ارزیابی پتانسیل آب زیرزمینی با استفاده از تکنیک های AHP و منطق فازی (مطالعه ی موردی حوضه ی شمالی استان ایلام)

مقدمه

بخش اعظمی از کشور ایران به علت قرار گرفتن در ناحیه­ی آب و هوایی خشک و نیمه­خشک، میانگین بارش سالانه­ی­ خیلی پایینی دارند، بنابراین به خاطر عدم دسترسی به آب­های سطحی، منابع آب زیرزمینی در تأمین آب مصرفی در کشاورزی، شرب و صنعت نقش اساسی دارند همچنان ­که بر اساس آخرین آمار، 55% از نیاز آبی کشورمان از آب­های زیرزمینی تأمین می­شود (صداقت، 1372). در سال­های اخیر به علت وقوع خشکسالی، استفاده از آب­های زیرزمینی در کشورمان بسیار بیشتر شده است در نتیجه باید در مدیریت آب­ها نهایت دقت لحاظ گردد. تغذیه­ی آب­های زیرزمینی زمانی اتفاق می­افتد که جریان آب از سطح اساس آب زیرزمینی عبور می­کند و به داخل ناحیه­ی اشباع تراوش می­کند. از مهم­ترین فاکتورهای مؤثر بر وجود و حرکت آب­زیرزمینی در یک ناحیه­ی شامل توپوگرافی، لیتولوژی، ساختارهای زمین­شناسی، عمق هوازدگی، فضای شکستگی­ها، تخلخل اولیه، تخلخل ثانویه، شیب، الگوهای زهکشی، پوشش زمین و شرایط اقلیمی می­باشد (گرین­باوم[1]، 1992؛ موکرجی[2]، 1996؛ روی[3]، 1996؛ جیس­وال[4]، 2003). تعیین مکان­های مناسب استحصال آب شرب از آب­های محصور در سـفره­های زیرزمینی یکی از مهم­ترین چالش­های مورد بحث می­باشد. یافتن مکان­های مستعد استحصال بـا اسـتفاده از روش­های علمی نوین می­تواند از هدررفت هزینه­های گزاف حفر چاه جلوگیری کرده و طرح­ها را از نظـر اقتصادی توجیه­پذیر نماید. همچنین با استفاده از این روش­ها می­توان در مدت زمان کوتاهی منطقه وسیعی را مورد بررسی قـرار داد و مکان­های مناسب را در سطح آن منطقه تعیین نمود. در این مقاله، هدف مشخص نمودن بالاترین پتانسیل از لحاظ وجود آب زیرزمینی در بخشی از زاگرس ساده­­چین­­ خورده است. برای رسیدن به این هدف، از هشت پارامتر تأثیرگذار در نفوذ آب به داخل زمین با کمک ­گرفتن از دو روش، تحلیل AHP و منطق فازی استفاده شده است.

تاکنون در ایران از این روش­ها به صورت توأم و یا مجزا استفاده شده است. فاطمی عقدا و همکاران (۱۳۸۴)، به بررسی خطر زمین­لغزش با استفاده از روش منطق فازی در منطقه­ی رودبار پرداختند. ازغدی و همکاران (1389)، به ارزیابی حاصلخیزی خاک بر اساس فاکتورهای فسفر، پتاسیم و مواد آلی برای گندم بـا استفاده از روش­های FAHP پرداختند و نتیجه گرفتند که روش فازی AHP روش مناسـی برای پهنه­بندی پارامترهای حاصلخیزی خاک اسـت. خاشعی سیوکی و همکاران (1390)، به ارزیابی پتانسیل آب زیرزمینی با استفاده از روش سلسله مراتبی فازی ((FAHP بر اساس سه فاکتور افت، کیفیت آب و خصوصیات هیدرولیکی آبخوان در دشت نیشابور پرداخته­اند و نتیجه گرفتند که نـواحی جنوب­غربی و حاشیه­ی شرق دشت قابلیت بالایی در استحصال آب دارند.

نیکنام و همکاران (1386)، به ارزیابی آسیب­پذیری سفره­ی آب زیرزمینی تهران-کرج با روش DRASTIC  و منطق فازی پرداختند و نتایج حاصل­شده را با منطق بولین مقایسه گردید. منطق فازی توانست مناطق با پتانسیل کم و خیلی کم را که در منطقه بولین نشان داده نشده بودند، بهتر مشخص نماید.

