Investigation the Spatial Variability of Groundwater Quality in Arid and Semiarid Areas Using the IRWQI Index (Case Study: Mehran Plain, Ilam)
Subject Areas : Water and Environment
Fatemeh Mansorinasar
1
(M.Sc. Regional Water Company of Ilam, Ilam, Iran.)
Ehsan Yarmohamadi
2
(M.Sc. Regional Water Company of Ilam, Ilam, Iran.)
Jafar Asadkazemi
3
(M.Sc. Regional Water Company of Ilam, Ilam, Iran.)
Hassan Fathizad
4
(PhD in Combating Desertification, Faculty of Natural Resources, University of Yazd, Yazd, Iran.)
Mohsen Tavakoli
5
(Associate Professor, Department of Range and Watershed Management, Ilam University, Ilam, Iran. *(Corresponding Author))
Keywords: Ground water, Groundwater quality index, Zoning, Geostatistics, Mehran plain.,
Abstract :
Background and Objective: Groundwater quality can be evaluate by comparing measured quality parameters to prepared standards. This method although looks simple, but it doesn't show a comprehensive view of water quality condition in arid and semiarid areas. In current research after calculations of groundwater quality of Mehran plain using IRWQI, the ability of different geostatistical methods have been investigated for quality zoning.
Material and Methodology: Based on the importance of groundwater resources in Mehran plain, 17 piezometer wells were selected. Afterward, sampling and analysis have been done during February 2020. For calculating IRWQI index, all measured quality parameters were weighted based on the roles in groundwater pollution. Pearson correlation coefficient was used to evaluate the correlation between data and IRWQI index. Then, for zoning groundwater quality different geostatistic methods including Inverse Distance Weighting, Global polynomial interpolation, Radial Basis Function, Local Polynomial Interpolation, Ordinary Kriging, Simple Kriging and Universal Kriging have been used.
Findings: The results show a significant correlation between water quality index and EC and SAR parameters at the level of 1 and 5%. Results show that, based on IRWQI, the quality of groundwater in the plain is very good by mean index of 100. In another hand, the relationship between groundwater quality parameters and IRWQI showed that EC and SAR have significant correlations. Also, based on the results, IDW has the minimum error by 10.10, 12.65 and 0.77 for MAE, RMSE and R2, respectively, comparing to other geostatistical methods and it has been selected as the best method for Mehran plain groundwater quality zoning.
Discussion and Conclusion: Groundwater zoning map also indicated that the very good class with the area of 12429 hectare (%69) covered the maximum area of the plain and shows a very good quality of groundwater in whole plain.
1. Abbasnia, A., Radfard, M., Mahvi, A.H., Nabizadeh, R., Yousefi, M., Soleimani, H. and Alimohammadi, M., 2018. Groundwater quality assessment for irrigation purposes based on irrigation water quality index and its zoning with GIS in the villages of Chabahar, Sistan and Baluchistan, Iran. Data in brief, 19, pp.623-631.
2. Adimalla, N., 2019. Controlling factors and mechanism of groundwater quality variation in semiarid region of South India: an approach of water quality index (WQI) and health risk assessment (HRA). Environmental Geochemistry and Health, 42: 1725-1752.
3. Alastal, K. M., Alagha, J. S., Abuhabib, A. A., and Ababou, R., 2016. Groundwater quality assessment using water quality index (WQI) approach: Gaza coastal aquifer case study. Journal of Engineering Research and Technology, 2(1): 80-86.
4. Amiri, F., Tabatabaei, T., Valipour, S., 2018. Assessment and analysis of groundwater quality in landfills using IRWQIGC. Journal of Soil and Water Sciences. 22 (1): 211-226. (persian).
5. 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.
6. Bora, M., and Goswami, D. C., 2017. Water quality assessment in terms of water quality index (WQI): case study of the Kolong River, Assam, India. Applied Water Science, 7(6): 3125-3135.
7. Dashti Barmaki, M., Rezaei, M. and Saberi Nasr, A., 2014. Assessment of groundwater quality index (GQI) for Lenjanat aquifer using GIS. Journal of Engineering Geology, 8(2): 2121-2138.
8. Datta, P. S., and Tyagi, S. K., 1996. Major ion chemistry of groundwater in Delhi area: chemical weathering processes and groundwater flow regime. Journal-Geological Society of India, 47: 179-188.
9. Eslami, H., Almodaresi, S. A., Khosravi, R., Fallahzadeh, R. A., Peirovi, R. and Taghavi, M., 2018. Assessment of groundwater quality in Yazd-Ardakan plain for agricultural purposes using Geographic Information System (GIS). Journal of Health, 8(5): 575-86.
10. Eslami, H., Sedighi Khavidak, S., Salehi, F., Khosravi, R., and Peirovi, R., 2017. Biodegradation of methylene blue from aqueous solution by bacteria isolated from contaminated soil. Journal of Advances in Environmental Health Research, 5(1): 10-15.
11. Fallahzadeh, R. A., Almodaresi, S. A., Dashti, M. M., Fattahi, A., Sadeghnia, M., Eslami, H., Khosravi, R., Minaee, R. P. and Taghavi, M., 2016. Zoning of nitrite and nitrate concentration in groundwater using Geografic information system (GIS), case study: drinking water wells in Yazd City. Journal of Geoscience and Environment Protection, 4(3): 91-96.
12. Fathizad, H., Mobin, M. H., Gholamnia, A., and Sodaiezadeh, H., 2017. Modeling and mapping of solar radiation using geostatistical analysis methods in Iran. Arabian Journal of Geosciences, 10(17): 1-13.
13. Gebrehiwot, A.B., Tadesse, N. and Jigar, E., 2011. Application of water quality index to assess suitability of groundwater quality for drinking purposes in Hantebet watershed, Tigray, Northern Ethiopia. ISABB Journal of Food and Agricultural Sciences, 1(1), pp.22-30.
14. Houben, G., Tünnermeier, T., Eqrar, N., and Himmelsbach, T., 2009. Hydrogeology of the Kabul Basin (Afghanistan), part II: groundwater geochemistry. Hydrogeology journal, 17(4): 935-948.
