با همکاری انجمن هیدرولیک ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه محیط زیست، واحد تهران شمال، دانشگاه آزاد اسلامی، تهرانف ایران.

2 گروه محیط زیست، دانشگاه آازاد اسلامی، واحد تهران شمال، تهران، ایران

3 عضوء هیات علمی موسسه تحقیقات آب، تهران، ایران

10.22077/jaaq.2025.10182.1129

چکیده

در این مطالعه از مفهوم ریسک در بهره‌برداری برای واسنجی شاخص آسیب‌پذیری DRASTIC با توجه به خصوصیت ذاتی بودن آسیب‌پذیری در آبخوان استفاده شد. مفهوم ریسک براساس سه پارامتر غلظت نیترات، تراکم بهره‌برداری از منابع آب و تغییرات کاربری‌اراضی تعریف شد که این عوامل با استفاده از رویکرد فازی تلفیق و تهیه شد. از مفهوم تعریف شده برای واسنجی نتایج شاخص آسیب‌پذیری DRASTIC با استفاده از 2 مدل یادگیری ماشین استفاده گردید. نتایج نشان داد که استفاده از مفهوم ریسک برای واسنجی باتوجه به افزایش میزان همبستگی نسبت به استفاده از غلظت نیترات برتری داشته و از این مفهوم برای واسنجی استفاده شد. میزان همبستگی بین شاخص آسیب‌پذیری DRASTIC و ریسک از مقدار 35/0 قبل از واسنجی به مقدار 75/0 ارتقاء یافت. براساس نتایج بدست آمده در مرحله واسنجی، مشخص شد که مدل یادگیری ماشین ANFIS-EO باتوجه به بالاتربودن میزان همبستگی به عنوان مدل منتخب تعیین شد. بررسی پارامتری شاخص آسیب‌پذیری نیز نشان داد که در شاخص DRASTIC، 6 پارامتر افزایش وزن داشته و بالتبع آن نیز رتبه‌ها بصورت محسوسی افزایش داشته است. نتایج محاسباتی نیز گویای این واقعیت بودکه بخش‌های شمال و شمالغربی آبخوان بدلیل افزایش غلظت نیترات ناشی از توسعۀ کشاورزی و تمرکز جمعیت دارای حساسیت بالاتری بوده که این موضوع در شاخص DRASTIC کاملا مشهود شد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Definition of the concept of exploitation risk in groundwater resources for calibrating aquifer vulnerability

نویسندگان [English]

  • Mohammad Reza Farshi Baensaf 1
  • Maryam Rafati 2
  • Hamid Kardan Moghaddam 3

1 Department of Environment, NT.C., Islamic Azad University, Tehran, Iran

2 Department of Environment, North Tehran Branch, Islamic Azad University, Tehran, Iran

3 Water Research Institute, Ministry of Energy Water Research Institute, Tehran, Iran

چکیده [English]

In this study, the concept of exploitation risk was used to calibrate the DRASTIC vulnerability index, considering the inherent nature of vulnerability in the aquifer. The concept of risk was defined based on three parameters: nitrate concentration, water resource exploitation density, and land use changes, which were combined and prepared using a fuzzy approach. The defined concept was used to calibrate the results of the DRASTIC vulnerability index using two machine learning models. The results showed that using the risk concept for calibration was superior to using nitrate concentration due to the increased correlation, and this concept was used for calibration. The correlation between the DRASTIC vulnerability index and risk increased from 0.35 before calibration to 0.75. Based on the results obtained in the calibration stage, it was determined that the ANFIS-EO machine learning model was determined as the selected model due to the higher correlation. Parametric analysis of the vulnerability index also showed that in the DRASTIC index, 6 parameters had increased weight and consequently the rankings had increased significantly. The computational results also indicated the fact that the northern and northwestern parts of the aquifer had higher sensitivity due to the increase in nitrate concentration resulting from agricultural development and population concentration, which was clearly evident in the DRASTIC index.

کلیدواژه‌ها [English]

  • vulnerability
  • exploitation risk
  • DRASTIC index
  • index calibration
  • nitrate concentration