تعیین مهم‌ترین عوامل موثر بر پتانسیل‌ منابع آب زیرزمینی با استفاده از مدل MaxEnt و سیستم اطلاعات جغرافیایی (مطالعه موردی: حوزه آبخیز پیرانشهر، آذربایجان غربی)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مرتع و آبخیزداری، دانشکده کشاورزی، مجتمع آموزش عالی شیروان، شیروان، ایران

2 فارغ‌التحصیل دکتری علوم و مهندسی آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

چکیده

آب‌های زیرزمینی یکی از مهم‌ترین و حیاتی‌ترین منابع طبیعی در مناطق خشک و نیمه خشک هستند. هدف از این مطالعه تعیین مناطق دارای پتانسیل آب زیرزمینی و اولویت‌بندی عوامل موثر بر آن می‌باشد. در مطالعه حاضر از 14 شاخص تاثیرگذار بر پتانسیل آب زیرزمینی شامل شیب، ارتفاع، جهت شیب، انحنای توپوگرافیک، فاصله از آبراهه، تراکم زهکشی، فاصله از گسل، تراکم گسل، شاخص رطوبت توپوگرافی، لیتولوژی، کاربری اراضی، موقعیت شیب نسبی، شاخص موقعیت توپوگرافیک و شاخص سختی توپوگرافیک استفاده شده است. همچنین از مجموع 145 چشمه، به صورت تصادفی 30 درصد به عنوان داده‌های اعتبارسنجی و 70 درصد به عنوان داده‌های آزمون طبقه‌بندی شدند. در این تحقیق از روش حداکثر آنتروپی و مدل MaxEnt جهت اولویت‌بندی عوامل موثر و پهنه‌بندی پتانسیل آب زیرزمینی با بهره‌گیری از ArcGIS در حوزه آبخیز پیرانشهر استفاده شد. همچنین برای ارزیابی مدل از منحنی تشخیص عملکرد نسبی (ROC) استفاده شد. نتایج نشان داد که 6/33 درصد حوزه آبخیز دارای پتانسیل آب زیرزمینی است که این مناطق بیشتر در مرکز حوزه آبخیز واقع شده است. همچنین بر اساس نمودار جکنایف لایه‌های شاخص رطوبت توپوگرافی، ارتفاع، لیتولوژی، شاخص سختی توپوگرافیک، شاخص موقعیت توپوگرافیک و شیب به ترتیب مهم‌ترین عوامل تاثیرگذار بر پتانسیل آب زیرزمینی بودند. سطح زیر منحنی (AUC) نشان‌دهنده دقت 93 درصد (عالی) روش حداکثر آنتروپی در مرحله آموزش و 81 درصد (خیلی خوب) در مرحله اعتبارسنجی برای تعیین مناطق دارای پتانسیل آب زیرزمینی بود. نتایج حاصل از این تحقیق جهت مدیریت منابع آب زیرزمینی حوزه آبخیز پیرانشهر با توجه به افزایش جمعیت قابل استفاده خواهد بود.

کلیدواژه‌ها


عنوان مقاله [English]

Determination of the most important factors affecting the potential of groundwater resources using MaxEnt model and GIS (Case study: Piranshahr watershed, West Azarbaijan)

نویسندگان [English]

  • Mehdi Teimouri 1
  • Omid Asadi Nalivan 2
1 Department of range and watershed management, Faculty of Agriculture, Higher education complex of Shirvan, Shirvan, Iran
2 Graduated Ph.D. of Watershed Management, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran
چکیده [English]

Groundwater is one of the most important and vital natural resources in arid and semi-arid regions. The purpose of this study is to determine the potential of groundwater in different areas of the watershed and prioritize the factors affecting it. In this study, 14 indices are used which affect groundwater potential including slope, elevation, slope aspect, topographic curvature, distance from the stream, drainage density, distance from the fault, fault density, topography humidity index, lithology, land use, relative slope position, index Topographic position, and topographic hardness index. Also, from 145 sources, randomly 30% were classified as validation data and 70% were categorized as test data. In this research, the Maximum entropy and MaxEnt model were used to prioritize the effective factors and zonation of groundwater potential using ArcGIS in the Piranshahr watershed area. Also, the ROC model was used to evaluate the model. The results showed that 33.6% of the watershed has groundwater potential, which is located mostly in the center of the watershed. Also, based on the jackknife chart, humidity, topography, DEM, lithology (Sandstone and shale), topographic hardness index, topographic position index and slope were the most important factors influencing groundwater potential. The area under the curve shows the accuracy of 93% (excellent) at the training stage and 81% (very good) in the validation stage for determination of the watershed groundwater potential. The results of this research can be used to manage the groundwater resources of the Piranshahr watershed due to population growth.

کلیدواژه‌ها [English]

  • Groundwater potential
  • Maximum Entropy
  • Geographic Information System
  • MaxEnt model
  • Machine learning

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 30 مهر 1398
  • تاریخ دریافت: 05 خرداد 1398
  • تاریخ بازنگری: 19 تیر 1398
  • تاریخ پذیرش: 12 شهریور 1398