خلاصه

برداشت آب باران ابزاری امیدوارکننده برای تکمیل آب های سطحی و زیرزمینی برای غلبه بر عدم تعادل بین عرضه و تقاضا در شرایط آب و هوایی متغیر است. ارزیابی چند معیاره یکی از روش های شناخته شده تصمیم گیری است. در این مطالعه، از ارزیابی چند معیاره مبتنی بر سیستم اطلاعات جغرافیایی (GIS) برای انتخاب مکان‌های بهینه برداشت آب باران در استان میسان عراق استفاده شده است. عضویت فازی برای استانداردسازی معیارها و پوشش فازی گاما برای ترکیبی از چند لایه با استفاده از ArcGIS 10.5 استفاده می‌شود. هفت لایه معیار، از جمله شیب، ترتیب جریان، نوع خاک، بارندگی، تبخیر، جاده‌ها و شاخص تفاوت نرمال شده گیاهی (NDVI) برای شناسایی حوضه آبریز جمع‌آوری‌کننده باران مشتق شده‌اند. نتایج، مکان های بهینه برای ذخیره آب در منطقه مورد مطالعه را تعیین کرد. نقشه حوضه برداشت بالقوه حاصل از آب باران می تواند به عنوان مرجعی برای افزایش اثربخشی مدیریت آب، به ویژه در مناطق خشکسالی که پتانسیل قابل توجهی برای تولید کشاورزی پایدار در منطقه نیمه خشک ارائه می دهد، استفاده شود.

کلید واژه ها:

