پتانسیل‌یابی منابع آب زیرزمینی منطقة لنجانات اصفهان با استفاده از مدل وزن شواهد

نوع مقاله : پژوهشی

نویسندگان

1 دانشیار/ گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران

2 استادیار/گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران

3 دانشیار/ گروه انرژی‌های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

4 دانشجوی دکتری/ گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران

5 دانشجوی دکتری/گروه مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران

چکیده

تعیین پتانسیل منابع آب زیرزمینی به­ویژه در کشورهای در حال ‌توسعه از موارد مهم و ضروری در مدیریت منابع آب محسوب می­شود. در این پژوهش، نقشۀ پتانسیل آب زیرزمینی به‌منظور مدیریت و برنامه­ریزی منابع آب زیرزمینی با استفاده از مدل وزن شواهد­ و سامانة اطلاعات جغرافیایی (GIS) در منطقۀ لنجانات اصفهان انجام شده است. به­منظور واسنجی و اعتبارسنجی نتایج، موقعیت جغرافیایی 624 چاه در منطقه به دو گروه تقسیم شدند. در اجرای مدل وزن شواهد از متغیرهای مؤثر در پتانسیل آب زیرزمینی شامل ارتفاع، شیب، جهت شیب، انحنای زمین، زمین‌شناسی، کاربری اراضی، خاک‌شناسی، شاخص رطوبت توپوگرافی، فاصله از گسل، تراکم گسل، تراکم آبراهه و فاصله از آبراهه استفاده شد. هم‌چنین برای اعتبارسنجی نتایج مدل­ها از منحنی مشخصۀ عملکرد ((ROC استفاده شد. مساحت زیر منحنی ((AUC برای مدل وزن شواهد، مقدار 6/81 درصد را ارائه داد که نشان از اعتبار بسیار خوب این مدل به‌منظور تعیین پتانسیل آب زیرزمینی در لنجانات است. حساسیت‌سنجی مدل­ به متغیرها نشان داد که این مدل در این منطقه به دو متغیر کاربری اراضی و شیب حساس­تر است. بیش از 60 درصد منطقه دارای پتانسیل آب زیرزمینی متوسط تا خیلی زیاد است. تعیین مناطق با پتانسیل بالای آب زیرزمینی از لحاظ شناسایی مناطق برای اجرای برنامه­های مدیریتی، حائز اهمیت است. از آن­جا که مناطق با پتانسیل پایین، نشان‌دهندة عدم شرایط مناسب جهت تغذیه و ورودی آب به سفره­های زیرزمینی است؛ در نتیجة حفر چاه در این مناطق و استفاده و برداشت از این چاه‌ها، توازن بین ورودی و خروجی سفره­های زیرزمینی را از بین می­برد و نهایتاً خشک شدن قنوات را نیز می‌تواند به دنبال داشته باشد .پیشنهاد می­شود که از مدل وزن شواهد با تعداد متغیرهای ورودی بیش‌تر نیز استفاده شود و هم‌چنین میزان دقت مدل­های دیگر نیز در مطالعاتی هم‌چون مطالعة حاضر برای تهیۀ نقشۀ پتانسیل با دقت بالا بررسی شود.

