| تعداد نشریات | 286 |
| تعداد نشریات سازمان | 84 |
| تعداد شمارهها | 2,865 |
| تعداد مقالات | 32,465 |
| تعداد مشاهده مقاله | 42,211,563 |
| تعداد دریافت فایل اصل مقاله | 18,956,561 |
بهینهسازی شبکۀ پایش کمی و کیفی آب زیرزمینی با استفاده از روشهای آماری و MCDM | ||
| پژوهش های آبخیزداری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 29 آذر 1403 | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/wmrj.2024.367105.1595 | ||
| نویسندگان | ||
| حمید غلامی* 1؛ شهرام گلزاری1؛ علی اکبر محمدی فر2؛ حوریه زحمتکش3؛ مریم زارع4 | ||
| 1دانشگاه هرمزگان | ||
| 2گروه منابع طبیعی، دانشگاه هرمزگان، دانشکده کشاورزی و منابع طبیعی | ||
| 3گروه تحقیقات اب منطقه ای هرمزگان | ||
| 4گروه تحقیقات آب منطقه ای هرمزگان | ||
| چکیده | ||
| مقدمه و هدف آبهای زیرزمینی نقش کلیدی در تامین نیازهای جوامع در بخشهای مختلف شرب، صنعت و کشاورزی و غیره دارد. اهمیت این منابع حیاتی، در مناطق خشک و نیمهخشک که با کاهش نزولات جوی مواجه هستند، دوچندان میباشد. زیرا در این مناطق آبخوانها بهعنوان اصلیترین منابع تامین آب جوامع محسوب میشوند. همچنین این منابع در مناطق ساحلی بهدلیل موقعیت مکانی خود، با اثرات زمینی و تغییرات آب و هوایی دریایی مواجه هستند و همزمان نیز تحت تأثیر فعالیتهای انسانی قرار میگیرند لذا اطلاع از ویژگیهایکمی و کیفی سفرههای آب زیرزمینی و پایش آنها امری بسیار ضروری تلقی میشود. پایش مداوم شبکۀ آب زیرزمینی مستلزم صرف هزینه، وقت، کار و نیروی انسانی میباشد. بنابراین بهینهسازی شبکۀ پایش میتواند کمک مفیدی در جهت کاهش مشکلات ذکر شده باشد. بنابراین هدف از پژوهش حاضر بهینهسازی شبکۀ پایش آب زیرزمینی در دشت گهکم سعادتآباد استان هرمزگان با استفاده از روشهای آماری میباشد. مواد و روشها در مرحلۀ اول این پژوهش با استفاده از بررسی منابع، دستورالعملهای وزارت نیرو و نیز استفاده از نظرات خبرگان آب زیرزمینی، تعداد 9 معیار شامل: میانگین سالانۀ سطح آب زیرزمینی، میانگین افت سالانۀ آب زیرمینی، هدایت هیدرولیکی، تراکم چاههای بهرهبرداری، فاصله از رودخانه، سازند زمینشناسی، کاربری اراضی، فاصله از گسل و فاصله از چشمه و قنات انتخاب و با استفاده از روش تحلیل سلسله مراتبی (AHP)، هر کدام از معیارها وزندهی شد و نقشۀ مربوط به هر یک از آنها جهت انجام فرآیند مکانیابی تهیه شد. در تحقیق حاضر بهمنظور اجرای فرآیند مکانیابی چاههای مشاهداتی از مدلهای تصمیمگیری چندمعیاره TOPSIS و WASPAS استفاده شد. در ادامه به منظور ارزیابی شبکۀ پایش کنونی با نتایج مکانیابی شبکۀ تیسن مربوط به هر آبخوان رسم شد و سپس میانگین امتیاز نقشههای مکانیابی در هر پلیگون تیسن بهدست آمد. برای هر چاه و هر پولیگون، چاههایی که دارای میانگین امتیاز کمتر از 3/0 بودند بهعنوان چاههای نامناسب در نظر گرفته شد. در ادامه به منظور اطمینان از صحت انتخاب چاههای نامناسب، آزمون همگنی پتیت و نرمال استاندارد دادههای آب زیرزمینی در چاههای نامناسب اجرا شد. در مرحلۀ بعد جهت مشخص کردن اهمیت نسبی 40 چاه واقع در منطقه از روش تجزیه و تحلیل مولفههای اصلی (PCA) استفاده شد. پس از مشخص شدن چاههای با اهمیت نسبی کم اقدام به حذف آنها شد و برای اطلاع از مقدار خطای استاندارد ناشی از حذف چاهها، از روش درونیابی کریجینگ استفاده شد. در نهایت بهمنظور گروهبندی چاههایی با ویژگیهای مشابه، عمل خوشهبندی آنها صورت پذیرفت. نتایج و بحث نتایج حاصل از وزندهی معیارها با استفاده از روش تحلیل سلسله مراتبی نشان داد که از بین 9 معیار استفاده شده در پژوهش، معیار تراکم چاههای بهرهبرداری با وزن 217/0 و معیار فاصله از گسل با وزن 031/0 بهترتیب رتبۀ اول و آخر را بهدست آوردهاند. مقایسه مدلهای تصمیمگیری چندمعیاره جهت فرایند مکانیابی نیز حاکی از دقت یکسان هر دو مدل TOPSIS و WASPAS بود. بنابراین در ادامه نقشۀ میانگین دو مدل تهیه و جهت انجام مراحل بعدی پژوهش مورد استفاده قرار گرفت. طبق نتایج حاصل از ارزیابی شبکۀ پایش کنونی با نتایج مکانیابی (شبکۀ بهینه)، تعداد 3 چاه بهعنوان چاههای نامناسب شناسایی شد و با توجه به ارزش مقدار P value مربوط به آزمون پتیت و آزمون نرمال استاندارد، مشخص شد که انتخاب هر سه چاه بهعنوان چاههای ناهمگن صحیح بوده است. بر اساس یافتههای بهدستآمده از روش PCA نیز تعداد 6 چاه شامل چاههای شماره 8، 