شناسایی مناطق کارست و میزان گسترش آن با استفاده از سنجشازدور و سیستماطلاعاتجغرافیایی در حوضۀ آبریز ظالم رود ساری در مازندران، ایران
محورهای موضوعی : برنامه های کاربردی در مدیریت منابع آبمحمدعلی قلی نتاج ملکشاه 1 , داود جهانی 2 , سیدرمضان موسوی 3 , نادر کهنسال قدیم وند 4 , سیدحمید وزیری 5
1 - دانشجوی دکتری زمین شناسی، دانشکده علوم، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران
2 - دانشیار، گروه زمین شناسی دانشکده علوم، دانشگاه آزاد اسلامی واحد تهران شمال،تهران، ایران
3 - استادیار گروه مهندسی آبخیزداری، دانشکده منابع طبیعی ، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
4 - استادیار گروه زمین شناسی دانشکده علوم، دانشگاه آزاد اسلامی واحد تهران شمال،تهران، ایران
5 - استاد گروه زمین شناسی دانشکده علوم، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران
کلید واژه: منطق فازی, کارست, حوزه آبریز ظالم رود, سنجش از دور و GIS, هیدروژئوشیمی, مازندران,
چکیده مقاله :
پیشینه و هدف سیمای مرکبی از همه ناهمواریها، اشکال، فضای خالی و پدیدههایی که در اثر خورندگی آب در سطح و در زیر سطح زمین در سازندهای زمینشناسی قابلحل مختلف ایجاد میشوند را کارست گفته که تقریباً 15 درصد از سنگهای رخنمون یافته جهان را در برگرفتهاند. علیرغم اهمیت مناطق کارستی در ادوار گذشته، امروزه، مطالعه، شناسایی، تحلیل مکانی و مدیریت این مناطق، موردتوجه جدی زمین شناسان، هیدرولوژیستها، هیدروژئولوژیست ها، اکوتوریست ها، ژئوتوریست ها و زیستمحیطی در مقیاسهای گوناگون است. از طرفی با توجه به برخی از شرایط ویژه مانند بحران آب و یافتن نقاط دارای ذخایر آبی پایدار و یا مناطق مناسب جهت احداث سدها و سایر سازههای با ریسک کم و ضریب اطمینان بالا، شناسایی مناطق کارستی از اهمیت بالایی برخوردار است. همچنین پدیده کارست در ابعاد گوناگون، از دیدگاه زمینشناسی و ژئومورفولوژی نیز دارای جایگاه ویژهای است، زیرا علل و چگونگی فرآیندها و اشکال انحلالی و گسترش آنها بر سنگها و کانیها دارای اهمیت بسیار بالایی است. شرق مازندران بهویژه در محدوده موردمطالعه، ازلحاظ زمینشناسی یکی از مناطق دارای پتانسیل فرآیند کارستی بوده و با توجه به شرایط محیطی بهخصوص وضعیت پوشش گیاهی و راههای دسترسی، کمتر موردمطالعه قرارگرفته است. بر این اساس، این مطالعه، بهمنظور شناسایی مناطق کارستی و میزان گسترش آنها با استفاده از روش سنجش از دور و سیستم اطلاعات جغرافیایی در حوضۀ ظالم رود ساری در استان مازندران در شمال ایران متمرکز است.مواد و روشها بهمنظور شناسایی مناطق کارستی و ویژگیهای فیزیکوشیمیایی آبخوانهای موجود، ابتدا لازم بود مناطق کارستی شناسایی و سپس وضعیت فیزیکوشیمیایی آن ارزیابی میگردید. در گام نخست، با استفاده از دادههای ماهوارهای لندست Landsat، استر ASTER و SRTM، نقشههای زمینشناسی، اطلاعات آبوهوایی و بازدیدهای میدانی، عوامل مؤثر بر کارستی شدن که شامل نوع سنگ، خطوارهها نظیر گسلها و شکستگیها، پوشش گیاهی، آبوهوا، وضعیت آبراههها و شیب توپوگرافی هستند، استخراج شدهاند. قابلذکر است که در این گام، برای به دست آوردن نتیجه بهتر، از منطق فازی و تحلیل سلسله مراتبی (AHP) بهره گرفته شده است. در گام دوم، بهمنظور بررسی وضعیت فیزیکوشیمیایی آبخوان، پارامترهای شیمیایی برخی از چشمهها، مورد تجزیهوتحلیل قرارگرفته و پارامترهای انحلالی، ضرایب اشباعی، منشأ مواد شیمیایی محلول در آب و سیستم کلی جریان در آبخوانهای موجود مشخص شده است. در این مطالعه، تعیین ترکیب و پراکندگی سنگی، بر اساس بازدیدهای میدانی و به کمک نقشههای زمینشناسی یکصد هزارم بهشهر و ساری که زمین مرجع شدهاند، انجام شده است. برای استخراج خطوارههای ناشی از شکستگیها، از سه روش دستی، خودکار و نیمه اتوماتیک استفاده شده است. در روش دستی، با اعمال فیلترهای High Pass، PCA و ترکیب رنگی دادههای ماهوارهای لندست-8، خطوارهها بارزسازی و استخراج شدهاند. در روش اتوماتیک، از الگوریتم Segment Tracing Algorithm (STA) در نرمافزار PCI، کمک گرفته شده است. در الگوریتم STA، پیکسلهای خطی بر اساس اختلاف درجه خاکستری شناسایی و سپس بر اساس پارامترهای RADI، GTHR، LTHR، FTHR، ATHR و DTHR به بردار تبدیل گردیدهاند. جهت تشخیص و استخراج وضعیت پوشش گیاهی، از شاخص Normalized Difference Vegetation Index (NDVI) بر روی دادههای سنجنده OLI از ماهواره لندست-8، کمک گرفته شده است. آبراههها، با کمک اکستنشن ArcHydro در GIS شناسایی گردیدند. برای تولید DEM موردنیاز، از تکنیکهای فتوگرامتری بر روی تصاویر زوج استریو سنجنده ASTER در نرمافزار Idrisi و بر اساس متغیرهای پارامتری توجیههای داخلی و خارجی (External and Internal Orientation) سنجنده و نقاط کنترلی زمینی (Ground Control Points, GCPs) انجام شده است. شیب توپوگرافی منطقه به کمک DEM و بر اساس درجه در محیط نرمافزاری GIS محاسبه و نقشه آن تهیه شده است. بر اساس دادههای آب هوایی اداره کل هواشناسی استان مازندران، وضعیت آبوهوایی بهصورت منحنیهای همدما، هم بارش و هم تبخیر مشخص و نوع آبوهوا نیز، از روش De Marton تعیین شده است.نتایج و بحث حاصل فعالیتهای فوق، تولید نقشههای سنگشناسی، تراکم و فاصله از خطوارههای حاصل از شکستگی، تراکم و فاصله از آبراههها، شیب توپوگرافی، هم بارش و پوشش گیاهی بوده است. با توجه به معیارهای متفاوت بکار رفته در نقشههای تولیدشده و وجود نیاز به معیاری واحد و قابلمقایسه و متناسب برای تلفیق لایههای اطلاعاتی، از منطق فازی کمک گرفته شده است. در این حالت، کلیه لایهها با مرز غیرقطعی بهجز لیتولوژی که دارای مرز قطعی بوده و تابع منطق بولین است، فازی سازی شدهاند و در ادامه در GIS، بهصورت لایههای فازی سازی شده استخراج گردیدهاند. از طرفی، چون وزن و ضریب اثربخشی عوامل هشتگانه مؤثر در وقوع پدیده کارست یکسان نیستند، برای تعیین ارجحیت و اولویتبندی این عوامل، از روش تحلیل سلسله مراتبی (AHP) استفاده شده است و میزان مشارکت و به عبارتی وزن هر یک از معیارها با ضریب ناسازگاری کمتر از یک درصد در نرمافزار Expert Choice 12 محاسبه شده است. درنهایت، با روش ترکیب خطی وزندار (WLC)، لایههای رستری فازی شده بر اساس وزن مؤثر آنها، با عملگر تجمعی توافقی (Compromise Operator) یا گاما تلفیق شده و نقشه پراکندگی پدیده کارست با ضریب احتمال متفاوت در محدوده موردمطالعه استخراج گردید. در گام بعدی، بهمنظور بررسی وضعیت فیزیکوشیمیایی آبخوانها و ارزیابی پدیده کارست، تعداد 18 چشمه با دبی مساوی و بیشتر از سه لیتر بر ثانیه انتخاب و به کمک نرمافزارهای SPPS، RockWorks2016 و PHREEQC2.6 مورد ارزیابی قرارگرفتهاند و ضمن استخراج جداول و نمودارهای هیدروژئوشیمیایی، شاخص اشباعی کانیهای متعدد نیز، محاسبه گردیدهاند.نتیجه گیری نتایج این تحقیق نشان میدهد که پدیده کارست، در بخش مرکزی دارای بیشترین گسترش بوده و خطوارههای حاصل از شکستگیها، بیشترین نقش را در تشکیل این پدیده داشتهاند. تیپ آب این چشمهها، بیکربنات کلسیک- منیزیک بوده و براساس نمودار گیپس، نقش سنگهای تشکیلدهنده آبخوان در تعیین ترکیب شیمیایی آب، بسیار واضح است. همچنین، با توجه به شاخصهای اشباعی کانیها، نوع جریان در مخازن آبهای زیرزمینی، بهصورت افشان و افشان- مجرایی است. بر اساس این تحقیق، بهرهگیری از فنآوری نوین سنجشازدور و GIS، موجب افزایش دقت و سرعت و کاهش هزینه در مطالعات کارستی بههمراه دارد.
Background and Objective Karst is a composite image of all the roughness, shapes, pores, and phenomena caused by water corrosion, above and below the surface, in various soluble geological formations, which cover about 15% of the world's exposed rocks. Despite the importance of karst areas in the past, today, the study, identification, spatial analysis and management of these areas are of very interest to geologists, hydrologists, hydrogeologists, eco-tourists, geotourists and environmentalists at various scales. Karst