مدل‌سازی حساسیت آب‌های سطحی به آلودگی با استفاده از GIS

این تحقیق تلاشی برای توسعه یک شاخص جدید GIS برای بررسی حساسیت آب های سطحی به آلودگی (SWSi) است. در این شاخص، از تکنیک‌های ترکیب خطی وزنی در محیط GIS برای محاسبه امتیاز کلی حساسیت آب‌های سطحی به آلودگی بر اساس استفاده از 6 عامل استفاده شد. این مدل شامل 3 عامل طبیعی است: شیب شیب، فاصله تا آب سطحی و خاک. همچنین شامل 3 فعالیت دست ساز شهری، کشاورزی و راه است. به هر عامل وزن و درجه بندی مناسب داده شد و سپس با استفاده از تکنیک GIS شاخص نهایی محاسبه شد. نتایج نهایی نشان داد که منطقه مورد مطالعه (1235 کیلومتر مربع ⁾ را می توان به دو گروه حساسیت کم با مساحت 250 کیلومتر مربع ⁽ 20.2%)، حساسیت متوسط ​​با مساحت 815.5 کیلومتر مربع طبقه بندی کرد ^.(66%)، حساسیت بالا با مساحت 166.2 کیلومتر مربع ⁽ 13.5%) و حساسیت بسیار بالا با مساحت 3.3 کیلومتر مربع (0.3%).

کلید واژه ها

GIS ، WLC ، آب های سطحی ، حساسیت ، SWSi

1. مقدمه

ارزیابی حساسیت منابع آب های سطحی به آلودگی برای ترسیم نقشه های خطر آلودگی مهم است [ 1 ]. مطالعات متعددی برای بررسی حساسیت آب های سطحی به آلودگی در سراسر جهان وجود دارد ([ 1 ] – [ 7 ]). هدف از این مطالعات طراحی مدل‌ها و شاخص‌هایی برای تخمین حساسیت آب‌های سطحی به آلودگی مشابه با شاخص‌های آسیب‌پذیری آب‌های زیرزمینی بود [ 1 ].] . فاکتورهای اصلی مورد استفاده در این مطالعات شیب، کاربری زمین، پوشش زمین، فاصله تا منابع آبی و سهم آب زیرزمینی بوده و تمامی این مطالعات از شاخص هایی برای تخمین حساسیت آب های سطحی به آلودگی در محیط GIS استفاده کردند. GIS برای تعیین کمیت متغیرهای حساسیت و آلودگی بالقوه استفاده می شود که ممکن است بر کیفیت آب های سطحی در مناطقی که آب را به منابع آب سطحی کمک می کند تأثیر بگذارد.

اردن در حال حاضر یکی از فقیرترین کشورهای جهان از نظر منابع آبی است. این کشور با آب و هوای خشک مشخص می شود و بیش از 90 درصد مساحت آن سالانه کمتر از 200 میلی متر بارندگی دارد. در اردن، آب های سطحی به عنوان منبع اصلی برای مصارف خانگی و کشاورزی در نظر گرفته می شود. این تامین کننده اصلی بخش کشاورزی است و دومین منبع بزرگ برای مصرف خانگی است. عرضه سالانه آب های سطحی در اردن 214.69 میلیون مترمکعب ^است. این منبع گرانبهای آب در برابر آلودگی آسیب ناپذیر نیست. سیستم های منابع آب سطحی در معرض چندین اثر آلودگی توسط انسان قرار دارند. آب های سطحی در اردن از منابع مختلف آلودگی رنج می برند. منابع آب سطحی آلوده اغلب آنهایی هستند که در داخل یا پایین دست مناطق شهری و صنعتی قرار دارند و همچنین منابع آبی اطراف آن (استفاده و استفاده بیش از حد از کودها، آفت کش ها و حشره کش ها) هستند ([ 8 ] و [ 9 ]).

این تحقیق تلاشی برای اصلاح حساسیت آب های سطحی موجود به شاخص های آلودگی بر اساس ادبیات موجود است. شاخص اصلاح شده در منطقه مورد مطالعه در بخش شمالی اردن آزمایش خواهد شد.