همچنین در سایر نقاط جهان، محققان مختلف با تلفیق GIS و سنجش از دور یا استفاده از منطق فازی به بررسی آب­های زیرزمینی پرداخته­اند. لافان[5] (2003)، با استفاده از روش منطق فازی و داده­های ارتفاعی یک ابزار ارزیابی سریع را در یک ناحیه­­ی وسیع برای نواحی تخلیه­ی آب­زیرزمینی در استرالیا ارایه نموده است. ازرایل و همکاران[6] (2006)، از آنالیز GIS و بررسی مقاومت­پذیری برای ناحیه­بندی پتانسیل آب زیرزمینی در رشته­ کوه هیمالیا در هندوستان پرداخته و نشان دادند که نتایج داده­ها همخوانی خوبی با داده­های مربوط به چاه دارد. لولی و همکاران[7] (2009)، با استفاده از روش  FAHPبه ارزیابی آسیب­پذیری اکوسیستم و محـیط زیست در ناحیه­ی مخزن دنجیانگکو  (DRA)در چین پرداختند. ایمران­دار و همکاران[8] (2010)، با استفاده از سنجش از دور، مدل ارتفاعی رقومی (DEM)، GIS و داده­های صحرایی شرایط آب زیرزمینی را در حوضه­ی ماموندیار بررسی نموده­اند و ثابت کردند که استفاده از سنجش از دور و GIS به صورت همزمان ابزار سودمندی برای مطالعه آب زیرزمینی می­باشند. رادر و آندرابی[9] (2012)، به مقدار پیش­بینی پتانسیل آب­های زیرزمینی در ناحیه­ای در هندوستان از منطق فازی مبتنی بر GIS و سنجش از دور استفاده کردند.

منطقه­ی مورد مطالعه

منطقه­ی مورد مطالعه در بخش شمالی استان ایلام، با طول ¢30 °46 و ¢30 °47 شرقی و عرض ¢20 °32 و ¢32 °34 شمالی قرار دارد. به دلیل قرارداشتن این استان در بخش زاگرس ساده­چین­خورده (Simply Folded Belt)، منطقه به­ صورت چین­خورده و کوهستانی می­باشد. بخش­های وسیعی از کوهستان­های بلند بخش شمالی استان ایلام، از سازند آهکی آسماری تشکیل شده است (شکل1) که محل مناسبی برای ذخیره آب می­باشد که این استان از نظر شرایط اقلیمی جزو مناطق گرمسیر در غرب کشور محسوب مـی­گردد و در سال­های اخیر نیز مانند سایر نقاط ایران خشکسالی بر این منطقه نیز اثر گذاشته است و بیشتر روخانه­ها­ یا خشک و یا کم ­آب شده­اند این امر لزوم توجه به آب­های زیرزمینی را دو چندان کرده است.

شکل(1) موقعیت استان ایلام و نقشه­ی لیتولوژی منطقه­ی مورد مطالعه

مواد و روش­ها

داده­های مورد نیاز

پس از بررسی منابع و یافته­های علمی مرتبط با موضوع، از تصاویر ماهواره­ای ETM+ با مقیاس1:250000، نقشه­های زمین­شناسی با مقیاس 1:250000، ایلام- کوهدشت (لیوِلِن[10]، 1974) و نقشه­های زمین­شناسی 1:100000 کوهدشت (مک­لود[11]، 1972)، ایلام (سازمان زمین­شناسی و اکتشاف مواد معدنی ایران)، نفت (مک لود، 1971)، و نرم­افزارهای مرتبط  IDRISI) Arc GIS, و (Expert Choice در راستای ژئورفرنس و رقومی کردن نقشه­ها، تفسیر عوارض، تطبیق برداشت­ها و تهیه­ی لایه­های اطلاعاتی، همپوشانی آنها و تهیه­ی نقشه­های پهنه­بندی نهایی در طول فرآیند تحقیق به عنوان داده استفاده شده است. لایه­های مورد نیاز به صورت زیر تهیه شده است:

1) تهیه­ی لایه­های اطلاعاتی شامل: تغییرات شیب، تراکم زهکشی، توپوگرافی، لیتولوژی، گسل و شکستگی از نقشه­های زمین­شناسی و تصاویر ماهواره­ای ETM+.

