بهینه‌سازی مدل DRASTIC جهت ارزیابی آسیب‌پذیری آب زیرزمینی آبخوان کاشان به آلودگی نیترات با استفاده از روش‌های آماری و تحلیل حساسیت
محورهای موضوعی :
1 -
کلید واژه:
چکیده مقاله :
در این تحقیق از بهینه‌سازی پارامترهای مدل DRASTIC و لایه کاربری اراضی (LU) جهت ارزیابی آسیب‌پذیری ویژه آبخوان کاشان با استفاده از روش‌های آماری استفاده گردیده است. لایه‌های اطلاعاتی در محیط GIS تهیه، رتبه‌بندی (قطعی و فازی-آماری)، وزن‌دهی (اصلی و آماری) و به‌روش هم‌پوشانی‌شاخص تلفیق گردیدند. برای بهینه‌سازی مدل DRASTIC، از رگرسیون غیرخطی جهت رتبه‌بندی فازی-آماری (هم‌مقیاس‌سازی) و از ضرایب همبستگی پیرسونی بین غلظت نیترات با پارامترهای هم‌مقیاس‌شده مدل DRASTIC و تحلیل حساسیت (حذف پارامتری و تک پارامتری) جهت تعیین و تصحیح وزن مناسب پارامترها استفاده شد. در نتیجه مدل RASIC-LU براساس رتبه‌بندی و وزن‌دهی آماری و تحلیل حساسیت تک پارامتری، ضريب همبستگی 1/61 درصد و سطح معنی‌داری آماری 001/0 را نشان داده و با پارامترهای نرخ تغذیه خالص، محیط آبخوان، محیط خاک، اثر منطقه غیراشباع، هدایت هیدرولیکی و کاربری اراضی به‌ترتیب با وزنهای 50/2، 63/4، 15/4، 03/3، 96/1، 00/2 به‌عنوان بهترین مدل انتخابی مشخص شد. براساس این مدل، قسمت‌های غربی و جنوبی آبخوان به‌دلیل نرخ تغذیه بالا، کاربری اراضی آلاینده و مواد درشت‌دانه در ناحیه غیراشباع، خاک و محیط آبخوان دارای خطرپذیری آلودگی زیاد و بسیار زیاد می‌باشد. همچنین حساسیت این مدل براساس میانگین مجذورات خطا (MSE) نسبت به حذف و یا افزایش وزن پارامترهای کاربری اراضی، محیط خاک، اثر منطقه غیراشباع، محیط آبخوان، نرخ تغذیه خالص و هدایت هیدرولیکی به‌ترتیب روند کاهشی نشان داد.
In this study, the optimized DRASTIC model parameters and land use layer (LU) were used to assess specific vulnerability in Kashan aquifer using statistical methods. Information layers were prepared, rated (deterministic and fuzzy-statistical), weighted (original and statistical) and combined (by Index-Overlay method) in GIS environment. For optimization of DRASTIC model, nonlinear regression for fuzzy-statistical rating (scaling) and Pearson correlation coefficients between nitrate concentrations and scaling parameters of DRASTIC model and sensitivity analysis (removal and single-parameter) were performed to determine and modify weighted parameters. As a result, RASIC-LU model with statistical rating and weighting, single-parameter sensitivity analysis, determined the best selection model based on correlation coefficient = 61.1%, P-Value= 0.001 and with parameters of net recharge, aquifer media, soil media, impact of vadose zone, hydraulic conductivity and land use with weight values of 2.50, 4.63, 4.15, 3.03, 1.96 and 2.00 respectively. According to this model, western and southern parts of the aquifer has a high and very high pollution risk due to high net recharge, pollutant land use and coarse-grain material in the impact of vadose zone, soil and aquifer media. In addition, sensitivity analysis based on mean squares error (MSE) indicated that this model is more sensitive to removal and increase of parameters weight of land use, soil media, impact of vadose zone, aquifer media, net recharge and hydraulic conductivity, and shows a decreasing ternd, respectivily.
