روش‌های درونیابی فضایی مبتنی بر GIS تخمین سطح آب زیرزمینی

مقایسه و ارزیابی روش‌های درونیابی فضایی مبتنی بر GIS برای تخمین سطح آب زیرزمینی در منطقه السلمان – جنوب غربی عراق

هدف از این تحقیق مقایسه روش‌های پیش‌بینی فضایی (RBF)، (IDW)، (OK)، (UK) و (SK) برای تهیه نقشه سطح آب زیرزمینی و نقشه خطای پیش‌بینی در منطقه مورد مطالعه است. . تعیین مبانی و معیارهای انتخاب مناسب ترین روش ریاضی برای ساخت سطوح آماری در نمایش سطح آب زیرزمینی منطقه مورد مطالعه. این روش‌ها برای پیش‌بینی نقشه توزیع فضایی سطح آب‌های زیرزمینی بر اساس داده‌های اندازه‌گیری شده از ۷۶۴ حلقه چاه در اردیبهشت ۱۳۹۵ استفاده شد. این مطالعه نشان می‌دهد که مقایسه مدل‌های درون‌یابی فضایی و ارزیابی دقت آن‌ها از طریق برخی شاخص‌های آماری و اعتبارسنجی متقاطع بهترین روش است.

روشی برای انتخاب مدل بهینه برای نمایش داده های وارد شده در هر سایت. در نتیجه مقایسه آماری بین پنج مدل درونیابی فضایی و اعتبارسنجی نتایج با استفاده از (اعتبار متقاطع) مشخص شد که روش جهانی کریجینگ (بریتانیا) بهترین روش برای نشان دادن سطح آب زیرزمینی در منطقه سلمان است زیرا این مدل دارای کمترین ریشه میانگین مربعات خطا (RMSE)، کمترین میانگین خطا (ME) و بالاترین مقدار ضریب تعیین (R2) است. نقشه های خطای استاندارد سطح آب زیرزمینی و پیش بینی تولید شده در سیستم اطلاعات جغرافیایی (GIS) داده ها و اطلاعات بیشتری را ارائه می دهد که سیستم آبخوان در منطقه مورد مطالعه را توصیف می کند و در نهایت مدیریت پایدار آب های زیرزمینی را بهبود می بخشد.

کلید واژه ها

GIS ، آب های زیرزمینی ، زمین آمار ، درونیابی ، کریجینگ

1. مقدمه

بکارگیری خوب روش های هیدرولوژیکی مبنای مدیریت و توسعه منابع آب است. در نتیجه افزایش طبیعی جمعیت عراق و کاهش آبدهی دجله و فرات به دلیل کنترل کشورهای حوزه علیا، این امر منجر به افزایش تقاضا برای آب شده است و این امر مستلزم تفکر در مورد روش‌های توسعه است. جستجوی آب و یافتن منابع جایگزین آب های سطحی برای مقابله با این چالش در آینده و همچنین کمبود آب قابل استفاده یکی از بزرگترین چالش های قرن بیست و یکم است [ 1 ]. آب های زیرزمینی منبع مهمی از نیازهای روستایی و شهری برای توسعه اقتصادی و اجتماعی در سراسر جهان است [ 2 ] [ 3 ].] . همچنین منبع اصلی آب در مناطق با بارندگی کم است، مانند منطقه مورد مطالعه که با کمبود منابع آب سطحی مشخص می شود.

سفره آب زیرزمینی منطقه السلمان (منطقه خشک) تنها منبع تامین نیازهای خانوار و کشاورزی در منطقه مورد مطالعه است. بنابراین لازم است با برنامه ریزی صحیح آب این مناطق منطقی شود که این امر منوط به استفاده از مدل های ریاضی است تا تصمیم گیرنده را در برداشتن گام های صحیح در برنامه ریزی و بهینه سازی سرمایه گذاری پروژه های آبی یاری دهد. برنامه ریزی صحیح مستلزم آنالیز و مطالعه رفتار آبخوان و تهیه نقشه های دیجیتالی دقیق است که سطح آب زیرزمینی و توسعه آن را در طول زمان نشان دهد [ 4 ].] . یکی از مشکلاتی که مطالعات هیدروژئولوژیکی با آن مواجه است، تخمین مقادیر داده‌ها در یک مکان معین است، چه به این دلیل که داده‌ها وجود ندارد و یا سایت اندازه‌گیری ندارد و یا اندازه‌گیری برای کل منطقه مورد مطالعه غیرممکن است، زیرا این کار از نظر مادی پرهزینه است. یا از نظر اخلاقی روش علمی در این مورد، نمونه برداری پراکنده از آن منطقه و سپس پیش بینی نقاط ناشناخته (مناطقی که نمونه برداری نمی شود) است. این فرآیندهای ریاضی درون یابی فضایی [ 5 ] نامیده می شوند. بنابراین، مدل‌های درون‌یابی فضایی را می‌توان به عنوان مجموعه‌ای از روش‌های آماری مورد استفاده برای پیش‌بینی مقادیر پدیده‌ها در مکان‌هایی که اندازه‌گیری‌ها بر اساس تعداد محدودی از نقاط اندازه‌گیری شده در دسترس نیست، تعریف کرد.

