پهنه بندی پتانسیل آبهای زیر زمینی دشت بابلرود با مدل آماری نسبت فراوانی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 466
فایل این مقاله در 15 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:
HWATER01_030
تاریخ نمایه سازی: 11 آبان 1395
چکیده مقاله:
هدف این مطالعه بررسی استفاده مدل آماری دو متغیره نسبت فراوانی FR و سیستم اطلاعات جغرافیایی GIS در تهیه نقشه پتانسیل آبهای زیر زمینی دشت بابلرود استان مازندران است در این مطالعه ابتدا با بررسی های میدانی و از منابع مختلف نقشه موجودی چاه های بهره برداری تهیه شد در مجموع 163 موقعیت چاه بهره برداری با آبدهی بالاتر از m3/h 11< شناسایی و 114 (70%) مورد برای آموزش مدل و 49 (30%) مورد دیگر برای اعتبار سنجی استفاده شد در مرحله بعد با استفاده از عوامل موثر در آبهای زیر زمینی مانند درجه شیب جهت شیب ارتفاع شاخص رطوبت توپوگرافی TWI شاخص قدرت جریان SPI طول شیب LS انحنای زمین انحنای افقی انحنای قائم فاصله از رودخانه فاصله از گسل سنگ شناسی استفاده از زمین خاک نفوذپذیری نوع اراضی تراکم گسل و تراکم زهکشی و همچنین با کمک مدل نسبت فراوانی FR نقشه پتانسیل آب زیر زمینی تهیه و در Arc GIS رشد شد در نهایت منحنی گیرنده مشخصه عملکرد سیستم ROC برای اعتبار سنجی نقشه پتانسیل ترسیم و سطح زیر منحنی AUC محاسبه شد اعتبار سنجی داده ها نشان داد که مدل نسبت فراوانی با سطح زیر منحنی 0/724 و دقت پیش بینی 72/4%دقت نسبتا خوبی دارد و می تواند در ارزیابی سریع پتانسیل آب زیر زمینی استفاده شود بطوریکه نقشه حاصل می تواند توسط سازمان های دولتی و همچنین بخش خصوصی به خصوص در کشورهای در حال توسعه با کاهش هزینه ها به عنوان یک راهنما برای اکتشاف منابع جدید و مدیریت آبهای زیر زمینی استفاده شود
کلیدواژه ها:
نویسندگان
زیور نظری
دانشجوی کارشناسی ارشد آبخیزداری دانشگاه علوم کشاورزی و منابع طبیعی ساری
محمود حبیب نزاد روشن
استاد گروه مهندسی آبخیزداری دانشگاه علوم کشاورزی و منابع طبیعی ساری
عطاالله کاویان
دانشیار گروه مهندسی آبخیزداری دانشگاه علوم کشاورزی و منابع طبیعی ساری
خه بات خسروی
دانشجوی دکترای آبخیزداری دانشگاه علوم کشاورزی و منابع طبیعی ساری
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 :