15. Kaviarasan, M., Geetha, P. and Soman, K.P., 2016. GIS-based ground water quality monitoring in Thiruvannamalai District, Tamil Nadu, India. In Proceedings of the international conference on soft computing systems (pp. 685-700). Springer, New Delhi.
16. Kaviarasan, M., Geetha, P., and Soman, K. P., 2016. GIS-based ground water quality monitoring in Thiruvannamalai District, Tamil Nadu, India. Proceedings of the international conference on soft computing systems (685-700). Springer, New Delhi.
17. Logeshkumaran, A., Magesh, N. S., Godson, P. S., and Chandrasekar, N., 2015. Hydro-geochemistry and application of water quality index (WQI) for groundwater quality assessment, Anna Nagar, part of Chennai City, Tamil Nadu, India. Applied Water Science, 5(4): 335-343.
18. Magesh, N. S., Krishnakumar, S., Chandrasekar, N., and Soundranayagam, J. P., 2013. Groundwater quality assessment using WQI and GIS techniques, Dindigul district, Tamil Nadu, India. Arabian Journal of Geosciences, 6(11): 4179-4189.
19. Paz-Gonzalez, A., Vieira, S. R., and Castro, M. T. T., 2000. The effect of cultivation on the spatial variability of selected properties of an umbric horizon. Geoderma, 97(3-4): 273-292.
20. Puri, P. J., Yenkie, M. K. N., Sangal, S. P., Gandhare, N. V., Sarote, G. B., and Dhanorkar, D. B., 2011. Surface water (lakes) quality assessment in Nagpur city (India) based on water quality index (WQI). Rasayan journal of chemistry, 4(1): 43-48.
21. Rabeiy, R. E., 2018. Assessment and modeling of groundwater quality using WQI and GIS in Upper Egypt area. Environmental Science and Pollution Research, 25(31): 30808-30817.
22. Samadi, J., 2016. Survey of Spatiotemporal Impact of Land Use on Water Quality in Chaghakhor Wetland Using IRWQI Index and Statistical Methods. Iran-Water Resources Research, 11(3):159-171. (In Persian)
23. Samantray, P., Mishra, B. K., Panda, C. R., and Rout, S. P., 2009. Assessment of water quality index in Mahanadi and Atharabanki Rivers and Taldanda Canal in Paradip area, India. Journal of Human Ecology, 26(3): 153-161.
24. Samarghandi, M., Weysi, K., Aboee Mehrizi, E., Kaseb, P., and Danai, E., 2013. Evaluation of water quality in Ekbatan reservoir of Hamadan by NSFWQI index. Journal of North Khorasan University of Medical Sciences, 5 (1) :63-69. (In Persian)
25. Torabipoudeh, H., Yonesi, H., and Arshia, A., 2020. Evaluation of Quality Changes in the Groundwater Resources and IRWQIGC Upstream of Zayandehrood Dam. Journal of Water and Soil Science, 24 (2) :27-40. (In Persian)
26. Torabipoudeh, H., Yonesi, H., Haghizadeh, A., and Arshia, A., 2019. Assessment of Groundwater Quality Changes and Evaluation of IRWQIGC in Lenjanat-Najafabad Aquifers Area. Desert Ecosystem Engineering Journal, 8 (25): 553-66. (In Persian)
27. Tuominen, S., Fish, S., and Poso, S., 2003. Combining remote sensing, data from earlier inventories and geostatistical interpolation in multi-source forest inventory. Canadian Journal of Forest Research, 33: 624- 634.
28. Tyagi, S., Sharma, B., Singh, P., and Dobhal, R., 2013. Water quality assessment in terms of water quality index. american Journal of water resources, 1(3): 34-38.
29. Webster, R., and Oliver, M. A., 2007. Geostatistics for environmental scientists. John Wiley & Sons, 330 pp.
30. Yisa, J., Jimoh, T. O., and Oyibo, O. M., 2012. Underground water assessment using water quality index. Leonardo Journal of Sciences, 21: 33-42.
31. Zahedi Amiri, Gh., 1998. Relation between ground vegetation and soil characteristic in a mixedhardwood stand. Ph.D. thesis, university of Gent, Belgium, 319 pp.
بررسی تغییرات مکانی کیفیت آبهای زیرزمینی مناطق خشک و نیمه خشک با استفاده از شاخص IRWQI (مطالعه موردی: دشت مهران، ایلام)
چکیده
زمینه و هدف:کیفیت منابع آب زیرزمینی را میتوان از طریق مقایسه مقادیر پارامترهاي اندازهگیري شده با مقادیر استاندارد آنها ارزیابی کرد، اما این روش قدیمی و ساده بوده و تصویری جامع و قابل فهم براي عموم از وضعیت کیفیت آب را بخصوص در مناطق خشک و نیمه خشک نشان نمی نمیدهد. در تحقیق حاضر پس از محاسبه کیفیت آب زیرزمینی دشت مهران با استفاده از شاخص IRWQI به بررسی و مقایسه انواع روشهای زمین آماری جهت پهنهبندی کیفیت پرداخته شده است.
روش بررسی: با توجه به اهمیت منابع زیرزمینی در دشت خشک مهران، در اين مطالعه دادههاي کيفيت آب تعداد 17 حلقه چاه در دشت مهران انتحاب و نمونه برداری از چاههای انتخابی به منظور آنالیز و محاسبه مقدار پارامترهای فوق در اواخر بهمن و اوایل اسفند 98 انجام شد. جهت محاسبه شاخص، به هریک از پارامترها بر اساس نقشی که در آلودگی آبهاي زیرزمینی دارند، وزنی خاص تعلق گرفت. برای ارزیابی همبستگی بین داده ها و شاخص IRWQI از ضریب همبستگی پیرسون استفاده شد. به منظور تهیه نقشه پهنهبندي کیفیت آب، از روشهای زمینآماری عکس فاصله، چند جملهای جهانی، تابع شعاعی، روش موضعی، كريجينگ معمولي، ساده و عام استفاده گردید.
