پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,105,693 |
| تعداد دریافت فایل اصل مقاله | 97,211,188 |
پیش بینی نوسانات سطح آب زیر زمینی با استفاده از مدل‌های سری زمانی و GMS (مطالعۀ موردی: دشت رفسنجان) | ||
| اکوهیدرولوژی | ||
| مقاله 8، دوره 7، شماره 1، فروردین 1399، صفحه 97-109 اصل مقاله (1.16 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2020.290421.1219 | ||
| نویسندگان | ||
| محمدعلی جمالی زاده1؛ ام البنین بذرافشان* 2؛ رسولل مهدوی نجف آبادی2؛ علی آذره3؛ الهام رفیعی ساردوئی4 | ||
| 1دانشجوی دکتری علوم و مهندسی آبخیز، گروه مهندسی منابع طبیعی، دانشکدۀ کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس | ||
| 2دانشیار، گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس | ||
| 3استادیار گروه جغرافیا، دانشکدۀ علوم انسانی، دانشگاه جیرفت، جیرفت | ||
| 4استادیار گروه مهندسی طبیعت، دانشکدۀ مهندسی منابع طبیعی، دانشگاه جیرفت، جیرفت | ||
| چکیده | ||
| آگاهی از تغییرات بارش به عنوان یک مؤلفۀ هیدرولوژیکی در منابع آب، مهم و ضروری است تا با ارائۀ راهکارها و روشهای مدیریتی مناسب، به بهرهبرداری مناسب از آبهای زیرزمینی در مناطق خشک و نیمهخشک با توجه به کمبود بارش در این مناطق پرداخت. با توجه به اهمیت موضوع، در پژوهش حاضر پیشبینی نوسانات سطح آب زیرزمینی تحت تأثیر مدل‌های سری زمانی در دشت رفسنجان صورت گرفت. بارش آینده با استفاده از مدل ARIMA در نرمافزار EViews9 برای دورۀ 1396ـ 1402 پیشبینی شد. سپس، افت آب زیرزمینی نیز با استفاده از مدل آب زیرزمینی GMS در دورۀ پایه (1382ـ 1395) و نتایج حاصل از مدل ARIMA برای دورۀ آتی شبیه‌سازی شد. نتایج شبیه‌سازی افت آب زیرزمینی نیز نشان داد در تمامی منطقه افت سطح آب زیرزمینی در دورۀ آتی نسبت به دورۀ پایه رخ داده و بیشترین میزان افت آب زیرزمینی در بخشهای جنوب غرب دشت صورت گرفته است و سالیانه حدود 130 میلیون مترمکعب اضافه‌برداشت از منابع آب زیرزمینی صورت میگیرد. در حالت کلی، آب زیرزمینی در ابتدای دوره بیشترین مقدار (سطح بالا) و در اواخر دورۀ آماری، کمترین مقدار (پایین‌ترین سطح) را داشته است. پس از مدلسازی سطح آب زیرزمینی برای دورۀ پایه، پیشبینی بارندگی حاصل از مدل ARIMA با فرض ثابت بودن میزان بهرهبرداری از آبخوان، بر مدل آب زیرزمینی اعمال شد. نتایج نشان داد کسری حجم آبخوان به میزان 09/1021 میلیون‌مترمکعب در سال پایانی مدلسازی (سال 1402) صورت گرفته است. همچنین، تغییرات سطح آبخوان دشت رفسنجان از سال 1382 تا سال 1402 بیان‌کنندۀ آن بود که با توجه به برآورد بارش حاصل از مدل ARIMA می‌توان گفت که سالانه به طور متوسط یک متر افت آبخوان در این دشت رخ خواهد داد. | ||
| کلیدواژه‌ها | ||
| آب زیرزمینی؛ دشت رفسنجان؛ مدل ARIMA؛ GMS | ||
| مراجع | ||
|
[1]. Gleeson T, Befus K.M, Jasechko S, Luijendijk E, Cardenas M.B. The global volume and distribution of modern groundwater. Nat. Geosci. 2016; 9 (2):161. [2]. Liu F, Song X.F, Yang L.H, Han D.M, Zhang Y.H, Ma Y, Bu H.M. The role of anthropogenic and natural factors in shaping the geochemical evolution of groundwater in the Subei Lake basin, Ordos energy base. Northwest. China. Sci. Total. Environ. 2015; 538, 327e340. [3]. Foster S, Shah T. Groundwater Resources and Irrigated Agriculture-making a Beneficial Relation More Sustainable. Global Water Partnership Perspectives Paper (Stockholm). 