بهینه‌سازی شبکۀ پایش کمی و کیفی آب زیرزمینی با استفاده از روش‌های آماری و mcdm

مقدمه و هدف آب‌های زیرزمینی در تامین نیازهای جوامع در بخش‌های گوناگون شرب، صنعت و کشاورزی و غیره نقش مهمی دارد. اهمیت این منابع حیاتی، در مناطق خشک و نیمه‌خشک که با کاهش نزولات جوی مواجه هستند، دوچندان است. زیرا، در این مناطق آبخوان‌ها به‌عنوان اصلی‌ترین منابع تامین آب جوامع به‌شمار می‌آیند. همچنین، به‌دلیل موقعیت مکانی این منابع در مناطق ساحلی، با اثرات زمینی و تغییرات آب و هوایی دریایی مواجه هستند و هم‌زمان نیز تحت تاثیر فعالیت‌های انسانی می‌باشند. ازاین‌رو، آگاهی از ویژگی‌های کمی و کیفی سفره‌های آب زیرزمینی و پایش آن‌ها موضوع بسیار ضروری تلقی می‌شود. پایش پیوسته شبکۀ آب زیرزمینی مستلزم صرف هزینه، وقت، کار و نیروی انسانی است و بهینه‌سازی شبکۀ پایش می‌تواند راهکار مفیدی برای کاهش مشکلات نامبرده باشد. بنابراین،  پژوهش با هدف بهینه‌سازی شبکۀ پایش آب زیرزمینی در دشت گهکم سعادت‌آباد استان هرمزگان با استفاده از روش‌های آماری اجرا شد.مواد و روش‌هادر این پژوهش ابتدا با استفاده از بررسی منابع، دستورالعمل‌های وزارت نیرو و استفاده از دیدگاه خبرگان آب زیرزمینی، 9 معیار (میانگین سالانۀ سطح آب زیرزمینی، میانگین سالانۀ افت آب زیرمینی، هدایت آبی، تراکم چاه‌های بهره‌برداری، فاصله از رود، سازند زمین‌شناسی، کاربری زمین‌، فاصله از گسل و فاصله از چشمه و قنات) انتخاب شدند. سپس، با استفاده از روش تحلیل سلسله مراتبی (ahp)، هر کدام از معیارها وزن‌دهی شدند و نقشۀ مربوط به هر یک از آن‌ها برای انجام فرایند مکان‌یابی تهیه شد. در این پژوهش، به‌منظور اجرای فرایند مکان‌یابی چاه‌های مشاهده‌ای از مدل‌های تصمیم‌گیری چندمعیاره topsis و waspas استفاده شد. سپس، به منظور ارزیابی شبکۀ پایش کنونی با نتایج مکان‌یابی، شبکۀ تیسن مربوط به هر آبخوان رسم شد. همچنین، میانگین امتیاز نقشه‌های مکان‌یابی در هر پلیگون تیسن به‌دست آمد. برای هر چاه و هر پولیگون، چاه‌هایی که میانگین امتیاز کمتر از 0/3 داشتند، به‌عنوان چاه‌های نامناسب انتخاب شدند. سپس، به‌منظور اطمینان از صحت انتخاب چاه‌های نامناسب، آزمون همگنی پتیت و استاندارد بهنجارداده‌های آب زیرزمینی در چاه‌های نامناسب، اجرا شد. در گام بعد برای مشخص کردن اهمیت نسبی 40 چاه موجود در منطقه از روش تجزیه و تحلیل مولفه‌های اصلی (pca) استفاده شد و چاه‌های با اهمیت نسبی کم، حذف شدند. سپس، برای آگاهی از اندازه خطای استاندارد ناشی از حذف چاه‌ها، از روش درون‌یابی کریجینگ استفاده شد. سرانجام، به‌منظور گروه‌بندی چاه‌ها با ویژگی‌های مشابه، عمل خوشه‌بندی آن‌ها انجام شد.