2. روش تحقیق

2.1. منطقه مطالعه

منطقه مطالعه انتخاب شده برای این تحقیق در قسمت شمالی اردن واقع شده است ( شکل 1 ). این کشور در مرز سوریه قرار دارد و 1235 کیلومتر مربع مساحت دارد ^که تقریباً 1.4 درصد از کل مساحت اردن را شامل می شود. منطقه مورد مطالعه دارای چندین شهر و روستا ( شکل 2 ) با مساحت شهری 31.74 کیلومتر مربع ^است که تقریباً 2.57 درصد از مساحت مورد مطالعه را تشکیل می دهد. مساحت کشاورزی ( شکل 2 ) در محدوده مورد مطالعه 27.76 کیلومتر مربع است ^که تقریباً 2.25٪ از منطقه مورد مطالعه را شامل می شود. فعالیت های کشاورزی در این منطقه شامل کشت سبزیجات، میوه ها و زیتون است [ 10 ]. اکثر کشاورزان از مقادیر بیش از حد کود و آفت کش استفاده می کنند [ 11] .

منطقه مورد مطالعه عمدتاً مسطح است، جایی که ارتفاع آن بین 642 متر بالاتر از سطح دریا در جنوب تا 1224 متر بالاتر از سطح دریا در نزدیکی مرز سوریه در شمال متغیر است ( شکل 3 ). میانگین گرادیان برای منطقه مورد مطالعه کمتر از 2٪ است.

آب های سطحی این منطقه عمدتاً از بارندگی هایی است که سالانه بین نوامبر و مارس رخ می دهد. این منطقه سالانه حدود 250 میلیون متر مکعب بارندگی دارد. بیشتر بارندگی به دلیل تبخیر از بین می رود (تقریباً 90٪)، در حالی که تنها 5٪ از بارندگی رواناب تولید می کند. رواناب تولید شده از طریق وادیس (جریان ها) جریان می یابد که عمدتاً از شمال به سمت جنوب، جنوب شرق و جنوب غرب جریان دارد ( شکل 4 ). آبهای سطحی منطقه مورد مطالعه از منابع مختلف آلودگی رنج می برند. از جمله این منابع می توان به موارد زیر اشاره کرد [ 11 ] :

1. استفاده از کود، آفت کش، حشره کش و علف کش توسط کشاورزان منطقه.

2. رواناب تولید شده در مناطق شهری که زباله و سایر مواد آلاینده را به وادی های مجاور می رساند.

3. استفاده از وسایل نقلیه دارای نشت نفت، سرب و ذرات خورده.

2.2. توسعه SWSi

اسطوره های کمی در ایالات متحده برای بررسی حساسیت آب های سطحی به آلودگی توسعه یافته است. از جمله این روش ها می توان به موارد زیر اشاره کرد:

Ÿ روشی توسط [ 5 ] که حساسیت آب های سطحی به آلودگی را بر اساس 5 عامل تعریف می کند. این عوامل شامل شبکه رودخانه، خاک، توزیع شهری، پوشش زمین و شیب می باشد.

Ÿ روش پوشش و شاخص توسعه یافته توسط USGS برای رتبه بندی ویژگی های یک حوزه آبخیز [ 2 ]. این بر اساس استفاده از 5 عامل از جمله میانگین بارندگی سالانه، شیب سطح زمین، پوشش زمین، کاربری اراضی و سهم آب زیرزمینی است.

Ÿ یک روش توسعه یافته توسط [ 3 ] که امکان ارزیابی حساسیت حوضه به آلودگی آب های سطحی را بر اساس ویژگی های اصلی یک حوزه آبخیز و کاربری های زمین فراهم می کند. این بر اساس 7 عامل از جمله تخلیه فاضلاب، اثرات کاربری تفریحی زمین، اثرات کاربری اراضی کشاورزی، اندازه حوضه، راه های حمل و نقل، اثرات کاربری اراضی صنعتی و میزان پوشش گیاهی است.

Ÿ یک روش توسعه یافته توسط آزمایشگاه تجزیه و تحلیل فضایی و علوم زمین در دانشگاه مینه سوتا-دالوت، ایالات متحده آمریکا ( [ 4 ] و [ 6 ]]). این روش در ابتدا در سال 2003 برای بررسی حساسیت آب های سطحی به آلودگی از منابع غیر نقطه ای توسعه یافت. این بر اساس یک اصل اساسی است که مناطقی که بیشتر مستعد رواناب هستند، قادر به انتقال رسوبات معلق به آب هستند. تنها چهار عامل ذاتی در تخمین پتانسیل رواناب سطحی آب برای هر منطقه مورد مطالعه با استفاده از تکنیک‌های GIS دخیل هستند. این عوامل عبارتند از: شیب شیب، فاصله از آب (نهارها و دریاچه ها)، پوشش زمین و ویژگی های خاک. هر عامل وزنی برای منعکس کردن سهم خود در رواناب سطحی آب دارد و بنابراین یک نشانه کلی از پتانسیل آلودگی آب های سطحی است.

