پتانسیل‌یابی منابع آب زیرزمینی دشت ازنا – الیگودرز با استفاده از متغیرهای محیطی و مدل نسبت فراوانی

محورهای موضوعی : توسعه سیستم های مکانی

سمیرا قربانی نژاد ¹ , مانیا دانش فر ² , امید رحمتی ³ , فاطمه فلاح ⁴ , علی حقی زاده ⁵ , ناصر طهماسبی پور ⁶

1 - دانشجوی دکتری مهندسی آبخیزداری، دانشگاه لرستان
2 - دانشجوی دکتری مهندسی آبخیزداری، دانشگاه شهرکرد
3 - دانش آموخته دکتری مهندسی آبخیزداری، دانشگاه لرستان
4 - دانشجوی دکتری مهندسی آبخیزداری، دانشگاه لرستان
5 - دانشیار دانشکده کشاورزی، دانشگاه لرستان
6 - . دانشیار دانشکده کشاورزی، دانشگاه لرستان

تاریخ دریافت : 1395/03/03 تاریخ پذیرش : 1395/12/23 تاریخ انتشار : 1396/06/01

کلید واژه: مدل نسبت فراوانی, اعتبارسنجی, پتانسیل آب های زیرزمینی, دشت ازنا – الیگودرز, سیستم اطلاعات جغرافیایی,

چکیده مقاله :

افزایش جمعیت و استفاده بیش از حد از منابع مختلف آبی، منجر به توجه ویژه به منابع آبهای زیرزمینی شده است. در این تحقیق، کارایی مدل نسبت فراوانی در پتانسیل‌یابی منابع آب زیرزمینی دشت ازنا – الیگودرز استان لرستان مورد بررسی قرار گرفت. ابتدا لایه‌های رقومی 11 معیار مؤثر در پتانسیل آب‌های زیرزمینی (ارتفاع زمین، سنگ‌شناسی، انحنای سطح زمین، شیب، جهت شیب، کاربری اراضی، فاصله از رودخانه، تراکم شبکۀ آبراهه‌ها، فاصله از گسل، تراکم گسل، خاک‌شناسی و شاخص رطوبت توپوگرافی) در GIS تهیه گردید. تعداد 370 چاه موجود در منطقه با آبدهی بیشتر از 11 (مترمکعب بر ساعت) به عنوان چاه‌های دارای آبدهی مناسب انتخاب و لایه موقعیت رقومی آن‌ها به‌صورت تصادفی به گروه‌های آموزش (70%) و اعتبارسنجی (30%) تقسیم گردید. سپس لایه‌های مربوط به متغیرهای محیطی طبقه‌بندی‌ و بر اساس تراکم چاه‌ها و مدل نسبت فراوانی، وزن هریک از کلاس‌ها تعیین گردید. در نهایت نقشه پتانسیل منابع آب زیرزمینی بر اساس مدل نسبت فراوانی تهیه شد. صحت نقشه نهایی بر اساس روش منحنی راک (ROC) ارزیابی گردید. نتایج نشان داد که نقشه پتانسیل منابع آب زیرزمینی تهیه شده بر اساس مدل نسبت فراوانی دارای 72/1% بوده که بیانگر قابلیت بالای این مدل در پتانسیل‌یابی منابع آب زیرزمینی است. نقشه پتانسیل منابع آب زیرزمینی منطقه نشان داد که کلاس‌های با پتانسیل کم، متوسط، زیاد و خیلی زیاد به ترتیب 210/79، 210/24، 210/29 و 209/24 کیلومترمربع را به خود اختصاص داده‌اند. لذا استفاده از مدل نسبت فراوانی در این منطقه قابل‌اعتماد است.

چکیده انگلیسی:

Population increase and excessive use of different water resources, has led to special attention to groundwater resources. In this study, the efficiency of frequency ratio model in groundwater potential mapping in Azna-Aligoudarz plain, Lorestan was investigated. The 11 effective  groundwater  potential  factors, (altitude, lithology, curvature, slope, aspect, land use, distance from rivers, drainage density, fault distance, fault density, pedology, topographic wetness index; TWI) were prepared using GIS. The location of 370 wells  in the study area with discharge more than 11 (m3/h) was choosed and were divided in two groups of training (70%) and validation (30%) wells. Then the layers of environmental variables were classified and based on the density of wells and frequency ratio model, the weight of each class was determined. Finally, the groundwater potential map was prepared based on the frequency ratio model. Validation of final map was performed using relative operating characteristic (ROC) method. The result shows that the generated groundwater potential map using frequency ratio with 72.1% accuracy value, showed the high ability of this model in groundwater potential mapping. The groundwater potential map of the region showed that classes with a low, moderate, high and very high potential have been estimated to be 210.79, 210.24, 210.29  and 209.24 km2, respectively.

