توسعه مدل آسیب‌پذیری آب‌های زیرزمینی هیبریدی بهینه‌سازی الگوریتم ژنتیک-تصمیم‌گیری چند‌معیاره بر مبنای روش دراستیک

مدیریت صحیح منابع آب‌های زیرزمینی به‌عنوان یکی از مهمترین منابع تامین‌کننده آب در دنیا، از اهمیت زیادی برخوردار است. از جمله اقدامات مهم مدیریتی در این زمینه، ارزیابی میزان آسیب‌پذیری آب‌های زیرزمینی با هدف اولویتبندی این منابع از منظر بهره‌بر‌داری، مدیریت و کنترل میزان آلودگی‌های وارد‌ شده در مناطق مختلف و هزینه‌های لازم برای مدیریت آبخوان در نقاط مختلف می‌باشد. در این تحقیق، از رهیافتی بر مبنای روش دراستیک، مدل تصمیم‌گیری چندمعیاره و مدل بهینه‌سازی الگوریتم ژنتیک، جهت ارزیابی آسیب‌پذیری آبخوان دشت شیراز استفاده شد. روش تصمیم‌گیری چندمعیاره جهت اصلاح رتبه‌های مدل دراستیک و مدل بهینه‌سازی الگوریتم ژنتیک به‌منظور بهینه‌سازی وزن‌های پارامترهای مدل دراستیک متناسب با خصوصیات هیدروژئولوژیکی و میزان غلظت نیترات موجود در دشت مورد مطالعه استفاده گردید. این امر با این هدف صورت می‌گیرد که شاخص آسیب‌پذیری دراستیک بیشترین ضریب همبستگی را با میزان غلظت نیترات که از مهمترین آلاینده‌های موجود در منطقه مورد مطالعه است، داشته باشد. همچنین با استفاده از سیستم اطلاعات جغرافیایی (gis)، نقشه‌های پهنه‌بندی آسیب‌پذیری آبخوان دشت شیراز تهیه شد. نتایج مدل پیشنهادی نشان‌ می‌دهد که نواحی جنوب و جنوب‌شرقی به‌ترتیب در محدوده آسیب‌پذیری خیلی‌زیاد و زیاد قرار دارند. میزان ضریب همبستگی پیرسون حاصل از بهینه‌سازی و اصلاح وزن‌ها و رتبه‌های مدل پیشنهادی با غلظت نیترات برابر 80 درصد می‌باشد که این امر دقت نقشه‌های پهنه‌بندی آسیب‌پذیری آبخوان تهیه شده بر مبنای روش gaahp را تایید می‌کند.

Developing Hybrid GAAHP Groundwater Vulnerability Model based on DRASTIC Method

Proper management of groundwater resources, as the main source of fresh water, is very important. Groundwater vulnerability assessment has been applied as a management tool for prioritizing the use of resources, controling the contaminant transfer and adopting costeffective ways for aquifer management. This study has adopted a novel approach based on DRASTIC method, analytic hierarchy process (AHP), and genetic algorithm (GA) optimization method to assess the vulnerability of Shiraz aquifer. AHP was utilized to modify the rank of DRASTIC model’s parameters and GA optimization model was used to optimize the weights of DRASTIC parameters based on hydrogeological characteristics and nitrate concentrations of the Shiraz aquifer. The main aim of the GAAHP model was to maximize the DRASTIC index correlation with nitrate concentration. The vulnerability map of Shiraz plain was provided using geographic information system (GIS). The results suggested that the southern and southeastern areas of Shiraz plain were faced with very high and high classes of vulnerability, respectively. The Pearson correlation coefficient between the developed vulnerability index and the nitrate concentrations was estimated as 80%, which confirmed the accuracy of the vulnerability map of Shiraz plain.