ارزیابی آسیب‌پذیری آب زیرزمینی دشت ایسین با استفاده از مدل‌ های دراستیک و گادز (GODS) در سیستم اطلاعات جغرافیایی

محورهای موضوعی : برنامه های کاربردی در مدیریت منابع آب

مجید پوربلیغی ¹ (دانشجوی دکتری آمایش محیط‌زیست، دانشکده علوم و فنون دریایی، دانشگاه آزاد واحد تهران شمال، تهران، ایران)
سحر رضایان ² (دانشیار گروه محیط‌ زیست، دانشکده علوم پایه، دانشگاه آزاد واحد شاهرود، شاهرود، ایران)
مریم رفعتی ³ (استادیار گروه محیط‌ زیست، دانشکده علوم و فنون دریایی،دانشگاه آزاد واحد تهران شمال، تهران، ایران)
رخشاد حجازی ⁴ (استادیار گروه محیط‌ زیست، دانشکده علوم و فنون دریایی، دانشگاه آزاد واحد تهران شمال، تهران، ایران)

تاریخ دریافت : 1399/11/22 تاریخ پذیرش : 1400/01/12 تاریخ انتشار : 1400/10/01

کلید واژه: دشت ایسین, مدل دراستیک, آب زیرزمینی, مدل گادز (GODS), سیستم اطلاعات جغرافیایی,

چکیده مقاله :