phenomenon also has a special place in various dimensions from the point of view of geology and geomorphology, because the causes and methods of dissolution processes and forms and their extension in rocks and minerals are of great importance to East Mazandaran, especially in the study area, is geologically one of the areas with karst process potential and has been less studied due to environmental conditions, especially vegetation and access roads. This study is focused on identifying karst areas and their extent using RS and GIS method in the Zalem-Rud Sari basin in Mazandaran province in northern Iran. In order to identify karst areas and physicochemical characteristics of existing aquifers, it was first necessary to identify karst areas and then assess their physicochemical status. In the first step, using Landsat, ASTER and SRTM satellite data, geological maps, weather information and field visits, factors affecting karstification such as rock types, Fracture lineaments, vegetation, climate, condition of the drainages and the slope of the topography are extracted. It should be noted that in this step, to obtain a better result, fuzzy logic and Hierarchical Analysis Process have been used. In the second step, in order to investigate the physicochemical condition of the aquifer, the chemical parameters of some springs are analyzed and the dissolution parameters, saturation indices, the origin of water-soluble components and the general flow system in the existing aquifers are determined.Materials and Methods In this study, the composition and distribution of rock, based on field visits and georeferenced geological maps of one hundred thousandths of Behshahr and Sari, have been done. Three methods of manual, automatic and semi-automatic have been used to extract the lineaments due to fractures. In the manual method, the lineaments are highlighted and extracted by applying High Pass filters, PCA and the color combination of Landsat 8 satellite data. In the automatic method, the Segment Tracing Algorithm (STA) in PCI software is used. In the STA algorithm, linear pixels are identified based on the degree of gray difference and then converted to vectors based on RADI, GTHR, LTHR, FTHR, ATHR and DTHR parameters. The Normalized Difference Vegetation Index (NDVI) was used to detect and extract vegetation status on OLI sensor data from the Landsat 8 satellite. To generate DEM, photogrammetric techniques were performed on a pair of stereo images of ASTER sensor in Idrisi software based on parametric variables of external and external orientations and ground control points (GCPs). The topographic slope of the area has been calculated by DEM and based on the degree in GIS and its map has been prepared. Based on the weather data of the General Meteorological Department of Mazandaran Province, the weather condition is determined by the isothermal, isohyetal and isoevaporation curves and the type of weather is determined by the De Marton method.Results and Discussion The result of the above activities has been the production of lithological maps, density and distance from fracture lineaments, density and distance from drainages, topographic slope, rainfall and vegetation. Due to the different criteria used in the generated maps and the need for a single, comparable and proportionate criteria for combining information layers, fuzzy logic has been used. In this case, all layers, except lithology, which has a definite boundary and is a function of Boolean logic, are fuzzy and then extracted as fuzzy layers in GIS. On the other hand, because the weight and effectiveness of the eight factors affecting the occurrence of the karst phenomenon are not the same, the Hierarchical Analysis (AHP) method has been used to determine the preference and prioritization of these factors. And the participation rate, in other words, the weight of each criterion with an incompatibility coefficient of less than one percent has been calculated in Expert Choice 12 software. Finally, by the weighted linear combination (WLC) method, fuzzy raster layers based on their effective weight are combined with Compromise Operator or Gamma and the karst distribution map is extracted with different probability coefficients in the study area. In the next step, in order to investigate the physicochemical status of the aquifers and evaluate the karst phenomenon, 18 springs with equal flow and more than three litres per second were selected and evaluated using SPPS, RockWorks2016 and PHREEQC2.6 software. In addition to extracting hydrogeochemical tables and graphs, the saturation index of various minerals has also been calculated.Conclusion The results of this study show that the karst phenomenon has the most spread in the central part and the lineaments resulting from fractures have played the most role in the formation of this phenomenon. The water type of these springs is calcium-magnesium bicarbonate and according to the Gibbs diagram, the role of aquifer rocks in determining the chemical composition of water is very clear. Also, the saturation indices of minerals and the type of flow in groundwater reservoirs are diffuse and diffuse-duct flows. To this research, the use of new remote sensing technology and GIS increases accuracy and speed and reduces costs in karst studies.
Aganbati SA. 2004. Geology of Iran. Geological Survey of Iran. First edition. 640 p. (In Persian).
Alavi M. 1991. Sedimentary and structural characteristics of the Paleo-Tethys remnants in northeastern Iran. Geological Society of America Bulletin, 103(8): 983-992. doi:https://doi.org/10.1130/0016-7606(1991)103<0983:SASCOT>2.3.CO;2.
Alonso-Contes CA. 2011. Lineament mapping for groundwater exploration using remotely sensed imagery in a karst terrain: Rio Tanama and Rio de Arecibo basins in the northern karst of Puerto Rico. Michigan Technological University. doi:https://doi.org/10.37099/mtu.dc.etds/309.
Asadzadeh S, de Souza Filho CR. 2016. A review on spectral processing methods for geological remote sensing. International Journal of Applied Earth Observation and Geoinformation, 47: 69-90. doi:https://doi.org/10.1016/j.jag.2015.12.004.
Balıka F, Alkışa A, Alkış YKZ. 2004. Validation of radargrammetric DEM generation from radarsat images in high relief areas in Edremit region of Turkey. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 34(Part XXX).
Birk S, Liedl R, Sauter M. 2004. Identification of localised recharge and conduit flow by combined analysis of hydraulic and physico-chemical spring responses (Urenbrunnen, SW-Germany). Journal of Hydrology, 286(1): 179-193. doi:https://doi.org/10.1016/j.jhydrol.2003.09.007.
Bonham-Carter GF, Bonham-Carter G. 1994. Geographic information systems for geoscientists: modelling with GIS. vol 13. Elsevier. 398 p.
