پتانسیل‌یابی منابع آب زیرزمینی با استفاده از الگوریتم حداکثر آنتروپی و سامانه اطلاعات جغرافیایی (مطالعه موردی: دشت همدان- بهار)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 آبخیزداری دانشگاه تهران،البرز، پردیس کشاورزی و منابع طبیعی دانشگاه تهران

2 گروه آبخیزداری داننشگاه ملایر

3 منابع آب دانشگاه تربیت مدرس، تهران

4 بخیزداری دانشگاه تهران

چکیده

 
چکیده
با توجه به محدودیت منابع آب زیرزمینی و تشدید نیاز بخش­های مختلف، تأمین آب برای مصارف مختلف یکی از عمده­ترین چالش­ها برای دست یافتن به توسعه پایدار محسوب می­گردد. تعیین پتانسیل یک حوضه از نظر منابع آب زیرزمینی می­تواند راهبردی مناسب در ارتقای شیوه­های سنتی و مدیریت این منابع باشد، چرا که روش­های سنتی و دستی که در جهت شناخت پتانسیل آبهای زیرزمینی به کار گرفته می­شوند، غالباً نیازمند صرف وقت و هزینه و نیروی انسانی زیادی می­باشد. در این مطالعه از الگوریتم حداکثر آنتروپی و با بهره­گیری از نرم­افزار MaxEnt جهت پتانسیل­یابی آب زیرزمینی در دشت همدان بهار استفاده شد. نتایج این تحقیق نشان داد 2/27 درصد سطح دشت دارای پتانسیل آب زیرزمینی می­باشد. همچنین بر اساس نمودار Jacnaif متغیرهای Dem، ضخامت آبخوان و زمین­شناسی مهمترین عوامل اثرگذار بر پیش­بینی نواحی دارای پتانسیل بودند و مدل بیشترین حساسیت را نسبت به این پارامترها نشان داد. نتایج نشان داد که مدل دقت قابل قبولی در شناسایی پتانسیل آب زیرزمینی دارد به طوری که دقت مدل 83/0 برآورد گردید. نتایج  حاصل از پتانسیل­یابی آب زیرزمینی با استفاده از این مدل می­تواند برای سیاست­گزاران مدیریت منابع آب زیرزمینی و همچنین در بررسی جامع برای توسعه برداشت از آب زیرزمینی در طرح­های آینده مفید واقع شود.

کلیدواژه‌ها


عنوان مقاله [English]

Applying Maximum Entropy algorithm (MAXENT) in Groundwater potential mapping, Case study: Hamedan-Bahar Plain

نویسندگان [English]

  • yousef razandi 1
  • , behnoush farokhzadeh 2
  • masoumeh yousefzadeh chabok 3
  • Teimur Teimurian 4
1 MSC. watershed managment engineering, university of tehran
2 Assistant Professor. Department of Range & Watershed Management, Faculty of Natural Resources and Environmental Sciences, Malayer University .
3 MSC. water resource engineering Tarbiat modares university
4 Ph.D. Student of Watershed Management, University of Tehran
چکیده [English]

Abstract
Considering the limited amount of underground water resources beside the increasingly need for water in different areas, to provide sufficient amount of water, seems to be a must for permanent development. It is estimated that one way to enhance the traditional methods and their management is determining the areas with potential underground water resources. As the traditional and manual methods are extremely time-consuming and needs excessive human efforts, in this study maximum antropy algorithm done by MaxEnt is used to find the potential underground resources of water in Bahar plain - Hamedan provenance.  It has been illustrated by this paper that  27.2 all areas there are capable of having underground water resources,  in addition based on jacnaif graph , Dem variables, water search thickness and geological considerations are the most important factors in the process of estimating the potential areas and the model has its maximum sensitivity toward them .It is illustrated by the research results that this model has a satisfactory accuracy in the process of finding the underground water resources with 0.83 accuracy rate .  It is believed by the researcher that this paper could help planners and be a great aid for future development in the way underground water resources could efficiently be used.  
 

