شناسایی روستاهای در معرض خطر فرونشست در دشت اردبیل با استفاده از تحلیل شبکه‌ای- فازی در سیستم اطلاعات جغرافیایی

الموضوعات :

بهرام ایمانی ¹ , جعفر جعفرزاده ²

1 - دانشیار گروه جغرافیا و برنامه ریزی روستایی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، ایران
2 - مربی سنجش از دور و سیستم اطلاعات جغرافیایی، گروه برنامه ریزی روستایی و شهری، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران

تاريخ الإرسال : 26 السبت , رمضان, 1442 تاريخ التأكيد : 03 الأربعاء , محرم, 1443 تاريخ الإصدار : 21 الأحد , شوال, 1443

الکلمات المفتاحية: فرونشست, سیستم اطلاعات جغرافیایی, تحلیل فازی, آبخوان, دشت اردبیل,

ملخص المقالة :

پیشینه و هدف در سال ‌های اخیر به دلیل تغییرات اقلیمی و خشک‌سالی و همچنین فقدان نظارت در حفر چاه ‌های کشاورزی بسیاری از سفره‌ های زیرزمینی کشور مورد برداشت غیراصولی قرارگرفته ‌اند که این امر موجب منفی شدن بیلان این آبخوان ‌ها شده است تا جایی که بنا بر گزارش سازمان زمین‌شناسی بیشتر دشت ‌های کشور دچار افت سطح آب زیرزمینی شده ‌اند. یکی از مخاطراتی که به دلیل عملکرد تدریجی کمتر مورد توجه قرار می‌گیرد پدیده فرونشست است که در سال ‌های اخیر به علت افزایش بهره ‌برداری از سفره‌ های زیرزمینی مهم در دشت ‌های بارز کشور به‌ صورت مشکلی فراگیر نمایان شده است. در این تحقیق تلاش شده است که امکان وقوع پدیده فرونشست و خطرات احتمالی آن به‌ عنوان یک تهدید در انجام پروژه‌ های انسانی و هم‌چنین سکونت‌گاه‌ های روستایی در محدوده دشت اردبیل مورد بررسی قرار گیرد. مواد و روش ها منطقه مورد مطالعه دشت اردبیل بین عرض جغرافیای شمالی 38 درجه و 05 دقیقه تا 38 درجه و 03 دقیقه و طول جغرافیای شرقی 48 درجه و 15 دقیقه تا 48 درجه و 35 دقیقه در بخش شمال غربی در مرکز استان اردبیل قرارگرفته است. برای بررسی وضعیت آب زیرزمینی دشت، از داده‌ های 38 مشاهده ‌ای که از سازمان آب منطقه‌ ای اردبیل تهیه ‌شده ‌اند و در سطح دشت قرارگرفته ‌اند استفاده ‌شده است. نخست با استفاده از آمار 30 ساله 65 چاه مشاهده ‌ای و سامانه اطلاعات جغرافیایی، نقشه پتانسیل افت آب برای منطقه تهیه شد. سپس با استفاده از مدل دماتل فازی اقدام به جمع ‌آوری و مدل‌سازی نظرات کارشناسان شد. این روش ازجمله روش ‌های مفهومی برای ساختار سازی مسئله ‌های تصمیم‌ گیری به شمار می‌رود. فن دماتل بر پایه نظریه گراف ایجاد شده است و در این روش ما می‌ توانیم معیارها را به دو گروه معیارهای علت و معیارهای معلول تقسیم‌ بندی کنیم تا شناخت بیشتری از روابط بین علت و معلول به دست آوریم و درنهایت بتوانیم یک شبکه ‌ای از روابط متقابل را ایجاد نماییم. درنهایت بعد از ایجاد ماتریس روابط کلی و با توجه به‌ اندازه حد آستانه تعریف ‌شده، ماتریس روابط نهایی را ایجاد می‌ کنیم که در این ماتریس عدد صفر به معنی عدم وجود رابطه و عدد یک به معنی وجود رابطه میان دو معیار هست. با استفاده از ماتریس روابط نهایی اقدام به نظرسنجی از خبرگان در مورد اندازه تأثیر عوامل بر یکدیگر با توجه به وابستگی آن‌ها به هم می‌نماییم. بعدازآنکه داده‌ها از سازمان‌های مربوط تهیه شد اقدام به تشکیل پایگاه داده برای اطلاعات موجود در محیط نرم ‌افزار ArcCatalog کرده و سپس نقشه ‌های مربوط به این داده‌ ها را در نرم‌افزار ArcGIS ایجاد شد. بعد از اینکه وزن لایه ‌های مختلف با استفاده از روش تحلیل شبکه ‌ای فازی به دست آمد، وارد نرم ‌افزار ArcGIS شده و وزن ‌های هر زیر معیار را در نقشه ‌ای که برای هر لایه موردنظر ایجاد کرده بودیم ضرب کرده و درنهایت نقشه ‌ها را باهم جمع کردیم تا یک نقشه نهایی به دست آمد. نقشه نهایی نشان ‌دهنده مناطقی از دشت اردبیل است که از نظر خطر فرونشست طبقه ‌بندی‌ شده و در پنج طبقه از لحاظ وضعیت خطر با طیف رنگی نشان داده شد. بعد ناحیه ‌ای که افت شدید آب داشت انتخاب و با نقشه پراکندگی چاه‌ های عمیق مقایسه شد. در مرحله آخر با استفاده از مدل ‌های پیشرفته و ترکیبی فازی و تحلیل شبکه ‌ای در محیط نرم ‌افزار سامانه اطلاعات جغرافیایی هر یک از لایه‌ های حساسیت رسوبات و افت سطح آب تعیین عضویت و با استفاده از همپوشانی خطی فازی نقشه حساسیت منطقه به پدیده فرونشست در پنج کلاس حساسیت بسیار بالا، حساسیت بالا، حساسیت متوسط، حساسیت پایین و حساسیت بسیار پایین تهیه شد. برای تهیه نقشه نهایی وضعیت خطر فرونشست در محدوده دشت اردبیل ابتدا وزن ‌های به ‌دست‌ آمده برای هر زیر فاکتور را در نقشه ‌های فازی شده آن زیر فاکتور ضرب کرده و سپس با استفاده از ابزار RasterCalculator این نقشه ‌های وزن‌دار تجمیع شدند. در نقشه فازی نهایی ارزیابی وضعیت خطر فرونشست دشت اردبیل با طیف ‌های رنگی از آبی که پایین‌ ترین حد را نشان می‌دهد به سمت قرمز که بیشترین مقدار را نشان می‌ دهد، در تغییر است. رنگ آبی مناطق با خطر پایین و رنگ قرمز مناطق با خطر بالا را از نظر خطر فرونشست در محدوده دشت اردبیل و روستاهای واقع در این محدوده نشان می ‌دهد.نتایج و بحث پس از به دست آوردن نقشه اولیه ارزیابی وضعیت خطر فرونشست و مناطق در معرض خطر فرونشست دشت اردبیل، نقشه نهایی بررسی وضعیت دشت اردبیل از لحاظ خطر فرونشست زمین، با توجه به وزن ‌ها و لایه‌ های به‌ دست ‌آمده تهیه ‌شده است. از آنجایی ‌که تمامی نقشه ‌های لایه ‌های مبناء در پنج طبقه، باز طبقه‌ بندی‌ شده و وزن متناسب با هر طبقه مطابق با وضعیت لایه ‌ها داده ‌شده بود، نقشه نهایی نیز در پنج طبقه، طبقه ‌بندی و وزن دهی شد که بنا بر نظر کارشناسان و اساتید به شرح زیر به ‌دست‌ آمده است؛ 1) مناطق با خطر پایین، 2) مناطق با خطر متوسط، 3) خطر بالا، 4) مناطق در معرض آسیب، 5) مناطق بحرانی. درنهایت با استفاده از نقشه نهایی ارزیابی وضعیت خطر فرونشست دشت اردبیل و نیز رتبه ‌بندی به ‌دست ‌آمده از نظرات کارشناسان ذیربط، نقشه نهایی تحلیل وضعیت خطر فرونشست دشت اردبیل تهیه شد. همچنین نقشه وضعیت چاه‌ های عمیق در محدوده دشت اردبیل و پراکندگی آن در سطح دهستان‌ ها را نشان می‌ دهد، ملاحظه می‌ شود که بیشترین پراکندگی و تمرکز چاه ‌های عمیق در سمت شرق دشت در محدوده دهستان‌های ویلکیج مرکزی و فولادلوی شمالی قرارگرفته است که این وضعیت موقعیت پراکندگی چاه ‌های عمیق به‌ خوبی وضعیت متناسب بودن پراکندگی چاه‌ های عمیق با مناطق در معرض خطر فرونشست را نشان می ‌دهد.نتیجه گیری دهستان‌ های ویلکیج مرکزی، فولادلوی شمالی و دهستان شرقی بیشترین سطح آسیب ‌پذیری را ازلحاظ وضعیت خطر فرونشست دارند. وضعیت بحرانی خطر فرونشست در این سه دهستان بیشترین مقدار را دارد. همچنین دهستان کلخوران و آغبلاغ آقاجان خان از وضعیت متوسط به سمت وضعیت در معرض آسیب پیش می‌ روند که نیازمند دقت بیشتری در مدیریت و برنامه‌ ریزی منابع آب این دهستان‌ها هست. همچنین یک رابطه قوی بین نحوه پراکندگی چاه‌ های عمیق در سطح دشت اردبیل و مناطق در معرض خطر بالای فرونشست وجود دارد. با توجه به نتایج به دست آمده، زیر معیار وضعیت آب‌ های زیرزمینی با وزن 0.38 بیشترین تاثیر را در وضعیت خطر فرونشست دشت اردبیل ایجاد کرده است. این وزن با بررسی سایر لایه ‌های مرتبط با وضعیت آب زیرزمینی و لایه پراکندگی جمعیت، نشان دهنده تاثیر زیاد این زیر معیار است.

المصادر:

Abedini M. 2013. Investigating the causes of subsidence in Ardabil plain and its effects in the city. Natural Geography, 6(19): 71-84. https://www.sid.ir/en/journal/ViewPaper.aspx?id=222459. (In Persian).

Agricultural Statistics of Ardabil City (ASAC). 2019. Ardabil Agricultural Jihad Organization. Administration. Water and soil management. 130 p. (In Persian).

Arvin A, Vahabzadeh G, Mousavi SR, Bakhtyari Kia M. 2019. Geospatial modeling of land subsidence in the south of the Minab watershed using remote sensing and GIS. Journal of RS and GIS for Natural Resources (Journal of RS and GIS for Natural Resources), 10(3): 19-34. https://girs.bushehr.iau.ir/article_668468.html?lang=en. (In Persian).

Asghari Saraskanroud S, Ghale E, Ebady E. 2021. Investigation of land use changes and its relationship with groundwater level (Case study: Ardabil plain). Journal of RS and GIS for Natural Resources, 12(1): 86-106. doi:http://dorl.net/dor/20.1001.1.26767082.1400.12.1.5.6. (In Persian).

Bayer B, Simoni A, Mulas M, Corsini A, Schmidt D. 2018. Deformation responses of slow moving landslides to seasonal rainfall in the Northern Apennines, measured by InSAR. Geomorphology, 308: 293-306. doi:https://doi.org/10.1016/j.geomorph.2018.02.020.

Daneshvar Vousoughi F, Dinpashoh Y, Aalami M. 2011. Effect of drought on groundwater level in the past two decades (Case study: Ardebil Plain). Water and Soil Science, 21(4): 165-179. (In Persian).

Ekbal H, Wright TJ, Walters RJ, Bekaert DPS, Lloyd R, Hooper A. 2018. Constant strain accumulation rate between major earthquakes on the North Anatolian Fault. Nature Communications, 9(1): 1392. doi:https://doi.org/10.1038/s41467-018-03739-2.

Esfandiari F, Ghorbani Filabadi R, Nasiri Khiavi A, Mostafazadeh R. 2019. Assessing the accuracy of algebraic and geostatistical techniques to determine the spatial variations of groundwater quality in Boroojen Plain. Journal of Natural Environmental Hazards, 8(20): 115-130. doi:https://doi.org/10.22111/jneh.2018.22500.1335.

Gharechelou S, Akbari Ghoochani H, Golian S, Ganji K. 2021. Evaluation of land subsidence relationship with groundwater depletion using Sentinel-1 and ALOS-1 radar data (Case study: Mashhad plain). Journal of RS and GIS for Natural Resources, 12(3): 40-61. doi:http://dorl.net/dor/20.1001.1.26767082.1400.12.3.3.8. (In Persian).

Haji Hosseinlou h. 2018. Assessing the decreasein the level of ground water table using geographic information system (GIS) (Case study: Khoy plain aquifer). Journal of Geography and Environmental Hazards, 7(2): 53-74. doi:https://doi.org/10.22067/geo.v7i2.67365. (In Persian).

Imani B, Jafarzadeh J. 2022. Identification of villages at risk of subsidence in Ardabil plain using fuzzy-network analysis in GIS. Journal of RS and GIS for Natural Resources, 13(2): 15-18. doi:http://dorl.net/dor/20.1001.1.26767082.1401.13.2.4.4. (In Persian).

