Evaluation of Groundwater Vulnerability of aquifers in Aisin plain by DRASTIC and GODS models and GIS
Subject Areas : Applications in water resources managementMajid Pourbalighy 1 , Sahar Rezayan 2 , Maryam Rafaty 3 , Rokhshad Hejazi 4
1 - PhD. Student of Environmental Planning, Faculty of Marine Science and Technology, Azad University of North Tehran Branch, Tehran, Iran
2 - Associate Professor, Department of Environmental, Faculty of Environment, Azad University of Shahroud Branch, Shahroud, Iran
3 - Assistant Professor, Department of Environmental, Faculty of Marine Science and Technology, Azad University of North Tehran Branch, Tehran, Iran
4 - Assistant Professor, Department of Environmental, Faculty of Marine Science and Technology, Azad University of North Tehran Branch, Tehran, Iran
Keywords: DRASTIC method, geographical information system, GODS model, Groundwater, Aisin plain,
Abstract :
Background and Objective In arid and semi-arid regions such as Iran, where the average annual rainfall is less than one-third of the world's average annual rainfall, groundwater is an important source of drinking water. Quantitive and irregular rainfall, limited surface water resources, and its absence in many parts of the country have led to the widespread use of groundwater. Today, increasing agricultural, horticultural and livestock activities on the one hand and industrial and workshop activities and population development along with population growth, on the other hand, excessive use of natural resources and expansion of industrial and agricultural activities and mass production of waste and scrap, groundwater resources are threatened. Seriously and has caused a lot of pollution. Qualitatively, most groundwater reservoirs are vulnerable to ministerial sources. Point sources of pollution from domestic and industrial wastewater and non-point sources of pollutants result from improper and excessive consumption of fertilizers and pesticides and their leaching into groundwater. Widespread groundwater pollution and the growth and awareness of human societies about the importance of these vulnerable resources have led to extensive efforts to protect groundwater. The process of regenerating aquifers on a regional scale in a reasonable time frame is not possible because groundwater flows very slowly. Vulnerability assessment is a way to zoning areas that are most prone to contamination; therefore, to prevent contamination and effective groundwater management, it is necessary to assess the vulnerability of aquifers because vulnerability can help determine practical and practical policies for the management of groundwater resources in the path of sustainable exploitation. In our country, in the last decade, the assessment of groundwater vulnerability to pollution has grown significantly and has had good results. Vulnerability assessment is a low-cost and powerful way to identify areas prone to contamination. Vulnerability assessment is a low-cost and powerful way to identify areas prone to contamination. In the Aisin plain of Hormozgan, due to its small area, low annual rainfall, and lack of water resources in this area, the use of groundwater resources is very important. Due to population growth, industrial activities and agricultural development, and the use of agricultural pesticides and chemical fertilizers in this plain and due to lack of knowledge or understanding of the exact level of groundwater vulnerability in this area, the need for rapid techniques to identify and assess vulnerabilities. It is underground in this area. The purpose of this research is was to map the vulnerability of groundwater in the Aisin plain of Hormozgan using DRASTIC and GODS methods and with the help of GIS.Materials and Methods This research was carried out by DRASTIC and GODS methods with the help of GIS. The DRASTIC method is the most important rating method for determining vulnerability, which is more common among researchers and experts and has been used. The DRASTIC method consists of a combination of seven measurable and effective hydrogeological features effective in transferring contamination to groundwater, including groundwater depth, net recharge, aquifer, soil environment, Topography, Impact of the vadose zone, and hydraulic conductivity. Aisin plain based on available data extracted from Hormozgan Regional Water Company in GIS environment and after ranking and weighing them between 1 to 10 and superimposing them, the final vulnerability map of Aisin aquifer based on the DRASTIC model obtained Came. The GODS model, which is a very simple, practical, and experimental method for rapid assessment of groundwater pollution potential, also has four characteristics of aquifer type, unsaturated area, groundwater depth, and soil type, which were used in this study. The data used in the above models were extracted from 19 piezometric wells located in Aisin plain, which were available from 1987 to 2018. In the GODS method, like the DRASTIC method for each of the hydrogeological characteristics based on the available data, in the GIS environment, a map was prepared and ranked between 1 and 5, then after superimposing them, vulnerability maps of Aisin plain with GODS model obtained.Results and Discussion Since in the DRASTIC model index, the minimum possible vulnerability is 23 and the maximum is 230; However, the results of the final Aisin aquifer vulnerability map by the DRASTIC method, which is almost the most complete indicator for assessing groundwater vulnerability, Showed that the range of DRASTIC index values is between 59 and 163. The map of this index has been extracted in 6 categories from non-vulnerability to high vulnerability. Most of the area (33.66%), which covers the northeastern parts, from the center to the south of the plain, has low to moderate vulnerability. After that, moderate vulnerability (19.29%) was located in parts of the center and northwest, respectively, and also very low vulnerability (14.75%) in parts of the south and east, in parts of the east and south without vulnerability (29 11.11%), in the northern and part of the center and south with low vulnerability (10.15%) and finally, high vulnerability (10.84%) in the central and western parts were in the next categories in terms of area. In fact, according to the DRASTIC model, most of the aquifer sections of the Aisin plain were in low and medium to medium vulnerability classes in terms of vulnerability potential. Also, the results of the GODS model showed that the study area is divided into three parts including low, medium, and high vulnerability. Most of the Aisin plain (66.83%) is in the range of moderate vulnerability with ranks between 0.5 to 0.3 And the lowest level (11.31%) is related to the high vulnerability potential with a rank of 0.5 to 0.7.Conclusion In general, in both methods, the inherent vulnerability of the Aisin aquifer has been evaluated in low to high vulnerability ranges, but the extent of expansion of their vulnerability ranges has been different and the DRASTIC model of different vulnerability zones due to more characteristics and different weights based on these characteristics are different. Contamination is more accurately identified.
Aller L, Lehr J, Petty R. 1987. DRASTIC: a standardized system to evaluate ground water pollution potential using hydrogeologic settings. National water well Association Worthington, Ohio 43085. Truman Bennett. Bennett and Williams. Inc Columbus, Ohio, 43229. http://rdn.c.ca/cms/wpattachments/wpID3175atID5999.pdf.
Amiri F, Tabatabaie T, Entezari M. 2020. GIS-based DRASTIC and modified DRASTIC techniques for assessing groundwater vulnerability to pollution in Torghabeh-Shandiz of Khorasan County, Iran. Arabian Journal of Geosciences, 13(12): 1-16. doi:https://doi.org/10.1007/s12517-020-05445-0.
Arya S, Subramani T, Vennila G, Roy PD. 2020. Groundwater vulnerability to pollution in the semi-arid Vattamalaikarai River Basin of south India thorough DRASTIC index evaluation. Geochemistry, 80(4): 125635. doi:https://doi.org/10.1016/j.chemer.2020.125635.
Asfaw D, Mengistu D. 2020. Modeling megech watershed aquifer vulnerability to pollution using modified DRASTIC model for sustainable groundwater management, Northwestern Ethiopia. Groundwater for Sustainable Development, 11: 100375. doi:https://doi.org/10.1016/j.gsd.2020.100375.
Babiker IS, Mohamed MA, Hiyama T, Kato K. 2005. A GIS-based DRASTIC model for assessing aquifer vulnerability in Kakamigahara Heights, Gifu Prefecture, central Japan. Science of the Total Environment, 345(1-3): 127-140. doi:https://doi.org/10.1016/j.scitotenv.2004.11.005Get.
Balakrishnan P, Saleem A, Mallikarjun N. 2011. Groundwater quality mapping using geographic information system (GIS): A case study of Gulbarga City, Karnataka, India. African Journal of Environmental Science and Technology, 5(12): 1069-1084. doi:https://doi.org/10.5897/AJEST11.134.
Barbulescu A. 2020. Assessing groundwater vulnerability: DRASTIC and DRASTIC-like methods: a review. Water, 12(5): 1356. doi:https://doi.org/10.3390/w12051356.
Belle J, Saungweme K, Ojo T. 2020. An evaluation of groundwater vulnerability to pollution in Ga-segonyana municipality area, Kuruman, Northern Cape in South Africa. Groundwater for Sustainable Development, 11: 100389. doi:https://doi.org/10.1016/j.gsd.2020.100389.
Benabdelouahab S, Salhi A, Himi M, El Messari JES, Ponsati AC, Mesmoudi H, Benabdelfadel A. 2018. Using resistivity methods to characterize the geometry and assess groundwater vulnerability of a Moroccan coastal aquifer. Groundwater for Sustainable Development, 7: 293-304. doi:https://doi.org/10.1016/j.gsd.2018.07.004.
Bera A, Mukhopadhyay BP, Chowdhury P, Ghosh A, Biswas S. 2021. Groundwater vulnerability assessment using GIS-based DRASTIC model in Nangasai River Basin, India with special emphasis on agricultural contamination. Ecotoxicology and Environmental Safety, 214: 112085. doi:https://doi.org/10.1016/j.ecoenv.2021.112085.
Bhuvaneswaran C, Ganesh A. 2019. Spatial assessment of groundwater vulnerability using DRASTIC model with GIS in Uppar odai sub-watershed, Nandiyar, Cauvery Basin, Tamil Nadu. Groundwater for Sustainable Development, 9: 100270. doi:https://doi.org/10.1016/j.gsd.2019.100270.
Boufekane A, Omar S. 2013. Assessment of groundwater pollution by nitrates using intrinsic vulnerability methods: A case study of the Nil valley groundwater (Jijel, North-East Algeria). African Journal of Environmental Science and Technology, 7(10): 949-960. doi:https://doi.org/10.1111/gwat.12582.
Duttagupta S, Mukherjee A, Das K, Dutta A, Bhattacharya A, Bhattacharya J. 2020. Groundwater vulnerability to pesticide pollution assessment in the alluvial aquifer of Western Bengal basin, India using overlay and index method. Geochemistry, 80(4): 125601. doi:https://doi.org/10.1016/j.chemer.2020.125601.
Entezari M, Amiri F, Tabatabaie T. 2018. A GIS, DRASTIC techniques for assessing groundwater vulnerability in Torghabeh–Shandiz watershed of Khorasan county. Journal of RS and GIS for Natural Resources, 9(3): 19-32. http://girs.iaubushehr.ac.ir/article_544813_en.html. (In Persian).
Guettaia S, Hacini M, Boudjema A, Zahrouna A. 2017. Vulnerability assessment of an aquifer in an arid environment and comparison of the applied methods: Case of the mio-plio-quaternary aquifer. Energy Procedia, 119: 482-489. doi:https://doi.org/10.1016/j.egypro.2017.07.057.
Hasan M, Islam MA, Hasan MA, Alam MJ, Peas MH. 2019. Groundwater vulnerability assessment in Savar upazila of Dhaka district, Bangladesh—A GIS-based DRASTIC modeling. Groundwater for Sustainable Development, 9: 100220. doi:https://doi.org/10.1016/j.gsd.2019.100220.
