تحلیل فضایی پارامترهای شیمیایی مؤثر در کیفیت آب زیرزمینی با استفاده از تکنیک تحلیل عاملی و مدل‌های زمین‌آماری (مطالعۀ موردی: دشت بیضاء- زرقان)

الموضوعات :

حسین بهزادی کریمی ¹ , کمال امیدوار ²

1 - دانشجوی دکتری آب و هواشناسی، دانشگاه یزد
2 - استاد دانشکده جغرافیا، دانشگاه یزد

تاريخ الإرسال : 08 الجمعة , ذو الحجة, 1437 تاريخ التأكيد : 01 السبت , رمضان, 1438 تاريخ الإصدار : 04 الثلاثاء , جمادى الثانية, 1439

الکلمات المفتاحية: استان فارس, پارامترهای کیفی آب‌های زیرزمینی, تحلیل عاملی (FA), دشت بیضاء- زرقان, روش های زمین‌آمار,

ملخص المقالة :

هدف از این مطالعه، تعیین مهم‌ترین پارامترهای شیمیایی مؤثر در کیفیت آب‌های زیرزمینی دشت بیضاء-زرقان استان فارس با استفاده از تکنیک تحلیل عاملی و برآورد توزیع مکانی پارامترهای کیفی به کمک تحلیل‌گر زمین‌آماری در نرم‌افزار ArcGIS است. ابتدا داده‌های 12 پارامتر کیفی آب مربوط به 27 حلقه چاه در تابستان سال 1392 جمع‌آوری گردید. پس از نرمال‌سازی داده‌ها، با استفاده از روش تحلیل عاملی (FA)، سه عامل سختی، شوری و اسیدیته آب که در مجموع 90% کل واریانس داده‌ها را شامل می‌شدند؛ استخراج گردید. سهم متغیرها در هر عامل بعد از عمل چرخش واریماکس مشخص شد و از هر عامل، دو پارامتر که بیشترین همبستگی معنی‌دار را با عامل خود برقرار نمودند، تعیین گردید. بنابراین از عامل اول، پارامترهایTH وMg ، از عامل دوم، متغیرهایSAR و Na و از عامل سوم، عناصر pH و HCO3 به‌عنوان مهم‌ترین پارامترهای مؤثر در کیفیت آب زیرزمینی منطقه انتخاب شدند. نتایج حاصل از روش‌های قطعی و زمین‌آماری برای برآورد پارامترهای فوق به کمک معیار آماری ریشۀ دوم میانگین مربعات خطا (RMSe) مورد ارزیابی قرار گرفت. نتایج نشان داد که برای همه متغیرها به‌جز pH، روش کوکریجینگ مناسبت‌ترین روش است. برای TH و Mg مدل‌ جی- بسل، برای SAR و Na مدل رشنال کوادریک، برای HCO3 مدل نمایی و برای pH روش معکوس فاصله وزنی به توان 1، از کمترین خطا و بیشترین دقت نسبت به سایر روش‌های میانیابی برخوردار می‌باشند. نقشه‌های پهنه‌بندی مکانی پارامترهای فوق بیانگر آن است که میزان پارامترهای TH، Mg، SAR وNa در نواحی جنوب شرقی به بیشترین و در شمال دشت به کمترین غلظت خود می‌رسد. مقدار pH در منطقۀ بانش واقع در شمال دشت، نسبت به سایر مناطق بیشتر است و از لحاظ غلظت HCO3، نواحی شمال شرق و جنوب منطقه در شرایط نامناسبی قرار دارند.

المصادر:

1. پیری، ح. و ا. بامری. 1393. بررسی روند تغییرات کمی سطح ایستابی منابع آب زیرزمینی با استفاده از زمین­آمار و سیستم اطلاعات جغرافیایی (مطالعة موردی: دشت سیرجان). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 5(1): 29-44.

