Identification of villages at risk of subsidence in Ardabil plain using fuzzy-network analysis in GIS
Subject Areas : Applications in water resources management
Bahram Imani
1
,
Jafar Jafarzadeh
2
1 - Associate Professor, Department of Geography and Rural Planning, Faculty of Social Sciences, University of Mohaghegh Ardabili, Iran
2 - Instructor, Department of Geography and Rural and Urban Planning, Faculty of Social Sciences, University of Mohaghegh Ardabili, Iran
Keywords: Subsidence, Ardabil Plain, fuzzy analysis, Aquifer, Geographic Information System (GIS),
Abstract :
Background and Objective In recent years, due to climate change and drought, as well as the lack of supervision in digging agricultural wells, many of the country's aquifers have been harvested improperly, which has led to a negative balance of these aquifers to the extent that, according to the Geological Survey, most of the country's plains have experienced a drop in groundwater levels. Today, the study, planning and planning to reduce the risks of natural hazards is one of the main issues of officials and planners of countries. One of the hazards that are less considered due to gradual performance is the phenomenon of subsidence, which in recent years due to increased use of important aquifers in the plains of the country has become a pervasive problem. In this research, an attempt has been made to investigate the possibility of subsidence and its possible dangers as a threat to human projects as well as rural settlements in the Ardabil plain.tpMaterials and Methods The study area of Ardabil plain is located between the latitude of thirty-eight degrees and thirty minutes north latitude to thirty-eight degrees and thirty minutes and the longitude of east geography forty-eight degrees and fifteen minutes to forty-eight degrees and thirty-five minutes in the northwestern part of Ardabil province. To investigate the groundwater status of the plain, data from 38 observation wells prepared by the Ardabil Regional Water Organization and located at the plain level have been used. First, using 30-year statistics of 65 observation wells and GIS, a water potential drop map for the region was prepared. Then, using fuzzy Dematel model, experts' opinions were collected and modeled. This method is one of the conceptual methods for structuring decision problems. The Dematel technique is based on graph theory, and in this way we can divide the criteria into two groups of cause and effect criteria to gain a better understanding of the cause-and-effect relationship and finally be able to create a network of interrelationships. Finally, after creating the general relationship matrix and according to the defined threshold size, we create the final relationship matrix in which the number zero means no relationship and the number one means the relationship between two criteria. Using the final relations matrix, we conduct a survey of experts on the extent to which factors affect each other with respect to their interdependence. After the data was obtained from the relevant organizations, a database was created for the information in the ArcCatalog software environment, and then maps related to this data were created in ArcGIS software. After the weights of the different layers were obtained using the fuzzy network analysis method, they entered the ArcGIS software and multiplied the weights of each sub-criterion in the map we created for each layer and finally gathered the maps together to get a final map Came. The final map shows the areas of Ardabil plain that are classified in terms of subsidence risk and in five categories in terms of danger status were shown with color spectrum. Then, the area with severe water loss was selected and compared with the scattering map of deep wells. In the last step, using advanced and fuzzy hybrid models and network analysis in the software environment of GIS, each of the layers of sediment sensitivity and water level drop membership is determined and using fuzzy linear overlap, the area sensitivity map to subsidence in five classes of very sensitivity High, high sensitivity, medium sensitivity, low sensitivity and very low sensitivity were prepared. To prepare the final map of subsidence risk status in Ardabil plain, first the obtained weights for each sub-factor were multiplied in the fuzzy maps of that sub-factor and then these weighted maps were aggregated using the Raster Calculator tool. The final fuzzy map of subsidence risk assessment of Ardabil plain is changing with the color spectrum changes from blue, which represents the lowest, to red, which represents the highest. The blue color indicates low risk areas and the red color indicates high risk areas in terms of subsidence risk in Ardabil plain and villages located in this area.Results and Discussion After obtaining the initial plan to assess the subsidence risk status and areas at risk of subsidence in Ardabil plain, the final map to assess the status of Ardabil plain in terms of land subsidence risk has been prepared according to the weights and layers obtained. Since all the base layer maps were reclassified into five layers and the weight corresponding to each layer was given according to the condition of the layers, the final map was classified and weighted into five layers, which according to experts and professors is as follows; 1) Low risk areas, 2) Medium risk areas, 3) High risk, 4) Damaged areas, 5) Critical areas. Finally, using the final map of Ardabil plain subsidence risk assessment, as well as the ranking obtained from the opinions of relevant experts, the final map of Ardabil plain subsidence risk analysis was prepared. Also, the map of deep wells in Ardabil plain and its distribution in rural areas, it can be seen that the highest distribution and concentration of deep wells in the eastern part of the plain is in Wilkij e Markazi and Fooladloo e Shomali villages. This situation shows the scattering position of deep wells showing the proportionality of the scattering of deep wells in areas at risk of subsidence.Conclusion Wilkij e Markazi, Fooladloo e Shomali, and Fooladloo e Sharghi have the highest levels of vulnerability in terms of subsidence risk status. The critical situation of landslide risk is the highest in these three villages. Also, Kalkhoran and Aghbalagh Aqajan Khan villages are moving from a moderate to a vulnerable situation, which requires more care in managing and planning the water resources of these villages. Also, there is a strong relationship between the distribution of deep wells in the Ardabil plain and areas at high risk of subsidence. Also, according to the results obtained the groundwater status sub-criterion with a weight of 0.38 has the greatest impact on the subsidence risk of Ardabil plain. This weight shows the high impact of this sub-criterion by examining other layers related to groundwater status and population dispersion layer.
Abedini M. 2013. Investigating the causes of subsidence in Ardabil plain and its effects in the city. Natural Geography, 6(19): 71-84. https://www.sid.ir/en/journal/ViewPaper.aspx?id=222459. (In Persian).
Agricultural Statistics of Ardabil City (ASAC). 2019. Ardabil Agricultural Jihad Organization. Administration. Water and soil management. 130 p. (In Persian).
Arvin A, Vahabzadeh G, Mousavi SR, Bakhtyari Kia M. 2019. Geospatial modeling of land subsidence in the south of the Minab watershed using remote sensing and GIS. Journal of RS and GIS for Natural Resources (Journal of RS and GIS for Natural Resources), 10(3): 19-34. https://girs.bushehr.iau.ir/article_668468.html?lang=en. (In Persian).
Asghari Saraskanroud S, Ghale E, Ebady E. 2021. Investigation of land use changes and its relationship with groundwater level (Case study: Ardabil plain). Journal of RS and GIS for Natural Resources, 12(1): 86-106. doi:http://dorl.net/dor/20.1001.1.26767082.1400.12.1.5.6. (In Persian).
Bayer B, Simoni A, Mulas M, Corsini A, Schmidt D. 2018. Deformation responses of slow moving landslides to seasonal rainfall in the Northern Apennines, measured by InSAR. Geomorphology, 308: 293-306. doi:https://doi.org/10.1016/j.geomorph.2018.02.020.
Daneshvar Vousoughi F, Dinpashoh Y, Aalami M. 2011. Effect of drought on groundwater level in the past two decades (Case study: Ardebil Plain). Water and Soil Science, 21(4): 165-179. (In Persian).
Ekbal H, Wright TJ, Walters RJ, Bekaert DPS, Lloyd R, Hooper A. 2018. Constant strain accumulation rate between major earthquakes on the North Anatolian Fault. Nature Communications, 9(1): 1392. doi:https://doi.org/10.1038/s41467-018-03739-2.
Esfandiari F, Ghorbani Filabadi R, Nasiri Khiavi A, Mostafazadeh R. 2019. Assessing the accuracy of algebraic and geostatistical techniques to determine the spatial variations of groundwater quality in Boroojen Plain. Journal of Natural Environmental Hazards, 8(20): 115-130. doi:https://doi.org/10.22111/jneh.2018.22500.1335.
Gharechelou S, Akbari Ghoochani H, Golian S, Ganji K. 2021. Evaluation of land subsidence relationship with groundwater depletion using Sentinel-1 and ALOS-1 radar data (Case study: Mashhad plain). Journal of RS and GIS for Natural Resources, 12(3): 40-61. doi:http://dorl.net/dor/20.1001.1.26767082.1400.12.3.3.8. (In Persian).
Haji Hosseinlou h. 2018. Assessing the decreasein the level of ground water table using geographic information system (GIS) (Case study: Khoy plain aquifer). Journal of Geography and Environmental Hazards, 7(2): 53-74. doi:https://doi.org/10.22067/geo.v7i2.67365. (In Persian).
Imani B, Jafarzadeh J. 2022. Identification of villages at risk of subsidence in Ardabil plain using fuzzy-network analysis in GIS. Journal of RS and GIS for Natural Resources, 13(2): 15-18. doi:http://dorl.net/dor/20.1001.1.26767082.1401.13.2.4.4. (In Persian).
Intrieri E, Raspini F, Fumagalli A, Lu P, Del Conte S, Farina P, Allievi J, Ferretti A, Casagli N. 2018. The Maoxian landslide as seen from space: detecting precursors of failure with Sentinel-1 data. Landslides, 15(1): 123-133. doi:https://doi.org/10.1007/s10346-017-0915-7.
Jafarzadeh J, Rostamzadeh H, Asadi E. 2017. Modeling temporal of groundwater level using basic techniques of time series analysis (Case study: Ardabil plain). Water and Soil Science, 27(4): 185-196. (In Persian).
Jafarzadeh J, Rostamzadeh H, Nikjoo M, Asadi E. 2017. Potential assessment of available water resources of Ardabil plain using fuzzy analytic network process (FANP) in GIS. Geography and Planning, 21(61): 145-164. (In Persian).
Junfei C, Yang Y. 2011. A fuzzy ANP-based approach to evaluate region agricultural drought risk. Procedia Engineering, 23: 822-827. doi:https://doi.org/10.1016/j.proeng.2011.11.2588.
Li YP, Huang GH, Nie SL. 2010. Planning water resources management systems using a fuzzy-boundary interval-stochastic programming method. Advances in Water Resources, 33(9): 1105-1117. doi:https://doi.org/10.1016/j.advwatres.2010.06.015.
Mokhtari D, Ebrahimy H, Salmani S. 2019. Land subsidence susceptibility modeling using random forest approach (Case study: Tasuj plane catchment). Journal of RS and GIS for Natural Resources, 10(3): 93-105. doi:https://girs.bushehr.iau.ir/article_668475.html?lang=en. (In Persian).
Nas B, Berktay A. 2010. Groundwater quality mapping in urban groundwater using GIS. Environmental Monitoring and Assessment, 160(1): 215-227. doi:https://doi.org/10.1007/s10661-008-0689-4.
Rostamzadeh H, Asadi E, Jararzadeh J. 2015. Evaluation of the groundwater table using multi-criteria decision making and spatial analysis, case study: Ardebil plain. Journal of Spatial Analysis Environmental Hazarts, 2(1): 31-42. doi:https://doi.org/10.18869/acadpub.jsaeh.2.1.31. (In Persian).
Saaty TL. 2007. Multi-decisions decision-making: In addition to wheeling and dealing, our national political bodies need a formal approach for prioritization. Mathematical and Computer Modelling, 46(7): 1001-1016. doi:https://doi.org/10.1016/j.mcm.2007.03.023.
