ارزیابی مدل‌های FR و WoE در تهیه نقشه تغییرات مکانی پتانسیل آب زیرزمینی یا استفاده از GIS در شهرستان اسفراین
محورهای موضوعی : برنامه های کاربردی در مدیریت منابع آب
امیرحسین قربانی
1
,
محسن ذبیحی
2
,
رئوف مصطفی زاده
3
*
1 - دانشجوی کارشناسی‌ارشد مهندسی نقشه‌برداری- سیستم‌های اطلاعات مکانی، موسسه آموزش عالی لامعی گرگانی، گرگان، ایران
2 - دانش‌آموخته دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، تهران، ایران
3 - دانشیار گروه آموزشی منابع طبیعی و عضو پژوهشکده مدیریت آب، دانشگاه محقق اردبیلی، اردبیل، ایران
کلید واژه: سامانه اطلاعات جغرافیایی, قنات, استحصال آب زیرزمینی, وزن شواهد, مدل‌سازی مکانی,
چکیده مقاله :
استفاده بهینه از منابع آب زیرزمینی به‌ویژه در مناطق خشک و نیمه‌خشک با استفاده از روش‌های پایدار بهره‌برداری مانند قنوات همواره مورد توجه بوده است. از طرفی، تحلیل اطلاعات مکانی موثر بر وجود آب‌های زیرزمینی به روش‌های تحلیلی قوی نیاز دارد تا بتواند روابط غیرخطی، ارتباط درونی و اطلاعات پنهان میان لایه‌ها را تفسیر نماید. در همین ارتباط، پژوهش حاضر با هدف ارزیابی مقایسه‌ای تغییرات مکانی پتانسیل آب زیرزمینی با استفاده از مدل‌های نسبت فراوانی و وزن شواهد در محدوده شهرستان اسفراین استان خراسان شمالی برنامه‌ریزی شده است. عوامل ارتفاع از سطح دریا، جهت شیب، درجه شیب، کاربری اراضی، زمین‌شناسی، شاخص رطوبت توپوگرافی، انحنای دامنه، انحنای آبراهه، فاصله از رودخانه، تراکم زهکشی، شاخص توان آبراهه، فاصله از گسل و تراکم گسل به‌عنوان لایه‌های موثر در محیط سامانه اطلاعات جغرافیایی تهیه و براساس مدل‌های نسبت فراوانی و وزن شواهد میزان ارتباط آن‌ها با پتانسیل آب زیرزمینی تعیین شد. ارزیابی نقشه‌های تهیه شده با استفاده از منحنی عملکرد نسبی انجام شد. براساس نتایج، مدل نسبت فراوانی با مقدار سطح زیرمنحنی برابر با 4/84 درصد عملکرد بهتری نسبت به مدل وزن شواهد در منطقه مطالعاتی نشان داد. هم‌چنین، عوامل زمین‌شناسی، کاربری اراضی، ارتفاع از سطح دریا و فاصله از رودخانه در مدل‌های مورد استفاده به‌عنوان مهم‌ترین عوامل مؤثر بر پتانسیل آب زیرزمینی انتخاب شدند. علاوه بر این، 5/12، 45/28، 75/34، 3/19 و 5 درصد از منطقه مورد پژوهش به‌ترتیب در طبقات با پتانسیل خیلی کم، کم، متوسط، زیاد و خیلی زیاد پتانسیل آب زیرزمینی براساس مدل نسبت فراوانی قرار گرفته‌اند. نتایج پژوهش حاضر می‌تواند در سیاست‌گزاری‌ها و تصمیم‌سازی‌های مرتبط با مدیریت منابع آب و مکان‌یابی مناطق مستعد وجود قنات و استخراج آب‌های زیرزمینی یا اتخاذ راهبردهای مدیریت بهینه آبخوان در شهرستان اسفراین مورد استفاده قرار گیرد.
