ارزیابی روش های زمین آماری جهت تخمین برخی از پارامترهای کیفی آب های زیر زمینی مطالعه موردی : حوضه قره سو استان گلستان
محل انتشار: دومین کنفرانس بین المللی مهندسی محیط زیست
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 682
فایل این مقاله در 8 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:
EICONF02_062
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
در این تحقیق، ارزیابی تعدادی از روشهای درونیابی زمین آماری و قطعی جهت تخمین برخی از پارامترهای کیفی آب زیرزمینی حوضه قرهسو دراستان گلستان شامل EC ، TDS ، SAR و PH در دوره آماری 1393 -1384 و در دو دوره تروخشک مورد بررسی قرارگرفت. بدین منظور ابتدا چهار روش درونیابی قابل اجرا در محیط ArcGIS10/3 یعنی کریجینگ، عکس وزن فاصلهها، توابع پایه شعاعی و کریجینگ بیزین تجربی مورد بررسی قرار گرفت. سپس بهترین تابع و توان برای هریک از چهار روش ذکرشده وبهترین روش برای هر پارامتر و در هر دوره براساس کمترین میزان ریشه میانگین مربعات خطا (RMSE) انتخاب گردید. نتایج نشان دادکه روش کریجینگ بیزین تجربی در هر دو دوره و برای تمام پارامترها بهترین نتیجه را دارد. برای پارامترهای SAR ، EC و TDS بعد از روش کریجینگ بیزین تجربی، به ترتیب روشهای کریجینگ، توابع پایه شعاعی و عکس وزن فاصلهها برای هر دو دوره در رتبه های بعدی قرار میگیرند. در پارامتر PH بعد ازروش کریجینگ بیزین تجربی، روشهای توابع پایه شعاعی، کریجینگ و عکس وزن فاصلهها بهترین نتیجهرا نشان میدهند. روش عکس وزن فاصلهها نیز دارای بیشترین خطا برای تمام پارامترها و در هر دو دوره در بین روشهای مورد استفاده شد.
کلیدواژه ها:
نویسندگان
سیدسعید براتی
دانشجوی کارشناسی ارشد مهندسی منابع آب ، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
مهدی مفتاح هلقی
دانشیار گروه مهندسی آب ، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
خلیل قربانی
استادیار گروه مهندسی آب ، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
میثم سالاری جزی
استادیار گروه مهندسی آب ، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
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 :