• صفحه اصلی
  • مدل سازی آب های زیرزمینی به منظور پیش بینی پراکنش نیترات در آبخوان های بحرانی (مطالعه موردی: شهر مشهد)

اشتراک گذاری

آدرس مقاله


کد مقاله : 8497 بازدید : 62 صفحه: 1 - 22

نوع مقاله: پژوهشی

مدل سازی آب های زیرزمینی به منظور پیش بینی پراکنش نیترات در آبخوان های بحرانی (مطالعه موردی: شهر مشهد)

محورهای موضوعی : مدیریت محیط زیست

اکبر باغوند 1 (دانشیار دانشکده محیط زیست دانشگاه تهران)
علی وثوق 2 (کاندیدای دکتری رشته مهندسی عمران- مهندسی آب دانشگاه علم و صنعت ایران،*(مسوول مکاتبات))
سعید گیوه چی 3 (کاندیدای دکتری رشته مهندسی عمران- مهندسی آب دانشگاه علم و صنعت ایران)
علی دریابیگی زند 4 (استادیار دانشکده محیط زیست دانشگاه تهران)

تاریخ دریافت : 1388/10/01 تاریخ پذیرش : 1389/01/25 تاریخ انتشار : 1394/10/01

کلید واژه: آبخوان, مدل سازی, صحت سنجی, واسنجی, پیش بینی, نیترات,

چکیده مقاله :

در حال حاضر به علت عدم اجرای مدیریت صحیح، بیشتر آبخوان های کشور ایران به خصوص در نواحی خشک از جمله دشت مشهد در طی سال های اخیر با افت سطح ایستابی و کاهش حجم ذخیره مواجه بوده و بعضاً نیز در معرض آلودگی انواع آلاینده‌ها قرار دارند. با توجه به این که یکی از شاخص های اصلی آلوده بودن آبخوان ها، آلودگی آن ها به نیترات می باشد، در این تحقیق نیز سعی شده است تا با تهیه مدل ریاضی کمی و کیفی آبخوان دشت مشهد، رفتار آبخوان با تکیه بر یون نیترات برای 12 سال آینده شبیه سازی و پیش بینی گردد. به منظور تهیه مدل ریاضی کمی و کیفی آبخوان شهر مشهد ، آمار و اطلاعات هواشناسی، هیدرولوژی و هیدروژئولوژی با استفاده از نرم افزارSurfer Ver. 8 ، کد کامپیوتری Modflow 2000 و پروسسور GMS مورد تحلیل قرار گرفت، پس از انجام عملیات واسنجی[1] و صحت سنجی[2] مدل ریاضی کمی و کیفی آبخوان شهر مشهد به دست آمد. نتایج تحقیق مبین آن است که در سال1400 شمسی مشکل آلودگی نیترات برای بخش های عمده ای از مرکز و شرق آبخوان شهر مشهد کماکان پابرجا بوده و غلظت آلاینده نیترات در این مناطق از 10 تا 90 میلی گرم در لیتر متغیر می باشد . بر این اساس در اکثر مناطق، میزان غلظت نیترات بیشتر از حد مجاز (45 میلی گرم در لیتر) و میزان متوسط افت سالیانه این آبخوان(90/0 متر) ، نشان دهنده بحرانی بودن این آبخوان می باشد. . دلیل عمده افزایش این نوع آلودگی در طی سال های اخیر در اثر جمع آوری و دفع غیراصولی فاضلاب تولیدی این شهر به چاه های جاذب و نفوذ از این چاه ها به آبخوان دشت مشهد بوده است. [1] - Calibration [2] - Verfication

چکیده انگلیسی:

At present, due to inefficient and incorrect management, most domestic aquifers in Iran, particularly in dry regions, including the Mashhad plain, face lowering levels of lakes and ponds in water storage and are sometimes subject to various pollutants. In fact, a main and significant index which shows the aquifers infections is that nitrate is found in water. In this research, an attempt has been made to prepare a mathematical model for qualitative and quantitative value of the Mashhad plain aquifer. Consequently, the aquifer’s behavior is predicted and simulated based on nitrate ion during the last twelve years. In order to develop a mathematical model for qualitative and quantitative value of Mashhad plain’s aquifer, meteorological, hydrological and hydro geological data and statistics were analyzed using Surfer Ver. 8 software, computer code Modflow 2000 and GMS processor. After calibration settings and verification, this mathematical model is achieved. Results indicate that in the year 2022 the problematic issue of nitrate infections will remain intact for most central and eastern parts of the Mashhad aquifer and its density in these regions varies from 10 to 90mg. Based on this information, in most regions nitrate density is more than the permitted amount (45mg per liter) and the annual mean drop value for this aquifer (0.90 meter) shows its critical situation. The main reason for this aquifer’s pollution during recent years is non-standard waste gathering and sewage burying methods and combination with water wells, thus its penetration through these water wells into the aquifer.  