9، 15، 10، 32 و 37 در گروه چاههایی با اهمیت نسبی منفی قرار گرفتند که اقدام به حذف چاههای مذکور شد. در ادامه مقدار خطای استاندارد پس از حذف چاههای کم اهمیت تنها 14 درصد افزایش را نشان داد که تفاوت محسوسی را ایجاد نکرد. بنابراین میتوان چاههای کم اهمیت را از شبکۀ پایش حذف نمود. در پایان پژوهش از نظر خوشهبندی نیز 40 چاه واقع در دشت گهکم سعادتآباد داخل 5 خوشه طبقهبندی شد. نتیجهگیری و پیشنهادها هدف اصلی تحقیق حاضر، بهینه سازی شبکه پایش آب زیرزمینی از نظر کمی و کیفی با استفاده از مدل های آماری و MCDM است. نتایج نشان داد که روشهای MCDM کارایی و دقت بالایی داشته و نتایج ارزشمندی را ارائه کرده است. بر اساس نتایج نقشۀ مکانیابی چاههای مشاهدهای تولید شده توسط مدل های مذکور، منطقۀ مورد مطالعه در 5 گروه از اولویت بسیار کم تا اولویت بسیار بالا طبقه بندی شد. بنابراین، یافتههای این تحقیق میتواند برای توسعه شبکۀ پایش و صدور مجوزهای جدید برای حفر چاههای جدید در مکانهای مناسب و نامناسب مورد استفاده مدیران آبخیز قرار گیرد. لذا با توجه به اهمیت پایش آب در مناطق ساحلی، استفاده از روش های ذکر شده برای سایر دشت های استان هرمزگان توصیه می شود. همچنین به منظور مقایسه روشهای مختلف آماری، هیدرولوژیکی و دادهکاوی مانند مدلهای یادگیری ماشینی، استفادۀ همزمان از آنها در مطالعات آتی پیشنهاد میشود. همچنین در مطالعات آتی برای احداث شبکۀ پایش آب زیرزمینی، استفاده از معیارهای مؤثر دیگری مانند معیارهای تحلیل اقتصادی و هزینه احداث شبکۀ پایش، معیارهای فاصله و مجاورت با دریا و معیارهای فاصله و نزدیکی به مسیرهای ارتباطی نیز توصیه میشود. | ||
| کلیدواژهها | ||
| آبهای زیرزمینی؛ پایش؛ گهکم سعادتآباد؛ مدلهای تصمیمگیری چندمعیاره | ||
| عنوان مقاله [English] | ||
| Optimizing the quantitative and qualitative groundwater monitoring network using statistical and MCDM methods | ||
| نویسندگان [English] | ||
| Hamid Gholami1؛ shahram golzari1؛ Aliakbar Mohamadifar2؛ hoorieh zahmatkesh3؛ maryam zare4 | ||
| 1University of Hormozgan | ||
| 2natural resource department, , hormozgan university, | ||
| 3Research department, hormozgan regional water | ||
| 4Hormozgan Regional Water Research Group | ||
| چکیده [English] | ||
| Introduction and Goal Groundwater plays a key role in supplying the requirements of the communities in various sectors such as drinking, industry and agriculture, etc. This resources are very important in arid and semi-arid regions that are facing with a remarkable decrease in rainfall, because aquifers are considered as the main sources of water supply for communities in these areas. Also, due to their location, these resources in the coastal areas are impacting by climatic changes in the interaction of land and sea, and also, at the same time they are influencing by human activities. Therefore, understanding the quantitative and qualitative characteristics of groundwater tables and their monitoring is necessary. Continuous monitoring of the groundwater network rare expensive and time consuming. Therefore, optimizing the monitoring network can be useful help for the mitigation of the challenges mentioned in above. Therefore, the main aim of the current research is optimization of the groundwater monitoring network in the Gahkom Saadatabad plain, Hormozgan province, using statistical methods. Materials and Methods In the first step of research, we selected nine criteria (consisting of the average underground water level, average annual drop of underground water, hydraulic conductivity, density of exploitation wells, distance from the river, Geological formation, land use, distance from the fault and distance from the spring) according to guidelines of the Ministry of Energy, and as well as using the opinions of groundwater experts. including: The weight of the each of the criteria determined using the Analytical Hierarchy (AHP) method, and then a spatial map prepared for each criteria. In