نتایج و بحثنتایج وزن‌دهی معیارها با استفاده از روش تحلیل سلسله مراتبی نشان داد که از میان 9 معیار استفاده شده در پژوهش، معیار تراکم چاه‌های بهره‌برداری با وزن 0/217 و معیار فاصله از گسل با وزن 0/031 به‌ترتیب رتبۀ اول و آخر را به‌دست آورده‌اند. مقایسه مدل‌های تصمیم‌گیری چندمعیاره برای فرایند مکان‌یابی نیز بیانگر دقت یکسان هر دو مدل topsis و waspas بود. ازاین‌رو، نقشۀ میانگین دو مدل تهیه شد و برای انجام گام‌های بعدی پژوهش استفاده شد. بر پایه نتایج ارزیابی شبکۀ پایش کنونی با نتایج مکان‌یابی (شبکۀ بهینه)، تعداد 3 چاه به‌عنوان چاه‌های نامناسب شناسایی شد. همچنین، بر اساس اندازه ارزش  p value مربوط به آزمون پتیت و آزمون استاندارد بهنجار، مشخص شد که هر سه چاه به‌عنوان چاه‌های ناهمگن به‌درستی انتخاب‌شده‌اند. بر اساس یافته‌های به‌دست‌آمده از روش pca نیز تعداد 6 چاه (شماره 8، 9، 15، 10، 32 و 37 ) در گروه چاه‌های با اهمیت نسبی منفی بودند که این تعداد چاه حذف شدند. اندازه خطای استاندارد پس از حذف چاه‌های کم اهمیت، 14% افزایش یافت و تفاوت محسوسی ایجاد نشد. ازاین‌رو، بر اساس نتایج این پژوهش، می‌توان چاه‌های کم اهمیت را از شبکۀ پایش حذف کرد. همچنین، 40 چاه موجود در دشت گهکم سعادت‌آباد درون 5 خوشه، طبقه‌بندی شدند.نتیجه‌گیری و پیشنهادهاهدف اصلی این پژوهش، بهینه‌سازی شبکۀ پایش آب زیرزمینی از دیدگاه کمی و کیفی با استفاده از مدل‌های آماری و mcdm بود. نتایج بیانگر کارایی و دقت زیاد روش‌های mcdm بود. بر اساس نقشۀ مکان‌یابی تولیدشده به‌وسیله مدل‌های نامبرده برای چاه‌های مشاهده‌ای، منطقۀ مطالعه‌شده در 5 گروه از اولویت بسیارکم تا اولویت بسیار زیاد طبقه‌بندی شد. ازاین‌رو، مدیران آبخیز می‌توانند از یافته‌های این پژوهش برای توسعۀ شبکۀ پایش و صدور مجوزهای جدید برای حفر چاه‌های جدید در مکان‌های مناسب و نامناسب استفاده کنند. همچنین، با توجه به اهمیت پایش آب در مناطق ساحلی، استفاده از روش‌های تصمیم‌گیری چندمعیاره برای دیگر دشت‌های استان هرمزگان، نیز پیشنهاد می‌شود. به‌منظور مقایسۀ روش‌های گوناگون آماری، آب‌شناختی و داده‌کاوی مانند مدل‌های یادگیری ماشینی، استفادۀ هم‌زمان از آن‌ها در پژوهش‌های آینده پیشنهاد می‌شود. از سوی دیگر، در پژوهش‌های آینده برای ساخت شبکۀ پایش آب زیرزمینی، استفاده از معیارهای موثر دیگری مانند معیارهای تحلیل اقتصادی و هزینۀ ساخت شبکۀ پایش، معیارهای فاصله و مجاورت با دریا و معیارهای فاصله و نزدیکی به مسیرهای ارتباطی نیز پیشنهاد می‌شود.