مدل فازی ; GIS ; MCE ; تحلیل فضایی ; حوضه برداشت آب

1. معرفی

آب یکی از مهم ترین منابع طبیعی است، اگر نگوییم با ارزش ترین آنها. زمین آب فراوانی دارد، اما متأسفانه، تنها درصد کمی (کمتر از 1 درصد) حتی برای انسان قابل استفاده است [ 1 ] و بیش از 99 درصد آن در اقیانوس ها، خاک ها، یخ ها و شناور در جو غیرقابل استفاده است. . تغییرات آب و هوایی، رشد جمعیت و صنعتی شدن سریع به عنوان سه عامل اصلی افزایش فشار جهانی بر تامین آب سالم در سراسر جهان در نظر گرفته می‌شوند [ 2 ]]. فشار بر منابع آب شیرین به دلیل افزایش تقاضا در حال حاضر منجر به کمبود آب در بسیاری از نقاط شده است، به ویژه در مناطق خشک و نیمه خشک که از نظر مصارف خانگی و کشاورزی با مشکل کمبود آب مواجه هستند. علاوه بر این، توزیع نابرابر جهانی هم از نظر تراکم جمعیت و هم منابع آب وجود دارد. مناطقی که توسط مردم اشغال می شود لزوماً مناطقی با منابع آبی فراوان نیستند.
کمبود آب کمبود منابع آب شیرین برای تامین نیاز آب است. این یک تهدید بزرگ برای معیشت در سطح جهان و یکی از محدودیت های اصلی در توسعه اجتماعی-اقتصادی است. این یک مشکل جهانی است که توسط مجمع جهانی اقتصاد در سال 2019 به عنوان یکی از بزرگترین خطرات جهانی از نظر تأثیر بالقوه در دهه آینده طبقه بندی شد [ 3 ]. کمبود آب ممکن است فیزیکی یا اقتصادی باشد. کمبود فیزیکی وضعیتی است که در آن و در جایی که دسترسی طبیعی به آب در یک کشور یا یک منطقه [ 4 ] محدود است، مانند مناطق خشک و نیمه خشک. در حالی که کمبود آب اقتصادی ناشی از سرمایه گذاری ضعیف در آب یا کمبود ظرفیت انسانی برای رفع نیازهای آب، حتی در مکان های پر آب است.
مطالعه کمبود منابع آب در چارچوب بندی سیاست ها در سطوح جهانی و ملی ضروری است. مرحله هشتم برنامه بین‌المللی هیدرولوژیکی (IHP-VIII)، که بر امنیت آب تمرکز دارد، شامل «بررسی کمبود آب و کیفیت آب» به‌عنوان یکی از شش موضوع آن است [ 5 ]. امنیت آب به عنوان “در دسترس بودن قابل اعتماد کمیت و کیفیت قابل قبول آب برای سلامت، معیشت و تولید، همراه با سطح قابل قبولی از خطرات مرتبط با آب” تعریف شده است [ 6 ].
به طور کلی، بسیاری از مسائل کمبود آب را در عراق تشدید می کند. مقدار زیادی آب یا مستقیماً به خلیج عربی یا از طریق تبخیر به دلیل عدم برنامه ریزی آبیاری و برداشت آب هدر می رود [ 7 ]. منطقه مورد مطالعه، استان میسان، در 300 کیلومتری جنوب شرقی بغداد در منطقه خشک با شرایط آب و هوایی خشک قرار دارد [ 8 ]. رودخانه دجله در حال حاضر منبع اصلی آب استان میسان است که پس از فاجعه زیست محیطی زهکشی مرداب ها در دهه 1990، بیشتر زمین های کشاورزی خود را از دست داده است. منبع آب میسان از کیفیت پایین و دبی کم برخوردار است، زیرا در آخرین قسمت مسیر دجله قبل از دیدار با رود فرات در القرنا، در 100 کیلومتری جنوب قرار دارد [ 9 ]]. در ژانویه 2019، 100 مکان توسط سازمان بین المللی مهاجرت (IOM) به عنوان مواجه با خشکسالی و/یا کمبود آب در بخش جنوبی عراق شناسایی شد و 58 مورد از این مکان ها در استان میسان، 22 مکان در مثنی، 11 مکان در بصره بود. و 9 در ثی قار [ 10 ].
عراق بیشترین بارندگی را در زمستان گذشته در مقایسه با ده سال گذشته ثبت کرده است که منجر به وقوع سیل و سیل به ویژه استان های میسان و واسط شد [ 11 ]. این سیل منجر به غرق شدن تعدادی از روستاها و فروریختن ده ها خانه شد که خانواده ها را مجبور به آواره کرد. استان میسان بارها بارندگی های شدیدی را تجربه کرده است که باعث سیل می شود که پس از دوره های قابل توجهی از خشکسالی رخ می دهد. مرکز هماهنگی واکنش اضطراری (ECHO) گزارش داد که منطقه مورد مطالعه در سال 2019 در امتداد رودخانه دجله دچار سیل شد که منجر به آواره شدن 545 خانواده و 2000 خانواده دیگر در معرض خطر، به دنبال خسارت به تعدادی از کمپ‌های آوارگان داخلی شد. [ 12 ].
برداشت آب باران (RWH) “جمع آوری و مدیریت رواناب آب باران برای افزایش دسترسی به آب برای مصارف خانگی و کشاورزی و همچنین تامین اکوسیستم” است [ 13 ]. این یک تکنیک قدیمی تامین آب است که در موارد کمبود آب برای پاسخگویی به تقاضای روزافزون آب، رسیدگی به تغییرات اقلیمی و تنوع، و برای مبارزه با بیابان‌زایی استفاده می‌شود [ 14 ، 15 ]. انتخاب مکان بالقوه برای RWH در مناطق نیمه خشک برای افزایش دسترسی به آب و به حداکثر رساندن بهره وری زمین حیاتی است [ 16 ]]. برداشت آب در زمین یا در آب انبارها نیز فرسایش و سیل را کنترل می کند و آلودگی آب را کاهش می دهد. استفاده از تکنیک RWH مزایای مختلفی دارد: آب را برای اطمینان بخشی از نیاز آبی برای آبیاری می گیرد و با استفاده از آب ذخیره دوره های کم آبی ناشی از خشکسالی را کاهش می دهد. مردمی که در مناطق خشک و نیمه خشک با میزان بارندگی بسیار متغیر زندگی می کنند در معرض دوره های خشکسالی یا سیل قرار می گیرند که بر دسترسی به آب تأثیر می گذارد. برداشت آب باران و القای تغذیه مصنوعی آب زیرزمینی با سدسازی یکی از روش های موثر برای غلبه بر کمبود آب و جلوگیری از خطر سیل است. موفقیت سیستم های RWH عمدتا به انتخاب یک سایت مناسب بستگی دارد.
بسیاری از مطالعات قبلی استفاده از RWH را با موفقیت به عنوان یک راه حل موثر تامین آب جایگزین یا به عنوان وسیله ای برای کاهش خطر سیل در مناطق شهری ذکر کردند [ 17 ، 18 ]. گوپتا و همکاران [ 19 ] یک استراتژی برداشت آب در منطقه نیمه خشک هند با استفاده از یک سیستم اطلاعات جغرافیایی (GIS) توسعه داد. اطلاعات توپوگرافی و خاک به عنوان یک پایگاه داده GIS دیجیتالی شد. اطلاعات پوشش زمین به عنوان شاخص تفاوت نرمال شده گیاهی (NDVI) از تصاویر ماهواره ای (IRS-1A) استخراج شد و نتایج اهمیت GIS را در برنامه ریزی برداشت آب نشان داد. Jabr و El-Awar [ 20 ] یک روش انتخاب مکان برای مخازن برداشت آب در لبنان برای بهبود کشاورزی معرفی کردند. مبیلینی و همکاران [21 ] سایت های RWH بالقوه را با استفاده از سیستم های پشتیبانی تصمیم گیری مبتنی بر GIS و داده های سنجش از دور شناسایی کرد. سایل و همکاران [22 ] از سنجش از دور و تکنیک های تصمیم گیری چند معیاره مبتنی بر GIS برای مناطق کم داده برای مکان یابی سایت های RWH مناسب استفاده کرد.
در دهه‌های گذشته، استان میسان با توجه به اینکه عمدتاً به آب‌های سطحی باتلاق‌ها و رودخانه دجله وابسته بود، شاهد تحقیقات بسیار کمی در RWH بوده است. با این حال، افزایش خطر خشکسالی و کمبود آب، به ویژه پس از زهکشی مرداب ها در دهه 1990، RWH را به عنوان یک راه حل جایگزین موثر پیشنهاد می کند. در این زمینه، العبادی و همکاران. [ 23 ] مطالعه ای را برای شناسایی مکان های بالقوه برای برداشت آب در استان میسان شمال شرقی با استفاده از منطق فازی مبتنی بر GIS و فرآیند تحلیل سلسله مراتبی (AHP) انجام داد. پنج معیار خاک، پوشش زمین، رواناب، شیب و فاصله تا رودخانه مورد استفاده قرار گرفت. سطوح تناسب RWH به پنج کلاس طبقه بندی شدند: نامناسب، ضعیف، متوسط، خوب و عالی.
در دهه گذشته، علاقه زیادی به استفاده از سنجش از دور و سیستم اطلاعات جغرافیایی (GIS) در هیدرولوژی و منابع آب مشاهده شده است. تکنیک‌های پردازش تصویر دیجیتال دسترسی به داده‌های مکانی-زمانی در حوزه آبخیز از مقیاس منطقه‌ای تا جهانی را فراهم می‌کند. حسگرهای جدید و فناوری تصویربرداری قابلیت سنجش از دور را در کاربردهای هیدرولوژیکی افزایش داده است [ 17 ]. مطالعات قبلی سنجش از دور و GIS را با نتایج خوبی ادغام کرده اند، به عنوان مثال، [ 24 ، 25 ، 26 ، 27 ، 28 ]. ارزیابی چند معیاره مبتنی بر GIS (MCE) یکی از رویکردهای موثر برای تجزیه و تحلیل مناسب بودن سایت است [ 29 ]]. به طور کلی، مشکلات تصمیم گیری چند معیاره شامل مجموعه ای از یک جایگزین تصمیم گیری بالقوه است که بر اساس معیارهای خاص ارزیابی می شود [ 30 ]. در طول دهه گذشته، بسیاری از مطالعات از MCE در محیط GIS برای اهداف مختلف استفاده کرده اند، به عنوان مثال، [ 31 ، 32 ، 33 ، 34 ، 35 ، 36 ، 37 ].
هدف از این مطالعه، انتخاب مکان‌های بالقوه RWH در استان میسان، جنوب شرقی عراق، با استفاده از سنجش از دور و MCE مبتنی بر GIS است. از عضویت فازی برای استانداردسازی معیارها و پوشش فازی گاما برای ترکیب معیارها با استفاده از ArcGIS 10.5 استفاده می شود.

2. مواد و روشها

2.1. منطقه مطالعه

منطقه مورد مطالعه، استان میسان، در جنوب شرقی عراق بین طول جغرافیایی 46°00′-48°00′ شرقی و عرض های جغرافیایی 31°00′-32°40′ شمالی واقع شده است، همانطور که در شکل 1 نشان داده شده است. مساحت آن حدود 16072 کیلومتر مربع است . سنگ های سوم و نهشته های کواترنر ویژگی های زمین شناسی اولیه هستند. نهشته های کواترنر 72 درصد از مساحت را پوشش می دهند، در حالی که سنگ های سوم در 28 درصد باقی مانده گسترش یافته اند [ 38 ]. به طور خاص، سنگ‌های سوم تا 2000 متر چرخه‌های ماسه‌سنگ سنگین، ماسه‌سنگ و گل‌سنگ قرمز را تشکیل می‌دهند که تقریباً به‌طور کامل با رخساره‌های کنگلومرا در ناحیه چین‌خورده بالا شمال شرقی جایگزین می‌شوند [ 38 ].]. در مقابل، رسوبات کواترنر تحکیم نشده و معمولاً دانه بندی ریزتری نسبت به سنگ های ترشیاری زیرین دارند [ 39 ]. آب و هوای منطقه مورد مطالعه با تابستان های گرم و خشک و زمستان های سرد و مرطوب مشخص می شود. فصل های پاییز و بهار عمدتاً فقط چند هفته طول می کشد. میانگین دمای سالانه بین 23.74 درجه سانتیگراد تا 26.43 درجه سانتیگراد متغیر است، با تغییرات بسیار کمی در سراسر منطقه [ 40 ]. منطقه مورد مطالعه یک منطقه اقتصادی مهم است که اکثر مردم در آن در کشاورزی، به ویژه محصولات تولید غلات و سبزیجات، عمدتاً گوجه فرنگی و سیب زمینی کار می کنند.