2. تقی­زاده مهرجردی، ر.، م. زارعیان جهرمی، ش. محمودی، ا. حیدری و ف. سرمدیان. 1387. بررسی روش­های درون­یابی مکانی جهت تعیین تغییرات مکانی ویژگی­های کیفی آب­های زیرزمینی دشت رفسنجان. مجله علوم و مهندسی آبخیزداری ایران، 2(5): 63-70.

3. جهانشاهی، ا.، ع. روحی مقدم و ع. دهواری. 1393. ارزیابی پارامترهای کیفی آب زیرزمینی با استفاده از GIS و زمین‌آمار (مطالعه موردی: آبخوان دشت شهر بابک). دانش آب و خاک، 24(2): 183-197.

4. حیدری­زادی، ز. و ث. یعقوبی. 1396. بررسی روند تغییرات کمّی و کیفی آبخوان دشت ابوغویر با استفاده از سیستم اطلاعات جغرافیایی. ترویج و توسعه آبخیزداری، 5(16): 9-16.

5. خسروی، ح.، ا. مرادی و ح. دارابی. 1394. شناسایی مناطق همگن از نظر کیفیت آب زیرزمینی با استفاده از تحلیل عاملی و خوشه‌ای؛ مطالعه موردی دشت قیر استان فارس. مهندسی آبیاری و آب، 6(21): 119-133.

6. رستم­زاده، ه.، م. ر. نیکجو، ا. اسدی و ج. جعفرزاده. 1394. توان‌سنجی تغییرات کیفیت آب زیرزمینی قابل شرب در پهنه‌های جمعیتی دشت اردبیل با استفاده از ترکیب مدل‌های زمین­آماری و تصمیم‌گیری چندمعیاری در محیط GIS. هیدروژئومورفولوژی، 1(3): 43-60.

7. رضایی، م. و و. امیری. 1392. ارزیابی تغییرات کیفی آب زیرزمینی دشت لنجانات با استفاده از تحلیل عاملی ترکیب شده با نظریة انتروپی اطلاعات. محیط‌شناسی، 39(2): 33-44.

8. زاهدی­فر، م.، س. ع. ا. موسوی و م. رجبی. 1392. پهنه­بندی ویژگی­های شیمیایی کیفیت آب­های زیرزمینی دشت فسا با استفاده از روش­های زمین­آماری. آب و خاک، 27(4): 812-822.

9. شعبانی، م. 1390. ارزیابی روش­های زمین­آماری در تهیه نقشه­های کیفی آب­های زیرزمینی و پهنه­بندی آن­ها مطالعه موردی: دشت نی­ریز، استان فارس. جغرافیای طبیعی، 4(13):83-96.

10. عباسی جندانی، ش. و ع. طالبی. 1394. مدل­سازی تغییرات زمانی و مکانی کیفیت آب زیرزمینی در مناطق خشک با استفاده از روش‌های زمین­آماری (مطالعه موردی: دشت کوهپایه – سگزی اصفهان). طلوع بهداشت یزد، 14(1):123-137.

11. عساکره، ح. 1390. مبانی اقلیم‌شناسی آماری. انتشارت دانشگاه زنجان. 550 صفحه.

12. علیزاده، ا. 1394. اصول هیدرولوژی کاربردی. انتشارات دانشگاه امام رضا (ع). 942 صفحه.

13. غفوری، و.، ن. ملک­پور و ا. مردانی. 1390. ارزیابی زمین­آماری کیفیت آب زیرزمینی دشت داراب استان فارس. حفاظت منابع آب و خاک، 1(2): 81-94.

14. غیور، ح. و م. منتظری. 1383. پهنه‌بندی رژیم­های دمایی ایران با مؤلفه‌های مبنا و تحلیل خوشه‌ای. جغرافیا و توسعه، 4: 21-34.

15. کردوانی، پ. 1386. ژئوهیدرولوژی. مؤسسه انتشارات و چاپ دانشگاه تهران. 368 صفحه.

