بررسی مدل های ارزیابی آسیب پذیری آبخوان با تاکید بر مدل دراستیک
Publish place: سومین کنفرانس ملی کشاورزی و توسعه پایدار
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 489
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ASCD03_016
تاریخ نمایه سازی: 8 آبان 1395
Abstract:
آبهاى زیرزمینى بهدلیل استعداد آلودگى کمتر و همچنین ظرفیت ذخیره زیاد نسبت به آبهاى سطحى بعنوان یک منبع مهم در منابع آب مورد توجه میباشند. وجود منابع مهم آلایندههاى انتشارى و نقطهاى ناشى از فعالیتهاىانسانى در سطح زمین و نفوذ این آلایندهها به آبخوان باعث کاهش کیفیت آب زیرزمینى میشود . به همین جهت جلوگیرى از آلودگى آبهاى زیرزمینى در مدیریت منابع آب زیرزمینى ضرورى است . تغییرات مکانى و محدودیت دادهها موانعى را در پایش آبهاى زیرزمینى ایجاد میکند و مطالعات را در این زمینه پرهزینه و اغلب غیرممکن می- سازد . مطالعات زیادى که از اوایل دهه 90 میلادى تاکنون انجام شدهاند، نشان دادهاند که ارزیابى آسیبپذیرى روشى قدرتمند و کم هزینه در شناسائى نواحى مستعد به آلودگى است. علاوه بر این، ارزیابى آسیبپذیرى آب زیرزمینى ابزار مهمى براى طرحهاى محیط زیستى و تصمیمات مدیریتى مىباشد . روشهاى زیادى براى ارزیابى آسیبپذیرى آبخوان ارائه شده است که شامل روشهاى فرآیندى، روشهاى آمارى و روشهاى اندیس و همپوشانى میباشند. DRASTIC یک روش رتبهدهی است که براى امتیازبندى آسیبپذیرى نقاط مختلف با ترکیب چندین لایه موضوعى طراحى شده است . امروزه با استفاده از تکنیک GIS این کار آسانتر شده و دقت انجام این محاسبات نیز تا حد زیادى افزایش یافته است. GIS براى جمعآورى دادههاى گوناگونى طراحى شده است تا پدیدههاى متغیر را با تحلیل و همپوشانى لایههاى اطلاعاتى موجود، بهطور مکانى توصیف کند
Keywords:
آبخوان آسیب پذیری/ ارزیابی/ مدل دراستیک
Authors
مریم رضوانی
دانش آموخته کارشناسی ارشد مدیریت محیط زیست، دانشکده منابع طبیعی، دانشگاه آزاد اسلامی واحد بندرعباس /نویسنده مسئول
امیر پلهم عباسی
دکتری سامانه اطلاعات جغرافیایی ، عضو هیئت علمی گروه محیط زیست دانشگاه آزاد اسلامی واحد بندرعباس
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 :