2) تهیه­ی لایه­های اطلاعاتی کاربری اراضی، جمعیت، چشمه و چاه با کمک اطلاعات از قبل موجود در استان.

این لایه­های اطلاعاتی بر اساس سابقه­ی تحقیق، موقعیت و شرایط منطقه، مقیاس و اطلاعات موجود در بخش شمالی استان ایلام، تهیه گردیده­اند و به­ عنوان داده­ی ورودی برای مراحل ­بعدی استفاده گردید. در این مقاله از دو روش به شرح زیر استفاده شده است:

روش 1: فرآیند تحلیل سلسله مراتبی[12]:

روش AHP یکی از روش­های پرکاربرد تصمیم­گیری چند عامله است. این روش، برای حل مسایل بدون ساختار در زمینه­های مختلف مدیریت، سیاست، اقتصاد، جغرافیا و ... به­ کار می­رود (مؤمنی، 1390). AHP از طریق تقسیم هدف در قالب چند قسمت ساده (معیار) به تجزیه و تحلیل آن می­پردازد و پس از آن ­که گزینه­ها و شاخص­ها مشخص شد، به ­منظور یافتن ارزش بیرونی و در گام بعد به­ منظور یافتن ارزش درونی هر شاخص، در بین مشاهدات مقایسات زوجی انجام می­دهد. تجزیه (ایجاد سلسله مراتب)، قضاوت مقایسه­ای (به­ صورت زوجی با رعایت ساختار سلسله­مراتب) و ترکیب اولویت­ها (مبتنی بر نسبت- مقیاس در سطوح مختلف سلسله مراتـبی مسأله­ی مورد تـصمیم) اصول سـه­گانه­ی فرآیـند تـحلیل سلسله مراتـبی است (مالچفسکی، 1385). در نهایت ماتریس زوجی تشکیل می­شود که نسبت به اهمیت عوامل، از شماره 1 تا 9 می­باشد (جدول1).

جدول (1) مقایسات زوجی استفاده شده برای پارامترهای مورد استفاده

روش 2: تئوری منطق فازی

تئوری فازی، ایجاد روشی نوین در بیان عدم قطعیت­ها و ابهامات روزمره و یا حل مسایلی است که وابسته به استدلال، تصمیم­گیری و استنباط بشری هستند. برای پیش­بینی سری­های زمانی با استفاده از منطق فازی هم مدل­های بسیاری در بازه­ی زمانی 2005- 1985 مطرح شده که از آنها برای پهنه­بندی و پیش­بینی پدیده­ها می­توان استفاده کرد (گوریجر[13]، 2006). یکی از اساسی‌ترین مباحث در تئوری منطق فازی بحث تابع عضویت و چگونگی تعریف آن است. اساس اختلاف روش‌های فازی با روش‌های دیگر، در تعریف این تابع است. تابع عضویت را می‌توان درجه­ی تعلق عناصر مجموعه­ی مرجع به زیر مجموعه‌های آن دانست که به صورت C(x)µ نمایش داده می‌شود. تعلق هر عضو مجموعه مرجع به یک عضو زیر مجموعه­ی خاص، به صورت قطعی نیست. یعنی با قاطعیت نمی‌توان گفت که عضو مورد نظر متعلق به این مجموعه هست یا نه. این عدم قطعیت با نسبت دادن یک عدد بین 0 و 1 به این عضو انجام می‌گیرد. عضویت یک ­به ­یک مجموعه یعنی تعلق کامل و عضویت صفر یعنی عدم تعلق بـه مجموعه. هر چه درجه­ی عضویت به یک نزدیک­تر باشد نشانه­ی تعلق بیشتر بـه مجموعـه مورد نظر است و برعکس. به این ترتیب می‌توان زیرمجموعه­های یک مجموعه­ی فازی را با نسبت­ دادن عددهای 0 و 1 بـه هر عضو مجموعه، بازنمایی کـرد (چمپاتی ری[14]، 2007). با استفاده از تـوابع فازی می­توان نقشه­های مختلف را به تعدادی کلاس تفکیک نمود. بر این مبنا به هر کلاس از مجموعه، بر اساس میزان تأثیرگذاری، یک درجه عضویت بین صفر تا یک داده می­شود.