Kazakis N, Voudouris K. 2011. Comparison of three applied methods of groundwater vulnerability mapping: A case study from the Florina basin, Northern Greece. Advances in the research of aquatic environment. Springer. 359-367. https://doi.org/10.1007/978-3-642-24076-8_42.
Knouz N, Bachaoui E, Boudhar A. 2017. Cartography of intrinsic aquifer vulnerability to pollution using GOD method: Case study Beni Amir groundwater, Tadla, Morocco. Journal of Materials and Environmental Sciences, 8(3): 1046-1053. doi:http:/doi.org/10.26872/jmes.2017.8.3.441.
Laura H, Bouchaou L, Tadoumant S, Reichert B. 2020. Index-based groundwater vulnerability and water quality assessment in the arid region of Tata city (Morocco). Groundwater for Sustainable Development, 10: 100344. doi:https://doi.org/10.1016/j.gsd.2020.100344.
Malik MS, Shukla J. 2019. GIS modeling approach for assessment of groundwater vulnerability in parts of Tawa river catchment area, Hoshangabad, Madhya Pradesh, India. Groundwater for Sustainable Development, 9: 100249. doi:https://doi.org/10.1016/j.gsd.2019.100249.
Mfonka Z, Ngoupayou JN, Ndjigui P-D, Kpoumie A, Zammouri M, Ngouh A, Mouncherou O, Rakotondrabe F, Rasolomanana E. 2018. A GIS-based DRASTIC and GOD models for assessing alterites aquifer of three experimental watersheds in Foumban (Western-Cameroon). Groundwater for Sustainable Development, 7: 250-264. doi:https://doi.org/10.1016/j.gsd.2018.06.006.
Moradi P, Rouhi H, Rangzan K, Kalantari N, Ghanbari N. 2017. Assessing groundwater vulnerability in Ramhormoz aquifer using a GIS and DRASTIC Techniques. Journal RS and GIS for Natural Resources, 7(4): 62-78. http://girs.iaubushehr.ac.ir/article_528882.html?lang=en. (In Persian).
Nakhostinrouhi M, Rezaei Moghaddam MH, Rahimpour T. 2019. Evaluating the Aquifer Vulnerability in Ajabshir Plain to Prevent Contamination Risks and Apply Optimal Management. Journal of Natural Environmental Hazards, 8(20): 53-66. doi:http://dx.doi.org/10.22111/JNEH.2018.22204.1322. (In Persian).
Prasad R, Mondal N, Banerjee P, Nandakumar M, Singh V. 2008. Deciphering potential groundwater zone in hard rock through the application of GIS. Environmental Geology, 55(3): 467-475. doi:https://doi.org/10.1007/s00254-007-0992-3.
Rahman A. 2008. A GIS based DRASTIC model for assessing groundwater vulnerability in shallow aquifer in Aligarh, India. Applied geography, 28(1): 32-53. doi:https://doi.org/10.1016/j.apgeog.2007.07.008.
Shrestha S, Semkuyu DJ, Pandey VP. 2016. Assessment of groundwater vulnerability and risk to pollution in Kathmandu Valley, Nepal. Science of the Total Environment, 556: 23-35. doi:https://doi.org/10.1016/j.scitotenv.2016.03.021.
_||_Aller L, Lehr J, Petty R. 1987. DRASTIC: a standardized system to evaluate ground water pollution potential using hydrogeologic settings. National water well Association Worthington, Ohio 43085. Truman Bennett. Bennett and Williams. Inc Columbus, Ohio, 43229. http://rdn.c.ca/cms/wpattachments/wpID3175atID5999.pdf.
Amiri F, Tabatabaie T, Entezari M. 2020. GIS-based DRASTIC and modified DRASTIC techniques for assessing groundwater vulnerability to pollution in Torghabeh-Shandiz of Khorasan County, Iran. Arabian Journal of Geosciences, 13(12): 1-16. doi:https://doi.org/10.1007/s12517-020-05445-0.
Arya S, Subramani T, Vennila G, Roy PD. 2020. Groundwater vulnerability to pollution in the semi-arid Vattamalaikarai River Basin of south India thorough DRASTIC index evaluation. Geochemistry, 80(4): 125635. doi:https://doi.org/10.1016/j.chemer.2020.125635.
Asfaw D, Mengistu D. 2020. Modeling megech watershed aquifer vulnerability to pollution using modified DRASTIC model for sustainable groundwater management, Northwestern Ethiopia. Groundwater for Sustainable Development, 11: 100375. doi:https://doi.org/10.1016/j.gsd.2020.100375.
Babiker IS, Mohamed MA, Hiyama T, Kato K. 2005. A GIS-based DRASTIC model for assessing aquifer vulnerability in Kakamigahara Heights, Gifu Prefecture, central Japan. Science of the Total Environment, 345(1-3): 127-140. doi:https://doi.org/10.1016/j.scitotenv.2004.11.005Get.
Balakrishnan P, Saleem A, Mallikarjun N. 2011. Groundwater quality mapping using geographic information system (GIS): A case study of Gulbarga City, Karnataka, India. African Journal of Environmental Science and Technology, 5(12): 1069-1084. doi:https://doi.org/10.5897/AJEST11.134.
Barbulescu A. 2020. Assessing groundwater vulnerability: DRASTIC and DRASTIC-like methods: a review. Water, 12(5): 1356. doi:https://doi.org/10.3390/w12051356.
Belle J, Saungweme K, Ojo T. 2020. An evaluation of groundwater vulnerability to pollution in Ga-segonyana municipality area, Kuruman, Northern Cape in South Africa. Groundwater for Sustainable Development, 11: 100389. doi:https://doi.org/10.1016/j.gsd.2020.100389.
Benabdelouahab S, Salhi A, Himi M, El Messari JES, Ponsati AC, Mesmoudi H, Benabdelfadel A. 2018. Using resistivity methods to characterize the geometry and assess groundwater vulnerability of a Moroccan coastal aquifer. Groundwater for Sustainable Development, 7: 293-304. doi:https://doi.org/10.1016/j.gsd.2018.07.004.
Bera A, Mukhopadhyay BP, Chowdhury P, Ghosh A, Biswas S. 2021. Groundwater vulnerability assessment using GIS-based DRASTIC model in Nangasai River Basin, India with special emphasis on agricultural contamination. Ecotoxicology and Environmental Safety, 214: 112085. doi:https://doi.org/10.1016/j.ecoenv.2021.112085.
Bhuvaneswaran C, Ganesh A. 2019. Spatial assessment of groundwater vulnerability using DRASTIC model with GIS in Uppar odai sub-watershed, Nandiyar, Cauvery Basin, Tamil Nadu. Groundwater for Sustainable Development, 9: 100270. doi:https://doi.org/10.1016/j.gsd.2019.100270.
Boufekane A, Omar S. 2013. Assessment of groundwater pollution by nitrates using intrinsic vulnerability methods: A case study of the Nil valley groundwater (Jijel, North-East Algeria). African Journal of Environmental Science and Technology, 7(10): 949-960. doi:https://doi.org/10.1111/gwat.12582.
Duttagupta S, Mukherjee A, Das K, Dutta A, Bhattacharya A, Bhattacharya J. 2020. Groundwater vulnerability to pesticide pollution assessment in the alluvial aquifer of Western Bengal basin, India using overlay and index method. Geochemistry, 80(4): 125601. doi:https://doi.org/10.1016/j.chemer.2020.125601.
Entezari M, Amiri F, Tabatabaie T. 2018. A GIS, DRASTIC techniques for assessing groundwater vulnerability in Torghabeh–Shandiz watershed of Khorasan county. Journal of RS and GIS for Natural Resources, 9(3): 19-32. http://girs.iaubushehr.ac.ir/article_544813_en.html. (In Persian).
Guettaia S, Hacini M, Boudjema A, Zahrouna A. 2017. Vulnerability assessment of an aquifer in an arid environment and comparison of the applied methods: Case of the mio-plio-quaternary aquifer. Energy Procedia, 119: 482-489. doi:https://doi.org/10.1016/j.egypro.2017.07.057.
Hasan M, Islam MA, Hasan MA, Alam MJ, Peas MH. 2019. Groundwater vulnerability assessment in Savar upazila of Dhaka district, Bangladesh—A GIS-based DRASTIC modeling. Groundwater for Sustainable Development, 9: 100220. doi:https://doi.org/10.1016/j.gsd.2019.100220.
Kazakis N, Voudouris K. 2011. Comparison of three applied methods of groundwater vulnerability mapping: A case study from the Florina basin, Northern Greece. Advances in the research of aquatic environment. Springer. 359-367. https://doi.org/10.1007/978-3-642-24076-8_42.
Knouz N, Bachaoui E, Boudhar A. 2017. Cartography of intrinsic aquifer vulnerability to pollution using GOD method: Case study Beni Amir groundwater, Tadla, Morocco. Journal of Materials and Environmental Sciences, 8(3): 1046-1053. doi:http:/doi.org/10.26872/jmes.2017.8.3.441.
Laura H, Bouchaou L, Tadoumant S, Reichert B. 2020. Index-based groundwater vulnerability and water quality assessment in the arid region of Tata city (Morocco). Groundwater for Sustainable Development, 10: 100344. doi:https://doi.org/10.1016/j.gsd.2020.100344.
Malik MS, Shukla J. 2019. GIS modeling approach for assessment of groundwater vulnerability in parts of Tawa river catchment area, Hoshangabad, Madhya Pradesh, India. Groundwater for Sustainable Development, 9: 100249. doi:https://doi.org/10.1016/j.gsd.2019.100249.
Mfonka Z, Ngoupayou JN, Ndjigui P-D, Kpoumie A, Zammouri M, Ngouh A, Mouncherou O, Rakotondrabe F, Rasolomanana E. 2018. A GIS-based DRASTIC and GOD models for assessing alterites aquifer of three experimental watersheds in Foumban (Western-Cameroon). Groundwater for Sustainable Development, 7: 250-264. doi:https://doi.org/10.1016/j.gsd.2018.06.006.
Moradi P, Rouhi H, Rangzan K, Kalantari N, Ghanbari N. 2017. Assessing groundwater vulnerability in Ramhormoz aquifer using a GIS and DRASTIC Techniques. Journal RS and GIS for Natural Resources, 7(4): 62-78. http://girs.iaubushehr.ac.ir/article_528882.html?lang=en. (In Persian).
Nakhostinrouhi M, Rezaei Moghaddam MH, Rahimpour T. 2019. Evaluating the Aquifer Vulnerability in Ajabshir Plain to Prevent Contamination Risks and Apply Optimal Management. Journal of Natural Environmental Hazards, 8(20): 53-66. doi:http://dx.doi.org/10.22111/JNEH.2018.22204.1322. (In Persian).
Prasad R, Mondal N, Banerjee P, Nandakumar M, Singh V. 2008. Deciphering potential groundwater zone in hard rock through the application of GIS. Environmental Geology, 55(3): 467-475. doi:https://doi.org/10.1007/s00254-007-0992-3.
