ارزیابی پتانسیل آلودگی آبخوان دزفول اندیمشک شمالی با تاکید بر آسیب پذیری ذاتی و ویژه
محل انتشار: فصلنامه زمین شناسی مهندسی، دوره: 18، شماره: 2
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 56
فایل این مقاله در 17 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_JEG-18-2_006
تاریخ نمایه سازی: 11 دی 1403
چکیده مقاله:
یکی از روش های مناسب برای جلوگیری از آلودگی آب های زیرزمینی، شناسایی مناطق آسیب پذیر آبخوان است. دشت دزفول اندیمشک دارای دو لندفیل با عدم رعایت استاندارهای کامل در دفن زباله و یک رودخانه تغذیه کنندهی آبخوان است که می توانند آلایندهای بالقوه برای آبخوان باشند، لذا ارزیابی پتانسیل آلودگی در این آبخوان، موضوعی ضروری و قابل توجه است. جهت تحقق این هدف برای نخستین بار در این منطقه ارزیابی پتانسیل آلودگی آبخوان با تکیه بر آسیب پذیری ذاتی (DRASTIC) و آسیب پذیری ویژه (DLR) انجام شد و در نهایت پتانسیل آلودگی (PC) در منطقه ارزیابی گردید. براساس نتایج مقدار شاخص آسیب پذیری ذاتی از ۱۰۶ تا ۱۶۲ متغیر است و دارای دو رده آسیب پذیری متوسط و زیاد است به طوری که آسیب پذیری زیاد مربوط به حاشیه غربی دشت و نزدیک به خروجی دشت و همچنین در میانه دشت با روند شمال شرقی - جنوب غربی است و آسیب پذیری کم مربوط به شمال و جنوب منطقه است. مقدار شاخص آسیب پذیری ویژه از ۲۵ تا ۷۵ متغیر است که براساس نظر کارشناسی در دو رده ی آسیب پذیری کم و متوسط قرار می گیرد. بیشترین آسیب پذیری ذاتی در میانه دشت و در اطراف رودخانه دز است. براساس نتایج، پتانسیل آلودگی (PC) آبخوان، بین ۱۳۰ تا ۲۰۷ متغیر است که ناشی از هر دو نوع آسیب پذیری ویژه و ذاتی است و در سه رده ی متوسط، زیاد و خیلی زیاد قرار می گیرد که عمدتا متاثر از عوامل، رودخانه، کاربری اراضی، خاک و هدایت هیدرولیکی است.
کلیدواژه ها:
نویسندگان
سپیده شکور
Earth Sciences Faculty, Shahid Chamran University of Ahvaz, Ahvaz, Iran
منوچهر چیت سازان
Earth Sciences Faculty, Shahid Chamran University of Ahvaz, Ahvaz, Iran
سید یحیی میرزایی
Earth Sciences Faculty, Shahid Chamran University of Ahvaz, Ahvaz, Iran
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 :