مکان یابی نواحی مستعد آلودگی آب زیرزمینی با استفاده از مدل حداکثر آنتروپی (مطالعه موردی: حوضه بادآور)

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 38

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWMS-19-71_001

تاریخ نمایه سازی: 11 بهمن 1404

چکیده مقاله:

آلودگی آب زیرزمینی از مهم ترین چالش های محیط زیستی است که با ورود آلاینده های سطحی به سفره های زیرزمینی اتفاق می افتد. ایران به عنوان یک کشور خشک و نیمه خشک، بخش عمده ای از نیازهای آبی خود را از منابع آب زیرزمینی تامین می کند. بنابراین، ارزیابی وضعیت این منابع و شناسایی عوامل موثر بر آن­ها از اهمیت زیادی برخوردار است. در این تحقیق به منظور بررسی مکانیابی نواحی مستعد آلودگی آب زیرزمینی از مدل حداکثر آنتروپی (Max Ent) و عوامل فیزیوگرفی، کاربری اراضی، پوشش گیاهی، خاک، فاصله از رودخانه و جاده استفاده شده است. نتایج نشان داد که عامل  زمین شناسی با ۷/۳۶ درصد سهم، موثرترین عامل شناخته شد. منحنی پاسخ نیز نشان داد که افزایش شیب و جهت شیب، احتمال آلودگی را افزایش می دهد، در حالی که افزایش ارتفاع و تنوع سازندهای زمین شناسی، آن را کاهش می دهد. آزمون جکنایف حساسیت مدل را ارزیابی کرد و نشان داد که زمین شناسی، شیب، طول شیب و بافت خاک مهم ترین پارامترها هستند. همچنین نتایج اعتبارسنجی با استفاده از منحنی  ROC  مقدار سطح زیر منحنی مدل ۸۵/۰ و ۵۹/۰ به ترتیب برای نمونه­های آموزشی و آزمایشی را نشان داد که نشان دهنده سطح قابل قبول نتایج است. همچنین بر اساس نقشه پهنه­بندی، جنوب دشت بالاترین پتانسیل وقوع آلودگی را دارد. این نتایج نشان می دهد که مدل MaxEnt می تواند به عنوان یک ابزار تصمیم یار موثر برای مدیریت منابع آب زیرزمینی و تدوین راهبردهای حفاظتی در مناطق مشابه مورد استفاده قرار گیرد. علاوه بر این، به کارگیری این مدل در ترکیب با داده های اجتماعی–اقتصادی و کاربری اراضی می تواند دید جامع تری از محرک های آلودگی فراهم کند و به سیاست گذاران در طراحی راهبردهای سازگار با تغییرات اقلیمی و فشارهای انسانی کمک نماید.

نویسندگان

علی حقی زاده

Lorestan University

زینب حاجی زاده

Lorestan University

لیلا قاسمی

Lorestan 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 :
  • Agrawal, D., Singh, J.K. and Kumar, A., ۲۰۰۵. Maximum entropy-based ...
  • Atashi Yazdi, S.S., Motamedvaziri, B., Hosseini, S.Z. and Ahmadi, H., ...
  • Chen, X., Santos, I.R., Du, J., Xu, B., Tamborski, J.J., ...
  • Eghtedarnejad, M., Maleki-nejad, H., Rafiei-Sardoui, R. ۲۰۲۴. Investigating the Effectiveness ...
  • Elith, J., Phillips, S.J., Hastie, T., Dudík, M., Chee, Y.E. ...
  • https://doi.org/۱۰.۱۱۱۱/j.۱۴۷۲-۴۶۴۲.۲۰۱۰.۰۰۷۲۵.x۱۴. Fawcett, T., ۲۰۰۶. An introduction to ROC analysis. Pattern ...
  • Golkarian, A. and Rahmati, O. ۲۰۱۸. Use of a maximum ...
  • Hasanvand, N. and Forghani Tehrani, G., ۲۰۱۹. Geochemical study of ...
  • https://doi.org/۱۰.۲۲۰۳۴/ijwer.۲۰۲۴.۴۸۲۸۴۵.۱۰۵۶۲۳. Jahin, H.S., Abuzaid, A.S. and Abdellatif, A.D., ۲۰۲۰. Using ...
  • Mirzapour, H., Hagizadeh, A., Tahmasebipour, N., Zeinivand, H. ۲۰۱۹. Predicting ...
  • Morales, N.S., Fernández, I.C. and Baca-González, V., ۲۰۱۷. MaxEnt’s parameter ...
  • Nguyen, T.H.T., Boets, P., Lock, K., Ambarita, M.N.D., Forio, M.A.E., ...
  • Pei-Yue, L., Hui, Q. and Jian-Hua, W., ۲۰۱۱. Application of ...
  • Riseng, C.M., Wiley, M.J., Black, R.W. and Munn, M.D., ۲۰۱۱. ...
  • نمایش کامل مراجع