پیشینه و هدف در مناطق خشک و نیمه خشک مانند ایران که متوسط بارش سالانه آن کمتر از یک‌سوم متوسط بارش سالانه جهان است، آب‌های زیرزمینی منبع مهم واصلی برای تأمین آب شرب است. کمی و نامنظمی بارندگی، ضایعات، منابع آب زیرزمینی را مورد تهدید جدی قرار داده و سبب پیدایش آلودگی‌های زیادی گردیده است. ازنظر کیفی بیشتر مخازن آب زیرزمینی نسبت به منابع آلاینده نقطه‌ ای وزیر نقطه ‌ای آسیب‌ پذیر می ‌باشند. منابع آلاینده نقطه ‌ای ناشی از پساب فاضلاب ‌های خانگی و صنعتی و منابع آلاینده غیر نقطه‌ ای از مصرف بی ‌رویه و بیش ‌از حد کودها و سموم کشاورزی و شسته شدن آن ‌ها به سمت آب ‌های زیرزمینی منتج می ‌شود. محدودیت منابع آب ‌های سطحی و نبودن آن در بسیاری از مناطق کشور، باعث شده که از آب‌ های زیرزمینی استفاده وسیعی گردد. امروزه افزایش فعالیت های کشاورزی، باغداری و دامداری از یکسو و فعالیت‌ های صنعتی و کارگاهی و توسعه سکنه گزینی همراه با رشد جمعیت از سوی دیگر استفاده بیش ‌از حد از منابع طبیعی و گسترش فعالیت ‌های صنعتی و کشاورزی و تولید انبوه پسماندها و آلودگی گسترده آب ‌های زیرزمینی و رشد و آگاهی فکری جوامع بشری در مورد اهمیت این منابع آسیب‌ پذیر، منجر به تلاش ‌های وسیعی جهت محافظت از آب ‌های زیرزمینی ‌شده است. فرایند احیاء آبخوان ‌ها در مقیاس منطقه ‌ای در یک قالب زمانی معقول امکان ‌پذیر نیست زیرا آب ‌های زیرزمینی خیلی کند جریان پیدا می ‌کنند. ارزیابی آسیب ‌پذیری به ‌عنوان روشی برای پهنه‌بندی مکان ‌هایی است که بیشتر در معرض آلودگی هستند؛ بنابراین برای جلوگیری از آلوده شدن و مدیریت مؤثر آب‌ های زیرزمینی، ارزیابی آسیب ‌پذیری آبخوان ‌ها ضروری است زیرا آسیب ‌پذیری می ‌توان به تعیین سیاست‌ های کاربردی و عملی برای مدیریت منابع آب زیرزمینی در مسیر بهره ‌برداری پایدار کمک شایانی نماید. در کشور ما در دهه اخیر، ارزیابی آسیب‌ پذیری آب ‌های زیرزمینی در برابر آلودگی، از رشد چشمگیری برخوردار بوده و نتایج مطلوبی نیز به دنبال داشته است. ارزیابی آسیب‌ پذیری روشی کم‌ هزینه و قدرتمند در شناسایی مناطق نواحی مستعد به آلودگی است. در دشت ایسین هرمزگان به دلیل وسعت کم، بارش سالیانه کم و کمبود منابع آب در این منطقه، استفاده از منابع آب زیرزمینی بسیارحائزاهمیت است. با توجه به افزایش جمعیت، فعالیت ‌های صنعتی و توسعه کشاورزی و استفاده از سموم کشاورزی و کودهای شیمیایی در این دشت و به دلیل عدم شناخت و یا عدم درک از میزان دقیق آسیب ‌پذیری آب ‌های زیرزمینی در این محدوده، نیاز به تکنیک های سریع شناسایی و ارزیابی آسیب ‌پذیری آب ‌های زیرزمینی در این منطقه است لذا هدف از این تحقیق تهیه نقشه آسیب ‌پذیری سفره آب ‌های زیرزمینی دشت ایسین هرمزگان با استفاده از روش‌ های دراستیک وگادز (GODS) و با کمک سیستم اطلاعات جغرافیایی تعیین ‌شده استمواد و روش ها این تحقیق با روش‌های در استیک و گادز با کمک سیستم اطلاعات جغرافیایی انجام شد. روش دراستیک مهم ‌ترین روش رتبه دهی تعیین آسیب پذیری است که در بین محققین و کارشناسان رایج تر بوده و مورداستفاده قرارگرفته است. روش دراستیک از ترکیب هفت مشخصه هیدروژئولوژیک قابل ‌اندازه‌گیری و مؤثر در انتقال آلودگی به آب ‌های زیرزمینی شامل عمق