Rahman A. 2008. A GIS based DRASTIC model for assessing groundwater vulnerability in shallow aquifer in Aligarh, India. Applied geography, 28(1): 32-53. doi:https://doi.org/10.1016/j.apgeog.2007.07.008.
Shrestha S, Semkuyu DJ, Pandey VP. 2016. Assessment of groundwater vulnerability and risk to pollution in Kathmandu Valley, Nepal. Science of the Total Environment, 556: 23-35. doi:https://doi.org/10.1016/j.scitotenv.2016.03.021.
ارزیابی آسیبپذیری آب زیرزمینی دشت ایسین با استفاده از مدلهای دراستیک و گادز (GODS) در سیستم اطلاعات جغرافیایی
چكيده:
این تحقیق باهدف تهیه نقشهی آسیبپذیری سفرة آبهای زیرزمینی دشت ایسین هرمزگان با استفاده از مدلهای در استیک وگادز (GODS) و با کمک سیستم اطلاعات جغرافیایی انجام شد. مدل دراستیک از ترکیب هفت مشخصه هیدروژئولوژیک قابلاندازهگیری و مؤثر در انتقال آلودگی به آبهای زیرزمینی شامل عمق سطح ایستابی، تغذیه خالص، محیط آبخوان، محیط خاک، توپوگرافی، اثر محیط غیراشباع و هدایت هیدرولیک تشکیلشده و مدل گادز نیز دارای چهار مشخصة نوع آبخوان، منطقه غیراشباع، عمق آب زیرزمینی و نوع خاک بوده که در این تحقیق مورداستفاده قرار گرفت. تهیه لایههای هر مدل و رتبهبندی و وزن دهی آنها با استفاده از سیستم اطلاعات جغرافیایی انجام، سپس، نقشههای آسیبپذیری از همپوشانی این لایهها تهیهشده است. نتایج نقشة نهایی آسیبپذیری آبخوان ایسین با مدل دراستیک كه تقریباً کاملترین شاخص براي ارزيابي نيروي آسیبپذیری آبهای زيرزميني است، نشان داد بیشتر سطح آبخوان این دشت را محدودة آسیبپذیری کم تا متوسط (66/33 درصد) و کمترین سطح مربوط به محدودة آسیبپذیری زیاد (84/10 درصد) در غرب محدودة موردمطالعه قرار دارد. همچنین نتایج حاصل از مدل گادز نشان داد، بیشترین سطح دشت ایسین (83/66 درصد) در محدودة آسیبپذیری متوسط با رتبهای بین 5/0 تا 3/0 قرار میگیرند و کمترین سطح (31/11 درصد) هم مربوط به پتانسیل آسیبپذیری زیاد با رتبه 5/0 تا 7/0 است. بهطورکلی در هر دو مدل، نيروي آسیبپذیری ذاتي آبخوان ایسین در محدودههای آسیبپذیری کم تا زیاد ارزیابیشده ولی حدود گسترش محدودههای آسیبپذیری آنها متفاوت بوده است و مدل دراستیک محدودههای مختلف آسیبپذیری را به دليل مشخصههای بيشتر و وزن دهي متفاوت این مشخصهها بر اساس نقش آنها در تعيين آلودگي بهطور دقیقتری مشخص كرده است.
کلمات کلیدی: آب زيرزمينی، مدل دراستیک، سیستم اطلاعات جغرافیایی، مدل گادز (GODS)، دشت ایسین
مقدمه
سفرههای آب زيرزميني، بهعنوان يكي از مهمترین منابع آبي آسیبپذیرممکن است به روشهای مختلف در معرض آلودگي قرار گیرند كه تشخيص و كنترل آلودگي آنها نسبت به آبهای سطحي با توجه به عدم مشاهده مستقیم، مشکلتر و پرهزینهتر است. همچنين، به دليل آلودگي در مدت زمان زیاد در اين منابع، بهترين روش جلوگيري از آلودگي آنها، شناسايي منابع آلودهکننده و مناطق آسیبپذیر، تهيه نقشههای پهنهبندی آسیبپذیری و اتخاذ سیاستهای مديريتي مناسب برای کاهش آلودگی است (22). در دشت ایسین هرمزگان به دلیل وسعت كم، بارش ساليانه كم و كمبود منابع آب در اين منطقه، استفاده از منابع آب زيرزميني بسيارحائزاهميت است. با توجه به افزايش جمعيت، فعالیتهای صنعتي و توسعه كشاورزي و استفاده از سموم کشاورزی و کودهای شیمیایی در دشت ایسین و به دليل عدم شناخت صحيح و يا عدم درك از ميزان دقیق آسيبپذيري سريع آبهای زيرزميني در این محدوده، نياز به تکنیکهای سريعِ شناسايي و ارزیابی آسیبپذیری آبهای زيرزميني در اين منطقه ضروري است. نقشة آسیبپذیری آبهای زيرزميني بر اساس اینکه برخي از اراضي نسبت به ديگر اراضي بيشتر در معرض آلودگي هستند و امكان نفوذ و انتشار آلایندهها از سطح زمين به سيستم آب زيرزميني بيشتر است، شکلگرفته است. روشهای مختلفي براي ارزيابي آسیبپذیری آبهای زیرزمینی تاکنون ارائهشده است كه میتوان به روشهای همچون پردازشي، همپوشاني مثل دراستیک (Drastic)، اى وى آی Aquifer Vulnerability Index((AVI، گادز وسینتکس (SINTACTS) و آماري اشاره كرد (22). در تمامي روشهای مذکور، آسیبپذیری آبخوان بر اساس انتقال آلودگي از سطح زمين به لایه آبدار برآورد میشود. تفاوت اين روشها در تعداد مشخصههای استفادهشده در ارزيابي نيروي آلودگي و امتيازات مربوط به هر مشخصه است. در كشورهاي مختلف جهان ارزيابي آسیبپذیری آبهای زيرزميني با روشهای مختلف و بهطور عمده بهوسیله روش دراستیک انجامشده است. ازجمله میتوان به مطالعات، بوف کانه وثیقی (11)، شرستاو همکاران (25)، برا و همکاران (9)، بهیووانسواران وگانش ((10)، دوتاگوپتا وهمکاران ((12)، آریا وهمکاران ((2)، گواتایا و همکاران (14)، کنوز وهمکاران ((17)، بنابدلوها و همکاران (8)، لورا و همکاران (18) اشاره کرد. سامانه اطلاعات جغرافيايى، به دليل ویژگیها و تواناییهای خاص خود، در بررسى آسیبپذیرى آب زيرزمينى میتواند ابزارى بسيار مفيد باشد. این سامانه قابليت جمعآوری، ذخیرهسازی و تجزیهوتحلیل همزمان پارامترهاى مختلف را دارد و نمايش داده مكانى را در مدتزمان كوتاه فراهم میسازد. در راستای ارزیابی آسیبپذیری سفرة آبهای زیرزمینی تحقیقات زیادی صورت گرفته است. نتایج مطالعه لو را و همکاران (18)، در ارزیابی آسیبپذیری آبهای زیرزمینی در منطقه بایر شهر تا (مراکش) با روش در استیک نشان دادبخش اعظم محدودة موردمطالعه از آسیبپذیری بالایی برخوردار است. نتایج پژوهش اسفاو و ایالیو (3)، در مدلسازی آسیبپذیری حوضه آبخیزمِگِچ (Megech) در برابر آلودگی آبهای زیرزمینی با استفاده از روش دراستیک اصلاحشده در شمال غرب اتیوپی حاکی از آن است که 85 درصد از آبهای زیرزمینی حوضه آبخیز دارای آلودگی زیاد تا متوسط، 74/5 درصد دارای آسیبپذیری متوسط و 26/9 درصد هم آسیبپذیری کم را دارا بودند. بووانسواران و گانس (10) در مطالعه خود، در خصوص ارزیابی مکانی آسیبپذیری آبهای زیرزمینی با استفاده از مدل دراستیک مبتنی با سیستم اطلاعات جغرافیایی در حوضه آبریز، نندیار، در هند به این نتیجه رسیدند که 62 درصد از آبهای زیرزمینی این منطقه در معرض آسیبپذیری متوسط در برابر آلودگی آب قرار دارند. همینطور نتایج تحقیق نخستین روحی و همکاران (22)، در ارزیابی آسیبپذیری آبهای زیرزمینی آبخوان دشت عجبشیر بهمنظور پیشگیری از خطرات آلودگی و اعمال مدیریت بهینه با روشهای گادز و دراستیک نشان داد، سطح عمده آبخوان در هر دو روش دارای آسیبپذیری کم و متوسط بوده است. انتظاری و همکاران (13)، در مطالعه خود تحت عنوان ارزیابی آسیبپذیری آبهای زيرزميني حوزه طرقبه شانديز استان خراسان با استفاده از روش دراستیک و سيستم اطلاعات جغرافيايي به این نتیجه رسیدند که حوزه طرقبه شاندیز دارای 9/15 درصد آسیبپذیری خیلی کم، 29/20 درصد آسیبپذیری کم، 33/26 درصد آسیبپذیری متوسط، 34/24 درصد آسیبپذیری زیاد و 14/13 درصد هم آسیبپذیری خیلی زیاد است.
هدف اصلی این تحقیق تهیه نقشة آسیبپذیری سفرههای آب زیرزمینی آبخوان دشت ایسین با استفاده از مدلهای تلفیقی گادز و در استیک با استعانت از سیستم اطلاعات جغرافیایی (GIS) و مقایسه نتايج آنها و انتخاب بهترين روش است. با توجه به اهميت منابع آب زيرزميني در محدوة موردمطالعه كه براي فعالیتهای شرب و كشاورزي مورداستفاده قرار میگیرد و ازآنجاییکه این دشت قطب تولید سبزیهای استان هرمزگان است، لذا مديريت هرچه بهتر منابع آبي آن بسیار ضروري است؛ و با توجه به اینکه برای نخستين بار با استفاده از دو تکنیک گادز و دراستیک با کمک سیستم اطلاعات جغرافیایی ارزيابی پتانسیل آسیبپذیری دشت ايسين هرمزگان انجام شد، لذا از این نظر این تکنیک برای این منطقه دارای نوآوری است.
روش تحقیق
محدودهی موردمطالعه
دشت ایسین هرمزگان به وسعت 244 کیلومترمربع در 10 کیلومتري شمال شهر بندرعباس، درمحدودة مختصات جغرافیایی َ01 ͦ56 تا َ 21 ͦ56 طول شرقی و َ 21 ͦ27 تا َ 21 ͦ27 عرض شمالی قرار دارد. این دشت طبق شکل (1) در محدودة دو شهرستان بندرعباس و بندر خمیر واقعشده است. ازنظر اقلیم، منطقه موردمطالعه داري آبوهوای نیمهخشک و بیابانی و داري میانگین دماي سالانه 27 درجه و میانگین بارندگی 20 سال گذشته آن 167 میلیمتر و میانگین تبخیر سالانه برابر با 8/3237 میلیمتراست (15). دشت ایسین دارای 29 آبادی با جمعیت 7100 نفر و 60 مزرعه به مساحت 6500 هکتار است. تعداد کل چاههای کشاورزی 386 حلقه و چاههای پیزومتری 19 حلقه در این دشت وجود دارد.
