ارزیابی آسیب‌ پذیری آب ‌های زیرزمینی با مدل ‌های drastic و fuzzy-ahp و صحت ‌سنجی نتایج بر اساس میزان غلظت نیترات، مطالعه موردی: محدوده فومنات استان گیلان

آب‌های زیرزمینی از مهم‌ ترین منابع تامین آب در کشاورزی و آب شرب آشامیدنی هستند. این منابع نسبت به منابع آلاینده سطحی از قبیل کودهای شیمایی و حیوانی بسیار آسیب‌پذیر هستند و تشخیص مناطق با آسیب‌پذیری بالا از اهمیت زیادی برخوردار است. هدف این پژوهش، یافتن ناحیه‌های آسیب‌پذیر آب زیرزمینی در حوضه آبریز انزلی (زیر حوضه فومنات) با استفاده از مدل‌های drastic و fuzzy-ahp است. مدل drastic از هفت لایه داده برای مدل‌سازی استفاده می‌کند که شامل عمق آب (d)، تغذیه خالص (r)، محیط اشباع آبخوان (a)، محیط خاک (s)، توپوگرافی (t)، تاثیر ناحیه غیراشباع (i) و هدایت هیدرولیکی (c) می‌باشد و دارای وزن ثابت برای پارامترهای ورودی و رتبه‌بندی ثابت برای پارامترهای فرعی است. مدل fuzzy-ahp برای بهبود وزن دهی در مدل drastic، استفاده شد. با صحت سنجی 20 چاه نیترات واقع در منطقه فومنات، به‌وسیله رگرسیون خطی چند متغیره و تک متغیره، خروجی مدل fuzzy-ahp نسبت به drastic نتایج را بهبود داد. در نقشه آسیب‌پذیری تولیدشده، روش drastic نشان داد که 0.18 درصد از مساحت منطقه دارای آسیب‌پذیری کم، 11.22 درصد متوسط، 58.33 درصد زیاد و 30.42 درصد آسیب‌پذیری خیلی زیاد بودند. سپس در fuzzy-ahp مقدار 6.99 درصد آسیب‌پذیری کم، 13.11 درصد متوسط، 56.45 درصد زیاد و 23.43 درصد خیلی زیاد شناسایی شد. هر دو مدل در شناسایی ناحیه‌های با خطر آسیب‌پذیری متوسط و زیاد، موفق عمل کردند و همبستگی مدل fuzzy-ahp با نقشه نیترات منطقه مثبت شد.

assessing groundwater vulnerability with drastic and fuzzy-ahp models and validating results based on nitrate concentration: a case study of fumanat area, guilan province

groundwater is one of the most important sources of water supply in agriculture and drinking water, nowadays. these sources are very vulnerable to surface pollutant sources such as chemical and animal fertilizers, then identifying areas with high vulnerability is one of the great importance. the aim of this research is to findout vulnerable groundwater areas in the anzali watershed (fumanet sub-basin) using drastic and fuzzy-ahp models. the drastic model uses seven data layers or parameters for modeling, including water depth (d), net recharge (r), aquifer saturation environment (a), soil environment (s), topography (t), impact of vadozone (i), and hydraulic conductivity (c), then it uses fixed weights for input parameters and fixed rankings for sub-parameters. the fuzzy-ahp model was used to improve the weighting in the drastic model. by validating 20 nitrate wells located in the fomanat region, using multivariate and univariate linear regression, the output of the fuzzy-ahp model improved the results compared to drastic. in the vulnerability map produced, the drastic method showed that 0.18% of the area had low vulnerability, 11.22% medium, 58.33% high and 30.42% very high vulnerability. then, in fuzzy-ahp, 99.6% low vulnerability, 13.11% medium, 56.45% high and 23.43% very high vulnerability were identified. both models were successful in identifying areas with medium and high vulnerability risk, and the correlation of the fuzzy-ahp model with the nitrate map of the region was positive.waters are divided into two categories, surface and underground. surface waters are more exposed to pollution, but with a general view, it can be understood that underground waters are exposed to human settlements so the possibility of sewage entering them is higher. groundwater supplies more than 60% of irrigated agriculture and 85% of drinking water resources. underground aquifers in areas that are more populated and economically rich is decreasing. groundwater as the most important source of water supply plays an important role in agricultural, drinking and industrial uses. water scarcity occurs in all populated continents. the increase in population also causes the demand for more food resources and the use of chemical fertilizers and pesticides. throughout history, groundwater has been inseparable from human life and sustainable agricultural production, but it is not evenly distributed around the world.