Shahid SU, Iqbal J, Hasnain G. 2014. Groundwater quality assessment and its correlation with gastroenteritis using GIS: a case study of Rawal Town, Rawalpindi, Pakistan. Environmental Monitoring and Assessment, 186(11): 7525-7537. doi:https://doi.org/10.1007/s10661-014-3945-9.
Shieh J-I, Wu H-H, Huang K-K. 2010. A DEMATEL method in identifying key success factors of hospital service quality. Knowledge-Based Systems, 23(3): 277-282. doi:https://doi.org/10.1016/j.knosys.2010.01.013.
Shrestha S, Nakamura T, Magome J, Aihara Y, Kondo N, Haramoto E, Malla B, Shindo J, Nishida K. 2018. Groundwater use and diarrhoea in urban Nepal: novel application of a geostatistical interpolation technique linking environmental and epidemiologic survey data. International Health, 10(5): 324-332.
Tzeng G-H, Chiang C-H, Li C-W. 2007. Evaluating intertwined effects in e-learning programs: A novel hybrid MCDM model based on factor analysis and DEMATEL. Expert Systems with Applications, 32(4): 1028-1044. doi:https://doi.org/10.1016/j.eswa.2006.02.004.
Wang Y-J. 2020. Combining quality function deployment with simple additive weighting for interval-valued fuzzy multi-criteria decision-making with dependent evaluation criteria. Soft Computing, 24(10): 7757-7767. doi:https://doi.org/10.1007/s00500-019-04394-5.
Wu W-W. 2008. Choosing knowledge management strategies by using a combined ANP and DEMATEL approach. Expert Systems with Applications, 35(3): 828-835. doi:https://doi.org/10.1016/j.eswa.2007.07.025.
Zhou Q, Huang W, Zhang Y. 2011. Identifying critical success factors in emergency management using a fuzzy DEMATEL method. Safety Science, 49(2): 243-252. doi:https://doi.org/10.1016/j.ssci.2010.08.005.
Zhou X, Shi Y, Deng X, Deng Y. 2017. D-DEMATEL: A new method to identify critical success factors in emergency management. Safety Science, 91: 93-104. doi:https://doi.org/10.1016/j.ssci.2016.06.014.
_||_Abedini M. 2013. Investigating the causes of subsidence in Ardabil plain and its effects in the city. Natural Geography, 6(19): 71-84. https://www.sid.ir/en/journal/ViewPaper.aspx?id=222459. (In Persian).
Agricultural Statistics of Ardabil City (ASAC). 2019. Ardabil Agricultural Jihad Organization. Administration. Water and soil management. 130 p. (In Persian).
Arvin A, Vahabzadeh G, Mousavi SR, Bakhtyari Kia M. 2019. Geospatial modeling of land subsidence in the south of the Minab watershed using remote sensing and GIS. Journal of RS and GIS for Natural Resources (Journal of RS and GIS for Natural Resources), 10(3): 19-34. https://girs.bushehr.iau.ir/article_668468.html?lang=en. (In Persian).
Asghari Saraskanroud S, Ghale E, Ebady E. 2021. Investigation of land use changes and its relationship with groundwater level (Case study: Ardabil plain). Journal of RS and GIS for Natural Resources, 12(1): 86-106. doi:http://dorl.net/dor/20.1001.1.26767082.1400.12.1.5.6. (In Persian).
Bayer B, Simoni A, Mulas M, Corsini A, Schmidt D. 2018. Deformation responses of slow moving landslides to seasonal rainfall in the Northern Apennines, measured by InSAR. Geomorphology, 308: 293-306. doi:https://doi.org/10.1016/j.geomorph.2018.02.020.
Daneshvar Vousoughi F, Dinpashoh Y, Aalami M. 2011. Effect of drought on groundwater level in the past two decades (Case study: Ardebil Plain). Water and Soil Science, 21(4): 165-179. (In Persian).
Ekbal H, Wright TJ, Walters RJ, Bekaert DPS, Lloyd R, Hooper A. 2018. Constant strain accumulation rate between major earthquakes on the North Anatolian Fault. Nature Communications, 9(1): 1392. doi:https://doi.org/10.1038/s41467-018-03739-2.
Esfandiari F, Ghorbani Filabadi R, Nasiri Khiavi A, Mostafazadeh R. 2019. Assessing the accuracy of algebraic and geostatistical techniques to determine the spatial variations of groundwater quality in Boroojen Plain. Journal of Natural Environmental Hazards, 8(20): 115-130. doi:https://doi.org/10.22111/jneh.2018.22500.1335.
Gharechelou S, Akbari Ghoochani H, Golian S, Ganji K. 2021. Evaluation of land subsidence relationship with groundwater depletion using Sentinel-1 and ALOS-1 radar data (Case study: Mashhad plain). Journal of RS and GIS for Natural Resources, 12(3): 40-61. doi:http://dorl.net/dor/20.1001.1.26767082.1400.12.3.3.8. (In Persian).
Haji Hosseinlou h. 2018. Assessing the decreasein the level of ground water table using geographic information system (GIS) (Case study: Khoy plain aquifer). Journal of Geography and Environmental Hazards, 7(2): 53-74. doi:https://doi.org/10.22067/geo.v7i2.67365. (In Persian).
Imani B, Jafarzadeh J. 2022. Identification of villages at risk of subsidence in Ardabil plain using fuzzy-network analysis in GIS. Journal of RS and GIS for Natural Resources, 13(2): 15-18. doi:http://dorl.net/dor/20.1001.1.26767082.1401.13.2.4.4. (In Persian).
Intrieri E, Raspini F, Fumagalli A, Lu P, Del Conte S, Farina P, Allievi J, Ferretti A, Casagli N. 2018. The Maoxian landslide as seen from space: detecting precursors of failure with Sentinel-1 data. Landslides, 15(1): 123-133. doi:https://doi.org/10.1007/s10346-017-0915-7.
Jafarzadeh J, Rostamzadeh H, Asadi E. 2017. Modeling temporal of groundwater level using basic techniques of time series analysis (Case study: Ardabil plain). Water and Soil Science, 27(4): 185-196. (In Persian).
Jafarzadeh J, Rostamzadeh H, Nikjoo M, Asadi E. 2017. Potential assessment of available water resources of Ardabil plain using fuzzy analytic network process (FANP) in GIS. Geography and Planning, 21(61): 145-164. (In Persian).
Junfei C, Yang Y. 2011. A fuzzy ANP-based approach to evaluate region agricultural drought risk. Procedia Engineering, 23: 822-827. doi:https://doi.org/10.1016/j.proeng.2011.11.2588.
Li YP, Huang GH, Nie SL. 2010. Planning water resources management systems using a fuzzy-boundary interval-stochastic programming method. Advances in Water Resources, 33(9): 1105-1117. doi:https://doi.org/10.1016/j.advwatres.2010.06.015.
Mokhtari D, Ebrahimy H, Salmani S. 2019. Land subsidence susceptibility modeling using random forest approach (Case study: Tasuj plane catchment). Journal of RS and GIS for Natural Resources, 10(3): 93-105. doi:https://girs.bushehr.iau.ir/article_668475.html?lang=en. (In Persian).
Nas B, Berktay A. 2010. Groundwater quality mapping in urban groundwater using GIS. Environmental Monitoring and Assessment, 160(1): 215-227. doi:https://doi.org/10.1007/s10661-008-0689-4.
Rostamzadeh H, Asadi E, Jararzadeh J. 2015. Evaluation of the groundwater table using multi-criteria decision making and spatial analysis, case study: Ardebil plain. Journal of Spatial Analysis Environmental Hazarts, 2(1): 31-42. doi:https://doi.org/10.18869/acadpub.jsaeh.2.1.31. (In Persian).
Saaty TL. 2007. Multi-decisions decision-making: In addition to wheeling and dealing, our national political bodies need a formal approach for prioritization. Mathematical and Computer Modelling, 46(7): 1001-1016. doi:https://doi.org/10.1016/j.mcm.2007.03.023.
Shahid SU, Iqbal J, Hasnain G. 2014. Groundwater quality assessment and its correlation with gastroenteritis using GIS: a case study of Rawal Town, Rawalpindi, Pakistan. Environmental Monitoring and Assessment, 186(11): 7525-7537. doi:https://doi.org/10.1007/s10661-014-3945-9.
Shieh J-I, Wu H-H, Huang K-K. 2010. A DEMATEL method in identifying key success factors of hospital service quality. Knowledge-Based Systems, 23(3): 277-282. doi:https://doi.org/10.1016/j.knosys.2010.01.013.
Shrestha S, Nakamura T, Magome J, Aihara Y, Kondo N, Haramoto E, Malla B, Shindo J, Nishida K. 2018. Groundwater use and diarrhoea in urban Nepal: novel application of a geostatistical interpolation technique linking environmental and epidemiologic survey data. International Health, 10(5): 324-332.
Tzeng G-H, Chiang C-H, Li C-W. 2007. Evaluating intertwined effects in e-learning programs: A novel hybrid MCDM model based on factor analysis and DEMATEL. Expert Systems with Applications, 32(4): 1028-1044. doi:https://doi.org/10.1016/j.eswa.2006.02.004.
Wang Y-J. 2020. Combining quality function deployment with simple additive weighting for interval-valued fuzzy multi-criteria decision-making with dependent evaluation criteria. Soft Computing, 24(10): 7757-7767. doi:https://doi.org/10.1007/s00500-019-04394-5.
Wu W-W. 2008. Choosing knowledge management strategies by using a combined ANP and DEMATEL approach. Expert Systems with Applications, 35(3): 828-835. doi:https://doi.org/10.1016/j.eswa.2007.07.025.
Zhou Q, Huang W, Zhang Y. 2011. Identifying critical success factors in emergency management using a fuzzy DEMATEL method. Safety Science, 49(2): 243-252. doi:https://doi.org/10.1016/j.ssci.2010.08.005.
Zhou X, Shi Y, Deng X, Deng Y. 2017. D-DEMATEL: A new method to identify critical success factors in emergency management. Safety Science, 91: 93-104. doi:https://doi.org/10.1016/j.ssci.2016.06.014.
شناسایی روستاهای در معرض خطر فرونشست در دشت اردبیل با استفاده از تحلیل شبکهای_فازی در سیستم اطلاعات جغرافیایی
چکیده
امروزه بررسی و مطالعه و برنامهریزی جهت کاهش خطرات مخاطرات طبیعی از مسائل اساسی مسئولان و برنامهریزان کشورهاست. یکی از مخاطراتی که بهدلیل عملکرد تدریجی کمتر موردتوجه قرار میگیرد پدیده فرونشست است که در سالهای اخیر بهعلت افزایش بهرهبرداری از سفرههای زیرزمینی مهم در دشتهای بارز کشور بهصورت مشکلی فراگیر نمایان شده است. در این تحقیق تلاش شده است که امکان وقوع پدیده فرونشست و خطرات احتمالی آن بهعنوان یک تهدید در انجام پروژههای انسانی و همچنین سکونتگاههای روستایی در محدوده دشت اردبیل موردبررسی قرار گیرد. نخست با استفاده از آمار 30 ساله 65 چاه مشاهدهای و سامانه اطلاعات جغرافیایی، نقشه پتانسیل افت آب برای منطقه تهیه شد. سپس با استفاده از مدل دماتل فازی اقدام به جمعآوری و مدلسازی نظرات کارشناسان شد. بعد ناحیهای که افت شدید آب داشت انتخاب و با نقشه پراکندگی چاههای عمیق مقایسه شد. در مرحله آخر با استفاده از مدلهای پیشرفته و ترکیبی فازی و تحلیل شبکهای در محیط نرمافزار سامانه اطلاعات جغرافیایی هر یک از لایههای حساسیت رسوبات و افت سطح آب تعیین عضویت و با استفاده از همپوشانی خطی فازی نقشه حساسیت منطقه به پدیده فرونشست در پنج کلاس حساسیت بسیار بالا، حساسیت بالا، حساسیت متوسط، حساسیت پایین و حساسیت بسیار پایین تهیه شد. بر اساس نقشه یادشده مشاهده میشود که قسمتهای شرق و جنوب شرق دشت اردبیل در وضعیت بحرانی واقعشدهاند. این قسمتها شامل روستاهای آغبلاغ رستم خان، تپراقلو و پیراقوم بوده که در منطقه پرخطر واقعشده و خطر فرونشست در این مناطق بسیار بالا است. همچنین با توجه به وزن بهدستآمده برای زیرمعیارهای پژوهش، زیرمعیار آب زیرزمینی با وزن 38/0 بیشترین تأثیر را در بررسی حساسیت ایجاد کرده است.