یافته ها: نتایج نشان دهنده همبستگی معنی دار شاخص کیفیت آب با پارامترهای EC و SAR در سطح 1 و 5 درصد می باشد. نتایج بررسی شاخص IRWQI نشان دهنده وضعیت خیلی خوب کیفیت آب منطقه با میانگین شاخص عددی 100 میباشد. همبستگی بین پارامترهای آب زیرزمینی با شاخص IRWQI نشان داد که پارامترهای EC و SAR دارای همبستگی معنیداری هستند. همچنین روش عکس فاصله (IDW) با MAE ، RMSE و R2 برابر 10/10، 65/12 و 77/0 کمترین خطا را ببین سایر روشهای زمینآماری داشت که بهعنوان بهترین روش برای پهنهبندی شاخص کیفیت آب در دشت مهران معرفی گردید.
بحث و نتیجه گیری: بر اساس مساحتهای کلاسهای نقشه پهنهبندی شاخص کیفیت آب مشخص شد که کلاس خیلی خوب با مساحت 12429 هکتار (69 درصد) بیشترین سطح منطقه را در برگرفته که نشاندهنده کیفیت خیلی خوب آبهای زیرزمینی در دشت مهران میباشد.
واژگان کلیدی: آب زیرزمینی، شاخص کیفیت آب زیرزمینی، پهنهبندی، زمین آمار، دشت مهران
زمینه و هدف
آب سالم یکی از نیازهای اساسی موجودات زنده به ویژه انسان است و کیفیت آن یکی از مهمترین عواملی است که باید هنگام ارزیابی پیشرفت مناسب یک منطقه مورد توجه قرار گیرد (1، 2). منابع آب سطحی بیشتر از منابع آب زیرزمینی در معرض آلودگی قرار دارند، اما با توجه به وضعیت کشور ایران که با کمبود منابع آب شیرین و بارندگی روبرو است، سفره های زیرزمینی مهمترین منابع تأمین آب آشامیدنی محسوب می شوند و کیفیت این منابع بسیار مهم میباشد (3، 4). برای تصمیمگیری و سیاستهای مربوط به حفاظت، مدیریت و استفاده پایدار از منابع آب باید اطلاعات دقیق در مورد کیفیت آب، در دسترس باشد (5). بنابراین، تفسیر مداوم و مستمر از شرایط بسیار مهم است.
تاکنون تعداد زیادی شاخص کیفیت آب مانند 1WAWQI، 2NSFWQI، CCMEWQI 3، OWQI 4 و غیره توسط سازمانهای ملی و بین المللی تدوین شده است (6). یک روش آماری ساده برای ارزیابی کیفیت آب، استفاده از WQI است (7). WQI برای ارزیابی تناسب آبهای سطحی و زیرزمینی برای مصارف شرب و کشاورزی مورد استفاده قرار می گیرد (8). این شاخص برای اولین بار توسط براون و همکاران ارائه شد (1) و توسط بنیاد بهداشتی آمریکا در سال 2000 مورد استفاده قرار گرفته است (9). WQI بر اساس مواد جامد محلول (TDS)، سختی کل (TH)، هدایت الکتریکی (EC)، بیکربنات (HCO3-)، کلر (Cl-)، سولفات (SO42-)، نیترات (NO3-)، کلسیم (Ca2-) و منیزیم (Mg2+) تعیین شده (9) و طی چند دهه گذشته به عنوان ابزاری مؤثر که اطلاعاتی در مورد کیفیت آب برای استفاده شهروندان و سیاستگذاران فراهم میکند در نظر گرفته شده است (10) و در ارزیابی کیفیت آبهای سطحی و زیرزمینی در سراسر جهان مورد استفاده قرار گرفته شده است (11، 12، 13، 14).
به منظور محاسبه شاخص کیفیت منابع آب ایران (IRWQI5) پارامترهایی پیشنهاد شده که به هریک از آنها بر اساس نقشی که در آلودگی آبهای زیرزمینی دارند، وزنی تعلق گرفته میگیرد که البته تعداد پارامترها میتواند تغییر کند (15). با توجه به پارامترهای کیفی موجود برای هر منبع، مقدار شاخص از طریق نمودارهای مربوط به هر پارامتر در نشریه راهنمای محاسبه شاخص کیفیت آب مشخص و سپس وزن کل بر اساس تعداد پارامترهایی که در تعیین شاخص کل مؤثر بودهاند (16). تحقیقات مختلفی در رابطه با ارزیابی کیفیت آب زیرزمینی با استفاده از شاخصهای مختلف انجام شده است که میتوان به تحقیقات (10، 17، 18، 19، 20، 21) اشاره کرد. بهترین شرایط برای استفاده از روشهای زمینآمار، استفاده از آمارهای متنوع در اوار مختلف است که بصورت میانگین شاخص، مورد استفاده قرار گیرد که در این تحقیق عدم وجود آمار همگن درازمدت، بعنوان محدودیت در تحقیق مطرح بوده است.
آبهای زیرزمینی منابع اصلی تأمین آب برای مصارف شرب و کشاورزی در مناطق خشک و نیمه خشک محسوب میشود. در سالهای اخیر برداشت بی رویه از منابع آب زیرزمینی منطقه خشک مهران در استان ایلام، علاوه بر کمبودهای کمی، مسائل کیفی را به وجود آورده است که حل آنها در این منطقه دارای اهمیت بالایی میباشد. لذا هدف از انجام تحقیق حاضر، بررسی و تغییرات کیفیت منابع آب زیرزمینی منطقه مهران با استفاده از شاخص IRWQI و تحلیلهای زمین آمار میباشد.
روش بررسی
دشت مهران، در جنوب غربي استان ايلام و در امتداد شمال غربي، غرب و جنوب مهران به مرز عراق منتهي و از طرف شرق به دهلران محدود ميگردد. مساحت اين منطقه 18010 هكتار ميباشد که از لحاظ موقعيت جغرافيايي، بين "19 '05 °33 تا "07 '17°33 طول شمالی و "60 '10 °46 تا "30 '38 °46 عرض شرقی واقع شده است. متوسط دمای سالانه دشت مهران 5/21 درجه سانتیگراد و، متوسط بارندگي آن 215 ميليمتر در سال و متوسط میزان تبخیر و تعرق آن 3626 ميليمتر در سال ميباشد. این منطقه از لحاظ شرايط اقليمي، جزو مناطق نيمه خشك معتدل طبقهبندی میگردد (شکل1).