this research, TOPSIS and WASPAS multi criteria decision making models were employed to implement the process of locating observed wells. To evaluate the current monitoring network, the location results of the Thyssen network were drawn for each aquifer, and then the average score of the location maps in each Thyssen polygon was obtained. For each well and each polygon, wells with an average score of less than 0.3 were considered as unsuitable wells. Next, in order to ensure the correctness of the selection of unsuitable wells, Petit's homogeneity test and standard normality test were employeds. In the next step, the principal component analysis (PCA) method was used to determine the relative importance of 40 wells. After identifying the wells with low relative importance, they were excluded from further analysis, and then, the Kriging interpolation method was used to find out the standard error value due to the removal of the wells. Finally, clustering analysis was used to group wells with the similar characteristics. Results and Discussion The results of the AHP showed that among the 9 criteria used in the research, the density of exploitation wells with a weight = 0.217 and the distance from the fault with a weight = 0.031 were ranked as first and last ranks, respectively. Both of MCDM models (e.g., TOPSIS and WASPAS) provided the same accuracy. Overall, the comparison between the current monitoring network and optimal network, revealed that 3 wells was identified as unsuitable wells, and according to the P value of the Petit test and the standard normal test, it was determined that the selection of all three wells as wells Heterogeneous has been correct. The results of the PCA method revealed that six wells consising ofwells 8, 9, 15, 10, 32 and 37, were included in the group of wells with relative negative importance, and the mentioned wells were removed. Further, the value of the standard error after removing the less important wells showed an increase of only 14%, which did not make a noticeable difference. Therefore, less important wells can be removed from the network. Finally, 40 wells located in the Gahkom Saadatabad plain was classified into 5 clusters. Conclusion and Suggestions The main contribution of the current research is optimizing the groundwater monitoring network quantitatively and qualitatively by statistical and MCDM models. The results revealed that MCDM methods has high performance and accuracy and provided valuable results. Based on the results of the location map of observed wells generated by the mentioned models, the study area was classified into 5 groups from very low priority to very high priority. Therefore, findings of this research can be use by watershed managers to develop monitoring network and issue new licenses to drill new wells in suitable and inappropriate places. Therefore, considering the importance of water monitoring in coastal areas, it is recommended to use the mentioned methods for other plains of Hormozgan province. Also, in order to compare different statistical, hydrological and data mining methods such as machine learning models, it is suggested to use them simultaneously in future studies. Also, in future studies for the construction of underground water monitoring network, it is recommended to use other effective criteria such as economic analysis criteria and the cost of constructing the monitoring network, criteria of distance and proximity to the sea, and criteria of distance and proximity to communication routes. | ||
| کلیدواژهها [English] | ||
| Groundwater, monitoring, Gahkom Saadatabad, multi-criteria decision making models | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 28 |
||