کلیدواژه‌ها


اصغری، ص.، و ریاحی‌نیا، م. (1399). پتانسیل‌یابی منابع آب‌های زیرزمینی در دشت خرم‌آباد با استفاده از دو روش منطق فازی و شبکه عصبی مصنوعی. پژوهش‌های ژئومورفولوژی کمّی، 9(2)، 141-158.
زالی، م.، و شاهدی، ک. (1400). ارزیابی حساسیت زمین‌لغزش با استفاده از رویکرد منطق فازی و سامانۀ اطلاعات جغرافیایی در حوزۀ آبخیز نکارود. مدل‌سازی و مدیریت آب و خاک، 1(1)، 65-79.
شفیعی، ‌.، امیراحمدی، ا.، و رحمانی، ا. (1398). پتانسیل‌یابی منابع آب زیرزمینی با مدل آنتروپی شانون حوضۀ آبریز دشت نورآباد ممسنی. فضای جغرافیایی، ۱۹(۶۶)، 291-304.
عرب‌عامری، ع.ر.، پورقاسمی، ح.ر.، و شیرانی، ک. (1396). پهنه‌‏بندی حساسیت سیل ‏گیری با استفاده از روش ترکیبی نوین تئوری بیزین‌- فرایند تحلیل سلسله‌مراتبی (مطالعۀ موردی: حوضۀ آبخیز نکا-استان مازندران). اکوهیدرولوژی، 4(2)، 447-462.
غلامی، م.، سلیمانی، ک.، و نکویی‌قاچکانلو، ا. (1396). تهیۀ نقشۀ حساسیت به وقوع زمین‌لغزش با استفاده از مدل‌های وزن شواهد (WofE)، نسبت فراوانی (FR) و دمپستر- شیفر  (DSH) (مطالعۀ موردی: محدودۀ ساری-کیاسر). مرتع و آبخیزداری، 70(3)، 735-750.
فلاح، ف.، دانشفر، م.، و قربانی‌نژاد، س. (1396). پتانسیل‌یابی منابع آب زیرزمینی در محدودۀ مطالعاتی خرم‌آباد با استفاده از روش شاخص آماری. آب و توسعه پایدار، 4(1)، 89-98.
قربانی‌نژاد، س.، دانش‌فر، م.، رحمتی، ا.، فلاح، ف.، حقی‌زاده، ع.، و طهماسبی‌پور، ن. (1396). پتانسیل‌یابی منابع آب زیرزمینی دشت ازنا-الیگودرز با استفاده از متغیرهای محیطی و مدل نسبت فراوانی. سنجش ‌از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 8(2)، 62-78.
مفیدی‌فر، م.، اصلاح، م.، و حسن‌آبادی، ع. (1394). مقایسه مدل‌های تصمیم‌گیری تاپسیس و تحلیل سلسه‌مراتبی در پتانسیل‌یابی منابع آب زیرزمینی حوضۀ دشت یزد-اردکان در محیط GIS. جغرافیا و برنامه‌ریزی محیطی، 26(1)، 147-156.
نجف‌پور، ن.، ترابی‌پوده، ح.، و یونسی، ح.ا. (1399). بررسی اثر تغییرات کمی و کیفی منابع آب زیرزمینی بر آلودگی آبخوان (مطالعۀ موردی: دشت لنجانات، اصفهان). پژوهش‌های محیط­ زیست، 11(21)، 233-248.
نوحانی، ا.، معروفی‌نیا، ا.، و خسروی، خ. (1396). پتانسیل‌یابی منابع آب زیرزمینی دشت الشتر توسط مدل تابع شواهد قطعی. نشریۀ آبیاری و زهکشی ایران، 11(4)، 698-707.
یوسفی، ح.، یونسی، ح.ا.، ارشیا، آ.، یاراحمدی، ی.، و گودرزی، ا. (1400). تعیین مناطق مستعد سیل با مدل‌‏های FR، SI و Shannon  به‌‏منظور کاهش مخاطرات سیل (مطالعۀ موردی: حوضۀ ‏آبخیز کشکان). اکوهیدرولوژی، 8(1)، 307-319.
یونسی، ح.ا.، ترابی‌پوده، ح.، شاهی‌نژاد، ب.، و ارشیا، آ. (1399). پتانسیل‌یابی منابع آب زیرزمینی با استفاده از مدل‌های وزن شواهد و شاخص آماری در محدودۀ نجف‌آباد. ترویج و توسعه آبخیزداری، 8(29)، 36-43.
 
