| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شمارهها | 3,168 |
| تعداد مقالات | 35,197 |
| تعداد مشاهده مقاله | 50,932,394 |
| تعداد دریافت فایل اصل مقاله | 90,937,860 |
پیشبینی تابآوری آبخیز دشت مرودشت با استفاده از یک چارچوب ترکیبی مبتنی بر WoE | ||
| پژوهش های آبخیزداری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 30 آذر 1404 | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/wmrj.2025.371489.1647 | ||
| نویسندگان | ||
| سعید علیزاده1؛ رضا قضاوی* 2؛ ابراهیم امیدوار3 | ||
| 1بخش منابع طبیعی و محیط زیست دانشکده کشاورزی دانشگاه شیراز | ||
| 2گروه مهندسی طبیعت- دانشکده منابع طبیعی و علوم زمین - دانشگاه کاشان | ||
| 3گروه مهندسی طبیعت-دانشکده منابع طبیعی و علوم زمین- دانشگاه کاشان | ||
| چکیده | ||
| مقدمه و هدف در قرن پیش رو با تشدید خشکسالیها و فشار بشریت بر منابع آبهای زیرزمینی، ارزیابی تابآوری سیستمهای آبخوان بهعنوان یک شاخص کلیدی پایداری منابع آب، از اهمیت روزافزونی ویژهای برخوردار میباشد. هدف اصلی این تحقیق بکار گیری یک روش جامع برای پیشبینی تابآوری آبهای زیرزمینی در آبخیز دشت مرودشت میباشد. بدینوسیله از شاخص کمّی (Calamity Resilience System) CRS بهعنوان معیاری برای سنجش توانایی آبخوان در بازگشت به وضعیت مطلوب پس از وقوع شوکهای هیدرولوژیکی استفاده شد. این مطالعه با تلفیق مدل وزندهی شواهد (Weight of Evidence – WoE)، تکنیکهای انتخاب ویژگی پیشرفته و چندین روش اعتبارسنجی، به دنبال ارائه یک نقشه پیشبینیکننده قابلاعتماد و کاربردی برای تصمیمگیریهای مدیریتی میباشد. در نهایت، یک نقشه توزیع مکانی تابآوری آبهای زیرزمینی ایجاد میشود و عملکرد نقشه بر اساس سه روش بوتاسترپ، منحنی کالیبراسیون و اعتبارسنجی تصادفی بررسی میشود. روش پژوهشی بکار رفته بر اساس این مطالعه، تابآوری آبهای زیرزمینی آبخیز دشت مرودشت را به طور قابلاعتماد و مؤثر پیشبینی میکند. مواد و روشها منطقه مطالعاتی یکی از محدودههای مطالعاتی حوزه مهارلو و و بختگان در استان فارس دشت مرودشت - خرامه میباشد که بین طولهای جغرافیایی 52 درجه و 15 دقیقه تا 53 درجه و 27 دقیقه شرقی و بین عرضهای 29 درجه و 19 دقیقه تا 30 درجه و 25 دقیقه شمالی قرار گرفته است. دشت مرودشت از وسیعترین دشتهای ایران میباشد با حداکثر ارتفاع 3099 متر در کوه دشتک و ارتفاع متوسط 1590 متر، 8/3 درصد از سطح استان را در خود جایداده است. در این مطالعه، ابتدا ۲۱ متغیر محیطی، هیدروژئولوژیکی و اقلیمی بهعنوان عوامل تعیینکننده وضعیت آبهای زیرزمینی شناسایی و بهصورت لایههای رستری تهیه شدند. سپس، با بهکارگیری یک چارچوب انتخاب ویژگی چندمرحلهای مبتنی بر واریانس، همبستگی، همخطی و اطلاعات متقابل (Mutual Information)، تنها مؤثرترین عوامل در این مطالعه ۱۰ عامل شامل (تراکم کرنل چاههای بهرهبرداری، تراکم آبراهه، فاصله از چاههای کشاورزی و سایر لایهها برای مدلسازی نهایی انتخاب شدند. روابط بین شاخص CRS و این عوامل از طریق ادغام شواهد و محاسبه وزنهای WoE برقرار گردید. با استفاده از تجمیع وزنهای WoE نقشه نهایی تابآوری تولید و سپس بر اساس روش طبقهبندی چندکی (Quantile-based) به پنج کلاس مجزا تقسیم شد. اعتبارسنجی مدل با رویکردی جامع شامل اعتبارسنجی متقابل تصادفی، روش بوتاسترپ (1000 تکرار)، تحلیل کالیبراسیون (Brier Score) انجام شد. این دشت با 148 هزار هکتار اراضی زارعی آبی، 22 هزار هکتار اراضی دیم به قطب کشاورزی استان فارس تبدیل شده است. باوجود رونق کشاورزی و اقتصادی دشت مرودشت اما برداشت بیرویه از منابع آب زیرزمینی چالشهای مختلفی مانند افت سطح آب زیرزمینی، فرونشست و شکافهای متعددی به وقوع پیوسته است و متأسفانه خطر فرونشست در نواحی باستانی تختجمشید و نقشرستم نیز نمایان گردیده و سبب شد تا به بررسی این منطقه پرداخته شود. نتایج و بحث یافتههای اعتبارسنجی جامع در مدلسازی پیشرفته وزن شواهد نشان میدهد که مدل پیشبینیکننده شاخص تابآوری آبهای زیرزمینی (CRS) دارای عملکرد تمایز بسیار بالا (920/0= AUC) و پایداری آماری قابلاطمینان است. در آبخیز محدوده دشت مرودشت – خرامه تابآوری آب زیرزمینی با طبقات مختلف و دقت مناسب شناسایی شد و نقشه نهایی بر اساس روش طبقهبندی چندکی به پنج کلاس مجزا تقسیم گردید که شامل: بسیارکم (223/0 - 0)، کم (367/0 – 223/0)، متوسط (503/0 – 367/0)، زیاد (669/0 – 503/0)، خیلی زیاد (1 – 669/0). این طبقات منعکسکننده تغییرپذیری ذاتی دادهها میباشند، زیرا بر اساس توزیع تجربی مقادیر شاخص نرمال شده که از ترکیب وزنهای WoE عوامل مؤثر محاسبه شدند بهطوری که هر کلاس تقریباً شامل 20 درصد از سطح مطالعاتی میباشد. با توجهبه مقادیر کم شاخص تابآوری در بیشتر مناطق (میانگین = 048/0) بازگوکننده ضعف شدید تابآوری سیستم آبخوان در برابر شوکهای هیدرولوژیکی است. مناطق با کمترین تابآوری میبایست بهعنوان اولویت طرحهای مدیریتی در کاهش برداشت، تغذیه مصنوعی یا نظارت شدید موردتوجه قرار گیرند. نتیجهگیری و پیشنهادها نتایج حاصل از این تحقیق توانایی شناخت مناطق بحرانی با کمترین تابآوری را فراهم میسازد. بنابراین، پیشنهاد میگردد مناطق با کلاس بسیار کم تابآوری در اولویت اول برنامههای مدیریتی مانند کاهش برداشتهای غیرمجاز، اجرای طرحهای تغذیه مصنوعی، ایجاد مناطق حفاظتی و نظارت فنی - حقوقی شدید موردتوجه قرار گیرند. این چارچوب مدلسازی میتواند بهعنوان یک مبانی علمی قابلتعمیم برای ارزیابی تابآوری آبهای زیرزمینی در سایر دشتهای بحرانی کشور به کار گرفته شود. | ||
| کلیدواژهها | ||
| شاخص تابآوری؛ آب زیرزمینی؛ مدل سازی؛ بوت استرپ؛ مدیریت منابع آب | ||
| عنوان مقاله [English] | ||
| Forecasting the resilience of the Marvdasht Plain watershed using a combined WoE-based framework | ||
| نویسندگان [English] | ||
| Saeed Alizadeh1؛ reza Ghazavi2؛ ebrahim omidvar3 | ||
| 1Teaching and Research Assistant in Natural Resources and Environmental Engineering, University of Shiraz | ||
| 2Professor of Watershed management science and engineering, University of Kashan | ||
| 3Associate professor of watershed management science and engineering university of kashan | ||
| چکیده [English] | ||
| Introduction and Goal In the coming century, the intensification of droughts and increasing human pressure on groundwater resources will make assessing aquifer system resilience a key indicator of water resource sustainability, increasingly important. This study aims to apply a comprehensive method to predict groundwater resilience in the Marvdasht Plain watershed. The quantitative Calamity Resilience System (CRS) index was used as a criterion to measure an aquifer's ability to recover to a desirable state following hydrological shocks. By integrating the Weight of Evidence (WoE) model, advanced feature selection techniques, and multiple validation methods, this study provides a reliable and practical predictive map to support management decisions.A spatial distribution map of groundwater resilience was generated, and its performance was evaluated using three methods: bootstrap, calibration curve, and random validation. The methodology employed in this research proves to be a reliable and effective means of predicting groundwater resilience in the Marvdasht Plain watershed. Materials and Methods The study area is located in the Marvdasht-Kharameh plain, part of the Maharloo and Bakhtegan basins in Fars Province, Iran. It lies between longitudes 52°15' to 53°27' E and latitudes 29°19' to 30°25' N. As one of the largest plains in Iran, the Marvdasht plain has a maximum elevation of 3,099 m at Mount Dashtak and an average elevation of 1,590 m, covering 3.8% of the province's area (Fosfizadeh et al., 2014; Khoshakhlaq et al., 2010). This plain is a major agricultural hub for Fars province, with 148,000 hectares of irrigated land and 22,000 hectares of dry farmland. However, this agricultural and economic prosperity has led to the over-exploitation of groundwater resources, resulting in significant challenges. The declining groundwater level has triggered widespread land subsidence and fissures (Rahnama and Mirasi, 2013). Alarmingly, the risk of subsidence has now extended to the historic sites of Persepolis and Naqsh-e Rostam, underscoring the critical need for this study. Methodologically, 21 initial environmental, hydrogeological, and climatic variables identified as determinants of groundwater status were prepared as raster layers. A multi-stage feature selection framework based on variance, correlation, collinearity, and mutual information was then applied to identify the most effective predictors. This process selected 10 key factors (including kernel density of exploitation wells, watercourse density, and distance from agricultural wells) for the final modeling. The relationships between the CRS index and these factors were quantified by integrating evidence and calculating WoE weights. The final groundwater resilience map was generated by integrating these WoE weights and classified into five distinct classes using a quantile-based method. Model validation was conducted through a comprehensive approach, including random cross-validation, the bootstrap method (with 1,000 iterations), and calibration analysis (using the Brier Score). Results and Discussion The comprehensive validation of the advanced Weight-of-Evidence (WoE) model demonstrates that the predictive model for the Groundwater Resilience Index (CRS) possesses excellent discrimination performance, with a very high AUC value of 0.920, and remarkable statistical stability.In the Marvdasht-Kharameh plain watershed, groundwater resilience was successfully mapped with appropriate accuracy. The final map, classified into five distinct classes using the quantile method, is as follows: Very Low (0.100 - 0.223), Low (0.223 - 0.367), Medium (0.367 - 0.503), High (0.503 - 0.669), and Very High (0.669 - 1.000). This classification reflects the inherent variability of the data, as each class contains approximately 20% of the study area, based on the empirical distribution of the normalized index values derived from the integrated WoE weights of the effective factors.The low resilience index values prevalent across most of the area (mean = 0.48) indicate a severe weakness in the aquifer system's capacity to recover from hydrological shocks. Consequently, zones identified with the lowest resilience should be prioritized for critical management interventions, such as reducing groundwater withdrawals, implementing artificial recharge projects, and establishing intensive monitoring networks. Conclusion and Suggestions The results of this study provide a critical tool for identifying areas with the lowest groundwater resilience. It is therefore strongly recommended that zones classified as having "very low" resilience be given the highest priority in management interventions. Such interventions should include curbing unauthorized withdrawals, implementing artificial recharge projects, establishing protection zones, and enforcing strict technical and legal oversight. Furthermore, the modeling framework developed here serves as a robust and generalizable scientific basis for assessing groundwater resilience in other critically endangered aquifers across the country. | ||
| کلیدواژهها [English] | ||
| Resilience Index, Groundwater, Modeling, Bootstrap, Water Resources Management | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 115 |
||