در این تحقیق، با داشتن عواملی که ممکن است حساسیت آب های سطحی به آلودگی را تحت تأثیر قرار دهند، یک روش اصلاح شده معرفی می شود. شاخص اصلاح شده (SWSi) دارای 6 عامل است. شامل شیب شیب (%) (GS)، فاصله تا وادیس (جریان‌ها) (DW)، خاک رس (%) (SC)، فاصله تا زمین‌های کشاورزی (DA)، فاصله تا مناطق شهری (DU) و فاصله تا جاده‌ها (DR) ). به منظور تخصیص وزن مناسب برای هر عامل، از 7 متخصص در زمینه کیفیت آب های سطحی از دانشگاه ها و سازمان های مختلف اردن دعوت شد تا برای هر فاکتور وزنی تعیین کنند. از کارشناسان خواسته شد برای عاملی که بیشترین تأثیر را بر آلودگی آب های سطحی دارد، 6 و برای کمترین ضریب تأثیر 1 بدهند. روشی که توسط [ 12] برای ارائه یک وزن واحد برای هر عامل و غلبه بر تغییرات بین تخصیص وزن کارشناسان استفاده شد. این روش مبتنی بر استفاده از میانگین و میانه برای پاسخ های کارشناسان است و وزن مناسب برای هر عامل را تعیین می کند. جدول 1 وزن عوامل پیشنهاد شده توسط کارشناسان را خلاصه می کند. بر اساس این جدول، بر اساس هر عاملی که در حساسیت آب های سطحی به آلودگی نقش دارد، وزن هایی به این عوامل داده شد. مقدار میانه برای هر عامل برای نشان دادن وزن مناسب برای شش عامل مورد استفاده در این تحقیق انتخاب شد. مقادیر میانگین نیز نشان می دهد که وزن های انتخاب شده معقول هستند.

بیشترین وزن (6) به شیب شیب (GS) (%)، در حالی که کمترین وزن (1) به فاصله تا جاده ها (DR) داده شد. جدول 2 کلاس ها، وزن و رتبه بندی برای هر عامل را خلاصه می کند. توجیه استفاده از این عوامل را می توان به صورت زیر خلاصه کرد:

1. GS: روان آب سطحی هر زمان که آب اضافی در یک شیب وجود داشته باشد که نمی تواند در خاک جذب شود یا در سطح به دام می افتد، رخ می دهد. هر چه شیب یک میدان تندتر باشد، پتانسیل بیشتری برای رواناب دارد [ 13 ]. زمانی که رواناب زیاد و نفوذ کم باشد، آبهای سطحی بیشتر مستعد آلودگی هستند [ 4 ]. در این تحقیق GS بر اساس [ 4 ] به 5 کلاس طبقه بندی شد ( جدول 2 ).

2. DS: عامل مهمی در تعیین مستعد بودن یا نبودن آب های سطحی در برابر آلودگی است. در این تحقیق یک اصلاح در فواصل پیشنهاد شده توسط [ 4 ] با استفاده از متر به جای پا انجام شد و فاصله را به جای 6 کلاس به 5 کلاس طبقه بندی کرد ( جدول 2 ).

3. SC: خاکهای با محتوای رسی بالا دارای خواص متعددی هستند که ممکن است منجر به انتقال آلاینده ها از زمین های کشاورزی شود. همچنین ساختار سطحی خاکها در خاکهای با محتوای رسی بالا می تواند تخریب شود. این منجر به تشکیل پوسته می شود که نفوذ را محدود می کند و رواناب را افزایش می دهد. رواناب زمانی که خاک های رسی خیس هستند به دلیل فشردگی خاک افزایش می یابد. رواناب ممکن است حاوی آلاینده ها باشد و بر کیفیت آب های سطحی تأثیر بگذارد [ 14 ]. در این تحقیق، SC به 5 کلاس در جدول 2 طبقه بندی شدند .

