کاربرد روش احتمال پذیرش در ارزیابی شبکه پایش کیفی کلر آب زیرزمینی (مطالعه موردی آبخوان مشهد)

نوع مقاله : یادداشت فنی (5 صفحه)

نویسندگان

1 کارشناسی ارشد/ مهندسی منابع آب دانشگاه بیرجند.

2 دانشیار/گروه مهندسی آب دانشگاه بیرجند.

3 استادیار /گروه مهندسی آب دانشگاه بیرجند.

4 استادیار /پژوهش، گروه هیدروانفورماتیک، مرکز پژوهشی آب و محیط زیست شرق.

چکیده

آب‏های زیرزمینی به عنوان یک منبع اصلی برای مصارف شرب، کشاورزی و صنعت محسوب می‏شوند. تغییر در کیفیت آب‏های زیرزمینی که ‏معمولاً بر اثر مدیریت غلط استحصال آب زیرزمینی رخ می‏دهد، به طور مستقیم و غیر‏مستقیم مقدمه‏ای بر تخریب سایر منابع است. ‏بنابراین ایجاد یک شبکه مناسب پایش ‏کیفی برای آب‏های زیرزمینی با تعیین حداقل تعداد چاه‏‏های نمونه‏برداری موجب صرفه‏جویی در هزینه‏ها نیز ‏می‌شود. در این مطالعه روشی مبتنی بر مدل زمین‏آماری کریجینگ و تابع توزیع احتمال نرمال برای ارزیابی عملکرد شبکه ‏چاه‏های مشاهده‏ای در دشت مشهد استفاده شده است. ابتدا با تحلیل تغییرات مکانی غلظت کلر آب چاه‏های نمونه‏برداری توسط نیم‏تغییرنما، ساختار مکانی آن استخراج گردید و ‏سپس توسط الگوریتم روش احتمال پذیرش، شبکه چاه‏های مشاهده‏ای مورد ارزیابی قرار گرفت. نتایج نشان داد که عملکرد شبکه موجود یا به عبارتی دقت پذیرش آن در سطح احتمال 80 درصد برابر 1/72 درصد بدست آمده است. همچنین نتایج نشان داد که از 80 حلقه چاه ‏مورد تحلیل، تنها با استفاده از 35 حلقه چاه دقت شبکه چاه‌های مشاهده‌ای در سطح احتمال هشتاد درصد، برابر تمامی چاه‌های موجود می‌باشد و 45 چاه باقیمانده تاثیر بسیار کمی در افزایش دقت برآورد تغییرات مکانی ‏کلر در آبخوان مشهد داشتند. در نتیجه با انجام بهینه‏سازی توسط روش مذکور برای شبکه فعلی و با حذف یا جابه‌جایی این 45 نقطه، تعداد 16 نقطه پیشنهادی موجب افزایش دقت پذیرش، از 1/72 درصد به 100 درصد شده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Application of acceptance probability method in assessment of groundwater quality monitoring network (Case Study Mashhad aquifer)

نویسندگان [English]

  • S. Maghsudsangatash 1
  • A. Khashei Siuki 2
  • M. Pourreza Bilondi 3
  • M. Shafiei 4
1 MSC. Student in Water Engineering Department, University of Birjand, Birjand, Iran.
2 Associate Professor of Sciences and Water Engineering Department, University of Birjand, Birjand, Iran.
3 Assistant Professor of Sciences and Water Engineering Department, University of Birjand, Birjand, Iran.
4 Member Research Staff of the Hydroinformatic Department, East Water and Environmental Research Institute (EWERI), Mashhad, Iran
چکیده [English]

Groundwater is known to be main resources of agricultural ‎A change in groundwater quality due to wrong groundwater withdrawal management may ‎be caused to deteriorate other water resources. Quality assessment and precise monitoring ‎of the groundwater table is of a great importance. so create a proper network for groundwater quality monitoring wells to determine the minimum number of samples saves costs as well. In this research, a ‎method was used based on Kriging concept and probability function of normal distribution ‎to evaluate the performance of Mashhad plain's observatory well. This approach is based on ‎a percentage of region's area criteria with Ap accuracy compliance. first, spatial structure ‎of the sampling well's chlorine concentration was extracted by analyzing them using grid ‎semi-variogram and then observation well network was evaluated using algorithm of the acceptance probability method. The results showed that the performance of the existing network or the acceptance accuracy at the probability of 80 percent to 72/1 percent is obtained. The results also showed that of 80 wells about the analysis, using only 35 wells carefully observed in the probability level service network eighty percent against all existing wells and the remaining wells 45 impact of very little increase in the accuracy of the estimation of the spatial variations of chlorine in the aquifer of Mashhad. As a result by performing optimization by the method described for the current network and with the 45-point displacement or removal, the number 16 proposed points increases the acceptance accuracy from 72/1% to 100%.

کلیدواژه‌ها [English]

  • Quality Monitoring Network
  • Groundwater
  • Kriging
  • Semivariogram
  • Acceptance probability method
Rezaei A, Khasheisiuki A, Shahidi A (2015) Groundwater monitoring network design by using the least squares support vector machine (Ls_svm). Iran Soil and Water Research, 4(45):396-389 (In Persian)
Shafiei M, Ghahraman B, Saghafian B, Pande S, Gharari S, and Davary K (2014) Assessment of rain-gauge networks using a probabilistic GIS based approach. Hydrology Research, 45(4-5):551–562
Cheng KS, Wei C, Cheng YB, Yeh HC, and Liou JJ (2008) Rain-gauge network evaluation and augmentation using geostatistics. Hydrological Processes, 22(14):2555–2564
Delhomme JP (1978) Kriging in hydrosciences. Advances in Water Resources, 1(5):251-266
Shafiei M, Ghahraman B, Saghafian B, Pande S, Gharari S, Davary K (2014) Assessment of rain-gauge networks using a probabilistic GIS based approach. Hydrology Research, 45(4-5):551-562
Sophocleous M, Paschetto JE, Olea RA (1982) Groundwater network design for Northwest Kansas using the theory of regionalized variables. Groundwater, 20(1):48-58