بهینه‏ سازی تعداد چاه ‏های نمونه ‏برداری با رویکرد مکانی‌ زمانی در شبکۀ پایش سطح آب‏ های زیرزمینی (مطالعۀ موردی: دشت سراب)

بهینه‏ سازی چاه ‏های نمونه ‏برداری موجود در شبکۀ پایش آب ‏های زیرزمینی به لحاظ کاهش هزینۀ نگهداری و بهبود کارایی و افزایش سرعت به‌روزرسانی اهمیت زیادی دارد. برای تعیین چاه ‏های بااهمیت، عموماً از روش ‏های زمین‏ آماری (مانند کریجینگ) و یا تحلیل مولفه‏ های اصلی (pca) استفاده می ‏شود. در روش ‏های زمین ‏آماری، بهینه ‏سازی با توجه به موقعیت مکانی نمونه ‏ها انجام‏ می‌شود و اطلاعات زمانی چاه ‏ها لحاظ نمی‏ شود. در روش pca تعیین چاه‏ های شاخص با لحاظ اطلاعات زمانی چاه ‏های موجود در همسایگی ایستگاه‏ های پایش انجام می‏ شود. در این تحقیق رویکردی بر اساس تلفیق این دو روش برای در نظر گرفتن اطلاعات مکانی و زمانی چاه‏ ها ارائه شده و از آن برای کاهش تعداد چاه‏ های نمونه ‏برداری در تخمین سطح آب‏ های زیرزمینی آبخوان دشت سراب استفاده شده است. تحقیق حاضر با اخذ مشاهدات 47 چاه مربوط به سفرۀ اول دشت سراب در سال 1397 در سه مرحلۀ اصلی انجام گرفته است: 1- جست‏و‏جوی اکتشافی داده ‏ها؛ 2- تعیین اولویت چاه‏ها با لحاظ اطلاعات زمانی چاه ‏های حاضر در همسایگی با روش pca؛ 3- بررسی میزان تغییرات دقت سطح با روش کریجینگ با فرض حذف شدن چاه ‏های با اولویت زمانی کم. نتایج نشان داد 9 چاه دشت سراب (19 درصد) دارای ارزش نسبی کمتر از 0.3 هستند که با حذف این چاه‏ ها و ارزیابی خطای rmse در نقاط حذف‌شده، مقدار این نقاط با 46 سانتی‌متر خطا از طریق اطلاعات مکانی همسایه ‏ها قابل محاسبه است. بنابراین، چاه‏ های حذف‌شده اطلاعات مکانی زیادی وارد شبکه نمی‏ کنند و با حذف آنها، می‏توان با افزایش دقت اندازه ‏گیری سطح آب در بقیۀ چاه‏ های نمونه‏ برداری و صرفه ‏جویی در زمان و هزینه، به همان دقت سطح اولیه رسید.

optimization of sampling wells by a spatial-temporal approach in the groundwater level monitoring network (case study: sarab plain)

optimizing the piezometric wells in the groundwater monitoring network is important in terms of reducing maintenance costs and improving efficiency and increasing the speed of data updating. statistical methods or pca are commonly used to identify significant wells. in geostatistical methods, optimization is performed according to the location of the samples but the temporal information of the wells is not taken into account. in the pca method, indicator wells are determined in terms of temporal information of wells. in this research, an approach based on a combination of these two methods is presented to consider the spatiotemporal information of wells. the present study was conducted by obtaining data from 47 wells related to the first aquifer of sarab plain in 1397 in three main stages: 1- exploratory spatial data analysis (esda), 2- determining the priority of wells based on temporal information of the wells in the neighborhood by pca method, 3- investigating the surface accuracy changes by kriging method assuming the removal of wells with low temporal priority. the results showed that 9 wells of sarab plain (19%) have relative importance less than 0.3. by removing these wells and evaluating the rmse error in the deleted points, the value of these wells can be calculated with 46cm error through spatial autocorrelation information. therefore, the removed wells do not enter much spatial information, and by removing them, it is possible to increase the accuracy of measuring the water level in other wells and save time and cost with the same accuracy.