تعیین مناطق مستعد آب زیرزمینی با استفاده از مدل‌های si، woe و shannon (مطالعه موردی: لنجانات اصفهان)

شناسایی مناطق مستعد آب زیرزمینی به عنوان یکی از منابع مهم برای تامین آب آشامیدنی، کشاورزی، تنوع اکولوژیکی و صنایع مختلف از موارد مهم و ضروری در مدیریت منابع آب هر کشوری به‌ویژه کشورهای در حال توسعه محسوب می‌شود. در این پژوهش، نقشه پهنه‌بندی آب زیرزمینی به منظور مدیریت و برنامه‌ریزی منابع آب زیرزمینی با استفاده از مدل‌های woe، si و shannonدر بستر arcgis10.5 در این منطقه ارائه شد. بدین منظور موقعیت جغرافیایی 624 چاه با دبی بیشتر از 10 مترمکعب بر ثانیه در منطقه به دو گروه واسنجی (70 درصد) و اعتبارسنجی (30 درصد) تقسیم شدند. در اجرای هر سه مدل از پارامترهای موثر در پتانسیل‌یابی آب زیرزمینی شامل: ارتفاع، شیب، جهت شیب، انحنای زمین، زمین‌شناسی، کاربری اراضی، خاک‌شناسی، شاخص رطوبت توپوگرافی، فاصله ازگسل، تراکم گسل، تراکم آبراهه و فاصله از آبراهه منطقه استفاده شد. همچنین برای اعتبارسنجی نتایج مدل‌ها از منحنی roc در نرم‌افزار spssاستفاده شد. بیشترین صحت برای این منطقه به مدل شاخص آماری اختصاص داشت که مقدار aucبرای این مدل، 5/84 درصد و بعد از آن به ترتیب مدلهای وزن شواهد با 6/81 و آنتروپی شانون با 6/80 درصد قرار دارند. بیش از 60 درصد منطقه دارای پتانسیل آب زیرزمینی متوسط تا خیلی زیاد است. مدل شاخص آماری برای این منطقه مناسب‌تر و با دقت خوب است. تعیین مناطق با پتانسیل بالای آب زیرزمینی با استفاده از روش‌های مذکور برای اجرای برنامه‌های مدیریتی، مناسب است.

Determination of Groundwater Susceptibility Areas using SI, WOE and Shannon models (Case study: Isfahan Lenjanat)

Identification of groundwater potential areas as one of the important sources for drinking water supply, agriculture, ecological diversity and various industries is one of the important and necessary issues in the management of water resources of any country, especially developing countries. In this study, a groundwater zoning map was presented to manage and plan groundwater resources using WOE, SI and Shannon models in ArcGIS10.5 in this area. For this purpose, the geographical location of 624 wells with a flow rate of more than 10 cubic meters per second in the region were divided into two groups: calibration (70%) and validation (30%). In implementing all three models, the effective parameters in groundwater potential identification include: height, slope, slope direction, land curvature, geology, land use, soil science, topographic moisture index, distance from fault, fault density, waterway density and Distance from the area waterway was used. Also, the ROC curve in SPSS software was used to validate the results of the models. The highest accuracy for this region was assigned to the statistical index model, the AUC value for this model is 84.5%, followed by evidence weight models with 81.6% and Shannon entropy with 80.6%, respectively. More than 60% of the area has moderate to very high groundwater potential. The statistical index model is more appropriate and accurate for this region. Determining areas with high groundwater potential using these methods is appropriate for implementing management programs.