ارزیابی پتانسیل نفوذ با استفاده از مدل AHP، APLIS و APLIS اصلاح شده ( مطالعه موردی: حوضه آبریز روئین اسفراین)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه حکیم سبزواری

2 دانشگاه شهید بهشتی

چکیده

نیاز روزافزون به آب به ویژه آب شیرین، اهمیت شناسایی مناطق نفوذ و توسعه کارست که از ذخایر ارزشمند آبهای زیرزمینی می‌باشد، را ضروری می‌نماید. لذا هدف پژوهش حاضر بررسی پتانسیل نفوذ آب زیرزمینی حوضه آبریز روئین اسفراین با استفاده از مدلهای تحلیل سلسله مراتبی، آپلیس و آپلیس اصلاح شده می‌باشد. در این پژوهش، ابتدا لایه‌های اطلاعاتی شامل: لیتولوژی، تراکم خطواره و گسل، پوشش گیاهی، تراکم شبکه زهکشی، بارش، دما، شیب، جهت شیب، ارتفاع از سطح دریا، لندفرم‌های موثر در تغذیه، نوع خاک و فاکتور تصحیح (Fh) تهیه و مدلهای AHP، APLIS وModified-APLIS   اجرا گردید. نتایج حاصل از اجرای مدل AHP که در 5 کلاس طبقه‌بندی شد نشان می‌دهد که مساحت ناحیه با پتانسیل نفوذ کم در سطح حوضه ناچیز و نزدیک به صفر است. پتانسیل نفوذ کم، متوسط، زیاد و خیلی زیاد به ترتیب0، 1/8، 1/15، 7/47 و 1/29 درصد سطح حوضه را به خود اختصاص داده‌اند و طبقه با پتانسیل نفوذ زیاد بیشترین وسعت حوضه و حدود نیمی از آن را پوشانده است. در روش‌ APLIS نیز مساحت نواحی با درصد نفوذ خیلی کم، کم، متوسط، زیاد و خیلی زیاد به ترتیب برابر با 1/15، 9/17، 1/65 و 9/1 و در مدل APLIS اصلاح شده نیز به ترتیب   9/20، 1، 4/13، 4/63 و 5/1 درصد سطح حوضه را به خود اختصاص داده‌اند. به طور کلی می‌توان گفت که  نخست مدل APLIS اصلاح شده با (85/0) و سپس مدل AHP(82/0)، توانسته‌اند بالاترین ضریب همبستگی بین تعداد چشمه و مساحت طبقه و بیشترین ضریب شناسایی پتانسیل نفوذ در منطقه را به خود اختصاص دهند با این وجود هر سه مدل وضعیت قابل قبولی را از نظر ارزیابی نفوذ بویژه در طبقه زیاد در سطح حوضه به نمایش می‌گذارند. مناطق با نفوذ بالا در هر سه مدل منطبق بر قسمت‌های مرکزی و شرقی حوضه است که با مقایسه آن با زمین شناسی منطقه عمدتا بر سازند مزدوران-لار که در آنها خلوص آهک و دولومیت بیشتر است مطابقت دارند. همچنین مناطق با پتاسیل بالای نفوذ بر مناطق با تراکم زهکشی کم، منطبق هستند. 
 

کلیدواژه‌ها


عنوان مقاله [English]

Assessment of Infiltration Potential Using the AHP ,APLIS and Modified APLIS Models (Case Study: Roein Esfarayen Basin)

نویسندگان [English]

  • mohammad motamedi rad 1
  • laila goli mokhtari 1
  • shahram bahrami 2
  • mohamadali zanganeh asadi 1
1 دانشگاه حکیم سبزواری
2 دانشگاه شهید بهشتی
چکیده [English]

