مقایسه‌ی برخی روش‌های میان‌یابی زمین‌آماری و قطعی در برآوردن عمق آب زیرزمینی (مطالعه‌موردی: دشت ایرانشهر- بمپور)

فصلنامه علمی مهندسی منابع آب

مقاله 8، دوره 10، شماره 33، مرداد و شهریور 1396، صفحه 83-100   

نوع مقاله: مقاله پژوهشی

نویسندگان

ام البنین پودینه¹؛ معصومه دلبری^{* 2}

¹دانش آموخته کارشناسی ارشد مهندسی منابع آب، دانشکده آب و خاک، دانشگاه زابل

²دانشیار گروه مهندسی آب، دانشکده آب و خاک، دانشگاه زابل

تاریخ دریافت: 20 تیر 1393،  تاریخ بازنگری: 21 دی 1393،  تاریخ پذیرش: 28 مهر 1396 

چکیده

       در این تحقیق برخی روش­های میان­یابی برای تخمین عمق آب زیرزمینی دشت ایرانشهر- بمپور در سه مقطع زمانی 1382، 1386 و 1391 در ماه‌های اردیبهشت و مهر مورد ارزیابی قرار گرفتند. داده­های عمق آب مربوط به 42 تا 48 حلقه چاه موجود در سطح دشت بودند. روش­های مورد استفاده شامل کریجینگ معمولی (OK)، کریجینگ عام (UK)، وزن‌دهی عکس فاصله (IDW)، توابع پایه­شعاعی (RBF) و چند جمله‌ای محلی (LPI) بودند. برای ارزیابی عملکرد روش‌ها، از فن اعتبارسنجی متقابل و معیارهای آماری ضریب تبیین (R²)، جذر میانگین مربعات خطا (RMSE)، و میانگین انحراف خطا (MBE) استفاده شد. نتایج تحلیل آماری حاکی از بالا بودن واریانس و ضریب تغییرات عمق آب زیرزمینی و افزایش متوسط عمق آب در طی سال­های گذشته، بویژه از سال 1382 تا 1386 به­دلیل وقوع خشکسالی بوده اند. برای تشخیص روند از ترسیم نیم­تغییرنمای جهت­دار عمق آب زیرزمینی در هر دوره استفاده شد. روش UK با مدل کردن رویه روند با استفاده از چندجمله­ای­های درجه 1 و 2 و مقایسه مدل­های مختلف نیم­تغییرنما مورد ارزیابی قرار گرفت. بر اساس نتایج ارزیابی متقابل از بین روش‌های زمین‌آماری (OK و UK)، روش OK برای سال‌های 82 و 91 با مدل نیم­تغییرنمای کروی، و روش UK با مدل نیم­تغییرنمای‌ J-bessel و درجه­روند 2 و 1 به­ترتیب برای اردیبهشت و مهر 86 بالاترین دقت را داشتند. از طرفی، نتایج ارزیابی متقابل، نشان دادند که از بین تمامی روش­های میان­یابی به­کار گرفته شده، روش قطعی LPI با RMSE برابر با 94/6، 87/5 و 65/8 متر به­ترتیب برای اردیبهشت­ماه سال­های 1382، 1386، و 1391 و 86/6، 54/6 و 68/8 متر به­ترتیب برای مهرماه سال­های 1382، 1386 و 1391 بهترین روش میان‌یابی بوده است. نقشه‌های پهنه‌بندی به­دست آمده حاکی از افت سطح آب زیرزمینی، و وقوع بحران آب در سال­های اخیر در سطح منطقه می‌باشد، بنابراین، به­منظور استفاده بهتر از منابع آب و دسترسی به کشاورزی پایدار در منطقه، بایستی راهکارهای مدیریتی از جمله کنترل برداشت، تغییر الگوی زراعی و دگرگونی روش‌های آبیاری در نظر گرفته شوند.

