تعهد نامه

نوع مقاله : Research Paper

نویسندگان

1 کارشناس ارشد بیابان زدایی، دانشکده منابع طبیعی، دانشگاه کاشان، ایران

2 دانشجوی کارشناسی ارشد مهندسی بهداشت محیط، دانشگاه علوم پزشکی گناباد، گناباد، ایران

3 دانشیار، مرکز تحقیقات علوم بهداشتی، گروه مهندسی بهداشت محیط ، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، ایران

4 مربی ، گروه مهندسی بهداشت محیط، دانشگاه علوم پزشکی گناباد، گناباد، ایران

چکیده

زمینه و هدف: آب زیرزمینی یکی از منابع مهم بهره‌برداری در مناطق خشک و نیمه خشک ایران است. لذا پراکنش مکانی و زمانی کیفیت آب‌های زیرزمینی حائز اهمیت است. هدف از این پژوهش، ارزیابی دقت روش‌های درون‌یابی مکانی جهت پیش‌بینی پراکنش مکانی بعضی پارامترهای کیفی آب زیرزمینی نظیر سختی کل، غلظت یون کلسیم، pH، منیزیم و غلظت یون سولفات بود.
 
مواد و روش ها: در این مطالعه داده های مربوط به 44 نمونه چاه بهره‌برداری دشت گناباد مورد استفاده قرار گرفت. سپس روش‌های تابع فاصلة معکوس وزن‌دار، کریجینگ ساده، کریجینگ معمولی و کریجینگ جهانی، تابع شعاعی، تخمینگر عام و تخمینگر موضعی بررسی شد. پس از نرمال‌ سازی داده ‌ها، پلات QQ ترسیم گردید. به منظور انتخاب مدل مناسب برای برازش، روش‌های ارزیابی متقابل و خطاهای تخمین شامل MBE ، RMSE، MARE و MAPE مورد استفاده قرار گرفتند. در نهایت بهترین روش درون یابی انتخاب شد.  با استفاده از روش های زمین آمار در نرم افزار GIS نقشه های پهنه بندی پارامترهای آب زیرزمینی تهیه شد.
 
یافته ها: مدل پهنه بندی نهایی نشان داد، در قسمت میانی و جنوب غربی و غرب دشت گناباد به طور متوسط پارامترهای بررسی شده از میانگین کل آن ها در دشت کمتر بوده است. با حرکت از شمال و شمال شرق و شرق دشت به طرف مرکز، جنوب و جنوب غربی دشت غلظت و تراکم کلیه پارامترها کاهش می‌یابد.
 
 نتیجه گیری: به منظور پهنه‌ بندی پارامترهای کیفی آب، روش‌های کریجینگ بر سایر روش‌های زمین‌ آمار ارجحیت دارند.

کلیدواژه‌ها

عنوان مقاله [English]

Evaluation of Interpolation Methods to Determine Spatial Variations of Groundwater Qualitative Parameters (Case study: Gonabad Plain)

نویسندگان [English]

  • Javad Momeni Damaneh 1
  • Fatemeh Joulaei 2
  • Hosein Alidadi 3
  • Roya Peiravi 4

1 Msc of Desertification, Faculty of Natural Resources, University of Kashan, Iran

2 Student Research Committee,Department of Environmental Health Engineering, Gonabad University of Medical Sciences, Gonabad, Iran,

3 Associted Proffessor,Health Sciences Research Center,Department of Environmental Health Engineering,School of Health,Mashhad University of Medical Sciences,Mashhad, Iran.

4 Lecturer, Department of Environmental Health Engineering, Gonabad University of Medical Sciences, Gonabad, Iran

چکیده [English]

Background & objective: Groundwater is one of the exploitation important resources in arid and semi-arid areas. Therefore, the spatial and temporal distribution of groundwater quality is very important. The purpose of this study was to evaluate the accuracy of spatial interpolation methods in order to predict the spatial distribution of some groundwater quality parameters such as TH, Ca, pH, Mg and SO4-2.
 
Materials & Methods: in this study data related to 44 exploitation wells in Gonabad plain was used. Then, methods of IDW, SK, OK, UK, RBF, LPI and GPI were investigated. After normalizing the data, QQ plot was drawn. Then, in order to select, an appropriate model for fitting, mutual evaluation methods and estimation errors were used that consisted of MBE, RMSE, MARE and MAPE. Finally, the most appropriate interpolation method was chosen. Zoning maps of the water parameters were prepared by using geostatistical methods in GIS software.
 
Results: Final zoning model showed, in the center, the west south, and the west of plain concentration of surveyed parameters have been lower than their mean. By moving from the north, the east north, and the east towards the center, the south, and the west south, the parameters concentrations were decreased.
 