Introduction
Groundwater resources are the most important parts of the available freshwater to humans. Due to the uneven distribution of time and location of surface waters and the high potential of these waters pollution, demand for groundwater for drinking, agricultural and industrial purposes is increasing. Therefore, it can be noted that groundwater resources and groundwater recharge are very important and identification of groundwater infiltration zones is a key component in arid and semi-arid regions studies. One of the most important methods of groundwater study is the study of factors affecting this process such as lithology, lineaments and fault density, vegetation, drainage system density, precipitation, temperature, slope, aspect, elevation, effective landforms in infiltration, soil type, infiltration coefficient is a survey of geological and topographic maps using remote sensing tools with satellite data processing, geological mapping and topography. In this study, we evaluated the infiltration potential using the AHP, APLIS and Modified APLIS models in the Roein Esfarayen basin. The basin has an area of ​​127.8 km in the eastern Alborz Zone (Binalud-Aladagh Zone), where significant lithology variation is evident. This basin is a part of the Aladagh-Binalud earth-tectonic zone, due to its large and tectonics, which is hard-fisted, faulty, and friable, with a large or large reverse fault angle.
Methodology
Initially, according to various studies  about the recharge of groundwater resources, the factors controlling nutrition in the study area include lithology, lineament and fault density, vegetation cover, drainage system density, elevation, precipitation, temperature, soil cover, slope, aspect, intensity of vegetation cover (NDVI), effective landforms in nutrition and correction factor have been evaluated. The abovementioned data are from geological maps of the Organization of Geology and Mineral Exploration of the country with a scale of 1: 100,000, topographic maps with a scale of 1: 25,000 mapping organizations, precipitation data and annual temperature of the Ministry of Energy, land use map of the Natural Resources Organization, Landsat satellite images The ETM + sensor is derived from frames with passes and rows of 161-034 for 2017 (at appropriate times without cloudy and dusty images) and analyzed in ArcGIS 10.4, ERDAS IMAGINE 9.1 and EXPERT CHOICE 11.0 software packages.
Results and discussion
After preparing thematic maps of different layers of information, it is necessary to combine them together to produce the final map. An important issue in integrating these layers is to determine the relative importance of each layer of information, which varies depending on the model used. In this study, three models of AHP, APLIS and modified APLIS were used.
In present study, a pair comparison method was used in the AHP model. By multiplying weights in the factor, then their summation was obtained in accordance with the following equation of the potential influence map. The map was then classified in five qualitative classes, from very low Infiltration potential to very high Infiltration potential.
RP = 0.444 * L + 0.080 * S + 0.056 * A + 0.122 * P + 0.203 * F + 0.023 * T + 0.049 * V + 0.023 * D
In which L is lithology,  S is slope,  A is aspect, P is precipitation, F is lineament density, T is temperature, V is vegetation, D is drainage network density and RP is  recharge potential.
In APLIS model, according to the weights table, the different classes and the quantitative relationship developed by Andreo et al. (2008), the final Infiltration potential map was obtained. The map was then classified in five qualitative classes, from very low Infiltration potential to very high Infiltration potential.
R = (A + P + 3 * L + 2 * I + S) /0.9
In modified APLIS model, according to the weights table, the different classes and the quantitative relationship developed by Andrew et al. (2008), the final Infiltration potential map was obtained. The map was then classified in five qualitative classes, from very low infiltration potential to very high infiltration potential. Marin (2009) modified the APLIS method with the introduction of a new factor called correction factor (Fh), as well as the extension of the "Effective Feed Layers (I)" domain name and modified it to Modified-APLIS. With regard to this, the relationship between the apple model and the following was changed. Then, based on the weights table, different classes and modified quantitative relationship, the final map of infiltration potential was prepared and classified into five qualitative classes.
R = [(A + P + 3 * L + 2 * I + S) /0.9] * Fh
Conclusion
The results of the AHP model, with five classes of infiltration capacity, indicate that the ​​ area with low infiltration potential in the basin is negligible and close to zero. The infiltration potential of low, moderate, high and very high classes are, respectively 8.1%, 15.1%, 47.7% and 29.1%, and the high infiltration class has the highest area of the basin (about 50%). In the APLIS methods, the ​​areas of very low, moderate, high and very high infiltration classes are 15.1%, 17.9%, 65.1% and 1.9%, respectively, and in the modified APLIS model, respectively 20.9, 1.0, 13, 63.4% and 1.5% of the basin area. In general, it can be noted that the modified APLIS model with the highest correlation coefficient (0.85) and then the AHP model (0.82), have the highest coefficient of identification of Infiltration potential in the region. However, all three models show an acceptable prediction of basin infiltration assessment. Highly influential areas in these three models are located on the central and eastern part of the basin, which, by comparing it with the geology of the area, mainly correspond of the mozdoran-Lar Formation, in which the purity of lime and dolomite is higher. Also, areas with high Infiltration Potential are consistent with low drainage areas.

