نگرشی نو در ارزیابی کیفیت آبهای زیرزمینی با روشهای آماری-فضایی (تحلیل لکه داغ): مطالعه موردی دشت کرمان
Publish place: Irrigation and Drainage، Vol: 13، Issue: 1
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 232
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-13-1_014
تاریخ نمایه سازی: 25 اردیبهشت 1400
Abstract:
در این مقاله کارایی روش های درون یابی و روش تحلیل لکه داغ در ارزیابی کیفی آب های زیرزمینی در محدوده دشت کرمان موردبررسی قرار گرفته است. جهت انجام این امر اطلاعات مربوط به مقادیر هدایت الکتریکی (EC)، کل نمک های محلول (TDS) و نسبت جذب سدیم (SAR) ۶۰ نقطه چاه در حال بهره برداری در دشت کرمان گردآوری و پس از اطمینان از موقعیت مکانی و صحت داده ها با استفاده از روش های معکوس فاصله وزن دار و کریجینگ نقشه پراکنش این پارامترها با استفاده از داده های اولیه و همچنین نتایج حاصل از تحلیل لکه داغ (Z-Score) برای هر پارامتر ترسیم گردید. نتایج حاصل حاکی از ارجحیت کارایی روش کریجینگ نسبت به روش معکوس فاصله وزن دار با استفاده از نتایج تحلیل لکه داغ نسبت به استفاده از داده های اولیه می باشد. زیرا نقشه های حاصل بدون دخالت کاربر در تعیین تعداد و حد طبقات بر اساس اصول زمین آماری ترسیم می گردند. نقشه های حاصله با استفاده از نتایج حاصل از لکه داغ نشان دهنده مرز و مساحت مشخص مقادیر بسیار بالا و مقادیر بسیار پایینEC (۱۴۱۱ و ۱۰۶۳)، TDS ( ۱۸۷۴و ۱۴۷۰) و SAR ( ۳۲۱ و ۳۹۶ کیلومترمربع) در منطقه می باشد. به طوری که مساحت های محاسبه شده با واقعیت سازگار و نشان دهنده تاثیر ناحیه ای گسترش یک پارامتر در محدوده مورد مطالعه می باشد. بنابراین استفاده از نتایج تحلیل لکه داغ در ترکیب با سایر روش های درون یابی می تواند محققین را در ارزیابی میزان گسترش مقادیر بسیار بالا و پایین یک پارامتر و مساحت تحت تاثیر آلودگی در منطقه یاری رساند.
Keywords:
Authors
رضا حسن زاده
گروه اکولوژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان
محدثه حسینی نیا
دکتری آبیاری و زهکشی، دانش آموخته دانشکده آب و خاک، دانشگاه زابل، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :