بهینه‌سازی شبکه پایش کیفی آب زیرزمینی با استفاده از روش زمین آماری

طراحی شبکه بهینه پایش آب زیرزمینی که قادر به تهیه اطلاعات دقیق و ارزشمندی از سیستم آبی به ویژه در مناطق خشک باشد، بسیار حیاتی است و به بهبود درک ما از سیستم‌های پیچیده آب زیرزمینی کمک می‌کند. این مطالعه از یک روش زمین آماری برای بهینه‌سازی شبکه پایش کیفی آب زیرزمینی در دشت شمیلتخت در استان هرمزگان استفاده می‌کند به گونه‌ای که از واریانس اطلاعات جمع‌آوری شده در سطح منطقه برای شناسایی مناطق بدون محل نمونه‌برداری (خلا اطلاعاتی) و توسعه شبکه پایش استفاده می‌شود. در ادامه از نقشه واریانس کریجینگ (با کمک مدل نیمه تغییرنما) و نقشه استعداد آلودگی در محیط gis برای طراحی شبکه بهینه استفاده شده است. انتخاب بهترین مدل برازشی نیمه تغییرنما مبتنی بر مقادیر rmse بود. روش استفاده شده در این مطالعه برای بررسی شبکه پایش هدایت الکتریکی (ec) (به عنوان نماینده تغییرات مهمترین پارامترهای کیفی) مورد بهره‌برداری قرار گرفته است. نتایج نشان می‌دهد که از شبکه نمونه‌برداری اولیه با 44 حلقه چاه، می‌توان 23 حلقه چاه را حذف نمود. از طرفی دیگر، تعداد 15 حلقه چاه نیز به شبکه فعلی افزوده شده است که مناطق فاقد داده را پوشش دهد. به این ترتیب، تمرکز چاه‌ها در نقاطی با تراکم کم، افزایش پیدا کرده است. همچنین بر اساس منابع آلاینده موجود در سطح دشت، 6 موقعیت جدید برای پایش پتانسیل آلودگی ناشی از قبرستان، مراکز بهداشتیدرمانی، صنایع غذایی و پروش دام و طیور پیشنهاد شده است.

Optimization of Groundwater Quality Monitoring Network Using Geostatistical Method

Optimal design of groundwater monitoring network that is capable of providing accurate and informative data is crucial to improve our understanding of complex groundwater systems. In this study, a geostatistical method to optimize a groundwater quality monitoring network in ShamilTakht plain, Hormozgan province were used. This study uses the spatial variance of collected data from the field to identify areas that are not covered and lack information. The kriging variance and the vulnerability maps were combined and the final map was used to design the optimum network. Selection of the bestfitted model was based on the values of the RMSE. This approach has been used to assess the electrical conductivity (EC)as the representative of the most important quality parameters monitoring network. The results show that 23 wells can be removed from the primary sampling network with 44 wells. On the other hand, 15 wells have been added to cover areas without information. As a result, the number of wells in low density areas has increased. Based on contaminant sources available in the plain, six new sites have been proposed to monitor the potential contamination from cemeteries, health centers, food and livestock industries.