Optimum utilization of groundwater water resources, in a sustainable manner using Qanats, has always been of interest in arid and semi-arid regions. On the other hand, the analysis of spatial information affecting the presence of groundwater water needs powerful analytical methods which is able to interpret non-linear relationships, internal relationship and hidden information between affecting layers. In this regard, the current research is planned with the aim of comparative evaluation of the spatial changes of groundwater potential using Frequency Ratio (FR) and Weight of Evidence (WoE) models in the Esfarayen county, North Khorasan province. The factors of elevation above sea level, slope aspect, slope degree, land use, geology, topographic wetness index (TWI), plan curvature, profile curvature, distance from the river, drainage density, stream power index (SPI), distance from faults and fault density were prepared as effective layers in ArcGIS platform. Based on FR and WoE models, the relationship of spatial maps and groundwater potential was determined. Evaluation of prepared maps was done using relative operating curve (ROC). Based on the results, the Frequency Ratio model with Area Unver the Curve (AUC) value equal to 84.4 percent showed better performance than WoE model in the study area. Also, geological factors, land use, elevation above sea level and distance from the river were selected as the most important factors affecting the groundwater potential based on the results of the employed models. In addition, 12.5%, 28.45%, 34.75%, 19.3%, and 5% of the study area are located in the classes with very low, low, medium, high, and very high potential of groundwater based on the FR model, respectively. The results of the present research can be used in decision-making related to water resources management and locating areas prone to groundwater extraction or adopting optimal aquifer management strategies in Esfarayen county.
1. Arshad A, Zhang Z, Zhang W, Dilawar A. 2020. Mapping favorable groundwater potential recharge zones using a GIS-based analytical hierarchical process and probability frequency ratio model: A case study from an agro-urban region of Pakistan. Geoscience Frontiers, (5):1805-1819. doi: 10.1016/j.gsf.2019.12.013
2. Arun Kumar KC, Obi Reddy GP, Masilamani P, Sandeep P. (2021). Spatial modelling for identification of groundwater potential zones in semi-arid ecosystem of southern India using Sentinel-2 data, GIS and bivariate statistical models, Arabian Journal of Geosciences. 14:1-14. doi:https://doi.org/10.1007/s12517-021-07669-0
3. Benjmel K, Amraoui F, Boutaleb S, Ouchchen M, Tahiri A, Touab A. 2020. Mapping of groundwater potential zones in crystalline terrain using remote sensing, GIS techniques, and multicriteria data analysis (Case of the Ighrem Region, Western Anti-Atlas, Morocco). Water, 10;12(2):471. doi:https://doi.org/10.3390/w12020471
4. Fitts CR. 2002. Groundwater science. Academic, San Diego
5. Ghorbani Nejad S, Daneshfar M, Rahamti O, Fallah F, Haghizade A, Tahmasebipour N. 2017. 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)
6. Guru B, Seshan K, Bera S. 2017. Frequency ratio model for groundwater potential mapping and its sustainable management in cold desert, India, Journal of King Saud University – Science, 29(3): 333-347. https://doi.org/10.1016/j.jksus.2016.08.003.
7. Hasanuzzaman M, Mandal MH, Hasnine M, Shit PK. 2022. Groundwater potential mapping using multi-criteria decision, bivariate statistic and machine learning algorithms: evidence from Chota Nagpur Plateau, India. Journal of Applied Water Science, 12(58): 1-16. doi: https://doi.org/10.1007/s13201-022-01584-9
8. IRIMO, 2017. Islamic Republic of Iran Meteorological Organization. http://www.weather.ir/
9. Ishola KS, Fatoyinbo AA, Hamid-Mosaku AI, Okolie CJ, Daramola OE, Lawal TO. 2023. Groundwater potential mapping in hard rock terrain using remote sensing, geospatial and aeromagnetic data, Journal of Geosystems and Geoenvironment, 2(1): 100107. doi:https://doi.org/10.1016/j.geogeo.2022.100107
10. Kasiri Z., Habibnejad Roshan M., Roshun SH. 2020. Groundwater resources potential based on Geographic information System (GIS) and Remote Sensing (RS) using Analytic Network Process (ANP) (Case study: Naz Sari Plain). Geography and Environmental Planning, 31(1): 103-120. (In Persian)
11. Kordestani MD, Naghibi SA, Hashemi H, Ahmadi K, Kalantar B, Pradhan B. 2019. Groundwater potential mapping using a novel data-mining ensemble model. Hydrogeology Journal, 27, 211–224. doi:https://doi.org/10.1007/s10040-018-1848-5
12. Kpiebaya P, Amuah EEY, Shaibu AG, Baatuuwie BN, Avornyo VK, Dekongme BW. 2022. Spatial assessment of groundwater potential using Quantum GIS and multi-criteria decision analysis (QGIS-AHP) in the Sawla-Tuna-Kalba district of Ghana. Journal of Hydrology: Regional Studies. 43: 101197. doi: https://doi.org/10.1016/j.ejrh.2022.101197
13. Lee S, Kim YS, Oh HJ. 2012. Application of a weights-of-evidence method and GIS to regional groundwater productivity potential mappin., Journal of Environmental Management, 96(1): 91-105. doi:https://doi.org/10.1016/j.jenvman.2011.09.016.