4. DA: آلودگی منبع غیر نقطه‌ای کشاورزی (NPS) منبع اصلی تأثیرات کیفیت آب بر رودخانه‌ها و دریاچه‌ها است [ 15 ]. DA طبق جدول 2 به پنج کلاس طبقه بندی شدند .

5. DU: منطقه شهری یکی از مضرترین عوامل مؤثر بر سلامت آبهای سطحی و چالشی اساسی پیش روی مدیران حوزه آبخیز است. رواناب شهری با تغییر سطوح فلزات سنگین و مواد مغذی مانند فسفر و نیتروژن بر شیمی آب تأثیر می گذارد [ 16 ]. DU به پنج کلاس طبقه بندی شدند که در جدول 2 ذکر شده است .

6. DR: رواناب بزرگراه می تواند به عنوان منبع اصلی آلودگی منتشر که ممکن است آب های سطحی را آلوده کند، شناسایی شود [ 17 ]. در این تحقیق، DR به پنج کلاس که در جدول 2 فهرست شده است، طبقه بندی شدند .

معادله حاکم (معادله (1)) برای شاخص اصلاح شده (SWSi) در زیر نشان داده شده است:

(1)

که در آن GS: شیب گرادیان (%)، DS: فاصله تا آب سطحی، SC: خاک رس (%)، DA: فاصله تا زمین‌های کشاورزی، DU: فاصله تا مناطق شهری، DR: فاصله تا جاده‌ها، w: وزن و r: رتبه بندی ها

محاسبه شاخص کلی را می توان به 4 کلاس حساسیت طبق جدول 3 (کم، متوسط، زیاد و خیلی زیاد) طبقه بندی کرد.

2.3. جمع آوری داده ها

داده های مورد نیاز برای این تحقیق از چندین سازمان دولتی در اردن و آژانس های بین المللی جمع آوری شد. جدول 4 این دادا و منابع آنها را توصیف می کند.

3. تجزیه و تحلیل داده ها و نتایج

روش اتخاذ شده برای تجزیه و تحلیل داده ها در این تحقیق مبتنی بر استفاده از ترکیب خطی وزنی (WLC) است. WLC یک تکنیک ارزیابی چند معیاره (MCE) است که بر اساس لایه‌های همپوشانی بر اساس وزن عوامل، رتبه‌بندی عوامل و/یا محدودیت‌ها برای ایجاد یک نقشه مناسب است [ 18 ]. تکنیک WLC شامل مراحل زیر است ( [ 19 ] [ 20 ] [ 21 ] [ 22 ] ):

1. دادن رتبه بندی مناسب برای هر لایه (فرمت برداری)،

2. تبدیل تمام لایه ها به فرمت شطرنجی،

3. ضرب وزن نقشه ها در رتبه بندی آنها،

4. ترکیب همه لایه ها به منظور داشتن نمرات مناسب بودن کلی، و

5. طبقه بندی نتیجه به طبقات مورد نیاز.

WLC در GIS enviornmnet در چندین کاربرد مرتبط با مسائل زیست محیطی به کار گرفته شده است ([ 23 ] – [ 28 ]). شکل 5 روش اتخاذ شده برای تجزیه و تحلیل داده های GIS برای محاسبه SWSi نهایی را نشان می دهد.

جدول 5 مقادیر امتیاز برای هر عامل مورد استفاده برای محاسبه امتیازات کلی SWSi را خلاصه می کند. از این جدول به نظر می رسد که:

1. بالاترین امتیاز برای ضریب شیب (24 و 30) دارای مساحت کوچک (5.7٪) از کل منطقه مورد مطالعه است، در حالی که کمترین امتیاز (6 و 12) 66.6٪ از منطقه مورد مطالعه را پوشش می دهد. این را می توان به این دلیل نسبت داد که بیشتر منطقه مورد مطالعه مسطح با شیب کمتر از 5 درصد است.

2. بالاترین امتیاز برای فاصله تا وادیس (20 و 25) دارای مساحت کوچک (10.6٪) از منطقه مورد مطالعه است، در حالی که کمترین امتیاز (5 و 10) (78.9٪) از منطقه مورد مطالعه را پوشش می دهد.

3. عامل خاک (رس) بالاترین امتیاز (16 و 20) منطقه وسیعی (88.8%) از منطقه مورد مطالعه را پوشش می دهد، در حالی که کمترین امتیاز (4 و 8) تنها 1.6٪ از منطقه مورد مطالعه را پوشش می دهد.