2012. [4]. Jasrotia A. S, Taloor A. K, Andotra U, BhagatB. D. Geoinformatics based groundwater quality assessment for domestic and irrigation uses of the Western Doon valley, Uttarakhand, India. Groundwater for Sustainable Development, 2018; 6, 200-212. [5]. Salih A. Contribution of UNESCO-international hydrological programme to water resources management in the arabian gulf countries. In: Alsharhan, A.S., Wood, W.W. (Eds.), Water Resources Perspectives: Evaluation. Management and Policy Published in by Elsevier Science, Amsterdam, The Netherlands, 2003; pp. 129–139. [6]. Basahi J. M, Masoud M. H, & Rajmohan N. Effect of flash flood on trace metal pollution in the groundwater-Wadi Baysh Basin, western Saudi Arabia. Journal of African Earth Sciences, 2018; 147: 338 351. [7]. Nsubuga F.W.N, Botai O.J, Olwoch J.M, Dew Rauten bach C.J., Yvette B, & Adebayo O.A. The nature of rainfall in the maindrainage sub-basins of Uganda. Hydrological Sciences Journal, 2014; 59 (2): 278-299. [8]. Haiyun S, Tiejian L, Jiahua W, Wang F, Guangqian W. Spatial and temporal characteristics of precipitation over the Three-River Headwaters region during 1961–2014. Journal of Hydrology: Regional Studies 6 (2016) 52–65. [9]. Guobin F, Stephen P. C, Francis H.S.C, Jin T, Hongxing Z, Andrew J. F, Wenbin L, Sergey K. 2013.Modelling runoff with statistically downscaled daily site, gridded and catchment rainfall series. Journal of Hydrology, 2013; 492 : 254-265. [10]. Cao Don N., Thi minh hang N., Araki H., Yamanishi H., Koga K. Groundwater resources management under enviromental in shiroishi of saga plain, japan. Enviromental geology. 2006; 49: 601-609. [11]. Bear J., Cheng A. H. D. 2010: Modeling Groundwater Flow and Contaminant Transpor. Technion-Israel Institute of Technology, Haifa, and School of Engineering, Kinneret College on the Sea of Galilee, Israel., 2010; 23: 850pp. [12]. Cao Don N, Araki H, and Yamanishi H, Koga K. Simulation of groundwater flow and enviromental effects resulting from pumping. Enviromental geology.2005; 47: 361-374. [13]. Asghari Moghadam A, Mahmoudi T, Impacts of Maragheh Industrial Town Wastewater on Groundwater Pollution of Maragheh-Bonab Plain. Environmental Studies. 2008; 34 (45): 15-22. [In Persian]. [14]. Mohamadi M, Moaradi H, Vafakhah M. Characteristics of drought and its impact on groundwater level fluctuations in Arak plain with GIS approach. M.Sc., Faculty of Natural Resources, Tarbiat Modarres University. 2016; 108 p. [In Persian]. [15]. PANDA D.K. and KUMAR A. (2011) Evaluation of an over-used costal aquifer (Orissa, India) using statistical approaches. Hydrol. Sci. Jour., 2011; 56(3): 486-497. [16]. Wang Q. Y, Zhang P. C, Cao B. B, & Hao Y. H. Comparison between grey system and ARIMA model in groundwater simulation—A case study of Liulin Springs discharge simulation. In Proceedings of 2011 IEEE International Conference on Grey Systems and Intelligent Services, 2011; (pp. 400-405). IEEE. [17]. Rahaman M. M, Thakur B, Kalra A, & Ahmad S. Modeling of GRACE-Derived Groundwater Information in the Colorado River Basin. Hydrology, 2019; 6(1): 19. [18]. de Moraes Takafuji E. H, da Rocha M. M, & Manzione