ارزیابی توان آلودگی آب زیرزمینی با استفاده از روش اکیوپرو، و صحت سنجی و اعتبار سنجی روش از طریق بررسی توزیع غلظت نیترات
محل انتشار: مجله مهندسی منابع آب، دوره: 10، شماره: 33
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 101
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WEJMI-10-33_002
تاریخ نمایه سازی: 28 بهمن 1402
چکیده مقاله:
اکیوپرو یک شیوه برای ارزیابی توان آلودگی آبخوان با استفاده از اطلاعات چاهها میباشد. روش اکیوپرو یک سامانه وزندهی برای امتیازدهی به توان آلودگی آبخوان میباشد. این روش از اطلاعات عمق برخورد به آب در چاه، ضخامت لایههای رسی، و لایههای که به طور جزئی دارای رس هستند، برای ایجاد امتیاز توان آلودگی استفاده میکند. در این روش حفاظت آبخوان در برابر آلودگی با افزایش امتیاز اکیوپرو، فزونی مییابد و از توان آلودگی آب کاسته میشود. در این مطالعه از اطلاعات اطلاعات ۳۰ حلقه چاه اکتشافی و فشارسنج، به همراه نتایج تجزیه شیمیایی غلظت نیترات در ۳۰ حلقه چاه واقع در آبخوان دشت عجبشیر، در استان آذربایجان شرقی، استفاده گردیده است. از لحاظ نظری، مناطقی با امتیاز کمتر اکیوپرو نسبت به مناطقی با امتیاز بالاتر با کاربری زمین و تراکم چاه و ساختار یکسان، باید آلودگی آب زیرزمینی بیشتری داشته باشند. امتیاز اکیوپرو با رویداد غلظت نیترات در آب زیرزمینی مورد مقایسه قرار گرفت. نتایج نشان میدهند که چاههایی با غلظت بالاتر نیترات امتیاز اکیوپرو کمتری را نشان میدهند. غلظت متوسط نیترات درون هر طبقه بندی با امتیاز نسبی اکیوپرو نیز مقایسه گردید. نتایج نشان دادند که با افزایش امتیاز نسبی اکیوپرو (r۲ = ۰.۹۷)، میانگین غلظت نیترات نیز افزایش مییابد، بنابراین مقایسه امتیاز آسیبپذیری اکیوپرو با توزیع غلظتهای اندازهگیری شده نیترات، و مقایسه بین متوسط غلظت نیترات در هر طبقهبندی و امتیاز نسبی توان آلودگی اکیوپرو صحت و اعتبار روش اکیوپرو در منطقه را تایید می کند.
کلیدواژه ها:
نویسندگان
سعیده سامانی
دکتری هیدروژئولوژی، گروه علوم زمین دانشگاه تبریز، تبریز، ایران
اصغر اصغری مقدم
دکتری هیدروژئولوژی، استاد گروه علوم زمین دانشگاه تبریز، تبریز ، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :