پتانسیل‏ سنجی منابع آب زیرزمینی با رویکردی ترکیبی به الگوریتم بهینه‏ سازی ازدحام ذرات و سیستم اطلاعات مکانی (مطالعۀ موردی: دشت مهران، ایلام)

نوع مقاله : پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد آب و سازه‌های هیدرولیکی، دانشکدۀ مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی

2 استادیار دانشکدۀ مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی

3 استادیار دانشکده و پژوهشکدۀ پدافند غیرعامل، دانشگاه جامع امام حسین‌(ع)

چکیده

یکی از مسائل مهم در زمینۀ مدیریت صحیح منابع آب زیرزمینی، شناسایی پتانسیل این منابع به‌منظور برنامه‏ریزی و تصمیم‏گیری صحیح دربارۀ بهره‏برداری از آنهاست. هدف این پژوهش، پتانسیل‏سنجی منابع آب زیرزمینی با رویکردی ترکیبی به الگوریتم بهینه‏سازی ازدحام ذرات (PSO) و سیستم اطلاعات مکانی (GIS) در دشت مهران است. به این منظور و برای شناسایی پتانسیل منابع آب زیرزمینی در این منطقه، 13 فاکتور مختلف تأثیرگذار بر میزان نفوذ آب در داخل زمین و تشکیل منابع آب زیرزمینی شامل شیب، ارتفاع، تراکم زهکشی، تراکم خطواره، نقشۀ T، نقشۀ K، نقشۀ Recharge، نقشۀ کاربری زمین، نقشۀ سنگ‌شناسی، نقشۀ Sy، نقشۀ عمق آب زیرزمینی، نقشۀ تراکم چاه و نقشۀ هم‌کلر، شناسایی و نقشۀ آنها تهیه و طبقه‏بندی شد. سپس، با استفاده از الگوریتم PSO، هر یک از نقشه‏ها وزن‏دهی و پس از آن با استفاده از روش همپوشانی وزن‏دار در محیط GIS با یکدیگر ترکیب شدند و در انتها، دو نقشۀ نهایی پتانسیل آب زیرزمینی، یک بار در حالتی که معادلۀ بهینه‏سازی برابر با نقشۀ تراکم چاه قرار گرفت (PSO_chah) و بار دیگر برای حالتی که معادلۀ بهینه‏سازی برابر نقشۀ آبدهی ویژه قرار گرفت (PSO_Sy)، به‌دست آمد. در این زمینه، نقشۀ PSO_chah، 56/2 درصد از منطقه و نقشۀ PSO_Sy، 40/2 درصد از منطقه را به‌عنوان مناطق با پتانسیل بسیار زیاد از نظر منابع آب زیرزمینی مشخص کردند.

کلیدواژه‌ها

موضوعات


[1]        Vafaeinejad A.R, yousof zadeh J, yousofi H, mohammadi varzaneh N. Management of water distribution in irrigation networks and Allocation of cropping pattern with the help of geographic information systems and linear programming (case study: land downstream of the Aghchay dam). Journal of Echo Hydrology. 2014, 123-132. (In Persian).
[2]        Vafaeinejad A.R, Cropping pattern optimization by using TOPSIS method and genetic algorithm based on GIS capabilities (case study: Land of the plain, Isfahan). Journal of Echo Hydrology. 2016, 69-82. (In Persian).
[3]        Chenini I, Ben Mammou A. Groundwater recharge study in arid region: An approach using GIS techniques and numerical modeling. Computers & Geosciences. 2010, 801–817.
[4]        Tweed S.O, Leblanc M, Webb J.A, Lubczynski M.W. Remote sensing and GIS for mapping groundwater recharge and discharge areas in salinity prone catchments. SE Australia. Hydrogeol. 2007, 75–96.
[5]        Entekhabi D, Moghaddam M. Mapping recharge from space: roadmap to meeting the grand challenge. Hydrogeol. 2007, 105–116.
[6]        Das D. Satellite remote sensing in subsurface water targeting.In: Proceeding ACSM-ASPRS Annual Convention. 1990, 99–103.
[7]        Hoffmann J, Sander P. Remote sensing and GIS in hydrogeology. Hydrogeol. 2007, 1–3.
[8]        Rahman A. A GIS based DRASTIC model for assessing groundwater vulnerability in shallow aquifer in Aligarh, India. Appl. Geograph. 2008, 32–53.
[9]        Gupta M, and Srivastava P.K. Integrating GIS and remote sensing for identification of groundwater potential zones in the hilly terrain of Pavagarh,Gujarat, India. Water Int. 2010, 233–245.
[10]     Saud M.Al. Mapping potential areas for groundwater storage in Wadi Aurnah Basin, western Arabian Peninsula, using remote sensing and geographic information system techniques. Hydrogeol. 2010, 1481–1495.
[11]     Elewa H.H. Qaddah A.A. Groundwater potentiality mapping in the Sinai Peninsula, Egypt, using remote sensing and GIS-watershed-based modeling. Hydrogeol. 2011, 613–628.
[12]     Konkul J. Rojborwornwittaya W. Chotpantarat S. Hydrogeologic characteristics and groundwater potentiality mapping using potential surface analysis in the Huay Sai area, Phetchaburi Province, Thailand. Geosci. 2014, 89–103.
[13]     Mon'em M.J, Noori M.A. Application of PSO optimization algorithm in distribution and optimized delivery of water in irrigation networks. Journal of Irrigation and Drainage of iran. 2010, 82-73. (In Persian).
[14]     Ying chun, Ge, XinLi, Chunlin Huang, Zhuotong Nan. A Decision Support System for irrigation water allocation along the middle reaches of the Heihe River Basin. Northwest China. Environmental Modelling & Software. 2013, 182-192.
[15]     Li Y, Sun H, Zhang C, Li G. Sites Selection of ATMs Based on Particle Swarm Optimization. International Conference on Information Technology and Computer Science. 2009, 526-530
[16]     Haupt RL, Haupt SE. Practical Genetic Algorithms. Hoboken, NJ, USA: John Wiley & Sons, Inc, 2003.
[17]     Engelbrecht, Andries P. Computational intelligence: an introduction. wiley, 2007.
[18]     Mohammadi varzaneh N, Vafaeinejad A.R, The allocation of water in irrigation networks with the help of decision support system based on Geographic Information System (GIS) and particle swarm algorithm (PSO) (case study: Agricultural land of Ghortan). Journal of Echo Hydrology. 2015, 39-49. (In Persian).
دوره 4، شماره 4
دی 1396
صفحه 1199-1213
  • تاریخ دریافت: 10 خرداد 1396
  • تاریخ بازنگری: 12 تیر 1396
  • تاریخ پذیرش: 05 مرداد 1396
  • تاریخ اولین انتشار: 01 دی 1396
  • تاریخ انتشار: 01 دی 1396