پایش شبکة تراز آب زیرزمینی دشت دزفول-اندیمشک

نوع مقاله : مطالعه موردی

نویسندگان

1 دکتری/ بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان چهارمحال و بختیاری، سازمان تحقیقات، آموزش و ترویج کشاورزی، شهرکرد، ایران

2 استادیار/ گروه مهندسی برق، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران

3 استادیار/ گروه مهندسی کامپیوتر، واحد شهرکرد، دانشگاه آزاد اسلامی، شهرکرد، ایران

چکیده

در برخی از مناطق خشک و نیمه‌‌‌خشک ایران، مدیریت کمی و کیفی منابع آب زیرزمینی از اهمیت ویژه‌ای برخوردار است. در بیش‌تر مسائل هیدرولوژیکی و مطالعات منابع آب زیرزمینی، در دسترس بودن آمار و اطلاعات آب زیرزمینی اهمیت بسیاری دارد. عدم شناخت صحیح و برداشت بی‌رویه از منابع آب زیرزمینی، باعث خسارات جبران ناپذیری به این منابع از نقطه نظر کمی و کیفی شده است. در راستای مدیریت پایدار منابع آب تجدیدپذیر، نیاز به یک شبکة چاه‌های مشاهداتی (پایش) آب زیرزمینی به‌منظور اندازه‌گیری سطح آب به‌طور دقیق، لازم و ضروری است. هدف از پژوهش حاضر، طراحی شبکة پایش تراز آب زیرزمینی دشت دزفول-اندیمشک با استفاده از تحلیل مؤلفه‌های اصلی (PCA) و تئوری آنتروپی شانون است. بدین‌منظور، اطلاعات تراز آب زیرزمینی منطقة مورد مطالعه طی دو سال 1396 و 1398 به‌صورت ماهانه از 77 چاه مشاهده‌ای جمع‌آوری شد. برای تمامی چاه‌ها، تحلیل مؤلفه‌های اصلی انجام و اهمیت نسبی هر چاه (نسبت دفعات مؤثر بودن به دفعات شرکت در تحلیل) و خطای پایش به ازای حدود آستانة 1/0، 2/0، غیره و 1 محاسبه شد. هم‌چنین، مقادیر وزن آنتروپی شانون هم برای تمامی چاه‌ها محاسبه شد. نتایج این پژوهش نشان داد که در روش تحلیل مؤلفه‌های اصلی با در نظر گرفتن حد آستانة بهینه (7/0)، تعداد چاه‌های مشاهداتی باقی‌مانده 33 و در تئوری آنتروپی شانون، تعداد چاه‌های باقی‌مانده که بیش‌ترین وزن را دارا بودند، 11 چاه، به‌دست آمد. هم‌چنین، مقایسة نتایج دو روش به‌کاربرده شده نشان داد که چاه‌های باقی‌مانده در تئوری آنتروپی شانون، جزو چاه‌های شناسایی شده در روش تحلیل مؤلفه‌های اصلی است. بنابراین، استفاده از روش تحلیل مؤلفه‌های اصلی و آنتروپی شانون برای پایش شبکة آب زیرزمینی مناسب است. در نهایت، پیشنهاد می‌شود برای ارزیابی دقیق‌تر، این روش‌ها با سایر روش‌های بهینه‌سازی و زمین‌آماری مقایسه شود.

