مقایسه کارایی برخی مدلهای ارزیابی آسیب پذیری آبهای زیرزمینی به آلودگی در مناطق خشک (مطالعه موردی: دشت ابرکوه)

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 42

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_DEEJ-6-14_006

تاریخ نمایه سازی: 19 اسفند 1402

چکیده مقاله:

حفاظت از آب های زیرزمینی در مقابل آلودگی یک مقوله بسیار مهم است. نقشه های آسیب پذیری آب های زیرزمینی، ابزاری مفید برای حفاظت از سفره ها و ارزیابی پتانسیل آلودگی به منظور بهبود کیفیت آب باتوجه به تغییرات در عملیات کشاورزی و کاربری اراضی است. باتوجه به اینکه در استان یزد و به ویژه دشت ابرکوه، بخش عمده ای از مصارف شرب و کشاورزی از آب های زیرزمینی تامین می شود، جلوگیری از آلودگی و ثبات کیفی این منابع موضوع مهمی است. بر این اساس، حساسیت پذیری ذاتی آبخوان ابرکوه به آلودگی با استفاده از مدل های SI، SINTACS، GODS، AVI و DRASTIC انجام شد. ابتدا اطلاعات مربوط به این مدل ها جمع آوری و پس از ورود به نرم افزار GIS لایه های موردنیاز مدل ها تهیه شد. سپس با استفاده از تکنیک های همپوشانی و پس از اعمال ضرایب وزنی لازم بر هر لایه، نقشه نهایی آسیب پذیری منطقه تهیه شد. در مرحله بعد، دقت مدل ها براساس ضریب تبیین حاصل از برازش خط بین مقادیر مشاهداتی نیترات و میزان پتانسیل آلودگی چاه های اندازه گیری موردارزیابی قرار گرفت. نتایج تحقیق حاضر نشان داد که رابطه معنی داری بین مقادیر نیترات و پتانسیل آلودگی حاصل از روش های SI، SINTACS، AVI و GODS وجود ندارد؛ اما رابطه معنی داری در سطح یک درصد آماری بین مقادیر نیترات و پتانسیل آلودگی حاصل از روش دراستیک وجود دارد. ازاین رو می توان این مدل را به عنوان مدل مناسب برای پهنه بندی پتانسیل آلودگی منطقه مطالعاتی معرفی کرد. درنهایت، آبخوان دشت ابرکوه براساس مدل دراستیک به سه کلاس طبقه بندی شد. طبقات آسیب پذیری حاصل از این مدل نشان داد که بخش عمده منطقه در طبقه آسیب پذیری بدون خطر و خیلی کم قرار می گیرد.

نویسندگان

محمد حسن زاده نفوتی

دانشگاه آزاد اسلامی واحد میبد

زهره ابراهیمی خوسفی

دانشگاه کاشان

علی اکبر جمالی

دانشگاه آزاد اسلامی واحد میبد

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 :