4. فاکتور فاصله تا اراضی کشاورزی بالاترین امتیاز (12 و 15) (13.2 درصد) از منطقه مورد مطالعه و کمترین امتیاز (3 و 6) (78.7 درصد) منطقه مورد مطالعه را پوشش می دهد. این امر را می توان با این واقعیت نسبت داد که بیشتر فعالیت های کشاورزی در منطقه مورد مطالعه در بخش غربی منطقه مورد مطالعه واقع شده است.

5. فاکتور فاصله تا مناطق شهری بالاترین امتیاز (8 و 10) (16.7 درصد) از منطقه مورد مطالعه را پوشش می دهد، در حالی که کمترین امتیاز (2 و 4) (70.2 درصد) از منطقه مورد مطالعه را پوشش می دهد. این را می توان با این واقعیت توضیح داد که بیشتر مناطق شهری در بخش غربی منطقه مورد مطالعه متمرکز شده اند.

6. بالاترین امتیاز فاصله تا جاده (4 و 5) یک منطقه (56.5٪) از منطقه مورد مطالعه را پوشش می دهد، در حالی که کمترین امتیاز (1 و 2) یک منطقه (17.1٪) از منطقه مورد مطالعه را پوشش می دهد.

شکل 6-12 فاکتورهای (وزن × رتبه بندی) مورد استفاده در این تحقیق را برای محاسبه SWSi نشان می دهد.

بر اساس معادله (1)، شش عامل نشان داده شده در شکل های 6-11 با استفاده از ماشین حساب شطرنجی در ArcGIS® جمع شده ^و سپس بر اساس جدول 2 طبقه بندی شدند. جدول 6 خلاصه ای را برای محاسبه نهایی SWSi ارائه می دهد. از این جدول به نظر می رسد که مناطق کم حساسیت دارای مساحت 250 کیلومتر مربع ^است که شامل

20.2 درصد از کل منطقه مورد مطالعه. مناطق با حساسیت بالا و بسیار بالا دارای مساحت 169.5 کیلومتر مربع ^است که 13.8 درصد از مساحت منطقه مورد مطالعه را تشکیل می دهد. مناطق باقی مانده دارای حساسیت متوسط ​​با مساحت 815.5 کیلومتر مربع هستند ^که 66 درصد از کل منطقه مورد مطالعه را شامل می شود. شکل 12 کلاس های نهایی SWSi را نشان می دهد. نشان می دهد که بیشتر نواحی بسیار بالا و حساس در قسمت غربی منطقه مورد مطالعه قرار دارند. این امر با شهرنشینی و فعالیت های کشاورزی موجود مطابقت دارد.

4. تجزیه و تحلیل حساسیت SWSi

4.1. تجزیه و تحلیل حذف نقشه

جدول 7 آمار خلاصه ای را برای حذف یک عامل آماری معنی دار در مقادیر SWSi ارائه می دهد. این جدول نشان می دهد که مهم ترین عوامل در SWSi DR، DU، DA و DW و به دنبال آن GS و SC بودند. بیشترین مقدار حساسیت مربوط به DR (47.9) و کمترین مقدار حساسیت (35.8) مربوط به SC بود.

4.2. تجزیه و تحلیل حساسیت حذف نقشه

بر اساس آزمون تجزیه و تحلیل حساسیت حذف نقشه توسعه یافته توسط [ 29 ] و اتخاذ شده توسط [ 30 ]، که در این تحقیق برای شناسایی حساسیت هر عامل در نقشه SWSy استفاده شد. در این آزمون از رابطه (2) برای محاسبه شاخص حساسیت (S) برای عوامل استفاده شده در شاخص آسیب پذیری استفاده شد.

(2)

که در آن: S شاخص حساسیت عامل است.

V شاخص آسیب پذیری ذاتی روش است.

N تعداد کل عوامل مورد استفاده برای محاسبه V است.

V _xi نشان دهنده شاخص آسیب پذیری ذاتی است که پس از حذف عامل X و

n: تعداد عوامل پس از حذف یک عامل.

بر اساس جدول 7 که شاخص های جزئی تعیین شده و معادله (2) را فهرست می کند، شاخص حساسیت برای هر عامل SWSi محاسبه شد. جدول 8 نشان می دهد که عوامل SC، GS و DR تأثیر قوی بر نقشه SWSi دارند، در حالی که عوامل DW، DA و DU تأثیر متوسطی بر نقشه SWSi دارند.

