پتانسیل‌یابی منابع آب زیرزمینی دشت اردبیل با استفاده از مدل های شاخص آنتروپی و نایو بیز

اگرچه منابع آب زیرزمینی، از دیرباز به عنوان یک گزینه مطمئن مورد استفاده انسان بوده است، اما برداشت بی رویه از آنها به خصوص در دشت اردبیل سبب افت کمی و کیفی این منابع شده است. یکی از راه کارهای مدیریتی منابع آب، شناسایی مناطق آبی با پتانسیل های مختلف و بهره برداری از آنها با توجه به ظرفیت آن ها می باشد. هدف از این مطالعه پتانسیل یابی منابع آب زیرزمینی دشت مذکور با استفاده از عوامل موثر در تغذیه سفره های آب زیرزمینی، از طریق مدل عینی شاخص آنتروپی و همچنین مدل عینی یادگیری ماشینی نایوبیز است. لذا برای پتانسیل یابی منابع آب زیرزمینی دشت مورد مطالعه، از پارامترهای طبقات ارتفاعی، شیب زمین، بارش، فاصله از رودخانه، شاخص پوشش گیاهی، خاک شناسی، کاربری اراضی، سنگ شناسی، عمق آب زیرزمینی و قابلیت انتقال آبخوان دشت مورد نظر استفاده گردید. به منظور عینیت بخشیدن هرچه بیشتر به مدل سازی، پارامترهای طیفی مورد استفاده، با استفاده از روش بهینه سازی جنکز کلاس بندی شدند. ارزیابی نتایج حاصل از مدل ها با استفاده از منحنی مشخصه عملکرد سیستم و معیار مساحت زیر منحنی صورت پذیرفت. معیار مساحت زیر منحنی برای مدل های شاخص آنتروپی و نایوبیز به ترتیب 0/728 و 0/821 محاسبه شد که نشانگر توانایی هر دو مدل در پتانسیل یابی منابع آب زیرزمینی دشت اردبیل و برتری مدل نایوبیز نسبت به مدل شاخص آنتروپی می باشد. نتایج حاصل از پتانسیل یابی دقیق منابع آب زیرزمینی دشت اردبیل می تواند در طرح های مدیریت منابع آب زیرزمینی و جلوگیری از بهره کشی بیش از توان آن ها سازنده باشد.

Groundwater Potential Mapping using Index of Entropy and Naïve Bayes Models at Ardabil Plain

Although groundwater resources have long been selected as a safe choice for resolving human water requirements, overexploitation of them, especially at Ardabil plain, has promoted a decrease in the quality and quantity of these resources. One of the significant solutions is to identification of the groundwater potential zones and exploitation of them according to their potentials. The aim of this study was to compared the efficiency of two objective models: Index of Entropy (IE) and Na iuml;ve Bayes (NB) in groundwater potential mapping of Ardabil plain, located in northwest of Iran. For this purpose, ten groundwater occurrence factors including elevation, slope, soil, rainfall, distance from river, land cover, normalized difference vegetation index (NDVI), lithology, groundwater depth, and transmissivity were used based on the availability of data. In order to reduce subjectivity in groundwater potential modeling, all spectral groundwater data layers were classified into objective classes by using Jenks optimization technique. After computing groundwater potential index for the models, receiver operating characteristic (ROC) curve and the area under the curves (AUC) were implemented for validation of the models. The AUC values for the IE and NB models are 0.728, and 0.821, respectively. The overall results approved that both of the models have good capability for demarcating groundwater potential zones but the NB model performed better than the IE model for groundwater potential mapping in Ardabil Plain. The results of accurate groundwater potential mapping at Ardabil plain can be useful for groundwater resources management and avoiding overexploitation in the plain.