شناسایی عوامل موثر بر کاهش تراز آب زیرزمینی با بهره‌گیری از معیار موجک–آنتروپی (مطالعه‌ی موردی: آبخوان دشت سیلاخور)

تحلیل سری زمانی فرایندهای هیدرولوژیکی نقش بسزایی را در شناخت دقیق رفتار این فرایندها ایفا می کند. معیار موجکآنتروپی شاخصی نوین جهت بررسی نوسانات سری‌های زمانی می‌باشد. در این مقاله با بهره‌گیری از معیار موجکآنتروپی ترتیب عوامل موثر در کاهش تراز آب زیرزمینی در دشت سیلاخور مورد بررسی قرار گرفته است. به طور کلی کاهش معیار موجکآنتروپی یا کاهش پیچیدگی سری زمانی یک پدیده، بیانگر کاهش میزان نوسانات طبیعی سری زمانی و در نتیجه نشان‌دهنده‌ی رخداد یک روند نامطلوب در سری زمانی است. در این راستا جهت شناسایی عامل موثر در افت سطح آبخوان ابتدا سری های زمانی ماهانه ی بارش، دما و دبی رودخانه های این دشت به بازه‌های زمانی کوچک‌تر تقسیم‌شدند و سپس هرکدام از این سری‌ها تحت تبدیل موجک به چندین زیر سری با مقیاس های زمانی مختلف تجزیه شد و نهایتاً پس از محاسبه انرژی موجک نرمال شده برای این زیرسری‌های زمانی، معیار موجکآنتروپی برای هر یک از این    بازه های زمانی محاسبه گردید. نتایج به‌دست‌آمده از تحلیل تغییرات معیار موجکآنتروپی گویای این واقعیت است که کاهش 71 درصدی پیچیدگی دبی رودخانه‌های خروجی از این منطقه بیشتر از تغییرات بارش و دما با کاهش پیچیدگی به ترتیب به اندازه ی 13 و 5/10 درصد بر کاهش پیچیدگی تراز آب زیرزمینی تاثیر گذاشته است و این موضوع گویای تقدم تاثیر عوامل انسانی بر عامل تغییر اقلیم در کاهش تراز سطح آب زیرزمینی در این دشت است.

Identifying Effective Factors on Decline in Groundwater Level Using WaveletEntropy Index (Case Study: Silakhor Plain Aquifer

Time series analysis of hydrological processes plays an important role in accurate recognition of this process. Waveletentropy index is a new indicator to assess the fluctuations of time series. In this paper, the effective factor in groundwater level declining in the Silakhor plain is examined using waveletentropy index. Generally, waveletentropy index reduction or time series complexity reduction of a phenomenon, indicates the reduction in time series natural fluctuations and thus the occurrence of an unfavorable trend in time series. In this way, to identify the main cause of declining aquifer water table, firstly, monthly time series of precipitation, temperature and rivers flow of this plain divided into shorter time periods and then, each of these time series were decomposed to multiple frequent time series by wavelet transform and then, normalized wavelet energies were calculated for these decomposed time series and finally, waveletentropy index was calculated for each three different time periods. The results of waveletentropy index analysis reflect the fact that, the complexity reduction of the flow time series about 71% is more effective on groundwater time series complexity reducing compared to the complexity reduction of the precipitation and temperature time series about 13% and 10.5% respectively. This result indicates the primacy of the human factors compared with the climate change factors impacts in declining the groundwater level in this plain.