5. نتیجه گیری و پیشنهادات

در این تحقیق از 6 عامل برای تخمین حساسیت آب های سطحی به آلودگی در منطقه مورد مطالعه در شمال اردن استفاده شد. این عوامل شامل شیب، فاصله تا وادیس، خاک رس (%)، فاصله تا مناطق شهری، فاصله تا کشاورزی

زمین های فرهنگی و فاصله تا جاده ها. به هر عامل وزنی متناسب با اهمیت آن در محاسبه SWSi داده شد. همچنین به هر عامل در مقیاس 1 تا 5 درجه بندی مناسب داده شد که 5 به حساس ترین ناحیه و 1 برای کم حساس ترین ناحیه اشاره دارد. برای محاسبه امتیاز کلی SWSi از تکنیک ترکیب خطی وزنی (WLC) در محیط GIS استفاده شد که سپس به 4 کلاس (حساسیت کم، متوسط، زیاد و بسیار زیاد) طبقه‌بندی شد. نتایج نشان داد که مناطق کم حساس دارای مساحت کل 250 کیلومتر مربع ⁽ 20.2 درصد) می باشند. مناطق حساس بسیار بالا و زیاد دارای مساحت 169.5 کیلومتر مربع ⁽ 13.8٪) هستند، در حالی که مناطق حساس با حساسیت متوسط ​​815.5 کیلومتر مربع مساحت دارند ^.(66%). تجزیه و تحلیل حساسیت SWSi برای تعیین مهم ترین عوامل انجام شد. مشخص شد که مهمترین عوامل در SWSi DR، DU، DA و DW هستند. همچنین، تحلیل حساسیت حذف نقشه برای شناسایی حساسیت هر یک از عوامل انجام شد. مشخص شد که عوامل SC، GS و DR تأثیر قوی بر نقشه SWSi دارند.

بر اساس این نتایج، به این نتیجه می رسد که عوامل اصلی مؤثر بر حساسیت آب های سطحی به آلودگی در این شاخص مورد توجه قرار گرفته اند. فواصل مورد استفاده برای رتبه بندی شهری، کشاورزی و جاده ها معقول است زیرا این سه عامل در آلودگی آب های سطحی نقش دارند. آلاینده هایی که با بارندگی شسته می شوند در هنگام تولید رواناب یا عبور یکی از این عوامل با فاصله از بین می روند. بر این اساس، استفاده از SWSi برای برآورد حساسیت آب های سطحی به آلودگی توصیه می شود. همچنین توصیه می شود به دنبال عوامل دیگری باشید که ممکن است در حساسیت سطحی به آلودگی نقش داشته باشند. همچنین توصیه می‌شود برای بررسی کیفیت آب‌های سطحی، مطالعه‌ای به منظور جمع‌آوری نمونه‌های آب سطحی در فواصل مختلف از مناطق شهری، زمین‌های کشاورزی و جاده‌ها انجام شود.

 

منابع

 