شکل 1. موقعیت مکانی سفره آب زیرزمینی دشت ایسین هرمزگان
Figure 1. Location of ground water reservoir of Haormozgan’s Dasht-Aisin
بهمنظور ارزیابی آلودگی آبهای زیرزمینی دشت ایسین در محیط جیآیاس (GIS) از تلفیق روشهای در استیک و گادز، پس از جمعآوری دادهها و اطلاعات موردنیاز، استفاده گردید. با اعمال تبدیلاتی، دادههاي جمعآوریشده در محیط (GIS) به لایههای رستري تبدیل و بر اساس معیارهاي تعریفشده در روشهای مدنظر، بررسی، وزن دهی، رتبه دهی و کلاسبندی صورت گرفت. براي تهیة نقشههای معیارهای موردنیاز مدلها، آنالیزهاي مکانی مختلفی رویدادههای موردنیاز انجام گرفت که از آن جمله میتوان به تبدیل دادههاي نقطهای به سطح، شامل درونیابی کریجینگ (Kriging)، ایجاد شبکه تیسن و غیره اشاره کرد. تعداد ایستگاههای نمونهبرداری در محدودة موردمطالعه شامل اطلاعات 19 حلقه چاه پیزومتری بود. درنهایت بر اساس نتایج بهدستآمده، مدل بهینه براي ارزیابی آسیبپذیری آبخوان موردمطالعه معرفی شد. در شکل (2) مراحل انجام پژوهش (فلوچارت) به تفکیک نشان دادهشده است.
شکل 2. فرایند ارزیابی آسیبپذیری محیط زیستی آبهای زیرزمینی دشت ایسین هرمزگان به روشهای تلفیقی در استیک و گادز
Figure 2. The process of assessment of the environmental vulnerability of ground water reservoir of Aisin’s Dasht-e Hormozgan by the compilation methods DRASTIC and GODS.
روش دراستیک (DRASTIC)
روش دراستیک جزء روشهای همپوشانی و شاخص بوده و از متداولترین روشهای ارزیابی پتانسیل آسیبپذیری ذاتی آبهای زیرزمینی محسوب میشود. این روش توسط آلر و همکاران در سال 1987 باهدف ارزیابی سامانمند پتانسیل آلودگی آبهای زیرزمینی توسعه یافت (22). این مدل از ترکیب هفت پارامتر هیدروژئولوژیک قابلاندازهگیری و مؤثر در انتقال آلودگی به آبهای زیرزمینی، شامل عمق سطح ایستابی (D)، تغذیه خالص (R)، محیط آبخوان (A)، محیط خاک (S)، توپوگرافی (T)، اثر محیط غیراشباع (I) و هدایت هیدرولیکی آبخوان (c) تشکیلشده است (22). این هفت مشخصه در محیط نرمافزار جیآیاس (GIS) بهصورت هفت لایه که تحلیلهای لازم بر روي آنها انجام میشود، ظاهر میگردد. براي تعیین اهمیت نسبی هرکدام از عوامل هفتگانه استفادهشده در مدل، هر پارامتر نسبت به سایر عوامل ارزیابی میشود، بهطوریکه به هرکدام با توجه به اهمیت تأثیر در آلودگی سیستم آب زیرزمینی یک وزن نسبی، از یک تا پنج، تعلق میگیرد که نشاندهندة اثر نسبی هر پارامتر بر انتقال آلودگی در آبهای زیرزمینی است (22). در این روش وزنهای عددي که به هر پارامتر دادهشده است با استفاده از روش دلفی پایهریزی شده و در سرتاسر دنیا مورداستفاده قرار میگیرد. درروش دلفی از کارشناسان رشته هیدروژئولوژي و زمینشناسی خواستهشده که میزان خطر مربوط به فعالیتهای خاصی را که تحت تأثیر یک سري از شرایط اولیه انجام شود را تعیین نمایند. این فعالیتها و شرایط، عموماً در طبیعت وجود دارد و مختص مکان خاصی نیست پس وزنهای دادهشده به هر پارامتر درروش در استیک، اتفاقنظر کارشناسان در مورد میزان خطر مربوط به هر پارامتر است (24). براي تهیه نقشه آسیبپذیری پس از جمعآوری و رقومی کردن اطلاعات هیدروژئولوژیکی که پتانسیل آلودگی را کنترل میکنند، آنها را با یکدیگر همپوشانی و تلفیق کرده و یکلایه جدید به نام شاخص دراستیک، طبق رابطه [1] به دست میآید:
[1] 
در رابطه فوق: حروف بزرگ، مشخصههای تأثیرگذار در مدل دراستیک، اندیس r، رتبهی لایه و اندیس w، وزن لایه را معرفی میکنند؛ بنابراین شاخص آسیبپذیری ذاتی در این روش از حاصلضرب وزن هر پارامتر در رتبه آن به دست میآید (22).
مشخصههای مدل دراستیک (DRASTIC)
ü عمق تا سطح ایستابی (Depth to water table):
عمقي كه آلودگي بايد طي كند تا به سطح ايستابي برسد را عمق سطح آب گويند. هر چه عمق سطح آب بيشتر باشد زمان حركت و ماندگاري آلودگي آن بيشتر ميشود. درنتیجه احتمال از بين رفتن آلودگي با عمق سطح ايستابي افزايش مييابد. نقشة عمق سطح ايستابي با درونیابی نقاط حاصل از ميانگين عمق سطح ايستابي پيزومترها در محیط جیآیاس (GIS) براي يك دورة 27 ساله (1366 تا 1393) با استفاده از کریجینگ (Kriging) به دست آمد. سپس طبق جدول (1) و بر اساس روش دلفی رتبهبندی و وزن دهی شد. به هر پارامتر بر اساس استعداد و حساسیت نسبی در برابر آلاينده، يك وزن نسبی از 1 تا 5 اختصاص داده میشود. همچنین رتبهبندی بر اساس مقیاس 1 تا 10(1 به معناي كمترين و 10 بيشترين خطر براي آلودگي آب زيرزميني) و اهمیت نسبی آن در پتانسیل آلودگی در منطقه مورد ارزيابی انجام گرفت.
جدول 1. رتبهبندی و وزن دهی عمق سطح ایستابی دشت ایسین (7)
Table1. Ranking and Weighting of the Depth to water table of Haormozgan’s Dasht-Aisin(7)
محدوده (متر) | رتبه | |
(5/1-0) | 10 | |
(6/4-5/1) | 9 | |
(1/9-6/4) | 7 | |
(8/15-1/9) | 5 | |
(9/22-8/15) | 3 | |
(4/30-9/22) | 2 | |
>4/30 | 1 | |
وزن نسبی 5 | ||
ü تغذيه خالص (Net recharge):
مقدار آبي كه از سطح زمين نفوذ كرده و موجب انتقال آلودگي بهصورت عمودي تا سطح ايستابي ميشود و سپس بهصورت افقي در آبخوان منتشر ميگردد تغذیه خالص گویند. معمولاً هر چه تغذيه بيشتر باشد پتانسيل آلودگي آب زيرزميني بيشتر خواهد بود. براي محاسبه میزان تغذیه، از معادله [2] استفاده شد (21). بدین منظور میبایست نقشههای درصد شیب، میزان بارندگی و نفوذپذیری خاک تهیه گردد که برای تهیه نقشه درصد شیب با استفاده از نقشههای 1:25000 توپوگرافی، مدل رقومی ارتفاع (DEM) از منطقه تهیه، سپس برای نقشه شیب دشت موردمطالعه با استفاده از اکستنشن (D3 Analys) در نرمافزار آرک جیآیاس (Arc Gis10.4) استخراج و با استفاده از معیارهاي جدول (2) ردهبندی و نقشه شیب مهیا شد. برای تهیه نقشه خاك، با استفاده از نقشهی بافت خاک موجود در مرکز تحقیقات کشاورزي و منابع طبیعی استان هرمزگان و با توجه به معیارهاي موجود در جدول (2) تهیه و رتبهبندی گردید. در پايان تمام نقشهها به فرمت رستري تبديل و نقشه مربوط به لايه تغذيه، با همپوشاني نقشه شيب و نفوذپذیری خاك به همراه رتبه بارندگي منطقه كه در مورد منطقه موردمطالعه برابر يك است (با توجه به اطلاعات هواشناسي ثبتشده مربوط به منطقه) مطابق با رابطه زیر تهیه شد. معادله [2] براي محاسبه پتانسیل تغذیه یک منطقه بهصورت زیر است:
[2] درصد شیب+ میزان بارندگی+نفوذپذیری خاك= مقدار تغذیه
جدول 2. رتبهبندی و وزن دهی تغذیه خالص دشت ایسین (22)
Table2. Ranking and Weighting of the Net recharge of Haormozgan’s Dasht-Aisin(22)
تغذيه خالص | نفوذپذیری خاك | بارش (میلیمتر) | شيب (درصد) | ||||
فاکتور | محدوده | فاکتور | محدوده | فاکتور | محدوده | فاکتور | محدوده |
10 | 13-11 | 1 | خيلي كم | 1 | 500< | 4 | 2< |
8 | 11-9 | 2 | كم | 2 | 700- 500 | 3 | 10-2 |
5 | 9-7 | 3 | متوسط | 3 | 850-700 | 2 | 33-10 |
3 | 7-5 | 4 | زياد | 4 | >850 | 1 | 33> |
1 | 5-3 | 5 | خيلي زياد |
|
|
|
|
ü محيط آبخوان (Aquifer media)
محيط آبخوان و مواد تشکیلدهندة آن طول و چگونگي روند مسير سيستم جريان آب زيرزميني در آبخوان را مشخص ميكند. برای تهیه نقشه محیط آبخوان، ابتدا با استفاده از راهنماي ستون عمودي عمق 19 چاههای مشاهدهای (پیزومتری) و نقشه زمینشناسی در محیط جیآیاس (GIS) اقدام و برحسب نسبت جنس مواد تشکیلدهنده آبخوان در هرکدام از چاهها طبق جدول (3) مدل دراستیک و بر اساس نظریه کارشناسی (روش دلفی) (24) رتبهبندی و وزن دهی، سپس با اعمال درونیابی (کریجینگ) لایه رستري محیط آبخوان تهیه گردید.
