بررسی تغییرات مکانی و زمانی معیارهای کیفی آب زیرزمینی دشت همدان- بهار با استفاده از (GIS) طی بازه‌ی زمانی 10 ساله

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد رشته‌ی آبیاری زهکشی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران

2 استادیار رشته‌ی آبیاری زهکشی، گروه علوم و مهندسی آب، دانشکده کشاورزی دانشگاه بوعلی سینا، همدان، ایران* (مسوول مکاتبات)

10.22034/jest.2020.23995.3310

چکیده

زمینه وهدف: آب­های زیرزمینی از منابع ارزش­مند تهیه آب شرب، کشاورزی و صنعت دراکثر مناطق ایران هستند. تغییرات کیفی آب­های زیرزمینی می­تواند در اثر فعالیت­های انسان وتوسعه فعالیت­های صنعتی صورت گیرد.  بررسی و مطالعه این منابع به منظور حفظ و اصلاح کیفیت آن­ها ضروری است. هدف از این مطالعه پهنه­بندی و منطقه­ای نمودن خصوصیات نقطه­ای پارامتر­های مورد بررسی است. در نهایت برای هر یک از متغیرها بهترین روش پهنه­بندی و مناطق مجاز و آلوده در مصارف کشاورزی در دشت مشخص گردید و روند تغییرات این متغیرها در طی یک دوره­ی 10 ساله­ی آماری بررسی شد.
مواد و روش­ها: در این تحقیق از داده­های کیفی آب زیرزمینی دشت همدان- بهار در یک بازه­ی زمانی 10 ساله استفاده شد. متغیرهای  شوری، باقی­مانده خشک، نسبت جذب سدیم، بی کربنات، PH، مقدار کلر و سدیم، با استفاده از روش­های زمین­آمار از جمله کریجینگ معمولی(OK)، (با مدل سمی واریوگرام دایره­ای، گوسی، نمایی، کروی) و روش­های معین نظیر عکس فاصله IDW، تابع شعاعی RBF، تخمین­گر عامGPI  و تخمین­گر موضعی LPI به­وسیله نرم­افزار ARCGIS9.3 پهنه­بندی گردیدند.
یافته­ها: پس از تحلیل معیار­های آماری بهترین روش پهنه­بندی برای متغیر شوری (EC) روش عکس فاصله IDW، باقی­مانده خشک(TDS) روش تابع شعاعی(RBF)، بی­کربنات(HCO3) روش کریجینگ(OK) (نمایی)، (PH) روش عکس فاصله(IDW)، کلر(CL) تابع شعاعی(RBF)، سدیم(Na) روش کریجینگ(OK) (نمایی) و برای متغیر نسبت جذب سدیم(SAR) روش تابع شعاعی(RBF) در آبخوان اصلی همدان- بهار معرفی شدند.
بحث و نتیجه­گیری:  با توجه به روش­های تعیین شده پهنه­بندی تمام معیارها برای سال­های84 ، 88 و 93 انجام شد و تغییرات کیفیت آبخوان طی یک دوره­ی 10ساله برای هر یک از متغیرها نشان داد که بیش­ترین تغییرات در مقدار سدیم بوده که محدوده غیر مجاز آن برای مصارف کشاورزی (Na>3) از سال 84 تا 93 به مقدار 21/3 درصد افزایش یافته است.

کلیدواژه‌ها

موضوعات


 

 

 

 

 

علوم و تکنولوژی محیط زیست، دورهبیست و دوم، شماره سه، خرداد ماه 99

                                        

 

بررسی تغییرات مکانی و زمانی معیارهای کیفی آب زیرزمینی دشت همدان- بهار با استفاده از (GIS) طی بازه­ی زمانی 10 ساله

 

سحر اقبالیان[1]

 امید بهمنی[2]*

omid.bahmani@basu.ac.ir

تاریخ دریافت:25/10/95

تاریخ پذیرش:31/1/96

 

چکیده

زمینه وهدف: آب­های زیرزمینی از منابع ارزش­مند تهیه آب شرب، کشاورزی و صنعت دراکثر مناطق ایران هستند. تغییرات کیفی آب­های زیرزمینی می­تواند در اثر فعالیت­های انسان وتوسعه فعالیت­های صنعتی صورت گیرد.  بررسی و مطالعه این منابع به منظور حفظ و اصلاح کیفیت آن­ها ضروری است. هدف از این مطالعه پهنه­بندی و منطقه­ای نمودن خصوصیات نقطه­ای پارامتر­های مورد بررسی است. در نهایت برای هر یک از متغیرها بهترین روش پهنه­بندی و مناطق مجاز و آلوده در مصارف کشاورزی در دشت مشخص گردید و روند تغییرات این متغیرها در طی یک دوره­ی 10 ساله­ی آماری بررسی شد.

مواد و روش­ها: در این تحقیق از داده­های کیفی آب زیرزمینی دشت همدان- بهار در یک بازه­ی زمانی 10 ساله استفاده شد. متغیرهای  شوری، باقی­مانده خشک، نسبت جذب سدیم، بی کربنات، PH، مقدار کلر و سدیم، با استفاده از روش­های زمین­آمار از جمله کریجینگ معمولی(OK)، (با مدل سمی واریوگرام دایره­ای، گوسی، نمایی، کروی) و روش­های معین نظیر عکس فاصله IDW، تابع شعاعی RBF، تخمین­گر عامGPI  و تخمین­گر موضعی LPI به­وسیله نرم­افزار ARCGIS9.3 پهنه­بندی گردیدند.

یافته­ها: پس از تحلیل معیار­های آماری بهترین روش پهنه­بندی برای متغیر شوری (EC) روش عکس فاصله IDW، باقی­مانده خشک(TDS) روش تابع شعاعی(RBF)، بی­کربنات(HCO3) روش کریجینگ(OK) (نمایی)، (PH) روش عکس فاصله(IDW)، کلر(CL) تابع شعاعی(RBF)، سدیم(Na) روش کریجینگ(OK) (نمایی) و برای متغیر نسبت جذب سدیم(SAR) روش تابع شعاعی(RBF) در آبخوان اصلی همدان- بهار معرفی شدند.

بحث و نتیجه­گیری:  با توجه به روش­های تعیین شده پهنه­بندی تمام معیارها برای سال­های84 ، 88 و 93 انجام شد و تغییرات کیفیت آبخوان طی یک دوره­ی 10ساله برای هر یک از متغیرها نشان داد که بیش­ترین تغییرات در مقدار سدیم بوده که محدوده غیر مجاز آن برای مصارف کشاورزی (Na>3) از سال 84 تا 93 به مقدار 21/3 درصد افزایش یافته است.

 

واژه­های کلیدی: آبخوان اصلی همدان- بهار، روش­های معین، زمین آمار، کیفیت آب زیرزمینی

 

J. Env. Sci. Tech., Vol 22, No.3,May, 2020

 

 

 

 

 


Study of Local and Temporal Changes of Groundwater Quality Standards of Hamedan-Bahar Plain Using(GIS) over a 10 Year Period

 

 

Sahar Eghbalian [3]

Omid Bahmani [4]*

omid.bahmani@basu.ac.ir

 

Admission Date:April 20, 2017

 

Date Received: January 14, 2017

 

Abstract

Background and objective: Groundwater is the valuable resources for drinking, agriculture and industry uses in the most regions of Iran. Groundwater qualitative changes can be created by human activity and industrial development. Study of these resources is necessary in order to maintaining and improving their quality. The objective of this study is zoning and regional the specification parameters point of the case study. Finally determined the best method for zoning the each of the variables and permitted and infect areas in agricultural uses.  In addition behavior variables were investigated in the 10 year period of time.

