بهینه‌سازی مدل دراستیک و سینتکس در ارزیابی آسیب‌پذیری آبخوان دشت شبستر

نوع مقاله : پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد هیدروژئولوژی، دانشکدۀ علوم طبیعی، دانشگاه تبریز

2 استاد، دانشکدۀ علوم طبیعی، دانشگاه تبریز

3 دانشجوی دکتری هیدروژئولوژی، دانشکدۀ علوم طبیعی، دانشگاه تبریز

چکیده

دشت شبستر منطقۀ فعالی از نظر کشاورزی است و استفاده از منابع آب زیرزمینی در آن به‌علت کمبود آب سطحی اهمیت بسیار زیادی دارد. رشد روزافزون جمعیت و فعالیت‏های صنعتی و کشاورزی و به تبع پسماندهای ناشی از آنها، احتمال آلودگی این آبخوان را افزایش می‌دهد. بنابراین، ارزیابی آسیب‏پذیری آبخوان این دشت برای توسعه، مدیریت و تصمیم‌های کاربری اراضی، چگونگی پایش کیفی منابع آب زیرزمینی و جلوگیری از آلودگی این منابع، بسیار مفید است. در مطالعۀ حاضر به‌منظور ارزیابی آسیب‏پذیری آبخوان دشت شبستر از روش دراستیک و سینتکس استفاده شده است. با توجه به اینکه رتبه‏ها و وزن‏های مدل‏های آسیب‏پذیری تا حدودی به نظر کارشناسی مربوط است، برای بهبود رتبه‏ها در هر دو مدل دراستیک و سینتکس از روش ویلکوکسن و به‌منظور بهینه‏سازی وزن‏ها، از روش آماری ساده و الگوریتم ژنتیک استفاده شد. در نهایت، مدل‏های بهینه‌شدۀ ویلکوکسن-آماری- دراستیک-، ویلکوکسن-الگوریتم‏ ژنتیک- دراستیک-، ویلکوکسن-آماری- سینتکس و ویلکوکسن- الگوریتم ژنتیک- سینتکس ساخته شد. در تمام مدل‏های بهینه‏سازی ضریب تعیین بین غلظت نیترات و شاخص آسیب‏پذیری مربوط به آن نسبت به مدل اولیه افزایش یافت. ضریب تعیین بالاتر مدل سینتکس-ویلکوکسن-الگوریتم‏ ژنتیک (46/0=) نسبت به دیگر مدل‏های بهینه‌شده نشان‌دهندۀ کارایی بهتر آن در منطقۀ مطالعه‌شده است.

کلیدواژه‌ها

موضوعات


[1].  Kazakis N, Konstantions SV. Groundwater vulnerability and pollution risk assessment of porous aquifers to nitrate: Modifying the Drastic method using quantitative parameters. Journal of Hydrology. 2015;525:13-25.
[2].  Patrikaki O, Kazakis N, Voudouris K. Vulnerability map: a useful tool for groundwater protection: an example from Mouriki Basin, North Greece. Fresenius Environ. Bull. 2012; 21(8c): 2516-2521.
[3].  Vrba J, Zoporotec A. Guidebook on mapping groundwater vulnerability. International Contributions to Hydrogeology.Verlag Heinz Heise GmbH and Co. KG.1994.
[4].  Stigter T, Riberio L, Carvalho Dill A. Evaluation of an intrinsic and a specific vulnerability assessment method in comparison with groundwater salinization and nitrate contamination level in two agriculture regions in the south of Portugal. Hydrogeol J. 2006; 14:79-99.
[5].  Almasri M.N. Assessment of intrinsic vulnerability to contamination for Gaza costal aquifer. Jornal of Environmental Management. 2008; 88(4): 577–593.
[6].  Babiker I S, Mohamed M M A, Hiyama T, Kato K. A GIS-based DRASTIC model for assessing aquifer vulnerability in Kakamigahara, Heights, Gifu Prefecture, central Japan. Science of the Total Environment. 2005; 345:127–140.
[7].  Hamza M. H, Added A, Rodriguez R, Abdeljaoued S, Ben Mammou A. GIS-based DRASTIC vulnerability and net recharge reassessment inan aquifer of a semi-arid region (Metline-Ras Jebel-RafRaf aquifer, Northern Tunisia). Journal of Environmental Management. 2007; 84: 12-19.
[8].  Gogu R.C, Dassargues A. Current trends and future challenges in groundwater vulnerability assessment using overlay and index methods. Environmental geology. 2000; 39(6): 549–559.
[9].  HarterT, Walker L. Assessing vulnerability of groundwater. US Natural Resources Conservation Service. 2001.
[10].            Asghari Moghaddam A, Fijani E, Nadiri A. Optimization of DRASTIC model by artificial intelligence for groundwater vulnerability assessment in Maragheh- Bonab plain. Journal of Geoscience. 2015; 94:169-176 (In Persian).
[11].            Panagopoulos G, Antonakos A, Lambrakis N. Optimization of DRASTIC model for groundwater vulnerability assessment, by the use of simple statistical methods and GIS. Hydrogeology Journal. 2006; 14:894-911.
[12].            Secunda S, Collin ML, Melloul AJ. Groundwater vulnerability assessment using a composite model combining DRASTIC with extensive agricultural land use in Israel’s Sharon region. Journal of Environmental Management. 1998; 54:39-57.
 