Dafny E, Tawfeeq KJ, Ghabraie K. 2015. Evaluating temporal changes in hydraulic conductivities near karst-terrain dams: Dokan Dam (Kurdistan-Iraq). Journal of Hydrology, 529: 265-275. doi:https://doi.org/10.1016/j.jhydrol.2015.07.048.
Daoxian Y. 1997. Sensitivity of karst process to environmental change along the PEP II transect. Quaternary International, 37: 105-113. doi:https://doi.org/10.1016/1040-6182(96)00012-2.
Demicco RV, Klir GJ. 2003. Fuzzy logic in geology. Elsevier. 347 p.
Drever JI. 1988. The geochemistry of natural waters, vol 437. Prentice hall Englewood Cliffs. 436 p.
Ebrahimi O, Ahmadi M, Shahabi H, Asgari S. 2018. Evaluation of karst features using principal component analysis (PCA): a case from Zarneh and Kergan, Western Iran. Carbonates and Evaporites, 33(4): 625-635. doi:https://doi.org/10.1007/s13146-017-0373-2.
Elez J, Cuezva S, Fernandez-Cortes A, Garcia-Anton E, Benavente D, Cañaveras JC, Sanchez-Moral S. 2013. A GIS-based methodology to quantitatively define an Adjacent Protected Area in a shallow karst cavity: The case of Altamira cave. Journal of Environmental Management, 118: 122-134. doi:https://doi.org/10.1016/j.jenvman.2013.01.020.
Gibbs RJ. 1970. Mechanisms controlling world water chemistry. Science, 170(3962): 1088-1090.
Ho P-G. 2009. Geoscience and remote sensing. BoD–Books on Demand, 610 p.
Kaufmann G, Romanov D. 2016. Structure and evolution of collapse sinkholes: Combined interpretation from physico-chemical modelling and geophysical field work. Journal of Hydrology, 540: 688-698. doi:https://doi.org/10.1016/j.jhydrol.2016.06.050.
Khanlari G, Momeni AA. 2012. Geomorphology, hydrogeology and the study of factors affecting to karst development in Garin area, west of Iran. Geography and Territorial Spatial Arrangement, 2(3): 61 -73. (In Persian).
Koike K, Nagano S, Ohmi M. 1995. Lineament analysis of satellite images using a Segment Tracing Algorithm (STA). Computers & Geosciences, 21(9): 1091-1104. doi:https://doi.org/10.1016/0098-3004(95)00042-7.
Kresic N. 1995. Remote sensing of tectonic fabric controlling groundwater flow in Dinaric karst. Remote Sensing of Environment, 53(2): 85-90. doi:https://doi.org/10.1016/0034-4257(95)00042-Y.
Litwin L, Andreychouk V. 2008. Characteristics of high-mountain karst based on GIS and Remote Sensing. Environmental Geology, 54(5): 979-994. doi:https://doi.org/10.1007/s00254-007-0893-5.
Liu F, Song X-f, Yang L, Zhang Y, Han D, Ma Y, Bu H. 2015. Identifying the origin and geochemical evolution of groundwater using hydrochemistry and stable isotopes in the Subei Lake basin, Ordos energy base, Northwestern China. Hydrology and Earth System Sciences, 19(1): 551-565. doi:https://doi.org/10.5194/hess-19-551-2015.
Malczewski J. 2000. On the use of weighted linear combination method in GIS: common and best practice approaches. Transactions in GIS, 4(1): 5-22. doi:https://doi.org/10.1111/1467-9671.00035.
Meijerink AM, Bannert D, Batelaan O, Lubczynski M, Pointet T. 2007. Remote sensing applications to groundwater, vol 16. Unesco Paris, 312 p.
Mohammadi Z, Alijani F, Rangzan K. 2014. DEFLOGIC: a method for assessment of groundwater potential in karst terrains: Gurpi Anticline, southwest Iran. Arabian Journal of Geosciences, 7(9): 3639-3655. doi:https://doi.org/10.1007/s12517-013-0958-6.