واژگان کلیدی: فرونشست، تحلیل فازی، سیستم اطلاعات جغرافیایی، دشت اردبیل، آبخوان.
در سالهای اخير به دليل تغييرات اقليمي و خشکسالی و همچنين فقدان نظارت در حفر چاههای كشاورزي بسياري از سفرههاي زیرزمینی كشور مورد برداشت غيراصولي قرارگرفتهاند كه اين امر موجب منفي شدن بيلان اين آبخوانها شده است تا جايي كه بنا بر گزارش سازمان زمينشناسي بيشتر دشتهاي كشور دچار افت سطح آب زيرزميني شدهاند (12). گذشته از این امر که آبهای زيرزميني يك ثروت ملي و استراتژيك محسوب شده و بايد در برداشت از آنها برنامهريزي دقيقتري انجام گيرد، پديده فرونشست ناشی از افت زياد آب در دشتها نيز ميتواند موردتوجه قرار گیرد (17). در تعریف پدیده فرونشست میتوان گفت که فرونشست عبارت است از حرکت به سمت پايين سطح زمين كه ميتواند با اندکی حالت افقي همراه باشد (5، 20). پدیده فرونشست هم ميتواند علت طبيعي داشته باشد مانند انحلال، حركت آرام پوسته، ذوب شدن لايههاي منجمد دائمي در اعماق زمين و ريزش فرو چالهها و هم ميتواند در اثر فعاليتهاي انساني مانند کاوش معدن، زهكشي خاكهاي ارگانيك و افت سطح آب سفرههاي زیرزمینی در اثر استفاده بيرويه صورت گيرد (17). آبهاي زیرزمیني منبع بسیار مهمي برای تأمین آب مصرفي در بخشهاي کشاورزي، صنعت و شرب دشت اردبیل است. ازاینرو، بررسی تغییرات منابع آب زیرزمینی در برنامهریزی و مدیریت پایدار این منابع و همچنین کاهش خطرات ناشی از برداشت بیرویه اهمیت فراوانی دارد (22). راهکارهای مناسب برای مدیریت بحران ناشی از آب و همچنین سازگاری با مسئله کمبود آب، نیازمند شناخت و اطلاع داشتن از نحوه وقوع و تهدیدهای ناشی از آن بر منابع آب موجود خواهد بود (14، 15). دانشور وثوقی و همکاران (6) در تحقیقی به بررسی تأثیر خشکسالی در تراز آب زیرزمینی دشت اردبیل پرداخته و در این تحقیق از روش آزمون من-کندال استفاده کردهاند. ایشان در تحقیق خود به این نتیجه رسیدند که تغییرات بارندگی در این دشت دارای روندی معنیدار نبوده است. آنها در این پژوهش اعلام کردند که کاهش سطح ایستابی آب چاههای دشت به علت کمبود بارش نبوده است بلکه به دلیل برداشت بیرویه آب از چاههای عمیق واقع در دشت بوده است. عابدینی (1) یکی از دلایل وجود فرونشست در دشت اردبیل را تغییرات اقلیمی و برداشت غیراصولی از چاههای عمیق و نیمه عمیق دشت اعلام کرده است. ایشان در تحقیق خود به این نتیجه رسیدهاند که افزایش نسبی دما و کاهش بارش و به دنبال آن برداشت غیراصولی از منابع آب زیرزمینی دشت اردبیل یکی از مهمترین عوامل رخداد پدیده فرونشست در این دشت میتواند باشد. جعفر زاده و همکاران (15) در تحقیقی به ارزیابی منابع آب این دشت پرداخته و مناطق در معرض برداشت بیرویه و غیراصولی از منابع آب زیرزمینی را مکانیابی کرده است. بر اساس تحقیق ایشان مناطقی از جنوب شرق و همچنین قسمتهایی از شرق این دشت در معرض آسیب خطرات ناشی از برداشت غیراصولی از منابع آب قرارگرفتهاند. موسوی و همکاران (19) در تحقیق خود به بررسی فرونشست زمین ناشی از برداشت بیرویه آب زیرزمینی در دشت کردی شیرازی، استان هرمزگان پرداختهاند. طبق این پژوهش، برداشت بیرویه از آبخوان آبرفتی دشت کردی شیرازی ضمن افت سطح آب زیرزمینی باعث ایجاد بار فشاری ویژهای به رسوبات تشکیلدهنده آبخوان و بنابراین فشردگی و نشست آنها شده است. طبق نتایج بهدستآمده از این تحقیق دو عامل افت سطح آب زیرزمینی و تغییراتی در ضخامت لایه ریزدانه رسی باعث ایجاد نشست نامتقارن، ایجاد منطقه کششی و به وجود آمدن شکاف در دشت کردی شیرازی شده است. نوری و فلاحپور (21) به بررسی علل و پیامدهای تشکیل فرو چاله و فرونشست زمین در استان یزد پرداختهاند. بر مبنای مطالعات آنها، همه آبخوانهای استان یزد طی سالهای گذشته، بهطور متوسط حدود 5 تا 25 متر افت داشتهاند. برداشت بیرویه آب بیش از توان سفرههای آبی استان یزد، پیامدهای نامطلوبی همچون تغییر کیفیت آب زیرزمینی، نشست زمین، ایجاد درز و شکاف و فرو چاله در سطح زمین و بناها را موجب شده است. قرهچلو (11) در تحقیقی به ارزیابی میزان فرونشست زمین در ارتباط با آبهای زیرزمینی بهکمک داده ماهوارههای راداری سنتینل-1 و الوس-1 در محدوده مطالعاتی دشت مشهد پرداخته است. ایشان در این تحقیق به این نتیجه رسیدهاند که با تطبیق نقشه همافت سطح آب زیرزمینی در دشت مشهد با موقعیت چاههای شناساییشده در منطقه فرونشست یافته مشخص شد، بیشترین افت سطح آب مربوط به منطقه فرونشست یافته هست. درنتیجه بیشترین فرونشست در قسمتی از دشت که بیشترین افت سطح آب زیرزمینی داشت رخداده است. آروین و همکاران (3) در تحقیق خود به مدلسازی مکانی فرونشست زمین در جنوب حوزه آبخیز میناب با استفاده از سنجشازدور و سیستم اطلاعات جغرافیایی پرداختند. در تحقیق ایشان تحلیل خودهمبستگی فضایی و شاخص موران خوشهای بودن رخداد فرونشست تحت تأثیر تغییرات سطح آب در منطقه موردمطالعه را به میزان 925/0 نشان داد. همچنین بالا بودن امتیاز توزیع نرمال استاندارد (z) و پایین بودن مقدار سطح معنیداری نشاندهنده رابطه خودهمبستگی قوی 89/1 و 06/0 بین عناصر موردمطالعه است. ملکی و همکاران (17) در تحقیق خود به مدلسازی خطر وقوع فرونشست زمین با استفاده از الگوریتم جنگل تصادفی در منطقه مطالعاتی حوزه آبریز دشت تسوج اقدام کردهاند. بر اساس نتایج تحقیق حاصل از مدل با روش میانگین کاهشی دقت، متغیرهای سطح آب زیرزمینی، فاصله از گسل و افت سطح آب زیرزمینی تأثیر بیشتری بر پتانسیل وقوع فرونشست در منطقه موردمطالعه داشتهاند. همچنین مطابق نتایج حاصل به ترتیب 18 و 11 درصد از مساحت منطقه موردمطالعه در کلاس پرخطر و بسیار پرخطر ازنظر وقوع فرونشست قرارگرفته که حاکی از شرایط خطرناک منطقه است. اصغری سرکان رود و همکاران (4) در پژوهشی به بررسی ارتباط تغییرات کاربری اراضی دشت اردبیل با میزان برداشت از آبهای زیرزمینی پرداختهاند که نتیجه تحقیق ایشان حاکی از ارتباط معنادار میان تغییرات محسوس کاربری اراضی به سمت کاربری زمین زراعی آبی و برداشت بیشازحد از سفرههای آب زیرزمینی است. اینترری و همکاران (13) به بررسی پدیده فرونشست از طریق ماهواره سنتینل در محدوده مواژیان پرداختهاند. آنها با استفاده از روش فوکوزونو به بررسی نحوه مطالعه فرونشست پرداختهاند. اکبان حسین و همکاران (8) در تحقیقی به بررسی میزان نرخ وقوع زمینلرزه در گسل آناتولی شمالی و تأثیر آن بر فرونشست پرداختهاند. نتایج این مفهوم را پشتیبانی میکنند که مشاهدات ژئودتیکی کوتاهمدت میتوانند مستقیماً به ارزیابی خطر لرزهای درازمدت کمک کنند و حاکی از آن است که ویسکوزیتههای پوسته کمتر که از مطالعات پسلرزهای حاصل میشود، نماینده پوسته پایین در مقیاسهای مکانی و زمانی نیستند.
هدف از ارائه این پژوهش بررسی امکان وقوع پدیده فرونشست و خطرات احتمالی آن بهعنوان یک تهدید در انجام پروژههای انسانی و همچنین سکونتگاههای روستایی در محدوده دشت اردبیل است. لذا انتظار میرود روستاهای در معرض خطر پدیده فرونشست در محدوده دشت اردبیل تا حدودی مشخص شده و از وقوع خطرات احتمالی در آینده جلوگیری به عمل آید.
منطقه موردمطالعه
منطقه موردمطالعه دشت اردبیل بین عرض جغرافیای شمالی سیوهشت درجه و پنج دقیقه تا سیوهشت درجه و سی دقیقه و طول جغرافیای شرقی چهلوهشت درجه و پانزده دقیقه تا چهلوهشت درجه و سیوپنج دقیقه در بخش شمال غربی در مرکز استان اردبیل قرارگرفته است. این دشت دارای ارتفاعی در حدود 1360 متر بالاتر از سطح دریاهای آزاد بوده و وسعت کنونی آن در حدود 821 کیلومترمربع (82100 هکتار) هست (شکل 1). در سطح دشت اردبیل دو شهر اردبیل و آبی بیگلو که دارای سه بخش، ده دهستان و شصت قریه هست و در کل جمعیتی در حدود 130 هزار نفر دارد. شهر اردبیل مرکز استان اردبیل در غرب این دشت جای گرفته است (7).