2.2. مجموعه داده

گام مهم در اکثر پروژه های GIS ساخت پایگاه داده مکانی است. در این مطالعه از مجموعه داده‌های مختلفی مانند داده‌های خاک مدل دیجیتال ارتفاع (DEM)، تصاویر Landsat 8 و داده‌های اقلیمی مبتنی بر ماهواره استفاده می‌شود. ArcGIS 10.5 برای پردازش، تجزیه و تحلیل و تفسیر این مجموعه داده ها استفاده می شود. سیستم Universal Transverse Mercator، WGS 84 و منطقه 38 N برای ارجاع جغرافیایی تمام لایه‌های معیار استفاده می‌شود.

2.2.1. DEM

داده های ارتفاع توسط ماموریت توپوگرافی رادار شاتل فضایی ناسا (SRTM) با استفاده از InSAR با وضوح فضایی 30 متر (1 ثانیه قوس) [ 41 ] به دست آمد. DEM داده های ضروری را برای ویژگی های توپوگرافی یک حوضه، مانند شیب، جهت جریان، تجمع جریان، ترتیب آبراهه و حوضه آبریز فراهم می کند. الگوریتم D8 یک روش بسیار مفید برای تفسیر داده های ارتفاعی و استخراج ویژگی های فوق الذکر است. منطقه مورد مطالعه STRM DEM در شکل 2 نشان داده شده است . ارتفاع توپوگرافی استان میسان بین 10 تا 264 متر است. DEM برای استخراج ترتیبات جریان با استفاده از ابزار ArcGIS/hydrology بر اساس روش Strahler استفاده می شود [ 42]. مراحل اصلی شامل پر کردن سینک DEM، شناسایی جهت جریان با استفاده از الگوریتم D8 با تعیین جهت شیب برای هر سلول، ایجاد رستر تجمع جریان و در نهایت استخراج ترتیب جریان است. نقشه ترتیب جریان بر اساس DEM با استفاده از نرم افزار ArcGIS 10.5 همانطور که در شکل 3 نشان داده شده است ایجاد شده است . علاوه بر این، از داده های DEM برای استخراج نقشه شیب استفاده می شود. شیب متوسط ​​یک متغیر مستقل است که اطلاعاتی در مورد توپوگرافی ارائه می دهد. شیب متوسط ​​به طور اساسی بر ارزش زمان تمرکز و به طور مستقیم بر رواناب تولید شده توسط بارندگی تأثیر می گذارد. نقشه افزایش درصد شیب بر اساس داده های DEM در شکل 4 نشان داده شده است .
2.2.2. داده های آب و هوایی مبتنی بر ماهواره
تخمین بارندگی سنجش از دور از مأموریت اندازه‌گیری باران گرمسیری (TRMM) به عنوان یک جایگزین بالقوه برای تامین داده‌های باران‌سنج با توزیع فضایی خوب در نظر گرفته می‌شود [ 43 ، 44 ]. TRMM یک ماموریت ماهواره ای مشترک ایالات متحده و ژاپن برای نظارت بر بارش های استوایی و نیمه گرمسیری و تخمین گرمایش نهفته مرتبط با آن است. داده های بارش برای دوره ژانویه 2000 تا ژانویه 2019، بر اساس TRMM، با وضوح مکانی 0.25 درجه دانلود و پردازش شد. سپس داده‌های دانلود شده در فرم NetCDF به شکل فایل تبدیل شده و با استفاده از مدل کریجینگ معمولی/کروی درون‌یابی می‌شوند. شکل 5 نقشه میانگین زمانی نرخ بارندگی ماهانه را نشان می دهد.
نرخ تبخیر بالقوه ماهانه از سیستم همسان سازی داده های زمین جهانی (GLDAS) مدل _NOAH025-M-2 [ 45 ] در واحد W/m 2 برای دوره ژانویه 2000 تا ژانویه 2019 با وضوح فضایی 0.25 درجه دانلود شد. داده های دانلود شده در فرم NetCDF سپس به شکل فایل تبدیل شده و با استفاده از روش معمولی کریجینگ/مدل کروی همانطور که در شکل 6 نشان داده شده است، درون یابی می شوند. هدف GLDAS دریافت محصولات داده‌های رصدی ماهواره‌ای و زمینی، با استفاده از مدل‌سازی پیشرفته سطح زمین و تکنیک‌های جذب داده‌ها به منظور تولید میدان‌های بهینه از حالت‌ها و شارهای سطح زمین است [ 46 ].
2.2.3. داده های پوشش زمین

در این مطالعه از شاخص تفاوت نرمال شده گیاهی (NDVI) برای هدف قرار دادن مناطق کشاورزی و اجتناب از مناطق شهری استفاده شده است. این از یک نوار قرمز و باند مادون قرمز نزدیک (NIR) از تصاویر Landsat 8 محاسبه شد. NDVI یک شاخص پوشش گیاهی رایج است که از اندازه‌گیری‌های سنجش از راه دور انرژی الکترومغناطیسی در مناطق طیفی قرمز و مادون قرمز نزدیک به دست می‌آید. NDVI با استفاده از معادله [ 47 ] محاسبه می شود:

NDVI=نمنآر-Vمنآرنمنآر+Vمنآر
جایی که مقادیر معمولی NDVI از 1- تا 1 متغیر است، که در آن مقادیر مثبت نشان دهنده مناطق پوشش گیاهی است، در حالی که مقادیر منفی نشان دهنده بدنه های آبی، برف، ابرها و سطوح بدون پوشش گیاهی است [ 48 ]. سه تصویر Landsat 8 برای مارس/2019 برای بدست آوردن لایه NDVI با استفاده از معادله (1) استفاده شده است. همانطور که در شکل 7 نشان داده شده است ، مقادیر NDVI بین -3 تا 0.6 متفاوت است.
تابع فاصله اقلیدسی برای تعیین فاصله تا جاده ها استفاده می شود. فاصله اقلیدسی فاصله خط مستقیم بین دو نقطه در یک صفحه است. همانطور که در شکل 8 نشان داده شده است ، مقادیر فاصله اقلیدسی از 0 تا 25000 متر متغیر است.
نقشه نوع خاک از سازمان خواربار و کشاورزی (FAO) تهیه شده است. چهار کلاس خاک در منطقه مورد مطالعه ذکر شده است. خاک‌های جوان در رسوبات آبرفتی، خاک‌های شور، خاک با توسعه خاک بسیار محدود و تپه‌های شنی، همانطور که در شکل 9 نشان داده شده است.