شکل 1- موقعیت جغرافیای دشت مهران و چاههای مورد مطالعه
Figure 1- Geographical location of Mehran plain and wells studied
مواد و روشها
در اين مطالعه دادههاي کيفيت آب تعداد 17 حلقه چاه (بر اساس موقعیت و امکان اندازهگیری کیفیت آب) در دشت مهران انتخاب گردیدند. نمونه برداری از چاههای انتخابی به منظور آنالیز و محاسبه مقدار پارامترهای فوق در اواخر بهمن و اوایل اسفندماه سال 1398 توسط کارشناسان شرکت آب منطقهای استان ایلام انجام شده است که با توجه به گرمسیری بودن منطقه، در زمان اندازهگیری پارامترها، دمای محیط حدود 18 درجه سانتیگراد بوده که در رنج استاندارد قابل قبول اندازهگیری پارامترهای کیفی (25-15 سانتیگراد) قرار داشته است.. این چاههای انتخابی شامل چاههای با کاربری آب شرب، کشاورزی، فضای سبز و صنعت بوده و در آزمایشگاه فاکتورهای فیزیکی و شیمیایی آب شامل کلیفرم مدفوعی (MPN/100ml)، BOD (mg/lmg/L)، نیترات (mg/lmg/L)، COD (mg/lmg/L)، فسفات (mg/lmg/L)، کدورت (NTU)، سختی کل (mg/lmg/L) و پارامترهای EC و pH بوده است. در جدول (1) خصوصیات آماری پارامترهای اندازهگیری شده آمده است.
جدول 1- خصوصیات آماری پارامترهای اندازه گیری شده در نمونه چاههای مطالعاتی
Table 1- Statistical characteristics of the measured parameters in the sample of study wells
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ضریب همبستگی6
ابزاری آماری برای تعیین نوع و درجهی رابطهی یک متغیر کمی با متغیر کمی دیگر است. ضریب همبستگی، یکی از معیارهای مورد استفاده در تعیین همبستگی دو متغیر است. ضریب همبستگی شدت رابطه و همچنین نوع رابطه (مستقیم یا معکوس) را نشان میدهد. این ضریب بین ۱ تا ۱- است و در صورت عدم وجود رابطه بین دو متغیر، برابر صفر است.
شاخص کیفیت منابع آب ایران (IRWQI)7
شاخص IRWQI تلفیقی از شاخصهای NSFWQI و BCEQI است که بر اساس نظریات کارشناسی حفاظت محیط زیست ایران طراحی شده که نشاندهنده وضعیت کیفیت آب به صورت کمی می باشد و یک شاخص عمومی و کاربردي در بیان کیفیت آب رودخانه است. بهمنظور محاسبه شاخص کیفیت آب زیرزمینی پارامترهایی در منابع مختلف پیشنهاد شده که در این مدل به هر کدام از آنها بر اساس نقشی که در آلودگی آبهاي زیرزمینی دارند وزنی تعلق گرفته است که البته تعداد پارامترها میتواند تغییر کند (15).
با توجه به پارامترهاي کیفی موجود براي هر منبع، مقدار شاخص از طریق نمودارهاي مربوط به هر پارامتر در نشریه راهنماي محاسبه شاخص کیفیت آب مشخص خواهند شد و سپس وزن کل بر اساس تعداد پارامترهایی که در تعیین شاخص کل مؤثر بوده اند و با استفاده از رابطه (1) شاخص کل کیفیت آب محاسبه میشود و طبق این شاخص، کیفیت آب زیرزمینی به 7 دسته مطابق با جدول (21) تقسیم می شود (16).
رابطه 1 
در این رابطه wi:: وزن پارامتر i ام، n: تعداد پارامترها و Ii: مقدار شاخص برای پارامتر i ام میباشد.
جدول 21- معادل توصیفی شاخص کیفیت آب
Table 21- Descriptive equivalent of water quality index
مقدار شاخص | کمتر از 15 | 9/29-15 | 9/44-9/29 | 55-40 | 70-1/55 |
| 85-1/70 | بیشتر از 85 |
معادل توصیفی | خیلی بد | بد | نسبتاً بد | متوسط | نسبتاً خوب |
| خوب | بسیار خوب |
نقشه پهنهبندي
به منظور تهیه نقشه پهنهبندي کیفیت آب از روشهای زمینآماری عکس فاصله (IDW8)، چند جملهای جهانی (9GPI)، تابع شعاعی (RBF10)، روش موضعی (LPI11)، كريجينگ معمولي (OK12)، کریجینگ ساده (SK13)، کریجینگ عام (UK14) و موقعیت چاههای نمونه برداری در دشت استفاده گردید. جهت نشان دادن پیوستگی مکانی پارامترهای مورد بررسی، وایروگرام ترسیم گردید (22). همچنین براي تعيين ميزان همبستگي مكاني يك متغير در فواصل نمونهبرداری شده و استخراج پارامترهاي لازم در مراحل درونيابي از واريوگرام (رابطه 2) استفاده شده است. (23).
رابطه 2 
که در آن:
: مقدار نیمتغییرنما برای جفت نقاطی که به فاصله h از هم قرار دارند.
: تعداد زوج نقاطی است که به فاصله h از یکدیگر قرار دارند.
: مقدار مشاهده شده متغیر در نقطه x.
: مقدار مشاهده شده متغیری که به فاصله h از x قرار دارد.
واريوگرام براي برازش بر دادههای هر کدام از پارامترها استفاده شده است كه همبستگي مكاني بين دادهها را به صورت مطلوبتري نسبت به ساير واريوگرامها نشان دهد. براي اين امر از ضريب تبيين یا R2 استفاده گرديد. ضریب تبیین نشان دهنده این است که چه مقدار از تغییرات متغیر وابسته تحت تاثیر متغیر مستقل مربوطه بوده و مابقی تغییرات متغیر وابسته مربوط به سایر عوامل میباشد. به همين دليل از اين نسبت براي انتخاب بهترین واریوگرام استفاده شد. در تحقیق حاضر از وایروگرامهای خطی15، نمایی16، گوسی17 و کروی18 استفاده گردید (24). برای انتخاب بهترین روش درونیابی به منظور تهیه نقشه عناصر سنگین خاک از پارامترهای ارزیابی دقت RMSE19، MAE20 و R2 استفاده گردید. که با استفاده از روابط (3 تا 5) محاسبه شده اند.