Intrieri E, Raspini F, Fumagalli A, Lu P, Del Conte S, Farina P, Allievi J, Ferretti A, Casagli N. 2018. The Maoxian landslide as seen from space: detecting precursors of failure with Sentinel-1 data. Landslides, 15(1): 123-133. doi:https://doi.org/10.1007/s10346-017-0915-7.

Jafarzadeh J, Rostamzadeh H, Asadi E. 2017. Modeling temporal of groundwater level using basic techniques of time series analysis (Case study: Ardabil plain). Water and Soil Science, 27(4): 185-196. (In Persian).

Jafarzadeh J, Rostamzadeh H, Nikjoo M, Asadi E. 2017. Potential assessment of available water resources of Ardabil plain using fuzzy analytic network process (FANP) in GIS. Geography and Planning, 21(61): 145-164. (In Persian).

Junfei C, Yang Y. 2011. A fuzzy ANP-based approach to evaluate region agricultural drought risk. Procedia Engineering, 23: 822-827. doi:https://doi.org/10.1016/j.proeng.2011.11.2588.

Li YP, Huang GH, Nie SL. 2010. Planning water resources management systems using a fuzzy-boundary interval-stochastic programming method. Advances in Water Resources, 33(9): 1105-1117. doi:https://doi.org/10.1016/j.advwatres.2010.06.015.

Mokhtari D, Ebrahimy H, Salmani S. 2019. Land subsidence susceptibility modeling using random forest approach (Case study: Tasuj plane catchment). Journal of RS and GIS for Natural Resources, 10(3): 93-105. doi:https://girs.bushehr.iau.ir/article_668475.html?lang=en. (In Persian).

Nas B, Berktay A. 2010. Groundwater quality mapping in urban groundwater using GIS. Environmental Monitoring and Assessment, 160(1): 215-227. doi:https://doi.org/10.1007/s10661-008-0689-4.

Rostamzadeh H, Asadi E, Jararzadeh J. 2015. Evaluation of the groundwater table using multi-criteria decision making and spatial analysis, case study: Ardebil plain. Journal of Spatial Analysis Environmental Hazarts, 2(1): 31-42. doi:https://doi.org/10.18869/acadpub.jsaeh.2.1.31. (In Persian).

Saaty TL. 2007. Multi-decisions decision-making: In addition to wheeling and dealing, our national political bodies need a formal approach for prioritization. Mathematical and Computer Modelling, 46(7): 1001-1016. doi:https://doi.org/10.1016/j.mcm.2007.03.023.

Shahid SU, Iqbal J, Hasnain G. 2014. Groundwater quality assessment and its correlation with gastroenteritis using GIS: a case study of Rawal Town, Rawalpindi, Pakistan. Environmental Monitoring and Assessment, 186(11): 7525-7537. doi:https://doi.org/10.1007/s10661-014-3945-9.

Shieh J-I, Wu H-H, Huang K-K. 2010. A DEMATEL method in identifying key success factors of hospital service quality. Knowledge-Based Systems, 23(3): 277-282. doi:https://doi.org/10.1016/j.knosys.2010.01.013.

Shrestha S, Nakamura T, Magome J, Aihara Y, Kondo N, Haramoto E, Malla B, Shindo J, Nishida K. 2018. Groundwater use and diarrhoea in urban Nepal: novel application of a geostatistical interpolation technique linking environmental and epidemiologic survey data. International Health, 10(5): 324-332.

Tzeng G-H, Chiang C-H, Li C-W. 2007. Evaluating intertwined effects in e-learning programs: A novel hybrid MCDM model based on factor analysis and DEMATEL. Expert Systems with Applications, 32(4): 1028-1044. doi:https://doi.org/10.1016/j.eswa.2006.02.004.

Wang Y-J. 2020. Combining quality function deployment with simple additive weighting for interval-valued fuzzy multi-criteria decision-making with dependent evaluation criteria. Soft Computing, 24(10): 7757-7767. doi:https://doi.org/10.1007/s00500-019-04394-5.

Wu W-W. 2008. Choosing knowledge management strategies by using a combined ANP and DEMATEL approach. Expert Systems with Applications, 35(3): 828-835. doi:https://doi.org/10.1016/j.eswa.2007.07.025.

Zhou Q, Huang W, Zhang Y. 2011. Identifying critical success factors in emergency management using a fuzzy DEMATEL method. Safety Science, 49(2): 243-252. doi:https://doi.org/10.1016/j.ssci.2010.08.005.

Zhou X, Shi Y, Deng X, Deng Y. 2017. D-DEMATEL: A new method to identify critical success factors in emergency management. Safety Science, 91: 93-104. doi:https://doi.org/10.1016/j.ssci.2016.06.014.