تصحیح روش DRASTIC مبتنی بر GIS با استفاده از روش های آماری و تحلیل سلسله مراتبی، مطالعه موردی دشت همدان- بهار
Publish place: 3rd Iran Water Resources Management Conference
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,575
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
WRM03_483
تاریخ نمایه سازی: 28 فروردین 1387
Abstract:
پهنه بندی آسیب پذیری نیتراته آب های زیرزمینی دشت همدان – بهار با تصحیح وزن پارامترهای روش DRASTIC با پارامترهای آماری و وزندهی براساس فرآیند تحلیل سلسله مراتبی (AHP) در محیط GIS انجام گرفته است. در تحقیق حاضر علاوه بر نرخبندیهای معمول موجود در روش DRASTIC ، از روش فازی برای هم مقیاس سازی نقشه های معیار و آماده سازی آنها برای تلفیق استفاده گردید . جهت تعیین وزن مناسب در مدل DRASTIC از همبستگی بین غلظت نیترات و پارامترهای مورد استفاده در این مدل از ضرایب همبستگی اسپیرمن و کندال استفاده گردید. بر این اساس مشخص شد که پارامترهای خاک، محیط آبخوان، وعمق آب زیرزمینی به ترتیب با وزن های 5، 4 و 3/5 بیشترین همبستگی را با داده های نیترات نشان می دهند و رابطه جدید به نام DAS اسم گذاری شده است. بر اساس وزن های به دست آمده از روش AHP ، لایه های اطلاعاتی قطعی و فازی DRASTIC با یکدیگر تلفیق شدند . پس از تعیین ضرایب همبستگی در مدل های مختلف، مشخص گردید که مدل DAS با لایه های نرخ بندی قطعی، بیشترین همبستگی را با غلظت نیترات (70درصد) دارا میباشد. جهت تهیه نقشه خطرپذیری آلودگی، لایه کاربری اراضی منطقه به پارامترهای قبلی افزوده گردید که میزان همبستگی بین غلظت نیترات و خطرپذیری آلودگی به 0/78 رسید. نقشه نهایی نشان می دهد که 5% از آبخوان کاملا خطر پذیر، 10% دارای خطر آلودگی خیلی زیاد ، 20/95%زیاد ، 26% متوسط تا زیاد ، 21/3% متوسط تا کم ، 9% کم ، 7% دارای خطر آلودگی خیلی کم ، و 75% بدون خطر آلودگی می باشند.
Keywords:
Authors
علی اکبر متکان
عضو هیئت علمی دانشگاه شهید بهشتی
حمیدرضا ناصری
عضو هیئت علمی دانشگاه شهید بهشتی
زهره استاد هاشمی
دانشجوی کارشناسی ارشد سنجش از دور و GIS دانشگاه شهید بهشتی
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 :