کلیدواژه‌ها

موضوعات


References
Ahmadi Siyavoshani, F. (2019). Determining the optimal number of river quality monitoring stations using discrete information transfer entropy. M.Sc. Thesis, Technical and Engineering Faculty of Qom University. [In Persian]
Anonymous. (2013). Groundwater quality monitoring guidelines. Publications of the Organization of Management and Planning of the country, Publication No. 620, Tehran. [In Persian]
Babaei Hesar, S., Hamdami, Gh., & Ghasemieh, H. (2017). Dentification of effective wells in determining the depth of underground water in Urmia plain using principal component analysis. Water and Soil Journal, 30(1), 40-50. doi: 10.22067/jsw.v31i1.48750. [In Persian]
Hooshangi, N., Ale Sheikh, A.A., & Nadiri A.A. (2016). Optimizing the number of piezometers in predicting the groundwater level with PCA and geostatistical methods. Knowledge Of Water And Soil, 25(4-2), 53-66. https://www.sid.ir/paper/147848/en [In Persian]
Hoseini Zadeh, A., Seyyed Kaboli, H., Zarei, H., & Akhound Ali, A.M. (2017). Analysis of drought severity and return period in future climate change conditions (case study: Dezful Andimeshk plain). Irrigation Science and Engineering, 39(1), 33-43. doi: 10.22055/jise.2016.12010. [In Persian]
Jolliffe, I.T. (2002). Principal Component Analysis. Springer series in statics. 488 pages.
Jung, H., Koh, D.C., Kim, Y., Ha, K., & Lee, J. (2016). Interpretation of Groundwater Level Variations in Jeju Island by Principal Component Analysis. 21st EGU General Assembly, EGU2019, Proceedings from the conference held 7-12 April, in Vienna, Austria.
Khan, S., Gabriel, H.F. & Rana, T. (2008). Standard precipitation index to track drought and assess impact of rainfall on water tables in irrigation areas. Irrigation Drainage Systems, 22, 159-177. doi: 10.1007/s10795-008-9049-3
Khashei Siuki, A., Shahidi, A., & Rahnama, S. (2021). Comparison of Birjand aquifer chromium monitoring network using principal component analysis (PCA) and entropy theory. Journal of Environment and Water Engineering, 7(2), 220–231. doi:10.22034/jewe.2020.254396.1448. [In Persian]
Li, S., Heng, S., Siev, S., Yoshimura, C., Oliver, C. Saavedra, V., & Sarann, L.y. (2019). Multivariate interpolation and information entropy for optimizing raingauge network in the Mekong River Basin. Hydrological Sciences Journal, 64(12), 1439-1452. doi: 10.1080/02626667.2019.1646426
Maryanaji, Z., & Ramezani, A. (2020). Examining the influence of factors affecting the flooding of Hamadan province using Shannon's entropy model and geographic information system. Hydrogeomorphology, 23(6), 185-207. doi: 10.22034/hyd.2020.11120. [In Persian]
Mondal, N., & Singh, V. (2012). Evaluation of groundwater monitoring network of Kodaganar River basin from Southern India using entropy. Environmental Earth Sciences, 66(4), 1183-1193. doi: 10.1007/s12665-011-1326-z
Nouri Gheydari, M.H. (2014). Determining the effective wells in determining the level of underground water by analyzing the main components. Journal of Water and Soil Sciences, 17(64), 158-149. dor: 20.1001.1.24763594.1392.17.64.5.5 [In Persian].
Parsamehr, A.H., Maleki Nezad, H. & Khosravani, Z. (2018). Investigation of Shannon's entropy theory in weighting the quality index (case study: Meqan plain). Iranian Water Research Journal, 12(2), 101-110. https://www.sid.ir/
paper/159784/en [In Persian]
Pearson, K. (1901). On lines and plans of closest fit to systems of points in Space. Philosophical Magazine, 2(6), 559-572. doi: 10.1080/14786440109462720
Petersen, W. (2001). Process identification by principal component analysis of river water-quality data. Ecological Modelling, 138(1-3), 193-213. doi: 10.1016/S0304-3800(00)00402-6
Rahnama, S., Khashei Siuki, A., Shahidi, A., & Noferesti, A.M. (2021). Designing a quality monitoring network of gonabad aquifer using principal component analysis (PCA) method. Water Harvesting Research, 4(1), 68-75. doi: 10.22077/jwhr.2021.4632.1044
Rajaee, T., Masoumi, F., & Ahmadi Siyavoshani, F. (2021). Optimal location of river system water quality monitoring stations using discrete information transfer entropy. Iranian Journal of Irrigation and Drainage, 2(15), 295-306. dor: 20.1001.1.20087942.1400.15.2.4.6. [In Persian]
Sayadi Shahraki, A., Naseri, A.A., Boroomand Nasab, S., & Soltani Mohammadi, A. (2021). Designing the underground water level monitoring network using principal component analysis technique. Journal of Water Resources Engineering, 13(1), 29-36. dor: 20.1001.1.20086377.1399.13.44.3.4. [In Persian]
Sauquet, E. (2000). Mapping mean monthly runoff pattern using EOF analysis. Hydrology and Earth System Sciences, 4(1), 79-93. doi: 10.5194/hess-4-79-2000
Shabbir, R. & Ahmad, S.S. (2015). Use of geographic information system and water quality index to assess groundwater quality in Rawalpindi and Islamabad. Arabian Journal for Science and Engineering, 40, 2033-2047. doi: 10.1007/s13369-015-1697-7
Shannon, C.E. (1948). A mathematical theory of communication. The Bell System Technical Journal, 27(4), 623-656. doi: 10.1002/j.1538-7305.1948.tb01338.x
Shyu, G.S., Cheng, B.Y., Chiang, C.T., Yao, P.H., & Chang, T.K. (2011). Applying Factor analysis combined with kriging and information entropy theory for mapping and evaluating the stability of groundwater quality variation in Taiwan. International Journal of Environment Research and Public Health, 8, 1084-1109. doi: 10.3390/ijerph8041084
Stigter, T.Y., Ribeiro, L., & Dill, A.M.M. (2006). Evaluation of an intrinsic and a specific vulnerability assessment method in comparison with ground waters a linistio nand nitrate contamination levels in two agricultural regions in the south of Portugal. Hydrogeology Journal, 14(1-2), 79-99. doi: 10.1007/s10040-004-0396-3