کاربرد GIS در ارزیابی آب های زیرزمینی دشت شهر گلگیر مسجدسلیمان با تأکید بر میزان شوری EC و SAR در سال 1394

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 600

This Paper With 18 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:

RSTCONF03_072

تاریخ نمایه سازی: 6 بهمن 1395

Abstract:

کاهش مداوم کیفیت آب ریززمینی برای فعالیت های مختلف کشاورزی در مناطق پهناور خشک و نیمه خشک به یک نگرانی اساسی مبدل شده است.بنابراین پهنه بندی کیفیت اب زیرزمینی در یک مقیاس کلان در مدیری اراضی امری ضروری میباشد. هدف مطالعه حاضر پهنه بندی توزیع مکانی دو شاخص مهم کیفیت اب زیرزمینی شامل EC و SAR با استفاده از تکنیک های زمین آمار در استان خوزستان می باشد. تکنیک های زمین امار مختلف مانند کریجینگ IDW و RBF بر داده های 10 حلقه چاه اهمال و نقشه پیوسته EC و SAR در محیط نرم افزار 9.3 ArcGIS تهیه گردید. مطابق نتیاج از میان روشهای مختلف روش کریجینگ با مدل واریوگرامی دایره ای بهترین عملکرد و کمترین خطا را نشان داد. بنابراین ، نقشه های تولید شده این روش بر اساس روش تقسیم بندی کیفیت اب ویل کاکس مورد طبقه بندی قرار گرفت. نتایج نشان داد که EC بین 0/129 میکروموس بر سانتی متر در غرب استان تا 17917/6 در مناطق شمال و شرق منطقه مطالعاتی متغیر است. حداکثر و حداقل شاخص SAR نیز برای شهر گلگیر بین 89% تخمین زده شد. مطابق روش ویل کاکس 12/13% ار آبهای زیرزمینی استان به عنوان کلاس خوب 16% متوسط 17/5% نامناسب و 54/35% به عنوان کلاس غیقابل استفاده طبقه بندی گردید. به طور کلی کیفیت آی زیرزمینی شهر گلگیر از لحاظ کشاورزی در 10 چاه به صورت نسبتا خوب می باشد و جهت شرب نیاز به تصفیه داد.

Keywords:

تکنی های زمین آمار , سیستم GIS , میزان شوری EC و SAR

Authors

کورش حاجت پور

دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده علوم آب، دانشگاه آزاد اسلامی واحد یاسوج

فرزاد صالحی بابرصاد

دانشجوی دکترا، گروه علوم آب دانشکده علوم آب، دانشگاه آزاد اسلامی واحد مسجد سلیمان

احسان دریکوند

استادیار، گروه مهندسی آب، دانشکده علوم آب، دانشگاه آزاد اسلامی واحد شوشتر

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 :