تعیین مناسبترین روش زمین آمار در مطالعه کیفی آبهای زیرزمینی

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,298

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCWMSWRM05_238

تاریخ نمایه سازی: 19 اردیبهشت 1391

Abstract:

با توجه به کاهش بارندگی در سالهای اخیر، آبهای زیرزمینی همواره به عنوان یکی از منابع مهم تأمین آب شرب وکشاورزی مطرح بوده است. بنابراین کیفیت این منابع از مواردی است که باید مورد بررسی قرار گیرد. کاتیونها وآنیونهای مختلف مخصوصاً نیترات، از جمله آلودهکنندههای منابع آب زیرزمینی است که عمدتاً در ارتباط با مناطق کشاورزی و محدودههای دفع فاضلاب میباشد از این رو لازمه هرگونه اقدام جهت کنترل و کاهش آلودگی آبهایزیرزمینی و تأثیرات آنها، آگاهی کامل از نحوه توزیع و پراکندگی آلودگیهای موجود بوده، که در اختیار داشتن چنین اطلاعاتی صرفاً از طریق نمونه برداری از چاههای بهرهبرداری منطقه مورد مطالعه و درونیابی نقاط نمونه برداری شده وانجام آنالیزهای مختلف امکانپذیر میباشد. با توجه به افزایش حجم دادهها، ماهیت رقومی آنها، روشهای تحلیلدادههای مکانی از قبیل روشهای آماری، نمی توانند از سرعت، دقت و کارایی کافی برخوردار باشند. استفاده از علم کاوش دادهها، راه حل مناسبی برای تحلیل و استخراج اطلاعات مفید از دادههای مکانی موجود می باشد. استفاده ازفناوریهای نوین از روشهایی است که میتواند تجزیه و تحلیل و دسترسی به اطلاعات زیاد و متنوع را آسانتر کند و به این ترتیب به مدیران جهت تصمیم گیری بهینه کمک میکند. در این مطالعه زمینآمار و روشهای مختلف آن وهمچنین مزیتها و محدودیتهای این روش در بررسی کیفیت آبهای زیرزمینی بیان شده است. نتایج این مطالعه نشان میدهد رویکردهای زمین آماری اگرچه ممکن پیشبینی دقیقی را در نقاط غیر نمونه فراهم نکنند، اما آنها میتوانند استراتژی مناسبی برای مدیریت آب آلوده را است ترسیم نمایند، در صورتی که درست به کار گرفته شوند

Authors

سارا تمدنی کناری

دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه علوم کشاورزی و منابع

موسی حسام

استادیاران گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

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 :