جدول 3. رتبهبندی و وزن دهي مشخصه محيط آبخوان (22)
Table3. Ranking and Weighting of Aquifer media of Haormozgan’s Dasht-Aisin(22)
شیل بزرگ | |
سیلت | |
ماسه ریز و سیلت | |
ماسه باکمی سیلت و رس | |
گر اول و ریز ماسه و سیلت | |
7 | گر اول و ماسه ریز و سیمان آهکی |
گر اول و سیمان آهکی | |
9 | ماسه وگراول درشت |
وزن نسبی: 3 | |
ü محیط خاك (Soil media)
به بخش هوازده بالاي منطقه غیراشباع گفته میشود. اين بخش ازلحاظ فعالیتهای بيولوژيكي و وجود مواد آلي بسيار داراي اهميت است. وجود مواد بافت ريز مانند سيلت و رس، درصد مواد آلي و ضخامت خاك بيشتر، تراوايي خاك را كاهش میدهد و برعكس مواد دانهدرشت تر مانند شن، نفوذپذیری خاك و درنتیجه توانايي انتقال آلایندهها را به سيستم آب زيرزميني افزايش میدهد. براي تهیه این لایه از نقشه 1:25000 مطالعات نیمه تفضیلی خاکهای منطقه بندرعباس مرکز تحقیقات کشاورزي استفاده کرده آنگاه طبق جدول (4) مدل دراستیک در محیط جیآیاس (GIS) بر اساس نظریه کارشناسی (روش دلفی) (24) رتبهبندی و وزن دهی سپس نقشه محیط خاک استخراج شد.
جدول 4. رتبهبندی و وزن دهي مشخصه محيط خاک (7)
Table4. Ranking and Weighting of Soil media of Haormozgan’s Dasht-Aisin(7)
محيط خاک | |
رتبهبندي رتبهبندي | محدوده |
10 3-1 | نازک بودن لایه خاک |
7 5-2 | ماسهای- لومی |
6 | لوم ماسهای |
5 | لوم |
4 | لوم سیلتی |
3 | لوم رس دار |
وزن نسبی: 2 | |
ü توپوگرافی (Topography)
به تغييرات شيب سطح زمين اشاره دارد. شيب افزون بر اینکه بر حركت و نفوذ آبهای سطحي و آلایندهها تأثير میگذارد، بر گسترش خاك و درنتیجه بر ميرايي آنها نيز مؤثر است. پس هر چه شيب كمتر باشد زمان تماس آبهای سطحي و آلایندهها با سطح زمين بيشتر و آلودهکنندهها شانس بيشتري براي نفوذ به آبخوان داشته، بهطوریکه مناطق داراي شيب كمتر، آسیبپذیری بيشتري دارند. براي تهیه لايه شيب از نقشههای 1:25000 سازمان نقشهبرداری کشور استفاده وبر اساس جدول (5) و همچنین بر اساس نظریه کارشناسی (روش دلفی) (24) رتبهبندی و وزن دهی انجام شد.
جدول 5. رتبهبندی و وزن دهي توپوگرافی (7)
Table5. Ranking and Weighting of Topography of Haormozgan’s Dasht-Aisin(7)
توپوگرافی | |
رتبهبندي رتبهبندي | محدوده |
10 3-1 | 2-0 |
9 5-2 | 6-2 |
5 | 12-6 |
3 | 18-12 |
1 | >18 |
وزن نسبی: 1 | |
ü محیط غیراشباع (Impact of vadose zone)
شامل فضای بين سطح ايستابي و محيط خاك است كه اساساً غیراشباع ، و يا بهطور ناپيوسته اشباع است. در محيط غیراشباع عبور و رقيق شدن مواد آلاينده را به منطقه اشباع كنترل میکند. براي توليد اين مشخصه در مدل، روشي مشابه با مشخصه محيط آبخوان استفاده شد. با اين تفاوت كه در اين مورد دانهبندی و خصوصيات رسوبات مابين سطح آب زيرزميني و سطح زمين موردتوجه قرار گرفت. براي تهیه لایه مربوط به محيط غیراشباع از راهنماي جایگاه چاههای موجود در منطقه استفاده و بر پایه جدول (6) و همچنین بر اساس نظریه کارشناسی (روش دلفی) (24) رتبهبندی و وزن دهی انجام شد.
جدول 6. رتبهبندی و وزن محیط غیراشباع (6)
Table6. Ranking and Weighting of Impact of vadose zone of Haormozgan’s Dasht-Aisin(6)
محيط غیراشباع | |
رتبهبندي رتبهبندي | محدوده |
3 3-1 | سیلت |
4 5-2 | سیلت ماسهای و رسی |
5 | سیلت ماسهای |
6 | ماسه و سیلت و رس |
7 | گر اول ماسه و کمی سیلت و رس |
8 | ماسه |
9 | شن و ماسه درشت |
10 | شن و گر اول |
وزن نسبی: 5 | |
هدایت هیدرولیکی آبخوان (Hydraulic conductivity)
به قابليت انتقال آب توسط مواد تشکیلدهنده آبخوان، هدايت هيدروليكي گويند كه بهوسیله تخلخل و مقدار فضاهاي خالي مواد آبخوان كنترل ميشود. هر چه هدايت هيدروليكي بيشتر باشد، امكان جريان يافتن آلایندهها در آبخوان بيشتر خواهد بود. اطلاعات مربوط به هدايت هيدروليكي از محاسبات آزمايش پمپاژ حاصل شد. با توجه به آنکه در آزمایشهای پمپاژ، مقدار مشخصه ضريب توانايي انتقال آب محاسبه میشود، با استفاده از ضخامت اشباع آبخوان، مقدار هدايت هيدروليكي از تقسيم ضريب توانايي انتقال آب بر ضخامت اشباع آبخوان به دست آمد. مقدار و نقاط جغرافيايي مربوط به ضريب توانايي انتقال و هم ضخامت آبرفت دشت از اطلاعات و گزارشهای موجود تهيه شد. سپس با استفاده از تابع محاسبهگر رستري، از تفريق نقشه هم ضخامت آبرفت و نقشه هم عمق سطح آب، نقشه ضخامت اشباع حاصل شد و بعد از تقسيم نقشه ضريب توانايي انتقال بر نقشه ضخامت اشباع آبخوان، نقشه هدايت هيدروليكي دشت به دست آمد. نقشه حاصل با توجه به جدول (7) و همچنین بر اساس نظریه کارشناسی (روش دلفی) (24) رتبهبندی و وزن دهی انجام شد.
جدول 7. رتبهبندی و وزن دهي مشخصه هدایت هیدرولیکی (7)
Table7. Ranking and Weighting Hydraulic conductivity e of Haormozgan’s Dasht-Aisin(7)
هدایت هیدرولیک ی | |
رتبهبندي رتبهبندي | محدوده |
1 | 1/4-04/0 |
2 | 3/12-1/4 |
4 | 7/28-3/12 |
6 | 41-7/28 |
8
| 82-41 |
10
| >82
|
وزن نسبی: 3 | |
نقشه نهایی ارزیابی آسیبپذیری به روش دراستیک
پس از تهيه مشخصههای موردنیاز براي ارزيابي آسیبپذیری به روش دراستیک اقدام به تهيه نقشه آسیبپذیری شد. در این روش از تلفیق مشخصههای هفتگانه بر اساس رابطه (1) شاخص آسیبپذیری به دست میآید. کلاسبندی و ارزشگذاری کلاسهای مربوط به هرکدام از مشخصهها بر اساس روش استاندارد دراستیک (1) در محیط جیآیاس (GIS)، انجام شد. با تلفيق مشخصهها، نتیجه حاصل، شبکهای است كه بر اساس جدول (8) طبقهبندی میشود. در اين لايه سلولهای داراي اعداد بزرگتر بیانکننده مناطقي هستند كه نيروي آسیبپذیری ذاتي آب زيرزميني در مقابل آلودگي در آنها بيشتر است و سلولهای داراي ارزش عددي كمتر آسیبپذیری ذاتي كمتري دارند. پس از تهيه هفت لايه مربوط به مشخصههای مدل در استیک در محیط جیآیاس (GIS)، براي تلفيق نقشههای آمادهشده از دستور ماشینحساب رستری (Raster Calculator) استفاده شد. با استفاده از اين ماشینحساب رستري هر لايه در ضريب خود ضرب و سپس تمام لایهها با یکدیگر جمع شد. در پايان پهنههای آسیبپذیری بر اساس اين روش کلاسبندی گردید.
جدول 8. رتبهبندی شاخص آسیبپذیری دراستیک (9)
Table8. Ranking and Weighting Drastic vulnerability Index (9)
شاخص آسیبپذیری در استیک | ||
محدوده | رتبه | |
80> | بدون آلودگی | |
99-80 | آلودگی خیلی کم | |
119-100 | آلودگی کم | |
139-120 | آلودگی کم تا متوسط | |
159-140 | آلودگی متوسط تا زیاد | |
179-160 | آلودگی زیاد | |
روش گادز (Groundwater occurrence, Overall aquifer class, Depth of water table, soil type)
درروش گادز از چهار پارامتر نوع آبخوان، ویژگی لیتولوژی منطقه غیراشباع (فقط در مورد آبخوانهای آزاد)، عمق آب زیرزمینی و نوع خاک استفاده شد (16). ارزش کلاسهای مختلف پارامترها از صفرتا یک تغییر کرده و بهتمامی پارامترها وزن یکسانی اختصاص داده شد. برای به دست آوردن شاخص آسیبپذیری پارامترهای گادز طبق رابطه (3) چهار پارامتر مذکور باهم ضرب و شاخص آسیبپذیری به دست آمد. اطلاعات مربوط به نوع آبخوان از اطلاعات نقشه منابع آب حاصل گردید. تعیین حدود گسترش و نوع آبخوانهای دشت موردمطالعه بر اساس جایگاه حفاري چاههای مشاهدهای، بهرهبرداری و اکتشافی و گزارشها و اطلاعات موجود به دست آمد. در این روش که در جدول (9) نشان دادهشده، ارزشگذاری نوع آبخوان از صفرتا یک برآورد شده است (19). شاخص آسیبپذیری در این روش با استفاده از رابطه [3] به دست آمد.
IV = G. O. D.S [3]
در اين رابطه IV، شاخص آسیبپذیری، G امتياز نوع سفره آبدار، O، امتياز ليتولوژي منطقه بالاي سفره آبدار، D امتياز عمق تا سطح ايستابي و S امتياز نوع پوشش خاك است. از حاصلضرب پارامترهاي فوق نقشهای حاصل خواهد شد که ارزش عددي سلولهای آن از صفرتا یک متغیر است. نحوة تعيين محدوده و ارزشگذاری مشخصههای روش گادز در جدول (9) نشان دادهشده است.
مشخصههای مدل گادز
نوع آبخوان
بر اساس جایگاه حفاري چاهها، آبخوان دشت ایسین از نوع آزاد است. طبق جدول (9) ارزشگذاری نوع آبخوان از صفرتا يك است.
منطقه غیراشباع: برای تهیه نقشههای لایههاي منطقه غیراشباع، مانند روش دراستیک انجام و سپس طبق جدول (9) رتبهبندی آن صورت گرفت.
عمق آب زيرزميني: برای تهیه نقشههای لایههاي عمق آب زیرزمینی، مانند روش دراستیک از میانگین عمق یک دوره 27 ساله استفاده سپس طبق جدول (9) رتبهبندی آن انجام گرفت.