شکل 1: موقعیت دشت اردبیل در استان اردبیل
Figure 1: Location of Ardabil plain in Ardabil province
منابع موجود آب زیرزمینی
پراکندگی و تعداد چاههای عمیق، نیمه عمیق، چشمه و قنات موجود در سطح دشت اردبيل در جدول شماره 1 و همچنین شکل 2 نشان دادهشده است. میزان برداشت مجموع سالیانه از این منابع آبی بهمنظور آبياري در حدود 130 ميليون مترمکعب در سال بوده و میزان برداشت سالیانه از چشمهها و قنوات برای آبياري دشت به ترتيب در حدود 3/1 و 95/0 ميليون مترمکعب هست. در جدول شماره 1 این میزان آورده شده است (2).
جدول 1: میزان برداشت از منابع آب زیرزمینی برای تأمین نیازهای آبی کشاورزی (2)
Table 1: Extraction of groundwater resources for agricultural water needs (2)
چاه | چشمه | قنات | |||
تعداد (حلقه) | حجم برداشت سالانه (مترمکعب) | تعداد (دهنه) | حجم برداشت سالانه (مترمکعب) | تعداد (رشته) | حجم برداشت سالانه (مترمکعب) |
2445 | 177127088 | 20 | 1160688 | 17 | 860075 |
شکل 2: پراکندگی چاههای نیمه عمیق، عمیق، چشمه و قنات در محدوده دشت اردبیل
Figure 2: Distribution of semi-deep, deep wells, springs and aqueducts within the Ardabil plain
برای بررسی وضعیت آب زیرزمینی دشت، از دادههای سیوهشت چاه مشاهدهای که از سازمان آب منطقهای اردبیل تهیهشدهاند و در سطح دشت قرارگرفتهاند استفادهشده است. نام محلی این چاهها و نیز مختصات جغرافیایی و سطح ایستابی آنها و نیز ارتفاع این چاهها از سطح دریا که بهصورت تراز نشان داده میشود، در جدول شماره 2 آورده شده است.
جدول 2: نام و مختصات چاههای مشاهدهای محدوده دشت اردبیل به همراه سطح ایستابی آنها (متر)
Table 2: Names and coordinates of observation wells in Ardabil plain along with their water table (meters)
تراز (متر) | سطح آب (متر) | UTMx | UTMy | نام محل |
|
53/1389 | 12/29 | 273659 | 4225686 | اراضي آراللوي بزرگ |
|
92/1308 | 23/3 | 257316 | 4250381 | اراضي جبهدار |
|
36/1373 | 20/3 | 258711 | 4237136 | اراضي حسن باري |
|
88/1391 | 90/45 | 281201 | 4227644 | اراضي خلیلآباد |
|
66/1362 | 60/26 | 269710 | 4229429 | اراضي رضي آباد |
|
05/1333 | 83/26 | 274378 | 4237231 | اراضي قره حسنلو-آقا باقر |
|
93/1318 | 92/7 | 267884 | 4244429 | اراضي كركرق |
|
95/1347 | 38 | 286657 | 4236131 | اراضي مرني |
|
49/1324 | 72/19 | 274727 | 4239697 | اراضي ميرزا رحیم لو |
|
45/1460 | 14/30 | 274370 | 4221560 | اراضي نوشهر |
|
45/1447 | 42/13 | 278047 | 4222244 | اراضي نوشهر-كركان |
|
1334 | 42/31 | 274558 | 4235792 | اراضي آغبلاغ رستم خان |
|
41/1380 | 06/4 | 267194 | 4249043 | انزاب پايين |
|
22/1434 | 6/4 | 252980 | 4239740 | ايميتچه |
|
34/1423 | 05/8 | 270624 | 4253528 | آقا زمانكندي |
|
44/1421 | 82/6 | 253450 | 4243550 | باروق |
|
27/1356 | 3/49 | 273082 | 4231267 | پيراقوم |
|
89/1314 | 92/4 | 261900 | 4246860 | تازه كندشريف آباد |
|
45/1373 | 99/62 | 277371 | 4230529 | تپراقلو |
|
95/1332 | 23/33 | 280892 | 4238104 | خليفه لو-شيخ |
|
69/1401 | 01/71 | 278226 | 4226228 | خليل آباد |
|
15/1312 | 95/5 | 273588 | 4246965 | روبروي فرودگاه |
|
65/1308 | 72/2 | 272167 | 4249700 | سربند |
|
52/1319 | 38/6 | 284499 | 4242474 | سعيد آباد |
|
94/1320 | 19/9 | 268566 | 4242376 | سلطانآباد |
|
32/1348 | 48/21 | 266888 | 4232475 | سهراهی مهماندوست |
|
98/1302 | 88/10 | 258434 | 4253510 | سهراهی طالب قشلاقي |
|
39/1349 | 97/10 | 258472 | 4243678 | صومعه-روبروي مرغداري |
|
64/1322 | 59/17 | 273238 | 4241540 | قره لر |
|
86/1329 | 97/7 | 263521 | 4241389 | كلخوران شيخ |
|
82/1456 | 34/0 | 280020 | 4221640 | كلخوران فولادلو |
|
07/1322 | 45/5 | 277430 | 4249869 | كنازق |
|
75/1315 | 52/4 | 282223 | 4246116 | گلي جديد |
|
85/1406 | 71/4 | 254850 | 4235250 | نوران |
|
61/1505 | 45/35 | 273467 | 4218486 | نوشهر |
|
97/1528 | 74/39 | 278885 | 4218256 | هير |
|
5/1368 | 80/5 | 266574 | 4256618 | ياجلو |
|
1320 | 21/2 | 279706 | 4249457 | ينگجه-جگركندي |
|
منطق فازی
تئوری فازی اولین بار در سال 1358 توسط پروفسور لطفی زاده دانشمند ایرانی عرضه شد. این نظریه از زمان ارائه تا به امروز گسترش و توسعه فراوانی یافته و کاربردهای گوناگون در زمینههای مختلف به دست آورده است. تئوری فازی نظریهای است که برای اقدام در شرایط عدم اطمینان یا عدم قطعیت ارائهشده است. توابع عضویت فازی نوع مثلثی و مقایسات نسبی را برای اولین بار پدریکز و لارهوورن در سال 1983 ابداع نمودند. همچنین برای اولین بار لارهوورن و پدریکز در سال 1983 توابع عضویت فازی نوع مثلثی و مقایسات نسبی را مطرح نمودند (24). درروش کلاسیک شبکهای كه توسط ساتي (Tomas L.Saaty) (22) معرفي شد از فرد یا افراد متخصص و خبره خواسته میشود كه با استفاده از اعداد و نسبتهای دقيق به مقايسه زوجي ویژگیهای همسطح در يك ساختار شبکهای بپردازد. نسبتهای ارائهشده توسط فرد متخصص، ماتريس مقايسات زوجي را به وجود میآورد كه با محاسبه ماتريس مقادير ويژه آن، وزن هركدام از مشخصههای همسطح به دست میآید؛ بنابراین در مرحله جمعآوری نظرات خبرگان از گويههاي بياني ملموس و متداول در پرسشنامه مقايسات زوجي ANP فازي بهعلاوه نسبتهای قطعي رايج در ANP سنتي استفادهشده است. اعداد فازي مورداستفاده در این تحقيق بهمنظور تشكيل ماتریسهای مقايسه زوجي كه توسط لی و همکاران (30) پیشنهادشده است، در جدول شماره 3 آمده است.
جدول 3: مقیاسهای زبانی برای بیان درجه اهمیت فازی
Table 3: Linguistic scales to express the degree of fuzzy significance
اعداد فازی مثلثی | اعداد قطعی متناظر | |
کاملاً یکسان | (1،1،3) | 1 |
اهمیت برابر | (1،3،5) | 3 |
نسبتاً مهمتر | (3،5،7) | 5 |
مهمتر | (5،7،9) | 7 |
خیلی مهمتر | (7،9،9) | 9 |
هرگاه با مسائلی پیچیدهای سروکار داشته باشیم، کشف رابطه بین شاخصهای مسئله اهمیت فراوانی دارد. در مدلهای گوناگون مانند مدل شبکهای، با یک شبکه از این روابط متقابل روبرو میشویم. ساختن الگوی مناسب برای بررسی رابطه بین این شاخصها از موضوعات مهمی است که محققان با آن سروکار دارند. یکی از این روشهای مناسب برای الگوسازی، بهکارگیری روش دماتل است (25، 26). این روش ازجمله روشهای مفهومی برای ساختار سازی مسئلههای تصمیمگیری به شمار میرود. فن دماتل بر پایه نظریه گراف ایجادشده است و در این روش ما میتوانیم معیارها را به دو گروه معیارهای علت و معیارهای معلول تقسیمبندی کنیم تا شناخت بیشتری از روابط بین علت و معلول به دست آوریم و درنهایت بتوانیم یک شبکهای از روابط متقابل را ایجاد نماییم. گرافهای فن دماتل جزو گرافهای جهتدار یا دیاگراف محسوب میشوند که میتوان روابط متقابل جهتدار بین علت و معلول را بهصورت گراف یا ماتریس نمایش داد (30). در این تحقیق به دو منظور از فن دماتل فازی استفادهشده است. نخست برای به دست آوردن ماتریس وابستگیها بین عوامل و سپس برای شناسایی عوامل علت. مراحل اجرای این روش به در حالت کلی بهصورت شکل زیر است (شکل 3)؛ (31):
شکل 3: الگوریتم فرایند روش دماتل فازی
Figure 3: Fuzzy Dematel method process algorithm
مرحله اول: به دست آوردن ماتریس روابط مستقیم بین عوامل سیستم
متخصصان بهوسیله بهکارگیری متغیرهای زبانی و متغیرهای عددی که در جدول شماره 4 نشان دادهشده است، نظرات خود را در خصوص اثر مستقیم عوامل اصلی بر روی یکدیگر، بیان میکنند. با تبدیل کردن برآوردهای زبانی به عدد فازی منطبق با این جدول، ماتریس رابطه مستقیم اولیه A=[aij] ایجاد میشود که در این ماتریس، A نمایانگر یک ماتریس n*n نامنفی است و درایه aij نشاندهنده یک عدد فازی از نوع مثلثی هست (32). این درایه نمایانگر تأثیر مستقیم عامل i بر روی j هست. وقتی i=j شود، مؤلفههای قطری ماتریس، برابر با صفر خواهد شد (31).
