مدل‌سازی و پایش شاخص‌های کیفیت آب زیر‌سطحی دشت سیستان با استفاده از سامانه‌های اطلاعات جغرافیایی

بررسی تغییرات مکانی پارامترهای کیفی آب زیرزمینی در شناخت وضعیت کیفی آبخوان، منابع آلوده کننده و تعیین مناسب ترین راهکارهای مدیریتی از اهمیت ویژه ای برخوردار است. روش های زمین آماری و gis می توانند در این راستا ابزار مفیدی باشند. هدف از این پژوهش ارزیابی روش های زمین آمار به منظور بررسی و تحلیل مکانی میزان شوری، نیترات و کل مواد جامد محلول آب‌های زیرسطحی دشت سیستان در شمال استان سیستان و بلوچستان می‌باشد. برای این منظور از روش‌های زمین آماری کریجینگ معمولی (ok) و کریجینگ ساده (sk) و روش‌های معین مانند عکس فاصله (idw)، تخمین گر موضعی (lpi)، تخمین گر عام (gpi) و تابع شعاعی (rbf) استفاده گردید. در ابتدا نرمال بودن داده ها مورد بررسی قرار گرفت و داده های غیر نرمال به روش لگاریتمی نرمال شد. سپس تجزیه و تحلیل واریوگرام ها انجام گرفت. ارزیابی نتایج با استفاده از روش ارزیابی متقابل صورت گرفت. نتایج برازش مدل‌ها نشان داد شاخص ec و tds از مدل گوسی و شاخص نیترات از مدل کروی پیروی می کند و روش کریجینگ ساده جهت تهیه نقشه پهنه‌بندی شوری و نیترات و کریجینگ معمولی جهت تهیه نقشه پهنه بندی تغییرات کل مواد جامد محلول در منطقه مناسب می‌باشد. همچنین نتایج نشان داد که از نظر کل جامدات محلول، آب های زیرسطحی منطقه بر اساس دیاگرام شولر در دسته خوب تا قابل قبول  و از نظر کیفیت شوری جهت استفاده در کشاورزی در گروه دارای مشکل متوسط تا شدید قرار می گیرند.

Modeling and Monitoring Subsurface Water Quality Indicators of Sistan Plain using Geographic Information Systems

Investigating the spatial variation of groundwater quality parameters is important in identifying the quality of the aquifer and contaminating resources, and determining the most appropriate management solutions. Geostatistical and GIS methods can be useful tools in this regard. The aim of this study was to evaluate the geostatistical methods in order to investigate and analyze the spatial amount of salinity, nitrate, and total dissolved solids of subsurface waters of Sistan Plain in northern Sistan and Baluchestan province. For this purpose, ordinary Kriging (OK) and simple Kriging (SK) and certain methods such as inverse distance weigthing (IDW), local polynomial interpolation (LPI), global polynomial interpolation (GPI) and radial basis function (RBF) were used. First, the normality of the data was investigated and the nonnormal data were normalized by logarithmic method. Then analysis of variograms was performed. The results were evaluated using a crossevaluation method. The fitting results of the models showed that the EC and TDS indices follow the Gaussian model and the nitrate index follows the spherical model, and simple kriging method is suitable for salinity and nitrate mapping and ordinary kriging for zoning maps of TDS. Moreover, based on the Schuller’s diagram, in terms of TDS, subsurface waters of the region are classified as good to acceptable and in terms of salinity for agricultural use in the moderate to severe problem class.