R. L. Groundwater level prediction/forecasting and assessment of uncertainty using SGS and ARIMA Models: A case study in the Bauru Aquifer System (Brazil). Natural Resources Research, 2019; 28(2):487-503 [19]. Chubin B, Malekian A, Sajedi Hosseini F, Rahmati O. Water level prediction using time series and adaptive neural fuzzy inference system. Iranian Soil and Water Research, 2014; 45 (1): 19-28. [In Persian]. [20]. Nozarpour L, Chitsazan M, Nodri A. Frhadmanesh. M. Evaluation of the Hydraulic Relationship of the Andimeshk Plain and Dez River Aquifer Using the Mudflow Model. Journal of Advanced Applied Geology, 2015; 17: 36-23. [In Persian]. [21]. Shafie M, Musae Sanjari M, Almodaresi A. Investigating the Impact of Climate Change on Groundwater Level Using ARIMA and GCM Models and GIS Modeling in Abarkoh Plain, Yazd, Second National Conference on Application of Advanced Spatial Models (Remote Sensing and GIS) to Land Preparation, 2019; p. 11 -1. [22]. de Vries J.J, Simmers I. Groundwater recharge: an overview of processes and challenges. Hydrogeol. J. 2002; 10 (1): 5–17. [23]. Scanlon B.R, Keese K.E, Flint, A.L, Flint L.E, Gaye C.B, Edmunds W.M, Simmers I. Global synthesis of groundwater recharge in [24]. Jafari Gadaneh M, Tahedini M, Bakhtiarpour A. Investigation of Spatial and Temporal Changes in Groundwater Level in Rafsanjan Plain, First International Silk Road Scientists Conference, 2019. [In Persian]. [25]. Box G. E. P. and Jenkins G. M. Time series analysis forecasting and control, Holden-Day, San Francisco.1976. [26]. Karamuz M. Araghonejad SH. Advanced Hydrology, Amir Kabir University Press (Tehran Polytechnic). 2009. [In Persian]. [27]. Modarres, R., & Ouarda, T. B. (2013). Testing and modelling the volatility change in ENSO. Atmosphere-Ocean, 51(5), 561-570. [28]. Jafari Gadaneh M, Salajeghe A, Malekian A. The Impact of Climate Change on the Quantity and Quality of Groundwater (Case Study: Kerman Plain), MSc Thesis, Faculty of Natural Resources, University of Tehran. 2016. [In Persian]. [29]. Afrouzi A, Zareabianeh H. Groundwater Level Modeling and Forecasting Using Time Series Models (Case Study: Hamadan Plains Plain), Watershed Management Journal. 2017; 8(15): 111-102. [In Persian]. [30]. Jabarbarezi B, Khosravi H. Tavili, A. Investigation of the effects of hail on the aquifer of Jafari plain of Qom, M.Sc., Faculty of Natural Resources, University of Tehran, 2017. [In Persian]. [31]. Mazadeh Y. Groundwater quantitative modeling using GMS software in Quchan plain. Faculty of Agriculture, Ferdowsi University of Mashhad. 2003. [In Persian]. [32]. Gibrilla A, Anornu G, & Adomako D. Trend analysis and ARIMA modelling of recent groundwater levels in the White Volta River basin of Ghana. Groundwater for Sustainable Development, 2018; 6: 150-163. [33]. Patle G. T, Singh D. K, Sarangi A, Rai A, Khanna M, & Sahoo R. N. Time series analysis of groundwater levels and projection of future trend. Journal of the Geological Society of India, 2015; 85(2): 232-242. | ||
|
آمار تعداد مشاهده مقاله: 2,338 تعداد دریافت فایل اصل مقاله: 697 |
||