استفاده از مدل سری زمانی ARIMA برای پیش‌بینی پارامترهای کیفی آب زیرزمینی جهت استفاده در کشاورزی (مطالعه موردی: دشت چهارمحال و بختیاری)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران

2 گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند

چکیده

آب‌های زیرزمینی یک منبع با اهمیت به خصوص در مناطق خشک و نیمه‌خشک به شمار می‌آید. بنابراین، مطالعه و پیش‌بینی تغییرات کیفی آب جهت جلوگیری از کاهش کیفیت آن در آینده ضروری می‌باشد. در این مطالعه از دو پارامتر کیفی هدایت الکتریکی(EC) و نسبت جذب سدیم (SAR) برداشت شده از 18 چاه آب زیرزمینی در استان چهارمحال و بختیاری در طی سال‌های 1370 تا 1395 استفاده شده است. ابتدا نقشه پهنه‌بندی اولیه از پارامترهای مد نظر در ابتدا و انتهای بازه زمانی داده‌ها ترسیم و پس از انتخاب مدل مناسب برای هر پارامتر در هر چاه، مدل‌سازی انجام و نقشه کیفیت آب زیرزمینی در سال 1400 ایجاد شد تا تغییرات صورت گرفته شده بین این سال‌ها مورد مطالعه قرار گیرد. در نهایت، میزان کیفیت آب زیرزمینی براساس دسته بندی ویلکاکس تعیین گردید. بر اساس نتایج، مدل‌های ARIMA انتخاب شده دارای عملکرد مناسب و قابل قبولی می‌باشند. همچنین طبق نتایج، میانگین میزان پیش‌بینی شده SAR در تمامی چاه‌ها در سال 1400 نسبت به سال 1395 کاهش خواهد یافت، در حالی که میانگین EC در تمامی چاه‌ها رو به افزایش است. بنابراین با توجه به این پارامترهای کیفی، اکثریت منطقه در کلاس C2S1 و C3S1 قرار خواهند گرفت که آبی شور و مضر برای کشاورزی خواهد بود.

کلیدواژه‌ها


عنوان مقاله [English]

Using ARIMA Time Series Model to Predict Groundwater Quality Parameters for use in agriculture (Case Study: Chaharmahal & Bakhtiari Plain)

نویسندگان [English]

  • Amir Mohammad Rokhshad 1
  • Hosein Khozeymehnezhad 2
1 Department of Water Science and Engineering, Faculty of Agriculture, University of Birjand, Birjand, Iran
2 Department of Water Science and Engineering, Faculty of Agriculture, University of Birjand
چکیده [English]

Groundwater is an important water resource especially in arid and semi-arid regions. Therefore, according to the conditions, it is necessary to study and predict the qualitative changes of water in the future. In this study two quality parameters Including electrical conductivity (EC) and sodium adsorption ratio (SAR) taken from 18 groundwater wells in Chaharmahal and Bakhtiari Province during the years 1991 to 2016 were used. First, the primary zoning map was drawn from the parameters at the beginning and the end of the data range, then the suitable model for each parameter in each well was choiced and by drawing a map of groundwater quality zoning in 2021, the changes between these years was studied and groundwater quality was determined by Wilcox. Based on the results, selected ARIMA models have good performance. Also, according to these models, the average amount of predicted SAR (absorption rate) in all wells will decrease in 2021 compared to 2016, while the average amount of EC (electrical conductivity) is increasing in all wells. Therefore, according to the reviewed qualitative parameters, the majority of the region can be classified in the C2S1 and C3S1 classes, that will be salt and harmful water for agriculture.

کلیدواژه‌ها [English]

