ارزیابی کیفیت آب های زیرزمینی برای مصارف صنعتی و کشاورزی با استفاده از شبیه سازی گاوسی متوالی

روش‌های زمین‌آمار یکی از پیشرفته‌ترین روش‌ها برای ارزیابی و پایش کیفیت منابع آب زیرزمینی است. با توجه به اینکه استفاده از آب با کیفیت نامناسب سبب مشکلاتی از جمله شور شدن خاک، کاهش نفوذپذیری خاک و کاهش جذب آب به وسیله ریشه گیاه و باعث کاهش بهره‌وری زراعی و یا حتی تهدید محصولات کشاورزی می‌شود. بر همین مبنا در این تحقیق به بررسی کیفیت آب زیرزمینی در منطقه مورد مطالعه با استفاده از نمودارها و پارامترهای متداول در رده‌بندی کیفیت آب برای مصارف کشاورزی و همچنین مصارف صنعتی پرداخته‌ شده و از نرم‌افزار ابساتیس و سورفس برای نمایش گرافیکی تغییرات پارامترهای کیفی در محدوده منطقه مطالعاتی و انجام شبیه‌سازی گاوسی متوالی برای بررسی پیوستگی مکانی بین متغیرها و پیش‌بینی برخی از شاخص‌های کیفی از قبیل ph، rsc، na%، sar، ec استفاده‌ شده است. بعد از نرمال‌سازی داده‌ها، واریوگرام محاسبه و مدل مناسب برای برازش به واریوگرام تجربی بر اساس کمترین خطای ssr انتخاب شد، سپس با استفاده از مدل برازش ‌شده بر مدل تجربی شبیه‌سازی گاوسی متوالی در 100 تحقق در منطقه بررسی و نقشه‌های حاصل از شبیه‌سازی در آستانه‌های مختلف ارایه شد. نتایج نشان می‌دهد که از نظر پارامتر sar بیشتر نمونه‌ها ﮐﯿﻔﯿﺖ ﻧﺴﺒﺘﺎ ﻣﻄﻠﻮب و در مجموع ﮐﯿﻔﯿﺖ ﺧﻮﺑﯽ برای ﮐﺸﺎورزی دارند. طبقه‌بندی خطر درصد سدیم در آب‌های کشاورزی در منطقه مورد مطالعه نیز در کلاس قابل ‌قبول قرار داشته است. کیفیت آب برای مصارف صنعتی در تمام حالات رسوب‌گذار است غیر از چهار مورد که پیوستگی مکانی موارد یاد شده درون‌یابی و نقشه احتمالات درون‌یابی نیز ارایه ‌شده است.

assessment of groundwaters quality for industrial and agricultural applications using consecutive gaussian simulation

the geostatistical method is one of the most advanced techniques to assess and survey groundwater quality.  using unsuitable water results in some problems such as soil salinity, reduction of soil permeability, decrease in water absorption by plant roots, diminution of crop productivity, or even menace agricultural production. accordingly, in this study, the groundwater quality in the study’s area for agricultural uses as well as industrial applications by using common diagrams and components related to the classification of water quality was investigated. isatis and surfur software were used to illustrate changes in quality characteristics in the study’s area graphically and consecutive gaussian simulations to analyze spatial connection among variables and estimate some of the quality indexes such as ph, rsc, na%, sar, and ec. after data normalization, the variogram was calculated, and a sufficient model was selected to fit the experimental variogram based on the lowest ssr error. afterward, consecutive gaussian simulation in 100 samples in the study’s area was examined using the fitted model based on the experimental model, and the maps resulting through simulation in different thresholds were provided. the results showed that the majority of samples have fairly suitable quality in terms of sar, and in general, they are appropriate for agricultural uses. percentage risk of sodium in agricultural water in the study’s area was also classified into the appropriate class. except for four samples whose spatial connection of the forgoing cases have been interpolated and the interpolated probability maps have been provided, the water quality for industrial uses is susceptible to sedimentation in all statutes.