پتانسیل‌یابی منابع آب زیرزمینی منطقه‌ لنجانات اصفهان با استفاده از مدل وزن شواهد

تعیین پتانسیل منابع آب زیرزمینی بهویژه در کشورهای در حال ‌توسعه از موارد مهم و ضروری در مدیریت منابع آب محسوب می شود. در این پژوهش، نقشۀ پتانسیل آب زیرزمینی به‌منظور مدیریت و برنامه ریزی منابع آب زیرزمینی با استفاده از مدل وزن شواهد و سامانه‌ اطلاعات جغرافیایی (gis) در منطقۀ لنجانات اصفهان انجام شده است. به منظور واسنجی و اعتبارسنجی نتایج، موقعیت جغرافیایی 624 چاه در منطقه به دو گروه تقسیم شدند. در اجرای مدل وزن شواهد از متغیرهای موثر در پتانسیل آب زیرزمینی شامل ارتفاع، شیب، جهت شیب، انحنای زمین، زمین‌شناسی، کاربری اراضی، خاک‌شناسی، شاخص رطوبت توپوگرافی، فاصله از گسل، تراکم گسل، تراکم آبراهه و فاصله از آبراهه استفاده شد. هم‌چنین برای اعتبارسنجی نتایج مدل ها از منحنی مشخصۀ عملکرد (roc) استفاده شد. مساحت زیر منحنی (auc) برای مدل وزن شواهد، مقدار 81/6 درصد را ارائه داد که نشان از اعتبار بسیار خوب این مدل به‌منظور تعیین پتانسیل آب زیرزمینی در لنجانات است. حساسیت‌سنجی مدل به متغیرها نشان داد که این مدل در این منطقه به دو متغیر کاربری اراضی و شیب حساستر است. بیش از 60 درصد منطقه دارای پتانسیل آب زیرزمینی متوسط تا خیلی زیاد است. تعیین مناطق با پتانسیل بالای آب زیرزمینی از لحاظ شناسایی مناطق برای اجرای برنامه های مدیریتی، حائز اهمیت است. از آنجا که مناطق با پتانسیل پایین، نشان‌دهنده‌ عدم شرایط مناسب جهت تغذیه و ورودی آب به سفره های زیرزمینی است؛ در نتیجه‌ حفر چاه در این مناطق و استفاده و برداشت از این چاه‌ها، توازن بین ورودی و خروجی سفره های زیرزمینی را از بین می برد و نهایتاً خشک شدن قنوات را نیز می‌تواند به دنبال داشته باشد .پیشنهاد می شود که از مدل وزن شواهد با تعداد متغیرهای ورودی بیش‌تر نیز استفاده شود و هم‌چنین میزان دقت مدل های دیگر نیز در مطالعاتی هم‌چون مطالعه‌ حاضر برای تهیۀ نقشۀ پتانسیل با دقت بالا بررسی شود.

Detecting groundwater resources potential in Isfahan Lenjanat region using weights-of-evidence model

Introduction Identifying groundwater potential is a key requirement in groundwater conservation and management and is especially useful for engineers and designers looking for suitable locations for the exploitation of these resources. GISbased methods have increased the accuracy and speed of groundwater surveys. Many researchers have focused on the use of GISbased methods, remote sensing and machine learning, and statistical methods. These methods identified latent patterns in groundwater and obtain a nonlinear relationship between affecting variables. In this regard, the final groundwater potential map is determined using 12 effective variables based on ArcGIS and WeightOfEvidence (WOE) model for Lenjanat area, Isfahan Province.Materials and MethodsLenjanat study area is located in the southwest of Isfahan Province. It has a variable climate that is always affected by the central semiarid and semihumid areas of Chaharmahal and Bakhtiari Province. WOE model is based on standard deviation and used to predict the occurrence of accidents when there is enough data available to assess the relative importance of the layers using the statistical average. The Receiver Operating Characteristic (ROC) curve related to the groundwater potential mapping in the Lenjanat study area was prepared using SPSS software. The Area Under Curve (AUC) indicates the accuracy degree of the final map. The extent area of each curve indicates the model’s prediction ability. The value below the graph would be equal to unity in the best case and ideal scenario. This index is a suitable criterion to evaluate the model accuracy.Results and Discussion The areas with low elevation and low slope due to the high level of infiltration and water movement in the soil had a higher potential of groundwater, which is consistent with the results of the previous researchers. These areas had a higher groundwater potential in the east and flat terrains than in other directions. From the land use point of view, arable lands and areas with dense vegetation had the highest groundwater potential. The shorter the distance from the waterway and the higher the drainage density leads to the greater the groundwater potential. Areas with Aridsols soil have higher groundwater potential compared to the Entisol and Inceptisols categories. Soft alluvial sediments have a higher potential than other sediments. It is expected that the areas with high groundwater potential will be more in the eastern part of the region due to the high concentration of factors affecting the creation of potential groundwater conditions. The final groundwater potential map also determined these areas as high groundwater potential regions.Conclusion The results showed a higher sensitivity to land use and slope variables, which play an important role in water penetration. More than 60% of Lenjanat has moderate to very high groundwater potential. Identifying areas with high groundwater potential is important in determining areas for implementing management programs. It is suggested to use the WOE model with more input variables and other models to prepare a high accuracy potential map should be evaluated in future studies.