  • ARIMA
  • Groundwater
  • Quality parameters
  • time series
احتشامی، م.، خراسانی، م.، قدیمی، ح. و حیات‌بینی، ن. 1396. ارزیابی تغییرات تراز و غلظت نیترات آب‌های زیرزمینی دشت کبودرآهنگ با استفاده از سری‌های زمانی. نشریه مهندسی عمران امیرکبیر. 49 (2): 294-285.
افروزی، ع. و زارع‌ابیانه، ح. 1396. مدل‌سازی و پیش‌بینی تراز آب زیرزمینی با کاربرد مدل‌های سری زمانی (مطالعه موردی: دشت‌های استان همدان). پ‍‍ژوهشنامه مدیریت حوزه آبخیز. 15 (8): 111-102.
دودانگه، ا.، عابدی‌کوپائی، س. و گوهری، س. ع. 1391. کاربرد مدل‌های سری زمانی به‌منظور تعیین روند پارامترهای اقلیمی در آینده در راستای مدیریت منابع آب. مجله علوم آب‌وخاک. 59 (16): 74-59.
زهتابیان، غ. ر.، رفیعی‌امام، س.، علوی‌پناه، ک. و جعفری، م. 1383. بررسی آب زیرزمینی دشت ورامین جهت استفاده از آبیاری اراضی کشاورزی. پژوهش‌های جغرافیایی. 36 (48): 102-91.
سلطانی‌گردفرامرزی، س.، صابری، ع. و قیصوری، م. 1396. تعیین بهترین مدل سری زمانی در پیش‌بینی بارندگی سالانه ایستگاه‌های منتخب استان آذربایجان غربی. نشریه تحقیقات کاربردی علوم جغرافیایی. 17 (44): 105-87.
مقصود، ف.، یزدانی، م. ر.، رحیمی، م.، ملکیان، آ. و ذوالفقاری، ع. 1395. مقایسه کارایی مدل شبکه عصبی مصنوعی، سری زمانی و مدل ترکیبی ANN-ARIMA در مدل‌سازی و پیش‌بینی شاخص منبع آب زیرزمینی (GRI) (مطالعه موردی: جنوب استان قزوین). مجله علوم و مهندسی آبخیزداری ایران. 10 (33): 57-47.
میرزاپور، ح.، حقی‌زاده، ع.، علیجانی، ر. و حیدری‌زادی، ز. 1397. ارزیابی کارایی مدل سری زمانی SARIMA در شبیه‌سازی دبی متوسط ماهانه‌ی رودخانه‌های افرینه کشکان و کاکارضا (استان لرستان). هیدروژئومورفولوژی. 4 (15): 169-153.
Abu Amra, I. A. S. and Maghari, A. Y. A. 2018. Forecasting groundwater production and rain amounts using ARIMA-Hybrid ARIMA: Case study of Deir El-Balah City in GAZA. International Conference on Promising Electronic Technologies (ICPET).
Box, G. E. P. and Jenkins, G. M. 1976. Time Series Analysis: Forecasting and Control. Revised Edition. Holden-Day. PP 324.
DeMoraes Takafuji, E. H., Da Rocha, M. M. and Manzione, R. L. 2018. Groundwater level prediction/forecasting and assessment of uncertainty using SGS and ARIMA Models: A case study in the Bauru Aquifer System (Brazil). Natural Resources Research: 1– 17.
Gibrilla, A., Anornu, G. and Adomako, D. 2017. Trend analysis and ARIMA modelling of recent groundwater levels in the White Volta River basin of Ghana. Groundwater for Sustainable Development.
Hajihashemi Jazy, M. R., Atashgahi, M. and Hamidian A. H. 2011 Spatial estimation of groundwater quality factors using geostatistical methods (case study: Golpayegan plain). Journal of Natural Environmental, Iranian Journal of Natural Resources. 4: 347- 357.
Khalili Arya, F. and Zhang, L. 2015. Time series analysis of water quality parameters at Stillaguamish river using order series method. Stoch Env Res Risk A. 29 (1): 227– 239.
Mrsanjari, M. M. and Mohammadyari, F. 2018. Application of Time-series Model to Predict Groundwater Quality Parameters for Agriculture: (Plain Mehran Case Study). IOP Conference Series: Earth and Environmental Science. 127 (1).
Taneja, K., Ahmad, Sh., Ahmad, K. and Attri, S. D. 2016. Time series analysis of aerosol optical depth over New Delhi using BoxeJenkins ARIMA modeling approach. Atmospheric Pollution Research. 3 (1): 1- 12.
Tizro, A., Ghashghaie, M., Georgiou, P.E. and Voudouris, K. 2014. Time series analysis of water quality parameters. Journal of Applied Research in Water and Wastewater. 1(1): 40- 50.
Wilcox, L. V. 1955. Classification and use of irrigation waters. US Department of Agriculture. Circ. 969. Washington DC.
Zhang, L., Zhang, GX. and Li, RR. 2016. Water quality analysis and prediction using hybrid time series and neural network models. Journal of Agricultural Science and Technology. 18 (4): 975- 983.