Method: Qualitative data of Hameda-Bahar plain in Ten-year period were used in this study. Variables such as EC, TDS, SAR, HCO3, PH, Cl & Na evaluated by Geostatical methods include of Ordinary Kriging(OK),(by Circular, Gaussian, Exponential and spherical Semivariogram Modeling) and the specific methods include inverse distance weights (IDW), radial basis functions (RBF), global polynomial interpolator (GPI) and local polynomial interpolator (LPI), were zoning with ARCGIS9.3.

Findings: Results indicated that the best method to zoning the qualitative parameters were IDW (EC), RBF (TDS), OK exponential semivariogram (HCO3), IDW (PH), RBF (Cl), OK exponential semivariogram (Na) and RBF (SAR) in Hamedan-Bahar plain. According to the best method the zoning of parameters was done for 2005, 2009 and 2014 years.

Discussion and Conclusion: Results showed that Na had the maximum changes in ground water during the study period. The area percent for this parameter increased 3.21% from 2005 to 2014.

 

Keywords: Groundwater Quality, Geostatistics, Specific Methods, the Main Hamedan Bahar Aquifer.

 

مقدمه


آب­های زیرزمینی از منابع ارزش­مند تهیه آب شرب، کشاورزی و صنعت دراکثر مناطق ایران هستند. تغییرات کیفی آب­های زیرزمینی می­تواند در اثر فعالیت­های انسان وتوسعه فعالیت­های صنعتی صورت گیرد بررسی و مطالعه این منابع به منظور حفظ و اصلاح کیفیت آن­ها ضروری است(1). در مطالعات آب­های زیرزمینی، بررسی کیفیت آب از اهمیت ویژه­ای برخوردار است و افزایش بیش از حد مجاز غلظت یون­ها، فعالیت­های کشاورزی و سایر استفاده­ها از آب را با محدودیت جدی روبرو می­سازد (2). تهیه نقشه­های به هنگام تغییرات متغیرهای کیفی آب می­تواند گامی مهم در بهره­برداری صحیح از منابع آب باشد. علاوه بر آن، بررسی تغییرات ویژگی­های شیمیایی آب زیرزمینی نقش به سزایی در مدیریت استفاده و بهره برداری از آب­های زیرزمینی ایفا می­کند. آب های زیرزمینی در مقایسه با آب های سطحی دارای مزیت­های مختلفی هستند، که در این بین می­توان به کیفیت بالاتر و آلودگی کم­تر آن­ها اشاره کرد(3). بیش­تر روش­های به­کار رفته در تعیین کیفیت آب­های زیرزمینی به صورت روش های گرافیکی، و بر اساس تجزیه نمونه­های آب و روش­های مبتنی بر آمارکلاسیک هستند که با محدودیت تعداد نمونه و عدم لحاظ همبستگی مکانی نمونه­ها با عوامل کیفی همراه است. پیشرفت­های اخیر در معرفی و بسط روش­های غیرکلاسیک باعث افزایش تمایل استفاده از زمین آمار به منظور بررسی مکانی در شناخت بیش­تر کیفیت منابع­آب زیرزمینی شده است(4). زمین آمار فرآیندی محاسباتی است که در آن مقدار یک کمیت در یک نقطه معلوم، براساس وزن اختصاصی به نقاط دارای اطلاعات معلوم مجاور برآورد می­گردد. کیفیت آب­های زیرزمینی دارای تغییرات مکانی و زمانی بوده و تکنیک زمین­آمار، به­دلیل در نظر گرفتن همبستگی مکانی داده­ها و بیان آن­ها در قالب مدل­های ریاضی اهمیت زیادی دارد(5). گزارش­های محققین حاکی از کاربرد زمین آمار در حل پیچیدگی­های مربوط به فرآیند­های هیدروژئوشیمیایی، افزایش دقت تخمین­ها و کاهش تعداد نمونه­برداری­ها از دیدگاه اقتصادی است(6). در اکثر پژوهش­ها روش کریجینگجهت برآورد کیفیت آب زیرزمینی در برآورد تغییرات مکانی کیفیت آب­های زیرزمینی معرفی شده است(7). مطالعاتی در ارتباط با کاربرد روش­های میان­یابی در بررسی ویژگی­های کیفی آب­های زیرزمینی انجام­شده است. نظری زاده و همکاران (1385) با استفاده از روش زمین­آماری کریجینگ معمولی به بررسی تغییرات مکانی کیفیت آب زیرزمینی دشت بالارود واقع در استان خوزستان پرداختند و گزارش نمودند که نیم­تغییرنمای قابلیت هدایت الکتریکی، کلر و سولفات از مدل­های کروی به ترتیب با دامنه تاثیر 50800،61700 و 102100متر و حدود آستانه 53/0 ، 53/1 و05/2 تبعیت می­نماید (8).

در تحقیقی از روش کریجینگ و کوکریجینگ معمولیجهت تخمین نسبت جذب سدیم و کلر در آب­های زیرزمینی 90 حلقه چاه استان فارس استفاده کردند و بیان کردند هر دو روش تخمین­های قابل قبولی ارایه داده است اما تخمین نسبت جذب سدیم و کلر با استفاده ازروش کوکریجینگ دقیق­تر از روش کریجینگ بوده است و نیم­تغییرنمای مربوط به نسبت جذب سدیم و کلر از مدل­های گوسی به­ترتیب با اثر قطعه ای 24/0 و 37/0، حد آستانه 98/0 و 98/1 و دامنه تاثیر 47600 و 49100 متر تبعیت نموده است (9). بررسی تغییرات مکانی کیفیت آب زیرزمینی در 156 چاه موجود در شهر کونیا واقع در آنتالیا نشان دادکه نیم­تغییرنمایPH، قابلیت هدایت­الکتریکی، کلر، سولفات و سختی آب به ترتیب از مدل­های حلقوی، درجه دوم، کروی و پایدار تبعیت نمودند و در بین متغیرهای مورد­بررسی روند مکانی کلی وجود نداشته و تنها PH از توزیع  نرمال تبعیت نموده و سایر ویژگی­ها با اعمال تبدیل به توزیع نرمال تبدیل­شدند(10). در تحقیقی تغییرات مکانی ویژگی­های شیمیایی کیفیت آب زیرزمینی شامل میزان کلر، قابلیت هدایت الکتریکی، فلور، منیزیم و نیترات را در دهلی هند مورد بررسی قرارگرفته شد و بیان شد که بهترین نیم­تغییر­نمای برازش داده شده مدل سمی واریوگرام دایره­ای است. آنان برای تخمین و تحلیل تغییرات مکانی از روش کریجینگ معمولی و برای پهنه­بندی و تهیه نقشه ویژگی­های موردمطالعه از روش کریجینگ شاخص استفاده نمودند(11). تحقیق دیگری نشان داد روش کریجینگ معمولی در بین سایر روش­های زمین آماری قادر به شبیه­سازی مناسبی از ویژگی­های کیفی آب زیرزمینی می­باشد (12). روش کریجینگ معمولی در میان سایرِانواع کریجینگ (کریجینگ ساده، کریجینگ عام، کریجینگ گسسته،کریجینگ بلوکی و کوکریجینگ) روش قابل اعتماد و مناسب­تری معرفی شدند(13). در پژوهشی از روش کریجینگ شاخص و کریجینگ معمولی جهت پهنه­بندی نقشه مکانی و زمانی شوری آب زیرزمینی برای دشت بافر ترکیه استفاده شد و نقشه پراکنش مکانی، بیان­گر کاهش میزان شوری آب­های زیرزمینی از سال 2004 تا 2010 بوده به طوری که شوری بیش از پنج دسی زیمنس بر متر، در سال 2004 حدود 31 درصد از سطح منطقه مورد مطالعه، و در سال 2010 تقریبا نه درصد بوده است(14). در مطالعه­ای با استفاده از روش کریجینگ، پهنه­بندی پراکنش نیترات را در آبخوان آبرفتی شمال رودخانه تاگوس (پرتغال) بررسی شد، آن­ها ابراز داشتند که تجزیه و تحلیل نقشه­های زمانی افزایش میزان غلظت نیترات در طول تابستان را نشان می­دهد(15). در تحقیق دیگری روش کریجینگ را در برآورد عناصر سنگین مورد استفاده قرار دادند. و به این نتیجه رسیدند که روش یاد شده بهترین برآورد کننده خطی نااریب سرب می­باشد(16).