[1] 
جدول 4: متغیرهای زبانی و اعداد فازی متناسب با آن (30)
Table 4: Linguistic variables and corresponding fuzzy numbers (30)
متغیر زبانی | اعداد قطعی | اعداد فازی مثلثی متناظر |
بیتأثیر | 0 | (0،0،0.25) |
تأثیر خیلی کم | 1 | (0،0.25،0.5) |
تأثیر کم | 2 | (0.25،0.5،0.75) |
تأثیر زیاد | 3 | (0.5،0.75،1) |
تأثیر خیلی زیاد | 4 | (0.75،1،1) |
مرحله دوم: غیرفازی کردن ماتریس مستقیم اولیه بر اساس روش CFCS
برای فازی زدایی ماتریس مستقیم اولیه از روش CFCS(Converting Fuzzy Data into Crisp Scores) استفاده میشود که توسط تیزنگ (27) معرفیشده است. فرض کنید
که در آن (1 ≤ k ≤ K) ارزیابی فازی است که k امین خبره درباره میزان تأثیر عامل i بر روی عامل j ارائه کرده است. بر اساس روش CFCS، فازی زدایی در پنج مرحله انجام میگیرد:
قدم اول: استانداردسازی اعداد فازی
[2] 
[3] 
[4] 
[5] 
قدم دوم: محاسبه مقادیر نرمال چپ و راست
[6] 
[7] 
قدم سوم: محاسبه مقدار نرمال شده نهایی
[8] 
قدم چهارم: به دست آوردن عدد قطعی (تبدیلشده از عدد فازی) ارزیابی k امین خبره
[9] 
قدم پنجم: به دست آوردن عدد تجمیعی از طریق میانگینگیری اعداد قطعی تمامی k ارزیابی
[10] 
بعد از غیرفازی کردن و جمعکردن نظرات کارشناسان، ماتریس اولیه رابطه مستقیم تجمعی با استفاده از اعداد قطعی که نشاندهنده میزان تأثیر مستقیم فاکتور i بر روی فاکتور j است، صورت میپذیرد. در این تحقیق، با توجه به اهداف تحقیق احتیاجی به سنجش میزان تأثیر عوامل بر یکدیگر نیست.
نرمالسازی ماتریس روابط مستقیم
در این مرحله، ماتریس رابطه مستقیم اولیه نرمال میشود. ماتریس نرمال شده رابطه مستقیم (
) از معادله 11 به دست میآید:
[11] X=s×A 
ایجاد ماتریس روابط کلی
همه دنبالههای نامتناهی از تأثیر مستقیم و غیرمستقیم فاکتورها بر روی یکدیگر بهصورت یک تصاعد هندسی و با استفاده از قوانین گرافها، محاسبه میگردد. درنهایت مجموع این تصاعد هندسی، ماتریس رابطه کلی T را به وجود میآورد که در آن I، یک ماتریس واحد با اندازه n×n است (29).
[12] 
بهشرط اینکه
، ماتریس رابطه کلی از طریق معادله 13 به دست میآید، خواهیم داشت:
[13] 
مرحله سوم: محاسبه مجموع ردیفها و ستونهای ماتریس رابطه کلی T و شناسایی عوامل آن
[14] 
[15] 
درنهایت بعد از ایجاد ماتریس روابط کلی T (16) و با توجه بهاندازه حد آستانه تعریفشده، ماتریس روابط نهایی را ایجاد میکنیم که در این ماتریس عدد صفر به معنی عدم وجود رابطه و عدد یک به معنی وجود رابطه میان دو معیار هست. این ماتریس، ماتریس Tr نام دارد. با استفاده از ماتریس Tr اقدام به نظرسنجی از خبرگان در مورد اندازه تأثیر عوامل بر یکدیگر با توجه به وابستگی آنها به هم مینماییم.
بخش دوم: محیط سامانه اطلاعات جغرافیایی
بعدازآنکه دادهها از سازمانهای مربوط تهیه شد اقدام به تشکیل پایگاه داده برای اطلاعات موجود در محیط نرمافزار ArcCatalog کرده و سپس نقشههای مربوط به این دادهها را در نرمافزار ArcGIS ایجاد میکنیم.
وزن دادن به لایه به روش وزن دهی ساده تجمعی (SAW)
روش وزن دادن به لایهها با روش تجمعی ساده (Simple Additive Weighting) روشي است كه در مبحث تصمیمگیریهای چند معیاریِ به کار میرود. روش وزن دهی ساده تجمعی بر اساس سامانه اطلاعات جغرافیایی شامل تعريفی از مجموع معيارها، استانداردسازی هر لايه، واردکردن وزن و ایجاد امتيازهای نهايي هر مورد است (28). این روش یکی از روشهایی است که از ابتدای بهکارگیری سامانه اطلاعات جغرافیایی در تصمیمگیریهای چند معیاری به کار گرفتهشده است بهطوریکه با در نظر گرفتن بردار Wj که همان وزنهای اهمیت شاخصهاست، نقشه نهایی A بر اساس رابطه 16 ایجاد میگردد:
[16] 
وزن دهی با روش فاصله معکوس وزنی (IDW)
روش وزن دهی معکوس فاصله (Inverse Distance Weight) یکی از روشهایی است که در مطالعات مربوط به رشتههای جغرافیایی از آن زیاد استفاده میشود. به نقاط نزدیک محل نمونه وزن بیشتر و به نقاط دورتر وزن کمتر اختصاص مییابد. تمامی روشهای درونیابی بر مبنای این فرضیه توسعهیافتهاند که نقاط نزدیکتر به یکدیگر نسبت به نقاط دورتر، همبستگی و شباهت بیشتری دارند. معادله کلی روش مذکور بهصورت رابطه 17 هست که در آن Z(si) مقدار اندازهگیری شده در موقعیت ith است و λi اندازه وزن مقدار اندازهگیری شده در همان موقعیت است. Siموقعیت پیشبینی و N میزان تعداد نقاط اندازهگیری شده یا معلوم هست.
[17] 
روش درونیابی کریجینگ با کمترین مقدار واریانس برآورد، کار درونیابی را انجام میدهد که مقدار خطای آن بستگی به مشخصات ساختار فضایی دارد. بهمنظور انتخاب بهترین مدل درونیابی با روش کریجینگ باید میانگین خطای استاندارد نزدیک به صفر بوده و اندازه میانگین جذر مربعات خطا (RMSE) کمترین مقدار را داشته باشد و میانگین جذر مربع خطای استاندارد (RMSS) تقریباً یک باشد. کریجینگ معمولی از معادله 18 محاسبه میشود (9،10):
[18] Z(s) = µ + ε(s)
که در این رابطه، µ ضریب ثابت مجهول هست. کریجینگ معمولی در دادههایی که دارای روند محلی یا مقطعی بوده میتواند مورداستفاده قرار بگیرد. با استفاده از ابزار Cross validation روشی انتخاب میشود که دارای کمترین میزان RMSE باشند (17).
در مرحله اول انجام کار برای به دست آوردن روابط میان زیرمعیارهای پژوهش و پس از انجام جلسه بحث گروهي و تبادلنظر با متخصصان جامعه آماري و با استفاده از جدول ایجادشده برای شناسايي این روابط، وابستگي و تعامل نه شاخص عملکرد بهصورت یک جدول تعاملات و وابستگیها به دست آمد. بر این اساس، ارزیابی خطر فرونشست دشت اردبیل از چهار معیار اصلی که هر یک شامل زیرمعیارهایی است، تشکیل میگردد که این معیارهای اصلی عبارتاند از: 1-عوامل طبیعی 2- عوامل وابسته به آب 3- عوامل کشاورزی 4- عوامل انسانی. از ميان زير معيارهاي شناساییشده، شیب (S1)، خاک (S2) و زمینشناسی (S3) مربوط به معیار اول، وضعیت بارندگی (S4)، وضعیت آبهای زیرزمینی (S5) مربوط به معیار دوم، سطح زیر کشت محصولات کشاورزی (S6) و نیاز آبی سالانه محصولات (S7) مربوط به معیار سوم، میزان جمعیت محدوده این دشت (S8) مربوط به معیار چهارم هست. برای ساختار سازی و تهیه مدل مفهومی برای شناسایی رابطه بین معیارها از روش دماتل فازی استفاده شد. از زیرمعیارهای استخراجشده در مرحله قبل، ابتدا پرسشنامهای طراحی گردید و در اختیار جامعه آماری مرتبط قرار گرفت. به صورتی که سطرها و ستونهای ماتریس این پرسشنامه را همان زیرمعیارها تشکیل میدهند. ماتریس اولیه (پر نشده) در اختیار متخصصان قرار گرفت و از آنها خواسته شد با مقایسه زوجی هریک از عوامل واقع بر هر سطر ماتریس، با تکتک عوامل واقع بر ستونهای ماتریس، شدت تأثیر عوامل سطری بر عوامل ستونی را بهصورت عددی بین صفر تا چهار طبق جدول شماره 3 در خانههای مربوط به آنها درج نمایند. پس از جمعکردن نظر کارشناسان، از نظرات آنان میانگین حسابی گرفتهشده و روش دماتل فازی بر روی ماتریسهای زوجی تکمیلشده از سوی متخصصین در این زمینه محاسبه شد. جدول شماره 5 زیرمعیارهای مورداستفاده و جدول شماره 6 ماتریس روابط کلی را که پس از بهکارگیری روش دماتل فازی محاسبهشده است را نشان میدهد.
جدول 5: زیرمعیارهای اصلی پژوهش برای تکنیک دماتل
Table 5: The main research criteria for Dematel technique
نیاز آبی سالانه محصولات = S5 | وضعیت آبهای زیرزمینی= S3 | شیب=S1 خاکشناسی= S2 زمینشناسی=S3 |
تراکم جمعیت= S6 | سطح زیر کشت محصولات کشاورزی= S4 | وضعیت بارش= S2 |
جدول 6: ماتریس روابط کلی بین زیرمعیارها
Table 6: General relations matrix between sub-criteria
عناصر | S1 | S2 | S3 | S4 | S5 | S6 | S7 | S8 |
S1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 |
S2 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 1 |
S3 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 1 |
S4 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 |
S5 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 |
S6 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 0 |
S7 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 |
S8 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 1 |
مراحل به دست آوردن وزن مؤلفهها با تحلیل شبکهای فازی
بر اساس سوپر ماتریس، مراحل محاسبه وزن مؤلفهها عبارتاند از:
جدول 7: ماتریس اوزان نهایی معیارها نسبت به بررسی وضعیت فرونشست
Table 7: Matrix of final weights of criteria for subsidence status
وزن قطعی نهایی مؤلفهها | وزن فازی نهایی | مؤلفه | رتبه |
|---|---|---|---|
175/0 | (327/0، 184/0،21/0) | عوامل کشاورزی | 3 |
251/0 | (349/0، 251/0، 188/0) | عوامل طبیعی | 4 |
380/0 | (612/0، 342/0، 145/0) | عوامل هیدرولوژیکی | 1 |
246/0 | (316/0، 245/0، 178/0) | عوامل انسانی | 2 |
جدول 8: ماتریس اوزان نهایی زیر معیارها نسبت به بررسی فرونشست
Table 8: Matrix of final weights below the criteria for subsidence study
وزن قطعی نهایی مؤلفهها | رتبه | وزن فازی نهایی | مؤلفه |
|---|---|---|---|
252/0 | 4 | (329/0، 112/0، 043/0) | بارندگی |
198/0 | 5 | (469/0، 167/0، 061/0) | سطح زیر کشت |
146/0 | 7 | (088/0، 028/0، 011/0) | شیب |
348/0 | 3 | (024/0، 078/0، 042/0) | خاکشناسی |
085/0 | 8 | (184/0، 228/0، 018/0) | زمینشناسی |
38/0 | 1 | (525/0، 209/0، 08/0) | وضعیت آبهای زیرزمینی |
357/0 | 2 | (343/0، 111/0، 036/0) | جمعیت |
185/0 | 6 | (314/0، 096/0، 028/0) | نیاز آبی سالانه محصولات |
نقشههای فازی شده نقشههای اولیه
در این بخش نقشههای فازی شده برای نقشههای اولیه تولیدشده است. این نقشهها بر اساس وزنهایی که در مرحله قبل محاسبه شدند بهدستآمده است. شکلهای شماره 4 تا 9 این نقشهها را نشان میدهد.