Arab Ameri, A., Pourghasemi, H., & Shirani, K. (2017). Flood susceptibility zonation using new ensemble Bayesian-AHP methods (Case study: Neka Watershed, Mazandaran Province). Iranian Journal of Ecohydrology, 4(2), 447- 462 (in Persian).
Asghari, S., & Riahinia, M. (2020). Potentialization of groundwater resources in Khorramabad plain using two methods of fuzzy logic and artificial neural network. Quantitative Geomorphological Research, 9(2), 141-158 (in Persian).
Bonham-Carter, G.F., Agterberg, F.P., & Wright, D.F. (1988). Integration of Geological datasets for gold exploration in Nova Scotia. American Society for Photogrammetry and Remote Sensing, 54(11), 1585-1592.
Chen, W., Li, H., Hou, E., Wang, S., Wang, G., Panahi, M., Li, T., Peng, T., Guo, C., Niu, C., Xiao, L., Wang, J., Xie, X., & Ahmad, B.B. (2018). GIS-based groundwater potential analysis using novel ensemble weights-of-evidence with logistic regression and functional tree models. The Science of the total environment, 634, 853–867.
Chenini, I., Mammou, A.B., & El May, M. (2010). Groundwater recharge zone mapping using GIS-based multi-criteria analysis: a case study in Central Tunisia (Maknassy Basin). Water Resources Management, 24, 921-939.
Dahal, R.K., Hasegawa, S., Nonomura, A., Yamanaka, M., Dhakal, S., & Paudyal, P. (2008). Predictive modelling of rainfall-induced landslide hazard in the Lesser Himalaya of Nepal based on weights-of-evidence. Geomorphology, 102(3-4), 496-510.
Fallah, F., Daneshfar, M., & Ghorbaninejad, S. (2017). Application of the statistical index model in groundwater potential mapping in the Khorramabad Plain. Journal of Water and Sustainable Development, 4(1), 89-98 (in Persian).
Gholami, M., Soleymani, K., & Nekoee, E. (2017). Landslide susceptibility mapping by use of Weight of Evidence (WofE) and Frequency Ratio (FR) and Dempster-Shafer (DSH) models: A case study of Sari-Kiasar region, Northern Iran. Journal of Range and Watershed Management, 70(3), 735-750 (in Persian).
Golkarian, A., & Rahmati, O. (2018). Use of a maximum entropy model to identify the key factors that influence groundwater availability on the Gonabad Plain, Iran. Environmental Earth Sciences, 77, 369.
Ghorbani Nejad, S., Daneshfar, M., Rahmati, O., Falah, F., Haghizadeh, A., & Tahmasebipour, N. (2017a). Groundwater resource potential of Azna-Aligoudarz plain using environmental variables and frequency ratio (FR) model Journal of RS and GIS for Natural Resources, 8(2), 62-78 (in Persian).
Ghorbani Nejad, S., Falah, F., Daneshfar, M., Haghizadeh, A., & Rahmati, O. (2017b). Delineation of groundwater potential zones using remote sensing and GIS-based data-driven models. Geocarto International, 32(2), 167-187.
Haghizadeh, A., Moghaddam, D., & Pourghasemi, H. (2017). GIS-based bivariate statistical techniques for groundwater potential analysis. Journal of Earth System Science, 126, 109.
Jothibasu, A., & Anbazhagan, S. (2016). Modeling groundwater probability index in Ponnaiyar River basin of South India using analytic hierarchy process. Modeling Earth Systems and Environment, 2(109).
Lee, S., Hyun, Y., & Lee, M. (2019). Groundwater Potential Mapping Using Data Mining Models of Big Data Analysis in Goyang-si, South Korea. Sustainability, (11), 1678.
Manap, M.A., Nampak, H., Pradhan, B., Lee, S., Sulaiman, W.N.A., & Ramli, M.F. (2014). Application of probabilistic-based frequency ratio model in groundwater potential mapping using remote sensing data and GIS. Arabian Journal of Geosciences, 7(2), 711-724.
