نوع مقاله : مقاله پژوهشی

نویسندگان

• سمیرا رهنما ¹
• عباس خاشعی سیوکی ²
• علی شهیدی ³

¹ دانشجوی دکتری، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران

² استاد، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران

³ دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران

چکیده

شناسایی تعداد چاه‌ها در تخمین سطح آب زیرزمینی به لحاظ کاهش هزینه نگه‎داری و صرفه‎جویی در هزینه برداشت اطلاعات، گامی مهم می‎باشد. آنالیز مؤلفه‏های اصلی (PCA) یکی از ویژگی‎های کاهش داده می‏باشد که در شناسایی داده‏های کم اهمیت، نقش بسزایی دارد. در این پژوهش، میانگین سالانه سطح آب زیرزمینی 51 چاه بهره‏برداری دشت نیشابور با طول آماری 10 ساله (1398-1389) با استفاده از تکنیک آماری آنالیز مؤلفه‎های اصلی مورد بررسی قرار گرفت تا چاه‎های مؤثر در تعیین تراز سطح آب زیرزمینی این دشت مشخص گردد. با انجام آنالیز مؤلفه‎های اصلی، اهمیت نسبی هر چاه بین صفر (برای چاه غیر مؤثر) تا 1 (برای چاه کاملاً مؤثر) محاسبه شد. نتایج نشان داد که از بین 51 چاه موجود در منطقه مورد مطالعه، 27 چاه به عنوان چاه مؤثر و بقیه چاه‏ها به عنوان چاه‎های کم اهمیت شناخته می‎شوند. یعنی با حذف 24 حلقه چاه کم اهمیت، خطای برآورد سطح آب زیرزمینی منطقه مورد مطالعه 26 درصد نسبت به حالتی که از همه چاه‎ها استفاده می‎گردد، افزایش می‏یابد. هم‌چنین جهت در نظر گرفتن عامل زمان در تغییرات این روش در دو دوره زمانی 5 ساله انجام شد. نتایج نشان داد که در دوره زمانی 5 ساله اول (1393-1389) 42 چاه به عنوان چاه بااهمیت انتخاب شدند که در دوره زمانی 5 سال بعد (1398-1394) این تعداد به 35 چاه تقلیل پیدا کرد.

کلیدواژه‌ها

• آب زیرزمینی
• دشت نیشابور
• چاه مؤثر
• آنالیز مؤلفه&rlm
• های اصلی

موضوعات

• آبخوان وقنات

عنوان مقاله [English]

Investigating the effect of temporal and spatial variations on groundwater piezometric monitoring network design using principal components analysis (PCA)

نویسندگان [English]

• Samira Rahnama ¹
• abbas KhasheiSiuki ²
• ali shahidi ³

¹ Ph. D Student of Water Resources Engineering, Department of Water Science and Engineering, Faculty of Agriculture, University of Birjand, Birjand, Iran

² Professor, Department of Water Science and Engineering, Faculty of Agriculture, University of Birjand, Birjand, Iran

³ Associate professor, Department of Water Science and Engineering, Faculty of Agriculture, University of Birjand, Birjand, Iran

چکیده [English]

Identifying the number of wells in groundwater level estimation is an important step in terms of reducing the maintenance cost and saving the cost of harvesting information. Principal Component Analysis (PCA) is one of the techniques that reduces data that plays a significant role in identifying low data. In this research, the average annual groundwater level of 51 wells in Neyshabour plain with a statistical period of 10 years (2010-2019) was studied using statistical analysis of the main components of the wells to determine the level of groundwater level in this plain. Using PCA, the relative importance of each well was calculated between 0 (for completely ineffective well) to 1 (for the very effective wells). The results showed that among the 51 wells in the studied area, 27 wells are considered as wells, and the remaining wells are considered as low-level wells. By eliminating 24 less wells, the estimated ground water level error in the studied area is 26% higher than that used for all wells. Also, to take into account the factor of time, changes in this method were done in two 5-year periods. The results showed that 42 wells were selected as important well during the first 5 years period (2010-2014), which was reduced to 35 wells during the next 5 years (2015-2019).

کلیدواژه‌ها [English]

• Effective well
• Groundwater
• Neyshabour plain
• Principal Component Analysis