ارزیابی کیفیت آب های زیر زمینی برای مصارف صنعتی و کشاورزی با استفاده از شبیه سازی گاوسی متوالی
Publish place: Journal of Mineral Resource Engineering، Vol: 7، Issue: 3
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 104
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MHRE-7-3_002
تاریخ نمایه سازی: 17 مهر 1401
Abstract:
روش های زمین آمار یکی از پیشرفته ترین روش ها برای ارزیابی و پایش کیفیت منابع آب زیرزمینی است. با توجه به اینکه استفاده از آب با کیفیت نامناسب سبب مشکلاتی از جمله شور شدن خاک، کاهش نفوذپذیری خاک و کاهش جذب آب به وسیله ریشه گیاه و باعث کاهش بهره وری زراعی و یا حتی تهدید محصولات کشاورزی می شود. بر همین مبنا در این تحقیق به بررسی کیفیت آب زیرزمینی در منطقه مورد مطالعه با استفاده از نمودارها و پارامترهای متداول در رده بندی کیفیت آب برای مصارف کشاورزی و همچنین مصارف صنعتی پرداخته شده و از نرم افزار ابساتیس و سورفس برای نمایش گرافیکی تغییرات پارامترهای کیفی در محدوده منطقه مطالعاتی و انجام شبیه سازی گاوسی متوالی برای بررسی پیوستگی مکانی بین متغیرها و پیش بینی برخی از شاخص های کیفی از قبیل pH، RSC، Na%، SAR، EC استفاده شده است. بعد از نرمال سازی داده ها، واریوگرام محاسبه و مدل مناسب برای برازش به واریوگرام تجربی بر اساس کمترین خطای SSR انتخاب شد، سپس با استفاده از مدل برازش شده بر مدل تجربی شبیه سازی گاوسی متوالی در ۱۰۰ تحقق در منطقه بررسی و نقشه های حاصل از شبیه سازی در آستانه های مختلف ارایه شد. نتایج نشان می دهد که از نظر پارامتر SAR بیشتر نمونه ها کیفیت نسبتا مطلوب و در مجموع کیفیت خوبی برای کشاورزی دارند. طبقه بندی خطر درصد سدیم در آب های کشاورزی در منطقه مورد مطالعه نیز در کلاس قابل قبول قرار داشته است. کیفیت آب برای مصارف صنعتی در تمام حالات رسوب گذار است غیر از چهار مورد که پیوستگی مکانی موارد یاد شده درون یابی و نقشه احتمالات درون یابی نیز ارایه شده است.
Keywords:
Authors
رضا دهشیبی
دانشجوی کارشناسی ارشد، گروه زمین شناسی، دانشکده علوم، دانشگاه سیستان و بلوچستان، زاهدان
آزاده آگاه
استادیار، گروه مهندسی معدن، دانشکده مهندسی، دانشگاه سیستان و بلوچستان، زاهدان
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 :