ارزیابی متغیرهای موثر بر پتانسیل آب زیرزمینی بر اساس تحلیل حساسیت (بررسی موردی: دشت قروه-دهگلان)

آب زیرزمینی به‌عنوان یکی از با ارزش‌ترین منابع طبیعی  نقش بسیار مهمی در تامین نیاز آبی به‌ویژه درمناطق خشک دارد. در این پژوهش، به‌منظور تحلیل حساسیت متغیر‌های موثر در پیش‌بینی پتانسیل آب زیرزمینی در روش‌های تصمیم‌گیری چند‌معیاره (mcda) از متغیرهای سنگ‌شناسی، بارندگی، تراکم زهکشی، تراکم خطواره و شیب زمین در قالب یک مطالعۀ موردی در دشت قروه-دهگلان استفاده شد. وزن نرمال‌شده این متغیر‌ها بر اساس مقایسه‌های زوجی روش تحلیل سلسله مراتبی (ahp) مبتنی بر بردار ویژه تعیین گردید. پس از تهیه نقشه پیش‌بینی پتانسیل آب زیرزمینی اعتبارسنجی مدل با استفاده از نتایج آزمایش پمپاژ 20 حلقه چاه در منطقه مورد بررسی انجام شد. تحلیل حساسیت متغیرهای موثر در پیش‌بینی پتانسیل آب زیرزمینی با استفاده از روش حذفی انجام گرفت و در نهایت دقت نقشه‌ها ارزیابی گردید. نتایج تحلیل حساسیت نشان داد که همه متغیرهای مورد‌نظر دارای تاثیر مثبت در دقت پیش‌بینی پتانسیل آب زیرزمینی بوده و به ترتیب بیشترین و کمترین دقت پیش‏بینی مربوط به حالت‌های حضور تمام متغیر‌ها (85 %) و حذف متغیر سنگ‌شناسی از مجموعه لایه‌های تصمیم‌گیری (60 %) بود. بنابراین متغیر سنگ‌شناسی از طریق تاثیر بر روی ویژگی‌های فیزیکی از جمله تراکم خطواره و گسل، نفوذ‌پذیری و تراوایی بیشترین تاثیر را  روی دقت پیش‌بینی پتانسیل آب زیرزمینی دارد. همچنین نتایج نشان داد که متغییر‌های بارندگی و شیب با وجود تغییر اندکی که در یک دشت دارند، در مقدار دقت پیش‌بینی پتانسیل آب زیرزمینی موثر هستند.

Sensitivity Analysis of Conditioning Factors In Groundwater Potential Prediction (Case Study: GhorveDehgolan Plain)

Groundwater is known as one of the most valuable natural resources which play an important role in providing water supply in arid areas. In this study, multicriteria decisionmaking (MCDA) methods were used for sensitivity analysis of the effective parameters in groundwater potential prediction based on the lithology, annual rainfall, drainage density, lineament density and land slope parameters in GhorvehDehgolan plain as a case study. The normalized weights of the parameters were determined based on the paired comparisons of AHP approach. After preparing the groundwater potential prediction map, validation of the model was conducted by using the pumping tests data of 20 wells in the study area. Sensitivity analysis of the effective parameters in groundwater potential prediction was measured using the elimination method and finally accuracy of the maps was evaluated. The results of the sensitivity analysis showed that all parameters have a positive impact on the accuracy of the groundwater potential prediction while the best accuracy was obtained by combination of all layers (85%), and the worst accuracy resulted when the lithology was eliminated from the decision layers (60%). Therefore, the lithology parameter through effects on physical properties such as density of lineaments and faults, porosity and permeability has the highest impacts on the accuracy of groundwater potential prediction. The results also revealed that rainfall and slope variables, in despite of their little changes in a plain, are effective in accuracy of groundwater potential prediction.