تعیین مناطق مستعد آب زیرزمینی با استفاده از مدل‌های SI، WOE و Shannon (مطالعه موردی: لنجانات اصفهان)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران

2 عضو هیئت علمی، دانشگاه لرستان

3 دانشگاه کاشان - دانشکده منابع طبیعی و علوم زمین - گروه آبخیزداری

4 گروه مهندسی آب، دانشگاه لرستان

چکیده

شناسایی مناطق مستعد آب زیرزمینی به عنوان یکی از منابع مهم برای تامین آب آشامیدنی، کشاورزی، تنوع اکولوژیکی و صنایع مختلف از موارد مهم و ضروری در مدیریت منابع آب هر کشوری به‌ویژه کشورهای در حال توسعه محسوب می‌شود. در این پژوهش، نقشه پهنه‌بندی آب زیرزمینی به منظور مدیریت و برنامه‌ریزی منابع آب زیرزمینی با استفاده از مدل‌های WOE، SI و Shannonدر بستر ArcGIS10.5 در این منطقه ارائه شد. بدین منظور موقعیت جغرافیایی 624 چاه با دبی بیشتر از 10 مترمکعب بر ثانیه در منطقه به دو گروه واسنجی (70 درصد) و اعتبارسنجی (30 درصد) تقسیم شدند. در اجرای هر سه مدل از پارامترهای موثر در پتانسیل‌یابی آب زیرزمینی شامل: ارتفاع، شیب، جهت شیب، انحنای زمین، زمین‌شناسی، کاربری اراضی، خاک‌شناسی، شاخص رطوبت توپوگرافی، فاصله ازگسل، تراکم گسل، تراکم آبراهه و فاصله از آبراهه منطقه استفاده شد. همچنین برای اعتبارسنجی نتایج مدل‌ها از منحنی ROC در نرم‌افزار SPSSاستفاده شد. بیشترین صحت برای این منطقه به مدل شاخص آماری اختصاص داشت که مقدار AUCبرای این مدل، 5/84 درصد و بعد از آن به ترتیب مدل-های وزن شواهد با 6/81 و آنتروپی شانون با 6/80 درصد قرار دارند. بیش از 60 درصد منطقه دارای پتانسیل آب زیرزمینی متوسط تا خیلی زیاد است. مدل شاخص آماری برای این منطقه مناسب‌تر و با دقت خوب است. تعیین مناطق با پتانسیل بالای آب زیرزمینی با استفاده از روش‌های مذکور برای اجرای برنامه‌های مدیریتی، مناسب است.

کلیدواژه‌ها


عنوان مقاله [English]

Determination of Groundwater Susceptibility Areas using SI, WOE and Shannon models (Case study: Isfahan Lenjanat)

نویسندگان [English]

  • hasan torabi poodeh 1
  • Babak Shahinejad 2
  • yazdan yarahmadi 3
  • Azadeh Arshia 4
1 water engineering department, agricultural collage, lorestan university, khorramabad, Iran
2 LU
3 Faculty of Natural Resources and Earth Sciences, University of Kashan, Iran
4 Lorestan University
چکیده [English]

Identification of groundwater potential areas as one of the important sources for drinking water supply, agriculture, ecological diversity and various industries is one of the important and necessary issues in the management of water resources of any country, especially developing countries. In this study, a groundwater zoning map was presented to manage and plan groundwater resources using WOE, SI and Shannon models in ArcGIS10.5 in this area. For this purpose, the geographical location of 624 wells with a flow rate of more than 10 cubic meters per second in the region were divided into two groups: calibration (70%) and validation (30%). In implementing all three models, the effective parameters in groundwater potential identification include: height, slope, slope direction, land curvature, geology, land use, soil science, topographic moisture index, distance from fault, fault density, waterway density and Distance from the area waterway was used. Also, the ROC curve in SPSS software was used to validate the results of the models. The highest accuracy for this region was assigned to the statistical index model, the AUC value for this model is 84.5%, followed by evidence weight models with 81.6% and Shannon entropy with 80.6%, respectively. More than 60% of the area has moderate to very high groundwater potential. The statistical index model is more appropriate and accurate for this region. Determining areas with high groundwater potential using these methods is appropriate for implementing management programs.

