiplying the potential risk associated with land use led to further increase of the correlation. As a result, the NVI index was selected as the superior index compared to the other two indices.
Conclusion
The results of the NVI index of Kerman-Baghin Plain indicated that this plain is divided into two categories including very low vulnerability with an area of ​​1528.07 km2 (75.52 %) having an NVI value of less than 70 and low vulnerability with an area of ​​495.33 km2 (24.48 %) having NVI value from 70 to 110. Taken together, in order to properly manage the groundwater resources and prevent the pollution of these resources, it is recommended to prohibit the establishment of industries and the cultivation of agricultural sector causing the pollution in areas with low vulnerability.

کلیدواژه‌ها [English]

  • Aquifer pollution
  • Geographic Information System (GIS)
  • Land use
  • Water depth
  • Water resources management
Abunada, Z., Kishawi, Y., Alslaibi, T.M., Kaheil, N., Mittelstet, A., 2020. The application of SWAT-GIS tool to improve the recharge factor in the DRASTIC framework: case study. J. Hydrol. 592, 125613.
Aller, L., Bennett, T., Lehr, J., Petty, R.J., Hackett, G., 1987. DRASTIC: a standardized system for evaluating ground water pollution potential using hydrogeologic settings. United States Environmental Protection Agency, Washington, DC, 455 pages.
Asghari Moghaddam, A., Soltani, S., Barzegar, R., Kazemian, N., 2017. Vulnerability assessment of Kordkandi-Duzduzan Plain groundwater using calibrated DRASTIC model. Iran-Water Resour. Res. 13(4), 89-99 (in Persian).
Azizi Mobaser, J., Masud Lak, M., Rasoulzadeh, A., 2019. Evaluation of intrinsic vulnerability of Urmia Plain groundwater pollution using original DRASTIC and modified Drastic model. Iran-Water Resour. Res. 14(5), 220-235 (in Persian).
Babiker, I.S., Mohamed, M.A., Hiyama, T., Kato, K., 2005. A GIS-based DRASTIC model for assessing aquifer vulnerability in Kakamigahara Heights, Gifu Prefecture, Central Japan. Sci. Total Environ. 345(1-3), 127-140.‏
Baghapour, M.A., Talebbeydokhti, N., Tabatabaee, S.H.R., Fadaei Nobandegani, A., 2014. Using DRASTIC and Composite DRASTIC (CD) models: the case of Shiraz Unconfined Aquifer. J. Health Sci. Surveill. Syst. 2(2), 54-65.
Baghapour, M.A., Talebbeydokhti, N., Fadaei Nobandegani, A., Bagherzadeh, S., 2015. Water resources management with the approach of identifying the vulnerable areas of underground water using the latest proposed Nitrate Vulnerability Index (NVI) model, an aquifer case study Shiraz Unconfined Aquifer. International Conference on Environmental Sciences, Engineering and Technologies, University of Tehran, Tehran (in Persian).
Baghapour, M.A., Fadaei Nobandegani, A., Talebbeydokhti, N., Bagherzadeh, S., Nadiri, A.A., Gharekhani, M., Chitsazan, N., 2016. Optimization of DRASTIC method by artificial neural network, nitrate vulnerability index, and composite DRASTIC models to assess groundwater vulnerability for unconfined aquifer of Shiraz Plain, Iran. J. Environ. Health Sci. Eng. 14(1), 1-16.
Barzegar, R., Moghaddam, A.A., Baghban, H., 2015. A supervised committee machine artificial intelligent for improving DRASTIC method to assess groundwater contamination risk: a case study from Tabriz Plain Aquifer, Iran. Stoch. Environ. Res. Risk Assess. 30(3), 883-899.
Choubin, B., Sajedi-Hosseini, F., Azareh, A., Soleimani-Sardoo, F., 2016. Assessment of climate change at 2055 horizon on groundwater resources in Kerman-Baghin Plain. Desert Management 4(7), 1-11 (in Persian).
Dixon, B., 2005. Groundwater vulnerability mapping: a GIS and fuzzy rule based integrated tool. Appl. Geogr. 25(4), 327-347.
Entezari, M., Amiri, F., Tabatabaie, T., 2018. A GIS, DRASTIC techniques for assessing groundwater vulnerability in Torghabeh-Shandiz Watershed of Khorasan County. J. GIS RS for Natur. Res. 9(3), 19-32 (in Persian).
Gharekhani, M., Nadiri, A., Asghari moghaddam, A., 2017. Using supervised committee machine artificial intelligent model for improving drastic model, case study: Ardabil Plain Aquifer. Geosciences 26(104), 113-124 (in Persian).