Mohammadizad R, Arfania R. 2017. Advanced investigation of remote sensing to geological mapping of Zefreh region in central Iran. Open Journal of Geology, 7(10): 1509. doi:https://doi.org/10.4236/ojg.2017.710101.
O’Driscoll MA, DeWalle DR. 2006. Stream–air temperature relations to classify stream–ground water interactions in a karst setting, central Pennsylvania, USA. Journal of Hydrology, 329(1): 140-153. doi:https://doi.org/10.1016/j.jhydrol.2006.02.010.
Pei J, Wang L, Huang N, Geng J, Cao J, Niu Z. 2018. Analysis of Landsat-8 OLI imagery for estimating exposed bedrock fractions in typical karst regions of Southwest China using a karst bare-rock index. Remote Sensing, 10(9): 1321. doi:https://doi.org/10.3390/rs10091321.
Pirasteh S. 2006. The role of lineaments in karstification-Pabdeh anticline Zagros Fold Belt: an application of remote sensing and geographic information system. Geographical Journal of Territory (Sarzamin), 3(11): 51-68. (In Persian).
Saaty TL. 2001. Fundamentals of the analytic hierarchy process. In: The analytic hierarchy process in natural resource and environmental decision making. Springer, pp 15-35.
Shahmoradi S, Ghafarian Malamiri HR, Amini M. 2021. Extraction of soil moisture index (TVDI) using a scatter diagram temperature/vegetation and MODIS images. Journal of RS and GIS for Natural Resources, 12(1): 38-62. doi:http://dorl.net/dor/20.1001.1.26767082.1400.12.1.3.4. (In Persian).
Shuster ET, White WB. 1971. Seasonal fluctuations in the chemistry of lime-stone springs: A possible means for characterizing carbonate aquifers. Journal of Hydrology, 14(2): 93-128. doi:https://doi.org/10.1016/0022-1694(71)90001-1.
Srivastava PK, Mukherjee S, Gupta M, Islam T. 2014. Remote sensing applications in environmental research. Springer. doi:https://doi.org/10.1007/978-3-319-05906-8.
Su YH, Zhu GF, Feng Q, Li ZZ, Zhang FP. 2009. Environmental isotopic and hydrochemical study of groundwater in the Ejina Basin, northwest China. Environmental Geology, 58(3): 601-614. doi:https://doi.org/10.1007/s00254-008-1534-3.
Uromeihy A. 2000. The Lar Dam; an example of infrastructural development in a geologically active karstic region. Journal of Asian Earth Sciences, 18(1): 25-31. doi:https://doi.org/10.1016/S1367-9120(99)00026-7.
Xing L, Guo H, Zhan Y. 2013. Groundwater hydrochemical characteristics and processes along flow paths in the North China Plain. Journal of Asian Earth Sciences, 70-71: 250-264. doi:https://doi.org/10.1016/j.jseaes.2013.03.017.
Yu L, Porwal A, Holden E-J, Dentith MC. 2012. Towards automatic lithological classification from remote sensing data using support vector machines. Computers & Geosciences, 45: 229-239. doi:https://doi.org/10.1016/j.cageo.2011.11.019.
_||_Aganbati SA. 2004. Geology of Iran. Geological Survey of Iran. First edition. 640 p. (In Persian).
Alavi M. 1991. Sedimentary and structural characteristics of the Paleo-Tethys remnants in northeastern Iran. Geological Society of America Bulletin, 103(8): 983-992. doi:https://doi.org/10.1130/0016-7606(1991)103<0983:SASCOT>2.3.CO;2.
Alonso-Contes CA. 2011. Lineament mapping for groundwater exploration using remotely sensed imagery in a karst terrain: Rio Tanama and Rio de Arecibo basins in the northern karst of Puerto Rico. Michigan Technological University. doi:https://doi.org/10.37099/mtu.dc.etds/309.