کلیدواژه‌ها [English]

  • Evidence weight
  • Groundwater
  • Lenjanat
  • Shannon Entropy
  • statistical index
شفیعی، ن.، امیراحمدی، ا. و رحمانی، ا. 1398. پتانسیل­یابی منابع آب زیرزمینی با مدل آنتروپی شانون حوضه آبریز دشت نورآباد ممسنی. نشریه فضای جغرافیایی. 19 (66): 304-291.
عرب عامری، ع.، رضایی، خ.، یمانی، م. و شیرانی، ک. 1397. مدل­سازی و تهیه نقشه پتانسیل آب­های زیرزمینی با استفاده از روش ترکیبی داده محور تابع شواهد قطعی- شاخص آنتروپی (مطالعه موردی: حوزه نجف‌آباد). نشریه پژوهش­های حفاظت آب و خاک. 25 (2): 48-25.
فرامرزی، ح.، حسینی، س. م.، پور قاسمی، ح. و فرنقی، م. 1398. ارزیابی و پهنه‌بندی وقوع مخاطرۀ سیلاب در پارک ملی گلستان. نشریه اکو هیدرولوژی. 6 (4): 1068-1055.
فلاح، ف.، دانشفر، م. و قربانی، س. 1396. پتانسیل­یابی منابع آب زیرزمینی در محدوده مطالعاتی خرم‌آباد با استفاده از روش شاخص آماری. نشریه آب و توسعه پایدار. 4 (1): 98-89.
مفیدی فر، م.، اصلاح، م. و حسن آبادی، ع. 1394. مقایسه مدل­های تصمیم­گیری تاپسیس و تحلیل سلسله مراتبی در پتانسیل یابی منابع آب زیرزمینی حوضه دشت یزد – اردکان در محیطGIS . نشریه جغرافیا و برنامه ریزی محیطی. 1 (57): 156-147.
نوحانی، ا.، معروفی نیا، ا. و خسروی، خ. 1397. ارزیابی روش نسبت فراوانی در پتانسیل­یابی منابع آب زیرزمینی دشت الشتر، استان لرستان. نشریه آبیاری و زهکشی ایران. 12 (1): 129-119.
یوسفی، ح.، یونسی، ح.، ارشیا، ا.، یاراحمدی، ی. و گودرزی، ا. 1400. تعیین مناطق مستعد سیل با مدل­های FR، SI و   Shannonبه­منظور کاهش مخاطرات سیل (مطالعه موردی: حوزه ‌آبخیز کشکان). نشریه اکو هیدرولوژی. 8 (1): 319-307.
یونسی، ح.، ترابی پوده، ح.، شاهی نژاد، ب. و ارشیا، آ. 1399. پتانسیل­یابی منابع آب زیرزمینی با استفاده از مدل­های وزن شواهد و شاخص آماری در محدوده نجف‌آباد. نشریه ترویج و توسعه آبخیزداری. 8 (29): 43-36.
Bednarik, M., Magulova, B., Matys, M. and Marschalko, M. 2010. Landslide Susceptibility Assessment of the Kral ovany–Liptovsky Mikulas Railway Case Study. Physics and Chemistry of the Earth. 35(3-5): 162-171.
Bonham-Carter, G.F., Agterberg, F.P. and Wright, D.F. 1988. Integration of Geological Datasets for Gold Exploration in Nova Scotia. American Society for Photogrammetry and Remote Sensing, 0099-1 112.88/5411 – 1585$ 02.25/0.
Bui, D., Lofman, O., Revhaug, I. and Dick, O. 2011. Landslide susceptibility analysis in the Hoa Binh province of Vietnam using statistical index and logistic regression. Natural Hazards. 59(3): 1413–44.
Chen, W., Li, H., Hou, E., Wang, S. and Wang, G. 2018. Panahi M, et al. GIS-based groundwater potential analysis using novel ensemble weights-of-evidence with logistic regression and functional tree models. Science of the Total Environment. (634): 853–867.
Chenini, I., Mammou, A. B, and El May, M. 2010. Groundwater recharge zone mapping using GIS-based multi-criteria analysis: a case study in Central Tunisia (Maknassy Basin). Water Resources Management. 24(5):921-39.