منابع و مأخذ:

1. حاجی عزیزی، ش.، م. م. خیرخواه زرکش و ا. شریفی. 1390. انتخاب مکان مناسب احداث سد زیرزمینی با استفاده از فرآیند تحلیل سلسله مراتبی به دو روش مکانی و غیرمکانی (مطالعه موردی: حوضه پیشکوه شهرستان تفت استان یزد). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 2(2): 27-38.

2. حنیفی، ر. 1393. امکان­سنجی منابع آب زیرزمینی استان آذربایجان غربی برای پرورش ماهی قزل­آلا با استفاده از سامانه اطلاعات جغرافیایی (GIS)(مطالعه موردی: شهرستان سردشت). فصلنامه علمی- پژوهشی اطلاعات جغرافیایی، 23(90): 91-101.

3. خلفی، ج. و ف. اسدیان. 1391. کاربرد مطالعات ژئومورفولوژی در توسعه ذخایر منابع آب زیرزمینی با استفاده از فنون RS-GIS (مطالعه موردی: دشت سهرین زنجان). همایش ملی جایگاه ژئومورفولوژی در آمایش سرزمین و مدیریت محیط. دانشگاه آزاد اسلامی واحد تهران مرکزی.13 الی 14 اردیبهشت ماه.

4. رحیمی، د. 1390. پتانسیل‌یابی منابع آب زیرزمینی (مطالعه موردی: دشت شهرکرد). جغرافیا و برنامه‌ریزی محیطی، 22(4): 127-142.

5. سادات هاشمی، س. م.، ر. قربانی و ب. کاوه‌ای. 1383. تحلیل منحنی‌های ROC برای مقایسه تست‌های تشخیص پزشکی. کومش، 6(2): 145-150.

6. طباطبایی، ط. و ف. امیری. 1394. مکان­یابی نیروگاه­های بادی بر اساس ارزیابی چندمعیاره مکانی و فرآیند تحلیل سلسله مراتبی (مطالعة موردی: استان بوشهر). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 6(1): 1-16.

7. علیزاده، ا. 1391. کاربرد اصول هیدرولوژی کاربردی. چاپ سی و ششم، انتشارات دانشگاه امام رضا. 343 صفحه.

8. کاظمی، ر.، ج. غیومیان و ن. جلالی. 1385. بررسی نقش عوامل ساختاری در فراوانی منابع آب در منطقه کارستی لار با استفاده از سنجش از دور و GIS. پژوهش و سازندگی در منابع طبیعی، 73: 33-41.

9. گودرزی، ل.، ع. م. آخوندعلی و ح. زارعی. 1392. تعیین مکان مناسب برای تغذیه مصنوعی با استفاده از سیستم اطلاعات جغرافیایی و روش تحلیل سلسله مراتبی (مطالعة موردی: دشت اشترینان). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 5(4): 47-60.

10. ماه­گلی، آ.، م. چیت‌سازان و ی. میرزایی. 1390. پتانسیل­یابی آب زیرزمینی در سازندهای سخت با استفاده از GIS و سنجش از دور، مطالعه موردی: شمال حسینیه. همایش ژئوماتیک، سازمان نقشه‌برداری کشور، تهران. 20 الی 21 اردیبهشت ماه.

11. محمدنژاد، و.، ص. اصغری سراسکانرود و ب. گل­محمدزاده. 1392. تهیه نقشه مناطق مستعد آب‌های زیرزمینی با استفاده از GIS و MIF مطالعه موردی: شهرستان ارومیه. پژوهش‌های ژئومورفولوژی کمی، 2(3): 45-58.

12. موسوی، ف.، م. چیت‌سازان، ی. میرزایی، م. شبان و ح. محمدی بهزاد. 1388. تلفیق سنجش ‌از دور و GIS به‌منظور پتانسیل‌یابی مناطق مناسب جهت تغذیه آب زیرزمینی (مطالعه موردی: محدوده تاقدیس کمستان). همایش و نمایشگاه ژئوماتیک، سازمان نقشه برداری کشور، تهران. 20 الی 21 اردیبهشت ماه.

