- همه نشریات
- نشریات علمی سازمان تحقیقات، آموزش و ترویچ کشاورزی
- مجلات ترویجی سازمان تحقیقات، آموزش و ترویج کشاورزی
- سایر نشریات سازمان تحقیقات، آموزش و ترویج کشاورزی
- نشریات علمی انجمن ها
- علوم آب و خاک
- علوم اقتصاد و ترویج کشاورزی
- علوم جنگل, مرتع و آبخیزداری
- علوم دامی و شیلات
- علوم زراعی و باغی
- علوم گیاهپزشکی
- علوم مهندسی و مکانیزاسیون کشاورزی
- نشریات با زبان انگلیسی
- نشریات با زبان فارسی
- نشریات دانشگاه آزاد اسلامی
- نشریات علمی
پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 283 |
| تعداد نشریات سازمان | 81 |
| تعداد شماره‌ها | 2,726 |
| تعداد مقالات | 31,042 |
| تعداد مشاهده مقاله | 27,943,821 |
| تعداد دریافت فایل اصل مقاله | 16,239,833 |
ارزیابی تغییر مکانی کیفیت و تعیین شبکه بهینه پایش آب زیرزمینی دشت شهرکرد با روش‌های زمین آمار | ||
| پژوهش های آبخیزداری | ||
| مقاله 6، دوره 32، شماره 2 - شماره پیاپی 123، تیر 1398، صفحه 60-78 اصل مقاله (1.2 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/wmej.2019.123678.1159 | ||
| نویسندگان | ||
| مهدی عبدالهی منصورخانی* 1؛ حسین محمدزاده2؛ محمد امینی3؛ فرحناز عزیزی4 | ||
| 1کارشناس ارشد هیدروژئولوژی، گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد | ||
| 2دانشیار گروه زمین شناسی، دانشکده‌ی علوم، دانشگاه فردوسی مشهد | ||
| 3استاد گروه آمار، دانشکده‌ی ریاضی، دانشگاه فردوسی مشهد | ||
| 4دکترای هیدروژئولوژی | ||
| چکیده | ||
| منابع آبهای زیرزمینی از با ارزشترین منابعملی،و حفاظتاز کیفیتآن حیاتی است.یکی از راه‌های مناسب برای جلوگیری از آلودگی آبهای زیرزمینی بررسی تغییرات مکانی کیفیت آن‌ها و مدیریت بهره‌برداری از منابع آب و کاربری زمین است. در این پژوهش تغییرات متغیرهای کیفی آب زیرزمینی دشت شهرکرد در مقیاس مکانی بررسی، و شبکهی بهینهی پایش تراز سطح ایست‌آبی در آن ارزیابی شد. مدل‌های مختلف زمین‌آماری با نرمافزارArc GIS 10.3 به دادههای کمی و کیفی آب زیرزمینی برازش داده و بهترین مدل انتخاب شد. با توجه به معیارهای ارزیابی خطا و معیار ارزش‌یابی متقابل، تخمینگر کریجینگ عام با روند درجه‌ی یک و مدل کروی چهارگانه، کریجینگ عام و روند درجه‌ی یک با مدل کروی پنجگانه، لاگ کریجینگ معمولی با مدل نمایی، کریجینگ عام و روند درجه‌ی یک با مدل نمایی، لاگ‌کریجینگ معمولی با مدل کروی پنجگانه و کریجینگ معمولی با مدل نمایی به‌ترتیب برای دادههای هدایت الکتریکی، کلسیم، کلر، منیزیم، بیکربنات، سولفات، سدیم، و نیترات انتخاب شد. نقشه‌های پهنهبندی کیفی آب زیرزمینی نشان‌دهنده‌ی کاهش کیفیت آب در مرکز و خروجی آبخوان است. علاوه بر این، برای به‌دست‌آوردن شبکهی بهینهی پایش به‌روش حذف چاههای نالازم، 6 چاه از 35 چاه مشاهدهیی از شبکه حذف شد. با روش اضافه‌کردن چاه، 11 چاه نقطه‌ی بهینه تشخیص داده و به شبکه افزوده شد. | ||
| کلیدواژه‌ها | ||
| زمین‌آمار؛ شبکه بهینه؛ متغیرهای کیفی؛ منابع آب | ||
| عنوان مقاله [English] | ||
| Assessment of Groundwater Quality Spatial Distribution and Appointment Optimize Network of Shahrkord Plain Aquifer Using Geostatistical Methods | ||
| نویسندگان [English] | ||
| Mehdi Abdollahi Mansourkhani1؛ Hossein Mohammadzade2؛ Mohammad Amini3؛ Farahnaz Azizi4 | ||
| 1Master of Hydrogeology, Ferdowsi University, Mashhad, Iran | ||
| 2Associate Professor, Department of Geology, Ferdowsi University, Mashhad, Iran | ||
| 3Professor, Department of statistic, Ferdowsi University, Mashhad, Iran | ||
| 4PhD inHydrogeology | ||
| چکیده [English] | ||
