توسعه شاخص آلودگی منابع نقطه‌ای در سطوح گیرش چاه ها با رویکرد مدل‌سازی ریاضی (مطالعه موردی: آبخوان مشگین‌شهر)

الموضوعات :

محسن حیدراوغلی ¹ , حسین سعادتی ² , ابراهیم فتائی ³

1 - استاد، گروه محیط زیست، واحد اردبیل، دانشگاه آزاد اسلامی، اردبیل، ایران.
2 - استادیار، گروه محیط زیست، واحد اردبیل، دانشگاه آزاد اسلامی، اردبیل، ایران.
3 - گروه محیط زیست، واحد اردبیل، دانشگاه آزاد اسلامی، اردبیل، ایران

تاريخ الإرسال : 08 الأحد , جمادى الثانية, 1444 تاريخ التأكيد : 18 الأربعاء , جمادى الثانية, 1444 تاريخ الإصدار : 05 الأحد , محرم, 1445

الکلمات المفتاحية: ‌ مشگینشهر, آسیب‌پذیری آبخوان, سطوح گیرش چاه, آلاینده‌های نقطه‌ای,

ملخص المقالة :

زمینه و هدف: مشخص ساختن سطوحی از دشت‌ها که دارای آسیب‌پذیری زیادی برای آلوده کردن چاه‌ها هستند، با مدل‌سازی، تلفیق و توسعه شاخص ها، امکان‌پذیر است. وجود نقاط آلاینده در این پهنه ها خطر آلودگی چاه‌ها را به همراه داشته و تشدید خواهد کرد. هدف اصلی این تحقیق توسعه و ارائه شاخص جدید برای تعیین سطوح آسیب پذیر اطراف چاه ها است که می توانند باعث آلودگی چاه-های شرب و کشاورزی موجود در دشت ها و به‌تبع آن آلودگی آبخوان گردند. در این تحقیق از ترکیب تراکم منابع نقطه‌ای آلاینده‌ها به‌عنوان شاخص ریسک و گیرش آلودگی چاه ها به‌عنوان شاخص آسیب‌پذیری استفاده شد. این روش نسبت به سایر روش‌ها دقیق‌تر است زیرا ویژگی هایی مانند تغذیه، میرایی طبیعی، خاک، رسانایی آبخوان، کاربری و پوشش اراضی و توزیع چاه‌ها را در نظر می گیرد و تلفیقی از شاخص آسیب‌پذیری و شاخص ریسک است.روش تحقیق: در تحقیق حاضر، آسیب‌پذیری آبخوان دشت مشگین شهر به مساحت 614 کیلومترمربع با استفاده از تلفیق دو عامل تراکم منابع آلاینده در پهنه‌های حریم رودخانه‌ها و محدوده گیرش چاه‌ها برآورد شد. بدین منظور ابتدا تراکم منابع آلاینده نقطه‌ای مانند صنایع، روستاها، ایستگاه های پمپ‌بنزین به‌عنوان شاخص منابع بالقوه آلاینده در محدوده حریم رودخانه های دشت مشگین شهر به روش کرنال در محیط GIS مشخص گردید. سپس مدل‌سازی عددی برای تعیین مناطق گیرش چاه با استفاده از مدل MODFLOW و MODPATH انجام شد. داده‌های آماری 10 ساله از سال 1390 تا 1399 به دودسته تقسیم شد. 8 سال اول برای واسنجی و 2 سال آخر برای اعتبار سنجی و صحت سنجی مدل، در حالت پایدار استفاده شد. سپس پارامترهای هدایت هیدرولیکی، تغذیه و ناهمسانگردی، به منظور انجام دقیق‌تر و راحت‌تر واسنجی، تحلیل حساسیت شد. در مرحله بعد با استفاده از مدل MODPATH و بر پایه نتایج مدل MODFLOW سطوح گیرش چاه‌ها یا مناطق با آسیب پذیری بالا در دوره های زمانی مختلف، برآورد شد. با تلفیق لایه تراکم آلاینده های نقطه‌ای در حریم رودخانه ها و سطوح گیرش چاه، شاخص توسعه‌یافته آلودگی دشت به دست آمد.یافته ها: مقدار پارامتر تراکم آلاینده‌ها در منطقه از صفرتا 998/0 مورد در کیلومترمربع متغیر بود به‌طوری‌که بیشترین مقدار تراکم در جنوب غربی دشت در اطراف شهرهای مهم منطقه قرار دارد. در 16 درصد از سطح کل دشت، هیچ‌گونه گیرش آلودگی توسط چاه‌ها وجود ندارد و گیرش نهایی با 25 درصد از سطح دشت، بیشترین سهم و گیرش 10 ساله با کمتر از یک درصد از سطح دشت، کمترین سهم را دارد. نتایج شاخص نهایی نشان داد کل سطح دشت در محدوده ریسک کم قرار داشته و حدود 50 درصد از سطح دشت مشگین در محدوده آسیب ‌پذیری ناچیز قرار داشت. نتایج این شاخص بر اساس غلظت دو آلاینده مهم نیترات و کلراید اعتبارسنجی شد که همبستگی مثبتی با شاخص آسیب پذیری داشت. دو ماده آلاینده بالقوه به‌عنوان پارامترهای صحت سنج برای تائید نتیجه شاخص توسعه‌یافته در این تحقیق انتخاب شد. در مناطق روستایی و کشاورزی، که تحت تأثیر کود کشاورزی و فاضلاب است، نیترات به‌عنوان معیار در نظر گرفته شد. کلراید هم نشان دهنده آلودگی در مکان‌های صنعتی و تجاری است. نتایج نشان می‌دهد که رابطه بین شاخص ارائه‌شده با دو پارامتر کلر و نیترات به‌صورت تقریباً خطی است، بطوریکه ضریب همبستگی پیرسون برابر 58/0 برای نیترات و 49/0 برای کلراید برآورد شد.نتیجه‌گیری: نتایج حاصل از این تحقیق نشان داد که در مدیریت اراضی دشت ها، به‌منظور حفاظت از کیفیت آب چاه ها، ترکیب شاخص خطر آلاینده های نقطه ای در حریم رودخانه ها و آسیب پذیری سطوح گیرش چاه ها، نقش مهمی می تواند داشته باشد و در توسعه صنعتی دشت مشگین شهر، بایستی اولویت تخصیص با مناطقی باشد که دارای ریسک پایین‌تر هستند. با توجه به اینکه در دشت مشگین شهر، شهرک و واحدهای صنعتی وجود ندارد، ارزیابی طبقات ریسک این شاخص با تغییرات مکانی آلودگی آب های زیرزمینی مقدور نبود و توصیه می شود که این شاخص در دشت های صنعتی استفاده و ارزیابی گردد. شاخص ارائه‌شده در این تحقیق در مقایسه با شاخص های توسعه‌یافته‌ی دیگر درزمینهٔ آلودگی های آبخوان، ساده‌تر بوده ولی می توان برای دقت بیشتر برای هر نوع آلاینده نقطه‌ای و یا غیر نقطه‌ای وزن اثر هم تعیین کرد و یا از پارامترهای دیگر دخیل در آلودگی آبخوان هم استفاده کرد.

