تحليل آسيبپذيري آبخوان مبتني بر رويکرد هوش مصنوعي گراف (منطقه مورد مطالعه: محدوده مطالعاتي کرمان-باغين)
نویسندگان
doi
https://doi.org/10.83037/wsrcj.2026.1228805چکیده
زمينه و هدف: اين مطالعه به ارزيابي پتانسيل توسعه منابع آب زيرزميني در آبخوان کرمان-باغين با استفاده از شاخص DRASTIC و شبکه عصبي گراف (GNN) پرداخته است. GNNها به دليل توانايي در مدلسازي و تحليل ارتباطات پيچيده و غيرخطي ميان دادهها، به ويژه در دادههاي ساختار گرافي، به يکي از ابزارهاي قوي در تحليلهاي پيچيده تبديل شدهاند. استفاده از GNN براي واسنجي شاخصهاي آسيبپذيري مانند DRASTIC، به دليل قابليت مدلسازي روابط فضايي و زماني ميان عوامل مختلف مؤثر بر آسيبپذيري منابع آب، يک رويکرد نوآورانه و مؤثر به شمار ميآيد. مدل GNN براي سنجش آسيبپذيري آبخوان و غلظت نيترات در چاههاي منتخب کيفي با استفاده از دو لايه وزندهي کانولوشني براي پارامترهاي شاخص آسيبپذيري به کار گرفته شد. هدف اصلي، ارزيابي نگاه شبکهاي به وضعيت آسيبپذيري مکاني با رويکرد واسنجي شاخص آسيبپذيري است که در يک منطقه خشک و تابع شرايط کشاورزي بررسي شده است. روش پژوهش: در اين تحقيق دو رويکرد مختلف براي واسنجي آسيبپذيري بررسي شد. در رويکرد اول، به دليل ضريب همبستگي پايين بين غلظت نيترات و شاخص آسيبپذيري، واسنجي با استفاده از روش GNN انجام شد. در رويکرد دوم، پس از افزودن لايه کاربري اراضي به عنوان پارامتر مهمي در شاخص، واسنجي مجدد انجام گرديد. شاخص آسيبپذيري دراستيک براساس نوع تاثير بر شرايط هيدروژئولوژي در پايش منابع آب زيرزميني در آبخوان آبرفتي مورد استفاده قرار گرفته که براي بدست آوردن آن سه عامل وزندهي، درجهبندي و تعيين محدوده پارامترهاي شاخص حائز اهميت است. عمق تا سطح ايستابي، تغذيه خالص، محيط آبخوان، محيط خاك، توپوگرافي، محيط غيراشباع و هدايت هيدروليكي آبخوان جهت بررسي و تحليل آسيب پذيري آبخوان مورد بررسي قرار ميگيرد. تحليل عمق آب زيرزميني در چاههاي مشاهدهاي، تحليل تغذيه آبخوان مبتني بر نقشههاي شيب، نفوذپذيري خاک و بارش در سطح آبخوان، محيط آبخوان، خاک و محيط غيراشباع با استفاده از لوگهاي حفاري در منطقه، طبقهبندي شيب مبتني بر تحليل سهبعدي مدل رقومي ارتفاعي و ميزان هدايت هيدروليکي براساس قابليت انتقال محاسباتي از آزمايشات پمپاژ و ضخامت آبخوان محاسبه گرديد. يافتهها: نتايج بدست آمده از تحليل شاخص آسيبپذيري DRASTIC نشان ميدهد که ميزان آسيبپذيري در بخش باغين با توجه به تراکم بالاي اراضي کشاورزي، بيشتر بوده و اين محدوده در کلاسهاي آسيبپذيري متوسط تا زياد و زياد قرار دارد. بررسي کاربري اراضي در اين منطقه و همچنين ذات لايههاي زمينشناسي در افزايش مقدار شاخص تاثير دارد. نتايج نشان داد که اضافه کردن کاربري اراضي به شاخص آسيبپذيري موجب افزايش همبستگي بين غلظت نيترات و شاخص، از 22 درصد به 38 درصد شد. همچنين، نتايج واسنجي با استفاده از روش GNN نشان داد که ميزان همبستگي به 77 درصد افزايش يافت. اين افزايش قابل توجه در همبستگي، بهبود عملکرد مدل با توجه به ترکيب کاربري اراضي و روش GNN را تاييد ميکند. اين تحقيق نشان ميدهد که مدل GNN با قابليتهاي پيشرفته در مدلسازي روابط پيچيده فضايي و زماني، ابزاري مؤثر براي ارزيابي آسيبپذيري منابع آب زيرزميني در مناطق خشک و با بهرهبرداري بالا است. نتايج: بررسي وضعيت تغييرات سطح شاخص آسيبپذيري نشان داد که ميزان تغييرات سطح آسيبپذيري در 4 حالت شاخص DRASTIC، DRASTIC-LU، DRASTIC-GNN و DRASTIC-LU-GNN بگونهاي است که ميزان آسيبپذيري در کلاس متوسط افزايش و در کلاس آسيبپذيري کم و خيلي کم روند کاهشي داشته است. بررسي شاخص اصلاحي آسيبپذيري نشان داد که واسنجي انجام شده با اضافه شدن کاربري اراضي به عنوان يک پارامتر اضافه تاثير مناسبي داشته و توانسته ميزان کارايي شاخص را بهبود بخشد. نتايج اين مطالعه با توجه به تاثيرپذيري محيط ذاتي آبخوان از فعاليتهاي انجام شده، بخصوص فعاليتهاي کشاورزي که عرصه گستردهاي را در برميگيرد، شامل ميشود. بررسي رويکرد GNN به عنوان روش منتخب واسنجي نشان داد که اين روش باتوجه به رويکرد مبتني بر مفهوم زماني-مکاني بصورت يکپارچه توانسته در بهبود دقت آسيبپذيري تاثير داشته باشد.