رابطه 3 
رابطه 4 
رابطه 5 
:Xi مقادیر اندازه گیری شده، :Yi مقادیر برآورد شده میباشد.
در ارزیابی دقت و اعتبار روشهاي درونیابی از روش اعتبارسنجی متقابل یا حذفی استفاده شد. این روش بر این اساس است که هر بار یک نقطه مشاهدهاي حذف شده و براي آن از روي نقاط مجاور مقداري برآورد شود، سپس مقدار واقعی به محل قبلی برگردانده و براي کلیه نقاط شبکه این عمل صورت گرفت.
یافته ها
خصوصیات آماری پارامترهای اندازه گیری شده
در جدول (12) خصوصیات آماری پارامترهای اندازهگیری شده آمده است. از میان پارامترهای آب زیرزیمینی، پارامتر کلیفرم مدفوعی بالاترین انحراف معیار برابر با 93/3 را دارد. همچنین pH و DO به ترتیب با 03/0 و 09/0 دارای کمترین انحراف معیار هستند.
جدول 12- خصوصیات آماری پارامترهای اندازه گیری شده در نمونه چاههای مطالعاتی
Table 1- Statistical characteristics of the measured parameters in the sample of study wells
پارامتر | کلیفرم مدفوعی (MPN/100ml) | BOD (mg/L) | نیترات (ppm) | EC (µs) | COD (mg/L) | فسفات (ppm) | SAR | سختی کل | pH | DO (mg/L) |
میانگین | 65/67 | 29/0 | 20/32 | 18/1276 | 06/1 | 02/0 | 75/1 | 00/0 | 35/7 | 12/8 |
میانه | 00/0 | 00/0 | 50/28 | 00/1173 | 00/0 | 01/0 | 96/0 | 00/0 | 39/7 | 00/8 |
انحراف استاندارد | 09/266 | 47/0 | 06/16 | 24/905 | 01/3 | 01/0 | 26/2 | 00/0 | 35/0 | 73/0 |
دامنه | 00/1100 | 00/1 | 30/63 | 00/2545 | 00/10 | 04/0 | 69/6 | 00/0 | 93/0 | 44/2 |
حداقل | 00/0 | 00/0 | 30/15 | 00/295 | 00/0 | 01/0 | 01/0 | 00/0 | 90/6 | 02/7 |
حداکثر | > 1100 | 00/1 | 60/78 | 00/2840 | 00/10 | 05/0 | 70/6 | 00/0 | 83/7 | 46/9 |
انحراف معیار | 93/3 | 60/1 | 50/0 | 71/0 | 84/2 | 68/0 | 29/1 | 00/0 | 03/0 | 09/0 |
همبستگی بین دادهها
به منظور بررسی همبستگی بین دادهها و شاخص IRWQI از ضریب همبستگی پیرسون استفاده شد (جدول 3). نتایج نشان دهنده همبستگی معنی دار شاخص کیفیت آب با پارامترهای EC و SAR در سطح 1 و 5 درصد میباشد.
جدول 3- نتایج همبستگی بین پارامترهای کیفی آب و شاخص IRWQI
Table 3- Correlation results between water quality parameters and IRWQI index
پارامتر کیفی | کلیفرم مدفوعی (MPN/100ml) | BOD ( | نیترات (ppm) | EC (µs) | COD ( | فسفات (ppm) | SAR | pH | DO ( | IRWQIGC | |
کلیفرم مدفوعی (MPN/100ml) | 1 | - | - | - | - | - | - | - | - | - | |
BOD ( | 394/0 | 1 | - | - | - | - | - | - | - | - | |
نیترات (ppm) | 063/0- | 041/0- | 1 | - | - | - | - | - | - | - | |
EC (µs) | 272/0 | 303/0- | 208/0- | 1 | - | - | - | - | - | - | |
COD ( | 095/0- | 208/0 | 129/0- | 166/0- | 1 | - | - | - | - | - | |
فسفات (ppm) | 391/0 | 194/0 | 321/0- | 053/0 | 030/0- | 1 | - | - | - | - | |
SAR | 069/0- | 277/0- | 406/0- | 858/0** | 129/0- | 143/0- | 1 | - | - | - | |
pH | 057/0 | 474/0 | 024/0- | 434/0- | 186/0- | 203/0 | 349/0- | 1 | - | - | |
DO ( | 471/0 | 140/0 | 082/0 | 267/0 | 181/0- | 226/0 | 113/0 | 206/0 | 1 | - | |
IRWQIGC | 443/0- | 051/0 | 083/0- | 849/0-** | 201/0- | 326/0- | 580/0-* | 297/0 | 373/0 | 1 | |
| **. Correlation is significant at the 0.01 level (2-tailed). | ||||||||||
| *. Correlation is significant at the 0.05 level (2-tailed). | ||||||||||
نقشه پهنهبندی شاخص IRWQI
براي نشان دادن همبستگي مكاني بين دادههای شاخص کیفیت آب، از ترسيم واريوگرام استفاده شد (جدول 4). واريوگرامي براي برازش بر دادههای هر کدام از پارامترها استفاده شد كه همبستگي مكاني بين دادهها را به صورت مطلوبتري از ساير واريوگرامها نشان دهد. براي اين امر از نسبت ميان اثر قطعهاي21 و سقف واريوگرام استفاده گرديد. اگر نسبت اثر قطعهاي بر سقف واريوگرام كمتر از 25/0 باشد، بين دادهها همبستگي مكاني قوي وجود دارد. اگر اين نسبت بين 25/0 تا 75/0 باشد ميزان همبستگي مكاني متوسط بوده و اگر بيش از 75/0 درصد باشد همبستگي مكاني بين دادهها كم بوده يا همبستگي وجود نداشته (25، 26) و به همين دليل از اين پارامترها براي انتخاب بهترین واریوگرام استفاده گرديد. با توجه به پارامترهاي به دست آمده، براي واريوگرامهاي برازش شده شاخص IRWQI، واریوگرام گوسین با کمترین میزان نسبت اثر قطعهاي بر سقف واريوگرام (Co+C=0.97/Co) و میزان R2=0.95 بهترين همبستگي بين دادهها برقرار کرده است و براي درونيابي مدل کریجینگ استفاده شد. واریوگرامهای بکار رفته شده برای برازش دادهها در این تحقیق در شکل (2) آمده است.
