بهینه سازی مدل دراستیک در ارزیابی آسیب پذیری آبخوان میمه به آلودگی نیترات

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری ژئومورفولوژی،پژوهشگاه شاخص پژوه، اصفهان

2 استادیار زمین شناسی زیست محیطی، دانشکده زمین شناسی، دانشگاه آزاد میمه، اصفهان

3 دانشیار زمین شناسی زیست محیطی، گروه زمین شناسی، دانشگاه اصفهان

4 دانشیار ژئومورفولوژی، گروه جغرافیای طبیعی، دانشگاه اصفهان

چکیده

یکی از راه های مناسب برای جلوگیری از آلودگی آبهای زیرزمینی، شناسایی مناطق آسیب پذیر آبخوان و مدیریت بهره برداری از منابع آب وکاربری اراضی است. نیترات به عنوان یکی از شاخص‌های شیمیایی آلودگی آب از دیرباز مورد توجه بوده است. هدف از این تحقیق ارزیابی آسیب پذیری آبخوان میمه به نیترات با استفاده از GIS، روش های آماری و مدل دراستیک می باشد. بر اساس روش دراستیک آسیب پذیری آبخوان میمه در محدوده آسیب پذیری کم و متوسط (128-75) قرار می‌گیرد. پس از محاسبه شاخص جدید دراستیک با استفاده از Raster Calculation در محیط ARCGIS، بار دیگر همبستگی بین غلظت نیترات در نمونه های آب زیرزمینی و شاخص دراستیک جدید محاسبه گردید. در این حالت ضریب هبستگی از 162/0 (قبل از بهینه سازی) به 842/0(بعد از بهینه سازی) افزایش یافت. همبستگی فوق در سطح احتمال 95 درصد معنی دار بود (05/0>P-value). برای تهیه نقشه پهنه بندی غلظت نیترات، نمونه برداری از 10 حلقه چاه بر اساس اصول نمونه برداری استاندارد انجام و به روش اسپکتروفتومتری مورد آنالیز قرار گرفت. سپس نقشه پهنه بندی غلظت نیترات با استفاده از مدل‌های میانیابی ترسیم شد. تلفیق دو نقشه آسیب‌پذیری و پهنه‌بندی غلظت نیترات نشان می دهد اکثر محدوده مورد مطالعه در محدوده بی خطر و کم خطر قرار دارد و تنها بخش کوچکی از منطقه که غلظت نیترات نیز در آب زیرزمینی آن بالاتر از 50 میلی گرم در لیتر است، در محدوده خطرناک طبقه بندی شده است. بر اساس نقشه پهنه بندی غلظت نیترات، بالاترین غلظت در آب‌های زیرزمینی قسمت جنوبی آبخوان میمه مشاهده گردید که ناشی از تأثیر متقابل آلودگی ناشی از فعالیت‌های کشاورزی، برگشت آب آبیاری، جنس زمین، نرخ بالاتر تغذیه، هدایت هیدرولیکی و نفوذپذیری خاک می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Drastic model optimization in vulnerability assessing of Meymeh aquifer to Nitrate Contamination

نویسندگان [English]

  • Leila Gorji 1
  • Javad Tabatabaei 2
  • Akbar Ghazifard 3
  • Mojgan Entezary 4
1 Geomorphology Ph.D. Student, Department of Geography, Research Institute of Shakhes Pajouh, Isfahan
2 Assistant Professor of Environmental Geology, Department of Geology, Azad University Meymeh, Isfahan
3 Associate Professor of Environmental Geology, Department of Geology, Faculty of Science, University of Isfahan, Isfahan
4 Associate Professor of Geomorphology, Department of Geography, Faculty of Geography, University of Isfahan, Isfahan
چکیده [English]