همه پدیده های با گسترش فضایی یک اندازه در فضا اشغال می کنند. برای درک این اندازه، باید سطح بیرونی اطراف این اندازه را ببینیم که به آن سطح آماری می گویند. تفاوت های فضایی این سطح را می توان با استفاده از یک مدل درونیابی فضایی بر روی نقشه ها نشان داد. بنابراین تکنیک های آماری مکانی ابزار اصلی ایجاد این نقشه ها هستند. از آنجایی که هیچ روش تایید شده جهانی وجود ندارد که بتوان آن را اتخاذ کرد، این مطالعه روش های تکمیل فضایی مختلف را مقایسه می کند: توابع پایه شعاعی (RBF)، وزن دهی معکوس فاصله (IDW)، کریجینگ معمولی (OK)، کریجینگ جهانی (UK) و کریجینگ نمونه (SK) ). بر اساس مجموعه ای از معیارهای آماری، بهترین مدل درون یابی فضایی را می توان برای نشان دادن واقعیت سطح آب زیرزمینی در ارزیابی منطقه مورد مطالعه تعیین کرد. علاوه بر این، پژوهش با هدف:

1) تعیین مبانی و معیارهای انتخاب مناسب ترین روش ریاضی برای ساخت سطوح آماری در نمایش سطح آب زیرزمینی منطقه مورد مطالعه.

2) مقایسه روش‌های پیش‌بینی IDW، RFP، UK، OK و SK برای تهیه نقشه سطح آب زیرزمینی و نقشه خطای استاندارد پیش‌بینی منطقه مورد مطالعه.

اهمیت تحقیق ناشی از اهمیت مطالعه پروژه‌های مرتبط با آب‌های زیرزمینی بر اساس مدل‌هایی است که در راستای توسعه کاربردهای GIS هستند.

دوره-آموزش-حرفه-ای-gis https://gisland.org/

2. مواد و روش

برای رسیدن به اهداف تحقیق، کار به سه مرحله مانند شکل 1 تقسیم شد .

1) جمع آوری، ورودی، پردازش و تجزیه و تحلیل داده ها با استفاده از برنامه ArcGIS 10.5.

2) مقایسه و ارزیابی مدلهای درونیابی فضایی و انتخاب بهترین آنها.

3) تهیه نقشه سطح آب زیرزمینی و نقشه خطای استاندارد پیش بینی جهت ارائه و تعمیم نتایج درونیابی.

2.1. منطقه مطالعه و داده های مورد استفاده

منطقه مورد مطالعه در منطقه السلمان/جنوب غربی عراق واقع شده است ( شکل 2 ). بین طول جغرافیایی (43˚50 – 45˚27) شرقی و عرض جغرافیایی (29˚12 – 31˚25) شمالی امتداد می یابد. مساحتی معادل (17462 کیلومتر مربع ) و (4%) از مساحت کل عراق (435052 کیلومتر مربع ⁾^را تشکیل می دهد. منطقه مورد مطالعه بخشی از کویر جنوبی در السلمان است

شکل 1 . فرآیند روش شناسی

شکل 2 . منطقه مطالعه و مکان های نمونه [ 9 ] [ 10 ] .

حوضه ای که با بسترهای آهکی و دولومیت مشخص می شود. حوضه سلمان به عمق (400 تا 500) متر از سه سفره اصلی آبخوان کربنات دمام، آبخوان ام ار رضوما و آبخوان طیرات تشکیل شده است. منطقه مورد مطالعه عموماً زمین های صخره ای هموار همراه با پشته های سازه و تپه های جدا شده و فرورفتگی کارت ها است. از نظر ساختاری در قسمت شرقی قفسه پایدار سکوی نوبیو-عربی قرار دارد که با تاقدیس‌های بزرگ مانند تاقدیس و ناودیس‌های گرابین مانند با ساختارهای محلی کوتاه مشخص می‌شود. روند برخورد منطقه ای تخت ها به سمت شمال غربی-جنوب شرقی با مقدار شیب تخمینی (2-3 درجه) به سمت شمال شرقی است. سنگ‌های نمایان شده در منطقه مورد مطالعه مربوط به دوره‌های پالئوسن، میوسن پایین، پلیوسن-پلیستوسن و کواترنر هستند. رسوبات ائوسن غالب ترین آنها هستند. سکانس سنگ،6 ] . ارتفاع منطقه مورد مطالعه بین (448) متر از سطح دریا در جنوب دور و (5) متر از سطح دریا در شمال است [ 7 ].

آب و هوای منطقه مورد مطالعه با آب و هوای گرم و خشک در تابستان و معتدل در زمستان، محدوده دما بین 16 تا 32 درجه سانتی گراد، میزان بارندگی سالانه کمتر از (80) میلی متر، رطوبت نسبی (39 درصد) مشخص می شود. ) و مجموع تبخیر سالانه (3484) میلی متر [ 8 ] . آب‌های زیرزمینی منطقه مورد مطالعه به‌ویژه نواحی شمالی آن به دلیل افزایش بیش از حد حفر چاه‌های آرتزین و ناکارآمدی روش‌های آبیاری و تبخیر شدید و بارندگی کم رو به کاهش است. این مطالعه بر اساس اندازه‌گیری‌های میدانی از 764 چاه آرتزین در ماه می 2016 انجام شد [ 9 ].