سطح ایستابی، تغذیه خالص، محیط آبخوان، محیط خاک، توپوگرافی، اثر محیط غیراشباع و هدایت هیدرولیک تشکیل‌شده که ابتدا نقشه‌ های هر یک از مشخصه ‌های هیدرولوژیک فوق ‌الذکر در دشت ایسین را بر اساس داده ‌های موجود که از شرکت آب منطقه ‌ای هرمزگان استخراج ‌شده در محیط جی‌آی‌اس (GIS) تهیه و پس از رتبه ‌بندی و وزن دهی آن‌ ها بین 1 تا 10 و رو‌یهم گذاری آن ‌ها، نقشه نهایی آسیب ‌پذیری آبخوان ایسین بر اساس مدل دراستیک به دست آمد. در مدل گادز که یک روش بسیار ساده، عملی و تجربی برای ارزیابی سریع پتانسیل آلودگی آب ‌های زیرزمینی است نیز دارای چهار مشخصه نوع آبخوان، منطقه غیراشباع، عمق آب زیرزمینی و نوع خاک بوده که در این تحقیق مورداستفاده قرار گرفت. داده‌ های مورداستفاده در مدل‌ های فوق‌الذکر از 19 حلقه چاه پیزومتری واقع در دشت ایسین که از سال 1368 لغایت 1395 موجود بوده استخراج شد. در روش گادز نیز مانند روش دراستیک برای هرکدام از مشخصه‌های هیدروژئولوژیک بر اساس داده‌های موجود، در محیط GIS نقشه تهیه و رتبه‌بندی بین 1 تا 5 انجام، سپس بعد از رو‌یهم گذاری آن‌ها نقشه‌های آسیب‌پذیری دشت ایسین با مدل گادز به دست آمد.نتایج و بحث از آنجایی‌که در شاخص مدل دراستیک (DRASTIC) حداقل ممکن برای آسیب ‌پذیری برابر 23 و حداکثر آن برابر با 230 است؛ اما نتایج نقشه نهایی آسیب‌ پذیری آبخوان ایسین به روش دراستیک که تقریباً کامل‌ترین شاخص برای ارزیابی نیروی آسیب ‌پذیری آب ‌های زیرزمینی است، نشان داد دامنه مقادیر شاخص دراستیک بین 59 تا 163 است. نقشه این شاخص در 6 طبقه از بدون آسیب ‌پذیری تا آسیب ‌پذیری زیاد استخراج ‌شده است. بیشترین مساحت منطقه (33.66 درصد) که بخش ‌های شمال شرق، بخش‌ هایی از مرکز تا جنوب دشت را پوشش می‌ دهد، دارای آسیب ‌پذیری کم تا متوسط است. پس ‌از آن به ترتیب آسیب ‌پذیری متوسط تا زیاد (19.29 درصد) در بخش‌ هایی از مرکز و شمال غرب قرار داشته و همچنین آسیب ‌پذیری خیلی کم (14.75 درصد) در قسمت ‌های از جنوب و شرق، در بخش ‌هایی از مناطق شرق و جنوب بدون آسیب ‌پذیری (11.29 درصد)، در مناطق شمال و بخشی از مرکز و جنوب دارای آسیب ‌پذیری کم (10.15 درصد) و درنهایت آسیب‌پذیری زیاد (10.84 درصد) در قسمتی از مرکز و غرب در رده‌ های بعدی ازلحاظ مساحت قرار داشتند. در واقع طبق مدل دراستیک اکثر بخش‌ های آبخوان دشت ایسین از نظر پتانسیل آسیب ‌پذیری در کلاس ‌های آسیب ‌پذیری کم و کم تا متوسط قرار داشتند. همچنین نتایج حاصل از مدل گادز نشان داد، منطقه موردمطالعه به سه بخش شامل آسیب ‌پذیری کم، متوسط و زیاد تقسیم ‌شده است، قسمت اعظم دشت ایسین (66.83 درصد) در محدوده آسیب‌پذیری متوسط با رتبه‌ای بین 0.3 تا0.5 قرار می ‌گیرند و کمترین سطح (11.31 درصد) هم مربوط به پتانسیل آسیب‌ پذیری زیاد با رتبه 0.5 تا 0.7 است.نتیجه گیری به ‌طور کلی در هر دو روش، نیروی آسیب ‌پذیری ذاتی آبخوان ایسین در محدوده ‌های آسیب ‌پذیری کم تا زیاد ارزیابی ‌شده ولی حدود گسترش محدوده‌ های آسیب ‌پذیری آن‌ ها متفاوت بوده است و مدل دراستیک محدوده ‌های مختلف آسیب ‌پذیری را به دلیل مشخصه ‌های بیشتر و وزن دهی متفاوت این مشخصه‌ ها بر اساس نقش آن‌ ها در تعیین آلودگی به ‌طور دقیق‌ تری مشخص کرده است.