Locating and identifying vulnerable areas of the aquifer and managing water supplies use and land use is a good approach to preventing underground water pollution. Nitrate has always been considered as a water pollution index. The aim of this study was assessing the vulnerability of Meymeh aquifer to nitrate through GIS, statistical methods, and Drastic Model. Drastic Model identified the vulnerability of Meymeh Aquifer as low and medium (75-128). After calculating the drastic new index using Raster Calculation in ArcGIS, the correlation between nitrate concentrations in groundwater samples and the new drastic index was calculated. The correlation coefficient of -0/162 (before optimization) to0/842 (after optimization) has increased. These correlations were significant at the 95% probability level (P-value <0/05). To gain nitrate concentration maps, samples were taken through standard sampling principles from 10 wells and analyzed through spectrophotometry approach. Next, nitrate concentration maps were drawn using interpolation models. Combining vulnerability map and nitrate concentration map indicates that most of the area under study was safe and low-risk and only one area of Meymeh was a high-risk area with nitrate concentration above 50 milligrams per liter in underground water. According to the nitrate concentration zonation map, The highest concentrations were observed in groundwater in the southern region of the Meymeh aquifer is due to the interaction of pollution caused by farming activities, Return water irrigation, Lithology, Higher nutrition rates, Hydraulic Conductivity and The permeability of the soil.

کلیدواژه‌ها [English]

  • Drastic model
  • Nitrate Contamination
  • GIS
  • Meymeh aquifer

آرزومند معصومه و همکاران (1394). ارزیابی آسیب پذیری آب زیرزمینی دشت آستانه-کوچصفهان با استفاده از مدل اصلاح شدهDRASTIC- NW، نشریه آبیاری و زهکشی ایران، شماره 1، جلد 9، صص 75-82.

اصغری مقدم اصغر؛ فیجانی الهام؛ ندیری عطا لله (۱۳۸۸). ارزیابی آسیب پذیری آب زیرزمینی دشت های بازرگان و پلدشت با استفاده از مدل دراستیک بر اساس GIS، مجله محیط شناسی، سال سی و پنجم، شمارة ۵۲، صص ۵۵ - ۶۴.

امیراحمدی ابوالقاسم (1392). بررسی آسیب پذیری آبخوان دشت نیشابور با استفاده از روش دراستیک در محیط GIS، جغرافیا و مخاطرات محیطی، سال2، شماره6، صص37-56.

سازمان آب منطقه ای اصفهان (1390). بهنگام سازی بیلان منابع اب محدوده های مطالعاتی حوزه آبریز گاوخونی، مطالعات آبهای زیرزمینی.

سازمان آب منطقه ای اصفهان (1394). بهنگام سازی بیلان منابع اب محدوده های مطالعاتی حوزه آبریز گاوخونی، ارزیابی منابع آب، جلد پنجم.

عابدی کوپایی جهانگیر (1380). تاثیر لندفیل مشهد بر آلودگی منابع آب زیرزمینی، مجموعه مقالات چهارمین همایش کشوری بهداشت محیط، دانشگاه علوم پزشکی و خدمات درمانی شهید صدوقی یزد، جلد اول، صص 87-97.

معروفی صفر؛ سلیمانی سامره؛ قبادی محمد حسین؛ رحیمی قاسم؛ معروفی حسین (1391). ارزیابی آسیب پذیری آبخوان دشت ملایر با استفاده از مدل های DRASTIC و SI و SINTACs. مجله پژوهش های حفاظت آب و خاک، دوره 19، شماره3 ، صص141 -166.

موسسه استاندارد و تحقیقات صنعتی ایران، ویژگیهای فیزیکی و شیمیایی آب آشامیدنی، استاندارد شماره 1053.

Akhavan, S. Zare Abyaneh, H. Bayat Varkeshi, M. (2014). A Systematic Review of Nitrate Concentration in Water Resources of Iran. Iranian J Environ Health; 7(2): 205-228.

Aller, L. Bennett, T. Lehr, J.H. Petty, R.J. and Hackett, G. (1987). "Drastic: A Standardized System for Evaluating Ground Water Pollution Potential Using Hydrogeological Settings". Ada, Oklahoma: U.S. Environmental Protection Agency, EPA-600/2-87-035.

Almasri, M.N. (2008). Assessment of intrinsic vulnerability to contamination for Gaza coastal aquifer, Palestine. Journal of Environmental Management; 88, 577–593.

American Public Health Association. Standard methods for the examination of water & wastewater, (1995). 19th ed.Washington, DC: American Public Health Association.

Goudarzi, Sh, Jozi, A, Monavari, M, Karbasi, A, Hasani, AH, (2017). Assessment of groundwater vulnerability to nitrate pollution caused by agricultural practices; 52 (1):64-77.

Guo, W. Fu, Y. Ruan, B. Ge, H. Zhao, N. (2014). Agricultural non-point source pollution in the Yongding River Basin.Ecological Indicators; 36(0):254-61.

Khodae, I. K, A. Shahsavair, B. Etebari. (2006). Juvein Aquifer Vulnerability Assessment Using Drastic and God Methods. Journal of Geological Quarterly of Iran; 2(4): 73 -81.

Lasagna, M. De Luca, D.A. & Franchino, E. (2016). The role of physical and biological processes in aquifers and their importance on groundwater vulnerability to nitrate pollution, Environ Earth Sci.; 75: 961.

Gabriela Breaban, I. Paiu, M. (2012). "Application of Drastic Model and GIS for Evaluation of Aquifer Vulnerability: Study Case Barlad City Area”.Water resources and wetlands, Editors: Petre Gastescu, William Lewis Jr., Petre Breţcan Conference Proceedings, 14-16 September 2012, Tulcea – Romania ISBN: 978-606-605-038-8.

Neshat, A. Pradhan, B. Pirasteh, S. and Zulhaidi Mohd Shafri, H. (2013). Estimating groundwater vulnerability to pollution using a modified drastic model in the Kerman agricultural area, Iran. Environ Earth Sci. 13 pages.

Piscopo, G. (2001). Groundwater vulnerability map explanatory Notes-Castlereagh Catchment. Land &Water Conservation of Australia.

US EPA, (1996): Environmental Indicators of Water Quality in The United States, Washington, D.C., the office of Water, EPA, Washington, D.C, EPA 841 – R – 96 – 002.

Rodriguez-Galiano VF, Paula Mendes, M.Garcia-Soldado, M.Chica-Olmo M, and Ribeiro, L. (2014). Predictive modeling of groundwater nitrate pollution using Random Forest and multisource variables related to intrinsic and specific vulnerability: A case study in an agricultural setting (Southern Spain). Science of the Total Environment; v (476): 189–206.

آرزومند معصومه و همکاران (1394). ارزیابیآسیبپذیریآبزیرزمینیدشتآستانه-کوچصفهانبااستفادهازمدلاصلاحشدهDRASTIC- NW، نشریهآبیاریوزهکشیایران،شمارهجلدصص 75-82.

اصغریمقدماصغر؛فیجانیالهام؛ندیریعطا لله (۱۳۸۸).ارزیابیآسیبپذیریآبزیرزمینیدشتهایبازرگانوپلدشتبااستفادهازمدلدراستیکبراساس GIS،مجلهمحیطشناسی،سالسیوپنجم،شمارة۵۲، صص ۵۵-۶۴.

امیراحمدی ابوالقاسم (1392). بررسی آسیب پذیری آبخوان دشت نیشابور با استفاده از روش دراستیک در محیط GIS، جغرافیا و مخاطرات محیطی، سال2، شماره6، صص37-56.

سازمان آب منطقه ای اصفهان (1390). بهنگام سازی بیلان منابع اب محدوده های مطالعاتی حوزه آبریز گاوخونی، مطالعات آبهای زیرزمینی.

سازمان آب منطقه ای اصفهان (1394). بهنگام سازی بیلان منابع اب محدوده های مطالعاتی حوزه آبریز گاوخونی، ارزیابی منابع آب، جلد پنجم.

عابدی کوپایی جهانگیر (1380). تاثیر لندفیل مشهد بر آلودگی منابع آب زیرزمینی،مجموعه مقالات چهارمین همایش کشوری بهداشت محیط، دانشگاه علوم پزشکی و خدمات درمانی شهید صدوقی یزد، جلد اول، صص 87-97.

معروفی صفر؛ سلیمانی سامره؛ قبادی محمد حسین؛ رحیمی قاسم؛ معروفی حسین (1391). ارزیابی آسیب پذیری آبخوان دشت ملایر با استفاده از مدل های DRASTIC و SI و SINTACs. مجله پژوهش های حفاظت آب و خاک، دوره 19، شماره3، صص141-166.

موسسه استاندارد و تحقیقات صنعتی ایران، ویژگیهای فیزیکی و شیمیایی آب آشامیدنی، استاندارد شماره 1053.

Akhavan, S. Zare Abyaneh, H. Bayat Varkeshi, M. (2014). A Systematic Review of Nitrate Concentration in Water Resources of Iran. Iranian J Environ Health; 7(2): 205-228.

Aller, L. Bennett, T. Lehr, J.H. Petty, R.J. and Hackett, G. (1987). "Drastic: A Standardized System for Evaluating Ground Water Pollution Potential Using Hydrogeological Settings". Ada, Oklahoma: U.S. Environmental Protection Agency, EPA-600/2-87-035.

Almasri, M.N. (2008). Assessment of intrinsic vulnerability to contamination for Gaza coastal aquifer, Palestine. Journal of Environmental Management; 88, 577–593.

American Public Health Association. Standard methods for the examination of water & wastewater, (1995). 19th ed.Washington, DC: American Public Health Association.

Goudarzi, Sh, Jozi, A, Monavari, M, Karbasi, A, Hasani, AH, (2017). Assessment of groundwater vulnerability to nitrate pollution caused by agricultural practices; 52 (1):64-77.

Guo, W. Fu, Y. Ruan, B. Ge, H. Zhao, N. (2014). Agricultural non-point source pollution in the Yongding River Basin.Ecological Indicators; 36(0):254-61.

Khodae, I. K, A. Shahsavair, B. Etebari. (2006). Juvein Aquifer Vulnerability Assessment Using Drastic and God Methods. Journal of Geological Quarterly of Iran; 2(4): 73 -81.

Lasagna, M. De Luca, D.A. & Franchino, E. (2016). The role of physical and biological processes in aquifers and their importance on groundwater vulnerability to nitrate pollution, Environ Earth Sci.; 75: 961.

Gabriela Breaban, I. Paiu,M. (2012). "Application of Drastic Model and GIS for Evaluation of Aquifer Vulnerability: Study Case Barlad City Area”.Water resources and wetlands, Editors: Petre Gastescu, William Lewis Jr., Petre Breţcan Conference Proceedings, 14-16 September 2012, Tulcea – RomaniaISBN: 978-606-605-038-8.

Neshat, A. Pradhan, B. Pirasteh, S. and Zulhaidi Mohd Shafri, H. (2013). Estimating groundwater vulnerability to pollution using a modified drastic model in the Kerman agricultural area, Iran. Environ Earth Sci. 13 pages.
Piscopo, G. (2001). Groundwater vulnerability map explanatory Notes-Castlereagh Catchment. Land &Water Conservation of Australia.
US EPA, (1996): Environmental Indicators of Water Quality in The United States, Washington, D.C., the office of Water, EPA, Washington, D.C, EPA 841 – R – 96 – 002.
Rodriguez-Galiano VF, Paula Mendes, M.Garcia-Soldado, M.Chica-Olmo M, and Ribeiro, L. (2014). Predictive modeling of groundwater nitrate pollution using Random Forest and multisource variables related to intrinsic and specific vulnerability: A case study in an agricultural setting (Southern Spain). Science of the Total Environment; v (476): 189–206.