Dahal, R.K., Hasegawa, S., Nonomura, A., Yamanaka, M., Dhakal, S. and Paudyal, P. 2008. Predictive modeling of rainfall-induced landslide hazard in the Lesser Himalaya of Nepal based on weights-of evidence. Geomorphology 102:496–510.
Fritch, T. G.,  McKnight, C. L., Yelderman Jr., J. C., Dworkin, S. I. and  Arnold, J. G. 2002.  A predictive modeling approach to assessing the groundwater pollution susceptibility of the Paluxy Aquifer, Central Texas, using a Geographic Information Syste,, Environmental Geology. (39): 1063–1069.
Golkarian, A. and Rahmati, O. 2018. Use of a maximum entropy model to identify the key factors that influence groundwater availability on the Gonabad Plain, Iran. Environmental Earth Sciences. (77): 369.
Haghizade, A., Moghaddam, D. and Pourghasemi, H. 2017. GIS-based bivariate statistical techniques for groundwater potential analysis. Journal of Earth System Science. 126(8): 1-17.
Jothibasu, A., Anbazhagan, S. 2016. Modeling groundwater probability index in Ponnaiyar River basin of South India using analytic hierarchy process. Modeling Earth Systems and Environment .2(3): 1-14.
Lee, S., Hyun, Y. and Lee, M. 2019. Groundwater Potential Mapping Using Data Mining Models of Big Data Analysis in Goyang-si, South Korea. Sustainability. 11(6): 1678.
Mogaji, K. A. and Lim, H. S. 2018. Application of Dempster-Shafer theory of evidence model to geoelectric and hydraulic parameters for groundwater potential zonation. Journal of Astronomy and Geophysics. 7(1): 134-148.
Oh, H-J., Kim, Y-S., Choi, J-K., Park, E. and Lee, S. 2011. GIS mapping of regional probabilistic groundwater potential in the area of Pohang City, Korea. Journal of Hydrology. 399(3-4):158-172.
Rahmati, O., Pourghasemi, H. R. and Melesse, A. M. 2016. Application of GIS-based data driven random forest and maximum entropy models for groundwater potential mapping: a case study at Mehran Region, Iran. Catena. (137): 360–372.
Regmi, A.D., Yoshida, K., Pradhan, B., Pourghasemi, H.R., Khumamoto, T. and Akgun, A. 2013. Application of frequency ratio, statistical index and weights-of-evidence models, and their comparison in landslide susceptibility mapping in Central Nepal Himalaya. Arabian Journal of Geosciences. 7(2): 725-742.. Doi: 10.1007/s12517-012-0807-z.
Sener, B., Suzen, M. L. and Doyuran, V. 2006. Landfill site selection by using geographic information systems. Environmental Geology. 49 (3):376-388.
Thapa, R., Gupta, S., Guin, S., and Kaur, H. 2017. Assessment of groundwater potential zones using multi-influencing factor (MIF) and GIS: a case study from Birbhum district, West Bengal, Applied Water Science. 7(7): 4117-4131.
Xu, C., Xu, X., Dai, F., Xiao, J., Tan, X. and Yuan, R. 2012. Landslide hazard mapping using GIS and weight of evidence model in Qingshui River watershed of 2008 Wenchuan earthquake struck region. Journal of Earth Science. 23(1): 97-120