Conclusion: The results showed that kriging method is preferred to other geostatistical methods for zoning of the water quality parameters

کلیدواژه‌ها [English]

  • Groundwater
  • Spatial Interpolation
  • Spatial distribution
  • Gonabad Plain
1. Ayobi S, Hosseinalizadeh M. Assessment Spatial Variability of Soil Erodibility By Using of Geostatistic and GIS (Case Study Mehr Watershed of Sabzevar). Iranian Journal of Natural Resources  2007;60(2):369 - 82.
2. Shabani M. Determination of the Most Suitable Geostatistical Method for The pH and TDS Mapping of Groundwater Resources (Case Study: The Arsanjan Plain). Water Engineering. 2009;1(1):47-57.
3. Annapoorna H, Janardhana Mr. Assessment of Groundwater Quality for Drinking Purpose In Rural Areas Surrounding a Defunct Copper Mine. Aquatic Procedia. 2015;4(0):685-92.
4. Zehtabian G, Janfaza E, Asgari Hm, Nematollahi M. Modeling of Ground Water Spatial Distribution for Some Chemical Properties (Case Study in Garmsar Watershed). Iranian Journal of Range and Desert Research. 2010;17(1):61-73.
5. Nsw Tdoeac. Guidelines  for  the Assessment  and  Management  of  Groundwater Contamination Website:www.environment.nsw.gov.au: Department  of Environment  and Conservation  Nsw; 2007.
6. D'agostino V, Greene E, Passarella G, Vurro M. Spatial and Temporal Study of Nitrate Concentration in Groundwater by Means of Coregionalization. Environmental Geology. 1998;36(3-4):285-95.
7. Soleimani K, Zandi J, Zandi S. Evaluation of Geostatical Methods Efficacy for pH and TDS Mapping of Springs (Case Study: Watershead of Mirde, Kordestan). Quarterly Journal of Environmental Studies. 2012;38(64):57-66.
8. Jafarzadehhaghighifard N, Hasani A, Zinadinii A, Hassibi A. Investigation of the Adverse Effects on Water Quality Conditions of Illogical Use of Ground Water Resources at Anar Region in Kerman Province. Journal of Environmental Science and Technology. 2005 (24): 77 - 86.
9. Modeling of Ground Water Spatial Distribution for Some Chemical Properties (Case Study in Garmsar Watershed). Iranian Journal of Range and Desert Research. 2010;17(1):61-73.
10. Osati K, Salajegheh A, Arekhi S. Spatial Variation of Nitrate Concentrations in Groundwater by Geostatistics (Case Study: Kurdan Plain). Journal of Range and Watershed Management (Iranian Journal of Natural Resources). 2013;65(4):461 - 72.
11. Adhikary PP, Dash Cj, Chandrasekharan H, Rajput T, Dubey S. Evaluation of Groundwater Quality for Irrigation and Drinking Using GIS and Geostatistics in a Peri-Urban Area of Delhi, India. Arabian Journal of Geosciences. 2012;5(6):1423-34.
12. Finke P, Brus D, Bierkens M, Hoogland T, Knotters M, De Vries F. Mapping Groundwater Dynamics Using Multiple Sources of Exhaustive High Resolution Data. Geoderma. 2004;123(1):23-39.
13. Baalousha H. Assessment of a Groundwater Quality Monitoring Network Using Vulnerability Mapping and Geostatistics: A Case Study From Heretaunga Plains, New Zealand. Agricultural Water Management. 2010;97(2):240-6.
14. Hooshmand A, Delghandi M, Izadi A, Aali A. Application of Kriging and Cokriging in Spatial Estimation of Groundwater Quality Parameters. African Journal of Agricultural Research. 2011;6(14):3402-8.
15. Barca E, Passarella G. Spatial Evaluation of the Risk of Groundwater Quality Degradation. A Comparison between Disjunctive Kriging and Geostatistical Simulation. Environmental Monitoring and Assessment. 2008;137(1-3):261-73.
16. Hasanipak Aa. Earth Statistics (Geostatistical): Tehran University; 1998.
17. Masoomi Z, Menhaj Mb, Sadimesgari M, Farnaghi M. Using Fuzzy Computation in Modelling Uncertainties in Kriging Estimation Method, Case Study: Estimation of Sodium Spatial Dispersion in Zanjan Aquifer. Amirkabir Journal of Civil and Environmental Engineering (Amirkabir). 2011;43(1):69 - 78.
18. Kazemizarioun M, Nazemi A, Ashrafsadroddini Sa, Ghorbani Ma. Modeling Temporal and Spatial Variations of Soil Salinity in Downstream Lands of Hajilarchay Dam in East Azarbaijan Province Shahrekord University Electronic Journals 2013;7(12):21-31.
19. Holdaway Mr. Spatial Modeling and Interpolation of Monthly Temperature Using Kriging. Climate Research. 1996;6(3):215-25.
20. Adeli M. Evaluation of Ground Water Quality in Gorgan Township Using GIS and Geostatistics. Geographical Planning of Space Quarterly Journal. 2012;2(5):57-74.
21. Mehrjardi Rt, Jahromi Mz, Heidari A. Spatial Distribution of Groundwater Quality With Geostatistics (Case Study: Yazd-Ardakan Plain) 1. 2008.