[ 1 ]	Diamantino، C.، Henriques، MJ، Oliveira، MM و Ferreira، JPL (2007) روش‌شناسی برای ارزیابی خطر آلودگی سیستم‌های منابع آب. انتشارات IAHS، 310، 298.
[ 2 ]	Eimers, JL, Weaver, JC, Terziotti, S. and Midgette, RW (2000) روش‌های رتبه‌بندی منطقه غیراشباع و ویژگی‌های حوزه آبخیز منابع آب عمومی در کارولینای شمالی. سازمان زمین شناسی ایالات متحده، تحقیقات منابع آب، رالی، کارولینای شمالی، گزارش 99-4283. یافت شده در: https://water.usgs.gov/pubs/wri/wri994283/
[ 3 ]	Gallegos, D., Lowance, J. and Thomas, C. (2000) برنامه ارزیابی و حفاظت از منابع آب ایالت نیومکزیکو. (پیوست E: فهرست WRASTIC: تخمین آسیب پذیری حوضه با استفاده از WRASTIC) یافت شده در: https://www.nmenv.state.nm.us/dwb/Documents/SWAPP_2000.PDF
[ 4 ]	UMD (دانشگاه مینه سوتا-دالوت) (2003) ابزارهای مدیریت منابع آب انجمن دریاچه ده مایل شهرستان کاس. یافت شده در: https://www.tenmilelake.org/tmlbirch/hydrology/CASS_TENMILE_REPORT.htm
[ 5 ]	Harum, T., Saccon, P. and Calasans, N. (2004) منابع آب، ارزیابی آسیب پذیری و کیفیت آب در حوضه آبریز Cachoeira. در: Lourenco, N., Harum, T., Pereira, JL, Pedronni, L., Lieberei, R., González, AP, Feoli, E. and Alvim, PT, Eds., Newsletter ECOMAN, No 3—Decision Support سیستمی برای مدیریت پایدار اکو سیستم در مناطق روستایی جنگل بارانی اقیانوس اطلس. یافت شده در: https://www.uatla.pt/ecoman/
[ 6 ]	الحراشه، ا.، الادمات، ر. و الفراجات، م. (2010) تأثیرات بالقوه بر کیفیت آب سطحی از استفاده از شیل نفتی در منطقه لججون / اردن جنوبی با استفاده از سیستم های اطلاعات جغرافیایی و آزمایش های آبشویی. منابع انرژی، بخش A: بازیابی، استفاده، و اثرات زیست محیطی، 32، 1763-1776. https://doi.org/10.1080/15567036.2010.491779
[ 7 ]	الشبیب، AARR (2010) بررسی تأثیرات منطقه توسعه ملک حسین بن طلال (KHBTDA) بر منابع آب با استفاده از (GIS). پایان نامه چاپ نشده MSC، دانشگاه آل البیت، اردن.
[ 8 ]	سلامه، ای. و بنیان، ح. (1993) منابع آب اردن، وضعیت فعلی و پتانسیل های آینده. Friedrich Ebert Stiftung, Aman, 183 p.
[ 9 ]	سلامه، ای. (1380) کمبود آب و تخریب محیط زیست. در: بابان، SMJ و الانصاری، NA، ویرایش، زندگی با کمبود آب: منابع آب در اردن، منطقه بادیه، راه پیش، دانشگاه آل البیت، اردن، 211 ص.
[ 10 ]	Al-Adamat, RA, Baban, SM and Foster, I. (2004) بررسی تغییر کاربری اراضی به دلیل کشاورزی آبی در شمال شرقی اردن با استفاده از ژئوانفورماتیک. مجله بین المللی مطالعات محیطی، 61، 337-350. https://doi.org/10.1080/0020723042000199768
[ 11 ]	Al-Adamat, R. (2003) استفاده از سیستم های اطلاعات جغرافیایی و سنجش از دور برای بررسی کیفیت آب های زیرزمینی در حوضه ازرق اردن. پایان نامه دکتری منتشر نشده، دانشگاه کاونتری.
[ 12 ]	Al-shabeeb, ARR (2015) یک روش فرآیند تحلیل سلسله مراتبی اصلاح شده برای انتخاب مکان هایی برای تغذیه آب زیرزمینی در اردن. پایان نامه دکتری، گروه جغرافیا، دانشگاه لستر.
[ 13 ]	Ritter, J. and Eng, P. (2012) فرسایش خاک – علل و اثرات. وزارت کشاورزی و امور روستایی انتاریو، 12-105. https://www.omafra.gov.on.ca/english/engineer/facts/12-053.htm
[ 14 ]	کشاورزی و کشاورزی و مواد غذایی کانادا (2014) بافت خاک و کیفیت آب. https://www.agr.gc.ca/eng/science-and-innovation/agricultural-practices/soil-and-land/ ground-and-water/soil-texture-and-waterquality/?id=1197483793077
