ارزیابی پتانسیل حساسیت اراضی نسبت به پدیده فرونشست با استفاده از روش PCSM و تئوری آنتروپی شانون (مطالعه موردی: دشت ابرکوه)
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 232
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_DRNL-1-2_011
تاریخ نمایه سازی: 30 فروردین 1401
Abstract:
هدف از این پژوهش، تهیه نقشه استعداد فرونشست دشت ابرکوه است. برای این منظور از داده های ۳۴ چاه پیزومتری (۱۳۹۷-۱۳۹۳) و ۷۷ لاگ حفاری استفاده شد. پنج عامل تاثیرگذار بر فرونشست شامل افت سطح آب زیرزمینی، جنس رسوبات آبخوان، کاربری اراضی، ضخامت آبخوان و ضخامت لایه رس انتخاب و با استفاده از روش PCSM، هر یک از نقاط مطالعاتی رتبه دهی و لایه رستری آن ها با استفاده از میانیابی به روش کریجینگ تهیه شد. در ادامه با توجه به میزان اهمیت و تاثیر هر یک از پارامترهای مورد مطالعه در رخداد فرونشست، وزن هر یک لایه های مذکور با استفاده از تئوری آنتروپی شانون محاسبه شد. سپس با ضرب وزن هریک از پارامترها در لایه های رستری مربوطه و تلفیق لایه ها با یکدیگر، نقشه پتانسیل فرونشست منطقه بدست آمد. در انتها جهت بررسی میزان دقت و صحت نقشه تولیدی، نتایج حاصل، با نقشه فرونشست مستخرج از تصاویر راداری Sentinel -۱ مورد مقایسه قرار گرفت. نتایج نقشه پتانسیل فرونشست حاصل از روش PCSM نشان داد که مناطق شرقی، شمالی و شمال شرقی منطقه مورد مطالعه دارای بیشترین پتانسیل فرونشست است. این مناطق علاوه بر افت سطح آب زیرزمینی، دارای آبخوانی با میان لایه های رسی است که ضخامت قابل ملاحظه ای دارد. طبق نتایج تئوری آنتروپی شانون، ضخامت لایه رسی بیشترین تاثیر را در رخداد پدیده فرونشست نشان داد. تطابق نقشه پتانسیل فرونشست با نقشه مستخرج از تصاویر راداری، حکایت از دقت قابل قبول روش مورد استفاده (همبستگی ۰/۸۷) در پژوهش حاضر داشت.
Keywords:
Abarkouh , Aquifer , Radar image , Shannon Theory , Subsidence , آبخوان , آنتروپی شانون , ابرکوه , تصاویر راداری , فرونشست
Authors
زهرا خسروانی
Yazd University
محمد اخوان قالیباف
Yazd University
مریم دهقانی
Shiraz University
ولی درهمی
Yazd University
مصطفی بولکا
Ege University
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 :