شکل 4: نقشه فازی شیب شکل 5: نقشه فازی جمعیت
Figure 4: Fuzzy slope map Figure 5: Fuzzy population map
شکل 6: نقشه فازی وضعیت بارش شکل 7: نقشه فازی وضعیت آب زیرزمینی
Figure 7: Fuzzy map of groundwater status Figure 6: Fuzzy map of precipitation status
شکل 8: نقشه فازی نیاز آبی محصولات شکل 9: نقشه فازی سطح زیر کشت
Figure 9: Fuzzy map of the area under cultivation Figure 8: Fuzzy map of water requirements of products
شکل 10: نقشه فازی زمین شناسی شکل 11: نقشه فازی سطح خاک
Figure 10: Fuzzy map of the Geology Figure 11: Fuzzy map of Soil
شکل 12: نقشه پراکندگی و تمرکز چاههای عمیق در سطح دشت اردبیل
Figure 12: Scattering and concentration map of deep wells in Ardabil plain
نقشه نهایی بررسی وضعیت خطر فرونشست در محدوده دشت اردبیل
برای تهیه نقشه نهایی وضعیت خطر فرونشست در محدوده دشت اردبیل ابتدا وزنهای بهدستآمده برای هر زیر فاکتور را در نقشههای فازی شده آن زیر فاکتور ضرب کرده و سپس با استفاده از ابزار RasterCalculator این نقشههای وزندار تجمیع شدند. شکل شماره 13 نقشه فازی نهایی ارزیابی وضعیت خطر فرونشست دشت اردبیل را نشان میدهد. در این نقشه، طیفهای رنگی از آبی که پایینترین حد را نشان میدهد به سمت قرمز که بیشترین مقدار را نشان میدهد در تغییر است. رنگ آبی مناطق با خطر پایین و رنگ قرمز مناطق با خطر بالا را ازنظر خطر فرونشست در محدوده دشت اردبیل و روستاهای واقع در این محدوده نشان میدهد.
شکل 13: نقشه نهایی فازی بررسی خطر فرونشست دشت اردبیل
Figure 13: Fuzzy final map of subsidence risk of Ardabil plain
پس از به دست آوردن نقشه اولیه ارزیابی وضعیت خطر فرونشست و مناطق در معرض خطر فرونشست دشت اردبیل، نقشه نهایی بررسی وضعیت دشت اردبیل ازلحاظ خطر فرونشست زمین، با توجه به وزنها و لایههای بهدستآمده تهیهشده است. ازآنجاییکه تمامی نقشههای لایههای مبنا در پنج طبقه، باز طبقهبندیشده و وزن متناسب با هر طبقه مطابق با وضعیت لایهها دادهشده بود، نقشه نهایی نیز در پنج طبقه، طبقهبندی و وزندهی شد که بنا بر نظر کارشناسان و اساتید به شرح زیر بهدستآمده است:
1- مناطق با خطر پایین
2- مناطق با خطر متوسط
3- خطر بالا
4- مناطق در معرض آسیب
5- مناطق بحرانی.
درنهایت با استفاده از نقشه نهایی ارزیابی وضعیت خطر فرونشست دشت اردبیل که در شکل شماره 14 آورده شده است و نیز رتبهبندی بهدستآمده از نظرات کارشناسان ذیربط، نقشه نهایی تحلیل وضعیت خطر فرونشست دشت اردبیل تهیه شد. این نقشه وضعیت خطر فرونشست دشت اردبیل را در پنج سطح نشان میدهد.
شکل 14: نقشه تحلیل سطوح حساسیت وضعیت خطر فرونشست دشت اردبیل
Figure 14: Analysis map of sensitivity levels of subsidence hazard status in Ardabil plain
همچنین با توجه به شکل شماره 12 که نقشه وضعیت چاههای عمیق در محدوده دشت اردبیل و پراکندگی آن در سطح دهستانها را نشان میدهد، ملاحظه میشود که بیشترین پراکندگی و تمرکز چاههای عمیق در سمت شرق دشت در محدوده دهستانهای ویلکیج مرکزی و فولادلوی شمالی قرارگرفته است که این وضعیت موقعیت پراکندگی چاههای عمیق با توجه به نقشه شکل شماره 14 بهخوبی وضعیت متناسب بودن پراکندگی چاههای عمیق با مناطق در معرض خطر فرونشست را نشان میدهد.
بحث و نتیجهگیری
هدف از این پژوهش شناسایی و پهنهبندی پتانسیل وضعیت خطر فرونشست در منطقه دشت اردبیل و استخراج نواحی در معرض خطر فرونشست با استفاده از عوامل تأثیرگذار در منابع آب سطحی و زیرسطحی و عوامل دیگر از طریق روش تحلیل شبکهای فازی و فنهای سیستم اطلاعات جغرافیایی بود. فنهای سیستم اطلاعات جغرافیایی به علت توانایی بالای آن در مدیریت حجم عظیمی از اطلاعات فضایی و مکانی، ابزاری قدرتمند برای این نوع مطالعات اولیه به شمار میرود (16). علاوه بر این، مدل تحلیل شبکهای فازی توسط برنامهریزان برای حل مشکلات پیچیدهای که در امر مدیریت با آن روبرو هستند، به کار گرفته میشود؛ بنابراین ادغام فنهای سیستم اطلاعات جغرافیایی و مدل تحلیل شبکهای فازی میتواند بهعنوان روشی قدرتمند جهت تهیه نقشه پهنهبندی پتانسیل خطر فرونشست در منطقه مطالعاتی مورداستفاده قرار گیرد. با توجه به یافتههای تحقیق میتوان گفت که کاربرد همزمان سامانه اطلاعات جغرافیایی و مدل فازی در برنامهریزی محیطی از اهمیت ویژهای برخوردار است. استفاده از این روش، علوم برنامهریزی محیطی را بهصورت کاربردیتر و موفقتر از همیشه درزمینه مدیریت بحرانهای محیطی مطرح میسازد. درنتیجه بهرهگیری از این روش در مدیریت محیط به برنامهریزان محیطی توصیه میگردد. دانشور وثوقی و همکاران (6) در تحقیق خود به این نتیجه رسیده بودند که روند تغییرات تراز آب زیرزمینی در دشت اردبیل غیر معنیدار هست و پایین رفتن تراز سطح آب چاههاي دشت اردبیل به علت کاهش بارش نبوده بلکه به برداشت بیرویه آب از چاههاي زیرزمینی یا چاههای عمیق ارتباط دارد. جعفر زاده و همکاران (14) در پژوهش خود به این نتیجه رسیدند که بیشترین میزان افت آب در قسمت شرق و جنوب شرقی منطقه اتفاق افتاده است که این عامل باعث افزایش خطر فرونشست در این منطقه خواهد شد. جعفرزاده و همکاران (15) در تحقیقات خود نشان دادند که تراز آب زیرزمینی اغلب ایستگاههای دشت (بهغیراز مناطق غرب و شمال غربی) روند منفی معنیداری دارد. همچنین بررسیهای انجامشده در تحقیق آنها نشان داده است که تراز آب زیرزمینی اغلب چاههای مشاهدهای دشت اردبیل روند نزولی داشته بهطوریکه شدیدترین افت در شرق دشت مشاهدهشده است که به نظر میرسد کاهش تراز آب زیرزمینی در اغلب ایستگاهها به برداشت بیرویه از سفره آب زیرزمینی مربوط باشد. با توجه به شکل 14 ملاحظه میشود که دهستانهای ویلکیج مرکزی، فولادلوی شمالی و دهستان شرقی بیشترین سطح آسیبپذیری را ازلحاظ وضعیت خطر فرونشست دارند. وضعیت بحرانی خطر فرونشست در این سه دهستان بیشترین مقدار را دارد. همچنین دهستان کلخوران و آغبلاغ آقاجان خان از وضعیت متوسط به سمت وضعیت در معرض آسیب پیش میروند که نیازمند دقت بیشتری در مدیریت و برنامهریزی منابع آب این دهستانها هست. این امر با مشاهده شکل 8 که نقشه نیاز آبی محصولات کشتشده در دشت اردبیل را نشان میدهد، بیشتر نمود پیدا میکند. با توجه به شکل 8 ملاحظه میکنیم که این دو دهستان بیشترین نیاز آبی سالانه محصولات کشتشده را داشته و همین امر باعث افزایش برداشت بیرویه و غیراصولی از آبهای سطحی و زیرسطحی میشود که خود میتواند دلیلی بر روند افزایش وضعیت در معرض آسیب بودن این دهستانها به علت میزان بالای برداشت از منابع آبهای سطحی و زیرزمینی باشد. همچنین با کنار هم قرار دادن نقشه شماره 12 و 14 بهوضوح میتوان مشاهده کرد که یک رابطه قوی بین نحوه پراکندگی چاههای عمیق در سطح دشت اردبیل و مناطق در معرض خطر بالای فرونشست وجود دارد. با توجه به نتایج به دست آمده از جدول شماره 8، زیرمعیار وضعیت آبهای زیرزمینی با وزن 38/0 بیشترین تاثیر را در وضعیت خطر فرونشست دشت اردبیل ایجاد کرده است. این وزن با بررسی سایر لایههای مرتبط با وضعیت آب زیرزمینی و لایه پراکندگی جمعیت، نشان دهنده تاثیر زیاد این زیرمعیار است.
تقدیر و تشکر
این مقاله مستخرج از طرحی است که با تصویب و حمایت مالی حوزه معاونت پژوهشی دانشگاه محقق اردبیلی اجرا گردیده است.
Refrences
Abedini, M. 2013. Investigating the causes of subsidence in Ardabil plain and its effects in the city. Natural Geography, 6 (19), 71-84. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=222459. (In Persian).
Agricultural statistics of Ardabil city. 2019. Ardabil Agricultural Jihad Organization. Administration. Water and soil management. (In Persian).
Arvin, A, Vahabzadeh Kobria, Gh, Mousavi, SR, Bakhtiari Kia, M. 2018. Spatial modeling of land subsidence in the south of Minab watershed using remote sensing and GIS. Remote Sensing and Geographic Information System in Natural Resources, 10 (3), 19-34. (In Persian).
Asghari Saraskanrud, S, Qala, E, Ebadi, E. 2021 Investigation of land use impact and its relationship with groundwater level (Case study: Ardabil plain). Remote Sensing and Geographic Information System in Natural Resources, 12 (1), 86-106. (In Persian).
Bayer, B. Simoni, A. Mulas, M. Corsini, A. and Schmidt, D. 2018. “Deformation responses of slow moving landslides to seasonal rainfall in the Northern Apennines, measured by InSAR”, Geomorphology, vol. 308, pp. 293–306, 2018. doi:10.1016/j.geomorph.2018.02.020.
Daneshvar Vosoughi, F, Dinpajouh, Yaghoub, Aalami, MT. 2011. The effect of drought on groundwater level in the last two decades (Case study: Ardabil plain). Water and Soil Knowledge, 21 (4), 165-179. (In Persian).
Detailed results of the General Census of Population and Housing. 2016. Ardabil Governor's Office (Deputy of Planning - Statistics and Information Office and GIS). (In Persian).
Ekbal Hussain, Tim J. Wright, Richard J. Walters, David P. S. Bekaert, Ryan Lloyd, Andrew Hooper Nat Commun. 2018; 9: 1392. Published online 2018 Apr 11. doi: 10.1038/s41467-018-03739-2
Esfandiari, Fariba, Ghorbani Filabadi, Razieh, Nasiri Khiavi, Ali, Mostafa Zadeh, Raouf. (1398). Comparison of the performance of algebraic methods and geostatistics in determining the spatial variation of groundwater quality in Borujen plain. Natural Hazards, 8 (20), 115-130. doi: 10.22111 / jneh.2018.22500.1335
Esfandiari, Fariba, Mostafazadeh, Raouf, Ebadi, Elhameh, Saadati, Reza. (1398). Modeling of spatial distribution and reduction of groundwater level in Tabriz plain. Geographical Engineering of the Land, 3 (6), 1-16.
Gharechelou, S. 2021. Assessment of land subsidence in relation to groundwater with the help of Sentinel-1 and Alus-1 radar satellites (study area: Mashhad plain). Remote sensing and GIS in natural resources.
Haji Hosseinlou, H. 2018. Investigation of groundwater level using GIS (Case study: Khoy plain aquifer). Geography and Environmental Hazards, 7 (2), 53-74. doi: 10.22067 / geo.v7i2.67365(In Persian).
Intrieri, E. Raspini, F. Fumagalli, A. et al. The Maoxian landslide as seen from space: detecting precursors of failure with Sentinel-1 data. Landslides 15, 123–133 (2018). https://doi.org/10.1007/s10346-017-0915-7
Jafarzadeh, J, Rostamzadeh, H, Asadi, I. 2017. Temporal modeling of groundwater level using basic methods of time series analysis (Case study: Ardabil plain). Water and Soil Knowledge, 27 (4), 185-196.
Jafarzadeh, J, Rostamzadeh, H, Nikjoo, MR, Asadi, I. 2016. Evaluation of water resources potential of Ardabil plain using fuzzy network analysis process (FANP) in GIS environment. Scientific Journal of Geography and Planning, 21 (61), 145-164. doi: 2-10(In Persian).
Junfei Chena, Yang Yang. 2001. A fuzzy ANP-based approach to evaluate region agricultural drought risk. Procedia Engineering 23.p822 – 827.
Maleki, A. And Rezaei, p. 2016. Prediction of places at risk of subsidence in Kermanshah plain using fuzzy model. Space Planning and Planning (Teacher of Humanities), 20 (1), 235-251. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=464093 (In Persian).
Mokhtari, D. Ebrahimi, H. and Salmani, S. 2018. Landslide risk modeling using stochastic forest algorithm (Case study: Tasuj plain catchment). Remote Sensing and GIS in Natural Resources (Application of Remote Sensing and GIS in Natural Resources Science), 10 (3 (36 in a row)), 93-105. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=489392
Mousavi, SM, Jafari, H, Momeni, AA, Sepehri, J. 2018. Investigation of land subsidence due to uncontrolled abstraction of groundwater in the Kurdish plain of Shirazi, Hormozgan province. Natural Hazards, 8 (22), 95-110. doi: 10.22111 / jneh.2019.26537.1443(In Persian).
Nas B, Berktay A. 2010.Groundwater quality mapping in urban groundwater using GIS. Environ Monit Assess. 2010 Jan;160(1-4):215-27. doi: 10.1007/s10661-008-0689-4. PMID: 19096909.
Nouri, M and Fallahpour, M, 2020, Investigation of the causes and consequences of landslides and subsidence in Yazd province, 10th National Conference on Environment, Energy and Sustainable Natural Resources, Tehran, https://civilica.com/doc/1040217(In Persian).
Rostamzadeh H, Asadi E, Jararzadeh J. . 2015. Evaluation of the groundwater table using multi-criteria decision making and spatial analysis, case study: Ardebil Plain. jsaeh. 2015; 2 (1):31-42 URL: http://jsaeh.khu.ac.ir/article-1-2409-fa.html. doi: 10.18869/acadpub.jsaeh.2.1.31 (In Persian).
Saaty, Thomas, L. 2005. Multi-decisions Decision-Making:In Addition to Wheeling and Dealing Our National Political Bodies Need a Formal Approach to Prioritization.University of Pittsburgh, Pittsburgh, PA 15260.
Shahid SU, Iqbal J. 2014. Hasnain G. Groundwater quality assessment and its correlation with gastroenteritis using GIS: a case study of Rawal Town, Rawalpindi, Pakistan. Environ Monit Assess. 2014 Nov;186(11):7525-37. doi: 10.1007/s10661-014-3945-9. Epub 2014 Aug 14. PMID: 25119694.
Shieh, J.I. Wu H.H. K.K, Huang. 2010. A DEMATEL method in identifying key success factors of hospital service quality, Knowledge-Based Systems, Vol.23, No.3, PP. 277–282.
Shrestha S, Nakamura T, Magome J, Aihara Y, Kondo N, Haramoto E, Malla B, Shindo J, Nishida K. 2018. Groundwater use and diarrhoea in urban Nepal: novel application of a geostatistical interpolation technique linking environmental and epidemiologic survey data. Int Health. 2018 Sep 1;10(5):324-332. doi: 10.1093/inthealth/ihy037. PMID: 29850867; PMCID: PMC6104707.
Tzeng, G. H. Chiang, C. H. & Li, C.W. 2006. Evaluating Intertwined Effects in Elearning programs: A Novel Hybrid MCDM Model Based on Factor Analysis and DEMATEL, Expert Systems with Applications, No. 32.
Wang, Y. 2020. Combining quality function deployment with simple additive weighting for interval-valued fuzzy multi-criteria decision-making with dependent evaluation criteria. Soft Computing, 24, 7757-7767.
Wu, W.W. 2008. Choosing knowledge management strategies by using a combined ANP and DEMATEL.approach, Expert Systems with Applications: An International Journal. Vol. 35, NO.3, PP. 828–835.
Y.P. Li, G.H. Huang, S.L. Nie. 2010. Planning water resources management systems using a fuzzy-boundary interval-stochastic programming method. Advances in Water Resources 33:1105–1117.
Zhou, Q. Huang, W. & Zhang, Y. 2011. Identifying critical success factors in emergency management using a fuzzy DEMATEL method. Safety Science, 49, 243-252.
Zhou, X. Shi, Y. Deng, X. & Deng, Y. 2017. D-DEMATEL: a new method to identify critical success factors in emergency management. Safety Science, 91, 93-104.
Identification of villages at risk of subsidence in Ardabil plain using advanced Fuzzy_Network analysis in GIS
Abstract
Today, the study and planning to reduce the risks of natural hazards is one of the main issues of officials and planners of countries. One of the hazards that is less considered due to gradual performance is the phenomenon of subsidence, which in recent years due to increased use of important aquifers in the plains of the country has become a pervasive problem. In this research, an attempt has been made to investigate the possibility of subsidence and its possible dangers as a threat to human projects as well as rural settlements in the Ardabil plain. First, using the 30-year statistics of 65 piezometric wells and GIS, a water potential drop map for the region was prepared. Then, using fuzzy Dematel model, experts' opinions were collected and modeled. Then, the area with severe water loss was selected and compared with the scattering map of deep wells. In the last stage, using advanced and fuzzy hybrid models in GIS software environment, each of the layers of sediment sensitivity and water level drop membership is determined and using fuzzy linear overlap of the area sensitivity map to subsidence in five very high sensitivity classes, sensitivity High, medium sensitivity, low sensitivity and very low sensitivity were prepared. According to the mentioned map, it can be seen that the eastern and southeastern parts of Ardabil plain are in a critical situation. These parts include the villages of Aqbelaq Rostam Khan, Topraqlu and Piraqum, which are located in a high-risk area and the risk of subsidence is very high in these areas. Also, according to the weight obtained for the research sub-criteria, the groundwater sub-criterion with a weight of 0.38 had the greatest effect on the sensitivity test.
Keywords: Subsidence, Fuzzy Analysis, GIS, Ardabil Plain, Aquifer.
چکیده مبسوط
طرح مسئله:
در سالهای اخير به دليل تغييرات اقليمي و خشکسالی و همچنين فقدان نظارت در حفر چاههای كشاورزي بسياري از سفرههاي زیرزمینی كشور مورد برداشت غيراصولي قرارگرفتهاند كه اين امر موجب منفي شدن بيلان اين آبخوانها شده است تا جايي كه بنا بر گزارش سازمان زمينشناسي بيشتر دشتهاي كشور دچار افت سطح آب زيرزميني شدهاند. امروزه بررسی و مطالعه و برنامهریزی جهت کاهش خطرات مخاطرات طبیعی از مسائل اساسی مسئولان و برنامهریزان کشورهاست. یکی از مخاطراتی که به دلیل عملکرد تدریجی کمتر موردتوجه قرار میگیرد پدیده فرونشست است که در سالهای اخیر به علت افزایش بهرهبرداری از سفرههای زیرزمینی مهم در دشتهای بارز کشور بهصورت مشکلی فراگیر نمایان شده است.
هدف:
در این تحقیق تلاش شده است که امکان وقوع پدیده فرونشست و خطرات احتمالی آن بهعنوان یک تهدید در انجام پروژههای انسانی و همچنین سکونتگاههای روستایی در محدوده دشت اردبیل موردبررسی قرار گیرد.
روش تحقیق:
منطقه موردمطالعه دشت اردبیل بین عرض جغرافیای شمالی سیوهشت درجه و پنج دقیقه تا سیوهشت درجه و سی دقیقه و طول جغرافیای شرقی چهلوهشت درجه و پانزده دقیقه تا چهلوهشت درجه و سیوپنج دقیقه در بخش شمال غربی در مرکز استان اردبیل قرارگرفته است. برای بررسی وضعیت آب زیرزمینی دشت، از دادههای سیوهشت چاه مشاهدهای که از سازمان آب منطقهای اردبیل تهیهشدهاند و در سطح دشت قرارگرفتهاند استفادهشده است. نخست با استفاده از آمار 30 ساله 65 چاه مشاهدهای و سامانه اطلاعات جغرافیایی، نقشه پتانسیل افت آب برای منطقه تهیه شد. سپس با استفاده از مدل دماتل فازی اقدام به جمعآوری و مدلسازی نظرات کارشناسان شد. این روش ازجمله روشهای مفهومی برای ساختار سازی مسئلههای تصمیمگیری به شمار میرود. فن دماتل بر پایه نظریه گراف ایجادشده است و در این روش ما میتوانیم معیارها را به دو گروه معیارهای علت و معیارهای معلول تقسیمبندی کنیم تا شناخت بیشتری از روابط بین علت و معلول به دست آوریم و درنهایت بتوانیم یک شبکهای از روابط متقابل را ایجاد نماییم. درنهایت بعد از ایجاد ماتریس روابط کلی و با توجه بهاندازه حد آستانه تعریفشده، ماتریس روابط نهایی را ایجاد میکنیم که در این ماتریس عدد صفر به معنی عدم وجود رابطه و عدد یک به معنی وجود رابطه میان دو معیار هست. با استفاده از ماتریس روابط نهایی اقدام به نظرسنجی از خبرگان در مورد اندازه تأثیر عوامل بر یکدیگر با توجه به وابستگی آنها به هم مینماییم. بعدازآنکه دادهها از سازمانهای مربوط تهیه شد اقدام به تشکیل پایگاه داده برای اطلاعات موجود در محیط نرمافزار ArcCatalog کرده و سپس نقشههای مربوط به این دادهها را در نرمافزار ArcGIS ایجاد شد. بعدازاینکه وزن لایههای مختلف با استفاده از روش تحلیل شبکهای فازی به دست آمد، وارد نرمافزار ArcGIS شده و وزنهای هر زیر معیار را در نقشهای که برای هر لایه موردنظر ایجاد کرده بودیم ضرب کرده و درنهایت نقشهها را باهم جمع کردیم تا یک نقشه نهایی به دست آمد. نقشه نهایی نشاندهنده مناطقی از دشت اردبیل است که ازنظر خطر فرونشست طبقهبندیشده و در پنج طبقه ازلحاظ وضعیت خطر با طیف رنگی نشان داده شد.