جدول 4- مقادیر تأثير قطعهاي و سقف واريوگرام محاسباتی براي واريوگرامهاي برازش شده
Table 4- Nugget effect values and computational variogram ceilings for on the roof of the concerned variograms
R2 | Ao عامل فاصله (km) | C /Co+C | Co+C اثر آستانه (mm2) | Co اثر قطعه (mm2) | نوع مدل | پارامتر |
90/0 | 27790 | 1 | 2112 | 1 | خطی | IRWQI |
84/0 | 20790 | 1 | 2112 | 1 | نمایی | |
95/0 | 17550 | 97/0 | 2230 | 6 | گوسین | |
89/0 | 40030 | 1 | 2112 | 1 | کروی |
شکل 2- واریوگرام برازش داده شده به دادههای شاخص کیفیت آب با استفاده از واریوگرام گوسین
Figure 2- Variogram fitted to water quality index data using Gaussian variogram
نتایج حاصل از ارزیابی انواع مدلهای درونیابی
برای انتخاب بهترین روش درونیابی از معيارهای ارزیابي شامل میانگین خطای مطلق (MAE)، جـذر ميـانگين مربــع خطــا (RMSE) و ضریب تبیین (R2) استفاده شده است. نتایج حاصل از ارزیابی انواع مدلهای درونیابی برای تهیه پهنهبندی شاخص کیفیت آب در جدول (5) آمده است. نتايج بررسي روشهاي مختلف نشان ميدهد که مدل IDW در بين همه روشها داراي كمترين خطاي برآورد بوده و به نظر مي رسد كه اين روش مناسبتر از بقيه باشد. نمودار مقادير برآوردي و مشاهدهاي شاخص کیفیت آب براساس مدل IDW در شکل (3) آمده است.
جدول 5- نتایج پارامترهای آماری شاخص کیفیت آب بر اساس روشهای مختلف آماری
Table 5- Results of statistical parameters of water quality index based on different statistical methods
مدل | R-squared | RMSE | MAE |
GPI | 66/0 | 29/13 | 81/9 |
IDW | 77/0 | 65/12 | 10/10 |
LPI | 73/0 | 73/13 | 89/10 |
RBF | 66/0 | 88/11 | 76/8 |
OK | 64/0 | 65/13 | 52/10 |
SK | 54/0 | 49/17 | 18/14 |
UK | 68/0 | 29/9 | 72/6 |
شکل 3: نمودار مقادير برآوردي و مشاهدهاي شاخص کیفیت آب براساس مدل IDW
Figure 3- Diagram of estimated values and observations of water quality index based on IDW model
نقشه پهنهبندی شاخص کیفیت آب
بر اساس جدول (5)، روش IDW دارای بالاترین دقت در بین سایر روشهای زمین آماری میباشد (R2=0.77). شکل (4)، نقشه پهنهبندی شاخص کیفیت آب به روش IDW که بر اساس جدول (2) کلاسبندی شده است را نشان میدهد. همچنین در شکل (5) مقدار مساحت انواع کلاسهای شاخص کیفیت آب به روش IDW که بالاترین دقت را نسبت به سایر روشهای آماری دارد، آورده شده است.
شکل 4- نقشه پهنهبندی شاخص کیفیت آب منطقه مورد مطالعه با استفاده از روش زمین آماری IDW
Figure 4- Zoning map of water quality index of the study area using IDW geostatistical method
شکل 5- هیستوگرام مساحت انواع کلاسهای شاخص کیفیت آب دشت مهران با استفاده از روش زمین آماری IDW
Figure 5- Histogram of the area of various classes of Mehran plain water quality index using IDW geostatistical method
بحث و نتیجه گیری
جهت بررسي روند تغييرات و پهنهبندي با استفاده از سامانه های اطلاعات جغرافیایی، از روشهاي زمين آمار استفاده ميشود. GIS، ابزاری کارآمد برای تخمین کیفیت آب در هر حوزه مکانی و زمانی استفاده میشود (28). مزيت زمين آمار آن است كه میتوان با استفاده از دادههاي یک كميت در مختصات معلوم، مقدار همان كميت را در نقطهاي با مختصات معلوم ديگر، واقع در درون دامنههایي كه ساختار فضايي حاكم است، تخمين زد. لذا تحقیق حاضر با هدف بررسی شاخص کیفیت آب و تهیه نقشه پهنهبندی آن با استفاده از انواع مدلهای زمین آماری انجام شد. نتایج بررسی شاخص IRWQI نشان دهنده وضعیت خیلی خوب کیفیت آب منطقه مورد مطالعه با میانگین شاخص عددی 100 میباشد.
نتایج همبستگی بین پارامترهای آب زیرزمینی با شاخص IRWQI نشان داد که پارامترهای EC و SAR با شاخص مورد مطالعه دارای همبستگی معنیداری هستند. از علل بسیار مهم در افزایش میزان شوري آبهاي زیرزمینی، برداشت بی رویه از آبهاي زیرزمینی و معکوس شدن شیب هیدرولیکی و در نتیجه حرکت آبهاي شور به سمت آبهاي با شوري پایین میباشد (27).
در این تحقیق فرض بر این است که از روشهای زمین آمار میتوان برای برآورد این شاخص در تمام مناطق مختلف استفاده نمود و یکی از این روشها را میتوان به عنوان روش برتر با توجه به شرایط منطقه مورد مطالعه معرفی نمود. نتایج نشان داد که انواع روشهای زمینآماری با در نظر گرفتن خود همبستگی مکانی دادهها قابلیت تلفیق با سیستم اطلاعات جفرافیایی را دارند. واریوگرامگوسین مورد استفاده در اين تحقیق به خوبي نشان داد که ترسیم آنها علاوه بر اثبات همبستگی مکانی بین دادههای شاخص کیفیت آب، قابلیت مدل تغییرات همبستگی مکانی در جهتهای مختلف را نیز دارند. همچنین نتایج نشان داد که روش عکس فاصله (IDW) با مقادیر MAE، RMSE و R2 به ترتیب 10/10، 65/12 و 77/0 کمترین خطا را داشته و بعنوان بهترین روش برای پهنهبندی شاخص کیفیت آب در دشت مهران معرفی گردید که با نتایج امیری و همکاران (29) و عباس نیا و همکاران (30) که روش کریجینگ را روش مناسب برای پهنهبندی پارامترهای آب زیرزمینی دانستند مغایرت دارد..
