چارچوب تصمیم گیری شرایط محور در مطالعات آب های زیرزمینی: مرور ترکیب چندمعیاره روش های اکتشاف آب زیرزمینی

سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 28

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

EBUCONF30_293

تاریخ نمایه سازی: 28 خرداد 1405

چکیده مقاله:

اکتشاف و بهره برداری پایدار از آبخوان ها به دلیل ناپیدا بودن شرایط زیرسطحی همواره با عدم قطعیت همراه است و تکیه بر حفاری های اکتشافی پراکنده، پرریسک و هزینه بر ارزیابی می شود. هدف این پژوهش، ارزیابی جامع کاربرد روش های مختلف ژئوفیزیکی در اکتشاف منابع آب زیرزمینی و ارائه یک چارچوب تصمیم گیری چندمعیاره و سناریومحور برای غلبه بر چالش های تفسیری است. بدین منظور، با بهره گیری از راهبرد مرور ساختاریافته نظام مند، مطالعات و پیشرفت های حاصل شده در بازه زمانی ۲۰۱۵ تا ۲۰۲۵ گردآوری و بر اساس معیارهای کلیدی نظیر عمق بررسی، تفکیک پذیری مکانی، حساسیت به پارامترهای هیدروژئولوژیکی و محدودیت های محیطی واکاوی شدند. نتایج تحلیل ها نشان می دهد که توموگرافی مقاومت ویژه الکتریکی (ERT) و سونداژ الکتریکی عمقی (VES) رویکردهای پایه و بهینه برای تصویرسازی آبخوان های آبرفتی در اعماق کم تا متوسط محسوب می شوند. با این وجود، به دلیل پدیده هم ارزی فیزیکی و تداخل اثرات رس و شوری، تفسیر این داده ها با عدم قطعیت همراه است. برای سناریوهای پیچیده تر، از جمله آبخوان های عمیق و لایه های سنگ بستر سخت، به کارگیری روش های القایی نظیر الکترومغناطیس و مگنتوتلوریک (EM/MT/AMT) و وارون سازی مشترک آن ها با داده های سطحی، کارآمدترین استراتژی جهت ردیابی ساختارهای کنترل کننده جریان است. یافته ها اثبات می کنند که مدیریت ریسک و کاهش خطای حفاری، منوط به گذار از رهیافت های تک روشی به رویکردهای تلفیقی (ادغام داده های ژئوفیزیک با سیستم اطلاعات جغرافیایی (GIS)، سنجش ازدور (RS) و لاگ های گمانه) است. همچنین، بهره گیری از پایش های دینامیک (Time-lapse) و الگوریتم های یادگیری ماشین (ML) چشم انداز نوینی را در کاهش ابهام و برآورد کمی پارامترهای هیدرولیکی فراهم ساخته است..

نویسندگان

مهدی کرمی

۱- دانش آموخته کارشناسی ارشد مهندسی عمران، گرایش آب و سازه های هیدرولیکی، دانشگاه شهید بهشتی، تهران، ایران.

محمدسعید زرخوان

۲- دانشجوی دکتری مهندسی عمران، گرایش مهندسی و مدیریت منابع آب، دانشگاه شهید بهشتی، تهران، ایران.