Asadzadeh S, de Souza Filho CR. 2016. A review on spectral processing methods for geological remote sensing. International Journal of Applied Earth Observation and Geoinformation, 47: 69-90. doi:https://doi.org/10.1016/j.jag.2015.12.004.
Balıka F, Alkışa A, Alkış YKZ. 2004. Validation of radargrammetric DEM generation from radarsat images in high relief areas in Edremit region of Turkey. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 34(Part XXX).
Birk S, Liedl R, Sauter M. 2004. Identification of localised recharge and conduit flow by combined analysis of hydraulic and physico-chemical spring responses (Urenbrunnen, SW-Germany). Journal of Hydrology, 286(1): 179-193. doi:https://doi.org/10.1016/j.jhydrol.2003.09.007.
Bonham-Carter GF, Bonham-Carter G. 1994. Geographic information systems for geoscientists: modelling with GIS. vol 13. Elsevier. 398 p.
Dafny E, Tawfeeq KJ, Ghabraie K. 2015. Evaluating temporal changes in hydraulic conductivities near karst-terrain dams: Dokan Dam (Kurdistan-Iraq). Journal of Hydrology, 529: 265-275. doi:https://doi.org/10.1016/j.jhydrol.2015.07.048.
Daoxian Y. 1997. Sensitivity of karst process to environmental change along the PEP II transect. Quaternary International, 37: 105-113. doi:https://doi.org/10.1016/1040-6182(96)00012-2.
Demicco RV, Klir GJ. 2003. Fuzzy logic in geology. Elsevier. 347 p.
Drever JI. 1988. The geochemistry of natural waters, vol 437. Prentice hall Englewood Cliffs. 436 p.
Ebrahimi O, Ahmadi M, Shahabi H, Asgari S. 2018. Evaluation of karst features using principal component analysis (PCA): a case from Zarneh and Kergan, Western Iran. Carbonates and Evaporites, 33(4): 625-635. doi:https://doi.org/10.1007/s13146-017-0373-2.
Elez J, Cuezva S, Fernandez-Cortes A, Garcia-Anton E, Benavente D, Cañaveras JC, Sanchez-Moral S. 2013. A GIS-based methodology to quantitatively define an Adjacent Protected Area in a shallow karst cavity: The case of Altamira cave. Journal of Environmental Management, 118: 122-134. doi:https://doi.org/10.1016/j.jenvman.2013.01.020.
Gibbs RJ. 1970. Mechanisms controlling world water chemistry. Science, 170(3962): 1088-1090.
Ho P-G. 2009. Geoscience and remote sensing. BoD–Books on Demand, 610 p.
Kaufmann G, Romanov D. 2016. Structure and evolution of collapse sinkholes: Combined interpretation from physico-chemical modelling and geophysical field work. Journal of Hydrology, 540: 688-698. doi:https://doi.org/10.1016/j.jhydrol.2016.06.050.
Khanlari G, Momeni AA. 2012. Geomorphology, hydrogeology and the study of factors affecting to karst development in Garin area, west of Iran. Geography and Territorial Spatial Arrangement, 2(3): 61 -73. (In Persian).
Koike K, Nagano S, Ohmi M. 1995. Lineament analysis of satellite images using a Segment Tracing Algorithm (STA). Computers & Geosciences, 21(9): 1091-1104. doi:https://doi.org/10.1016/0098-3004(95)00042-7.
Kresic N. 1995. Remote sensing of tectonic fabric controlling groundwater flow in Dinaric karst. Remote Sensing of Environment, 53(2): 85-90. doi:https://doi.org/10.1016/0034-4257(95)00042-Y.
Litwin L, Andreychouk V. 2008. Characteristics of high-mountain karst based on GIS and Remote Sensing. Environmental Geology, 54(5): 979-994. doi:https://doi.org/10.1007/s00254-007-0893-5.
Liu F, Song X-f, Yang L, Zhang Y, Han D, Ma Y, Bu H. 2015. Identifying the origin and geochemical evolution of groundwater using hydrochemistry and stable isotopes in the Subei Lake basin, Ordos energy base, Northwestern China. Hydrology and Earth System Sciences, 19(1): 551-565. doi:https://doi.org/10.5194/hess-19-551-2015.