چکیده انگلیسی:

Background and Objective In arid and semi-arid regions such as Iran, where the average annual rainfall is less than one-third of the world's average annual rainfall, groundwater is an important source of drinking water. Quantitive and irregular rainfall, limited surface water resources, and its absence in many parts of the country have led to the widespread use of groundwater. Today, increasing agricultural, horticultural and livestock activities on the one hand and industrial and workshop activities and population development along with population growth, on the other hand, excessive use of natural resources and expansion of industrial and agricultural activities and mass production of waste and scrap, groundwater resources are threatened. Seriously and has caused a lot of pollution. Qualitatively, most groundwater reservoirs are vulnerable to ministerial sources. Point sources of pollution from domestic and industrial wastewater and non-point sources of pollutants result from improper and excessive consumption of fertilizers and pesticides and their leaching into groundwater. Widespread groundwater pollution and the growth and awareness of human societies about the importance of these vulnerable resources have led to extensive efforts to protect groundwater. The process of regenerating aquifers on a regional scale in a reasonable time frame is not possible because groundwater flows very slowly. Vulnerability assessment is a way to zoning areas that are most prone to contamination; therefore, to prevent contamination and effective groundwater management, it is necessary to assess the vulnerability of aquifers because vulnerability can help determine practical and practical policies for the management of groundwater resources in the path of sustainable exploitation. In our country, in the last decade, the assessment of groundwater vulnerability to pollution has grown significantly and has had good results. Vulnerability assessment is a low-cost and powerful way to identify areas prone to contamination. Vulnerability assessment is a low-cost and powerful way to identify areas prone to contamination. In the Aisin plain of Hormozgan, due to its small area, low annual rainfall, and lack of water resources in this area, the use of groundwater resources is very important. Due to population growth, industrial activities and agricultural development, and the use of agricultural pesticides and chemical fertilizers in this plain and due to lack of knowledge or understanding of the exact level of groundwater vulnerability in this area, the need for rapid techniques to identify and assess vulnerabilities. It is underground in this area. The purpose of this research is was to map the vulnerability of groundwater in the Aisin plain of  Hormozgan using DRASTIC and GODS methods and with the help of GIS.Materials and Methods This research was carried out by DRASTIC and GODS methods with the help of GIS. The DRASTIC method is the most important rating method for determining vulnerability, which is more common among researchers and experts and has been used. The DRASTIC method consists of a combination of seven measurable and effective hydrogeological features effective in transferring contamination to groundwater, including groundwater depth, net recharge, aquifer, soil environment, Topography, Impact of the vadose zone, and hydraulic conductivity. Aisin plain based on available data extracted from Hormozgan Regional Water Company in GIS environment and after ranking and weighing them between 1 to 10 and superimposing them, the final vulnerability map of Aisin aquifer based on the DRASTIC model obtained Came. The GODS model, which is a very simple, practical, and experimental method for rapid assessment of groundwater pollution potential, also has four characteristics of aquifer type, unsaturated area, groundwater depth, and soil type, which were used in this study. The data used in the above models were extracted from 19 piezometric wells located in Aisin plain, which were available from 1987 to 2018. In the GODS method, like the DRASTIC method for each of the hydrogeological characteristics based on the available data, in the GIS environment, a map was prepared and ranked between 1 and 5, then after superimposing them, vulnerability maps of Aisin plain with GODS model obtained.Results and Discussion Since in the DRASTIC model index, the minimum possible vulnerability is 23 and the maximum is 230; However, the results of the final Aisin aquifer vulnerability map by the DRASTIC method, which is almost the most complete indicator for assessing groundwater vulnerability, Showed that the range of DRASTIC index values is between 59 and 163. The map of this index has been extracted in 6 categories from non-vulnerability to high vulnerability. Most of the area (33.66%), which covers the northeastern parts, from the center to the south of the plain, has low to moderate vulnerability. After that, moderate vulnerability (19.29%) was located in parts of the center and northwest, respectively, and also very low vulnerability (14.75%) in parts of the south and east, in parts of the east and south without vulnerability (29 11.11%), in the northern and part of the center and south with low vulnerability (10.15%) and finally, high vulnerability (10.84%) in the central and western parts were in the next categories in terms of area. In fact, according to the DRASTIC model, most of the aquifer sections of the Aisin plain were in low and medium to medium vulnerability classes in terms of vulnerability potential. Also, the results of the GODS model showed that the study area is divided into three parts including low, medium, and high vulnerability. Most of the Aisin plain (66.83%) is in the range of moderate vulnerability with ranks between 0.5 to 0.3 And the lowest level (11.31%) is related to the high vulnerability potential with a rank of 0.5 to 0.7.Conclusion In general, in both methods, the inherent vulnerability of the Aisin aquifer has been evaluated in low to high vulnerability ranges, but the extent of expansion of their vulnerability ranges has been different and the DRASTIC model of different vulnerability zones due to more characteristics and different weights based on these characteristics are different. Contamination is more accurately identified.

منابع و مأخذ:

Aller L, Lehr J, Petty R. 1987. DRASTIC: a standardized system to evaluate ground water pollution potential using hydrogeologic settings. National water well Association Worthington, Ohio 43085. Truman Bennett. Bennett and Williams. Inc Columbus, Ohio, 43229. http://rdn.c.ca/cms/wpattachments/wpID3175atID5999.pdf.

