تجزیه و تحلیل آسیب پذیری آب زیر زمینی در آبخوان الشتر بر اساس پارامترهای وزنی با استفاده از آمار دو متغیره و مدل Siمبتنی بر GIS

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 591

This Paper With 13 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:

NCEGIT01_041

تاریخ نمایه سازی: 19 اردیبهشت 1395

Abstract:

امروزه علاوه بر بهره برداری بی رویه از آب های زیر زمینی که باعث افت شدید سطح آب شده است فعالیت های کشاورزی صنعتی و شهری آلاینده های مختلفی را به سفره های آب زیر زمینی تحمیل می کند با توجه به اهمیت دشت الشتر در تامین آب کشاورزی شرب و صنعت منطقه از یک روش جدید مبتنی بر سیستم اطلاعات مکانی GIS برای محاسبه پارامترهای وزنی با استفاده از آمار دو متغیره با تلفیقی از مدل SI برای ارزیابی آسیب پذیری آبخوان دشت الشتر استفاده شد در گام نخست از 14 پارامتر عمق تا سطح ایستابی شیب کاربری اراضی جهت انحنا شاخص رطوبت توپوگرافی TWI فاصله از گسل فاصله از آبراهه تراکم زهکشی بافت خاک بارندگی سنگ شناسی شاخص توان جریان SPI و فاصله از جاده به منظور ارزیابی آسیب پذیری آبخوان منطقه استفاده شد در گام دوم تمامی لایه ها و نقشه های مورد نیاز مدل همراه با داده های عمق آب زیر زمینی و ارتفاع مطلق نقطه نشانه مربوط به 55 چاه مشاهده ای در پایگاه نرم افزار ArcGIS10.2تهیه شدند سپس به منظور بررسی روابط بین پارامترها در چاه های انتخابی منطقه تراکم چاه و وقوع مطلق آنها برای هر کلاس از هر پارامتر محاسبه و در پایان شاخص روش اماری SI برای هر پارامتر تهیه گردید با تلفیق لایه های فوق نقشه نهایی آسیب پذیری آبخوان دشت الشتر تهیه شد نتایج این تحقیق نشان می دهد که مناطق شمالی دشت از پتانسیل آسیب پذیری زیادی برخوردار بوده و نواحی مرکزی کمترین پتانسیل را دارد

Authors

معصومه یوسفوند

دانشجوی کارشناسی ارشد آبخیزداری دانشکده کشاورزی و منابع طبیعی دانشگاه لرستان

حسین زینی وند

استادیار گروه آبخیزداری دانشکده کشاورزی و منابع طبیعی دانشگاه لرستان

فاطمه یوسفوند

کارشناس ارشد سازه های آبی دانشکده کشاورزی دانشگاه تربیت مدرس

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 :