2.3. ارزیابی چند معیاره

MCE مبتنی بر GIS، مناسب بودن برای تناسب با یک هدف خاص را بر اساس معیارهای مختلف در مناطق انتخاب شده تجزیه و تحلیل می کند [ 49 ]. معیارها عوامل نامیده می شوند و درجه متفاوتی از تناسب را برای تصمیم مورد بررسی منعکس می کنند. فرآیند استانداردسازی شامل تبدیل داده ها به یک مقیاس عددی یکنواخت است [ 50]. در این مطالعه، MCE برای شناسایی سایت بالقوه RWH، بر اساس تعدادی از معیارها و محدودیت ها انجام می شود. هفت معیار انتخاب شده اند، یعنی شیب، جاده ها، NDVI، ترتیب جریان، بارش، تبخیر و خاک. این معیارها با استفاده از عضویت فازی برای تبدیل لایه‌های معیار به مقیاس عددی یکنواخت بین 0 و 1 استاندارد شده‌اند. سپس از روش همپوشانی گامای فازی برای تهیه نقشه تناسب نهایی استفاده شد.

2.4. منطق فازی

2.4.1. عضویت فازی

روش منطق فازی عموماً برای حل موضوعات پیچیده استفاده می شود و اولین بار توسط زاده در سال 1965 ارائه شد [ 51 ].]. عضویت فازی اپراتور را قادر می سازد تا در مورد مناسب بودن سایت تصمیم بگیرد. بسته به امکان عضویت در یک مجموعه مشخص، داده های ورودی را در محدوده 0 تا 1 مجدداً طبقه بندی می کند. یک مقدار صفر به مکان هایی که قطعا عضو نیستند اختصاص داده می شود، در حالی که یک مقدار به مکان هایی که قطعاً عضو یک مجموعه مشخص هستند اختصاص داده می شود. طیف وسیعی از احتمالات بین 0 و 1 به سطحی از عضویت احتمالی اختصاص داده شده است. انواع عضویت فازی فازی گاوسی، فازی بزرگ، فازی خطی، فازی MS بزرگ، فازی MS کوچک و فازی نزدیک است. در این مطالعه از عضویت خطی فازی (FLM) برای استانداردسازی تمامی لایه‌های معیار استفاده شده است.
2.4.2. پوشش فازی
آخرین مرحله برای اعمال منطق فازی بر روی لایه های معیار، پوشش فازی است. پنج نوع عملگر فازی وجود دارد که عبارتند از: فازی OR، فازی AND، مجموع جبری فازی، محصول جبری فازی و عملگر گامای فازی. در این تحقیق از گامای فازی برای ترکیب لایه های معیار استفاده شده است. گامای فازی روابط بین معیارهای ورودی چندگانه را برقرار می کند و به سادگی مقدار یک مجموعه عضویت را بر نمی گرداند، همانطور که فازی OR و فازی AND [ 52 ] انجام می دهند. مقدار خروجی همیشه بزرگتر از (یا مساوی) با بزرگترین مقدار عضویت فازی است. فلوچارت روش با استفاده از پوشش گامای فازی در شکل 10 نشان داده شده است .

2.5. شناسایی معیارها

معیارهای انتخاب شده عواملی را توصیف می کنند که بهترین مکان برای برداشت آب باران را تعیین می کنند. در این تحقیق هفت لایه معیار شامل شیب، ترتیب آبراهه، نوع خاک، بارندگی، تبخیر، جاده و NDVI با در نظر گرفتن کلیات موجود در منابع و داده‌های موجود از میان بررسی‌های متون و تحقیقات دانشمندان مختلف انتخاب شده است. در منطقه مورد مطالعه جدول 1 مشخصات معیارهای مورد استفاده برای شناسایی مکان RWH بالقوه برای این مطالعه را نشان می دهد. جزئیات محدودیت معیارها به شرح زیر است:
شیب یک معیار اساسی در انتخاب مکان ساختار RWH است. اندازه ساختار برداشت و مقدار ذخیره آب را تعیین می کند. مناطق با شیب زیاد برای سازه های ذخیره سازی نامناسب هستند، زیرا برای ذخیره مقدار قابل توجهی آب به سازه ای بزرگ (از نظر ارتفاع) نیاز است. مناطق با شیب متوسط ​​یا کم راحت تر هستند، زیرا ظرفیت ذخیره سازی بزرگ را می توان به راحتی در سازه های کوچکتر قرار داد. به گفته کریچلی و همکاران. [ 53 ]، مناطقی با شیب بیش از 5٪ برای RWH توصیه نمی شوند، به دلیل توزیع نامنظم رواناب و تلفات اقتصادی ناشی از کارهای خاکی بیش از حد مورد نیاز.
ترتیب جریان به اتصال انشعابات بستگی دارد. تجزیه و تحلیل آن برای انتخاب یک سایت RWH بالقوه مهم است و ترتیب جریان کمتر به معنی نفوذپذیری و نفوذ بیشتر است [ 54 ]. در این تحقیق از ابزارهای تحلیل فضایی برای استخراج و تولید نقشه ترتیب جریان بر اساس داده های DEM استفاده شده است. طبق نظر AL-Ardeeni [ 55 ]، ترتیب جریان باید بالاتر از مرتبه سوم باشد.
بارش جزء اصلی هر سیستم برداشت آب است. بارش بیشتر در هر منطقه خاص به معنای امکان بالاتر برداشت بخشی از آن است [ 56 ]. در دسترس بودن داده‌های بارندگی جمع‌آوری‌شده طی سال‌های متمادی برای تعیین پتانسیل بارش-رواناب در یک منطقه معین بسیار مهم است. این امر به ویژه در مناطق خشک و نیمه خشک صادق است، جایی که بارندگی از سالی به سال دیگر متفاوت است. با این حال، میانگین بارش همچنان می تواند در مناطقی با داده های بارندگی ناکافی استفاده شود [ 57 ]. علاوه بر این، تبخیر از زمین یکی از منابع ضروری از دست دادن آب است که بر فرآیند RWH تأثیر می گذارد، نرخ تبخیر پایین نشانه خوبی از مناسب بودن منطقه برای برداشت آب است [ 57 ].].
توسعه شبکه راه ها باید در برنامه ریزی پروژه های RWH مورد توجه قرار گیرد. ساکنان از این جاده ها برای جابجایی با دام های خود در جستجوی علف و آب استفاده می کنند. فاصله بین ساختار RWH و جاده ها برای جلوگیری از هرگونه تضاد آتی بین حوضچه های ساخته شده و توسعه جاده ها است [ 56 ]. طبق گفته AL-Ardeeni [ 55 ]، حداقل فاصله قابل قبول تا جاده ها 100 متر است.
پوشش گیاهی به شدت بر رواناب سطحی تأثیر می گذارد. تراکم پوشش گیاهی در یک منطقه معین را می توان به روش های مختلفی تعیین کرد. سنجش از دور به ویژه در صورتی مفید است که منطقه پروژه بزرگ باشد. سنجش از دور از بازتاب متفاوت خاک و پوشش گیاهی به عنوان شاخصی برای تراکم پوشش گیاهی استفاده می کند [ 58 ]. پوشش گیاهی بر تناسب زمین برداشت آب تأثیر می گذارد. برداشت در مناطق زراعی مسکونی عملی تر از انتقال ساکنان به یک منطقه بالقوه مناسب است. [ 57 ].
نوع خاک یک عامل مهم در انتخاب مکان RWH برای تامین آب برای اهداف انسانی، دامی و کشاورزی است [ 56 ]. به گفته کریچلی و همکاران. [ 53 ]، یک محدودیت جدی برای استفاده از برداشت آب، خاک با بافت شنی است.