2.2. روش شناسی

2.2.1. روشهای درونیابی فضایی

روش های درون یابی فضایی ارزیابی شده در اینجا در برنامه ArcGIS10.5 شامل موارد زیر است:

・ وزن معکوس فاصله (IDW)

روش معکوس: فاصله وزنی برای استخراج سطح آماری که توسط یک غواص از مقادیر اندازه گیری شده در تعدادی از نقاط مربوط به این سطح بیان می شود و سپس شبکه ای از نقاط تکمیل می شود و مقادیر پدیده در این نقاط بر اساس یک عدد محاسبه می شود. معادله ریاضی (معادله (1)). محاسبه مقدار پدیده در هر نقطه از شبکه (سطح آماری) به گونه ای محاسبه و پیش بینی می شود که با فاصله آن از نقاط اندازه گیری شده پس از دادن وزن در هر نقطه نسبت معکوس دارد [ 11 ]. این روش ارتباط نزدیکی با فاصله دارد زیرا مقادیر با فاصله کاهش می‌یابد به عبارت دیگر مقادیر پیش‌بینی‌شده از مقادیر نمونه‌ها تجاوز نمی‌کند و پیش‌بینی به مقادیر شناخته شده محدود می‌شود [ 12 ].

این روش بر اساس همبستگی مکانی است که در آن داده های اندازه گیری شده در نقاط خاصی در منطقه برای تخمین داده ها برای نقاطی که هیچ اندازه گیری در دسترس نیست استفاده می شود [ 13 ]. این بدان معنی است که داده های هر نقطه داده شده به طور قابل توجهی تحت تأثیر قرار می گیرند که نزدیک به نقطه ای که اندازه گیری ها در دسترس نیست و کمتر است. تأثیر آن هرگاه از آن دور شود [ 14 ].

$z_{j} = \frac{\sum_{i} \frac{z_{i}}{d_{i j}^{n}}}{\sum_{i} \frac{1}{d_{i j}^{n}}}$ (1)

جایی که $z_{j}$ : مقدار تخمین زده شده برای نقطه مجهول در مکان j. $d_{i j}^{n}$ : فاصله بین نقطه معلوم i و نقطه مجهول j. $z_{i}$ : مقدار در نقطه شناخته شده i. n: ExpoNet تعریف شده توسط کاربر برای وزن دهی.

・ توابع پایه شعاعی (RBF)

این تکنیک مقادیر نمونه را حفظ می کند به طوری که یک سطح پیش بینی انعطاف پذیر را که از تمام مقادیر نمونه عبور می کند، رنگ می کند. می تواند مقادیر و مقادیر نمونه ها را پیش بینی کند، اما نه اینکه آنها را نادیده بگیرد بلکه آنها را پاس کند. شبیه مدل دست‌ها است، اما پیش‌بینی می‌کند که مقادیری که بالاتر از حداکثر مقادیر قرار دارند، کمتر از حداقل [ 15 ] [ 16 ] باشد. یکی از مزایای این مدل این است که سطح آماری کافی از چند نمونه تولید می کند. معایب این روش داشتن مقادیر بالا و پایین است که با مجموعه داده های ورودی متفاوت است و به دلیل درج مقادیر داده اصلی در نمونه بسیار حساس به مقادیر شدید هستند [ 16 ] [ 17 ]. با رابطه زیر (2) محاسبه می شود:

$\emptyset (r) = \sqrt{r^{2} + c^{2}}$ (2)

جایی که: r = فاصله از نمونه تا تخمین، c = ضریب هموارسازی.

کریجینگ

مدل کریجینگ یکی از پیچیده‌ترین و قوی‌ترین روش‌ها است که از روش‌های آماری پیشرفته استفاده می‌کند و نیاز به دانستن آمار مکانی دارد، زیرا داده‌ها باید قبل از کاربرد مورد بررسی آماری قرار گیرند. این بستگی به فاصله و رابطه بین مقادیر شناخته شده در پیش بینی مقادیر مجهول دارد و می توان مقادیری را پیش بینی کرد که بیشتر یا کمتر از مقادیر شناخته شده هستند اما مانند سبک Spline از آنها عبور نمی کنند. روش کریجینگ بهترین روش برای تکمیل خطی غیرخطی است [ 16 ]. روش کریجینگ یک روش درون یابی خطی است که تخمین های خطی بی طرفانه از مقادیر مختلف در فضا را ارائه می دهد، یک روش زمین آماری پیشرفته که یک سطح آماری تخمینی را از مجموعه ای از نقاط پراکنده با مقادیر z تولید می کند (معادله (3)) [ 18] [ 19 ] . در این مدل، نیم‌واریوگرام نقش کلیدی در تحلیل و مدل‌سازی داده‌های زمین‌آمار ایفا می‌کند و برای ساخت مدل‌های ریاضی ساختارهای همبستگی فضایی که توسط متغیرهای [ 11 ] [ 12 ] بیان می‌شوند، همبستگی خودکار بین داده‌های مکانی را در نظر می‌گیرد. با رابطه زیر (3) محاسبه می شود:

$z (s_{o}) = \sum_{i = 1}^{n} γ z (s_{i})$ (3)

جایی که ( $s_{o}$ ): مکان پیش بینی، γ: وزن ناشناخته برای مقدار اندازه گیری شده در مکان i، $z (s_{i})$ : مقدار اندازه گیری شده در سایت i، n: تعداد نمونه ها.

2.2.2. روشهای ارزیابی

دقت روش های درونیابی فضایی بر اساس سه معیار آماری: ریشه میانگین مربعات خطا (RMSE)، میانگین خطا (ME) و ضریب تعیین (R ² ) ارزیابی شد. زمانی که (RMSE) تا حد امکان پایین باشد، (ME) نزدیک به صفر باشد، و هر چه (R2) به یک صحیح نزدیکتر ^باشد ، مدل بهتر است، مدل را می توان اعتبارسنجی کرد.

1) RMSE به عنوان یک پارامتر مهم استفاده می شود که نشان دهنده دقت تجزیه و تحلیل مکانی در سیستم اطلاعات جغرافیایی و سنجش از دور است [ 20 ]. پایین تر (RMSE) نشان می دهد که یک درون یابی احتمالاً قابل اطمینان ترین تخمین ها را در مناطق بدون داده ارائه می دهد. حداقل (RMSE) محاسبه شده توسط Cross Validation می تواند برای یافتن بهترین پارامترهای کنترل مدل درونیابی فضایی استفاده شود [ 21 ] [ 22 ]. ریشه میانگین مربعات خطا (RMSE) برای هر پیش‌بینی مدل با استفاده از فرمول [ 23 ] محاسبه شد:

$RMSE = \sqrt{\frac{1}{n} \sum_{i = 1}^{n} {[\hat{z} (x_{i}) - z (x_{i})]}^{2}}$ (4)

جایی که: $z (x_{i})$ مقدار در نقطه مشاهده می شود $x_{i}$ ، $\hat{z} (x_{i})$ مقدار در نقطه پیش بینی می شود $x_{i}$ ، n تعداد نمونه ها (مجموع مجذور خطاها) مشاهده شده-تخمین زده شده (مقادیر) و n تعداد جفت ها (خطاها) است.

2) میانگین خطا (ME) برای تعیین درجه سوگیری در تخمین ها استفاده می شود و اندازه ای مطلق از اندازه خطا را ارائه می دهد. مقادیر بزرگ نشان دهنده اختلافات بزرگتر بین مقادیر پیش بینی شده و مشاهده شده است [ 24 ]. فرمول ME به صورت زیر:

$ME = \frac{1}{n} \sum_{i = 1}^{n} [\hat{z} (x_{i}) - z (x_{i})]$ (5)

جایی که: $z (x_{i})$ مقدار در نقطه مشاهده می شود $x_{i}$ ، $\hat{z} (x_{i})$ مقدار در نقطه پیش بینی می شود $x_{i}$ ، n تعداد نمونه.

3) ضریب تعیین: به آن مربع ضریب همبستگی خطی (R ² ) می گویند. با نسبت مجذورات کل رگرسیون تقسیم بر مجذور کل بیان می شود. مقدار بین یک و صفر صحیح است و با معادله زیر محاسبه می شود [ 25 ]:

$R^{2} = \frac{{[\sum_{i = 1}^{n} (P_{1} - P_{a v e}) (Q_{1} - Q_{a v e})]}^{2}}{\sum_{i = 1}^{n} {(P_{1} - P_{a v e})}^{2} \sum_{i = 1}^{n} {(Q_{1} - Q_{a v e})}^{2}}$ (6)

جایی که: $Q_{a v e}$ میانگین مقادیر اندازه گیری شده است، $P_{a v e}$ میانگین مقادیر پیش‌بینی‌شده، n: تعداد نمونه‌های مورد استفاده برای پیش‌بینی است.

3. نتایج و بحث

3.1. تحلیل اکتشافی

قبل از اعمال مدل های درونیابی فضایی، تجزیه و تحلیل اکتشافی داده های مورد استفاده باید با استفاده از تکنیک های زمین آماری پشتیبانی شده توسط برنامه های GIS انجام شود. اگر داده ها به طور طبیعی توزیع شوند، مدل های فضایی نتایج معرف بیشتری می دهند و اگر داده ها غیرعادی باشند ممکن است منجر به نتایج تحریف شوند. پسوند آماری فضایی شامل مجموعه ای از ابزارها برای توزیع داده ها مانند هیستوگرام، ابزار تجزیه و تحلیل روند، Semivariogram/Covariance Cloud و برخی شاخص های آماری است. توزیع طبیعی داده ها که شکل منحنی طبیعی (زنگ) را به خود می گیرد که در آن مقدار معیارهای گرایش مرکزی (میانگین، میانه و حالت) با این منحنی مشخص می شود که ضریب چولگی برابر با صفر است. ضریب کورتوز برابر با 3 است.26 ] [ 27 ] . در این مطالعه ضریب چولگی = 1.21 و ضرایب Kurtosis = 2.9 است. از نظر ضریب چولگی مشاهده می کنیم که توزیع داده ها چولگی به سمت راست است (چولگی مثبت). این نشان می‌دهد که اکثر مقادیر نمونه‌های مورد استفاده دارای مقادیر پایینی هستند و از نظر منحنی کورتوزیس متوجه می‌شویم که توزیع داده‌های مورد استفاده به صورت مسطح متوسط است زیرا مقدار ضریب بسیار نزدیک به 3 است.

( شکل 3 ) ساختار داده ها و مقادیر شدید سطوح و روند آب های زیرزمینی در سه بعد (X، Y، Z) توضیح داده شده است. منحنی آبی رنگ را نشان می دهد

شکل 3 . تحلیل روند سطح آب زیرزمینی در منطقه مورد مطالعه.

افزایش تدریجی سطح آب زیرزمینی از جنوب به شمال و منحنی سبز نشان دهنده کاهش داده ها از غرب به شرق است. بدین معنی که جریان آب زیرزمینی در منطقه مورد مطالعه از جنوب و جنوب غربی به سمت شمال و شمال شرق جریان دارد که با شیب کلی توپوگرافی منطقه مورد مطالعه مطابقت دارد.