کلیدواژه‌ها [English]

  • Groundwater
  • AHP
  • Modified APLIS
  • Mozdoran-Lar Formation
  • Roein basin
  • تاج آبادی، مهدی و زارع، محمد، 1395، پتانسیل تغذیه آب زیرزمینی در محیط GIS و مقایسه آن با نتایج بیلان هیدروکلیماتولوژی مطالعه موردی: حوضه آبریزرودخانه کر، مجله پژوهش آب ایران، جلد 10،  شماره 3،  پیاپی22، صص 135-145.
  • حیدری آقاگل، مسعود، غلامی، ابراهیم، رستمی بارانی، حمیدرضا، 1396، پتانسیل یابی منابع آب زیرزمینی با استفاده از روش منطق فازی (مطالعه موردی: استان خراسان جنوبی)، مجله تحقیقات منابع آب ایران، شماره 39،   صص 211-215 .
  • رامشت، محمد حسین و عرب عامری، علیرضا  ،1392، پهنه بندی حوضه آبخیز بیاضیه به منظور تغذیه مصنوعی آب های زیرزمینی با استفاده از روش AHP و تکنیک GIS، جغرافیا و برنامه ریزی - 1392 - دوره : 17 - شماره : 45 - صفحه:69 -96.
  • زارعی, مهناز و جوادی پیربازاری، سامان ، ۱۳۹۶، پتانسیل یابی منابع آب در سازندهای کارستی با استفاده از مدل APLIS، چهارمین کنفرانس بین المللی برنامه ریزی و مدیریت محیط زیست، تهران، دانشکده محیط زیست دانشگاه تهران.
  • سازمان زمین شناسی کشور، بدون تاریخ، نقشه زمین شناسی با مقیاس یک به صد هزار برگه بجنورد.
  • سازمان زمین شناسی کشور، 1383، نقشه زمین شناسی با مقیاس یک به صد هزار برگه شیروان.
  • سلیمانی ساردو، الهام، یزدانی، محمد رضا، ذوالفقاری، علی اصغر و دماوندی، علی اکبر(1395)، تعیین مناطق پتانسیل دار تغذیه آب زیر زمینی با استفاده از روش تلفیقی GIS-AHP (مطالعه موردی شهرستان سمنان)،  نشریه علوم و مهندسی آبخیزداری ایران، سال دهم، شماره 33
  • علیزاده، امین، 1394، اصول هیدرولوژی کاربردی، انتشارات دانشگاه امام رضا: مشهد، تعداد صفحات 942.
  • قدسی پور، حسین،1382 ، فرآیند تحلیل سلسله مراتبی. (AHP) تهران: دانشگاه صنعتی امیرکبیر.
  • واعظی هیر ، عبدالرضا و تبرمایه، مهری، 1395، پتانسیل یابی آب زیرزمینی در سازندهای سخت با بکارگیری روش های تصمیم گیری چند معیاره AHP و  SAW (مطالعه موردی: حوضه آلمانه)، نشریه آب و خاک ، سال سی ام، شماره 5 صص 1461-1477. 
  • یمانی، مجتبی و علی‌زاده، شهناز، 1393، پتانسیل منابع آب زیرزمینی با استفاده از تحلیل سلسله مراتبی""AHP (مطالعه موردی: حوضه آباده- اقلید فارس)، هیدروژئومورفولوژی، شماره 1، صص 144-131.
  • Andreo, B., Vías, J., Durán, J. J., Jiménez, P., López-Geta, J. A., & Carrasco, F., 2008, Methodology for groundwater recharge assessment in carbonate aquifers: application to pilot sites in southern Spain. Hydrogeology Journal, 16(5), 911-925.
  • Dey P.K and Ramcharan. E.K. 2008. Analytic hierarchy process helps select site for limestone quarry expansion in Barbados. Journal of Environmental Management.88(4):1384-1395
  • Espinoza, K., Marina, M., Fortuna, J. H., & Altamirano, F. (2015). Comparison of the APLIS and Modified-APLIS Methods to Estimate the Recharge in Fractured Karst Aquifer, Amazonas, Peru. In Hydrogeological and Environmental Investigations in Karst Systems (pp. 83-90). Springer, Berlin, Heidelberg.
  • Farfán H, Corvea JL, Bustamante I (2010) Sensitivity analysis of APLIS method to compute spatial variability of karst aquifers recharge at the National Park of Viñales (Cuba), Advance in research in karst media. Springer, Berlin, pp 19–24. doi:10.1007/978-3-642-12486-0.
  • FuYeh,Hsin.,Youg-SinCheng.,Hung-I.Lin.,Cheng-HawLee,2016, Mapping groundwater recharge potential zone using a GIS approach in Hualian River, Taiwan, Sustainable Environment Research, Volume 26, Issue , January 2016, Pages 33-43
  • Kaliraj, S. Chandrasekar, N. and Magesh, N. S.2014,Identification Of Potential groundwater recharge zones in Vaigai upper basin, Tamil Nadu, using GISbased analytical hierarchical process (AHP). J Geo SCI. 7:1385-1401.
  • Kendy, E., Zhang, Y., Liu, C., Wang, J., & Steenhuis, T., 2004, Groundwater recharge from irrigated cropland in the North China Plain: case study of Luancheng County, Hebei Province, 1949–2000. Hydrological Processes, 18(12), 2289-2302.