کلیدواژه‌ها

تخمین؛ عمق آب زیرزمینی؛ روند؛ کریجینگ معمولی؛ کریجینگ عام؛ میان‌یاب قطعی؛ ArcGis

عنوان مقاله [English]

Comparison of Some Geostatistical and Deterministic Interpolation Methods for Estimating Depth to the Water Table (Case study: The Iranshahr- Bampour Plain)

نویسندگان [English]

Omlbanin Podineh¹؛ Masoomeh Delbari²

²scientific staff/University of Zabol

چکیده [English]

In this study, some interpolation methods were evaluated for estimating groundwater depth in the Iranshahr- Bampour Plain during 2003, 2007 and 2012 in the months of May and October. Data used  belonged to 42- 48 wells scattered across the study area. The methods used contained geostatistical approaches of Ordinary Kriging (OK) and Universal Kriging (UK), and deterministic approaches of Inverse Distance Weighting (IDW), Radial Basis Function (RBF) and Local Polynomial Interpolation (LPI). The performance of the prediction methods was evaluated through cross-validation with comparison criteria of determination coefficient (R²), root mean square error (RMSE) and mean bias error (MBE). The statistical analysis showed a high variance and coefficient of variation of groundwater depth and an increase in the average depth to groundwater during bygone years especially during 2003-2007 period. Directional semivariograms were calculated to find out the drift direction. UK method, with the first and second-order polynomials as drift, and different semivariogram models was examined. According to cross-validation results, the best geostatistical method for estimating groundwater depth was OK (with spherical semivariogram) for 1382 and 1391, and UK with J-bessel semivariogram  model and second and first drift orders, respectively, for May and October 2007.  Moreover, the cross-validation results indicated that LPI, with RMSE equal to 6.94, 5.87 and 8.65 m, respectively, for May 2003, 2007 and 2012, and 6.86, 6.54 and 8.68 m, respectively, for October 2003, 2007 and 2012 is the best method of interpolation among others. The generated maps of groundwater depth revealed a drop in depth to groundwater; therefore, an occurrence of water crisis over the study region during the recent years. Therefore, it is necessary to consider some management scenarios including exploitation control and alteration of crop pattern and irrigation systems for an optimum use of water resources and achieving a sustainable agriculture across the region.

کلیدواژه‌ها [English]

Groundwater depth, estimation, Trend, ordinary Kriging, universal kriging, deterministic interpolator, ArcGis

مراجع

1)        ثقفیان، ب، 1391. راهنمای روش‌های توزیع مکانی عوامل اقلیمی با استفاده از داده‌های نقطه­ای (نشریه شماره 585). معاونت نظارت راهبردی وزارت نیرو.

2)        حسینعلی­زاده، م. و ع، یعقوبی.  1389. بررسی تغییرات زمانی و مکانی سطح سفره‌ی آب زیرزمینی گناباد با استفاده از زمین‌آمار. مجله علمی- پژوهشی علوم و مهندسی آبخیزداری ایران. 4: 63- 67.

3)        دلبری، م.، پ. افراسیاب و س.ر.، میرعمادی. 1389. تجزیه و تحلیل تغییرات مکانی- زمانی شوری و عمق آب زیرزمینی استان مازندران. نشریه آبیاری و زهکشی ایران. 4: 374-359.

4)        دلبری، م. و س.، جهانی. 1391. ارزیابی اثر استفاده از مدل رقومی ارتفاع (DEM) در تخمین بارش ماهانه و سالانه در استان گلستان. مجله آبیاری و زهکشی ایران.  2: 118-132.

5)        کالیراد، ز.، آ.، ملکیان و ب.، معتمدوزیری. 1392. تعیین الگوی توزیع منابع آب زیرزمینی (مطالعه موردی: حوزه آبخیز الشتر، استان لرستان). پژوهشنامه مدیریت حوزه آبخیز. 4: 57- 69.

6)        کمالی، م. و ف.، شمس. 1390. ارائه شیوه‌ای برای یافتن بهترین روش میان­یابی سطح آب زیرزمینی (مطالعه موردی). مجموعه مقالات سی‌امین گردهمایی علوم زمین. 1-7.

7)        گزارش شرکت مدیریت منابع آب ایران، دفتر پژوهش­های کاربردی، وزارت نیرو، 1391. سیستان و بلوچستان.

8)        مشعل، م.، ا.، درویشی و ح.ا.، قلیچ ثابت. 1386. ارزیابی شبکه چاه‌های مشاهده‌ای عمق آب زیرزمینی با استفاده از روش‌های زمین‌آماری در دشت اراک. سومین کنفرانس سراسری آبخیزدرای و مدیریت منابع آب و خاک کرمان. 2: 884-888.