خودهمبستگی فضایی برای شناسایی و اندازه گیری شباهت پدیده های به هم پیوسته استفاده می شود که به مقایسه بین مقدار پدیده و مقدار میانگین سازه (مقدار آماری) بستگی دارد. اگر تفاوت بین پارامترهای پیوسته کوچکتر از اختلاف بین همه پارامترها باشد، نشان دهنده مشابه بودن مقادیر مجاور به دلیل شباهت شرایط اطراف است. در این مورد می توان گفت که یک خودهمبستگی فضایی متقابل مثبت وجود دارد. با این حال، اگر مقادیر پدیده های مجاور متفاوت باشد، می توان گفت که خود همبستگی فضایی منفی و به عبارت دیگر، عدم وجود خودهمبستگی مکانی وجود دارد. شاخص موران یکی از معیارهای مهم در تشخیص خودهمبستگی فضایی بین عناصر پدیده مورد مطالعه و الگوی گسترش پدیده پراکندگی، منظم یا تصادفی آن است. مقدار دایرکتوری موران بین +1 و -1 است. اگر مقدار دایرکتوری نزدیک به (+1) باشد، این نشان دهنده الگوی خوشه ای است. اگر مقدار نزدیک به (-1) باشد، این نشان دهنده الگوی تصادفی [24 ] . ( شکل 4 ) تجزیه و تحلیل آماری خودهمبستگی مکانی نمونه های آب زیرزمینی در منطقه مورد مطالعه نشان می دهد که همبستگی خوشه ای با شاخص موران افزایش (71/0) و Z = 11 در سطح معنی داری (01/0) نشان داده شده است.

علاوه بر این، رابطه خودهمبستگی فضایی توسط ابزار ابری نیمه متغیری/کوواریانس مانند شکل 5 شناسایی می شود که در آن هر نقطه قرمز یک جفت نمونه آب زیرزمینی مشابه را در مقادیر نشان می دهد. که تایید می کند که داده ها در مناطق نزدیک به یکدیگر تمایل بیشتری به مشابهت و همبستگی دارند

شکل 4 . همبستگی مکانی نمونه های سطح آب زیرزمینی در منطقه مورد مطالعه.

از این داده ها در بین آنها متفاوت بود. تجزیه و تحلیل های قبلی به ما این امکان را می دهد که به این نتیجه برسیم که داده های مورد استفاده در این مطالعه از نظر فضایی به هم مرتبط هستند و حاوی مقادیر غیرعادی نیستند.

پس از تایید صحت توزیع طبیعی داده های آب های زیرزمینی و فاقد داده های غیرعادی و قبل از تهیه نقشه درون یابی مکانی سطح آب های زیرزمینی، لازم است روش های درون یابی فضایی مقایسه و ارزیابی و بهترین مدل برای نمایش سطح آب های زیرزمینی انتخاب شود. در منطقه مورد مطالعه

3.2. مقایسه و انتخاب مدل بهینه

در این مطالعه 64 آزمایش به منظور یافتن نزدیکترین مدل بیانگر واقعیت سطح آب زیرزمینی در منطقه مورد مطالعه انجام شد. سپس بهترین روش برای هر یک از پنج مدل انتخاب شد: 1) وزن معکوس فاصله (IDW)، 2) توابع پایه شعاعی (RBF)، 3) کریجینگ معمولی (OK)، 4) ساده

شکل 5 . نیم واریوگرام ابر تا سطح آب زیرزمینی در منطقه مورد مطالعه.

کریجینگ (SK) و 5) کریجینگ جهانی (بریتانیا). سپس فرآیند مقایسه مدل‌های بهینه نهایی و انتخاب بهترین مدل برای نمایش واقعیت آب‌های زیرزمینی.

برای مقایسه مدل‌های درون‌یابی فضایی و انتخاب بهترین‌ها، از تکنیک اعتبارسنجی متقاطع ارائه‌شده توسط ArcGIS 10.5 برای قضاوت آماری درباره دقت این مدل‌ها در نمایش سطوح آب‌های زیرزمینی در منطقه مورد مطالعه، همانطور که در شکل‌های 6-9 نشان داده شده است، استفاده شد. در نتیجه مقایسه آماری بین پنج مدل درون یابی فضایی و اعتبار سنجی نتایج با استفاده از (اعتبار متقاطع) مشخص شد که روش (بریتانیا) بهترین روش برای نشان دادن سطح آب زیرزمینی منطقه سلمان است زیرا این مدل دارای کمترین ریشه میانگین مربع خطا (RMSE)، کمترین میانگین خطا (ME) و بالاترین مقدار ضریب تعیین (R ² ) مطابق جدول 1 و شکل 10. این فرآیند اولین گام برای به دست آوردن کیفیت بالا در نمایش داده های آب زیرزمینی و تهیه نقشه پیش بینی فضایی سطح آب زیرزمینی است. همچنین نتایج نشان داد که مدل توابع پایه شعاعی (RBF) کمترین مدل درون یابی فضایی در دقت شاخص های آماری و سایر مدل ها از نظر اولویت به ترتیب زیر است: UK > IDW > OK > SK > RBF.

3.3. خطای استاندارد سطح آب زیرزمینی Maps و پیش‌بینی

تکنیک های زمین آماری امکان یافتن بهترین روش درونیابی فضایی و تهیه نقشه سطح آب زیرزمینی و پیش بینی خطای استاندارد را فراهم می کند.

شکل 6 . مقایسه اعتبار متقابل کریجینگ جهانی (بریتانیا) با مدل (IDW).