عملگرهای مدل منطق فازی

به منظور ترکیب لایه­های فازی از عملگرهای فازی مختلفی استفاده می­شود که شامل:

1)      ضرب جبری فازی (Fuzzy Algebraic Product):در این عملگر، تمامی لایه‌های اطلاعاتی در هم

ضرب می‌شوند. به دلیل ماهیت اعداد بین صفر و یک، این اپراتور باعث می‌شود تا در نقشه­ی خروجی اعداد کوچک‌تر شده و به سمت صفر میل کنند. در نتیجه تعداد پیکسل کمتری در کلاس خیلی بالا قرار می‌گیرد. به همین دلیل این اپراتور از حساسیت بالایی در مکان­یابی برخوردار است. این عملگر به صورت رابطه‌ی (1) (سندهام و لِگِت[15]، 1997) تعریف می‌شود:  

رابطه­­ی (1)     µ _Combination=

2) جمع جبری فازی (Fuzzy OR): این عملگر متمم مجموعه­ها محاسبه می­شود. به همین دلیل در نقشه­ی خروجی برخلاف اپراتور ضرب جبری فازی، ارزش پیکسل­ها به سمت یک میل می­کند. در نتیجه تعداد پیکسل بیشتری در طبقه­ی خیلی خوب قرار می­گیرد. این عملگر حساسیت خیلی کمی در مکان­یابی دارد. این عملگر به صورت رابطه­ی (2)، ( سندهام و لِگِت، 1997) تعریف می‌شود:

    ()µ_A∪B(x)= max {µ_A(x), µ_B(x), µ_C(x)}; x ϵ X رابطه­ی (2)     

3) اشتراک فازی (Fuzzy AND):این عملگر اشتراک مجموعه‌ها است. به این صورت که حداقل درجه‌ی عضویت را استخراج می‌کند، یعنی در بین کلیه­ی لایه‌های اطلاعاتی حداقل ارزش (وزن) هر پیکسل را استخراج کرده و در نقشه­ی نهایی منظور می‌کند. این عملگر به صورت رابطه­ی (3)، (سندهام و لِگِت، 1997) تعریف می‌شود:

رابطه­ی (3)       µ_A∩B(x)= min {µ_A(x), µ_B(x), µ_C(x)}

4) جمع جبری فازی(Fuzzy Algebraic Sum): این اپراتور مکمل حاصل ضرب جبری است. به همین دلیل در نقشه­ی خروجی برخلاف اپراتور ضرب جبری فازی ارزش پیکسل‌ها به سمت یک میل می‌کند در نتیجه تعداد پیکسل بیشتری در کلاس خیلی بالا قرار می‌گیرد (شریعت­جعفری، 1386). این عملگر به صورت رابطه­ی (4)، (سندهام و لِگِت، 1997)  تعریف می‌شود:

رابطه­ی (4)             µ _Combination = 

5) گامای فازی (Fuzzy Gamma):این عملگر بر حسب حاصل ضرب جبر فازی و حاصل جمع جبری فازی به صورت رابطه­ی (5)، (سندهام و لِگِت، 1997) تعریف می‌شود:

رابطه­ی (5)   µ _Combination = (Fuzzy Algebraic Sum)^y *(Fuzzy Algebraic Product)^1-y

که در آن y پارامتر انتخاب­شده در محدوده (0 و 1) است. وقتی y=1 باشد ترکیب همان جمع جبری فازی خواهد بود و وقتی y=0 باشد، ترکیب اصلی برابر با حاصل ضرب جبری فازی است. انتخاب صحیح و آگاهانه y بین صفر و یک مقادیری را در خروجی به وجود می‌آورد که نشان­دهنده­ی سازگاری قابل انعطاف میان گرایشات کاهشی و افزایشی دو عملگر جمع و ضرب فازی می‌باشند. نتایج به دست ­آمده از این عملگر نسبت به سایر عملگرها از دقت بیشتری برخوردار می­باشد (گرییم اف، 1379). به طور خلاصه اساس کاربرد منطق فازی در GIS مبتنی بر تبدیل نقشه­های ­برداری به نقشه­های شبکه­ای و تولید نقشه­های GRID می­باشد (مالچفسکی، 1385). پهنه­بندی به روش منطق فازی به صورت خلاصه در شکل (2)، ارایه شده است.

شکل (2) روش پهنه­بندی با استفاده از منطق فازی

بحث و نتایج

اولویت­بندی عوامل مؤثر پتانسیل آب زیرزمینی

در منطق­های کلاسیک، برای وزن­دهی به هر عامل، قسمت­هایی که به طور تقریبی از نظر ویژگی­های دیگر مشابه بوده و عامل مورد نظر تغییر می­کند در نظر گرفته می­شود و با مشاهده تغییرات این عامل و تأثیر آن بر پتانسیل آب زیرزمینی، با استفاده از جدول  (1)، بر اساس نظر و دید کارشناس نسبت به منطقه­ی عوامل به صورت دو به دو با هم مقایسه می­شوند و یکی از وزن­های جدول انتخاب می­شود که بستگی به دقت عمل، تجربه و میزان آشنایی کارشناس با منطقه دارد (کلارستاقی، 1381)، وزن­دهی بر ­اساس مدل­های بی­سیم[16] و نظریه دمپستر- شفر[17] که در آن مواردی همراه با سیستم­های خبره کاوش به کار برده می­شوند و وزن­دهی بر مبنای دانش و قضاوت کارشناسی است.

جدول (2) محاسبه­ی وزن­ها در روش AHP به منظور اضافه شدن به بانک اطلاعاتی

جدول (3) وزن های محاسبه برای پارامترهای مورد استفاده در نرم­افزار Expert Choice

در این مطالعه نیز، نتایج این مقایسه­ها به صورت یک ماتریس به نرم­افزار Expert Choice وارد شده و در خروجی آن وزن هر پارامتر تعیین شده است (جدول 2 و 3). در این تحقیق بعد از انجام مراحل فوق، از بین عوامل، پارامتر لیتولوژی بیشترین وزن (326/0) و پارامترهای توپوگرافی و جمعیت کمترین وزن (03/0) را نشان می­دهند.

 پهنه­بندی پتانسیل  آب زیرزمینی بر اساس دو روش ذکر شده

در این مقاله، برای پهنه­بندی از دو روش AHP و منطق فازی استفاده شده است. در روش AHP برای مـحاسبه­ی وزن کلاسـه­های هر یک از عوامل (آلترناتیو)، از تراکم سطح آب ­زیرزمینی در کلاسه مورد­ نظر بهره­گیری شده است. سپس وزن هر عامل که از ماتریس وزن­دهی به دست ­آمده است، در وزن کلاسه­های آن ضرب شده و وزن نرمال کلاسه­ی آن عامل، به دست آمده است (جدول 2). سپس رسترهای وزن­دار تهیه­ شده وارد محیط ArcMap شده و با هم تلفیق شده­اند (شکل 3) و در نهایت خروجی به دست ­آمده به عنوان نقشه­ی پهنه­بندی معرفی گردیده است (شکل 4).

در روش Fuzzy، به منظور تجزیه و تحلیل­های فازی، ابتدا وزن­های به دست ­آمده از روش نسبت فراوانی، را با استفاده از نرم­افزار Expert Choice نرمال­سازی نموده و به آنها عدد بین صفر و یک، داده شده است، سپس داده­ها وارد نرم­افزار Idrisi شده و با انتخاب نوع و شکل تابع عضویت، هر یک از نقشه­های مزبور فازی تهیه گردیده است (شکل 5). بعد از تهیه­ی نقشه­ها بر اساس عملگرهای فازی، اطلاعات وارد نرم­افزار ArcMap شده و از تابع Raster Calculator برای تلفیق و هم­پوشانی لایه­ها استفاده شده و خروجی نهایی به عنوان نقشه­ی پهنه­بندی تهیه گردیده است (شکل 6).

شکل (3) نقشه­ی پهنه­بندی پتانسیل آب زیرزمینی به روش AHP

شکل (4) نقشه­ی نهایی پهنه­بندی پتانسیل آب زیرزمینی بر اساسAHP

شکل (5) نقشه­های وزن­دار با استفاده از روش fuzzy

شکل (6) نقشه­­های پهنه­بندی نهایی آب زیرزمینی با روش منطق فازی، الف) عملگرAnd،

شکل (7) نقشه­­های پهنه­بندی نهایی آب زیرزمینی با روش منطق فازی  ب) عملگرOr

شکل (8) نقشه­­های پهنه­بندی نهایی آب زیرزمینی با روش منطق فازی ج) عملگر Sum

شکل (9) نقشه­­های پهنه­بندی نهایی آب زیرزمینی با روش منطق فازی جد) عملگر Product

شکل (10) نقشه­­های پهنه­بندی نهایی آب زیرزمینی با روش منطق فازی  ه‍ ( عملگر Gama.

جدول (3) محاسبه­ی درصد و مساحت پتانسل آب زیرزمینی در منطقه­ی مورد مطالعه

شکل (11) نقشه­ی مربوط به محل چشمه و چاه­ها در منطقه­ی مورد مطالعه

در نتایج حاصل از روش منطق فازی، (اشکال مربوط به روش منطق فازی)، انطباق خوبی میان روش­های تلفیق فازی Gama, Produce, Sum و And وجود دارد که بیشترین پتانسیل را در سازندهایی با جنس گچ و ژیپس که نفوذپذیری و شکستگی کمتری دارند، نشان می­دهد، این نتیجه با آنچه که در طبیعت وجود دارد تناقض دارد، زیرا سازندهایی مانند گچساران دارای پتانسیل خیلی ضعیف برای وجود آب ­زیرزمینی می­باشند. اما روش تلفیق فازی OR کاملاً متفاوت از سایر روش­­­ها است.

 این روش، تطابق خوبی با نقشه­ی نهایی حاصل از روش AHP دارد و به نظر می­آید مناسب­ترین نتیجه را از میان روش­های ذکر شده برای منطق فازی نشان می­دهد. همچنین، نتایج حاصل از روش تحلیل سلسله مراتبی با روش منطق فازی OR، همخوانی خوبی با محل چشمه­ها و چاه­های ثبت­ شده در منطقه­ی شمالی استان ایلام دارد (شکل7).

بحث و نتیجه­گیری

نقشه­های مربوط به پتانسیل آب زیرزمینی یک تلاش سیستماتیک می­باشد که به کمک فاکتورهای کلیدی و کنترل ­کننده به دست می­آید. در این تحقیق از روش منطق فازی و فرآیند تحلیل سلسله مراتبی (AHP) برای تعیین مناسب­ترین منطقه­ی استحصال آب­های زیرزمینی در بخش شمالی استان ایلام استفاده شده ­است. بکارگیری فاکتورهای سـطحی و عمقی نشانگر محل­هایی با پـتانسیل آب زیرزمینی، یـک جنبه­ی مهم از مطالعات مدیریت منابع آب می­باشد. در روش تحلیل سلسله مراتبی، از میان هشت پارامتر تأثیرگذار لیتولوژی، تراکم زهکشی­، گسل و شکستگی، تغییرات شیب، کاربری اراضی، توپوگرافی، جمعیت و چشمه و چاه، پارامتر لیتولوژی بیشترین وزن (326/0) و پارامتر توپوگـرافی کمترین وزن (032/0) را به خود اختصاص دادنـد (شکل 3 و جـدول 3). با توجه بـه شکل (3)، بالاترین نقاط پتانسیل آب زیـرزمینی در بخش­های چین­خورده­ای است که سازندهای سخت آهکی و آبرفت دیده می­شود که مکان مناسبی برای ایجاد شکستگی و انحلال و کارستی شدن این سنگ­های کربناته و تجمع آب زیرزمینی می­باشد (شکل 1). در حدود  65% از کل مساحت بخش شمالی استان ایلام، دارای پتانسیل زیاد و خیلی­زیاد و در حدود 10%  نیز استعداد خیلی کمی برای وجود آب زیرزمینی دارد. نتایج حاصل با توجه به شکل (4)، بیشترین پتانسیل مربوط به وجود سازندهای آهکی مانند آسماری و ایلام و آبرفت­ها و کمترین پتانسیل نیز مربوط به سازندهای نفوذناپذیری مانند گچساران با جنس انیدریت و گچ و سازندهای مارنی و شیلی مانند پابده و گورپی (به ترتیب) می­باشد.