Malczewski J. 2000. On the use of weighted linear combination method in GIS: common and best practice approaches. Transactions in GIS, 4(1): 5-22. doi:https://doi.org/10.1111/1467-9671.00035.
Meijerink AM, Bannert D, Batelaan O, Lubczynski M, Pointet T. 2007. Remote sensing applications to groundwater, vol 16. Unesco Paris, 312 p.
Mohammadi Z, Alijani F, Rangzan K. 2014. DEFLOGIC: a method for assessment of groundwater potential in karst terrains: Gurpi Anticline, southwest Iran. Arabian Journal of Geosciences, 7(9): 3639-3655. doi:https://doi.org/10.1007/s12517-013-0958-6.
Mohammadizad R, Arfania R. 2017. Advanced investigation of remote sensing to geological mapping of Zefreh region in central Iran. Open Journal of Geology, 7(10): 1509. doi:https://doi.org/10.4236/ojg.2017.710101.
O’Driscoll MA, DeWalle DR. 2006. Stream–air temperature relations to classify stream–ground water interactions in a karst setting, central Pennsylvania, USA. Journal of Hydrology, 329(1): 140-153. doi:https://doi.org/10.1016/j.jhydrol.2006.02.010.
Pei J, Wang L, Huang N, Geng J, Cao J, Niu Z. 2018. Analysis of Landsat-8 OLI imagery for estimating exposed bedrock fractions in typical karst regions of Southwest China using a karst bare-rock index. Remote Sensing, 10(9): 1321. doi:https://doi.org/10.3390/rs10091321.
Pirasteh S. 2006. The role of lineaments in karstification-Pabdeh anticline Zagros Fold Belt: an application of remote sensing and geographic information system. Geographical Journal of Territory (Sarzamin), 3(11): 51-68. (In Persian).
Saaty TL. 2001. Fundamentals of the analytic hierarchy process. In: The analytic hierarchy process in natural resource and environmental decision making. Springer, pp 15-35.
Shahmoradi S, Ghafarian Malamiri HR, Amini M. 2021. Extraction of soil moisture index (TVDI) using a scatter diagram temperature/vegetation and MODIS images. Journal of RS and GIS for Natural Resources, 12(1): 38-62. doi:http://dorl.net/dor/20.1001.1.26767082.1400.12.1.3.4. (In Persian).
Shuster ET, White WB. 1971. Seasonal fluctuations in the chemistry of lime-stone springs: A possible means for characterizing carbonate aquifers. Journal of Hydrology, 14(2): 93-128. doi:https://doi.org/10.1016/0022-1694(71)90001-1.
Srivastava PK, Mukherjee S, Gupta M, Islam T. 2014. Remote sensing applications in environmental research. Springer. doi:https://doi.org/10.1007/978-3-319-05906-8.
Su YH, Zhu GF, Feng Q, Li ZZ, Zhang FP. 2009. Environmental isotopic and hydrochemical study of groundwater in the Ejina Basin, northwest China. Environmental Geology, 58(3): 601-614. doi:https://doi.org/10.1007/s00254-008-1534-3.
Uromeihy A. 2000. The Lar Dam; an example of infrastructural development in a geologically active karstic region. Journal of Asian Earth Sciences, 18(1): 25-31. doi:https://doi.org/10.1016/S1367-9120(99)00026-7.
Xing L, Guo H, Zhan Y. 2013. Groundwater hydrochemical characteristics and processes along flow paths in the North China Plain. Journal of Asian Earth Sciences, 70-71: 250-264. doi:https://doi.org/10.1016/j.jseaes.2013.03.017.
Yu L, Porwal A, Holden E-J, Dentith MC. 2012. Towards automatic lithological classification from remote sensing data using support vector machines. Computers & Geosciences, 45: 229-239. doi:https://doi.org/10.1016/j.cageo.2011.11.019.