 

13. Abdalla F. 2012. Mapping of groundwater prospective zones using remote sensing and GIS techniques: A case study from the Central Eastern Desert, Egypt. Journal of African Earth Sciences, 70(1): 8-17.

14. Edet A, Okereke C, Teme S, Esu E. 1998. Application of remote-sensing data to groundwater exploration: a case study of the Cross River State, southeastern Nigeria. Hydrogeology Journal, 6(3): 394-404.

15. Falah F, Ghorbani Nejad S, Rahmati O, Daneshfar M, Zeinivand H. 2016. Applicability of generalized additive model in groundwater potential modelling and comparison its performance by bivariate statistical methods. Geocarto International, 31(1): 1-21.

16. Ganapuram S, Kumar GV, Krishna IM, Kahya E, Demirel MC. 2009. Mapping of groundwater potential zones in the Musi basin using remote sensing data and GIS. Advances in Engineering Software, 40(7): 506-518.

17. Ghorbani Nejad S, Falah F, Daneshfar M, Haghizadeh A, Rahmati O. 2017. Delineation of groundwater potential zones using remote sensing and GIS-based data-driven models. Geocarto International, 32(2): 167-187.

18. Haridas V, Aravindan S, Girish G. 1998. Remote sensing and its applications for groundwater favourable area identification. Quarterly Journal of GARC, 6(6): 18-22.

19. Jaafari A, Najafi A, Pourghasemi H, Rezaeian J, Sattarian A. 2014. GIS-based frequency ratio and index of entropy models for landslide susceptibility assessment in the Caspian forest, northern Iran. International Journal of Environmental Science and Technology, 11(4): 909-926.

20. Jha MK, Kamii Y, Chikamori K. 2009. Cost-effective approaches for sustainable groundwater management in alluvial aquifer systems. Water Resources Management, 23(2): 219-233.

21. Manap MA, Nampak H, Pradhan B, Lee S, Sulaiman WNA, Ramli MF. 2014. Application of probabilistic-based frequency ratio model in groundwater potential mapping using remote sensing data and GIS. Arabian Journal of Geosciences, 7(2): 711-724.

22. Moghaddam DD, Rezaei M, Pourghasemi H, Pourtaghie Z, Pradhan B. 2015. Groundwater spring potential mapping using bivariate statistical model and GIS in the Taleghan watershed, Iran. Arabian Journal of Geosciences, 8(2): 913-929.

23. Nourani V, Pradhan B, Ghaffari H, Sharifi SS. 2014. Landslide susceptibility mapping at Zonouz Plain, Iran using genetic programming and comparison with frequency ratio, logistic regression, and artificial neural network models. Natural Hazards, 71(1): 523-547.

24. Ozdemir A, Altural T. 2013. A comparative study of frequency ratio, weights of evidence and logistic regression methods for landslide susceptibility mapping: Sultan Mountains, SW Turkey. Journal of Asian Earth Sciences, 64: 180-197.

25. Shaban A, Khawlie M, Abdallah C. 2006. Use of remote sensing and GIS to determine recharge potential zones: the case of Occidental Lebanon. Hydrogeology Journal, 14(4): 433-443.

26. Sharma M, Kumar R. 2008. GIS-based landslide hazard zonation: a case study from the Parwanoo area, Lesser and Outer Himalaya, HP, India. Bulletin of Engineering Geology and the Environment, 67(1): 129-137.

27. Singh AK, Prakash SR. 2002. An integrated approach of remote sensing, geophysics and GIS to evaluation of groundwater potentiality of Ojhala sub-watershed, Mirjapur district, UP, India. In: Asian conference on GIS, GPS, aerial photography and remote sensing, 7-9 August, Bangkok-Thailand,

28. Vahidnia MH, Alesheikh AA, Alimohammadi A, Hosseinali F. 2010. A GIS-based neuro-fuzzy procedure for integrating knowledge and data in landslide susceptibility mapping. Computers & Geosciences, 36(9): 1101-1114.

29. Van Westen CJ, Rengers N, Terlien M, Soeters R. 1997. Prediction of the occurrence of slope instability phenomenal through GIS-based hazard zonation. Geologische Rundschau, 86(2): 404-414.