3. نتایج و بحث

3.1. استاندارد سازی معیارها

برای اعمال پوشش فازی، لایه های معیار باید در مقیاس و واحدهای یکسان باشند [ 59 ]. علاوه بر این، لایه های برداری (مانند خاک و جاده) باید به فرمت شطرنجی تبدیل شوند. شکل 11 استانداردسازی لایه ها را با استفاده از عضویت خطی فازی (FLM) نشان می دهد.
شیب شیب سطح است و به طور کلی به صورت درصد بیان می شود، برای تشکیل خاک حیاتی است، زیرا بر رواناب و زهکشی تأثیر می گذارد. در این مطالعه مقادیر شیب بین 0-100 متغیر بود. لایه شیب با استفاده از کاهش FLM استاندارد شد. حداکثر مقدار صفر و حداقل مقدار 5 درصد تعیین شد. مقادیر لایه شیب استاندارد بین یک تا صفر متغیر است، منطقه مناسب با یک مقدار نشان داده شده است، در حالی که صفر نشان دهنده ناحیه نامناسب است. علاوه بر این، DEM برای استخراج نظم جریان استفاده می شود. سفارشات جریان از مرتبه اول تا هفتم متفاوت بود. محدودیت سفارشات جریان مقدار بالاتر از مرتبه سوم است. افزایش FLM برای استانداردسازی لایه نظم جریان اعمال شد. فقط سفارشات بالاتر برای انتخاب سایت های RWH مناسب در نظر گرفته شد.
داده های TRMM برای تهیه نقشه میزان بارش ماهانه استفاده می شود. مقادیر بارندگی از 14 تا 39 میلی متر در ماه متغیر بود. برای استانداردسازی لایه بارش از FLM افزایشی استفاده شد. حداکثر مقدار 39 و حداقل مقدار 14 تعیین شد. علاوه بر این، نرخ تبخیر ماهانه بالقوه از GLDAS بارگیری شد، مقادیر تبخیر بین 279-388 W/m2 در بازه زمانی قرار گرفت . FLM کاهشی برای استاندارد کردن لایه تبخیر استفاده شد. حداکثر مقدار 279 و حداقل مقدار 388 تعیین شد.
لایه NDVI بر اساس تصاویر Landsat 8 به دست آمد، مقادیر NDVI از 0.3- تا 0.6 متغیر بود. با توجه به مقادیر معمول NDVI، برای هدف قرار دادن مناطق پوشش گیاهی، فقط باید مقدار مثبت در نظر گرفته شود. افزایش FLM برای استانداردسازی NDVI استفاده شد. حداکثر مقدار 0.6 تعیین شد، در حالی که حداقل صفر بود.
لایه خاک از نقشه های فائو به صورت برداری دانلود و سپس به رستر تبدیل شد. کاهش FLM برای استانداردسازی لایه خاک استفاده شد. خاکهای جوان در رسوبات آبرفتی یک و خاکهای شور صفر قرار گرفتند. خاک با توسعه بسیار محدود و تپه های شنی از مطالعه حذف شدند.
فاصله تا لایه جاده ها با استفاده از فاصله اقلیدسی ایجاد شد. مقدار آن بین 0 تا 25000 متر متغیر بود. لایه جاده با استفاده از افزایش FLM استاندارد شد، حداکثر فاصله 100 متر و حداقل 25000 متر تعیین شد.

3.2. انتخاب سایت ها

مرحله نهایی پس از استانداردسازی لایه های هفتگانه معیار، جمع آوری آنها با هم است. این لایه‌ها با هم ترکیب شدند و سایت‌های احتمالی RWH در بخش جنوب شرقی عراق (استان میسان) با استفاده از عملیات پوشش فازی گاما/0.9 انتخاب شدند. این مطالعه نشان داد که بخش شمال غربی منطقه مورد مطالعه منطقه مناسبی برای RWH است، در حالی که سایر بخش‌ها به عنوان زون‌های نامناسب برای RWH طبقه‌بندی می‌شوند. نقشه تناسب RWH محدوده متنوعی از تناسب 0% تا 56% را نشان می دهد. این محدوده همانطور که در شکل 12 نشان داده شده است به پنج کلاس طبقه بندی می شود . برای محدود کردن مکان‌های بالقوه در منطقه مورد مطالعه، فقط مقادیر بالاتر (در کلاس پنجم) در نظر گرفته شد که منجر به یازده مکان شد. این سایت ها دیجیتالی شده و در شکل 13 ارائه شده اند. مختصات سایت های RWH بالقوه پیشنهادی در جدول 2 نشان داده شده است. نوع پیشنهادی RWH، حوضچه‌های نگهدارنده بر اساس زمین توپوگرافی و نفوذپذیری خاک است که احتمالاً برای آبیاری دام، تغذیه آب زیرزمینی، آبیاری یا هر هدف دیگری غیر از مصارف شرب استفاده می‌شود.

4. نتیجه گیری

برداشت آب باران یک تکنیک امیدوارکننده برای مدیریت موثر مشکلات کمبود آب با افزایش منابع آب در دراز مدت است. در این زمینه، مطالعه حاضر روشی را برای انتخاب مکان پتانسیل RWH با استفاده از MCE مبتنی بر GIS و مدل فازی در بخش جنوب شرقی عراق (استان میسان) نشان داد. نوع RWH پیشنهادی حوضچه‌های نگهدارنده بر اساس زمین توپوگرافی و نفوذپذیری خاک است. برای این منظور از هفت لایه معیار شامل شیب، ترتیب آبراهه، نوع خاک، بارش، تبخیر، جاده و NDVI استفاده شد. برای استانداردسازی این لایه‌ها از عضویت خطی فازی و برای ترکیب آنها از پوشش گامای فازی استفاده می‌شود. بر اساس نتایج این مطالعه، قسمت شمال غربی منطقه مورد مطالعه برای برداشت آب باران مناسب است. یازده سایت بالقوه، انتظار می رود پتانسیل بالایی برای RWH داشته باشند، با توجه به معیارهای هدف انتخاب شدند. عراق به ابزارهای علمی نیاز مبرمی دارد که به برنامه ریزان در سطوح مختلف دولتی برای مبارزه با کمبود آب و صرفه جویی در هزینه و زمان مورد نیاز برای انتخاب بهترین سایت های RWH کمک کند. نقشه نهایی می تواند به تصمیم گیرندگان، سرمایه گذاران و سایر ذینفعان کمک کند تا با انتخاب مکان های مناسب برای RWH، مدیریت منابع آب را بهبود بخشند و از آب در مناطق خشک و نیمه خشک صرفه جویی کنند.

