پیش‎بینی تغییرات سطح آبخوان زیرزمینی دشت یزد-اردکان با استفاده از مدل های شبکه عصبی و مدل تجزیه رگرسیون چندگانه خطی هیدروگراف آبخوان

در طول قرن های اخیر، منابع آب زیرزمینی به عنوان یکی از اصلی ترین منابع تامین کننده آب مورد نیاز جوامع انسانی به شمار می آیند. متاسفانه استحصال بی رویه آب از این منابع، در بسیاری از مناطق باعث سیر نزولی سطح آب شده است و ادامه این روند، موجب تهدید جدی برای اکوسیستم و جوامع انسانی موجود در منطقه می شود. دشت یزداردکان، یکی از کانون های بحرانی از نظر روند نزولی آب های زیرزمینی محسوب می شود. در تحقیق حاضر آینده نگری سطح آبخوان اصلی یزداردکان، از نظر تغییر اقلیم و برداشت های انسانی برای دوره 2034-2016 انجام شد. به منظور بررسی تغییر اقلیم در منطقه مطالعاتی، از سناریوهای مدل hadcm3 و نرم افزار lars-wg استفاده شد. مدل سازی سطح آبخوان نیز، با متغیرهای اقلیمی و روند افت قبلی سفره، توسط انواع شبکه عصبی و مدل تجزیه رگرسیون چندگانه خطی هیدروگراف آبخوان (hartt) انجام شد. صحت سنجی مدل های به کار رفته نشان داد، مدل hartt توانایی مناسبی در مدل سازی و پیش بینی نوسانات آبخوان دارد. به کارگیری این مدل در آینده نگری آبخوان نشان داد، در صورت ادامه روند فعلی برداشت بی رویه از ذخیره آبخوان، تا پایان سال 2033، افت نه متری سطح آبخوان را خواهیم داشت. ادامه این وضعییت، تخریب جدی ذخایر زیرزمینی را از نظر کمی و کیفی دربر خواهد داشت. لذا با توجه به وضعیت نامناسب اقلیمی و منابع آب بحرانی در منطقه، پیشنهاد می شود دولت مردان و تصمیم گیران، در تدوین چشم اندازهای آتی منطقه، این مساله را در نظر داشته باشند.

Prediction of Aquifer Fluctuations Using Neural Networks Models and HARTT Model (Case Study: Yazd-Ardakan Plain)

Over the last decades, ground waters are considered as substantial water resources in many parts of the world. Unfortunately, the intensive use of groundwater resources has often affected ground water levels. YazdArdakan region is one of the critical areas from water resources perspective. This paper analyzes the impacts of climate change and human pressures on Yazd Ardakan aquifer. HADCM3 circulation Model and different scenarios were used for future climate changes prediction in the study area. Water levels in the study aquifer were simulated using Artificial Neural Networks and HARTT model for present and future (20162033) periods. Validation of applied models showed that HARTT model has good ability in modeling the water table fluctuations. Ground water fluctuation prediction by HARTT model showed that if climate changes and groundwater extra exploitation continues, this trend will lead to nine m degradation in aquifer level till 2033 year. The continuation of this situation will involve serious degradation of aquifers in quantitative and qualitative terms. Therefore, with regard to limited water resources and fragile climate of the study area, it is suggested that decision makers consider this issue in planning the future perspectives of the study area.