[13].            McLay CDA, Dragten R, Sparling G, Selvarajah N. Predicting groundwater nitrate concentrations in a region of mixed agricultural land use: a comparison of three approaches. Environmental Pollutants. 2001; 115:191-204.
[14].            Fijani E, Nadiri A, Asghari Moghaddam A, Tsai F & Dixon B. Optimization of DRASTIC Method by Supervised Committee Machine Artificial Intelligence to Assess Groundwater Vulnerability for Maragheh-Bonab Plain Aquifer, Iran. Journal of hrdrology. 2013, 530, 89-100.
[15].            Nadiri A.A, Sedghi Z, Khatibi R, Sadeghfam S,. Mapping Specific Vulnerability of multiple confined and un‏confined aquifers by using artificial intelligence to learn from multiple DRASTIC frameworks. Journal of Environmental Management, 2018. 415-428.
[16].            Nadiri A.A, Gharekhani M, Khatibi R. Mapping Aquifer vulnerability Indices using Artificial Intelligence-running Multiple Frame works (AIMF) With Supervised and unsupervised Learning, Water resource Management, 2018. 3023-3040.
[17].            Barzegar R, Asghari Moghaddam A, Nadiri A, Fijani E. Using different fuzzy logic methods to optimize DRASTIC model, case study: Tabriz plain aquifer. Journal of Geoscience. 2015; 95:211-222 (In Persian).
[18].            Hamamin D.F & Nadiri A.A. Supervised Committee Fuzzy logic model to assess groundwater intrinsic vulnerability in multiple aquifer systems. Arabian Journal of Geoscineces, 2018. 1-14.
[19].            Aller L, Bennett T, Lehr J.H, Petty R.J, Hackett G. DRASTIC: A Standardized System For Evaluating Ground Water Pollution
Potential Using Hydrogeologic Setting, EPA 600/2-87-035.U.S.Environmental Protection Agency, Ada,Oklahoma. 1987.
[20].            Civita M..Legenda unificata per le Carte della vulnerabilita dei corpi idrici sotterranei/ Unified legend for the aquifer pollution vulnerability Maps, Studi sulla Vulnerabilita degli Acquiferi. Pitagora Edit, Bologna. 1990.
[21].            Wilcoxon, Frank (1945) Individual comparisons by ranking methods. Biometrics Bulletin. 1 (6): 80–83. doi:10.2307/3001968.
[22].            Ahmadi J, Akhondi L, Abbasi H, Khashei-Siuki A, Alimadadi M. Determination of aquifer vulnerability using DRASTIC model and a single parameter sensitivity analysis and acts and omissions (Case Study: Salafchegan-Neyzar Plain). J of Water and Soil Conservation. 2013; 20(3): 1-25.
[23].            Samey A. A and C.Gang. A GIS Based DRASTIC Model for the Assessment of Groundwater Vulnerability to Pollution in West Mitidja: Blida City, Algeria. Research Journal of Applied Sciences. 2008; 3(7): 500-507
[24].            Jafari SM, Nikoo MR. Groundwater risk assessment based on optimization framework using DRASTIC method.Arab J Geosci. 2016; 9:742, 7-14.
[25].            Piscopo G. Groundwater vulnerability map, explanatory notes, Castlereagh Catchment, NSW, Department of Land and Water Conservation, Australia. 2001.
[26].            Huan H, Wang J, Teng Y. Assessment and validation of groundwater vulnerability to nitrate based on a modified DRASTIC model: Acase study in Jilin City of northeast china, Sci Total Environ. 2012. 440:14-23.
دوره 6، شماره 1
فروردین 1398
صفحه 77-88
  • تاریخ دریافت: 01 شهریور 1397
  • تاریخ بازنگری: 03 آذر 1397
  • تاریخ پذیرش: 03 آذر 1397
  • تاریخ اولین انتشار: 01 فروردین 1398
  • تاریخ انتشار: 01 فروردین 1398