Optimal location of water quality monitoring stations in river systems by discrete transinformation entropy

Document Type : Original Article

Authors

1 Assocate Professor, Department. of Civil Engineering, Faculty of Engineering, University of Qom, Qom, Iran

2 Assistant. Professor, Department. of Civil Engineering, Faculty of Engineering, University of Mohaghegh Ardabili, Ardabil, Iran

3 MSc graduate, Department. of Civil Engineering, Faculty of Engineering, University of Qom, Qom, Iran

Abstract

In this study, optimization of location of sampling stations for water quality of river system using information entropy theory in Lavasanat and Tehran-Karaj catchments with 11 sampling stations for 12 water quality and quantity variables for a statistical period of 21 years has been considered. First, using the discrete transinformation entropy theory, a T-D diagram was drawn for each variable, which indicates the distance between stations and transinformation. Then, using analytical hierarchical process (AHP) method and according to water consumption for agriculture and drinking, the weight of all variables was determined using Expert Choice software. The optimal distance between monitoring stations was obtained based on the total weight of each qualitative variable at its optimal distance of 14.1 km. Also, the optimal distance was calculated by fuzzy AHP method, which was 13.83 km. Then different scenarios were performed to eliminate or increase the number of sampling stations. The results show the efficiency of discrete entropy theory in combination with multi-criteria decision-making method in optimizing the number and distribution of water quality monitoring stations in river systems.

Keywords

References

جباریان امیری، ب.، 1375. ارزیابی آثار زیست­محیطی سد امیر کبیر به روش مدل تخریب.، پایان­نامه کارشناسی ارشد دانشکده محیط­زیست دانشگاه تهران.
جنت رستمی، س. و صلاحی، ع. 1399. طراحی شبکه پایش کیفی آبهای زیرزمینی با استفاده از روش بهینه­سازی الگوریتم ژنتیک (مطالعه موردی: آبخوان دشت گیلان). فصلنامه عبوم محیطی. 18(2). 40-19 .
ری آب ١٣٧١. اﻗﻠﻴﻢﺷﻨﺎﺳﻲ و آبﻫﺎی ﺳﻄﺤﻲ، ﻃﺮح ﺗﺎﻣﻴﻦ آب ﻣﺸﺮوب ﺷﻬﺮ ﺗﻬﺮان، وزارت ﻧﻴﺮو، ﺳﺎزﻣﺎن آب ﻣﻨﻄﻘﻪای ﺗﻬﺮان، ﮔﺰارش ﻣﺮﺣﻠﻪ اول ﺟﻠﺪ دوم.
    فرجی سبکبار، ح.، محمودی میمند، ه.، نظیف، س.و عباسپور، ر.ع. 1393. توسعه­ی بهینه­ی شبکه­ی باران­سنجی با استفاده از روش کریجینگ و آنتروپی در محیط GIS. پژوهش­های جغرافیای طبیعی. 46(4) ، 101-113.
کماسی، م.، گودرزی، ح.، 1398. بهره­گیری از آنتروپی و کریجینگ بیزین تجربی در بهینه­سازی و درون­یابی مکانی تراز آب در شبکه­ی پایش آب­های زیرزمینی. هیدروژئومورفولوژی. 19(5) . 145-162.
کوره­پزان دزفولی، ا. 1394. اصول تئوری مجموعه­های فازی و کاربردهای آن در مدلسازی مسائل مهندسی آب. انتشارات دانشگاه صنعتی امیرکبیر. چاپ سوم
معصومی، ف. و کراچیان، ر.، 1387. بهینه­سازی مکانیابی ایستگاههای پایش کیفی منابع آب زیرزمینی با کاربرد تئوری آنتروپی گسسته. آب و فاضلاب. 65. 2-12.
میرزائی ندوشن، فهیمه. بزرگ حداد، امید. خیاط خلقی، مجید. گزارش فنی: بهینه‌سازی و توسعه شبکه پایش سطح آب زیرزمینی در دشت اشتهارد. مهندسی و مدیریت آبخیز. 11(1). 273-282.
همتی، ف.، حجازی، س. ا. 1396. پهنه­بندی خطر زمین لغزش با استفاده از روش آماری رگرسیون لجستیک در حوضه آبریز لواسانات. نشریه تحقیقات کاربردی علوم جغرافیایی. 45(17) ش.ص. 7-24.
Boroumand, A., Rajaee, T. and Masoumi, F. 2018. Semivariance analysis and transinformation entropy for optimal redesigning of nutrients monitoring network in San Francisco bay. Marine Pollution Bulletin. 129: 689-694.
Harmancioglu N. B. and Baran T. 1989. Effects of recharge systems on hydrologic information transfer along rivers. In Proceedings of the Third Scientific Assembly –New Directions for Surface Water Modelling, IAHS Publications. 181: 223.
Harmancioglu, N. B., Alpaslan, N., 1992. Water quality monitoring network design: a problem of multi-objective decision making. AWRA Water Resources Bulletin. 28 (1): 179-192.
Husain, T., (1989). Hydrologic uncertainty measure and network design. Water Resources Bulletin. 25: 527-534.
    Jiang, J., Tang, S., Han, D., Fu, G., Solomatine, D. and Zheng, Y. 2020. A comprehensive review on the design and optimization of surface water quality monitoring networks. Environmental Modelling & Software. 132. https://doi.org/10.1016/j.envsoft.2020.104792.
Krastanovic, P. F. and Singh, V. P. 1992. Evaluation of rainfall networks using entropy. Water Resource Management. 6: 295-314.
Li, S., Heng, S., Siev, S., Yoshimura, C., Saavedra, O. and Ly, S. 2019. Multivariate interpolation and information entropy for optimizing rain gauge network in the Mekong River Basin. Hydrological Sciences Journal. 64(12), 1439-1452.‏
Masoumi, F. and Kerachian, R. 2008. Assessment of the groundwater salinity monitoring network of the Tehran region: application of the discrete entropy theory. Water science and technology. 58(4): 765-771.
Masoumi, F. and Kerachian, R., 2010. Optimal redesign of groundwater quality monitoring networks: a case study. Environmental monitoring and assessment. 161(4): 247-257.
Memarzadeh, M., Mahjouri, N., Kerachian, R., 2013. Evaluating sampling locations in river water monitoring networks: application of dynamic factor analysis and discrete entropy theory. Environmental Earth Sciences. 70: 2577-2585.
Mondal, N. and Singh, V. 2012. Evaluation of groundwater monitoring network of Kodaganar River basin from Southern India using entropy. Environmental Earth Sciences. 66 (4): 1183-1193.
Ozkul, S., Minsker, B., and Singh, V. P., 2000. Entropy-based assessment of water quality monitoring networks, Journal of Hydrology, ASCE. 5: 90-100.
Saaty, T. L., 1980. The Analytic Hierarchy Process.New York, McGraw-Hill International
Iranian Journal of Irrigation & Drainage
Volume 15, Issue 2 - Serial Number 86
May and June 2021
Pages 295-306

Files

Share

How to cite

Statistics