روش شناسی ارزیابی و بازطراحی شبکه پایش سطح آب زیرزمینی، بخش دوم: ارزیابی شبکه پایش توسط روش احتمال پذیرش (مطالعه موردی: آبخوان شیروان، خراسان شمالی)
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 176
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WSD-9-3_002
تاریخ نمایه سازی: 12 بهمن 1401
Abstract:
شبکه های پایش آب زیرزمینی داده های مهمی را ارائه می دهند که برای درک دینامیک سامانه های هیدروژئولوژیکی ضروری هستند. ازآنجاکه هزینه نصب و نگهداری شبکه های پایش آب زیرزمینی بسیار زیاد است، طراحی بهینه و ارزیابی اثربخشی شبکه پایش ضرورت می یابد. این مقاله کاربرد یک روش جدید زمین آماری را مبتنی بر مفهوم «احتمال پذیرش»، با هدف بهینه سازی شبکه چاه های مشاهده ای موجود در آبخوان آبرفتی شیروان، واقع در استان خراسان شمالی، ارائه می نماید. بهاین منظور با انتخاب واریوگرام مناسب و با استفاده از کریجینگ معمولی، احتمال پذیرش در آبخوان محاسبه شد. سپس بر اساس الگوی مکانی سطح آب زیرزمینی، احتمال پذیرش برای بخش های مختلف آبخوان محاسبه و مقادیر «دقت پذیرش» در سطوح احتمالی مختلف تجزیه و تحلیل شد. نتایج نشان داد با شبکه چاه های مشاهده ای موجود، ۱۹/۲ درصد از سطح آبخوان دقت پذیرش بسیار بالایی دارد. از سوی دیگر، با اصلاح شبکه چاه های مشاهده ای موجود و اضافه شدن نقاط پیشنهادی، ۴۶/۷ درصد از سطح آبخوان دقت پذیرش بسیار بالایی خواهد داشت. بنابراین، به نظر می رسد ایجاد چاه های مشاهده ای جدید در نقاط پیشنهادی و یا جابهجایی چاه های کم اهمیت به این نقاط، باعث افزایش دقت پذیرش و بهبود کارایی شبکه چاه های مشاهده ای موجود می شود.
Keywords:
Authors
شیوا قلی زاده سرابی
عضو هیات علمی گروه هیدروانفورماتیک، مرکز پژوهشی آب و محیط زیست شرق (EWERI)، مشهد، ایران
عطاءاله جودوی
استادیار گروه علوم و مهندسی آب، مرکز آموزش عالی کاشمر، کاشمر، ایران
میثم مجیدی
استادیار گروه علوم و مهندسی آب، مرکز آموزش عالی کاشمر، کاشمر، ایران
عباس ابراهیمی
مدیر دفتر مطالعات پایه منابع آب، شرکت آب منطقه ای خراسان شمالی، بجنورد، ایران
اعظم رونقی
کارشناس دفتر مطالعات پایه منابع آب، شرکت آب منطقه ای خراسان شمالی، بجنورد، 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 :