| As the most valuable natural resources, protection and management of groundwater is vital. One of the best ways to protect groundwater resources is monitoring groundwater quality spatial variationsand then managing the water resources exploitations and the land uses. In this research, the spatial distribution of groundwater quality variables and the optimize water well network with acceptable precious in Shahrkord Aquifer is evaluated. According to the cross validation and the values of error evaluation criteria, the universal kriging model with linear trend, the ordinary kriging model with exponential semiovariogram, the Log ordinary kriging model with exponensionalsemiovariogram, the universal kriging model with linear trend with exponential semiovariogram, the log ordinary kriging model with panta spherical semiovariogram and the ordinary kriging model with exponential semiovariogram, has been selected for EC, Ca2+, Cl- and Mg2+, HCO3-, SO42- and Na+ and NO3- respectively. The quality-zoning maps of the Shahrkord Aquifer have been prepared. The results from the zoning quality map indicate that the groundwater quality reduced in central parts of the aquifer. In addition, in this research, to obtain an optimum monitoring well network was applied omittingmethod. Out of 35 observation wells, identified and removed six wells from the network. Using adding well method identified 11 wells as optimal points and added to the network. | ||
| کلیدواژه‌ها [English] | ||
| Geostatistic, optimized network, qualityvariables, water resources | ||
| مراجع | ||
|
Bhuiyan MAH, Bodrud-Doza M, Islam AT, Rakib MA, Rahman MS, Ramanathan AL. 2016. Assessment of groundwater quality of Lakshimpur district of Bangladesh using water quality indices, geostatistical methods, and multivariate analysis. Environmental Earth Sciences. 75(12): 1020-1043. Chahar Mahal and Bakhtiari Regional Water Company. 2017. Qualitative and quantitative statistics of Shahrekord plain. Shahrekord: Base Studies Section of Water Resources Department. Desbarats AJ, Logan CE, Hinton MJ, Sharpe DR. 2002. On the kriging of water table elevations using collateral information from a digital elevation model. Journal of Hydrology. 255(1–4): 25–38. Diodato N, Ceccarelli M. 2004. Multivariate indicator kriging approach using a GIS to classify soil degradation for Mediterranean agricultural lands. Ecological Indicators, 4(3): 177–187. Fetouani S, Sbaa M, Vanclooster M, Bendra B. 2008. Assessing groundwater quality in the irrigated plain of Triffa (North-east Morocco). Agricultural Water Management. 95(2):133–142. Ghahraman B, SepaskhahA. 2001. Autographic rain-gagenetwork design for Iran by kriging. Journal of Science and Technology. 25(B4): 653–660. Gundogdu K. S, Guney I. 2007. Spatial analyses of groundwater levels using universal kriging. Journal of Earth System Science. 116(1): 49–55. Howladar MF, Rahman MM, Anas FSA, Shine FMM. 2018. A chemical and multivariate statistical approach to assess the spatial variability of soil quality for environment around the Tamabil coal stockpile, Sylhet. Environmental Systems Research 7(1): 19-29. Karami S, Madani H, Katibeh H, Marj AF. 2018. Assessment and modeling of the groundwater hydrogeochemical quality parameters via geostatistical approaches. Applied Water Science. 