پتانسیل یابی منابع آب زیرزمینی با استفاده از مدل هیدرولوژیکی WetSpa، تکنیک های GIS و RS و تحلیل سلسله مراتبی (مطالعه موردی: حوزه آبخیز بالخلوچای، اردبیل)
Publish place: The Journal of Water and Soil، Vol: 30، Issue: 1
Publish Year: 1399
Type: Journal paper
Language: Persian
View: 234
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_WASO-30-1_010
Index date: 15 January 2023
پتانسیل یابی منابع آب زیرزمینی با استفاده از مدل هیدرولوژیکی WetSpa، تکنیک های GIS و RS و تحلیل سلسله مراتبی (مطالعه موردی: حوزه آبخیز بالخلوچای، اردبیل) abstract
با توجه به اهمیت نقشه های پتانسیل آب زیرزمینی در اکتشاف، بهره برداری و مدیریت منابع آب زیرزمینی، در این پژوهش نقشه پتانسیل آب زیرزمینی حوزه آبخیز بالخلوچای تهیه شد. بدین منظور از ۶ معیار مشتمل بر ۱۲ زیرمعیار موثر بر نفوذپذیری و تغذیه آب زیرزمینی استفاده گردید. نقشه معیارها و زیرمعیارها با استفاده از نقشه های پایه موجود، مدل هیدرولوژیکی WetSpa و تکنیک های RS و GIS در فرمت رستری تهیه شدند. وزن هر یک از معیارها و زیرمعیارها با استفاده از فرایند تحلیل سلسله مراتبی تعیین شد و نقشه پتانسیل آب زیرزمینی از تلفیق نقشه های معیار و زیرمعیار ها بر اساس وزن های اختصاص داده شده، تهیه شد. نتایج نشان داد که ۵۳/۱۰ و ۶۱/۱۴ درصد از مساحت منطقه مورد مطالعه به ترتیب دارای پتانسیل آب زیرزمینی بالا و خوب بوده که در بخش های شرقی و جنوب غربی حوزه آبخیز قرار گرفته و در ارتباط با سنگ های نفوذپذیر و شیب ملایم هستند. همچنین بیش از ۵۰ درصد منطقه دارای پتانسیل آب زیرزمینی کم است که در ارتباط با سنگ های با نفوذپذیری کم در دامنه های پرشیب و کوهستانی است.
پتانسیل یابی منابع آب زیرزمینی با استفاده از مدل هیدرولوژیکی WetSpa، تکنیک های GIS و RS و تحلیل سلسله مراتبی (مطالعه موردی: حوزه آبخیز بالخلوچای، اردبیل) Keywords:
پتانسیل یابی منابع آب زیرزمینی با استفاده از مدل هیدرولوژیکی WetSpa، تکنیک های GIS و RS و تحلیل سلسله مراتبی (مطالعه موردی: حوزه آبخیز بالخلوچای، اردبیل) authors
رسول ایمانی
دانشجوی دکتری آبخیزداری دانشگاه کاشان
هدی قاسمیه
عضو هیئت علمی دانشگاه کاشان
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 :