منابع

  1. Watkins, K. Human Development Report 2006-Beyond Scarcity: Power, Poverty and the World Crisis Water ; برنامه توسعه سازمان ملل متحد (UNDP): نیویورک، نیویورک، ایالات متحده آمریکا، 2006. [ Google Scholar ]
  2. Qi، Q. مروه، ج. موامیلا، سل؛ گوئنزی، دبلیو. Noubactep، C. ساختن برداشت آب باران راه حلی کلیدی برای مدیریت آب: جهانی بودن مفهوم کلیمانجارو. پایداری 2019 ، 11 ، 5606. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  3. مجمع جهانی اقتصاد گزارش خطرات جهانی 2019 ، ویرایش چهاردهم؛ مجمع جهانی اقتصاد: ژنو، سوئیس، 2019. [ Google Scholar ]
  4. کومو، ام. وارد، پی جی. دی موئل، اچ. واریس، او. آیا کمبود فیزیکی آب یک پدیده جدید است؟ ارزیابی جهانی کمبود در دو هزاره اخیر محیط زیست Res. Lett. 2010 ، 5 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  5. لیو، جی. یانگ، اچ. گاسلینگ، SN; کومو، ام. فلورکه، ام. فایستر، اس. هاناساکی، ن. وادا، ی. ژانگ، ایکس. ژنگ، سی. و همکاران ارزیابی کمبود آب در گذشته، حال و آینده آینده زمین 2017 ، 5 ، 545-559. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  6. گری، دی. سادوف، سی دبلیو سینک یا شنا؟ امنیت آب برای رشد و توسعه سیاست آب 2007 ، 9 ، 545-571. [ Google Scholar ] [ CrossRef ]
  7. مقدادی، س. عمر، م. ابو، ر. نقشینه، ع. اختلاف بر سر مدیریت منابع آب – عراق و ترکیه. جی. محیط زیست. Prot. 2016 ، 7 ، 1096-1103. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  8. الوان، IA; کریم، HH; عزیز، NA مناطق کشاورزی-اقلیمی (ACZ) با استفاده از داده های ماهواره ای آب و هوایی در جمهوری عراق. در سری کنفرانس های IOP: علم و مهندسی مواد ; IOP: لندن، بریتانیا، 2019. [ Google Scholar ]
  9. الصباح، بی جی; Halboose، AT; الغفور، SA; حسن، TK; محمد، ای جی؛ ساجت، AL تغییر فصلی برخی عناصر غذایی برای رودخانه دجله در میسان. ج ذی قار علم. 2011 ، 2 ، 127-133. [ Google Scholar ]
  10. سازمان بین المللی مهاجرت (IOM). ارزیابی جابجایی ناشی از کمبود آب در میسان، مثنی، ثی قار و بصره . سازمان بین المللی مهاجرت: ژنو، سوئیس، 2019. [ Google Scholar ]
  11. مرکز هماهنگی واکنش اضطراری (ECHO). عراق—سیل (DG ECHO، WHO، IRCS، NOAA) (فلش روزانه ECHO از 9 آوریل 2019 ؛ مرکز هماهنگی واکنش اضطراری: رم، ایتالیا، 2019. [ Google Scholar ]
  12. جمعیت هلال احمر عراق واسط و میسان بیش از همه تحت تأثیر تورنت ها هستند و هلال احمر عراق تیم های امدادی خود را برای ارائه سرپناه، غذا و کمک های امدادی بسیج می کند . جمعیت هلال احمر عراق: بغداد، عراق، 2019. [ Google Scholar ]
  13. Mekdaschi، SR; Liniger, H. Water Harvesting: Guidelines to Good Practice ; مرکز توسعه و محیط زیست (CDE): رم، ایتالیا، 2013. [ Google Scholar ]
  14. رحمان، الف. پیشرفت‌های اخیر در مدل‌سازی و اجرای سیستم‌های برداشت آب باران به سمت توسعه پایدار. Water 2017 , 9 , 959. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. العبادی، ع.م. الشما، ع.م. الجباری، MH یک مدل DRASTIC مبتنی بر GIS برای ارزیابی آسیب‌پذیری ذاتی آب‌های زیرزمینی در شمال شرقی استان میسان، جنوب عراق. Appl. اب. علمی 2014 ، 7 ، 89-101. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  16. Isioye، OA; شبه، مگاوات؛ مومو، یو. باکو، CN یک سیستم پشتیبانی تصمیم گیری چند معیاره (MDSS) برای شناسایی سایت(های) برداشت آب باران در زاریا، ایالت کادونا، نیجریه. بین المللی J. Adv. علمی مهندس تکنولوژی Res. 2012 ، 1 ، 53-57. [ Google Scholar ]
  17. فرنی، جی. لیوزو، L. اثربخشی سیستم های جمع آوری آب باران برای کاهش سیل در مناطق مسکونی شهری. Water 2019 , 11 , 1389. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  18. شانبله، ع. الروزوق، ر. یلماز، AG; صدیق، م. مرابتنه، تی. ایمتاز، کارشناسی ارشد اثرات تغییر پوشش زمین بر سیلاب های شهری و برداشت آب باران: مطالعه موردی در شارجه، امارات. Water 2018 , 10 , 631. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  19. گوپتا، KK; دلسترا، جی. Sharma، KD برآورد پتانسیل برداشت آب برای یک منطقه نیمه خشک با استفاده از GIS و سنجش از دور . IAHS: Wallingford، UK، 1997. [ Google Scholar ]
  20. جابر، WM; الاعوار، FA GIS و فرآیند سلسله مراتبی تحلیلی برای مکان یابی مخازن برداشت آب، بیروت، لبنان. جی. محیط زیست. مهندس 2005 ، 122 ، 515-523. [ Google Scholar ]
  21. مبیلینی، بی. تومبو، اس. ماهو، اچ. Mkiramwinyi، F. سیستم پشتیبانی تصمیم مبتنی بر GIS برای شناسایی مکان‌های بالقوه برای برداشت آب باران. فیزیک شیمی. زمین 2007 ، 32 ، 1074-1081. [ Google Scholar ] [ CrossRef ]
  22. Sayl، KN; محمد، NS; الشافی، الف. رویکرد قوی برای موقعیت‌یابی بهینه و رتبه‌بندی ساختار جمع‌آوری آب باران بالقوه (RWH): مطالعه موردی عراق. عرب جی. ژئوشی. 2017 ، 10 ، 413. [ Google Scholar ] [ CrossRef ]
