پیشبینی زمانی و مکانی سطح آب زیرزمینی با استفاده از مدل ترکیبی سری زمانی- زمین

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 249

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWSS-20-76_008

تاریخ نمایه سازی: 21 اردیبهشت 1400

چکیده مقاله:

برای آگاهی از وضع نوسانات سطح آب زیرزمینی در مناطق خشک و نیمهخشک، لازم است پیشبینی دقیقی از نوسانات انجام شود. سریهای زمانی بهعنوان مدل خطی جهت تولید دادههای سطح آب مصنوعی و پیشبینی آینده سطح ایستابی آبخوان کاربرد دارد. به کمک نرمافزار ۱۷ MINITAB و با استفاده از دادههای ماهانه بهمدت۲۰ سال (۱۳۹۰-۱۳۷۰) عمق سطح آب زیرزمینی ۲۵ حلقه چاه مشاهدهای، مدلهای سری زمانی هریک از چاهها انتخاب گردید و پیشبینی زمانی ۵ ساله صورت گرفت. دادههای پیشبینی شده عمق سطح آب زیرزمینی به دادههای تراز سطح آب زیرزمینی تبدیل شدند و با استفاده از نرمافزارهای ARCGIS۱۰ و GS+۵.۱.۱، تحلیل و سپس روش کریجینگ معمولی با واریوگرام کروی جهت درونیابی تراز سطح آب زیرزمینی انتخاب گردید. پیشبینی مکانی ۵ ساله انجام گرفت و نقشههای پیشبینی مکانی و پیشبینی افت تراز سطح آب زیرزمینی ترسیم شدند. نتایج به دست آمده از پیشبینی تراز سطح آب زیرزمینی دشت برای ۵ سال آینده، نشان داد که مساحت تحت پوشش دو بازه تراز سطح آب زیرزمینی ۱۱۴۰-۱۱۰۰ متر و ۱۱۸۰-۱۱۴۰متر، روند افزایشی و مساحت تحت پوشش سه بازه ۱۲۲۰-۱۱۸۰ متر، ۱۲۶۰-۱۲۲۰ متر و ۱۳۰۰-۱۲۶۰ متر، روند کاهشی خواهد داشت. هچنین با توجه به نقشه پیشبینی افت ۵ ساله تراز سطح آب زیرزمینی دشت، بیشترین رقوم افت تراز سطح آب زیرزمینی به میزان ۱۶ متر برای نواحی قاسمآباد بزرگ واقع در شمال شرق و مرکز دشت و کمترین رقوم افت تراز سطح آب زیرزمینی بهمیزان تقریبا ۵/۰ متر برای اراضی محمدآباد افخمالدوله واقع در قسمت پایاب دشت پیشبینی گردید.

نویسندگان

عبدالله طاهری تیزرو

۱. Dept. of Water Eng., Faculty of Agric., Bu-Ali Sina Univ., Hamedan, Iran.

حامد نوذری

۱. Dept. of Water Eng., Faculty of Agric., Bu-Ali Sina Univ., Hamedan, Iran.

هادی علیخانی

۱. Dept. of Water Eng., Faculty of Agric., Bu-Ali Sina Univ., Hamedan, 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 :