ارزیابی دوره‌های اقلیمی در پیش‌بینی میزان فرونشست با استفاده از مدلسازی عددی (مطالعه موردی: آبخوان نجف‌آباد)

نوع مقاله : پژوهشی

نویسندگان

1 استادیارپژوهشی پژوهشکده مطالعات و تحقیقات منابع آب، موسسه تحقیقات آب، تهران، ایران

2 استادیار پژوهشی، مؤسسۀ تحقیقات آب، تهران، ایران

چکیده

موضوع: رویکرد مدیریت یکی از راهبردی‌ترین اصول در بحث مدیریت منابع آب با توجه به شرایط کم‌آبی و تنش‌های اقلیمی است. این موضوع سبب شده تا رویکردهای مختلفی برای ارزیابی و شناسایی ابعاد موضوع مطرح گردد.
هدف: یکی از چالش‌های ایجادشده در موضوع مدیریت منابع آب زیرزمینی، بهره‌برداری بیش از توان آبخوان بوده که سبب شده تا نشست زمین در لایه‌های رسی در آبخوان‌های آبرفتی انجام گیرد. بر این اساس، رویکرد استفاده از مدل‌های عددی برای شناسایی و پهنه‌بندی مناطق مستعد فرونشست با توجه به قابلیت پیش‌بینی بسیار کاراست.
روش تحقیق: در این راستا شبیه‌سازی آبخوان نجف‌آباد که با توجه به افت بالای آبخوان در سال‌های اخیر، با استفاده از پکیج SUB در مدل MODFLOW انجام گرفت. براساس نتایج به‌دست‌آمده آبخوان تحت‌تأثیر اضافه‌برداشت ناشی از عدم مدیریت عرضه و تقاضای آب بوده و توسعه‌های انجام‌گرفته با توجه به کاهش جریان سطحی سبب شده تا فشار بر منابع آب زیرزمینی افزایش چشمگیری داشته باشد و سبب افت آبخوان از دیدگاه کمی و نشست زمین در بخش‌هایی از آبخوان شود.
یافته‌ها:  نتایج نشان داد که میزان نشست زمین در بخش‌های مرکزی و خروجی آبخوان با توجه به تمرکز بالای چاه‌های بهره‌برداری بیشتر بوده و حداکثر به بیش از 30 سانتی‌متر در سال می‌رسد. این تغییرات نشست زمین با توجه به شرایط تحت‌تأثیر عمق آب زیرزمینی نسبت به نوسانات اقلیمی نیز مورد آنالیز قرار گرفت.
نتیجه‌گیری: نتایج مدل نشان داد که در دوره‌های خشکسالی بیشترین میزان نشست ایجاد شده است.

کلیدواژه‌ها

موضوعات


Bagheri-Gavkosh, M., Hosseini, S. M., Ataie-Ashtiani, B., Sohani, Y., Ebrahimian, H., Morovat, F., & Ashrafi, S. (2021). Land subsidence: A global challenge. Science of The Total Environment, 778, 146193. https://doi.org/10.1016/J.SCITOTENV.2021.146193
Ekici, A., Lee, H., Lawrence, D. M., Swenson, S. C., & Prigent, C. (2019). Ground subsidence effects on simulating dynamic high-latitude surface inundation under permafrost thaw using CLM5. Geoscientific Model Development, 12(12), 5291–5300. https://doi.org/10.5194/GMD-12-5291-2019
Gallardo, A. H., Marui, A., Takeda, S., & Okuda, F. (2009). Groundwater supply under land subsidence constrains in the Nobi Plain. Geosciences Journal, 13(2), 151–159. https://doi.org/10.1007/S12303-009-0014-4
Giani, G., Orsatti, S., Peter, C., & Rocca, V. (2018). A Coupled Fluid Flow—Geomechanical Approach for Subsidence Numerical Simulation. Energies 2018, Vol. 11, Page 1804, 11(7), 1804. https://doi.org/10.3390/EN11071804
Jafari, F., Javadi, S., Golmohammadi, G., Karimi, N., & Mohammadi, K. (2016). Numerical simulation of groundwater flow and aquifer-system compaction using simulation and InSAR technique: Saveh basin, Iran. Environmental Earth Sciences, 75(9), 1–10. https://doi.org/10.1007/S12665-016-5654-X/METRICS
khajehali, M., Safavi, H. R., & Iran Pour, S. (2023). Evaluation of management scenarios for land subsidence reduction and groundwater rehabilitation in Damane-Daran plain, Iran. Groundwater for Sustainable Development, 23, 100995. https://doi.org/10.1016/J.GSD.2023.100995
Liu, R., Zhao, Y., Cao, G., Wang, Q., Ma, M., Li, E., & Deng, H. (2022). Threat of land subsidence to the groundwater supply capacity of a multi-layer aquifer system. Journal of Hydrology: Regional Studies, 44, 101240. https://doi.org/10.1016/J.EJRH.2022.101240
Mahmoudpour, M., Khamehchiyan, M., Nikudel, M. R., & Ghassemi, M. R. (2016). Numerical simulation and prediction of regional land subsidence caused by groundwater exploitation in the southwest plain of Tehran, Iran. Engineering Geology, 201, 6–28. https://doi.org/10.1016/J.ENGGEO.2015.12.004
Memarian Sorkhabi, O., Kurdpour, I., & Esmaeili Sarteshnizi, R. (2022). Land subsidence and groundwater storage investigation with multi sensor and extended Kalman filter. Groundwater for Sustainable Development, 19, 100859. https://doi.org/10.1016/J.GSD.2022.100859
Moghaddam, H. K., Moghaddam, H. K., Kivi, Z. R., Bahreinimotlagh, M., & Alizadeh, M. J. (2019). Developing comparative mathematic models, BN and ANN for forecasting of groundwater levels. Groundwater for Sustainable Development, 9(June), 100237. https://doi.org/10.1016/j.gsd.2019.100237
Pardo, J. M., Lozano, A., Herrera, G., Mulas, J., & Rodríguez, Á. (2013). Instrumental monitoring of the subsidence due to groundwater withdrawal in the city of Murcia (Spain). Environmental Earth Sciences, 70(5), 1957–1963. https://doi.org/10.1007/S12665-013-2710-7/METRICS
Pradhan, B., Abokharima, M. H., Jebur, M. N., & Tehrany, M. S. (2014). Land subsidence susceptibility mapping at Kinta Valley (Malaysia) using the evidential belief function model in GIS. Natural Hazards, 73(2), 1019–1042. https://doi.org/10.1007/S11069-014-1128-1/METRICS
Shen, J., Wu, H., & Zhang, Y. (2017). Subsidence estimation of breakwater built on loosely deposited sandy seabed foundation: Elastic model or elasto-plastic model. International Journal of Naval Architecture and Ocean Engineering, 9(4), 418–428. https://doi.org/10.1016/J.IJNAOE.2016.11.006
 
Yu, H., Gong, H., Chen, B., Liu, K., & Gao, M. (2020). Analysis of the influence of groundwater on land subsidence in Beijing based on the geographical weighted regression (GWR) model. Science of The Total Environment, 738, 139405. https://doi.org/10.1016/J.SCITOTENV.2020.139405
دوره 11، شماره 4
دی 1403
صفحه 511-526
  • تاریخ دریافت: 08 آبان 1403
  • تاریخ بازنگری: 28 آبان 1403
  • تاریخ پذیرش: 15 آذر 1403
  • تاریخ اولین انتشار: 01 دی 1403
  • تاریخ انتشار: 01 دی 1403