14. Lee S, Pradhan B. 2007. Landslide hazard mapping at Selangor, Malaysia using frequency ratio and logistic regression models, Landslides. 4(1): 33-41. doi: https://doi.org/10.1007/s10346-006-0047-y
15. Moore ID, Grayson RB, Ladson AR. 1991. Digital terrain modelling: a review of hydrological, geomorphological, and biological applications, Hydrological processes. 5(1):3-0. doi:https://doi.org/10.1002/hyp.3360050103
16. Mostafazadeh R, Talebi Khiavi H, Esmali-Ouri A, Golshan M. 2022. Surface runoff and sediment yield response under the rainfall simulation condition controlled by soil variables of a semi-arid landscape. Environment. Development and Sustainability, 53. doi:https://doi.org/10.1007/s10668-022-02569-z
17. Naghibi SA, Pourghasemi HR, Pourtaghi ZS, Rezaei A. 2015. Groundwater qanat potential mapping using frequency ratio and Shannon’s entropy models in the Moghan watershed, Iran. Earth Science Informatics, 8(1): 171-186. doi: https://doi.org/10.1007/s12145-014-0145-7
18. Nohani E, Merufinia E, Khosravi KH. 2018. Evaluation of frequency ratio method for groundwater potential mapping at Al-Shtar plain, Lorestan province, Iranian Journal of Irrigation and Drainage, 1(12): 119-129. (In Persian)
19. Oh HJ, Kim YS, Choi JK, Park E, Lee S. 2011. GIS mapping of regional probabilistic groundwater potential in the area of Pohang City, Korea. Journal of Hydrology, 399(3-4): 158-172. doi:10.1016/j.jhydrol.2010.12.027
20. Perrier E, Salkini AB. 1991. Supplemental Irrigation in the Near East and North Africa. Kluwer Academic Publisher, Norwel
21. Razavi-Termeh SV, Sadeghi-Niaraki A, Choi S.M. 2019. Groundwater Potential Mapping Using an Integrated Ensemble of Three Bivariate Statistical Models with Random Forest and Logistic Model Tree Models. Water, 11(8):1596. doi:https://doi.org/10.3390/w11081596
22. Saha A, Saha S. 2020. Comparing the efficiency of weight of evidence, support vector machine and their ensemble approaches in landslide susceptibility modelling: A study on Kurseong region of Darjeeling Himalaya, India, Remote Sensing Applications: Society and Environment. 9:100323. doi:https://doi.org/10.1016/j.rsase.2020.100323
23. Salih A. 2007. Qanats a Unique Groundwater Management Tool in Arid Regions: The Case of Bam Region in Iran. UNESCO Water e- Newsletter, 186: QANATS
24. Shaban A, Khawlie M, Abdallah C. 2006. Use of remote sensing and GIS to determine recharge potential zones: the case of Occidental Lebanon, Hydrogeology Journal. 14(4):433-443. Doi: https://doi.org/10.1007/s10040-005-0437-6
25. Taghavi-Jeloudar M, Mooyoung H, Davoudi M, Mikyeong K. 2013. Review of ancient wisdom of Qanat, and suggestions for future water management. Journal of Environmental Engineering Research, 18(2): 57-63. doi: https://doi.org/10.4491/eer.2013.18.2.057
26. Talebi Khiavi, H., Mostafazadeh, R. (2022). The spatiotemporal dependencies of terrain indices with soil characteristics in a steep hillslope mountainous area. Arab J Geosci 15, 937. https://doi.org/10.1007/s12517-022-10220-4
27. Todd DK, Mays LW (2005) Groundwater hydrology. Wiley, New York
28. Torabipoudeh H, Yonesi HA, Yosefi H, Arshia A, Yarahmadi Y. 2021. Detecting groundwater resources potential in Isfahan Lenjanat region using weights-of-evidence model, Water and Soil Management and Modelling, 1(3): 25-37. (In Persian)
29. Zabihi M, Mirchooli F, Motevalli A, Khaldei Darvishan A, Pourghasemi HR, Zakeri MA, Sadighi F. 2018. Spatial modelling of gully erosion in Mazandaran Province, northern Iran, Catena. 1;161:1-3. doi: https://doi.org/10.1016/j.catena.2017.10.010
30. Zabihi M, Pourghasemi HR, Behzadfar M. 2015. Groundwater potential mapping using shannon's entropy and random forest models in the Bojnourd township, Iranian journal of Ecohydrology. 2(2): 221-232. (In Persian)