پتانسیل یابی آب زیر زمینی دشت ازنا-الیگودرز با استفاده از مدل شاخص آماری
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 672
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CULTURAL04_121
Index date: 29 October 2016
پتانسیل یابی آب زیر زمینی دشت ازنا-الیگودرز با استفاده از مدل شاخص آماری abstract
کمبود آب دردسترس با توجه به افزایش جمعیت و تقاضای روز افزون آن موجب بالا رفتن اهمیت شناخت و بررسی مناطق دارایپتانسیل بالا گردیده است. در این تحقیق کارایی مدل شاخص آماری در پتانسیل یابی منابع آب زیرزمینی دشت ازنا – الیگودرزاستان لرستان مورد بررسی قرار گرفت. ابتدا لایه های رقومی متغیرهای مؤثر در پتانسیل آب های زیرزمینی شامل ارتفاع زمین،سنگ شناسی، انحنای زمین، شیب، جهت شیب، کاربری اراضی، فاصله از رودخانه، تراکم شبکه ی آبراهه ها، فاصله از گسل، تراکمگسل، خاک شناسی و شاخص رطوبت توپوگرافی در محیط نرم افزار ArcGis10/2 تهیه گردید. همچنین تمامی چاه های با آبدهی بیشتر از 11 مترمکعب بر ساعت به عنوان چاه های دارای آبدهی مناسب انتخاب گشته و لایه موقعیت رقومی آن ها به صورتتصادفی به گروه های آموزش (70 درصد) و اعتبارسنجی (30 درصد) تقسیم گردید. سپس لایه های مربوط به متغیرهای محیطیبر اساس منابع طبقه بندی شده و بر اساس تراکم چاه های دشت موردنظر و تجزیه وتحلیل مدل نسبت فراوانی، وزن هریک ازکلاس ها تعیین گردید. درنهایت نقشه پتانسیل منابع آب زیرزمینی بر اساس مدل شاخص فراوانی تهیه گردید. اعتبارسنجی نقشهنهایی بر اساس داده های گروه اعتبارسنجی و روش منحنی ROC انجام شد. نتایج نشان داد که نقشه پتانسیل منابع آب زیرزمینی تهیه شده بر اساس مدل شاخص فراوانی دارای 77.2 درصد اعتبار و صحت بوده که بیانگر قابلیت بالای این مدل درپتانسیل یابی منابع آب زیرزمینی می باشد.
پتانسیل یابی آب زیر زمینی دشت ازنا-الیگودرز با استفاده از مدل شاخص آماری Keywords:
پتانسیل یابی آب زیر زمینی دشت ازنا-الیگودرز با استفاده از مدل شاخص آماری authors
سمیرا قربانی نژاد
دانشجوی کارشناسی ارشد آبخیزداری، دانشگاه لرستان
امید رحمتی
دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشگاه لرستان
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 :