8(1): 23-36. Khosravi H, Karimi K, Mesbahzadeh T. 2016. Investigation of spatial structure of groundwater quality using geostatistical approach in Mehran Plain, Iran. Pollution. 2(1): 57–65. Kitanidis PK. 1997. Introduction to geostatistics: applications in hydrogeology. Cambridge University Press. Kumar V, Devi R. 2006. Kriging of groundwater levels- A case study. Journal of Spatial Hydrology. 6(1): 81–94. Li J, Heap A. D. 2011. A review of comparative studies of spatial interpolation methods in environmental sciences: Performance and impact factors. Ecological Informatics. 6(3–4): 228–241. Liu S, Mo X, Li H, Peng G, Robock A. 2001. Spatial variation of soil moisture in China: Geostatistical characterization. Journal of the Meteorological Society of Japan. Ser. II. 79(1B): 555–574. Mckenns SA. 2002. Simulating geological uncertainty with imprecise data for groundwater flow and advective transport modeling. Department of Geology and Geological Engineering, Colorado School of Mines Golden, Colorado U.S.A. pp. 1–15. Prakash MR, Singh VS. 2000. Network design for groundwater monitoring–a case study. Environmental Geology. 39(6): 628–632. RezaeiM, DavatgarN, TajdariK, AbolpourB. 2010. Investigation the spatial variability of some important groundwater quality factors in Guilan, Iran. Journal of Water and Soil. 24(5):932–941. doi:10.22067/jsw.v0i0.5284. (In Persian). Robinson TP, Metternicht G. 2006. Testing the performance of spatial interpolation techniques for mapping soil properties. Computers and Electronics in Agriculture. 50(2): 97–108. Safarbeiranvnd M, Amanipoor H, Battaleb-Looie S, Ghanemi K, Ebrahimi B. 2018. Quality evaluation of groundwater resources using geostatistical methods (Case study: Central Lorestan Plain, Iran). Water Resources Management. 32: 3611–3628. https://doi.org/10.1007/s11269-018-2009-2. Sheikhy Narany T, Ramli MF, Aris AZ, Sulaiman WNA, Fakharian K. 2013. Spatial assessment of groundwater quality monitoring wells using indicator kriging and risk mapping, Amol-Babol Plain, Iran. Water. 6(1): 68–85. Sun Y, Kang S, Li F, Zhang L. 2009. Comparison of interpolation methods for depth to groundwater and its temporal and spatial variations in the Minqin oasis of northwest China. Environmental Modelling & Software. 24(10): 1163–1170. Theodossiou N, Latinopoulos P. 2006. Evaluation and optimisation of groundwater observation networks using the kriging methodology. Environmental Modelling & Software. 21(7): 991–1000. Webster R, Oliver M. A. 2007. Geostatistics for environmental scientists. John Wiley & Sons. Zahedi M, Vaezipour C. 1993. Geological map of Shahrekord, 1: 250,000. Geological Survey of Iran, Tehran, Iran. (In Persian). Zehtabian Gh R, Janfaza E, Nematollahi MJ. 2010. Modeling of ground water spatial distribution for some chemical properties (Case study in the Garmsar watershed). Iranian Journal of Range and Desert Research. 17(1): 61–73. (In Persian). Zehtabian Gh R, Mohammad Asgari H, Tahmoures M. 2012. Assessment of spatial structure of groundwater quality variables based on the geostatistical simulation. Desert. 17(3): 215–224. | ||
|
آمار تعداد مشاهده مقاله: 298 تعداد دریافت فایل اصل مقاله: 653 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب