مدل‌سازی خطرپذیری آلودگی آبهای زیرزمینی حوزه آبریز جنوب دریاچه نمک با استفاده از روش‌های آماری، DRASTIC و P-DRASTIC

نویسندگان

1 دانش‌آموخته کارشناسی ارشد در رشته مهندسی منابع طبیعی-آلودگی‌های محیط‌زیست، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی تهران.

2 دانشیار گروه برنامه‌ریزی و طراحی محیط، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی تهران (مسئول مکاتبات).

doi
10.30495/jest.2020.10984
چکیده

زمینه و هدف: روش‌های آماری به‌طور گسترده‌ای در مطالعات محیط‌زیستی جهت ارزیابی مخاطرات طبیعی استفاده می‌شود. از آسیب‌پذیری آبهای زیرزمینی به‌کمک روش‌های آماری برای حمایت از تصمیم‌گیری در مورد مدیریت و برنامه‌ریزی زیست‌محیطی استفاده می‌شود. در این تحقیق از بهینه‌سازی پارامترهای مدل DRASTIC، Pesticide DRASTIC و لایه کاربری اراضی (LU) بر اساس روش‌های آماری جهت مدل‌سازی خطرپذیری آلودگی آبهای زیرزمینی حوزه آبریز جنوب دریاچه نمک استفاده گردیده است.روش بررسی: در این روش لایه‌های اطلاعاتی در محیط GIS تهیه، رتبه‌بندی (قطعی و فازی-آماری)، وزن‌دهی (اصلی و آماری) و به روش هم پوشانی شاخص تلفیق گردیدند. برای مدل‌سازی از رگرسیون غیرخطی جهت رتبه‌بندی فازی-آماری (هم‌مقیاس‌سازی) و از ضرایب همبستگی پیرسونی بین غلظت نیترات با پارامترهای هم‌مقیاس‌شده مدل DRASTIC، P-DRASTIC و تحلیل حساسیت (حذف پارامتری، تک پارامتری) جهت تعیین و تصحیح وزن مناسب پارامترها استفاده شد. همپنین جهت تعیین تاثیر کاربری‌های اراضی و رتبه‌بندی آن از مدل تخریب مخدوم بر اساس میزان پتانسیل آلودگی و نیترات مشاهده‌شده آبهای زیرزمینی استفاده گردید.یافته ها: در نتیجه مدل P-RASIC-LU و RASIC-LU بر اساس رتبه‌بندی و وزن‌دهی آماری و تحلیل حساسیت حذف پارامتری، ضریب‌ همبستگی 62 درصد و سطح معنی‌داری آماری 01/0 را نشان داده و با پارامترهای نرخ تغذیه خالص، محیط آبخوان، محیط خاک، اثر منطقه غیراشباع، هدایت هیدرولیکی و کاربری اراضی به‌ترتیب با وزنهای 1/3، 0/4، 1/4، 1/3، 0/2، 0/2 و 50/2، 63/4، 15/4، 03/3، 96/1، 00/2 به عنوان بهترین مدل انتخابی مشخص شد. بر اساس این مدل قسمت‌های غربی و جنوبی آبخوان به دلیل نرخ تغذیه بالا و مواد درشت دانه در ناحیه غیر اشیاع، خاک و محیط آبخوان دارای خطرپذیری آلودگی زیادی می‌باشد.بحث و نتیجه‌گیری: با توجه به اینکه در بازبینی وزن و رتبه پارامترهای مدل با استفاده از روش آماری و GIS تا حدودی نظرات شخصی محدود شده و باعث افزایش صحت مدل گردیده است. این روش نتایج مطلوبی برای مدل‌سازی خطرپذیری آلودگی به دنبال داشته است.