منابع و مأخذ:


  1. Babiker, I.S., Mohamed, M.A.A., Terao, H., Kato, K., Ohta, K,. (2003). “Assessment of groundwater contamination by nitrate leaching from intensive vegetable cultivation using geographical information system.” J. Environment International. (29), 1009–1017.
    2.
  2. Thirumalaivasan, D., Karmegam, M., Venugopal, K,. (2003). “AHP-DRASTIC: software for specific aquifer vulnerability assessment using DRASTIC model and GIS.” J.Environmental Modelling and Software 18 (7), 645–656.
    3.
  3. Joosten, L.T.A., Buijze, S.T., Jansen, D.M,. (1998). “Nitrate in sources of drinking water? Dutch drinking water companies aim at prevention.” J.Environmental Pollution (102), 487–492.
    4.
  4. Lewis, K.A., Bardon, K.S,. (1998). “A computer-based informal environmental management system for agriculture.”J. Environmental Modelling and Software 13(2), 123–137.
    5.
  5. Lubna Hajhamad, Mohammad N. Almasri,.(2009).” Assessment of nitrate contamination of groundwater using lumped-parameter models.” J.Environmental Modelling & Software (24), 1073–1087.
    6.
  6. De Santa Olalla, F.M., Dominguez, A., Ortega, F., Artigao, A., Fabeiro, C,. ( 2007).”Bayesian networks in planning a large aquifer in Eastern Mancha, Spain. Environmental Modelling and Software” 22 (8), 1089–1100.
    7.
  7. Tait, N.G., Davison, R.M., Leharne, S.A., Lerner, D.N,. (2008). “Borehole Optimisation System (BOS) – a case study assessing options for abstraction of urban groundwater in Nottingham, UK. ”J. Environmental Modelling and Software 23 (5), 611–621.
    8.
  8. Ataie-Ashtiani, B,. (2007). “MODSharp: regional-scale numerical model for quantifying groundwater flux and contaminant discharge into the coastal zone. “ J.Environmental Modelling and Software 22 (9), 1307–1315.
    9.
  9. Konikow, L.F., Person, M,. (1985).” Assessment of long-term salinity changes in an irrigated stream–aquifer system.”J. Water Resources Research 21 (11), 1611–1624.
    10.
  10. Shamrukh, M., Corapcioglu, M.Y., Hassona, F.A.A,. (2001). “Modeling the effect of chemical fertilizers on ground water quality in the Nile Valley Aquifer, Egypt.”J. Ground Water 39 (1), 59–67.
    11.
  11. Wolf, J., Beusen, A.H.W., Groenendijk, P., Kroon, T., Ro¨ tter, R., van Zeijts, H,.(2003).” The integrated modeling system STONE for calculating nutrient emissions from agriculture in the Netherlands.” J.Environmental Modelling and Software 18 (7), 597–617.
    12.
  12. Almasri, M.N., Kaluarachchi, J.J,. (2005).” Modular neural networks to predict the nitrate distribution in ground water using the on-ground nitrogen loading and recharge data.”J. Environmental Modelling and Software 20 (7), 851–871.
    13.
  13. Mao, X., Prommer, H., Barry, D.A., Langevin, C.D., Panteleit, B., Li, L,.(2006). “Three dimensional model for multi-component reactive transport with variable density groundwater flow.”J.Environmental Modelling and Software 21 (5), 615–628.
    14.
  14. Lee, Y.W., Dahab, M.F., Bogardi, I,. (1991). “Nitrate risk management under uncertainty.” J. Water Resources Planning and Management .118 (2), 151–165.
    15.
  15. Wolfe, A.H., Patz, J.A,.(2002). “Reactive nitrogen and human health: acute and longterm implications.”J. Ambio 31 (2), 120–125.
    16.
  16. U.S. Environmental Protection Agency, (2000). Drinking Water Standards and Health Advisories. U.S. Environmental Protection Agency, Office of Water, 822-B-00-001, 12 pp.
    17.
  17. Stournaras, G,.(1998). “Groundwater and nitrates in Greece – an overview”. J.Environmental Hydrology (6), 4–13
    18.
  18. Mitchell, R.J., Babcock, R.S., Gelinas, S., Nanus, L., Stansey, E,.( 2003). “Nitrate distribution and sources identification in the Abbotsford-Sumas aquifer, Northwestern Washington State.”J. Environmental Quality (32), 789–800.
    19.
  19. Santhi, C., Srinivasan, R., Arnold, J.G., Williams, J.R,. (2006).” A modeling approach to evaluate the impacts of water quality management plans implemented in a watershed in Texas.”J. Environmental Modelling and Software 21 (8), 1141–1157.
    20.
  20. Wong, H., Ip, W.C., Zhang, R.Q., Xia, J,. (2007).” Non-parametric time  
    series models for hydrological forecasting.” J. Hydrology 332 (3–4), 337–347.Mee-Sun Lee, Kang-Kun Lee, Yunjung Hyun, T. Prabhakar Clement and David Hamilton, (2006).
    21.
  21. Nitrogen transformation and transport modeling in groundwater aquifers. Ecological Modelling Volume 192, Issues 1-2, Pages 143-159.
    22.
  22. Lubna Hajhamad, Mohammad N. Almasri. (2009). Assessment of nitrate contamination of groundwater using lumped-parameter models.
    23.
  23. O. Schmitz a,*, D. Karssenberg a, W.P.A. van Deursen b, C.G. Wesseling. (2009). Linking external components to a spatio-temporal modelling framework: Coupling MODFLOW and PCRaster Environmental Modelling & Software .1–12.
    24.
  24. Harbaugh, A., Banta, E., Hill, M., McDonald, M,.(2000). “MODFLOW-2000, the US Geological Survey Modular Ground-Water Model” – User Guide to Modularization Concepts and the Ground-Water Flow Process. U.S. Geological Survey.
    25.
  25. Laura K. Lautz, Donald I. Siegel,. (2005). “Modeling surface and ground water mixing in the hyporheic zone using MODFLOW and MT3D.”
    26.
  26. Benenson, I., Torrens, P.M,. (2004). Geosimulation: Automata-Based Modeling of Urban Phenomena. Wiley, Chichester.
    27.

 

 



 



 

 

 

 

 

 

مقالات مرتبط

حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1403-1400

صفحه اصلی| عضویت/ ورود| درباره سند| تماس با ما|
[English] [العربية] [en] [ar]