محیط خاک: مانند روش دراستیک از نقشه خاکشناسی موجود در مرکز تحقیقات کشاورزی و منابع طبیعی استفاده شد. سپس مطابق جدول (9) رتبهبندی شد.
جدول 9-ارزشگذاری پارامترهای مدل گادز (22)
Table9. Evaluation of GODS model parameters(22)
ردیف | عمق آب زیرزمینی (متر) | رتبه | محیط غیراشباع | رتبه | |||
1 | >100 100-50 50-20 | 4/0 5/0 6/0 | رس و خاکهای بر جا لوم، سیلت آبرفتی ماسهبادی | 4/0 5/0 | |||
2 | |||||||
3 | 6/0 | ||||||
4 | 20-10 | 7/0 | ماسه آبرفتی و ماسهبادی | 7/0 | |||
5 | 20-10 | 8/0 | ماسهسنگ و ماسه آبرفتی | 8/0 | |||
6 | 5-2 | 9/0 | گر اول مخروط افکنِ | 9/0 | |||
7 | 2> | 1 | گر اول و رسوبات (مواد سخت نشده) | 1 | |||
وزن | 5 | 5 | |||||
ردیف | نوع آبخوان | رتبه | محیط خاک | رتبه | |||
1 | آزاد | 1 | نبود خاک، گر اول ماسه درشتدانه، ماسه | 1 | |||
2 | آزاد با پوشش | 6/0 | ماسه سیلتی | 9/0 | |||
3 | نیمه محبوس | 4/0 | سیلت | 8/0 | |||
4 | محبوس | 2/0 | سیلت رسی | 6/0 | |||
5 | آرتزین | 0 | رس | 5/0 | |||
6 | نبود آبخوان |
| - | - | |||
وزن | 1 | 2 | |||||
نتایج:
نتايج حاصل از روش در استیک
نقشه عمق سطح ایستابی: نقشه هم عمق آب زيرزميني آبخوان دشت ایسین در شکل (3) نشان دادهشده است. مطابق شکل (3) عمق سفره آب زيرزميني تقریباً در بیشتر محدودههای دشت ایسین (82/76 درصد) بيش از 30 متر قرار داشته و رتبه 1 به خود اختصاص دادند. در بخشهایی از شرق دشت (54/5 درصد)، عمق برخورد به آب زيرزميني بین 16 تا 22 متر بوده و دارای رتبه 3 است. در بخش جنوبی و قسمتی از شرق (62/17 درصد) رتبه 2 به مساحت 33/4280 هکتار را به خود اختصاص دادند.
شکل 3. نقشه پهنهبندی عمق آب زیرزمینی دشت ایسین هرمزگان
Figure 3. Ground water depth zoning map of Haormozgan’s Dasht-Aisin
نقشه تغذیه خالص:
طبق شكل (4) رتبهبندي پارامتر تغذيه خالص آبخوان دشت ایسین بر اساس روش در استیک نشان ميدهد كه تغذيه خالص بیشتر دشت در محدودة طبقه 9-7 با رتبه 5 و حدود 7/66 درصد کل دشت را به دلیل نفوذپذیری متوسط تشکیل میدهد (جدول 2) و 23 درصد محدوده دشت که بیشتر در مرکز آن قرار دارد را تغذيه خالص با رتبهبندي 3 تشکیل داده كه دليل عمدهی آن جنس خاك نسبتاً سنگين و نفوذپذیری كمتر است. 25/10 درصد دشت ایسین هم به دلیل نفوذپذیری زیاد، رتبه 8 را به خود اختصاص داده است.
شکل 4. نقشه پهنهبندی تغذیه خالص دشت ایسین هرمزگان
Figure 4. Pure nutrition zoning map of Haormozgan’s Dasht-Aisin
نقشه محیط آبخوان
طبق شکل 5، نقشه رتبهبندی محیط آبخوان دشت ایسین نشان میدهد که رتبههای 5 و 6 با 75/25 و 16/23 درصد بیشترین سطح دشت را با جنس به ترتیب ماسه باکمی سیلت و رس و گراول و ماسه ریز و سیلت به خود اختصاص دادهاند و رتبه 9 با 05/4 درصد با جنس ماسه و گراول درشت کمترین سطح از این دشت را تشکیل میدهد. درنتیجه بیشتر جنس محیط آبخوان را بافت ریزدانه تشکیل داده که باعث کاهش جریان حرکت آلایندهها میشود.
شکل 5. نقشه پهنهبندی محیط آبخوان دشت ایسین هرمزگان
Figure 5. Aquifer zoning map of Haormozgan’s Dasht-Aisin
محیط خاک
نقشه رتبهبندی محیط خاک دشت ایسین طبق شکل (6)، نشان میدهد که رتبهی آن بین اعداد 3 تا 10 متغير است و اكثر اراضي این دشت (41/46 درصد) دارای بافت لوم ماسهاي است که در رتبهبندي روش دراستیک داراي ارزش (6) است و 32 درصد از سطح دشت هم لایهنازک خاک را با رتبه 10 تشکیل داده است. کمترین سطح هم مربوط به خاک لوم با رتبه 5 بوده که تنها 27/0 درصد از اراضی دشت ایسین را به خود اختصاص داده است.
شکل 6. نقشه پهنهبندی محیط خاک دشت ایسین هرمزگان
Figure 6. Soil zoning map of Haormozgan’s Dasht-Aisin
توپوگرافی
نقشه کلاسهبندی توپوگرافی دشت ایسین طبق شکل (7) نشان میدهد که بیشتر سطح دشت ایسین (67 درصد) دارای طبقهی شیب بین 2-0 درصد داشته و رتبه (10) را به خود اختصاص داده است و کمترین سطح (02/0 درصد) هم مربوط به شیب بیش از 18 درصد با رتبه 1 بوده؛ که این نشان میدهد، شیب زیاد یک نقطه باعث کاهش فرصت نفوذ آب به خاك در آن نقطه شده و شیب کم یا مسطح بودن باعث نفوذ هر چه بیشتر آب به خاك میشود. در حالت اول پتانسیل آلودگی کم و در حالت دوم پتانسیل آلودگی آب زیرزمینی افزایش مییابد.
شکل 7. نقشه کلاسهبندی شده توپوگرافی دشت ایسین هرمزگان
Figure 7. Topographic classification map of Haormozgan’s Dasht-Aisin
محیط غیراشباع
نقشه رتبهبندی محیط غیراشباع دشت ایسین طبق شکل (8) نشان میدهد که بیشتر قسمتهاي این دشت را لایه ماسه و سیلت و رس (11/24 درصد) را با رتبه 6 تشكيل داده و کمترین سطح دشت (71/3 درصد) مربوط به رتبه (10) با لایه شن و گراول است. لذا رسوبات بخش غیراشباع در ناحیه شمالی دشت درشتدانه بوده اما در قسمتهای جنوبی این رسوبات اغلب غیریکنواخت و با لایههای از نوع رس و سیلت میباشند.
شکل 8. نقشه پهنهبندی محیط غیراشباع دشت ایسین هرمزگان
Figure 8. Zoning map of the unsaturated zone of Haormozgan’s Dasht-Aisin
هدایت هیدرولیکی
نقشه رتبهبندی هدایت هیدرولیکی دشت ایسین مطابق شکل (9)، ضریب آبگذري این دشت رابین 5 تا 110 متر در روز نشان میدهد و همچنین نقشه مذکور نشان داد که بیشترین سطح هدایت هیدرولیکی مربوط به طبقهی 50-35 با اختصاص 06/59 درصد از کل دشت و با رتبه 6، طبقه >100 با اختصاص 16/0 درصد از سطح اراضی و با رتبه 10 کمترین مساحت دشت ایسین را تشکیل دادهاند. لذا هرچه هدایت هیدرولیکی آبخوان بیشتر باشد، سرعت انتشار آلاینده بیشتر خواهد بود. ازاینرو رتبه 10 دارای بیشترین سرعت انتقال آلاینده در این دشت را داراست که کمترین مساحت (41/39 هکتار) را نیز به خود اختصاص داده است.
شکل 9. نقشه پهنهبندی هدایت هیدرولیکی دشت ایسین هرمزگان
Figure 9. Hydraulic conduction zoning map of Haormozgan’s Dasht-Aisin
نقشه نهایی آسیبپذیری به روش دراستیک
طبق شکل (10)، نقشه نهایی آسیبپذیری آبخوان ایسین که بر اساس وزنهای در نظر گرفتهشده برای هر پارامتر و با کمک روش آلر (1) بهدستآمده، نشان میدهد که نیروی آسیبپذیری آن بین 59 تا 163 قرار داشته که ازلحاظ پهنهبندی به شش پهنه تقسیمشده و سطح دشت ایسین شامل 29/11 درصد بدون آسیبپذیری، 75/14 درصد آسیبپذیری خیلی کم، 15/10 درصد آسیبپذیری کم، 66/33 درصد آسیبپذیری کم تا متوسط، آسیبپذیری متوسط تا زیاد نیز 29/19 درصد و 84/10 درصد هم آسیبپذیری زیاد ارزیابی شد.
شکل 10. نقشه پهنه آسیبپذیری بر اساس مدل در استیک
Figure 10. Vulnerability map by DRASTIC method.
نتایج با مدل گادز
نوع آبخوان:
نوع آبخوان ایسین با توجه به اطلاعات موجود در مورد منابع آب منطقه از نوع آزاد بوده و كل منطقه طبق جدول (9) دارای ارزشی برابر يك است.
ناحیه غیراشباع: برابر شکل (11)، قسمت عمدهای از ناحیه غیراشباع را طبقه ماسه آبرفتی با مساحت با 35/54 درصد و با رتبه 7/0 را تشکیل داده است. کمترین سطح دشت هم دارای رتبه 1 با سطحی معادل 22/5 درصد به دست آمد.
شکل 11. نقشه پهنهبندی لایههای منطقه غیراشباع بر اساس مدل گادز
Figure 11. Unsaturated area layers zoning map by GODS method
عمق آب زیرزمینی
شکل (12) نشاندهندهی لايه عمق آب زيرزميني بعد از ارزشگذاری است. اين لايه در آبخوان ایسین در دو كلاس (6/0 و 7/0) قرار میگیرد. در قسمت عمدهای از آبخوان، عمق آب زیرزمینی بین 20 تا 50 متر تشخیص داده شد.
شکل 12. نقشه پهنهبندی پارامتر عمق آب زیرزمینی بر اساس مدل گادز
Figure 12. Ground water depth zoning map by GODS method
محیط خاک
نقشة مربوط به لایه محيط خاك به روش گادز مانند لایه مربوط به محيط خاك درروش دراستیک تهيه شد كه نتايج آن طبق شکل (13) کل دشت به 5 کلاس تقسیم که 58/69 درصد از دشت ایسین در کلاس ماسه سیلتی با رتبه 9/0 بیشترین سهم را از 4 کلاس دیگر به خود اختصاص داده و کمترین سطح (72/3 درصد) هم مربوط به رتبه 6/0 با جنس رس مشخص شد.