المصادر:

Abbasi, A., Taghavi, L., & Sarai Tabrizi, M. (2021). Qualitative Zoning of Groundwater to Assessment Suitable Drinking Water Using GIS Software in Mohammad Shahr, Meshkinshahr, and Mahdasht in Alborz Province. Anthropogenic Pollution, 5(1), 138-149.

Aller, L., Lehr, J. H., Petty, R. & Bennett, T. (1987). Drastic: a standardized system to evaluate ground water pollution potential using hydrogeologic settings. Journal of Geological Society of India, 29(1), pp 622.

Bachmaier, M., & Backes, M. (2008). Variogram or semivariogram? Understanding the variances in a variogram. Precision Agriculture, 9(3), 173-175.

Bakhtiari Enayat, B., Malekian, A., & Selajqa, A. (2015). Assessment of groundwater vulnerability using combined methods in modified stick, logistic regression and drastic hierarchical analysis (Hashtgerd plain). Iran Water and Soil Research (Agricultural Sciences of Iran), 47(2), 269-279. [In Persian]

Bear, J., & Cheng, A. H.-D. (2010). Modeling groundwater flow and contaminant transport (Vol. 23): Springer.

Chowdhury, S.H., Kehew, A.E., Passero, R.N., (2003). Correlation between nitrate contamination and groundwater pollution potential. Ground Water, 41 (6), 735–745.

Connell, L.D., Daele, G., (2003). A quantitative approach to aquifer vulnerability mapping. Journal of Hydrology, 276(1-4), 71–88.

Elzain, H. E., Chung, S. Y., Venkatramanan, S., Selvam, S., Ahemd, H. A., Seo, Y. K., . . . Yassin, M. A. (2022). Novel machine learning algorithms to predict the groundwater vulnerability index to nitrate pollution at two levels of modeling. Chemosphere, 13 (1), 71-76.

ESRI (Environmental Systems Research Institute Inc). (2018). Understanding GIS the ArcInfo Method: Redland, California. ESRI Press.

Farhadi, H., Fataei, E., & Kharrat Sadeghi, M. (2020). The Relationship between Nitrate Distribution in Groundwater and Agricultural Landuse (Case study: Ardabil Plain, Iran). Anthropogenic Pollution, 4(1), 50-56.

Ghadir Zamani, M., Moridi, A., & Yazdi, J. (2020). Determining the Groundwater Quality Protection Zone by Considering the Vulnerability of Aquifer, Iran-Water Resources Research, 16(1):1-16. [In Persian]

Ghomi Avili, F., & Makaremi, M. (2020). Predicting Model of Arsenic Transport and Transformation in Soil Columns and Ground Water Contamination (Case study: Gorgan Plain, Iran). Anthropogenic Pollution, 4(1), 57-64.