Gogu, R.C., Dassargues, A., 2000. Current trends and future challenges in groundwater vulnerability assessment using overlay and index methods. Environmental Geology 39(6), 549-559.
Herlinger, R., Viero, A.P., 2007. Groundwater vulnerability assessment in coastal plain of Rio Grande do Sul State, Brazil, using drastic and adsorption capacity of soils. Environ. Geol. 52(5), 819-829.
Khosravi, K., Sartaj, M., Tsai, F.T.C., Singh, V.P., Kazakis, N., Melesse, A.M., Prakash, I., Bui, D.T., Pham, B.T., 2018. A comparison study of DRASTIC methods with various objective methods for groundwater vulnerability assessment. Sci. Total Environ. 642, 1032-1049.
Martínez-Bastida, J.J., Arauzo, M., Valladolid, M., 2010. Intrinsic and specific vulnerability of groundwater in Central Spain: the risk of nitrate pollution. Hydrogeology Journal 18(3), 681-698.‏
Mfonka, Z., Ngoupayou, J.N., Ndjigui, P.D., Kpoumie, A., Zammouri, M., Ngouh, A.N., Mouncherou, O.F., Rakotondrabe, F., Rasolomanana, E.H., 2018. A GIS-based DRASTIC and GOD models for assessing alterites aquifer of three experimental watersheds in Foumban (Western-Cameroon). Groundw. Sustain. Dev. 7, 250-264.‏
Mfumu Kihumba, A., Vanclooster, M., Longo, J.N., 2017. Assessing groundwater vulnerability in the Kinshasa region, DR Congo, using a calibrated DRASTIC model. J. African Earth Sci. 126, 13-22.
Muhammad, A.M., Zhonghua, T., Dawood, A.S., Earl, B., 2015. Evaluation of local groundwater vulnerability based on DRASTIC index method in Lahore, Pakistan. Geofis. Int. 54(1), 67-81.
National Research Council. 1993. Ground water vulnerability assessment: predicting relative contamination potential under conditions of uncertainty. Washington, DC: The National Academies Press.
Nazzal, Y., Howari, F.M., Iqbal, J., Ahmed, I., Orm, N.B., Yousef, A. 2019. Investigating aquifer vulnerability and pollution risk employing modified DRASTIC model and GIS techniques in Liwa area, United Arab Emirates. Groundw. Sustain. Dev. 8, 567-578.
Panagopoulos, G.P., Antonakos, A.K., Lambrakis, N.J., 2006. Optimization of the DRASTIC method for groundwater vulnerability assessment via the use of simple statistical methods and GIS. Hydrogeol. J. 14, 894–911.
Piscopo, G., 2001. Groundwater vulnerability map explanatory notes. Centre for natural resource,  New South Wales Department of land and water conservation, 10 Valentine Avenue, Parramatta New South Wales 2150.
Rahman, A., 2008. A GIS based DRASTIC model for assessing groundwater vulnerability in shallow aquifer in Aligarh, India. Appl. Geogr. 28(1), 32-53. ‏
Secunda, S., Collin, M.L., Melloul, A.J., 1998. Groundwater vulnerability assessment using a composite model combining DRASTIC with extensive agricultural land use in Israel's Sharon region. J. Environ. Manage. 54(1), 39-57.
Tabarmayeh, M., Vaezi Hir, A., 2015. Investigation on vulnerability of Tabriz Plain unconfined aquifer. J. Water Soil 28(6), 1137-1151.
Tomer, T., Katyal, D., Joshi, V., 2019. Sensitivity analysis of groundwater vulnerability using DRASTIC method: a case study of National Capital Territory, Delhi, India. Groundw. Sustain. Dev. 9, 100271.
Voutchkova, D.D., Schullehner, J., Rasmussen, P., Hansen, B., 2021. A high-resolution nitrate vulnerability assessment of sandy aquifers (DRASTIC-N). J. Environ. Manage. 277, 111330.
Yin, L., Zhang, E., Wang, X., Wenninger, J., Dong, J., Guo, L., Huang, J., 2013. A GIS-based DRASTIC model for assessing groundwater vulnerability in the Ordos Plateau, China. Environ. Earth Sci. 69(1), 171-185.
Zghibi, A., Merzougui, A., Chenini, I., Ergaieg, K., Zouhri, L., Tarhouni, J., 2016. Groundwater vulnerability analysis of Tunisian coastal aquifer: an application of DRASTIC index method in GIS environment. Groundw. Sustain. Dev. 2-3, 169-181.