Mofidifar, M., Eslah, M., & Hasanabadi, A. (2015). Comparison of TOPSIS decision making models and hierarchical analysis in finding groundwater potential in Yazd-Ardakan Plain Basin in GIS. Geography and Environmental Planning, 26(1), 147-156 (in Persian).
Mogaji, K.A., & Lim, H.S. (2018). Application of Dempster-Shafer theory of evidence model to geoelectric and hydraulic parameters for groundwater potential zonation. Astronomy and Geophysics, 7(1), 134-148.
Najafpour, N., Torabipoudeh, H., & Yonesi, H. (2020). Evaluation of Groundwater Quantity and Quality on Aquifer Pollutant (Case Study: Lenjanat Plain, Isfahan). Environmental Research, 11(21), 233-248 (in Persian).
Nampak, H., Pradhan, B., & Manap, M.A. (2014). Application of GIS based data driven evidential belief function model to predict groundwater potential zonation. Journal of Hydrology, 513, 283-300.
Nohani, A., Merufinia, A., & Khosravi, Kh. (2018). Groundwater Potential Mapping of the Al-shtar Plain Using Evidential Belief Function Model. Iranian Journal of Irrigation and Drainage, 1(12), 119-129 (in Persian).
Oh, H.J., Kim, Y.S., Choi, J.K., Park, E., & Lee, S. (2011). GIS mapping of regional probabilistic groundwater potential in the area of Pohang City, Korea. Journal of Hydrology, 399(3), 158-72.
Rahmati, O., Pourghasemi, H. R., & Zeinivand, H. (2016). Flood susceptibility mapping using frequency ratio and weights-of-evidence models in the Golastan Province, Iran. Geocarto International, 31(1), 42-70.
Regmi, A.D., Devkota, K.C., Yoshida, K., Pradhan, B., Pourghasemi, H.R., Kumamoto, T., & Akgun, A. (2014). Application of frequency ratio, statistical index, and weights-of-evidence models and their comparison in landslide susceptibility mapping in Central Nepal Himalaya. Arabian Journal of Geosciences, 7(2), 725-742.
Siahkamari, S., & Zeinivand, H. (2016). Potential of flood prone areas using statistical index model and weight of evidence (Case study: Maderso watershed, Golestan). Remote Sensing and GIS in Natural Resources, 7(4), 116-133.
Sener, B., Suzen, M.L., & Doyuran, V. (2006). Landfill site selection by using geographic information systems. Environmental Geology, 49(3), 376-388.
Shafiei, N., Amir Ahmadi, A., & Rahmani, A. (2019). Finding potential sources of underground water catchment model Shannon entropy Nourabad Mamasani plain. Journal of Geographic Space, 19(66), 291-304 (in Persian).
Thapa, R., Gupta, S., Guin, S., & Kaur, H. (2017). Assessment of groundwater potential zones using multi-influencing factor (MIF) and GIS: a case study from Birbhum district, West Bengal. Applied Water Science, 7(7), 4117-4131.
Xu, C., Xu, X., Dai, F., Xiao, J., Tan, X., & Yuan, R. (2012). Landslide hazard mapping using GIS and weight of evidence model in Qingshui River watershed of 2008 Wenchuan earthquake struck region. Journal of Earth Science, 23, 97–120.
Yousefi, H., Younesi, H., Arshia, A., Yarahmadi, Y., & Goodarzi, A. (2021). Determination of flood prone areas with FR, SI and Shannon models in order to reduce flood risks (Case study: Caspian watershed). Iranian Journal of Ecohydrology, 8(1), 307-319 (in Persian).
Younesi, H., Torabi Podeh, H., Shahi Nejad, B., & Arshia, A. (2020). Groundwater potential mapping using the weights of evidence and statistical indexes in Najafabad, Iran. Extension and Development of Watershed Management, 8(29), 36-43 (in Persian).
Zali, M., & Shahedi, K. (2021). Evaluation of landslide sensitivity using fuzzy logic approach and GIS in watershed. Water and Soil Management and Modeling, 1(1), 65-79 (in Persian).