بعد ناحیهای که افت شدید آب داشت انتخاب و با نقشه پراکندگی چاههای عمیق مقایسه شد. در مرحله آخر با استفاده از مدلهای پیشرفته و ترکیبی فازی و تحلیل شبکهای در محیط نرمافزار سامانه اطلاعات جغرافیایی هر یک از لایههای حساسیت رسوبات و افت سطح آب تعیین عضویت و با استفاده از همپوشانی خطی فازی نقشه حساسیت منطقه به پدیده فرونشست در پنج کلاس حساسیت بسیار بالا، حساسیت بالا، حساسیت متوسط، حساسیت پایین و حساسیت بسیار پایین تهیه شد. برای تهیه نقشه نهایی وضعیت خطر فرونشست در محدوده دشت اردبیل ابتدا وزنهای بهدستآمده برای هر زیر فاکتور را در نقشههای فازی شده آن زیر فاکتور ضرب کرده و سپس با استفاده از ابزار RasterCalculator این نقشههای وزندار تجمیع شدند. شکل شماره 14 نقشه فازی نهایی ارزیابی وضعیت خطر فرونشست دشت اردبیل را نشان میدهد. در این نقشه، طیفهای رنگی از آبی که پایینترین حد را نشان میدهد به سمت قرمز که بیشترین مقدار را نشان میدهد در تغییر است. رنگ آبی مناطق با خطر پایین و رنگ قرمز مناطق با خطر بالا را ازنظر خطر فرونشست در محدوده دشت اردبیل و روستاهای واقع در این محدوده نشان میدهد.
نتایج و بحث:
پس از به دست آوردن نقشه اولیه ارزیابی وضعیت خطر فرونشست و مناطق در معرض خطر فرونشست دشت اردبیل، نقشه نهایی بررسی وضعیت دشت اردبیل ازلحاظ خطر فرونشست زمین، با توجه به وزنها و لایههای بهدستآمده تهیهشده است. ازآنجاییکه تمامی نقشههای لایههای مبنا در پنج طبقه، باز طبقهبندیشده و وزن متناسب با هر طبقه مطابق با وضعیت لایهها دادهشده بود، نقشه نهایی نیز در پنج طبقه، طبقهبندی و وزن دهی شد که بنا بر نظر کارشناسان و اساتید به شرح زیر بهدستآمده است:1- مناطق با خطر پایین 2- مناطق با خطر متوسط 3-خطر بالا 4-مناطق در معرض آسیب 5-مناطق بحرانی. درنهایت با استفاده از نقشه نهایی ارزیابی وضعیت خطر فرونشست دشت اردبیل که در شکل شماره 13 آورده شده است و نیز رتبهبندی بهدستآمده از نظرات کارشناسان ذیربط، نقشه نهایی تحلیل وضعیت خطر فرونشست دشت اردبیل تهیه شد. همچنین با توجه به شکل شماره 12 که نقشه وضعیت چاههای عمیق در محدوده دشت اردبیل و پراکندگی آن در سطح دهستانها را نشان میدهد، ملاحظه میشود که بیشترین پراکندگی و تمرکز چاههای عمیق در سمت شرق دشت در محدوده دهستانهای ویلکیج مرکزی و فولادلوی شمالی قرارگرفته است که این وضعیت موقعیت پراکندگی چاههای عمیق با توجه به نقشه شکل شماره 13 بهخوبی وضعیت متناسب بودن پراکندگی چاههای عمیق با مناطق در معرض خطر فرونشست را نشان میدهد.
نتیجهگیری:
با توجه به شکل 14 ملاحظه میشود که دهستانهای ویلکیج مرکزی، فولادلوی شمالی و دهستان شرقی بیشترین سطح آسیبپذیری را ازلحاظ وضعیت خطر فرونشست دارند. وضعیت بحرانی خطر فرونشست در این سه دهستان بیشترین مقدار را دارد. همچنین دهستان کلخوران و آغبلاغ آقاجان خان از وضعیت متوسط به سمت وضعیت در معرض آسیب پیش میروند که نیازمند دقت بیشتری در مدیریت و برنامهریزی منابع آب این دهستانها هست. همچنین با کنار هم قرار دادن نقشه شماره 12 و 14 بهوضوح میتوان مشاهده کرد که یک رابطه قوی بین نحوه پراکندگی چاههای عمیق در سطح دشت اردبیل و مناطق در معرض خطر بالای فرونشست وجود دارد. با توجه به نتایج به دست آمده از جدول شماره 8، زیرمعیار وضعیت آبهای زیرزمینی با وزن 38/0 بیشترین تاثیر را در وضعیت خطر فرونشست دشت اردبیل ایجاد کرده است. این وزن با بررسی سایر لایههای مرتبط با وضعیت آب زیرزمینی و لایه پراکندگی جمعیت، نشان دهنده تاثیر زیاد این زیرمعیار است.
واژگان کلیدی: فرونشست، تحلیل فازی، سیستم اطلاعات جغرافیایی، دشت اردبیل، آبخوان.
Identification of villages at risk of subsidence in Ardabil plain using fuzzy_network analysis in GIS
Abstract
Statement of the Problem:
In recent years, due to climate change and drought, as well as the lack of supervision in digging agricultural wells, many of the country's aquifers have been harvested improperly, which has led to a negative balance of these aquifers to the extent that, according to the Geological Survey, most of the country's plains have experienced a drop in groundwater levels. Today, the study, planning and planning to reduce the risks of natural hazards is one of the main issues of officials and planners of countries. One of the hazards that are less considered due to gradual performance is the phenomenon of subsidence, which in recent years due to increased use of important aquifers in the plains of the country has become a pervasive problem.
Purpose:
In this research, an attempt has been made to investigate the possibility of subsidence and its possible dangers as a threat to human projects as well as rural settlements in the Ardabil plain.
Methodology:
The study area of Ardabil plain is located between the latitude of thirty-eight degrees and thirty minutes north latitude to thirty-eight degrees and thirty minutes and the longitude of east geography forty-eight degrees and fifteen minutes to forty-eight degrees and thirty-five minutes in the northwestern part of Ardabil province. To investigate the groundwater status of the plain, data from 38 observation wells prepared by the Ardabil Regional Water Organization and located at the plain level have been used. First, using 30-year statistics of 65 observation wells and GIS, a water potential drop map for the region was prepared. Then, using fuzzy Dematel model, experts' opinions were collected and modeled. This method is one of the conceptual methods for structuring decision problems. The Dematel technique is based on graph theory, and in this way we can divide the criteria into two groups of cause and effect criteria to gain a better understanding of the cause-and-effect relationship and finally be able to create a network of interrelationships. Finally, after creating the general relationship matrix and according to the defined threshold size, we create the final relationship matrix in which the number zero means no relationship and the number one means the relationship between two criteria. Using the final relations matrix, we conduct a survey of experts on the extent to which factors affect each other with respect to their interdependence. After the data was obtained from the relevant organizations, a database was created for the information in the ArcCatalog software environment, and then maps related to this data were created in ArcGIS software. After the weights of the different layers were obtained using the fuzzy network analysis method, they entered the ArcGIS software and multiplied the weights of each sub-criterion in the map we created for each layer and finally gathered the maps together to get a final map Came. The final map shows the areas of Ardabil plain that are classified in terms of subsidence risk and in five categories in terms of danger status were shown with color spectrum. Then, the area with severe water loss was selected and compared with the scattering map of deep wells. In the last step, using advanced and fuzzy hybrid models and network analysis in the software environment of GIS, each of the layers of sediment sensitivity and water level drop membership is determined and using fuzzy linear overlap, the area sensitivity map to subsidence in five classes of very sensitivity High, high sensitivity, medium sensitivity, low sensitivity and very low sensitivity were prepared. To prepare the final map of subsidence risk status in Ardabil plain, first the obtained weights for each sub-factor were multiplied in the fuzzy maps of that sub-factor and then these weighted maps were aggregated using the Raster Calculator tool. Figure 10 shows the final fuzzy map of subsidence risk assessment of Ardabil plain. In this map, the color spectrum changes from blue, which represents the lowest, to red, which represents the highest. The blue color indicates low risk areas and the red color indicates high risk areas in terms of subsidence risk in Ardabil plain and villages located in this area.
Results and discussion:
After obtaining the initial plan to assess the subsidence risk status and areas at risk of subsidence in Ardabil plain, the final map to assess the status of Ardabil plain in terms of land subsidence risk has been prepared according to the weights and layers obtained. Since all the base layer maps were reclassified into five layers and the weight corresponding to each layer was given according to the condition of the layers, the final map was classified and weighted into five layers, which according to experts and professors is as follows:1- Low risk areas 2- Medium risk areas 3- High risk 4- Damaged areas 5- Critical areas. Finally, using the final map of Ardabil plain subsidence risk assessment, which is shown in Figure 13, as well as the ranking obtained from the opinions of relevant experts, the final map of Ardabil plain subsidence risk analysis was prepared. Also, according to Figure 12, which shows the map of deep wells in Ardabil plain and its distribution in rural areas, it can be seen that the highest distribution and concentration of deep wells in the eastern part of the plain is in Wilkij_E_Markazi and Fooladloo_E__Shomali villages. This situation shows the scattering position of deep wells according to the map in Figure 12 well, showing the proportionality of the scattering of deep wells with areas at risk of subsidence.
Conclusion:
Figure 13 shows that Wilkij_E_Markazi, Fooladloo_E__Shomali, and Fooladloo_E__Sharghi have the highest levels of vulnerability in terms of subsidence risk status. The critical situation of landslide risk is the highest in these three villages. Also, Kalkhoran and Aghbalagh Aqajan Khan villages are moving from a moderate to a vulnerable situation, which requires more care in managing and planning the water resources of these villages. Also, by putting together maps 12 and 14, it can be clearly seen that there is a strong relationship between the distribution of deep wells in the Ardabil plain and areas at high risk of subsidence. Also, according to the results obtained from Table 8, the groundwater status sub-criterion with a weight of 0.38 has the greatest impact on the subsidence risk of Ardabil plain. This weight shows the high impact of this sub-criterion by examining other layers related to groundwater status and population dispersion layer.
Keywords: Subsidence, Fuzzy Analysis, GIS, Ardabil Plain, Aquifer.