بهینه سازی شبکه پایش کیفیت آب زیرزمینی آبخوان رفسنجان با استفاده از الگوریتم زمین آماری کریجینگ و نقشه آسیب پذیری
محل انتشار: مجله علوم زمین خوارزمی، دوره: 9، شماره: 2
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 103
فایل این مقاله در 30 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_GNF-9-2_011
تاریخ نمایه سازی: 21 اسفند 1402
چکیده مقاله:
توزیع مکانی داده های کیفیت آب زیرزمینی و شبکه پایش منطقی که معمولا از چاه های پایش جمع آوری می شود، برای مدیریت منابع آب زیرزمینی مورد نیاز است. با این حال، از آنجایی که هزینه نگهداری شبکه های پایش آب زیرزمینی بسیار زیاد است، طراحی بهینه آن ها ضروری است. این مطالعه با هدف یافتن یک شبکه پایش بهینه کیفی با حداقل تعداد چاه در آبخوان رفسنجان انجام شد تا بتواند توزیع فضایی کافی را از نظر کیفیت آب زیرزمینی فراهم کند. برای این منظور، هدایت الکتریکی به عنوان پارامتر کیفی در طراحی شبکه پایش در این مطالعه انتخاب شد. در مرحله اول، برای شناسایی ریسک و ارزیابی آسیب پذیری آبخوان از روش DRASTIC استفاده شد. سپس میانگین انحراف معیار کریجینگ به عنوان معیاری برای تعیین چگالی شبکه مورد استفاده قرار گرفت و رویکرد مبتنی بر GIS مورد تجزیه و تحلیل قرار گرفت. در این مرحله، نیم تغییرنما ها برای تعیین بهترین معیارهای دقت مدل، میانگین خطای استاندارد (ASE)، خطای ریشه میانگین مربعات (RMSE) و خطای ریشه میانگین مربعات استاندارد شده (RMSSE) مورد آزمایش قرار گرفتند. نتایج نشان داد که مدل کروی به دلیل RMSSE نزدیک به یک، ASE نزدیک به RMSE و RMSE کمتر، از سایر مدل ها قابل اعتمادتر است. همچنین بر اساس اعتبارسنجی متقاطع داده ها و نقشه پایش کیفی حاصل از همپوشانی نقشه های پیش بینی و خطای استاندارد با نقشه دراستیک، ۶۰ حلقه چاه به عنوان ایستگاه پایش کیفیت آب زیرزمینی برای سفره آب رفسنجان کافی بود. حذف ۱۰ حلقه چاه در بخش های مختلف آبخوان و افزودن ۶ حلقه چاه در شمال غرب آبخوان به تکمیل شبکه پایش کیفی کمک می کند.
کلیدواژه ها:
نویسندگان
Majid Dashti Barmaki
Sahel Omid Iranian Consulting Engineers
Amir Saberinasr
Shahid Chamran University of Ahvaz
Zahra Yazdani Noori
Kharazmi University
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 :