در این مطالعه جهت پهنه­بندی و بررسی متغیرهای کیفی هدایت الکتریکی املاح محلول (EC)، باقی­مانده خشک املاح(TDS)، نسبت جذبی سدیم(SAR) ، اسیدیته(PH) ، بی کربنات(HCO3)، مقدار سدیم(Na) و کلر(Cl) از داده­های آب زیرزمینی دشت همدان – بهار در فصل تابستان و در سال­های 84، 88 و93 استفاده شده است. تغییرات کیفی آب زیرزمینی در یک دوره­ی 10 ساله مورد مطالعه و مقایسه قرار گرفت. انتخاب پارامتر­های فوق به جهت اهمیت شناخت کیفیت آب­های زیرزمینی از نظر مصارف کشاورزی است. هدف از پهنه­بندی، منطقه ای نمودن خصوصیات نقطه ای پارامتر­های مورد بررسی است. در نهایت برای هر یک از متغیرها بهترین روش پهنه­بندی و مناطق مجاز و آلوده در مصارف کشاورزی در دشت مشخص گردید و روند تغییرات این متغیرها در طی دوره­ی آماری بررسی شد.

 

مواد و روش­ها

حوضه آبریز دشت همدان-بهار موسوم به سیمینه رود با وسعت 2459 کیلومتر مربع بین طول شرقی "17،˚48 تا "33،˚48 و عرض شمالی "49،˚34 تا "02،˚35 در دامنه شمالی ارتفاعات الوند دارد. وسعت دشت 880 کیلومتر مربع و گسترش آبخوان اصلی 468 کیلومتر مربع است شکل(1). حوضه از معبر باریکی در ناحیه شمالی با دشت­های کبودرآهنگ و قهاوند ارتباط هیدروژئولوژیک دارد. وضعیت منابع آب دشت به مقدار زیادی به ریزش­های برفی-بارانی و آبراهه­های انشعاب یافته از دامنه الوند کوه وابسته است. نبود منابع آب­های سطحی کافی، کمبود بارندگی و عدم تناسب زمانی بارش­ها موجب فشار بیش از حد بر منابع آب زیرزمینی برای تامین بیش از 80درصد آب کشاورزی و 50 درصد آب شهری و در نتیجه بیلان منفی آبخوان فوق شده است(17). بیش­ترین مقدار آب مصرفی از طریق چاه­های حفر شده در سطح دشت تامین می­گردد. این دشت یکی از دشت­هایی است که بروز افت در سطح آب زیرزمینی در آن مورد توجه است. که متعاقب آن در آینده با مشکلاتی نظیر کاهش کیفیت آب زیرزمینی مواجه خواهد شد(18). از طرف دیگر استفاده بی­رویه از کودهای شیمیایی برای افزایش کمیت محصولات کشاورزی می­تواند موجب تغییرات کیفی منابع آب زیرزمینی شود. در این تحقیق به­منظور پهنه­بندی وضعیت کیفی آبخوان دشت همدان- بهار، از اطلاعات سه سال نمونه­برداری با فواصل پنج سال استفاده شده است. داده­ها از 25 حلقه چاه که محل ایستگاه­های نمونه­برداری می­باشند اندازه­گیری شده­اند. موقعیت ایستگاه­ها در شکل(1) نشان داده شده است. اندازه­­گیری­ها در دو فصل بهار به عنوان فصل پربارش، و تابستان به عنوان فصل خشک، صورت گرفته­اند.

 

 

 

 

شکل 1- منطقه مورد مطالعه

Figure 1. The study area

 

 

به منظور انجام تحلیل مکانی عوامل کیفی، کنترل کیفیت داده­ها از نظر نرمال بودن بوسیله نرم­افزار MINITAB16.2 و با استفاده از روش شاپیرو فرانسیس برای کلیه داده­ها انجام گرفت جدول(1). روش­های درون­یابی در صورت نرمال بودن داده­ها اطلاعات دقیق­تری ارایه می­کنند. در صورت نرمال نبودن متغیرها از روش­های نرمال­سازی از جمله روش لگاریتم­گیری استفاده شد. خلاصه آماری پارامتر­های کیفی آب زیرزمینی تابستان 93 که توسط نرم­افزار SPSS محاسبه شده است در جدول(2) نشان داده شده است. به دلیل غیرنرمال بودن برخی متغیرها، آماره­های توصیفی عوامل نرمال­سازی شده نیز آورده شده است.

 

 

جدول 1- بررسی نرمالی داده­ها

Table 1. Data normalization

Na

میلی اکی والانت بر لیتر

CL

میلی اکی والانت بر لیتر

SAR

جذر میلی اکی والانت بر لیتر

PH

TDS

میلی گرم بر لیتر

EC

میکرو موس بر سانتی متر

متغیر

غیرنرمال

غیرنرمال

غیرنرمال

نرمال

غیر نرمال

غیر نرمال

سال 93

غیرنرمال

غیرنرمال

نرمال

نرمال

غیرنرمال

غیرنرمال

سال 88

غیرنرمال

غیرنرمال

غیرنرمال

نرمال

نرمال

نرمال

سال 84

 

 

 

 

 

جدول 2- خلاصه آماری ویژگی­های کیفی دشت همدان-بهار سال93

Table 2. Statistical summary of qualitative characteristics of Hamedan-bahar plain

ضریب تغییرات

انحراف معیار

کشیدگی

چولگی

میانگین

کم­ترین مقدار

بیش­ترین مقدار

تعداد

متغیر

49/0

38/525

99/2

53/1

08/1064

291

2680

25

غیر نرمال

EC

07/0

2/0

13/1

16/0-

98/2

46/2

43/3

25

نرمال شده

49/0

47/337

89/2

51/1

31/682

186

2/1715

25

غیرنرمال

TDS

07/0

21/0

06/1

17/0-

79/2

27/2

23/3

25

نرمال شده

27/0

44/1

65/0

08/0-

36/5

80/1

50/8

25

نرمال

HCO3

03/0

26/0

31/0-

58/7

58/7

80/1

13/8

25

نرمال

PH

74/0

76/1

56/0

29/1

38/2

50/0

5/6

25

غیرنرمال

CL

11/1

31/0

3/0-

11/0

27/0

31/0-

81/0

25

نرمال شده

73/0

99/1

37/2

56/1

74/2

24/0

52/8

25

غیرنرمال

Na

1

33/0

71/1

68/0-

33/0

62/0-

93/0

25

نرمال شده

53/0

69/0

633/0

917/0

3/1

88/2

21/0

25

غیرنرمال

SAR

5

25/0

41/1

74/0-

05/0

46/0

68/0-

25

نرمال شده

 

 

روش های درون­یابی در GIS

الف- روش عکس فاصله وزنی IDW­[5]

از مهم­ترین روش­های درون­یابی، روش عکس فاصله وزنی می­باشد. در این روش وزن نقاط نمونه بر روی نقطه مجهول بر اساس فاصله­ی بین نقاط معلوم و نقطه مجهول محاسبه می­شود(19).

ب-روشتابعشعاعمحور RBF­[6]

این روش می­تواند روی داده­هایی که به طور نامنظم در یک منطقه پخش شده­اند اعمال شده و یک درون­یابی چند متغیره هموار روی داده­ها انجام دهد(19).

 

ج-روش کریجینگ K

شرط استفاده از این تخمین­گر آن است که متغیر Z دارای توزیع نرمال باشد. در غیر این صورت یا باید از کریجینگ غیرخطی استفاده کرد و یا این که با تبدیل­های مناسب توزیع متغیر را به نرمال تبدیل کرد. کریجینگ بهترین تخمین­گر خطی نااریب است و عاری از خطای­سیستماتیک می­باشد. همچنین واریانس تخمین در آن نیز حداقل می باشد(19).

به منظور بررسی وابستگی مکانی داده­ها، ابتدا مقدار نیم تغییرنمای تجربی داده­ها محاسبه شد(20).  بررسی هم­سان­گردی ناهم­سان­گردی نیز با محاسبه و رسم نیم تغییرنمای مسطحاتی انجام شد(13). سپس مدل­های مختلف نظیر (کروی، نمایی، گوسی و دایره ای) به نیم تغییرنماهای محاسبه شده برازش داده شد و مدل مناسب انتخاب و پارامترهای آن شامل اثر قطعه­ای(C˳)، سقف (C) و دامنه تاثیر(R) تعیین شد.

در این تحقیق به منظور ارزیابی بهترین روش پهنه بندی از روش ریشه دوم میانگین مربع خطا RMSE فرمول(4) و میانگین قدر مطلق خطا MAE فرمول(5) استفاده شده است. جهانشاهی(1393) و شعبانی (1387) نیز برای ارزیابی داده­های خود از این دو معیار بهره­گرفتند.

(4)

 

 (5)

 
     

که در آنXi  مقدار برآورد شده توسط مدل، و Yi مقدار اندازه­گیری شده و n تعداد نمونه­های اندازه­گیری است.

پس از تعیین معیارهای آماری برای هر یک از متغیرها، بهترین روش پهنه­بندی برای هر متغیر انتخاب و به عنوان بهترین روش جهت پهنه­بندی متغیر مذکور معرفی می­گردد.

نتایج و بحث

پهنه­بندی­ها توسط نرم افزار ARCGIS9.3 با استفاده از روش­های زمین­آمار از جمله کریجینگ معمولی (OK) ، و روش­های معین، نظیر عکس فاصله IDW، تابع شعاعی RBF، تخمین­گر عام GPI­[7] تخمین­گر موضعی ­LPI­[8] صورت گرفت. در خصوص روش زمین­آمار کریجینگ معمولی(OK) نتایج مدل سمی واریوگرام مناسب برای تمام متغیرها درجدول(3)
آورده شده است. با توجه به نتایج حاصل از این جدول می­توان روش کریجینگ معمولی با سمی واریوگرام نمایی، به دلیل داشتن حداکثر دامنه تاثیر و حداقل اثر قطعه ای، به عنوان بهترین روش زمین آماری برای تمامی متغیرها، در نظر گرفت. یکسان بودن مدل نیم­تغییرنمای برازش یافته (مدل نمایی) بر تمامی متغیرها به عنوان مدلی مناسب، نشانه غالبیت اثر یک عامل مشترک مانند عامل مدیریتی بر تغییرات مکانی پارامتر­های فوق است. زیرا اثر عوامل غیرمدیریتی مانند تغییر اقلیم، نوع مواد مادری و بافت خاک در زمان­های طولانی مشخص می­گردد. با توجه به کوتاه بودن طول دوره­ی آماری داده­ها، تاثیرپذیری تغییرات مکانی عوامل کیفی از عوامل مدیریتی، محتمل است.

 

جدول 3- نیم تغییرنما مناسب برازش داده شده

Table3. Fitted suitable semivariogram

اثر قطعه­ای

آستانه

دامنه تاثیر

مدل واریوگرام

متغیر

0

04659/0

1/11285

نمایی

شوری

(میکروموس بر سانتی متر)

0026/0

042/0

33/9079

کروی

0034/0

0411/0

51/8130

دایره ای

0095/0

0354/0

4/7989

گوسی

0

047/0

8/11508

نمایی

باقی­مانده خشک

(میلی گرم بر لیتر)

0025/0

042/0

24/9131

کروی

0033/0

041/0

48/8171

دایره ای

0095/0

035/0

64/8049

گوسی

0079/0

07/0

8/11382

نمایی

PH

023/0

054/0

5/11848

کروی

025/0

052/0

7/10934

دایره ای

032/0

045/0

9/10185

گوسی

01/0

059/0

6/10245

نمایی

نسبت جذب سدیم

(جذر میلی اکی والانت بر لیتر)

021/0

048/0

9/10123

کروی

02/0

049/0

32/9065

دایره ای

028/0

041/0

31/9065

گوسی

2659/1

974/0

2/10189

نمایی

بی کربنات

(میلی اکی والانت بر لیتر)

1087/1

098/1

7/11002

کروی

0838/1

1208/1

29/9596

دایره ای

0948/1

196/1

1/15107

گوسی

0378/0

081/0

6/25791

نمایی

کلر

(میلی اکی والانت بر لیتر)

0533/0

068/0

6/25791

کروی

0553/0

072/0

6/25791

دایره ای

0664/0

063/0

6/25791

گوسی

0043/0

11606/0

7/10021

نمایی

سدیم

( میلی اکی والانت برلیتر)

028/0

089/0

11/9915

کروی

0304/0

088/0

96/9142

دایره ای

045/0

074/0

69/9056

گوسی

 

 

 

 

نیم­تغییرنمای متغیرهای سدیم Na و بی کربنات HCO3 که روش کریجینگ معمولی با مدل سمی واریوگرام  نمایی برای آن­ها بهترین روش پهنه­بندی در نظر گرفته شده است، در شکل­های(2) و(3) به ترتیب از راست به چپ نمایش داده شده­اند.

 

 

 

شکل2- نیم تغییرنما با مدل واریوگرام نمایی سدیم

Figure 2. exponential sodium semivariogram

 

شکل3- نیم تغییرنما با مدل واریوگرام نمایی بی­کربنات

  Figure 3. exponential HCO3 semivariogram

 

جدول 4- مقایسه­ی روش­های پهنه بندی با استفاده از معیار­های آماری

Table 4. Zoning method comparison with statistical criteria

روش

عکس فاصله

تخمینگر عام

تخمینگر موضعی

تابع شعاعی

کریجیگ معمولی نمایی

شوری EC

RMSE

12/438

81/512

78/440

84/448

461

MAE

35/306

94/374

87/327

84/304

38/308

باقیمانده خشک TDS

RMSE

11/289

33/329

13/289

27/288

64/295

MAE

42/198

58/242

50/209

31/196

72/199

PH

RMSE

209/0

282/0

232/0

206/0

208/0

MAE

18/0

24/0

20/0

18/0

18/0

نسبت جذبی سدیم SAR

RMSE

62/0

69/0

55/0

55/0

6/0

MAE

48/0

52/0

43/0

43/0

46/0

کلر CL

RMSE

695/1

682/1

685/1

679/1

692/1

MAE

14/1

18/1

18/1

35/2

42/2

سدیم Na

RMSE

09/3

08/3

85/1

04/3

76/1

MAE

26/1

29/1

29/1

23/1

21/1

بی کربنات HCO3

RMSE

393/1

561/1

305/1

373/1

302/1

MAE

128/1

227/1

073/1

112/1

093/1


 

 

درشکل های(4) تا(11) نقشه­های پهنه­بندی هر یک از متغیرها در تابستان سال93 با بهترین روش نشان داده  شده است.


 

 

 

 

شکل 4- پهنه­بندی باقی مانده خشک  TDS

Figure 4. TDS Zoning

 

شکل 5- پهنه­بندی شوری EC

Figure 5. EC Zoning

 

شکل 6- پهنه­بندی نسبت جذبی سدیمSAR

Figure 6. SAR Zoning

 

شکل 7- پهنه­بندی سدیم Na

Figure 7. Na Zoning

 

شکل 8- پهنه­بندی کلر در آبیاری تحت فشار  CL

Figure 8. Cl Zoning in pressurized irrigation

 

شکل 9- پهنه­بندی کلر در آبیاری سطحی CL

Figure 9.Cl Zoning in surface irrigation

 

شکل 10- پهنه­بندی بی کربنات HCO3

Figure 10. HCO3 Zoning

 

شکل 11- پهنه­بندی PH

Figure 11- PH Zoning


              


 

 

با توجه به نقشه­ی پهنه­بندی شکل(5) و جدول(5) مشاهده می­شود که در سال 93 تقریباً بیش­تر مساحت دشت دارای محدودیت جزئی تا متوسط شوری از نظر استفاده برای کشاورزی می­باشد و تنها قسمت­های مرکزی دشت دارای شوری مناسب و بدون محدودیت برای مصارف کشاورزی است. به طوریکه 7/11 درصد از دشت در محدوده­ی700 > EC میکروموس بر سانتی متر و 2/88 درصد از کل دشت در محدوه­ی 3000>EC>700 میکروموس بر سانتی متر قرار دارد. پهنه­بندی­های انجام شده در سال­های 88 و 84 حاکی از قرار گرفتن به ترتیب 78/7 درصد و 1/6 درصد از دشت در محدوده­ی 700 > EC و 2/92 درصد و 88/93 درصد از دشت در محدوده­ی 3000>EC>700 می­باشد. همان­گونه که ملاحظه می­گردد از سال 84 تا سال 88 و 93شرایط آب زیرزمینی از نظر شوری بهبود یافته است و درصد مساحتی از دشت که در محدوده­ی مناسب شوری قرار داشته افزایش یافته است. با توجه به نتایج حاصل از جدول (4) بهترین روش پهنه­بندی برای شوری در دشت همدان- بهار روش عکس فاصله از روش­های معین می­باشد.در تحقیقی بهترین روش پهنه­بندی زمین آمار برای متغیر شوری در استان اصفهان روش کرجینگ معمولی با سمی واریوگرام دایره ای معرفی شد(21). در تحقیق حاضر در بین روش­های زمین آمار روش کرجینگ معمولی با سمی واریوگرام نمایی به عنوان بهترین روش زمین آمار تعیین شده است.

با توجه به نقشه­ی پهنه­بندی شکل(4) ملاحظه می­گردد که تقریباً بیش­تر مساحت دشت در محدوده­ی دارای محدودیت جزئی تا متوسط2000>TDS>450 از نظر استفاده جهت کشاورزی قرار دارد. و همانند شوری تنها بخش­های مرکزی آبخوان اصلی دارای مقدار کاملا مجاز برای مصارف کشاورزی می­باشد. با توجه به جدول(5) به ترتیب از سال 84 تا 88 و سپس 93 درصد مساحتی از دشت که در محدوده­ی مناسب باقی­مانده خشک(450TDS<) قرار گرفته است از 1/3 درصد به 9/8 و سپس به 10درصد مساحت دشت افزایش پیدا کرده است. مساحت واقع شده در محدوده­ی 2000>TDS> 450 از سال 84 تا 88 به ترتیب از 87/96 درصد به 91 کاهش و در سال93 به 7/89 درصد کاهش یافته است. با توجه به نکات ذکر شده در خصوص شوری و همچنین باقی­مانده خشک مشخص می­گردد محدوده­ی عظیمی از آبخوان دارای کیفیتی نامناسب جهت استفاده برای گیاهان حساس به شوری می­باشند و به طور کلی آبخوان از نظر کیفی دارای شرایط مطلوب نمی­باشد. به نظر می­رسد که عوامل مدیریتی مانند آب­شویی کودهای زراعی و پساب­های صنعتی یا شهری باعث نفوذ به سفره آب­دار دشت همدان - بهار و تغییرات در عوامل کیفی شده است. قاسمی و همکاران نیز کیفیت پایین آب زیرزمینی دشت همدان بهار را به واسطه تغذیه منابع آلاینده شهری و صنعتی مثل کارخانه شیشه و کشتارگاه دانستند(22). با توجه به نقشه­های پهنه بندی شماره(4) و(5) مربوط به شوری EC و باقی­مانده خشک TDS ملاحظه می­گردد که نحوه تغییرات عوامل شوری و باقی­مانده خشک تا حدودی مشابه هم هستند. که یکی از دلایل اصلی این تشابه در تغییرات EC با TDS، ارتباط خطی بین این دو پارامتر است. بهترین روش پهنه­بندی برای باقی مانده خشک  TDSدر این ناحیه روش تابع شعاعی معرفی شد. نتیجه­ی حاصل از این مطالعه با نتایج مطالعه­ای در تعیین بهترین روش معین، جهت پهنه بندی معیار باقی­مانده خشک TDS در دشت ارسنجان مطابقت دارد(23).

طبق پهنه بندی­ صورت گرفته در شکل(6) برای سدیم Na و شکل(7) برای نسبت جذب سدیم SAR ملاحظه می­گردد که درصد مساحتی از دشت که دارای محدوده­ی غیر مجاز جهت مصارف کشاورزی است، در حال افزایش است به­طوری­که از سال­های 84 تا 88، درصد مساحت دشت در محدوده­ی غیر مجاز(3<Na) میلی اکی والانت بر لیتر از 79/20 به 5/15 درصد کاهش و از سال 88 تا 93 مساحت دشت تحت محدوده­ی غیر مجاز مصارف کشاورزی از 5/15 به 24 درصد افزایش یافته است. اما تغییر چشم­گیری در تغییرات مقدار نسبت جذبی سدیم مشاهده نمی­شود که این می­تواند به دلیل وجود تعادل بین افزایش غلظت سدیم همگام با منیزیم و کلسیم باشد. افزایش غلظت سدیم از این نظر حایز اهمیت است که در آبیاری تحت فشار آب آبیاری مورد استفاده گیاه از بالا بر قسمت­های برگی گیاه ریخته می­شود و مقدارسدیم موجود در آب آبیاری این منظقه می­تواند موجب سوختگی برگ­ها ­شود. از نظر آبیاری سطحی مقدار سدیم موثر در نسبت جذبی سدیم SAR نمود پیدا می­کند. طبق شکل(7) ملاحظه می­گردد تقریبا در کل دشت نسبت جذب سدیم در محدوده­ی بدون مشکل(3>SAR) برای مصارف کشاورزی قرار گرفته است. همچنین طبق جدول(4) بهترین روش درون­یابی برای متغیر سدیم Na، روش کریجینگ معمولی با سمی واریوگرام نمایی از روش­های زمین آمار و پس از آن روش تخمین­گر موضعی  LPIاز روش­های معین، و بهترین روش پهنه­بندی برای متغیر نسبت جذبی سدیم SAR روش تابع شعاعی از جمله روش­های معین معرفی می­گردد. در یک مطالعه بهترین روش پهنه­بندی برای متغیر سدیم در دشت کاشان روش تخمین­گر موضعی و بهترین روش پهنه­بندی برای SAR، روش کرجینگ معمولی با سمی واریوگرام کروی معرفی شد(24). با توجه به شکل­های(8) و(9) ملاحظه می­شود که تغییرات آهسته ای از افزایش محدوده­ی غیر مجاز کلر(3<CL) در مورد استفاده برای آبیاری تحت فشار در قسمت­های شمال و جنوب شرقی دشت شکل(8) مشاهده می­شود به­طوری­که مساحت محدوده­ی غیر مجاز کلر در مصارف آبیاری تحت فشار از سال 84 تا 88 از مقدار 87/4 درصد به 48/16 درصد افزایش، و در سال 93 به مقدار 28/23 درصد افزایش یافته است. در مورد آبیاری سطحی طبق شکل(9) مساحتی از دشت با محدودیت جزئی تا متوسط(10>CL>4 میلی اکی والانت بر لیتر) در قسمت­های شمال شرق دشت ملاحظه می­گردد. به­طوری­که طبق جدول(4) درصد مساحت دشت در محدوده­ی 10>CL>4 میلی اکی والانت در لیتر، به ترتیب از سال 84 به 88 از مقدار0 به 1/6 درصد و از 88 به 93 از 1/6 به 9/4 در حال کاهش است. که این نتیجه هشداری جهت کاهش کیفیت آب زیرزمینی این دشت جهت مصارف آبیاری تحت فشار است. همچنین بهترین روش پهنه­بندی برای کلر، در این دشت روش تابع شعاعی در بین روش­های معین معرفی می­گردد. در مطالعه­ی جهانشاهی و همکاران بهترین روش پهنه­بندی کلر CL در آبخوان دشت شهر بابک روش کرجینگ معمولی با سمی واریوگرام کروی معرفی کردند(25). در پهنه­بندی­ بی­کربنات، تمامی پهنه­ی دشت همدان- بهار در محدودیت جزئی تا متوسط در مصارف کشاورزی قرار گرفته است(شکل 10). با استناد به جدول(5) در 10 سال گذشته تغییرات محسوسی در جهت بهبود یا تنزل کیفیت آب زیرزمینی این دشت از نظر بی­کربنات برای مصارف کشاورزی مشاهده نمی­شود. با توجه به جدول(4) بهترین روش پهنه­بندی برای بی­کربنات روش کریجینگ معمولی با سمی واریوگرام نمایی از بین روش­های زمین آمار و روش تابع شعاعی از بین روش­های معین می­باشد. اما در مقایسه­ی دو روش، روش کریجینگ معمولی به عنوان روش بهتر معرفی می­گردد. یزدانی مقدم و همکاران(1393)، نیز در تحقیق خود روش تابع شعاعی را به عنوان بهترین روش از روش­های معین در پهنه­بندی بی کربنات معرفی کردند(24). طبق شکل(11) از نظر PH در کل محدوده­ی دشت مشکلی مشاهده نمی­شود و در هر سه سال و در دوره­ی 10 ساله کل مساحت دشت در محدوده­ی مجاز خود یعنی 4/8 >PH>5/6 قرار گرفته است. اسیدیته یا PH آب آبیاری نمی­تواند به عنوان یک معیار کیفی مورد استفاده قرار گیرد. زیرا خاک متعادل کننده PH است. علاوه بر آن اکثر گیاهان زراعی قادرند طیف وسیعی از آن را تحمل نمایند. اما چون در تعیین معیارهای کیفی آب برای آبیاری قطره ای PH نقش اساسی دارد، توصیه می­شود PH همواره جز معیارهایی باشد که باید اندازه­گیری شود(26). بهترین روش برای پهنه­بندی این متغیر در محدوده­ی دشت همدان- بهار روش تابع شعاعی و سپس روش کریجینگ معمولی با سمی واریوگرام نمایی معرفی می­گردد که این نتیجه­گیری با مطالعاتی بر دشت ارسنجان یزد منطبق می­باشد(23).

              

 

جدول 5- درصد مساحت متغیرهای کیفی در محدوده­های تعریف شده

Table 5- Area’s percent of qualitative variables in defined ranges

درصد مساحت %

درجه محدودیت

محدوده

واحد

معیار

سال 84

سال 88

سال 93

1/6

8/7

7/11

هیچ

EC<700

میکرو موس بر سانتی متر

EC

9/93

2/92

3/88

جزئی تا متوسط

700<EC<3000

0

0

0

شدید

EC>3000

0

0

0

هیچ

PH<5/6

-

PH

100

100

100

جزئی تا متوسط

5/6<PH<4/8

0

0

0

شدید

PH>4/8

7/99

9/93

95

هیچ

CL<4

میلی اکی والان بر لیتر

آبیاری سطحی CL

3/0

1/6

5

جزئی تا متوسط

4<CL<10

0

0

0

شدید

CL>10

1/95

5/83

7/76

هیچ

CL<3

میلی اکی والان بر لیتر

آبیاری تحت فشارCL

9/4

5/16

3/23

جزئی تا متوسط

CL>3

2/79

5/84

76

هیچ

Na<3

میلی اکی والان بر لیتر

Na

8/20

5/15

24

جزئی تا متوسط

Na>3

100

100

8/98

هیچ

SAR<3

میلی اکی والان بر لیتر

SAR

0

0

2/1

جزئی تا متوسط

3<SAR<9

0

0

0

شدید

SAR>9

1/3

9

10

هیچ

TDS<450

میلی گرم بر لیتر

TDS

9/96

91

90

جزئی تا متوسط

450<TDS<2000

0

0

0

شدید

TDS>2000

0

0

0

هیچ

HCO3<5/1

میلی اکی والان بر لیتر

HCO3

100

100

100

جزئی تا متوسط

5/1<HCO3<5/8

0

0

0

شدید

HCO3>5/8


 