16. مزارعی بهبهانی، س.، س. ز. حسینی و س. ع. المدرسی. 1393. مقایسه دقت روش‌های مختلف زمین­آمار در ارزیابی کیفیت منابع آب زیرزمینی برای استفاده‌های کشاورزی (مطالعه موردی:آبخوان دشت بهبهان). مدیریت آب در مناطق خشک، 1(2): 65-75.

17. مظفری، غ. و ح. بهزادی کریمی. 1396. برآورد سطح ایستایی منابع آب زیرزمینی دشت بیضاء استان فارس. جغرافیا و مطالعات محیطی، 6(21): 145-163.

18. مهدوی، م. و م. طاهرخانی. 1391. کاربرد آمار در جغرافیا. نشر قومس. 434 صفحه.

19. ولی­زاده کامران، خ.، ش. روستایی، ت. رحیم‌پور و م. نخستین روحی. 1395. تعیین مناسب­ترین روش زمین­آمار در تهیه­ی نقشه­ی تغییرات شوری آب­های زیرزمینی (مطالعه­ی موردی: دشت شیرامین، استان آذربایجان شرقی). هیدروژئومورفولوژی، 2(6): 17-32.

 20. Ahmadi M, Bagheban Zade Dezfouli A. 2012. A geo-statistical approach to the change procedure study of under-ground water table in a GIS framework, case study: Razan-Ghahavand Plain, Hamedan Province, Iran. Journal of Academic and Applied Studies, 2(11): 56-69.

21. Al-Kouri O, Omar H, Abu-Shariah M, Mahmud AR, Mansor S. 2010. Geostatistical analysis of karst landscapes. Electronic Journal of Geotechnical Engineering, 15: 913-934.

22. Baalousha H. 2010. Assessment of a groundwater quality monitoring network using vulnerability mapping and geostatistics: a case study from Heretaunga Plains, New Zealand. Agricultural Water Management, 97(2): 240-246.

23. Brus DJ, Heuvelink GB. 2007. Optimization of sample patterns for universal kriging of environmental variables. Geoderma, 138(1): 86-95.

24. Davis A, Kempton JH, Nicholson A, Yare B. 1994. Groundwater transport of arsenic and chromium at a historical tannery, Woburn, Massachusetts, USA. Applied Geochemistry, 9(5): 569-582.

25. Dorgham MM, Abdel-Aziz N, El-Deeb K, Okbah M. 2004. Eutrophication problems in the western harbour of Alexandria, Egypt. Oceanologia, 46(1): 25-44.

26. Jang CS, Chen SK, Kuo YM. 2013. Applying indicator-based geostatistical approaches to determine potential zones of groundwater recharge based on borehole data. Catena, 101: 178-187.

27. Johnston K, Ver Hoef JM, Krivoruchko K, Lucas N. 2001. Using ArcGIS geostatistical analyst. Esri Redlands, CA, New York, USA, 306 pp.

28. Kresic N. 2006. Hydrogeology and Groundwater Modeling. 2^nd Edition, CRC Press, Taylor & Francis Group, 828 pp.

29. Love D, Hallbauer D, Amos A, Hranova R. 2004. Factor analysis as a tool in groundwater quality management: two southern African case studies. Physics and Chemistry of the Earth, Parts A/B/C, 29(15): 1135-1143.

30. Shi J, Wang H, Xu J, Wu J, Liu X, Zhu H, Yu C. 2007. Spatial distribution of heavy metals in soils: a case study of Changxing, China. Environmental Geology, 52(1): 1-10.

31. Sun Y, Kang S, Li F, Zhang L. 2009. Comparison of interpolation methods for depth to groundwater and its temporal and spatial variations in the Minqin oasis of northwest China. Environmental Modelling & Software, 24(10): 1163-1170.

32. Zhou Z, Zhang G, Yan M, Wang J. 2012. Spatial variability of the shallow groundwater level and its chemistry characteristics in the low plain around the Bohai Sea, North China. Environmental Monitoring and Assessment, 184(6): 3697-3710.