شکل 13. نقشه پهنهبندی پارامتر نوع خاک منطقه بر اساس مدل گادز
Figure 13. Zoning map of the soil type region by GODS method
نقشه نهایی آسیبپذیری به روش گادز
شکل (14) نقشه آسیبپذیری آبخوان ایسین را به روش گادز نشان میدهد. در این روش پتانسیل آسیبپذیری در سه کلاس (رتبههای 1/0 تا 3/0، 3/0 تا 5/0، 5/0 تا 7/0) تشخیص داده شد که با توجه به کلاسهبندی روش گادز، این دشت ازنظر آسیبپذیری در محدوة آسیبپذیری کم، متوسط و زیاد قرار میگیرد.
شکل 14. نقشه پهنهبندی آسیبپذیری بر اساس مدل گادز
Figure 14. Vulnerability zoning map by GODS method
نتایج و بحث
با توجه به اینکه عمده کاربری دشت ایسین هرمزگان کشاورزی است؛ بنابراین استفاده از سموم و کودهای شیمیایی در اراضی کشاورزی این دشت بسیار متداول است که باعث تهدید منابع آب زیرزمینی در این منطقه میشود. لذا برای ارزیابی میزان آسیبپذیری این دشت از مدلهای در استیک وگادز با کمک فنّاوری سیستم اطلاعات جغرافیایی (GIS) و سنجشازدور استفاده شد. بر اساس نتایج این تحقیق دامنه شاخص در استیک برای منطقة موردمطالعه بین 59 تا 163 به دست آمد و نقشة این شاخص در 6 طبقه از بدون آسیبپذیری تا آسیبپذیری زیاد استخراج شد که بیشترین مساحت منطقه (66/33 درصد) را آسیبپذیری کم تا متوسط پوشش میدهد، پسازآن به ترتیب آسیبپذیری متوسط تا زیاد (29/19 درصد) در بخشهایی از مرکز و شمال غرب، آسیبپذیری خیلی کم (75/14 درصد) در قسمتهای از جنوب و شرق، بدون آسیبپذیری (29/11 درصد) در بخشهایی از مناطق شرق و جنوب، آسیبپذیری کم (15/10 درصد) در مناطق شمال و بخشی از مرکز درنهایت آسیبپذیری زیاد (84/10 درصد) در قسمتی از مرکز و غرب در ردههای بعدی ازلحاظ مساحت قرار داشتند که علت افزايش آسیبپذیری قسمتهای ذکرشده را میتوان در بالا بودن سرعت هدایت هیدرولیک، شيب خيلي كم و منطقه غیراشباع اين محدودهها كه از گراول و با ميزان زياد ماسه و شن و رس كمتر است جستجو كرد. درواقع طبق مدل دراستیک اکثر بخشهای آبخوان دشت ایسین ازنظر پتانسیل آسیبپذیری در کلاسهای آسیبپذیری کم و کم تا متوسط قرار داشتند. همسو با مدل دراستیک در این پژوهش تحقیقات دیگری نیز صورت گرفته ازجمله لورا و همکاران (18) در مطالعهای اقدام به ارزیابی آسیبپذیری آبهای زیرزمینی و ارزیابی کیفیت آب در منطقه بایر شهر تا (مراکش) کردهاند و به این نتیجه رسیدند که بخش اعظم محدودهی موردمطالعه از آسیبپذیری بالایی برخوردار بوده و بامطالعه حاضر ازنظر سطح آلودگی سفره آب زیرزمینی متفاوت است (18). همچنین نتیجه مطالعه اسفاو و ایالیو (3) در مدلسازی آسیبپذیری حوضه آبخیزمگچ (Megech) به روش دراستیک حاکی از آن است که بیشترین سطح حوزه مربوط به آلودگی زیاد تا متوسط بوده که نتیجه این پژوهش بامطالعه حاضر ازنظر سطح آلودگی متفاوت است (3). در همین راستا حسن و همکاران (15)، در پژوهشی به ارزیابی آسیبپذیری آبهای زیرزمینی در ساوار اویازیلا در منطقه داکا بنگلادش با استفاده از مدل دراستیک مبتنی بر سیستم اطلاعات جغرافیایی انجام دادند، نتایج این تحقیق حاکی از آن است که حدود ۳۴% از منطقه موردمطالعه، در طبقه آسیبپذیری کم، ۴۵ درصد نسبتاً آسیبپذیر و ۲۱ درصد نیز دارای آسیبپذیر بسیار زیاد بودند. همچنین نتایج مدل تائید میکند که عمق آبخوان، توپوگرافی و خاک بیشترین ارتباط را با آسیبپذیری دارند؛ که از این نظر با نتیجه این پژوهش مشابه است. همینطور مرادی و همکاران (21) در پژوهشی به ارزيابي آسیبپذیری آبخوان رامهرمز به روش دراستیک پرداختند که نتایج آنها نشان داد قسمت وسیعی از دشت ازنظر کلاس آسیبپذیری دارای پتانسیل کم تا متوسط بوده که از این نظر (سطح و کلاس آسیبپذیری) مشابه مطالعه حاضراست (21). نتیجه پژوهش ارزيابي آسیبپذیری آبهای زيرزميني حوزه طرقبه شانديز استان خراسان به روش دراستیک و با کمک سیستم اطلاعات جغرافیایی نشان داد ازنظر آسیبپذیری، این منطقه به 5 کلاس تقسیم که بیشترین سطح مربوط به آسیبپذیری کم تا متوسط بوده و با نتیجه مطالعه حاضر مشابه است (13). مالک و شوکلا (19)، در تحقیقی به بررسی ارزیابی آسیبپذیری آبهای زیرزمینی با استفاده از مدل دراستیک مبتنی بر GIS در بخشی از حوضه آبخیز تاوا هوشنگ آباد، مادیا پرادش، هند پرداختند. نتایج آنها نشان داد که 84/34 درصد از محدوده موردمطالعه با آسیبپذیری بالا و پرخطر قرار هستند، بخش گستردهای از مساحت حوضه (84/54 درصد) به سمت ضلع شرقی و غربی رودخانه تاوا با درجه آسیبپذیر متوسط و 32/10 درصد در جنوب با درجه آسیبپذیر كم و در منطقه کمخطر ازنظر آلودگی آبهای زیرزمینی قرار داشتند؛ که ازنظر وسعت آلودگی کم تا متوسط مشابه تحقیق حاضر است. بر اساس مدل گادز منطقه موردمطالعه به سه بخش شامل آسیبپذیری کم، متوسط و زیاد تقسیمشده است. در این مدل برخلاف مدل در استیک، بیشترین پتانسیل دشت در طبقهی آسیبپذیری متوسط با سطحی معادل 83/66 درصد تعیینشده است. همچنین 14/21 درصد، با آسیبپذیری کم که اغلب در مرکز دشت قرار دارند و کمترین سطح (31/11 درصد) هم مربوط به پتانسیل آسیبپذیری زیاد که بهطور پراکنده در شرق، بخشی از جنوب غرب و قسمتهایی از شمالِ محدودة موردمطالعه قرار دارد. همسو با مدل گادز تحقیقات دیگری نیز صورت گرفته ازجمله نخستین روحی و همکاران (22) که به ارزیابی آسیبپذیری آبهای زیرزمینی آبخوان دشت عجبشیر بهمنظور پیشگیری از خطرات آلودگی و اعمال مدیریت بهینه با روشهای گادز پرداختند و به این نتیجه رسیدند که سطح عمده این آبخوان دارای آسیبپذیری کم و متوسط بوده که از این نظر مشابه مطالعه حاضر است (22). نتیجهی پژوهش امفوکا و همکاران (20)، در ارزیابی آسیبپذیری آبهای زیرزمینی در سه حوزه آبخیز در فومبان (غرب کامرون) با روشهای گادز و دراستیک مبتنی بر سیستم اطلاعات جغرافیایی نشان داد بیشتر مساحت حوزه موردمطالعه را کلاس آسیبپذیری کم تا متوسط تشکیل میدهد که از این نظر مشابه پژوهش حاضراست (20). مقایسه نتیجة این دو روش نشان داد در هر دو روش دراستیک و گادز محل وقوع آسیبپذیریِ متوسط و بیشتر مناطق آسیبپذیری کم باهم همخوانی داشته هرچند سطح گسترش آنها در مدل دراستیک بیشتر است.
اين مطالعه نشان داد استفاده از سيستم اطلاعات جغرافيايي امكان آمادهسازی لایههاي مدل در استیک وگادز براي شناسايي مناطق آسیبپذیر را بهراحتی فراهم میسازد. همچنين این مطالعه مشخص کرد كه مدل در استیک نسبت به مدل گادز میتواند در شناسايي مناطق آسیبپذیر و جلوگیری از ورود آلودگي بيشتر به اين مناطق در اولويت قرار گیرد زیرا در مدل دراستیک مشخصههای بيشتر و وزن دهي متفاوت آنها بر پايه نقش آنها در تعيين آلودگي تعیین میگردد. در اين روش به دليل تعداد زياد مشخصهها، اثر عدم قطعيت برخي از مشخصهها تا حدودي خنثي میشود. بدين ترتيب كه درروش دراستیک در مواقعي كه عدم قطعيت دریکی از مشخصهها زياد باشد، اثر آن تا حدودي توسط مشخصههای ديگر پوشش داده میشود. درحالیکه درروش گادز، عدم قطعيت در هر مشخصه، نتيجه پهنهبندی را تا حدود زيادي تغيير میدهد. درروش گادز از چهار مشخصه استفاده میکند كه سه مورد آنها (عمق آب زيرزميني، نوع خاك و منطقه غیراشباع) با روش دراستیک مشترك است. فراهم آوردن اطلاعات موردنیاز براي ارزيابي آسیبپذیری به روش گادز بهمراتب سادهتر بوده و به هزينه كمتري نياز دارد. ولي در روش گادز ميزان تغذيه سطحي لحاظ نشده است كه از ضعفهای عمده این مدل محسوب میشود. زيرا ميزان تغذيه سطحي آبخوان در آسیبپذیری بسيار مؤثر است.
بهطورکلی در مدل دراستیک، شاخصهای این روش بین 59 تا 163 و در 6 طبقه به دست آمد که 66/33 درصد آن با مساحتی معادل 130/8136 هکتار دارای آسیبپذیری کم تا متوسط بوده و بیشترین سطح دشت را به خود اختصاص داده است. نتایج حاصل از مدل گادز، آسیبپذیری دشت را در سهطبقه آسیبپذیری کم، متوسط و زیاد مطابق شکل (14) ارزیابی کرد که قسمت اعظم دشت ایسین در این روش به مساحت 10/16261 هکتار (83/66 درصد) در محدودة آسیبپذیری متوسط با رتبهای بین 5/0 تا 3/0 قرار گرفتند. لذا پیشنهاد میشود جهت پیشگیری از آلودگی آبخوان ایسین بهویژه در قسمتهای غربی که آسیبپذیری بیشتری را در هر دو مدلهای ارزیابی (دراستیک وگادز) نشان میدهد روشهای مدیریتی سختگیرانهتری شامل عدم استفاده از مقادیر غیرمجاز سموم و کودهای شیمیایی توسط کشاورزان و پیشگیری از دفن زبالههای روستایی باید در نظر گرفت.