بر اساس مساحتهای کلاسهای نقشه پهنهبندی شاخص کیفیت آب مشخص شد که کلاس خیلی خوب با مساحت 12429 هکتار (69 درصد) بیشترین سطح منطقه را در برگرفته است و کلاسهای خوب و نسبتاً خوب به ترتیب 5203 و 378 هکتار (88/28 و 10/2 درصد) از منطقه را شامل شدهاند. لذا میتوان نتیجه گرفت که وضعیت کیفیت آب زیرزمینی دشت مهران خیلی خوب میباشد.. نتایج تحقیق با مطالعهاي که توسط Al-hadithi و همکاران بر روي ارزیابی کیفیت آب زیرزمینی منطقه Haridwar در کشور هند با استفاده از شاخص کیفیت آب انجام گرفت مطابقه دارد. آنها نتیجه رفتند که 48 درصد از منابع در محدوده بسیار خوب و 48 درصد در محدوده خوب و 4 درصد در محدوده بسیار ضعیف قرار داشته است (31).
بر اساس نتایج حاصل از این تحقیق پیشنهاد میشود که جهت جلوگیري از پایین آمدن کیفیت آب دشت مهران، اجراي اصول صحیح مدیریت منابع آب و جلوگیري از برداشت بیرویه بیش از پیش مورد توجه قرار گیرد. همچنین یکی از راههای مناسب برای جلوگیری از آلودگی آبهای زیرزمینی، شناسایی مناطق آسیببپذیر آبخوان به آلودگی و بررسی تغییرات مکانی کیفیت آبهای زیرزمینی میباشد که میتوان از روش DRASTIC جهت پهنهبندس آسیبپذیری آبخوان استفاده کرد.
تشکر و قدردانی
این مقاله در راستای اهداف هسته پژوهشی مدیریت حوزه آبخیز معاونت پژوهشی دانشگاه ایلام تهیه شده است.
منابع
1. Dashti Barmaki, M., Rezaei, M. and Saberi Nasr, A., 2014. Assessment of groundwater quality index (GQI) for Lenjanat aquifer using GIS. Journal of Engineering Geology, 8(2): 2121-2138.
2. Fallahzadeh, R. A., Almodaresi, S. A., Dashti, M. M., Fattahi, A., Sadeghnia, M., Eslami, H., Khosravi, R., Minaee, R. P. and Taghavi, M., 2016. Zoning of nitrite and nitrate concentration in groundwater using Geografic information system (GIS), case study: drinking water wells in Yazd City. Journal of Geoscience and Environment Protection, 4(3): 91-96.
3. Samarghandi, M., Weysi, K., Aboee Mehrizi, E., Kaseb, P., and Danai, E., 2013. Evaluation of water quality in Ekbatan reservoir of Hamadan by NSFWQI index. Journal of North Khorasan University of Medical Sciences, 5 (1) :63-69. (persian)
4. Eslami, H., Sedighi Khavidak, S., Salehi, F., Khosravi, R., and Peirovi, R., 2017. Biodegradation of methylene blue from aqueous solution by bacteria isolated from contaminated soil. Journal of Advances in Environmental Health Research, 5(1): 10-15.
5. Logeshkumaran, A., Magesh, N. S., Godson, P. S., and Chandrasekar, N., 2015. Hydro-geochemistry and application of water quality index (WQI) for groundwater quality assessment, Anna Nagar, part of Chennai City, Tamil Nadu, India. Applied Water Science, 5(4): 335-343.
6. Tyagi, S., Sharma, B., Singh, P., and Dobhal, R., 2013. Water quality assessment in terms of water quality index. american Journal of water resources, 1(3): 34-38.
7. Puri, P. J., Yenkie, M. K. N., Sangal, S. P., Gandhare, N. V., Sarote, G. B., and Dhanorkar, D. B., 2011. Surface water (lakes) quality assessment in Nagpur city (India) based on water quality index (WQI). Rasayan journal of chemistry, 4(1): 43-48.
8. Alastal, K. M., Alagha, J. S., Abuhabib, A. A., and Ababou, R., 2016. Groundwater quality assessment using water quality index (WQI) approach: Gaza coastal aquifer case study. Journal of Engineering Research and Technology, 2(1): 80-86.
9. Eslami, H., Almodaresi, S. A., Khosravi, R., Fallahzadeh, R. A., Peirovi, R. and Taghavi, M., 2018. Assessment of groundwater quality in Yazd-Ardakan plain for agricultural purposes using Geographic Information System (GIS). Journal of Health, 8(5): 575-86.
10. Yisa, J., Jimoh, T. O., and Oyibo, O. M., 2012. Underground water assessment using water quality index. Leonardo Journal of Sciences, 21: 33-42.
11. 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.
12. Bora, M., and Goswami, D. C., 2017. Water quality assessment in terms of water quality index (WQI): case study of the Kolong River, Assam, India. Applied Water Science, 7(6): 3125-3135.
13. Kaviarasan, M., Geetha, P., and Soman, K. P., 2016. GIS-based ground water quality monitoring in Thiruvannamalai District, Tamil Nadu, India. Proceedings of the international conference on soft computing systems (685-700). Springer, New Delhi.
14. Samantray, P., Mishra, B. K., Panda, C. R., and Rout, S. P., 2009. Assessment of water quality index in Mahanadi and Atharabanki Rivers and Taldanda Canal in Paradip area, India. Journal of Human Ecology, 26(3): 153-161.
15. Torabipoudeh, H., Yonesi, H., and Arshia, A., 2020. Evaluation of Quality Changes in the Groundwater Resources and IRWQIGC Upstream of Zayandehrood Dam. Journal of Water and Soil Science, 24 (2) :27-40. (persian)
16. Torabipoudeh, H., Yonesi, H., Haghizadeh, A., and Arshia, A., 2019. Assessment of Groundwater Quality Changes and Evaluation of IRWQIGC in Lenjanat-Najafabad Aquifers Area. Desert Ecosystem Engineering Journal, 8 (25): 553-66. (persian)
17. Samadi, J., 2016. Survey of Spatiotemporal Impact of Land Use on Water Quality in Chaghakhor Wetland Using IRWQI Index and Statistical Methods. Iran-Water Resources Research, 11(3):159-171. (persian)
18. Adimalla, N., 2019. Controlling factors and mechanism of groundwater quality variation in semiarid region of South India: an approach of water quality index (WQI) and health risk assessment (HRA). Environmental Geochemistry and Health, 42: 1725-1752.