  23. العبادی، ع.م. شهید، س. غالب، ح.ب. Handhal، AM یک مدل فرآیند تحلیل سلسله مراتبی و منطق فازی یکپارچه مبتنی بر GIS برای ارزیابی مناطق برداشت آب در شمال شرقی استان میسان، عراق. عرب J. Sci. مهندس 2017 ، 42 ، 2487-2499. [ Google Scholar ] [ CrossRef ]
  24. بکیر، م. Xingnan، Z. GIS و کاربردهای سنجش از دور برای برداشت آب باران در صحرای سوریه (البادیا). در مجموعه مقالات دوازدهمین کنفرانس بین المللی فناوری آب، IWTC12، اسکندریه، مصر، 27 تا 30 مارس 2008. [ Google Scholar ]
  25. رهی، ک.ا. المدحاچی، ع.-ST; الحسینی، ارزیابی SN منابع آب سطحی شرق عراق. هیدرولوژی 2019 ، 6 ، 57. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  26. الوان، IA; کریم، آی آر; محمد، MJ مدلسازی سیستم برداشت آب با استفاده از ابزار ارزیابی آب خاک (SWAT) (مطالعه موردی در عراق). در مجموعه مقالات دومین کنفرانس بین المللی ساختمان، ساخت و ساز و مهندسی محیط زیست (BCEE2-2015)، بیروت، لبنان، 17-18 اکتبر 2015; پ. 51. [ Google Scholar ]
  27. خییون، ت.ص. الوان، IA; مدل هیدر، AM هیدرولوژیکی برای حوضه آبریز مخزن سد همرن در بخش میانی رودخانه دیالی در عراق با استفاده از مدل ArcSWAT. Appl. علوم آب 2019 ، 9 ، 133. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  28. خو، ی. سان، ج. ژانگ، جی. خو، ی. ژانگ، ام. لیائو، ایکس. ترکیب AHP با GIS در ارزیابی ترکیبی تناسب محیطی برای زندگی در 35 شهر بزرگ چین. بین المللی جی. جئوگر. Inf. علمی 2012 ، 26 ، 1603-1623. [ Google Scholar ] [ CrossRef ]
  29. Malczewski، J. تجزیه و تحلیل تصمیم چند معیاره مبتنی بر GIS: بررسی ادبیات. بین المللی جی. جئوگر. Inf. علمی 2006 ، 20 ، 703-726. [ Google Scholar ] [ CrossRef ]
  30. Malczewski، J. تجزیه و تحلیل مناسب کاربری زمین مبتنی بر GIS: مروری انتقادی. Prog. طرح. 2004 ، 62 ، 3-65. [ Google Scholar ] [ CrossRef ]
  31. سریواستاوا، وی. Srivastava، HB; مدل‌سازی ژئوماتیکی مبتنی بر گامای RC فازی لاخرا برای حساسیت خطر زمین لغزش در بخشی از دره رودخانه تن، شمال غربی هیمالیا، هند. Geomat. نات خطر خطرات 2010 ، 1 ، 225-242. [ Google Scholar ] [ CrossRef ]
  32. چن، ی. خان، س. پایدار، ز. بازنشستگی یا توسعه؟ چارچوب ارزیابی چند معیاره فضایی مبتنی بر GIS فازی برای کشاورزی آبی آبیاری زه کشی. 2010 ، 59 ، 174-188. [ Google Scholar ] [ CrossRef ]
  33. ریکالوویچ، آ. کوزیک، آی. Lazarevic، D. تجزیه و تحلیل چند معیاره مبتنی بر GIS برای انتخاب مکان صنعتی. Procedia Eng. 2014 ، 69 ، 1054-1063. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  34. ادهم، ع. ریکسن، ام. اوسر، م. Ritsema, C. شناسایی مکان‌های مناسب برای سازه‌های برداشت آب باران در مناطق خشک و نیمه‌خشک: مروری. بین المللی حفظ آب خاک Res. 2016 ، 4 ، 108-120. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  35. عزیز، ن.ا. حسن، ر.ح. عبدالرزاق، ZT انتخاب مکان بهینه برای چاه های آب زیرزمینی با استفاده از ادغام بین GIS و داده های هیدروژئوفیزیکی. مهندس تکنولوژی J. 2018 , 36 , 596-602. [ Google Scholar ] [ CrossRef ]
  36. الوان، IA; کریم، HH; Aziz, NA سفره آب زیرزمینی مناسب برای اهداف آبیاری با استفاده از رویکرد تصمیم گیری چند معیاره در استان صلاح الدین/عراق. AgriEngineering 2019 ، 1 ، 303-323. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  37. عباسی، OE; عزیز، ن.ا. عبدالرزاق، ز.ت. Etuk، SE داده های ژئوفیزیکی یکپارچه و تکنیک GIS برای پیش بینی موقعیت های بالقوه آب های زیرزمینی در بخشی از جنوب شرقی نیجریه. عراقی J. Sci. 2019 ، 60 ، 1013-1022. [ Google Scholar ]
  38. العبادی، ع. تحلیل هیدرولوژیکی و هیدروژئولوژیک استان میسان شمال شرقی، جنوب عراق با استفاده از سیستم اطلاعات جغرافیایی. دکتری پایان نامه، دانشگاه بغداد، بغداد، عراق، 2012. [ Google Scholar ]
  39. جاسم، اس. گاف، جی سی زمین شناسی عراق ; دولین، موزه پراگ و موراویا: برنو، جمهوری چک، 2006. [ Google Scholar ]
  40. بلن، آرسی دانینگتون، HV; وتزل، آر. مورتون، D. Lexique Stratigraphique International، Asie. عراق. بین المللی جئول کنگر. Comm. استراتیگر. 1959 ، 3 ، 333. [ Google Scholar ]
  41. ناسا راهنمای کاربر مجموعه ماموریت توپوگرافی رادار شاتل (SRTM). 2015. در دسترس آنلاین: https://lpdaac.usgs.gov/documents/179/SRTM_User_Guide_V3.pdf (در 29 فوریه 2020 قابل دسترسی است).
  42. Strahler، تحلیل هیپسومتری (منطقه-ارتفاع) توپولوژی فرسایشی. Geolsoc. صبح. گاو نر 1952 ، 63 ، 1117-1142. [ Google Scholar ] [ CrossRef ]