نتیجه­گیری

 

نتایج حاصل از مطالعه حاضر نشان دادند که بهترین روش پهنه­بندی برای متغیر شوری(EC) روش عکس فاصله IDW، برای متغیر باقی­مانده خشک(TDS) تابع شعاعی(RBF)، برای بی کربنات(HCO3) روش کریجینگ (نمایی) از روش­های زمین آمار و پس از آن روش تخمین­گر موضعی از روش­های معین، برای(PH) روش تابع شعاعی(RBF) از روش­های معین و سپس روش کریجینگ معمولی از روش­های زمین آمار و برای کلر(CL) تابع شعاعی(RBF)، سدیم(Na) روش کریجینگ(نمایی) از روش­های زمین آمار و پس از آن روش تخمین­گر موضعی(LPI) از روش­های معین و در نهایت برای متغیر نسبت جذبی سدیم(SAR) روش تابع شعاعی(RBF) معرفی می­گردد. به طور کلی و با توجه به بررسی­های انجام شده در دوره­ی ده ساله از سال­های 84 تا 93 تغییرات شوری و باقی­مانده خشک در جهت بهبود کیفیت آب زیرزمینی آبخوان جهت مصارف کشاورزی است. مساحت سدیم غیر مجاز در مصارف آبیاری تحت فشار از سال­های 84 تا 88کاهش و از سال 88 تا 93 رو به افزایش است. در مورد نسبت جذب سدیم تغییرات چشم­گیری ملاحظه نمی­شود. مساحت میزان کلر غیر مجاز دشت در مصارف آبیاری تحت فشار در حال افزایش و در مصارف آبیاری سطحی نیز تقریبا در حال افزایش می­باشد. بی­کربنات و اسدیته در کل محدوده­ی دشت در هر سه دوره­ی مورد استفاده در محدوده­ی جزئی تا متوسط جهت مصارف کشاورزی در کل دشت قرار گرفته است. با توجه به نتایج حاصل از این مطالعه و با توجه به این که عوامل گوناگونی مانند میزان کاتیو­ن­ها، آنیون­ها وPH  در کیفیت آب موثر می­باشند، پیشنهاد می­گردد که پهنه­بندی و تعیین کیفیت آب با در نظر گرفتن مجموع عوامل مانند عوامل انسانی، الگوی کشت، کوددهی، نحوه­ی آبیاری، میزان برداشت از سفره­ی آب زیرزمینی و عوامل محیط زیستی برای هر منطقه انجام گیرد.

 

Reference

  1. Pourmoghadas, H. 2002. Investigation of groundwater quality in Lenjan city. School of Public Health and Institute of Public Health Research. 31-40. (In Persian)
  2. Dehghani, F., Rahnamaei, R., Malakoti, M.j., Saadat, S., 2013. Investigating the status of calcium-magnesium ratio in some irrigation water in Iran. Journal of Water Research in Agriculture. 26, 113-125. (In Persian)
  3. Tghizadeh Mehjerdy, R., Mahmoodi, S., Khazaii, S.M.,  Haydari, A., 2009., Study of local groundwater salinity change using geostatisticsc (A Case study: Rafsanjan, Iran). 2th national conference on Environment engineering .Tehran University, Iran. (In Persian)
  4. Rezaei, M., Davatgar, N., Tajdari, Kh., Abolfar, B., 2010. Investigation the Spatial Variability of Some Important Groundwater Quality Factors in Guilan, Iran. Journal of water and soil. 24,932-941. (In Persian)
  5. Sun, Y., Shaozhong, K., 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. Journal of Environmental Modelling & Software. 24(10), 1163–1170.
    1. Zehtabian, G.h., JanFaza, A.T., Asgari, H., Nematolahi, M.J., 2010. Modeling of ground water spatial distribution for some chemical properties (Case study in Garmsar watershed). Journal of Range and Desert research. 17, 61-73. (In Persian).
    2. Ahmed, S., 2002. Groundwater monitoring network design: application of geostatistics with a few case studies from a granitic aquifer in a semiarid region. American Journal. 65(5), 1564-1571.
  6. Nas, B., 2009. Geostatistical approach to assessment of spatial distribution of groundwater quality. Environmental Studying. 6,1073-1082
  7. Dash, J.P., Sarangi, A., Singh, D.K., 2010. Spatial variability of groundwater depth and quality parameters in National Capital Territory of Delhi. Journal of Environmental Management. 45, 640-650.
  8. Kresic, N., 1997. Hydrogeology and groundwater modeling. Lewis Publishers, USA.
  9. Yamamoto, J.K., 2000. An alternative measure of the reliability of ordinary kriging estimates. Journal of Mathematical Geology. 32,489-497.
  10. Hakan, A., 2012. Spatial and temporal mapping of groundwater salinity using ordinary kriging and indicator kriging: The case of Bafra Plain, Turkey. Journal of Agricultural Water Management. 113,57-63.
  11. Maria, P.M., Luís, R., 2010. Nitrate probability mapping in the northern aquifer alluvial system of the river Tagus (Portugal) using Disjunctive Kriging. Journal of Science of the Total Environment. 408,1021–1034.
  12. Istok, J.D., Cooper, R.M., 1998. Geostatistics Applied to Groundwater Pollution Global Estimates. Journal of Environmental Engineering. 114(4), 915-928.
  13. Balai, H., Khalilian, S., Ahmadian, M., 2010. Investigating the role of water pricing in agricultural sector on the balance of groundwater resources. Journal of agriculture economics and development. 24, 185-194. (In Persian)
  14. Rahmani, A.R., Sadahi, M., 2004. Prediction of Groundwater level changes in the plain of Hamadan-Bahar using time series model. Journal of water and wastewater. 15, 42-49. (In Persian)
  15. Johnston, K., Ver Hoef, J.M., Krivoruchko, K., Lucas, N., 2001. Using ArcGIS Geoststistical Analyst. Printed in the United State of America.
  16. Webster, R., Oliver, M., 2001. Geostatistics for environmental scientists. Environmental scientists. 2nd edition. 330p.
  17. Jafari, R., Bakhshandemehr, L., 2014. Analyzing the Spatial Variations of Groundwater Salinity and Alkalinity in Isfahan Province Using Geostatistics. Journal of water and soil science. 18 (68),183-195. (In Persian)
  18. Ghasemi, A., Shahsavar, A., Yaghubi Kikale, B., 2010. Assessment of changes in groundwater quality and quantity of Hamedan-Bahar plain. Journal of plant and Ecosystem. 6(23), 109-127. (In Persian)
  19. Shabani, M. 2008. Determination of the most appropriate method of land statistics in preparing a map of PH and TDS variations of groundwater (Case study: Arsanjan Plain). Journal of water engineering. 1, 47-58.  (In Persian)
  20. Yazdanimoghadam, Y., Vali, A., Ghazavi, R., 2014. Investigation of geostatistic methods in qualitative zonation of groundwater resources in Kashan plain. 25(3), 171-185. (In Persian)
  21. Jahanshahi, A., Rouhi Moghadam, E., Dehvari, A., 2013. Investigation groundwater quality parameters using GIS and geostatistic (case study: Shahr-Babak plain aquifer). Journal of water and soil science. 2(24), 183-197. (In Persian)
  22. Alizadeh, A., 2010. Soil, Water, Plant relationship. Ferdowsi university of Mashhad. 11nd edition. 616p. (In Persian)
  1. Nazarizade, F., Arshadian, B., Zandvakili, K., 2007. Investigation of spatial variations of groundwater quality in Balarood plain in Khuzestan province. The first regional conference on optimal utilization of water sources in the Karoon and Zayandeh Rood areas. Shahr kord. Iran. (In Persian)
  2. Samin, M., Soltani, J., Zeraatcar, Z., Moasheri, S.A., Sarani, N., 2012. Spatial estimation of groundwater quality parameters based on water salinity data using kriging and cokriging methods. International Conference on Transport, Environment and Civil Engineering. 25-26 August, Kuala Limpur, Malaysia. (In Persian)