  • Leblanc M, Leduc C, Razack M, Lemoalle J, Dagorne D, Mofor L (2003). Application of remote sensing and GIS for groundwater modeling of large semiarid areas: example of the Lake Chad Basin, Africa. In: Hydrology of Mediterranean and semiarid regions conference, Montpieller, France. Red Books Series, vol 278. IAHS, Wallingford, pp 186–192
  • Malczewski, J., 1999, GIS and Multicriteria Decision Analysis:  Evaluation Criteria and Criterion Weighting (book). John Wiley and Sons. Inc. 392 p.
  • Malczewski, J., 1999, GIS and Multicriteria Decision Analysis:  Evaluation Criteria and Criterion Weighting (book). John Wiley and Sons. Inc. 392 p.
  • Marín AI (2009) Los sistemas de información geográfica aplicados a la evaluación de recursos hídricos y a la vulnerabilidad a la contaminación de acuíferos carbonatados. Caso de la Alta Cadena (Provincia de Málaga). Bachelor Thesis, University of Malaga
  • Mauricio, O,. Londo~no Q.,  Romanelli A., Lourdes Lima , Enrique Massone, H., Emilio Martínez, D.,2016, Fuzzy logic-based assessment for mapping potential infiltration areas in low-gradient watersheds,Journal of Environmental Management 176 (2016) 101-111
  • Milewski A. Sultan M. Yan E. Becker R. Abdeldayem A. Soliman F. and Abdel Gelil K. 2009. Remote sensing solution for estimating runoff and recharge in arid environments. Journal of Hydrology. 373:1-14.
  • Milewski A. Sultan M. Yan E. Becker R. Abdeldayem A. Soliman F. and Abdel Gelil K. 2009. Remote sensing solution for estimating runoff and recharge in arid environments. Journal of Hydrology. 373:114.
  •  Murthy KSR (2000). Groundwater potential in a semi-arid region of Andhra Pradesh-a geographical information system approaches. International Journal Remote Sensing 21:1867–1884
  • Patil S. G. and Mohite N. M. 2014. Identification of groundwater recharge potential zones for a watershed using remote sensing and GIS. International Journal of Geomatics & Geosciences. 4(3): 485-498.
  • Patil S. G. and Mohite N. M. 2014. Identification of groundwater recharge potential zones for a watershed using remote sensing and GIS. International Journal of Geomatics & Geosciences. 4(3): 485-498.
  • Rawat K. S. Mishra A. K. Paul G. and Kumar R. 2012. Estimation of Ground Water Recharge in Shankergarh block of Allahabad (India) using Remote Sensing and Statistical Approach. Global Journal of Science, Engineering and Technology Issue1. 34-48.
  • Rawat K. S. Mishra A. K. Paul G. and Kumar R. 2012. Estimation of Ground Water Recharge in Shankergarh block of Allahabad (India) using Remote Sensing and Statistical Approach. Global Journal of Science, Engineering and Technology Issue1. 34-48.
  • Sener, B., Süzen, M. L., & Doyuran, V. (2006). Landfill site selection by using geographic information systems. Environmental Geology, 49, 376–388.
  • Shaban, A., Khawlie, M., & Abdallah, C., 2006, Use of remote sensing and GIS to determine recharge potential zones: the case of Occidental Lebanon. Hydrogeology Journal, 14(4), 433-443.
  • Waikar M. L. and Nilawar A. P. 2014. Identification of Groundwater Potential Zone using Remote Sensing and GIS Technique. International Journal of Innovative Research in Science, Engineering and Technology. 3(5): 12163-12174.
  • Waikar M. L. and Nilawar A. P. 2014. Identification of Groundwater Potential Zone using Remote Sensing and GIS Technique. International Journal of Innovative Research in Science, Engineering and Technology. 3(5): 12163-12174.