Amiri F, Tabatabaie T, Entezari M. 2020. GIS-based DRASTIC and modified DRASTIC techniques for assessing groundwater vulnerability to pollution in Torghabeh-Shandiz of Khorasan County, Iran. Arabian Journal of Geosciences, 13(12): 1-16. doi:https://doi.org/10.1007/s12517-020-05445-0.

Arya S, Subramani T, Vennila G, Roy PD. 2020. Groundwater vulnerability to pollution in the semi-arid Vattamalaikarai River Basin of south India thorough DRASTIC index evaluation. Geochemistry, 80(4): 125635. doi:https://doi.org/10.1016/j.chemer.2020.125635.

Asfaw D, Mengistu D. 2020. Modeling megech watershed aquifer vulnerability to pollution using modified DRASTIC model for sustainable groundwater management, Northwestern Ethiopia. Groundwater for Sustainable Development, 11: 100375. doi:https://doi.org/10.1016/j.gsd.2020.100375.

Babiker IS, Mohamed MA, Hiyama T, Kato K. 2005. A GIS-based DRASTIC model for assessing aquifer vulnerability in Kakamigahara Heights, Gifu Prefecture, central Japan. Science of the Total Environment, 345(1-3): 127-140. doi:https://doi.org/10.1016/j.scitotenv.2004.11.005Get.

Balakrishnan P, Saleem A, Mallikarjun N. 2011. Groundwater quality mapping using geographic information system (GIS): A case study of Gulbarga City, Karnataka, India. African Journal of Environmental Science and Technology, 5(12): 1069-1084. doi:https://doi.org/10.5897/AJEST11.134.

Barbulescu A. 2020. Assessing groundwater vulnerability: DRASTIC and DRASTIC-like methods: a review. Water, 12(5): 1356. doi:https://doi.org/10.3390/w12051356.

Belle J, Saungweme K, Ojo T. 2020. An evaluation of groundwater vulnerability to pollution in Ga-segonyana municipality area, Kuruman, Northern Cape in South Africa. Groundwater for Sustainable Development, 11: 100389. doi:https://doi.org/10.1016/j.gsd.2020.100389.

Benabdelouahab S, Salhi A, Himi M, El Messari JES, Ponsati AC, Mesmoudi H, Benabdelfadel A. 2018. Using resistivity methods to characterize the geometry and assess groundwater vulnerability of a Moroccan coastal aquifer. Groundwater for Sustainable Development, 7: 293-304. doi:https://doi.org/10.1016/j.gsd.2018.07.004.

Bera A, Mukhopadhyay BP, Chowdhury P, Ghosh A, Biswas S. 2021. Groundwater vulnerability assessment using GIS-based DRASTIC model in Nangasai River Basin, India with special emphasis on agricultural contamination. Ecotoxicology and Environmental Safety, 214: 112085. doi:https://doi.org/10.1016/j.ecoenv.2021.112085.

Bhuvaneswaran C, Ganesh A. 2019. Spatial assessment of groundwater vulnerability using DRASTIC model with GIS in Uppar odai sub-watershed, Nandiyar, Cauvery Basin, Tamil Nadu. Groundwater for Sustainable Development, 9: 100270. doi:https://doi.org/10.1016/j.gsd.2019.100270.

Boufekane A, Omar S. 2013. Assessment of groundwater pollution by nitrates using intrinsic vulnerability methods: A case study of the Nil valley groundwater (Jijel, North-East Algeria). African Journal of Environmental Science and Technology, 7(10): 949-960. doi:https://doi.org/10.1111/gwat.12582.

Duttagupta S, Mukherjee A, Das K, Dutta A, Bhattacharya A, Bhattacharya J. 2020. Groundwater vulnerability to pesticide pollution assessment in the alluvial aquifer of Western Bengal basin, India using overlay and index method. Geochemistry, 80(4): 125601. doi:https://doi.org/10.1016/j.chemer.2020.125601.