کلیدواژه‌ها [English]

  • : Well
  • Maximum entropy algorithm
  • MAXENT
  • Hamedan-Bahar plain

 

رحیمی، د. 1390. پتانسیل­یابی منابع آب زیرزمینی (مطالعه موردی دشت شهرکرد). مجله جغرافیا و برنامه ریزی محیطی، شماره 44، ص 142-127.

رحیمی، د.، و ح. موسوی. 1392. پتانسیل­یابی منابع آب زیرزمینی با استفاده از مدل AHP و تکنیک GIS (مطالعه موردی: حوضه آبریز شاهرود-بسطام). نشریه جغرافیا و برنامه­ریزی. سال 17، شماره 44، ص 159-139.

مفیدیفر، م.، ع. المدرسی، م. اصلاح و ش. ملک­زاده بافقی. 1393. پتانسیل­یابی منابع آب زیرزمینی با استفاده از مدل تصمیم­گیری تحلیل سلسله مراتبی در محیط GIS (مطالعه موردی: حوضه دشت یزد- اردکان). پنجمین همایش ملی کاربرد مدل­های پیشرفته تحلیل فضایی (سنجش از دور و GIS) در آمایش سرزمین. دانشگاه آزاد اسلامی واحد یزد.

 

Allard, D., D. D’Or and R. Froidevaux. 2011. An efficient maximum entropy approach for categorical variable prediction. Europ J Soil Sci, 62:381–393.

Chenini, I., A.B. Mammou and M.Y. May. 2010. Groundwater Recharge Zone Mapping Using GIS-Based Multi-criteria Analysis: A Case Study in Central Tunisia (Maknassy Basin). Water Resour Manag, 24:921–939.

Chowdhury, A., M.K. Jha and V.M. Chowdary. 2011. Delineation of groundwater recharge zones and identification of artificial recharge sites in West Medinipur District, West Bengal using RS, GIS and MCDM techniques. Environ Earth Sci, 59(6):1209–1222.

ChungJ, F and A.G. Fabbri. 2003. Validation of spatial prediction models for landslide hazard mapping. Nat Hazards, 30(3):451–472.

Ettazarizini, S and N. El Mahmouhi. 2004. Vulnerability mapping of the Turonian limestone aquifer in the phosphate plateau (Morocco). Environ Geol, 46:113–117.

 Farokhzadeh, B., B. Attaeian, D. Akhzari1, Y. Razandi2 and O. Bazrafshan.2015. Combination of Boolean Logic and Analytical Hierarchy Process Methods for Locating Underground Dam Construction. ECOPERSIA Vol 3(3): 1065-1075.

Ganapuram, S., G.T. Vijaya Kumar, I.V. Murali Krishna, E. Kahya and M.C. Demirel. 2009. Mapping of groundwater potential zones in the Musi basin using remote sensing data and GIS. Adv Eng Softw, 40:506–518.

Ghayoumian, J., M. Mohseni Saravi, S. Feiznia, B. Nouri and Malekian. 2007. Application of GIS techniques to determine areas most suitable for artificial groundwater recharge in a coastal aquifer in southern Iran. J Asian Earth Sci, 30(2):364–374.

Hooijer, A., F. Klijn, G.B.M. Pedroli, and A.G. Van Os. 2004. Towards sustainable flood risk management in the Rhine and Meuse river basins. Synopsis of the findings of IRMA-SPONGE. River Res. Appl, 20, 343–357.

Hosseini, S.Z., M. Kappas, M. Zare Chahouki, G. Gerold, S. Erasmi and A. Rafiei Emami. 2013. Modelling potential habitats for Artemisia sieberi and Artemisia aucheri in Poshtkouh area, central Iran using the maximum entropy model and geostatistics. Ecol Inform. doi: 10.1016/j.ecoinf.2013.05.002.

lith, J., S.J. Phillips, T. Hastie, M. Dudik, Y.E. Chee and et al. 2011. A statistical explanation of MaxEnt for ecologists. Diversity and Distributions, 17: 43–57.