optimizing the quantitative and qualitative groundwater monitoring network using statistical and mcdm methods

introduction and goal groundwater plays a key role in supplying the requirements of the communities in various sectors such as drinking, industry and agriculture, etc. the important of this vital resource is even greater in arid and semi-arid regions that face decrease in precipitation. because aquifers are considered as the main sources of water supply for communities in these areas. also, due to their location, these resources in the coastal areas are impacting by climatic changes in the interaction of land and sea, and also, at the same time they are influencing by human activities. therefore, understanding of the quantitative and qualitative characteristics of groundwater tables and their monitoring is necessary. continuous monitoring of the groundwater network requires spending money, time, labor, and manpower, and optimizing the monitoring network can be a useful solution to reduce the aforementioned problems. therefore, the research was conducted with the aim of optimization the groundwater monitoring network in the gahkom saadatabad plain, hormozgan province, using statistical methods.materials and methodsin this research, first, by reviewing sources, ministry of energy guidelines, and using the perspective of groundwater experts, 9 criteria (consisting of the mean ground water level, mean annual drop of ground water, hydraulic conductivity, density of exploitation wells, distance from the river, geological formation, land-use, distance from the fault and distance from the spring) were selected. then, using the analytical hierarchy (ahp) method, each of the criteria was weighted, and a map was prepared for each of them to carry out the location process. in this research, topsis and waspas multi criteria decision making models were employed to implement the process of locating observed wells. then, to evaluate the current monitoring network with location results, the thyssen network for each aquifer was drawn. also, the mean score of the location maps in each thyssen polygon was obtained. for each well and each polygon, wells with the meam score of less than 0.3 were considered as unsuitable wells. next, in order to ensure the accuracy of the selection of unsuitable wells, pettitt’s homogeneity test and standard normality test were performed. in the next step, the principal component analysis (pca) method was used to determine the relative importance of 40 wells in the region, and wells with low relative importance were eliminated. then, the kriging interpolation method was used to find out the standard error value due to the removal of the wells. finally, clustering analysis was used to group wells with the similar characteristics.results and discussion the results of the ahp showed that among the 9 criteria used in the research, the density of exploitation wells with a weight = 0.217 and the distance from the fault with a weight = 0.031 were ranked as first and last ranks, respectively. comparison of multi-criteria decision-making models for the location process also indicated the same accuracy of both topsis and waspas models. therefore, the mean map of the two models was prepared and used to carry out the next steps of the research. based on the results of the evaluation of the current monitoring network with the results of location (optimal network), 3 wells were identified as unsuitable wells. also, based on the p value of the petit test and the standard normal test, it was determined that all three wells were correctly selected as heterogeneous wells. based on the findings obtained from the pca method 6 wells (numbers 8, 9, 15, 10, 32, and 37), were included in the group of wells with negative relative importance, and this wells were removed. the size of the standard error increased by 14% after removing the unimportant wells, and there was no significant difference. therefore, based on the results of this study, less important wells can be removed from the monitoring network. also, 40 wells located in the gahkom saadatabad plain was classified into 5 clusters.conclusion and suggestions the main objective of this research was to optimize the groundwater monitoring network from a quantitative and qualitative perspective using statistical and mcdm models. the results revealed the high efficiency and accuracy of mcdm methods. based on the results of the location map of observed wells generated by the mentioned models, the study area was classified into 5 groups from very low priority to very high priority. therefore, watershed managers can use the findings of this study to develop a monitoring network and issue new permits to drill new wells in suitable and unsuitable locations. also, considering the importance of water monitoring in coastal areas, it is recommended to use the mentioned methods for other plains of hormozgan province. in order to compare different statistical, hydrological and data mining methods such as machine learning models, it is suggested to use them simultaneously in future studies. on the other hand, in future studies for construction of ground water monitoring network, it is also recommended to use other effective criteria such as economic analysis criteria and the cost of constructing the monitoring network, criteria of distance and proximity to the sea, and criteria of distance and proximity to communication routes.