References
1. Aller L, Lehr J.H, Petty R, Bennett T. 1987. DRASTIC: a standardized system to evaluate groundwater pollution potential using hydrogeologic settings. National Water Well Association, Worthington, Ohio, United States of America. doi:http://rdn. c.ca/cms/wpattachments/wpID3175atID5999.pdf.
2. Arya S, Subramanid, T, Vennilab G, Priyadarsi D, Roy C. 2020. Groundwater vulnerability to pollution in the semi-arid Vattamalaikarai River Basin of south India thorough DRASTIC index evaluation, Geochemistry 80 (2020) 125635, journal Elsevier. doi: https://doi.org/10.1016/j.chemer.2020.125635.
3. Asfaw D,Ayalew D.2020. Modeling megech watershed aquifer vulnerability to pollution using modified DRASTIC model for sustainable groundwater management, Northwestern Ethiopia, Journal Elsevier B.V. Groundwater for Sustainable Development, 1-41. https://doi.org/10.1016/j.gsd.2020.100375.
4. Babiker IS, Mohamed MAA, Hiyama T, Kato K. 2005. A GIS-based DRASTIC model for assessing aquifer vulnerability in Kakamigahara Heights, Gifu Prefecture, Central Japan, Science of the Total Environment, 345:127-140. doi: http://dx.doi.org/10.1016/j.scitotenv.2004.11.005
5. Balakrishnan P, Saleem A, Mallikarjun ND. 2011. Groundwater quality mapping using geographic information system (GIS): a case study of Gulbarg city, Karnataka, Ind. Afric. J. Environ. Sci. Technol. 5(12): 1069-1084. doi: https://doi.org/:10.5897/AJEST11.134 Corpus ID: 54032211
6. Barbulescu A. 2021. Assessing Groundwater Vulnerability: DRASTIC and DRASTIC-Like Methods: A Review, Water 2020, 12 (1356):1-22. doi:10.3390/w12051356.
7. Belle J A, Saungweme, K E, Ojo T O. 2020. An evaluation of groundwater vulnerability to pollution in Ga-segonyana municipality area, Kuruman, Northern Cape in South Africa, Published by Elsevier B.V, Groundwater for Sustainable Development 11 (2020) 100389: 1-7. doi: https://doi.org/10.1016/j.gsd.2020.100389.
8. Benabdelouahab S, Salhi A, Himic M, Jamal Eddine J, El Messaria S, Ponsatid A, Casas M, Hakim B, Abdelhamid, Abdelhamid. 2018.Using resistivity methods to characterize the geometry and assess groundwater vulnerability of a Moroccan coastal aquifer, Groundwater for Sustainable Development, journal Elsevier, 7 (2018): 293–304. doi: https://doi.org/10.1016/j.gsd.2018.07.004.
9. Bera A, Prasad Mukhopadhyay B, Chowdhury P, Ghosh A, Biswas S. 2021. Groundwater vulnerability assessment using GIS-based DRASTIC model in Nangasai River Basin, India with special emphasis on agricultural contamination. journal homepage: www.elsevier.com/locate/ecoenv. doi:https://doi.org/10.1016/j.ecoenv.2021.112085
10. Bhuvaneswaran C, Ganesh A. 2019. Spatial assessment of groundwater vulnerability using DRASTIC model with GIS in Uppar odai sub-watershed, Nandiyar, Cauvery Basin, Tamil Nadu, Groundwater for Sustainable Development, Published by Elsevier, 9 (2019) 100270. doi: https://doi. org/10.1016/j.gsd.2019.100270.
11. Boufekane A, Saighi O. 2013. Assessment of groundwater pollution by nitrates using intrinsic vulnerability methods: a case study of Nil Valley Groundwater (Jijel, North-East Algeria), African Journal of Environmental Science and Technology, 7(10), 949-960. doi:https://doi.org/10.1111/gwat.12582.
12. Duttagupta S, Mukherjee A, Das K, Dutta A, Bhattacharya A, Bhattacharya J.2020. Groundwater vulnerability to pesticide pollution assessment in the alluvial aquifer of Western Bengal basin, India using overlay(Drastic) and index method, Geochemistry 80 (2020) 125601, journal Elsevier. https://doi.org/10.1016/j.chemer.2020.125601.
13. Entezari M, Amiri F, Tabatabaie T. 2018. A GIS, DRASTIC techniques for assessing groundwater vulnerability in Torghabeh –Shandiz watershed of Khorasan county, Journal RS & GIS for Natural Resources, 9(3):19-32. [In Persian]
14. Guettaia S, Hacini M, Boudjema A, Zahrouna A. 2017. Vulnerability assessment of an aquifer in an arid environment and comparison of the applied methods: case of the mio-plio-quaternary aquifer, International Conference on Technologies and Materials for Renewable Energy, Environment and Sustainability, TMREES17, Beirut Lebanon, Published by Elsevier Ltd. doi:https://doi.org/10.1016/j.egypro.2017.07.057.
15. Hasan M, Islam A, Hasan MA, Alam J, Peas M.H. 2019. Groundwater vulnerability assessment in Savar upazila of Dhaka district, Bangladesh - A GIS-based DRASTIC modeling, Groundwater for Sustainable Development (2019). doi: https://doi.org/10.1016/ j.gsd.2019.100220.
16. Kazakis N, voudouris K. 2015. Comparison of three applied methods of groundwater vulnerability mapping: a Case study from the Florina Basin, Northern Greece, Proceedings of 9th International Hydrogeological Congress, Kalavrita, Greece, Advances in the Research of Aquatic Environment, Springer, 359–367. doi:https://doi.org/10.1016/j. jhydrol.2015.03.035.
17. Knouz N, Bachaoui ElM, Boudhar A. 2017. Cartography of intrinsic aquifer vulnerability to pollution using GODS method: Case study Beni Amir groundwoter, Tadla, Morocco, Journal of Materials and Environmental Sciences(JMES), 8(3): 1046-1053.doi:http:/doi.org/10.26872 /jmes.2017.8.3.441.
18. Laura H, Lhoussaine B, Sokaina T, Barbara R. 2020. Index-based groundwater vulnerability and water quality assessment in the arid region of Tata city (Morocco), Published by Elsevier B.V. Groundwater for Sustainable Development. doi: https://doi.org/10.1016/j.gsd.2020.100344.
19. Malik MS, Shukla J.P. 2019. GIS modeling approach for assessment of groundwater vulnerability in parts of Tawa river catchment area, Hoshangabad, Madhya Pradesh, India, Groundwater for Sustainable Development, Published by Elsevier B.V,9 (2019) 100249. doi: https://doi.org/10.1016/j.gsd.2019.100249.
20. Mfonka Z, Ndam Ngoupayou JR, Ndjigui PD, Kpoumie A, Zammouri M, Ngouh AN, Mouncherou OF F, Rakotondrabe F, Rasolomanana EH. 2018. A GIS-Based DRASTIC and GOD models for assessing alterites aquifer of three experimental watersheds in Foumban (Western-C a m e r o o n), Groundwater for Sustainable Development. doi: https://doi.org/10.1016/j.gsd.2018.06.006.
21. Moradi P, Rouhi H, Rangzan K, Kalantari N, Ghanbari N. 2017. Assessing groundwater vulnerability in Ramhormoz aquifer using a GIS and DRASTIC Techniques, Journal RS & GIS for Natural Resources, 7(4): 62-78. [In Persian]
22. Nakhostinrouhi1 M, Rezaei Moghaddam M H, Rahimpour T. 2019. Evaluating the Aquifer Vulnerability in Ajabshir Plain to Prevent Contamination Risks and Apply Optimal Management, Journal of Natural Environmental Hazards, (l.08)20: 55-67. doi: 10.22111/JNEH.2018.22204.1322. [In Persian]
23. Prasad RK, Mondal NC, Banerjee P, Nandakumar MV, Singh VS. 2008. Deciphering potential groundwater zone in hard rock through the application of GIS, Environmental Geology, 55(3): 467-475. doi: http://dx.doi.org/ 10.1007/s00254-007-0992-3.
24. Rahman A. 2008. A GIS-based DRASTIC model for assessing groundwater vulnerability in shallow Aquifer in Aligarh, India, Applied Geography, 28: 32-53.doi: http://dx.doi.org/ 10.1016/j.apgeog.2 007.07.008.
25. Shrestha S, Semkuyu D, John P, Pandey V. 2016. Assessment of groundwater vulnerability and risk to pollution in Kathmandu Valley, Nepal, Science of the Total Environment, Journal Elsevier, 556 (2016): 23–35. doi: http://dx.doi.org/10.1016/j.scitotenv.2016.03.021.
26. Stigter TY, Ribeiro L, Carvalho M, Dill A.M.2006. Evaluation of an intrinsic and a specific vulnerability assessment method in comparison with groundwater salinisation and nitrate contamination levels in two agricultural regions in the south of Portugal, Hydrogeol J, (14):79–99. doi: http://dx.doi.org/10.1007/s10040-004-0396-3.
Abstract
Evaluation of Groundwater Vulnerability of aquifers in Aisin plain by DRASTIC and GODS models and GIS
The purpose of this study was to prepare a map of groundwater vulnerability in the Aisin plain by DRASTIC and GODS methods and with the help of GIS system. The DRASTIC method consists of a combination of seven measurable and effective hydrogeological characteristics in the transfer of contamination to groundwater, including groundwater depth, net recharge, aquifer, soil environment, topography, Impact of vadose zone and hydraulic conductivity and the GODS model has four characteristics of aquifer type, Impact of vadose zone, groundwater depth and soil type which was used in research. Preparation of layers of each model and their ranking and weighting is done using GIS, then vulnerability maps were prepared from the overlap of these layers. The results of the final map of Aisin aquifer vulnerability by DRASTIC method, which is almost the most complete indicator for assessing groundwater vulnerability, showed that most of the aquifer surface of this The plain has a range of low to medium vulnerability (33.66%) and the lowest level of high vulnerability (10.84%) in the west of the study area. Also, the results of GODS model showed that most of the Aisin plain (66.83%) is in the range of moderate vulnerability with ranks between 0.5 to 0.3 and the lowest level (11.31%) is related to high vulnerability potential with a rank of 0.5 to 0.7. In general, in both methods, the inherent vulnerability of the Aisin aquifer has been evaluated in low to high vulnerability ranges, but the extent of expansion of their vulnerability ranges has been different. And the DRASTIC model of different areas of vulnerability due to more characteristics and different weighting of these characteristics based on their role in Determination of contamination is more accurately identified.
Keywords:
Groundwater, DRASTIC method, geographical information system,GODS model, Aisin plain