19. Houben, G., Tünnermeier, T., Eqrar, N., and Himmelsbach, T., 2009. Hydrogeology of the Kabul Basin (Afghanistan), part II: groundwater geochemistry. Hydrogeology journal, 17(4): 935-948.
20. Magesh, N. S., Krishnakumar, S., Chandrasekar, N., and Soundranayagam, J. P., 2013. Groundwater quality assessment using WQI and GIS techniques, Dindigul district, Tamil Nadu, India. Arabian Journal of Geosciences, 6(11): 4179-4189.
21. Rabeiy, R. E., 2018. Assessment and modeling of groundwater quality using WQI and GIS in Upper Egypt area. Environmental Science and Pollution Research, 25(31): 30808-30817.
22. Paz-Gonzalez, A., Vieira, S. R., and Castro, M. T. T., 2000. The effect of cultivation on the spatial variability of selected properties of an umbric horizon. Geoderma, 97(3-4): 273-292.
23. Webster, R., and Oliver, M. A., 2007. Geostatistics for environmental scientists. John Wiley & Sons, 330 pp.
24. Fathizad, H., Mobin, M. H., Gholamnia, A., and Sodaiezadeh, H., 2017. Modeling and mapping of solar radiation using geostatistical analysis methods in Iran. Arabian Journal of Geosciences, 10(17): 1-13.
25. Tuominen, S., Fish, S., and Poso, S., 2003. Combining remote sensing, data from earlier inventories and geostatistical interpolation in multi-source forest inventory. Canadian Journal of Forest Research, 33: 624- 634.
26. Zahedi Amiri, Gh., 1998. Relation between ground vegetation and soil characteristic in a mixedhardwood stand. Ph.D. thesis, university of Gent, Belgium, 319 pp.
27. Datta, P. S., and Tyagi, S. K., 1996. Major ion chemistry of groundwater in Delhi area: chemical weathering processes and groundwater flow regime. Journal-Geological Society of India, 47: 179-188.
28. Kaviarasan, M., Geetha, P. and Soman, K.P., 2016. GIS-based ground water quality monitoring in Thiruvannamalai District, Tamil Nadu, India. In Proceedings of the international conference on soft computing systems (pp. 685-700). Springer, New Delhi.
29. Amiri, F., Tabatabaei, T., Valipour, S., 2018. Assessment and analysis of groundwater quality in landfills using IRWQIGC .Journal of Soil and Water Sciences. 22 (1): 211-226. (persian).
30. Abbasnia, A., Radfard, M., Mahvi, A.H., Nabizadeh, R., Yousefi, M., Soleimani, H. and Alimohammadi, M., 2018. Groundwater quality assessment for irrigation purposes based on irrigation water quality index and its zoning with GIS in the villages of Chabahar, Sistan and Baluchistan, Iran. Data in brief, 19, pp.623-631.
31. Gebrehiwot, A.B., Tadesse, N. and Jigar, E., 2011. Application of water quality index to assess suitablitysuitability of groundwater quality for drinking purposes in Hantebet watershed, Tigray, Northern Ethiopia. ISABB Journal of Food and Agricultural Sciences, 1(1), pp.22-30.
Introduction
Groundwater quality can be evaluate by comparing measured quality parameters to prepared standard. This method although looks simple, but it doesn't show a comprehensive view of water quality condition in arid and semiarid areas. In current research after calculations of groundwater quality of Mehran plain using IRWQI, the ability of different geostatistical methods have been investigated for quality zoning.
Material Methods
Based on the importance of groundwater resources in Mehran plain, 17 piezometer wells were selected. Afterward, sampling and analysis have been done during February 2020. For calculating IRWQI index, all measured quality parameters were weighted based on the roles in groundwater pollution. Pearson correlation coefficient was used to evaluate the correlation between data and IRWQI index. Then, for zoning groundwater quality different geostatistic methods including Inverse Distance Weighting, Global polynomial interpolation, Radial Basis Function, Local Polynomial Interpolation, Ordinary Kriging, Simple Kriging and Universal Kriging have been used.
Results and discussion
The results show a significant correlation between water quality index and EC and SAR parameters at the level of 1 and 5%. Results show that, based on IRWQI, the quality of groundwater in the plain is very good by mean index of 100. In another hand, the relationship between groundwater quality parameters and IRWQI showed that EC and SAR have significant correlations. Also, based on the results, IDW has the minimum error by 10.10, 12.65 and 0.77 for MAE, RMSE and R2, respectively, comparing to other geostatistical methods and it has been selected as the best method for Mehran plain groundwater quality zoning.
Conclusions
Groundwater zoning map also indicated that the very good class with the area of 12429 hectare (%69) covered the maximum area of the plain and shows a very good quality of groundwater in whole plain.
Key words: Ground water, Groundwater quality index, Zoning, Geostatistics, Mehran plain
[1] 1- Weight Arithmetic Water Quality Index
[2] 2- National Sanitation Foundation Water Quality Index
[3] 3- Canadian Council of Ministers of the Environment Water Quality Index
[4] 4- Oregon Water Quality Index
[5] 5- Iran Water Quality Index
[6] 1- Correlation coefficient
[7] 12- Iran Water Quality Index for Surface Water
[8] 1- Inverse Distance Weighting
[9] 2- Global polynomial interpolation
[10] 3- Radial Basis Function
[11] 4- Local Polynomial Interpolation
[12] 5- Ordinary Kriging
[13] 6- Simple Kriging
[14] 7- Universal Kriging
[15] 8- Linear Model
[16] 9- Exponential Model
[17] 10- Gaussian Model
[18] 11- Spherical Model
[19] 12- Root Mean Square Error
[20] 13- Mean Absolute Error
[21] 1- Nugget effect