  43. الوان، IA; زیبون، ع. Khalaf, AG مقایسه نه شاخص خشکسالی هواشناسی در منطقه فرات میانی طی دوره 1988 تا 2017. Int. J. Eng. تکنولوژی 2018 ، 7 ، 602-607. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  44. عبدالرزاق، ز.ت. حسن، رح. عزیز، NA داده های TRMM و شاخص بارش استاندارد شده را برای نظارت بر خشکسالی هواشناسی یکپارچه کردند. مدنی مهندس J. 2019 ، 5 ، 1590-1598. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  45. Beaudoing، H.; رودل، ام. ناسا/GSFC/HSL. GLDAS Noah Land Surface Model L4 3 ساعتی 0.25 × 0.25 درجه V2.1 ; مرکز خدمات داده‌ها و اطلاعات علوم زمین گدارد (GES DISC): Greenbelt، MD، ایالات متحده آمریکا، 2016. [ Google Scholar ]
  46. رودل، ام. هاوسر، روابط عمومی جامبور، UEA؛ گوتشالک، جی. میچل، ک. منگ، سی جی. Arsenault، K. کازگرو، بی. راداکوویچ، جی. بوسیلویچ، م. و همکاران سیستم جهانی همسان سازی داده های زمین. گاو نر صبح. هواشناسی Soc. 2004 ، 85 ، 381-394. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  47. کارلسون، TN; Ripley، DA در مورد رابطه بین NDVI، پوشش گیاهی کسری، و شاخص سطح برگ. سنسور از راه دور محیط. 1997 ، 62 ، 241-252. [ Google Scholar ] [ CrossRef ]
  48. البرکات، ر. Lakshmi، V. مقایسه شاخص گیاهی تفاوت نرمال شده برگرفته از Landsat، MODIS، و AVHRR برای باتلاق های بین النهرین بین سال های 2002 و 2018. Remote Sens. 2019 ، 11 ، 1245. [ Green Version ]
  49. ایستمن، جی آر. جیانگ، اچ. Toledano, J. تصمیم گیری چند معیاره و چند هدفه برای تخصیص زمین با استفاده از GIS. در تحلیل چند معیاره برای مدیریت کاربری زمین ; Springer: برلین/هایدلبرگ، آلمان، 1998; ص 227-251. [ Google Scholar ]
  50. ووگد، ح. ارزیابی چند معیاره برای برنامه ریزی شهری و منطقه ای ; Pion: لندن، انگلستان، 1983. [ Google Scholar ]
  51. Zadeh, LA Fuzzy sets. Inf. Control 1965 ، 8 ، 338. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  52. شهابی، ح. هاشم، م. احمد، BB سنجش از دور و نقشه‌برداری حساسیت زمین لغزش مبتنی بر GIS با استفاده از روش‌های نسبت فرکانسی، رگرسیون لجستیک و منطق فازی در حوضه زاب مرکزی، ایران. محیط زیست علوم زمین 2015 ، 8647 ، 8647. [ Google Scholar ] [ CrossRef ]
  53. کریچلی، دبلیو. سیگرت، ک. چپمن، سی. Finkel, M. Water Harvesting، راهنمای دستی برای طراحی و ساخت طرح‌های برداشت آب برای تولید گیاهی . سازمان غذا و کشاورزی سازمان ملل متحد: رم، ایتالیا، 1991; در دسترس آنلاین: www.fao.org/docrep/u3160e/u3160e07.htm (در 18 مارس 2020 قابل دسترسی است).
  54. Sayl، KN; محمد، NS; الشافیع، الف. شناسایی مکانهای بالقوه برای برداشت رواناب . Thomas Telford Ltd.: لندن، بریتانیا، 2019؛ جلد 172، صص 135–148. [ Google Scholar ]
  55. الاردینی، کارشناسی ارشد انتخاب مکان‌های بالقوه برداشت آب با استفاده از سیستم اطلاعات جغرافیایی و سنجش از دور در دره الثارثار، نینوا غربی، عراق. Tikrit J. Pure Sci. 2018 ، 20 ، 142-150. [ Google Scholar ]
  56. Al-Adamat، R. GIS به عنوان یک سیستم پشتیبانی تصمیم برای استقرار حوضچه های برداشت آب در آبخوان بازالت/شمال اردن. جی. محیط زیست. ارزیابی کنید. مدیر سیاست 2008 ، 10 ، 189-206. [ Google Scholar ] [ CrossRef ]
  57. Oweis، TY; پرینز، دی. Hachum، AY برداشت آب باران برای کشاورزی در مناطق خشک . CRC Press: Boca Raton، FL، USA، 2012. [ Google Scholar ]
  58. Tauer، W. Humborg, G. رواناب آبیاری در منطقه ساحل: سنجش از دور و سیستم های اطلاعات جغرافیایی برای تعیین مکان های بالقوه . Margraf: Weikersheim، آلمان، 1992. [ Google Scholar ]
  59. عفت، HA; حسن، OA طراحی و ارزیابی سه مسیر بزرگراه جایگزین با استفاده از فرآیند تحلیل سلسله مراتبی و تحلیل مسیر کم‌هزینه، کاربرد در شبه جزیره سینا، مصر. مصر. جی. ریموت. Sens. Space Sci. 2013 ، 16 ، 141-151. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Ijgi 09 00235 g001 550
شکل 1. موقعیت منطقه مورد مطالعه (استان میسان).
Ijgi 09 00235 g002 550
شکل 2. مدل رقومی ارتفاع (DEM) برای منطقه مورد مطالعه.
Ijgi 09 00235 g003 550
شکل 3. مراحل اصلی برای استخراج ترتیب جریان بر اساس DEM.
Ijgi 09 00235 g004 550
شکل 4. نقشه درصد افزایش شیب.
Ijgi 09 00235 g005 550
شکل 5. نقشه درون یابی نرخ بارندگی ماهانه بر اساس داده های ماموریت اندازه گیری بارندگی گرمسیری (TRMM) (میلی متر در ماه).
Ijgi 09 00235 g006 550
شکل 6. نقشه درون یابی شده برای نرخ تبخیر بالقوه ماهانه بر اساس داده های سیستم جهانی همسان سازی داده های زمین (GLDAS).
Ijgi 09 00235 g007 550
شکل 7. لایه شاخص گیاهی تفاوت عادی شده (NDVI)، بر اساس تصاویر Landsat 8.
Ijgi 09 00235 g008 550
شکل 8. شطرنجی جاده ها با استفاده از تابع فاصله اقلیدسی.
Ijgi 09 00235 g009 550
شکل 9. نقشه خاک سازمان خواربار و کشاورزی (FAO).
Ijgi 09 00235 g010 550
شکل 10. مدل برداشت آب باران با استفاده از پوشش گامای فازی.
Ijgi 09 00235 g011 550
شکل 11. استانداردسازی لایه های معیار با استفاده از عضویت خطی فازی (FLM).
Ijgi 09 00235 g012 550
شکل 12. نقشه RWH با استفاده از پوشش گامای فازی.
Ijgi 09 00235 g013 550
شکل 13. مکان های بالقوه برداشت آب باران.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید