تعداد نشریات | 44 |
تعداد شمارهها | 1,304 |
تعداد مقالات | 15,973 |
تعداد مشاهده مقاله | 52,331,702 |
تعداد دریافت فایل اصل مقاله | 15,091,735 |
مدلسازی مکانی پارامترهای کیفی آب بر اساس سازندهای زمینشناسی | ||
هیدروژئومورفولوژی | ||
دوره 8، شماره 26، خرداد 1400، صفحه 137-117 اصل مقاله (2.12 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/hyd.2021.44081.1571 | ||
نویسندگان | ||
مریم انصاری1؛ ایرج جباری* 2؛ فرهنگ سرگردی3 | ||
1دانشجوی دکترا دانشگاه رازی کرمانشاه | ||
2دانشیار گروه جغرافیا، دانشکدۀ ادبیات، دانشگاه رازی، کرمانشاه، ایران | ||
3استادیار گروه علوم و مهندسی آب، دانشکده علوم و مهندسی کشاورزی، دانشگاه رازی، کرمانشاه، ایران | ||
چکیده | ||
کشور ایران با متوسط بارندگی سالیانۀ کمتر از240 میلی متر، جزء مناطق خشک و نیمه خشک جهان است. بدین منظور در این تحقیق با انتخاب حوضۀ ایزدخواست به عنوان نمونه ای از حوضه های داخلی زاگرس برای بررسی رابطۀ بین سازندهای زمین شناسی و پارامترهای کیفی آب و مدل سازی مکانی از مدل رگرسیون وزنی جغرافیایی (GWR) استفاده شده است که در این مدل از پارامترهای مختلف کیفیت آب (EC، TDS، SAR، CL، Na، K، SO4) به عنوان متغیرهای وابسته و سازندهای زمین شناسی به عنوان متغیر مستقل استفاده شده است. ارزیابی میزان کارایی مدل در حوضۀ آبریز بر اساس ضریب تعیین (R2) انجام شد که نتایج نشان داد این مدل با قدرت تغییر پذیری مکانی بالا و ضریب تعیین بالاتر از 80/0 تأثیر سازندهای مختلف بر منابع آبی را در نقاط مختلف و مناطق بحرانی با بیش ترین آثار منفی به خوبی مشخص کرده است . در اغلب پارامترهای کیفی مانند سدیم، پتاسیم، کلر و هدایت الکتریکی بیشترین میزان همبستگی مربوط به غرب حوضه می باشد که رسوبات تبخیری موجود در حوضه از جمله گنبد نمکی در این قسمت از مهم ترین سازندهای تغییر کیفیت آب میباشند. همچنین وجود رابطۀ معنی دار پارامترهای کیفی آب با سطح اساس حوضه یا دریاچه های فصلی، نشان دهندۀ شسته شدن و حمل این رسوبات به این نقاط توسط آب های جاری میباشد که این سازندها به دلیل سست بودن، خود را به صورت بدلندها و تپه ماهورها در منطقه نشان داده اند. | ||
کلیدواژهها | ||
کیفیت آب؛ زمینشناسی؛ GWR؛ حوضۀ ایزدخواست؛ استان فارس | ||
سایر فایل های مرتبط با مقاله
|
||
مراجع | ||
Alizadeh, A. (2015). Principles of Applied Hydrology, Mashhad, Astan Quds Razavi Publication, 40, 942 p. Azizi, F., Asghari Moghaddam, A., & Nazemi, A. (2019). Groundwater Flow and Salinity Intrusion Simulation in Malekan Plain Aquifer, Iranian journal of watershed management science, 45(13), 32-43. Erfanian, M., Hossein khah, M., & Alijanpoor, A. (2013). Introduction to multivariate regression methods (OLS and GWR) in spatial modeling of land use effects on water quality, Extension and Development of Watershed Management, 1(1), 33-39. Hossein khah, M,. Erfanian, M., & Alijanpoor, A. (2016). Modeling the Effects of Land Use on Water Quality Parameters Using OLS and GWR Multivariate Regression Methods in Fars Province Watersheds, Journal of environmental studies, 42(2), 353-373 Jafari, M., & Tavili, A. (2013). Reclamation of Aridlands, Tehran, Tehran university press, 4, 396 p. Jafarian, H., Vaezihir, A., & Pirkharrati, H. (2018). TheDetermination of the Influential Parameters in Hydrochemistry of Hard Rocks and Karstic Groundwater in the West of Urmia, Iran, Journal of Hydrogeomorphology, 4(15), 75-94. Jehbez, O. (1994). Hidrochemical evaluation of Sarvestan basin with emphasis on the role of geological formations, MSc in Hydrology, University of Shiraz, 436 p. Mirkazehi Rige, M. (2013). Effect of geological formations on groundwater quality Khash Plain, MSc in Watershed Management, Faculty of Water and Soil, Department of Range and Watershed Management, University of Zabol, 120 p. Rahmati, O., Mahmoodi, N., Mosaedi, A., & Heidari, F. (2015). Assessing the effect of landuse and lithology on spring water quality in Piranshahr waters, Iranian journal of watershed management science, 27(8), 19-26. Ranjbar, Gh., & Pirasteh-Anosheh, H. (2015), A glance to the salinity research in Iran with emphasis on improvement of field crops production, Iranian journal of crop sciences, 17(2), 165-178. Shahbazi, R., & Feizneia, S. (2011). Geological effects on degradation of surface water and groundwater quality in central drainage basin of Iran (case study: Cheshme-Ali Damghan Watershed), Environmental Erosion Research Journal, 1(1), 93-104. Teimouri, M., & Asadi Nalivan, O. (2020). Assessing the impact of land use and geology on groundwater quality using multivariate statistical models and geostatistical analyses (Case Study: Part of the Hable-Rood River Basin),Journal of Hydrogeomorphology, 7(25), 97-121. Brunsdon, H., Fotheringham, S., & Charlton, M. (1996). Geographically Weighted Regression: A method for exploring spatial nonstationarity, Geographical Analysis, 28(4), 281-298. Calvache, M. L., & Bosch, A. (1997). Effects of geology and human activity on the dynamics of salt-water intrusion in three coastal aquifers in southern Spain, Environmental Geology, 30(3/4), 215-223. Drever, J. I. (1988). The geochemistry of natural waters, the University of Michigan, Prentice-Hall, 2, 437 p. Feng, C., Mao, Z., Yang, H., Fui, J., Shi, Y., Cheng, Y., Zhang, H., Niu, L., & Ashraf, M.A. (2016). Original of formation water salinity variation and its geological significance in change 9 stream Jiyuan Oilfield, Sains Malaysiana, 45(1), 9–18. Li, Y., Liu, X., Han, Z., & Dou, J. (2020). Spatial Proximity-Based GeographicallyWeighted Regression Model for Landslide Susceptibility Assessment: A Case Study of Qingchuan Area, China, Applied Sciences, 1107(10), 1-16. Meyer, R., Engesgaard, P., & Sonnenborg, T. O. (2019). Origin and dynamics of saltwater intrusion in a regional aquifer: combining 3-D saltwater modeling with geophysical and geochemical Data, Water Resources Research, 55(3), 1792-1813. Nazeer, M., & Bilal, M. (2018). Evaluation of Ordinary Least Square (OLS) and Geographically Weighted Regression (GWR) for water quality monitoring a case study for the estimation of salinity, Oceanic and coastal sea research, 17(2), 305-310. Okkonen, J., & Klove, B. (2012). Assessment of temporal and spatial variation in chemical composition of groundwater in an unconfined esker aquifer in the cold temperate climate of Northern Finland, Cold Regions Science and Technology, 71, 118-128. Pasculli, A., Palermi, S., Sarra, A., Piacentini, T., & Miccadei, E. (2014). A modelling methodology for the analysis of radon potential based on environmental geology and geographically weighted regression, Environmental Modelling and Software, 54, p. 165-181. Pratt, B., & Changa, H. (2012). Effects of land cover, topography, and built structure on seasonal water quality at multiple spatial scales, Journal of Hazardous Materials, 209– 210, 48-58. Tran, D., Xu, D., Dang, V., & Alwah, A.Q. (2020). Predicting urban waterlogging risks by regression models and internet open-data sources, Water, 879(12), 1-23. Tu, J. (2011). Spatially varying relationships between land use and water quality across an urbanization gradient explored by geographically weighted regression, Applied Geography, 24(31), 376-392. Tu, J., & Xia, Z. (2008). Examining Spatially Varying Relationships Between Land Use And Water Quality Using Geographically Weighted Regression I: Model Design And Evaluation, Science of The Total Environment, 407(1), 358-378. Xie, Z., Zhang, C., & Berry, L. (2013). Geographically weighted modelling of surface salinity in Florida Bay using Landsat TM data, Remote Sensing Letters, 4(1), 75-83. Xu, H., & Zhang, C. (2021). Investigating spatially varying relationships between total organic carbon contents and pH values in European agricultural soil using geographically weighted regression, Science of the Total Environment, 752, 1-11.
| ||
آمار تعداد مشاهده مقاله: 556 تعداد دریافت فایل اصل مقاله: 349 |