  • osmer, D.W and S. Lemeshow. 2000 Applied Logistic Regression. Second edition. New York, NY, USA: John Wiley and Sons.
  • oyce, M.S., P.R. Vernier, S.E. Nielsen and F.K.A. Schmiegelow. 2002. Evaluating resource selection functions. Ecological Modelling, 157:281-300.
Park, N.W. 2014. Using maximum entropy modeling for landslide susceptibility mapping with multiple geoenvironmental data sets, Environ Earth Sci, doi: 10.1007/s12665-014-3442-z.

Phillips, S.J., R.P. Anderson, R.E. Schapire. 2006. Maximum entropy modeling of species geographic distributions. Ecological Modelling, 190, 231–259.

Pourghasemi, H.R., H.R. Moradi, S.M. Fatemi Aghda, C. Gokceoglu, B. Pradhan. 2013. GIS-based landslide susceptibility mapping with probabilistic likelihood ratio and spatial multi-criteria evaluation models (North of Tehran, Iran). Arab J Geosci, doi:10.1007/s12517-012-0825-x

Prasad, R.K., N.C. Mondal, P. Banerjee, M.V. Nandakumar and V.S. Singh. 2008. Deciphering potential groundwater zone in hard rock through the application of GIS. Environ. Geol. 55(3):467–475.

Qin, C.Z., A.X. Zhu, T. Pei, B.L. Li, T. Scholten, T. Behrens and C.H. Zhou. 2011. An approach to computing topographic wetness index based on maximum downslope gradient. Precision Agriculture, 12: 32-43.

Rahmati, O., A.A Nazari Samani, M. Mahdavi, H.R. Pourghasemi and H. Zeinivand. 2014. Groundwater potential mapping at Kurdistan region of Iran using analytic hierarchy process and GIS. Arab J Geosci. doi: 10.1007/s12517-014-1668-4.

Rahmati, O., H.R. Pourghasemi and A. M.Melesse. 2016. Application of GIS-based data driven random forest and maximum entropy models for groundwater potential mapping: A case study at Mehran Region, Iran. Journal of CATENA, 137: 360-372.

Razandi, Y., H.R. Pourghasemi, N. Samani Neisani and O. Rahmati. 2015. Application of analytical hierarchy process, frequency ratio, and certainty factor models for groundwater potential mapping using GIS. Earth Sci Inform. doi: 10.1007/s12145-015-0220-8.

Sener, E., A. Davraz and M. Ozcelik. 2005. An integration of GIS and remote sensing in groundwater investigations: A case study in Burdur, Turkey. Hydrogeology Journal, 13:826-834.

Shahid, S., S.K. Nath and A.S.M.M. Kamal. 2002. GIS integration of remote sensing and topographic data using fuzzy logic for ground water assessment in Midnapur District, India. Geocarto Int. 17(3):69–74.

Singh, A.K and S.R. Prakash. 2002. An integrated approach of remote sensing, geophysics and GIS to evaluation of groundwater potentiality of Ojhala subwatershed, Mirjapur district, UP, India. In: Asian Conference on GIS, GPS, Aerial Photography and Remote Sensing, Bangkok-Thailand.

Steven, J.P., R.P. Anderson and R.E. Schapire. 2006. Maximum entropy modeling of species geographic distributions. Ecol Model. 190:231–259.

Vijith, H. 2007. Groundwater potential in the hard rock terrain of Western Ghats: a case study from Kottayam District, Kerala using resourcesat (IRS-P6) data and GIS techniques. Journal of Indian Society of Remote sensing, 35(2).

Yang, X.Q., S.P.S. Kushwaha, S. Saran, J. Xu and P.S. Roy. 2013. Maxent modeling for predicting the potential distribution of medicinal plant, Justicia adhatoda L. in Lesser Himalayan foothills. Ecol Engin. 51:83–87.