Gudari, M. (2011). Mathematical models of groundwater, GMS model applied training. Volume 1. Simay-e-Danesh-e-Tehran. 270 PP. [In Persian]

Journel, A.G., Huijbregts, C.J., (1978). Mining Geostatistics. New York: Academic Press.

Jodvi, A., & Khazaei, P. (2015). Presenting a new method for assessing the risk of contamination of underground water sources based on geographic information system and numerical modeling. Iranian Journal of Irrigation and Drainage, 10(2), 241-251. [In Persian]

Johnston, K., Ver Hoef, J. M., Krivoruchko, K., & Lucas, N. (2001). Using ArcGIS geostatistical analyst (Vol. 380): Esri Redlands.

Meshgin Regional Water Company, (2017), Semi-detailed studies of Meshgin plain watershed and water year balance period 1986-2017, volume five of Meshgin plain underground water table model. Quds Niro Consulting Engineers Co. 182 pp. [In Persian]

Nadiri AA, Akbari E, Abbas Novinpour E, Gharekhani M. 2020.  Assessment of Khoy Aquifer Vulnerability Using a Combined Method. Water and Irrigation Management.9 (2):251-62.

Mcdonald, M.C., Harbaugh, A.W., (1996). MODFLOW-96-Use’'s Documentation for MODFLOW-96. An Update to the U.S. Geological Survey Modular Three-dimensional Finite Difference Groundwater Flow Model. Open-File Report: 96–485.

Melloul, A.J., Collin, M., (1998). A proposed index for aquifer water quality assessment: the case of Israe’'s Sharon region. Journal of Environmental Management, 54(2), 131–142.

Mitra, A., & Chowdhury, B. (2019). Identifying Anthropogenic Factors of Groundwater Pollution through Students’ Opinion in Rural West Bengal. Anthropogenic Pollution, 3(2), 49-59.

 Mohtar, W. H. M. W., Maulud, K. N. A., Muhammad, N. S., Sharil, S., & Yaseen, Z. M. (2019). Spatial and temporal risk quotient-based river assessment for water resources management. Environmental Pollution, 248, 133-144.

Nobre, R.C.M., Nobre, M.M.M., (2004). Natural attenuation of chlorinated organics in a shallow sand aquifer. Journal of Hazardous Materials, 110(1-3), 129–137.

Nobre R.C.M., Rotunno Filho O.C., Mansur W.J., Nobre M.M.M., Cosenza C.A.N. (2007). Groundwater vulnerability and risk mapping using GIS, modeling and a fuzzy logic tool. Journal of Contaminant Hydrology, 94(3-4), 277–292.

Pollock, D.W., (1989). MODPATH—a computer program to complete and display pathlines using results from MODFLOW. Open-File Report. U.S. Geological Survey, Reston, VA, pp. 89–381.

Powell, K.L., Taylor, R.G., Cronin, A.A., Barrett, M.H., Pedley, S., Sellwood, J., Trowsdale, S.A., Lerner, D.N., (2003). Microbial contamination of two urban sandstone aquifers in the UK. Water Research, 37(2), 339–352.

Rahmati, H., farshchi, P., & Pournoori, M. (2022). Zoning of the southern coastal region of the IRAN based on Pollution of water resources (Case study: Minoo Island). Anthropogenic Pollution, 6(1), 100-108.

Saadati, H. (2015). Evaluation of paleoclimatic changes with the help of chlorine chemical tracer in the sediments of the unsaturated region of Ardabil plain. Watershed Engineering and Management, 8(3), 310-321. [In Persian]

Saadati, H., Sharifi, F., Mahdavi, M., Ahmadi, H., & Mohseni Saravi, M. (2009). Determining Origin of groundwater recharge resources, drought and wet periods by isotopic tracers in Hashtgerd plain. Journal of Range and Watershedmanagementt, 62(1),

Saadati, H., Malekian, A., & moghaddamnia, A. (2020). Assessment of Vulnerability Index and Risk Zoning in Ardabil Plain. Water and Irrigation Management, 10(1), 157-171. doi:10.22059/jwim.2020.298424.770

Samadi, J. (2022). Modelling hydrogeological parameters to assess groundwater pollution and vulnerability in Kashan aquifer: novel calibration-validation of multivariate statistical methods and human health risk considerations. Environmental Research, 21(1), 113028.

Silverman, B. W. (2018). Density estimation for statistics and data analysis: Routledge.

Staboultzidis, A.-G., Dokou, Z., & Karatzas, G. P. (2017). Capture zone delineation and protection area mapping in the aquifer of Agia, Crete, Greece. Environmental Processes, 4(1), 95-112.

Worrall, F., Kolpin, D.W., (2003). Direct assessment of groundwater vulnerability from single observations of multiple contaminants. Water Resources Research, 39 (12), 1345–1352.