[ 15 ]	EPA (سازمان حفاظت از محیط زیست) (2005) حفاظت از کیفیت آب از رواناب کشاورزی. EPA 841-F-05-001. https://smithfieldri.com/pdf/engineer/Ag_Runoff_Fact_Sheet.pdf
[ 16 ]	رایلی، MK (2008) اثرات شهرنشینی بر کیفیت آب: ارزیابی بیولوژیکی سه حوضه آبخیز منطقه خلیج با استفاده از بی مهرگان اعماق دریا به عنوان شاخص های بیولوژیکی. کیفیت آب و شهرنشینی، 1-20.
[ 17 ]	Bruen, M., Johnston, P., Quinn, MK, Desta, M., Higgins, N., Bradley, C. and Burns, S. (2006) ارزیابی تأثیر زهکشی بزرگراه بر کیفیت آب سطحی. آژانس حفاظت از محیط زیست، وکسفورد. https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.693.820&rep= rep1&type=pdf
[ 18 ]	Eastman, JR (1997) ادریسی برای ویندوز، راهنمای کاربر، نسخه 2.0. آزمایشگاه های کلارک برای فناوری نقشه برداری و تحلیل جغرافیایی، دانشگاه کلارک.
[ 19 ]	Malczewski، J. (2004) تجزیه و تحلیل مناسب کاربری زمین مبتنی بر GIS: مروری انتقادی. پیشرفت در برنامه ریزی، 62، 3-65.
[ 20 ]	Yalcin، A. (2008) نقشه برداری حساسیت زمین لغزش مبتنی بر GIS با استفاده از فرآیند تحلیل سلسله مراتبی و آمار دو متغیره در Ardesen (ترکیه). مقایسه نتایج و تاییدها، 72، 1-12.
[ 21 ]	Al-Adamat, R., Diabat, A. and Shatnawi, G. (2010) ترکیب GIS با تصمیم گیری چند معیاره برای استخرهای برداشت آب نشسته در شمال اردن. مجله محیط های خشک، 74، 1471-1477.
[ 22 ]	الادمات، ر، العیاش، س، العموش، ح، المشان، ع، رواجفیه، ز، شدیفت، ع، الحراشه، ع و الفرجات، م. 2012) ترکیبی از دانش بومی و ژئو انفورماتیک برای برداشت آب نشسته در بادیه اردن. مجله نظام اطلاعات جغرافیایی، 4، 366-376.
[ 23 ]	پورقاسمی، HR، مرادی، HR، عقدا، SF، Gokceoglu، C. and Pradhan، B. (1393) نقشه‌برداری حساسیت زمین لغزش مبتنی بر GIS با نسبت احتمالات احتمالی و مدل‌های ارزیابی چند معیاره فضایی (شمال تهران، ایران). مجله عربی علوم زمین، 7، 1857-1878. https://doi.org/10.1007/s12517-012-0825-x
[ 24 ]	Latinopoulos، D. و Kechagia، K. (2015) ارزیابی چند معیاره مبتنی بر GIS برای انتخاب مکان مزرعه بادی. یک برنامه مقیاس منطقه ای در یونان. انرژی های تجدیدپذیر، 78، 550-560.
[ 25 ]	Junior, RV, Varandas, SGP, Fernandes, LS and Pacheco, FAL (2015) تجزیه و تحلیل چند معیاره برای پایش آسیب پذیری آبخوان: ابزاری علمی در سیاست زیست محیطی. علوم و سیاست محیطی، 48، 250-264.
[ 26 ]	Singh, LK, Jha, MK and Chowdary, VM (2017) تحلیل چند معیاره و مدل‌سازی GIS برای شناسایی مکان‌های برداشت آب و تغذیه مصنوعی آینده برای تامین آب پایدار. مجله تولید تمیزتر، 142، 1436-1456.
[ 27 ]	Alvarado, A., Esteller, MV, Quentin, E. and Expósito, JL (2016) تحلیل تصمیم گیری چند معیاره و رویکرد GIS برای اولویت بندی حفاظت از تاسیسات آب آشامیدنی بر اساس آسیب پذیری آنها در برابر آلودگی. مدیریت منابع آب، 30، 1549-1566. https://doi.org/10.1007/s11269-016-1239-4
[ 28 ]	Bagdanaviciūte، I. و Valiūnas، J. (2013) تجزیه و تحلیل تناسب زمین مبتنی بر GIS یکپارچه سازی ارزیابی چند معیاره برای تخصیص منابع آلودگی بالقوه. Environmental Earth Sciences, 68, 1797-1812. https://doi.org/10.1007/s12665-012-1869-7
[ 29 ]	Lodwick, WA, Monson, W. and Svoboda, L. (1990) خطای صفت و تحلیل حساسیت عملیات نقشه در سیستم های اطلاعات جغرافیایی: تجزیه و تحلیل مناسب. مجله بین المللی سیستم های اطلاعات جغرافیایی، 4، 413-428. https://doi.org/10.1080/02693799008941556
[ 30 ]	Al-Adamat, R. and Al-Shabeeb, AAR (2017) یک روش ساده شده برای ارزیابی آسیب پذیری آب های زیرزمینی در برابر آلودگی. مجله منابع و حفاظت آب، 9، 305-321.