شکل 7 . مقایسه اعتبار متقابل کریجینگ جهانی (بریتانیا) با مدل (RBF).

شکل 8 . مقایسه اعتبار متقابل کریجینگ جهانی (بریتانیا) با مدل (OK).

شکل 9 . مقایسه اعتبار متقابل کریجینگ جهانی (بریتانیا) با مدل (SK).

شکل 10 . شاخص های دقت آماری RMSE، ME، و R2^برای هر مدل بهینه روش.

نقشه شکل 11 نقشه جهت جریان و سطح آب زیرزمینی برآورد شده توسط مدل جهانی کریجینگ را نشان می دهد. تجزیه و تحلیل آن به نظر می رسد که جهت جریان آب زیرزمینی به طور کلی از جنوب و جنوب غربی به شمال و شمال شرق در منطقه مورد مطالعه رخ می دهد. همچنین این نقشه هیدرولوژیکی اطلاعات مهمی را در مورد گرادیان هیدرولیکی در تمام نقاط منطقه مورد مطالعه ارائه می دهد. جایی که سطح آب زیرزمینی بین (283.4) متر بالاتر از سطح دریا در جنوب غربی و (5.4) متر بالاتر از سطح دریا در شمال شرقی منطقه مورد مطالعه در نزدیکی فرورفتگی AL-Sulibat متفاوت است. مقایسه شکل 11 با شکل 12 چندین واقعیت را نشان می دهد که می توان آنها را به شرح زیر خلاصه کرد:

1) سطح آب زیرزمینی تا حد زیادی از توپوگرافی سطحی در منطقه مورد مطالعه پیروی می کند، از سطح دور می شود و در ارتفاعات مانند قسمت جنوب غربی منطقه مورد مطالعه افزایش می یابد. سطح آب زیرزمینی در مناطق پست مانند دره ها و فرورفتگی ها به سطح نزدیک می شود.

2) وجود فرورفتگی AL-Salman در وسط منطقه مورد مطالعه به نزدیک شدن به آب های زیرزمینی از سطح نسبت به مناطق اطراف فرورفتگی کمک کرد.

3) در صورت تلاقی سطح آب زیرزمینی با سطح زمین، آب زیرزمینی به صورت پرفیوژن یا چشمه در شمال منتهی الیه منطقه مورد مطالعه یا نزدیک به فرورفتگی AL-Sulibat ظاهر می شود.

4) شیب هیدرولیکی آب زیرزمینی با شیب توپوگرافی تا حد زیادی در منطقه مورد مطالعه از جنوب-جنوب غربی به شمال و شمال شرق سازگار است.

5) نرخ گرادیان هیدرولیک 1.411 متر بر کیلومتر بود، در حالی که شیب توپوگرافی

شکل 11 . نقشه سطح آب زیرزمینی با استفاده از مدل انتخابی بهینه.

شکل 12 . توپوگرافی منطقه مورد مطالعه [ 7 ] .

2.248 متر بر کیلومتر بود.

شکل 13 توزیع فضایی عدم قطعیت ها را به پیش بینی های فضایی در سطح آب های زیرزمینی در منطقه مورد مطالعه نشان می دهد، زیرا عدم قطعیت بین (1.3 – 2.2) متر در نواحی نزدیک نقطه اندازه گیری شده متغیر است، در حالی که این خطا به تدریج افزایش می یابد و به (11.79 – 18.87) متر می رسد. در مناطق دور از نقاط اندازه گیری شده

این نقشه ها می توانند به عنوان مبنایی در یافتن بهترین مکان ها برای حفاری چاه در منطقه مورد مطالعه، از طریق تفریق لایه سطحی آب زیرزمینی از مدل ارتفاعی رقومی با استفاده از ArcGIS و تهیه نقشه نشان دهنده عمق آب زیرزمینی، در برنامه ریزی مورد استفاده قرار گیرند. روند توسعه و تصمیم گیری بازیگران در عراق.

4. نتیجه گیری

نکته جدیدی که در این تحقیق مورد بحث و بررسی قرار گرفت، تعیین بهترین مدل های درونیابی فضایی در نمایش سطح آب های زیرزمینی منطقه سلمان پس از انجام مقایسه و ارزیابی با توجه به

شکل 13 . نقشه خطای استاندارد پیش بینی

به چندین معیار آماری و سپس تهیه یک نقشه دیجیتالی که توزیع فضایی این سطوح را توصیف می‌کند و نقشه خطای استاندارد پیش‌بینی تولید، که در آن تکنیک‌های زمین‌آماری در مدل‌سازی سطوح و مقایسه از نظر دقت استفاده شد. این مطالعه نشان داد که روش جهانی کریجینگ (بریتانیا) بهترین روش برای نشان دادن سطح آب زیرزمینی در منطقه مورد مطالعه است، زیرا کمترین ریشه میانگین مربعات خطا (RMSE) 10.64، میانگین خطا (ME) 5.36 و بالاترین ضریب را به دست می‌دهد. تعیین ⁽ R2) 0.98 بین مقادیر اندازه گیری شده و مقادیر پیش بینی شده توسط سایر مدل های درونیابی فضایی. این امر مستلزم بیش از 64 آزمون روشهای درونیابی غیرقابل اجتناب و آماری بود. اعتبارسنجی متقاطع برای مقایسه و ارزیابی دقت هر مدل استفاده شد، زیرا ابزاری موثر در مقایسه و ارزیابی بود که امکان دسترسی به دقیق‌ترین مدل را برای نمایش سطح آب زیرزمینی با کمترین زمان و تلاش فراهم می‌کرد. این مطالعه نشان می‌دهد که مقایسه مدل‌های درون‌یابی فضایی و ارزیابی دقت آنها از طریق برخی شاخص‌های آماری و اعتبارسنجی متقاطع بهترین راه برای انتخاب مدل بهینه برای نمایش داده‌های وارد شده در هر سایت است.