9)        نگارش، ح. و م.، کریمی. 1390. تحلیل خشکسالی اخیر منطقه ایرانشهر به روش SPI. محیط شناسی. 37 :31-58.

10)   Akima, H. 1970. A new method of interpolation and smooth curve fitting based on local procedures. J. of Assoc. for Comput. Mach. 17: 589–602.

11)   Abedian, H., K. Mohammadi, and R., Rafiee. 2013. Optimizing monitoring network of water table by geostatistical methods. J. of Geol. and Min. Res. 5: 223-231.

12)   Agoubi, B., A. Kharroubi, S. Bouri, and H. Abida. 2010. Contribution of geostatistical modelling to mapping groundwater level and aquifer geometry, case study of Sfax’s deep aquifer, Tunisia. Middle-East J Sci Res, 6: 305-316.

13)   Ahmadi, S.H., and A. Sedghamiz. 2007. Geostatistical analysis of spatial and temporal variations of groundwater level. Environ. Mon. Assess. 129: 277-294

14)   Araghinejad, S., and D.H. Burn. 2005. Probabilistic forecasting of hydrological events using geostatistical analysis. Hydrol. Sci. J. 50: 837- 856.

15)   Brus, D.J. and G. Heuvelink. 2007. Optimization of sample patterns for universal kriging of environmental variables. Geoderma. 138: 86-95.

16)   Delbari, M., M. Bahraini Motlagh, and M. Amiri. 2013. Spatio-temporal variability of groundwater depth in the Eghlid aquifer in southern Iran. Earth Sci. Res. J.  17: 105-114.

17)   Dick, J.B. and B.M.H. Gerard. 2006. Optimization of sample patterns for universal kriging of environmental variables. Geoderma. 138: 86-95.

18)   Dirks, K.N., J.E. Hay, C.D. Stow, and D. Harris. 1998. High-resolution studies of rainfall on Norfolk Island, Part II: Interpolation of rainfall data. J. of Hydrol. 208: 187-193.

19)   Goovaerts, P. 1997. Geostatistics for natural resources evaluation. Oxford University Press, New York.

20)   Gundogdu, K.S., and I. Guney. 2007. Spatial analyses of groundwater levels using universal kriging. J. of Earth Syst. Sci. 116: 49-55.

21)   Hu, K., Y. Huang, H. Li, B. Li, D. Chen, and R.E. White. 2005. Spatial variability of shallow groundwater level, electrical conductivity and nitrate concentration, and risk assessment of nitrate contamination in North China Plain. Environ. Int. 31: 896- 903

22)   Isaaks, E.H., and R.M. Srivastava. 1989. An introduction to applied geostatistics. Oxford University Press. New York.

23)   Johnston, K., J.M. Ver Hoef, K.  Krivoruchko, and N. Lucas. 2001. Using ArcGIS geostatistical analyst. Esri Redlands. USA.

24)   Kambhammettu, B.V.N.P., P. Allena, and J.P. King. 2011. Application and evaluation of universal kriging for optimal contouring of groundwater levels. J. Earth Syst. Sci., 120: 413-422.

25)   Kitanidis, P.K. 1996. On the geostatistical approach to the inverse problem. Adv. Water Res. 19: 333-342.

26)   Kumar, V. 2007. Optimal contour mapping of groundwater levels using universal kriging- A Case Study Hydrological Sciences Journal. 52: 1038-1050.

27)   Kumar, V., and H. Remadevi. 2006. Kriging of groundwater levels- A case study. J. of Spat. Hydrol. 6: 81-94.

28)   Sahoo, S. and M.K. Jha. 2014. Analysis of spatial variation of groundwater depths using geostatistical modeling. Int. J. of Appl. Eng. Res. 9: 317-322.

29)   Sun, Y., Sh. Kang, F. Li and L. Zhang. 2009. Comparison of interpolation methods for depth to groundwater and its temporal and spatial variations in the Minqin Oasis of northwest China. Environ. Model. Soft. 24: 1163-1170.

30)   Zedek, R.A.A. 2014. Geostatistical analysis of the Gorran water protection area in Nynäshamn Municipality. Master’s thesis in physical geography and quaternary geology at the Department of Physical Geography and Quaternary Geology, Stockholm University.