 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 



[1]- کارشناسی ارشد رشته­ی آبیاری زهکشی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران

[2]-  استادیار رشته­ی آبیاری زهکشی، گروه علوم و مهندسی آب، دانشکده کشاورزی دانشگاه بوعلی سینا، همدان، ایران* (مسوول مکاتبات)

1- M.Sc., Water Engineering, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran

2-­Assistant Professor, Department of Water Engineering, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran *(Corresponding Author)

 

[5]- Inverse Distance Weights (IDW)

[6]- Radial Basis Functions (RBF)

[7]- Global Polynomial Interpolation (GPI)

[8]-  Local Polynomial Interpolation (LPI)

  1. Pourmoghadas, H. 2002. Investigation of groundwater quality in Lenjan city. School of Public Health and Institute of Public Health Research. 31-40. (In Persian)
  2. Dehghani, F., Rahnamaei, R., Malakoti, M.j., Saadat, S., 2013. Investigating the status of calcium-magnesium ratio in some irrigation water in Iran. Journal of Water Research in Agriculture. 26, 113-125. (In Persian)
  3. Tghizadeh Mehjerdy, R., Mahmoodi, S., Khazaii, S.M.,  Haydari, A., 2009., Study of local groundwater salinity change using geostatisticsc (A Case study: Rafsanjan, Iran). 2th national conference on Environment engineering .Tehran University, Iran. (In Persian)
  4. Rezaei, M., Davatgar, N., Tajdari, Kh., Abolfar, B., 2010. Investigation the Spatial Variability of Some Important Groundwater Quality Factors in Guilan, Iran. Journal of water and soil. 24,932-941. (In Persian)
  5. Sun, Y., Shaozhong, K., 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. Journal of Environmental Modelling & Software. 24(10), 1163–1170.
    1. Zehtabian, G.h., JanFaza, A.T., Asgari, H., Nematolahi, M.J., 2010. Modeling of ground water spatial distribution for some chemical properties (Case study in Garmsar watershed). Journal of Range and Desert research. 17, 61-73. (In Persian).
    2. Ahmed, S., 2002. Groundwater monitoring network design: application of geostatistics with a few case studies from a granitic aquifer in a semiarid region. American Journal. 65(5), 1564-1571.
  6. Nas, B., 2009. Geostatistical approach to assessment of spatial distribution of groundwater quality. Environmental Studying. 6,1073-1082
  7. Dash, J.P., Sarangi, A., Singh, D.K., 2010. Spatial variability of groundwater depth and quality parameters in National Capital Territory of Delhi. Journal of Environmental Management. 45, 640-650.
  8. Kresic, N., 1997. Hydrogeology and groundwater modeling. Lewis Publishers, USA.
  9. Yamamoto, J.K., 2000. An alternative measure of the reliability of ordinary kriging estimates. Journal of Mathematical Geology. 32,489-497.
  10. Hakan, A., 2012. Spatial and temporal mapping of groundwater salinity using ordinary kriging and indicator kriging: The case of Bafra Plain, Turkey. Journal of Agricultural Water Management. 113,57-63.
  11. Maria, P.M., Luís, R., 2010. Nitrate probability mapping in the northern aquifer alluvial system of the river Tagus (Portugal) using Disjunctive Kriging. Journal of Science of the Total Environment. 408,1021–1034.
  12. Istok, J.D., Cooper, R.M., 1998. Geostatistics Applied to Groundwater Pollution Global Estimates. Journal of Environmental Engineering. 114(4), 915-928.
  13. Balai, H., Khalilian, S., Ahmadian, M., 2010. Investigating the role of water pricing in agricultural sector on the balance of groundwater resources. Journal of agriculture economics and development. 24, 185-194. (In Persian)
  14. Rahmani, A.R., Sadahi, M., 2004. Prediction of Groundwater level changes in the plain of Hamadan-Bahar using time series model. Journal of water and wastewater. 15, 42-49. (In Persian)
  15. Johnston, K., Ver Hoef, J.M., Krivoruchko, K., Lucas, N., 2001. Using ArcGIS Geoststistical Analyst. Printed in the United State of America.
  16. Webster, R., Oliver, M., 2001. Geostatistics for environmental scientists. Environmental scientists. 2nd edition. 330p.
  17. Jafari, R., Bakhshandemehr, L., 2014. Analyzing the Spatial Variations of Groundwater Salinity and Alkalinity in Isfahan Province Using Geostatistics. Journal of water and soil science. 18 (68),183-195. (In Persian)
  18. Ghasemi, A., Shahsavar, A., Yaghubi Kikale, B., 2010. Assessment of changes in groundwater quality and quantity of Hamedan-Bahar plain. Journal of plant and Ecosystem. 6(23), 109-127. (In Persian)
  19. Shabani, M. 2008. Determination of the most appropriate method of land statistics in preparing a map of PH and TDS variations of groundwater (Case study: Arsanjan Plain). Journal of water engineering. 1, 47-58.  (In Persian)
  20. Yazdanimoghadam, Y., Vali, A., Ghazavi, R., 2014. Investigation of geostatistic methods in qualitative zonation of groundwater resources in Kashan plain. 25(3), 171-185. (In Persian)
  21. Jahanshahi, A., Rouhi Moghadam, E., Dehvari, A., 2013. Investigation groundwater quality parameters using GIS and geostatistic (case study: Shahr-Babak plain aquifer). Journal of water and soil science. 2(24), 183-197. (In Persian)
  22. Alizadeh, A., 2010. Soil, Water, Plant relationship. Ferdowsi university of Mashhad. 11nd edition. 616p. (In Persian)
  1. Nazarizade, F., Arshadian, B., Zandvakili, K., 2007. Investigation of spatial variations of groundwater quality in Balarood plain in Khuzestan province. The first regional conference on optimal utilization of water sources in the Karoon and Zayandeh Rood areas. Shahr kord. Iran. (In Persian)
  2. Samin, M., Soltani, J., Zeraatcar, Z., Moasheri, S.A., Sarani, N., 2012. Spatial estimation of groundwater quality parameters based on water salinity data using kriging and cokriging methods. International Conference on Transport, Environment and Civil Engineering. 25-26 August, Kuala Limpur, Malaysia. (In Persian)