این روش درونیابی فضایی بهینه، نقشه سطح آب زیرزمینی در منطقه مورد مطالعه و همچنین نقشه عدم قطعیت مرتبط با آن را ایجاد کرده است. استفاده از این نقشه ها به تشخیص سطح آب زیرزمینی یا سطح پیزومتریک کمک می کند و جهت گرادیان هیدرولیکی در منطقه مورد مطالعه می تواند در برنامه ریزی، توسعه و فرآیندهای تصمیم گیری بازیگران در عراق مورد استفاده قرار گیرد.

منابع

[ 1 ]	Simonovic، SP (2002) دینامیک آب جهانی: مدلسازی جهانی منابع آب. مجله مدیریت محیط زیست، 66، 249-267. https://doi.org/10.1016/S0301-4797(02)90585-2
[ 2 ]	Smedema, LK and Shiati, K. (2002) آبیاری و شوری: مروری بر مخاطرات شوری توسعه آبیاری در منطقه خشک. سیستم های آبیاری و زهکشی، 16، 161-174. https://link.springer.com/article/10.1023/A:1016008417327 https://doi.org/10.1023/A:1016008417327
[ 3 ]	Nayak, PC, Rao, YS and Sudheer, KP (2006) پیش بینی سطح آب زیرزمینی در یک آبخوان کم عمق با استفاده از رویکرد شبکه عصبی مصنوعی. مدیریت منابع آب، 20، 77-90. https://link.springer.com/article/10.1007/s11269-006-4007-z https://doi.org/10.1007/s11269-006-4007-z
[ 4 ]	Reghunath، R.، Murthy، TS و Raghavan، BR (2005) تجزیه و تحلیل سری زمانی برای پایش و ارزیابی منابع آب: یک رویکرد میانگین متحرک. پایش و ارزیابی محیط زیست، 109، 65-72. https://link.springer.com/article/10.1007/s10661-005-5838-4 https://doi.org/10.1007/s10661-005-5838-4
[ 5 ]	Azpurua، MA و Ramos، KD (2010) مقایسه روش های درون یابی فضایی برای تخمین میانگین بزرگی میدان الکترومغناطیسی. پیشرفت در تحقیقات الکترومغناطیسی، 14، 135-145. https://www.jpier.org/PIERM/pier.php?paper=10083103 https://doi.org/10.2528/PIERM10083103
[ 6 ]	Jassim, SZ and Goff, JC (2006) زمین شناسی عراق. انجمن زمین شناسی لندن، لندن.
[ 7 ]	مدل دیجیتال ارتفاع (DEM) با وضوح 30 متر دانلود از وب سایت Aster GDEM. https://earthexplorer.usgs.gov/
[ 8 ]	Partow, H., Witt, R. Fosnight, G. and Singh, A. (2004) The Mesopotamian Marshlands: Demise of an Ecosystem. UNEP، DEWA/GRID-Geneva در همکاری با GRID-Sioux Falls و دفتر منطقه ای غرب آسیا (ROWA). https://www.cabdirect.org/cabdirect/abstract/20046797676
[ 9 ]	وزارت منابع آب در عراق (2016) کمیسیون عمومی آبهای زیرزمینی. داده های منتشر نشده
[ 10 ]	Esri، HERE، Garmin، USGS، Intermap، INCREMENTP، NRCan. https://resources.esri.com/arcgisserver/apis/javascript/gmaps/index.cfm?fa=home
[ 11 ]	Kevin, J., Ver Hoef, JM, Krivoruchko, K. and Lucas, N. (2003) Using ArcGIS Geostatistical Analyst. موسسه تحقیقات سیستم های محیطی، ردلندز. https://scholar.google.com/scholar?hl=ar&as_sdt=0%2C5&q=Using+ArcGIS+Geostatistical+ Analyst%2C+Environ&btnG
[ 12 ]	اندرسون، اس. (2002) ارزیابی روش های درون یابی فضایی در دمای هوا در فینیکس، AZ. گروه جغرافیا، دانشگاه ایالتی آریزونا، تمپ. https://www.cobblestoneconcepts.com/ucgis2summer/anderson/anderson.htm
[ 13 ]	کالینز، اف سی (1995) مقایسه تکنیک های درون یابی فضایی در تخمین دما. پایان نامه دکتری، ویرجینیا تک. https://vtechworks.lib.vt.edu/handle/10919/38139
[ 14 ]	Balakrishnan، P.، Saleem، A. و Mallikarjun، ND (2011) نقشه برداری کیفیت آب زیرزمینی با استفاده از سیستم اطلاعات جغرافیایی (GIS): مطالعه موردی شهر گلبارگا، کارناتاکا، هند. مجله آفریقایی علوم و فناوری محیطی، 5، 1069-1084. https://www.ajol.info/index.php/ajest/article/view/74229 https://doi.org/10.5897/AJEST11.134
[ 15 ]	Schloeder, CA, Zimmerman, NE and Jacobs, MJ (2001) مقایسه روشها برای درونیابی خواص خاک با استفاده از داده های محدود. Soil Science Society of America Journal, 65, 470-479. https://dl.sciencesocieties.org/publications/sssaj/abstracts/65/2/470 https://doi.org/10.2136/sssaj2001.652470x
[ 16 ]	پشتمساری، هک، سروستانی، ز.ت.، کامکار، ب.، شطایی، س. مجله بین المللی کشاورزی و علوم زراعی، 4، 157-167.
[ 17 ]	وبستر، آر و الیور، MA (2007) زمین آمار برای دانشمندان محیط زیست. جان وایلی و پسران، هوبوکن. https://doi.org/10.1002/9780470517277
[ 18 ]	Gundogdu، KS و Guney، I. (2007) تجزیه و تحلیل فضایی سطوح آب زیرزمینی با استفاده از کریجینگ جهانی. مجله علوم سیستم زمین، 116، 49-55. https://link.springer.com/article/10.1007/s12040-007-0006-6 https://doi.org/10.1007/s12040-007-0006-6
[ 19 ]	Uyan, M. and Cay, T. (2010) روش های زمین آماری برای نقشه برداری غلظت نیترات آب زیرزمینی. سومین کنفرانس بین المللی کارتوگرافی و GIS، نسبار، 15-20 ژوئن 2010، جلد. 1520، 732-741. https://scholar.google.com/scholar?hl=ar&as_sdt=0%2C5&q=Geostatistical+methods+for+ mapping+water+water+Nitrat+concentrations&btnG
[ 20 ]	Siska, PP and Hung, IK (2001) ارزیابی دقت کریجینگ در محیط GIS. بیست و یکمین کنفرانس بین المللی سالانه ESRI، سن دیگو، 378-386. https://scholar.google.com/scholar?hl=ar&as_sdt=0%2C5&q=Assessment+of+kriging +accuracy+in+the+GIS+ Environment&btnG
[ 21 ]	ثمین، م.، و همکاران. (1391) برآورد فضایی پارامترهای کیفیت آب زیرزمینی بر اساس داده های شوری آب با استفاده از روش های کریجینگ و کوکریجینگ. مجموعه مقالات کنفرانس بین المللی حمل و نقل، محیط زیست و مهندسی عمران، کوالالامپور، 25-26 اوت 2012، 1294-1311.
[ 22 ]	Mitásová، H. و Mitás، L. (1993) درون یابی توسط Spline منظم با تنش: I. نظریه و پیاده سازی. زمین شناسی ریاضی، 25، 641-655. https://link.springer.com/article/10.1007/BF00893171 https://doi.org/10.1007/BF00893171
[ 23 ]	Shahid, SU, Iqbal, J. and Hasnain, G. (2014) ارزیابی کیفیت آب های زیرزمینی و ارتباط آن با گاستروانتریت با استفاده از GIS: مطالعه موردی شهر راول، راولپندی، پاکستان. پایش و ارزیابی محیط زیست، 186، 7525-7537. https://link.springer.com/article/10.1007/s10661-014-3945-9 https://doi.org/10.1007/s10661-014-3945-9
[ 24 ]	Kamińska., A. and Grzywna., A. (2014) مقایسه روشهای درونیابی قطعی برای سطح آب زیرزمینی. مجله مهندسی اکولوژی، 15، 55-60. https://link.springer.com/article/10.1007/s10661-012-2527-y
[ 25 ]	Khazaz, L., Oulidi, HJ, El Moutaki, S. and Ghafiri, A. (2015) مقایسه و ارزیابی روشهای درونیابی فضایی احتمالی و قطعی برای سطح آب زیرزمینی هاوز در مراکش. مجله سیستم اطلاعات جغرافیایی، 7، 631. https://doi.org/10.4236/jgis.2015.76051 https://scholar.google.com/scholar?hl=arandas_sdt=0%2C5andq=Comparing +and+Evaluating+Probabilistic +و+روش‌های + درونیابی + فضایی + قطعی + برای + سطح + آب زیرزمینی + حوض + در + مراکش و btnG
[ 26 ]	Mardia, KV (1974) کاربردهای برخی از معیارهای چولگی و کورتوز چند متغیره در تست نرمال بودن و مطالعات استحکام. Sankhya: The Indian Journal of Statistics, Series B, 36, 115-128. https://www.jstor.org/stable/25051892
[ 27 ]	Joanes، DN و Gill، CA (1998) مقایسه اندازه‌های چولگی نمونه و کورتوزیس. مجله انجمن آمار سلطنتی: سری D (The Statistician)، 47، 183-189. https://rss.onlinelibrary.wiley.com/doi/abs/10.1111/1467-9884.00122 https://doi.org/10.1111/1467-9884.00122
[ 28 ]	بر اساس داده های اندازه گیری شده توسط وزارت منابع آب عراق (2016) اداره کل حفاری چاه های آب زیرزمینی. https://www.sciencedirect.com/science/article/pii/S1474706508000697

مقالات داخلی و بین المللی

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

برای نوشتن دیدگاه باید وارد بشوید.

مشاورین هوش پیروزی

مقایسه و ارزیابی روش‌های درونیابی فضایی مبتنی بر GIS برای تخمین سطح آب زیرزمینی در منطقه السلمان – جنوب غربی عراق

مقایسه و ارزیابی روش‌های درونیابی فضایی مبتنی بر GIS برای تخمین سطح آب زیرزمینی در منطقه السلمان – جنوب غربی عراق

کلید واژه ها

1. مقدمه

2. مواد و روش