Entezari M, Amiri F, Tabatabaie T. 2018. A GIS, DRASTIC techniques for assessing groundwater vulnerability in Torghabeh–Shandiz watershed of Khorasan county. Journal of RS and GIS for Natural Resources, 9(3): 19-32. http://girs.iaubushehr.ac.ir/article_544813_en.html. (In Persian).

Guettaia S, Hacini M, Boudjema A, Zahrouna A. 2017. Vulnerability assessment of an aquifer in an arid environment and comparison of the applied methods: Case of the mio-plio-quaternary aquifer. Energy Procedia, 119: 482-489. doi:https://doi.org/10.1016/j.egypro.2017.07.057.

Hasan M, Islam MA, Hasan MA, Alam MJ, Peas MH. 2019. Groundwater vulnerability assessment in Savar upazila of Dhaka district, Bangladesh—A GIS-based DRASTIC modeling. Groundwater for Sustainable Development, 9: 100220. doi:https://doi.org/10.1016/j.gsd.2019.100220.

Kazakis N, Voudouris K. 2011. Comparison of three applied methods of groundwater vulnerability mapping: A case study from the Florina basin, Northern Greece. Advances in the research of aquatic environment. Springer. 359-367. https://doi.org/10.1007/978-3-642-24076-8_42.

Knouz N, Bachaoui E, Boudhar A. 2017. Cartography of intrinsic aquifer vulnerability to pollution using GOD method: Case study Beni Amir groundwater, Tadla, Morocco. Journal of Materials and Environmental Sciences, 8(3): 1046-1053. doi:http:/doi.org/10.26872/jmes.2017.8.3.441.

Laura H, Bouchaou L, Tadoumant S, Reichert B. 2020. Index-based groundwater vulnerability and water quality assessment in the arid region of Tata city (Morocco). Groundwater for Sustainable Development, 10: 100344. doi:https://doi.org/10.1016/j.gsd.2020.100344.

Malik MS, Shukla J. 2019. GIS modeling approach for assessment of groundwater vulnerability in parts of Tawa river catchment area, Hoshangabad, Madhya Pradesh, India. Groundwater for Sustainable Development, 9: 100249. doi:https://doi.org/10.1016/j.gsd.2019.100249.

Mfonka Z, Ngoupayou JN, Ndjigui P-D, Kpoumie A, Zammouri M, Ngouh A, Mouncherou O, Rakotondrabe F, Rasolomanana E. 2018. A GIS-based DRASTIC and GOD models for assessing alterites aquifer of three experimental watersheds in Foumban (Western-Cameroon). Groundwater for Sustainable Development, 7: 250-264. doi:https://doi.org/10.1016/j.gsd.2018.06.006.

Moradi P, Rouhi H, Rangzan K, Kalantari N, Ghanbari N. 2017. Assessing groundwater vulnerability in Ramhormoz aquifer using a GIS and DRASTIC Techniques. Journal RS and GIS for Natural Resources, 7(4): 62-78. http://girs.iaubushehr.ac.ir/article_528882.html?lang=en. (In Persian).

Nakhostinrouhi M, Rezaei Moghaddam MH, Rahimpour T. 2019. Evaluating the Aquifer Vulnerability in Ajabshir Plain to Prevent Contamination Risks and Apply Optimal Management. Journal of Natural Environmental Hazards, 8(20): 53-66. doi:http://dx.doi.org/10.22111/JNEH.2018.22204.1322. (In Persian).

Prasad R, Mondal N, Banerjee P, Nandakumar M, Singh V. 2008. Deciphering potential groundwater zone in hard rock through the application of GIS. Environmental Geology, 55(3): 467-475. doi:https://doi.org/10.1007/s00254-007-0992-3.

Rahman A. 2008. A GIS based DRASTIC model for assessing groundwater vulnerability in shallow aquifer in Aligarh, India. Applied geography, 28(1): 32-53. doi:https://doi.org/10.1016/j.apgeog.2007.07.008.

Shrestha S, Semkuyu DJ, Pandey VP. 2016. Assessment of groundwater vulnerability and risk to pollution in Kathmandu Valley, Nepal. Science of the Total Environment, 556: 23-35. doi:https://doi.org/10.1016/j.scitotenv.2016.03.021.