بهینه‌سازی شبکه پایش کیفیت آب زیرزمینی آبخوان رفسنجان با استفاده از الگوریتم زمین‌آماری کریجینگ و نقشه آسیب‌پذیری

توزیع مکانی داده‌های کیفیت آب زیرزمینی و شبکه پایش منطقی که معمولاً از چاه‌های پایش جمع‌آوری می‌شود، برای مدیریت منابع آب زیرزمینی مورد نیاز است. با این حال، از آنجایی که هزینه نگهداری شبکه‌های پایش آب زیرزمینی بسیار زیاد است، طراحی بهینه آن‌ها ضروری است. این مطالعه با هدف یافتن یک شبکه پایش بهینه کیفی با حداقل تعداد چاه در آبخوان رفسنجان انجام شد تا بتواند توزیع فضایی کافی را از نظر کیفیت آب زیرزمینی فراهم کند. برای این منظور، هدایت الکتریکی به عنوان پارامتر کیفی در طراحی شبکه پایش در این مطالعه انتخاب شد. در مرحله اول، برای شناسایی ریسک و ارزیابی آسیب‌پذیری آبخوان از روش drastic استفاده شد. سپس میانگین انحراف معیار کریجینگ به عنوان معیاری برای تعیین چگالی شبکه مورد استفاده قرار گرفت و رویکرد مبتنی بر gis مورد تجزیه و تحلیل قرار گرفت. در این مرحله، نیم‌تغییرنما‌ها برای تعیین بهترین معیارهای دقت مدل، میانگین خطای استاندارد (ase)، خطای ریشه میانگین مربعات (rmse) و خطای ریشه میانگین مربعات استاندارد شده (rmsse) مورد آزمایش قرار گرفتند. نتایج نشان داد که مدل کروی به دلیل rmsse نزدیک به یک، ase نزدیک به rmse و rmse کمتر، از سایر مدل‌ها قابل اعتمادتر است. همچنین بر اساس اعتبارسنجی متقاطع داده‌ها و نقشه پایش کیفی حاصل از همپوشانی نقشه‌های پیش‌بینی و خطای استاندارد با نقشه دراستیک، 60 حلقه چاه به‌عنوان ایستگاه پایش کیفیت آب زیرزمینی برای سفره آب رفسنجان کافی بود. حذف 10 حلقه چاه در بخش‌های مختلف آبخوان و افزودن 6 حلقه چاه در شمال غرب آبخوان به تکمیل شبکه پایش کیفی کمک می‌کند.

optimization of groundwater quality monitoring network in the rafsanjan aquifer using geostatistical kriging algorithm and vulnerability mapping

spatial distribution of groundwater quality data and a reasonable monitoring network, which are usually collected from monitoring wells, are required for the management of groundwater resources. however, since the maintenance cost of groundwater monitoring networks is extremely high, an optimal design of those is necessary. this study aimed to find a qualitatively optimal monitoring network with a minimum number of wells in the rafsanjan aquifer so that it could provide sufficient spatial distribution in terms of groundwater quality. for this purpose, electrical conductivity (ec) was selected as a quality parameter in the design of the monitoring network in this study. in the first step, to identify the risk and assess the vulnerability of the aquifer, the drastic method was used. then, the average kriging standard deviation was used as a criterion for the determination of network density, and the gis-based approach was analyzed. in this step, semi-variograms were tested to ascertain the best-fitted model accuracy measures, average standard error, root mean square error, and root mean square standardized error. the results showed that the spherical model is more reliable than other models due to the root mean square standardized error (rmsse) being close to one, the average standard error (ase) being close to the root mean square error (rmse), and the less rmse than other models. also, based on cross-validation of data and a quality monitoring map resulting from the overlap of prediction and standard error maps with the drastic map, 60 wells were sufficient as groundwater quality monitoring stations for the rafsanjan aquifer. removing 10 wells in different parts of the aquifer and adding 6 wells in the northwest of the aquifer will help to complete the quality monitoring network.