ارزیابی پتانسیل فرونشست زمین در آبخوان هومند -آبسرد با استفاده از روشهای سنجش از دور و ارتباط آن با برداشت آبهای زیرزمینی

در این تحقیق فرونشست دشت هومند-آبسرد و عوامل موثر بر آن بررسی شده است. برای اندازه گیری میزان فرونشست دشت هومند-آبسرد از تصاویر راداری ماهواره سنتینل 1 در بازه زمانی 2014-2019 استفاده گردید. جهت تفسیر و پردازش تصاویر ماهواره ای از تکنیک dinsar در پکیج licsbas که یک پکیج پردازش تصاویر و قابل اجرا در نرم افزار پایتون می باشد، استفاده گردید. نرخ فرونشست بدست آمده برای آبخوان مورد نظر از حداقل صفر تا 11 میلی متر در سال متغیر می باشد. در ادامه جهت بررسی عوامل موثر بر فرونشست و تعیین پتانسیل فرونشست آبخوان اقدام به ساخت لایه های اطلاعاتی در نرم افزار gis گردید. با بررسی های کارشناسی و اطلاعات جمع آوری شده، تعداد 9 لایه اطلاعاتی از عوامل موثر بر فرونشست شامل میزان برداشت آب از آبخوان، افت تجمعی سطح آب زیرزمینی، تخلخل، ضریب فشردگی آبخوان، ضخامت آبخوان، فاصله از رودخانه، ضخامت منطقه وادوز، کاربری اراضی و تغییرات تنش موثر در محیط gis به صورت رستر تهیه و وزن دهی گردیدند. سپس تلفیق لایه ها با وزن های تعیین شده به روش همپوشانی وزنی انجام شد و شاخص پتانسیل فرونشست به صورت یک نقشه تهیه گردید. جهت صحت سنجی نقشه به دست آمده، میزان فرونشست اندازه گیری شده به روش dinsar و پتانسیل فرونشست در محل پیزومترها مقایسه گردید و همبستگی بالایی r= 0.91)) بین دو نقشه به دست آمد. همچنین نتایج نشان داد که بیشترین میزان فرونشست در بخش های مرکزی که بیشترین برداشت و افت آب زیرزمینی را دارد و کمترین میزان فرونشست هم در بخش های شمالی دشت اتفاق افتاده است.

evaluation of land subsidence potential in humand-absard aquifer using remote sensing methods and its relationship with groundwater abstraction

in this research, the subsidence of the humand-absard plain and the factors affecting it have been investigated. sentinel-1 satellite radar images were used to measure the amount of subsidence in the humand-absard plain during the period from 2014 to 2019. to interpret and process the satellite images, the dinsar technique was employed using the licsbas package, which is an image processing tool that can be implemented in python software. the subsidence rate obtained for the aquifer varied from 0 to 11 mm per year. next, to investigate the factors affecting subsidence and determine the aquifer’s subsidence potential, information layers were created using gis software. based on expert assessments and collected data, nine layers of information on the factors influencing subsidence were prepared and weighted in the gis environment. these factors included the amount of water abstraction from the aquifer, cumulative drawdown in groundwater levels, porosity, compressibility of the aquifer, aquifer thickness, distance from the river, thickness of the vadose zone, land use, and changes in effective stress. the combination of the layers, along with the assigned weights, was performed using the weighted overlay method to create a subsidence potential index map. to verify the accuracy of the generated map, the subsidence measured by the dinsar method was compared with the subsidence potential at the locations of the piezometers, resulting in a high correlation (r = 0.91) between the two maps. the results also indicated that the highest subsidence occurred in the central parts of the plain, where groundwater abstraction and drawdown were greatest, while the lowest subsidence was observed in the northern regions.