بررسی تاثیر برخی شاخص‌های کیفیت آب زیرزمینی بر بیابان‌زایی اراضی دشت سگزی اصفهان با استفاده از bayesian belief networks

این مقاله با هدف بررسی شدت بیابان زایی در دشت سگزی واقع در بخش شرقی شهرستان اصفهان، با توجه به معیار کیفیت آب زیرزمینی مورد استفاده در مدل مدالوس انجام شد. شبکه های باور بیزین (bbns) نیز برای تبدیل مدل مدالوس به یک مدل پیش بینی کننده که قابلیت نشان دادن روابط علت و معلولی را داراست مورد استفاده قرار گرفت. با برداشت داده های 12 حلقه چاه آب زیرزمینی در منطقه (1391-1392) و استفاده از تکنیک هایی نظیرکریجینگ و معکوس فاصله وزنی، نقشه تغییرات مکانی دادهای کیفیت آب شامل میزان کلر، نسبت جذب سدیم، هدایت الکتریکی، مجموع مواد محلول در آب و پی اچ و همچنین میزان افت سطح آب به صورت پیوسته در محیط gis ایجاد گردید. اثرات تغییرات شاخص های کیفیت آب بر شدت بیابان زایی منطقه با انجام تجزیه و تحلیل های حساسیت سنجی و بررسی سناریوهای مختلف در مدل bbns انجام شد. با توجه به نتایج حاصل از مدل مدالوس به دلیل کیفیت پایین آب های زیرزمینی، بیابان زایی در منطقه مورد مطالعه در کلاس شدید طبقه بندی شد. تجزیه و تحلیل حساسیت هر دو مدل نشان داد که افت سطح آب، وضعیت یون کلرید و شرایط هدایت الکتریکی آب های منطقه به عنوان مهم ترین پارامترهای دخیل در بیابان زایی منطقه از لحاظ شرایط آب های زیرزمینی بودند. ضریب تبیین بین خروجی مدل مدالوس و bbns، 63/0 به دست آمد که در سطح اطمینان 95٪ معنی دار بود. این نتایج نشان دادکه استفاده از مدل bbns در ارزیابی بیابان زایی به خوبی می تواند عدم اطمینان از نتایج ارزیابی را به مدیران نشان داده و آنها را در تصمیم گیری در مورد روش های مناسب مدیریت اراضی یاری نماید.

Analyzing the Effect of Groundwater Quality on Desertification using Bayesian Belief Networks in Segzi Desertification Hotspot

This paper aimed to assess the severity of desertification in Segzi plain located in the eastern part of Isfahan city, focusing on groundwater quality criteria used in MEDALUS model. Bayesian Belief networks (BBNs) were also used to convert MEDALUS model into a predictive, cause and effects model. Different techniques such as Kriging and IDW were applied to water quality data of 12 groundwater wells to map continuous variations of the CL, SAR, EC, TDS, pH and decline in water table indices in GIS environment. The effects of measured water quality indicators on desertification severity levels were assessed using sensitivity and scenario analysis in BBNs model. According to the results of the MEDALUS, the desertification of the study area was classified as severe class due to its low quality of groundwater. Sensitivity analysis by the both models showed that decline in waater table, water chloride content and electrical conductivity were the most important parameters responsible for desertification in the region from ground water condition standpoint. The determination coefficient between the outputs of the MEDALUS and BBNs models (R2>0.63) indicated that the results of both models were significantly correlated ( alpha;=5 %). These results indicate that the application of BBNs model in desertification assessment can appropriately accommodate the uncertainty of desertification methods and can help managers to make better decision for upcoming land management projects.