مدل‌‌‌سازی کمّی توزیع نیترات در آبخوان دشت اردبیل با استفاده از منطق فازی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار گروه زمین‌شناسی، دانشکدۀ علوم پایه، دانشگاه کردستان

2 استاد گروه زمین‌شناسی، دانشکدۀ علوم طبیعی، دانشگاه تبریز

3 دانشیار گروه زمین‌شناسی، دانشکدۀ علوم زمین، دانشگاه خوارزمی

چکیده

در دهه‌های اخیر آلودگی آب‌های زیرزمینی با نیترات در اثر افزایش استفاده از کودهای نیتراته، منابع آب شرب را با یک مشکل رو به رشد مواجه کرده است. دشت اردبیل دارای وسعتی حدود 900 کیلومتر مربع است که بیشترین بهره‌برداری آب در این دشت، از منابع آب زیرزمینی و از طریق چاه‌ها صورت می‌گیرد. در بررسی‌های کیفی مشخص شد‌‌‌ که آبخوان دشت اردبیل در برخی از نقاط دارای مقادیر زیادی نیترات است. هدف از این پژوهش، مدل‌سازی توزیع غلظت نیترات در محدودۀ آبخوان دشت اردبیل است. برای این منظور اقدام به نمونه‌برداری از 61 حلقه چاه بهره‌برداری با توزیع مناسب منطقه‌ای شد‌‌‌ که 45 نمونه‌ برای مدل‌سازی و 16 نمونه برای اعتبارسنجی مدل به کار برده شد. برای مدل‌سازی با استفاده از منطق فازی، از مدل ساجنو استفاده شد‌‌‌ که شامل سه مرحله بود: 1. تعیین ساختار داده‌ها از طریق خوشه‌بندی؛ 2. ارتباط داده‌های ورودی به خروجی‌های مدل از طریق تعریف قوانین یا رول‌ها و 3. تخمین پارامترهای مدل از طریق بهینه‌سازی حداقل مربعات خطا. برای اعتبار‌دهی به روش استفاده‌شده، نتایج مدل منطق فازی با نتایج کریجینگ مقایسه شده است. نتایج نشان داد که استفاده از منطق فازی برای مدل‌سازی توزیع مکانی روشی کارا و به خصوص در مناطق با وسعت زیاد که فاصلۀ بین نقاط نمونه‌برداری زیاد است دارای عملکرد بهتری است. خروجی نهایی مدل توزیع غلظت نیترات نشان می‌دهد که غلظت نیترات در بخش‌هایی از حاشیۀ شمالی و جنوب‌غربی دشت، بالای 10 میلی‌گرم بوده و حدود 17 درصد آبخوان را به خود اختصاص می‌دهد. از این نقشه می‌توان در مدیریت کاربری آب برای مصارف شرب استفاده کرد و برای بهبود کیفیت آب در این مناطق تمهیدات مناسب را در آینده در نظر گرفت.

کلیدواژه‌ها

موضوعات


استواری، ی.، بیگی‌ هرچگانی، ح. و داودیان، ع. ر. 1391. بررسی تغییرات مکانی نیترات در آب زیرزمینی دشت لردگان، مدیریت آب و آبیاری، دورۀ 2، شمارۀ 1، بهار 1391، صص 55- 67.
 
اصغری‌مقدم، الف. 1389. اصول شناخت آب‌های زیرزمینی، انتشارات دانشگاه تبریز، 349 ص.
 
جعفری ملک‌آبادی، ع. و همکاران. ۱۳۸۳. بررسی غلظت نیترات در آب‌های زیرزمینی استان اصفهان، علوم و فنون کشاورزی و منابع طبیعی، سال هشتم، شمارۀ سوم صص 69- 82.
 
جلالی، م. و کلاه‌چی، ز. ۱۳۸۴. غلظت نیترات در آب‌های زیرزمینی منطقة بهار همدان، مجلة علوم خاک و آب، جلد ۱۹، شمارة ۲، صص ۱۹۴ تا ۲۰۲.
 
حسنی‌پاک، ع. الف. 1377. زمین آمار (ژئواستاتیستیک)، چاپ اول، انتشارات دانشگاه تهران، 314 ص.
 
خزاعی، الف.، آل‌شیخ، ع. الف.، کریمی، م. و وحیدنیا، م. ح. 1391. مقایسة دو روش مدل‌سازی با استفاده از شبکة عصبی- فازی در پیش‌بینی غلظت آلایندة مونوکسید کربن، محیط‌شناسی، سال سی و هشتم، شمارة 4، صص 29- 44.
 
دانشور وثوقی، ف. و دین‌پژوه، ی. 1391. بررسی روند تغییرات کیفیت آب زیرزمینی دشت اردبیل با استفاده از روش اسپیرمن، محیط‌شناسی، سال سی و هشتم، شمارة 4، صص 17- 28.
 
رحیمی بندرآبادی، س. و ثقفیان، ب. 1386. برآورد توزیع مکانی بارندگی با کمک تئوری مجموعه‌های فازی، مجلۀ علمی- پژوهشی تحقیقات منابع آب ایران، سال سوم، شمارۀ 2، صص 26- 38.
 
لطیف، م. ۱۳۸۱. بررسی آلودگی نیترات و منشأیابی آن در آب‌های زیرزمینی دشت مشهد، پایان‌نامۀ کارشناسی ارشد، دانشکدۀ کشاورزی، دانشگاه صنعتی اصفهان.
 
محسنی، ا. ۱۳۶۵. بررسی وضع آلودگی آب‌های زیرزمینی به یون نیترات در اثر کاربرد کودهای ازته در شهرستان بابل، پایان‌نامة کارشناسی ارشد، دانشکدة کشاورزی، دانشگاه تربیت مدرس.
 
محمدیان فضلی، م. و صادقی، غ. ر. ۱۳۸۲. بررسی آلودگی منابع تأمین آب آشامیدنی شهر زنجان طی سال‌های 79- 80، مجلۀ علمی دانشگاه علوم پزشکی و خدمات درمانی زنجان، شمارة ۴۳، صص ۴۹ تا ۵۴.
 
نیک‌نام، ر.، محمدی، ک. و جوهری‌مجد، و. 1386. ارزیابی آسیب‌پذیری سفرۀ آب زیرزمینی تهران- کرج با روش DRASTIC و منطق فازی، مجلۀ علمی- پژوهشی تحقیقات منابع آب ایران، سال سوم، شمارۀ 2، صص 39- 47.
 
هاشمی، س. ح.، عظیمی قادیکلایی، م. م.، رعیتی دماوندی، م. و برکتین، س. 1391. کاربرد روش ارزیابی جامع فازی در پهنه‌بندی کیفی آب رودخانه‌ها، محیط‌شناسی، سال سی و هشتم، شمارة ۶۲، صص 103- 110.
 
یوسفی، ذ. و نائیج، ا. ۱۳۸۶. بررسی و تعیین میزان نیترات منابع آب آشامیدنی روستایی آمل، مجلة دانشگاه علوم پزشکی مازندران، دورة هفدهم، شمارة ۶۱، صص ۱۶۱ تا ۱۶۵.
 
Almasri, M. N. and Kaluarachchi, J. J. 2005. Multi-criteria decision analysis for the optimal management of nitrate contamination of aquifers. Journal of Environmental Management, 74, 365–381.
 
Amini, M., Afyuni, M., Fathianpour, N., Khademi, H. and Flühler, H. 2005. Continuous soil pollution mapping using fuzzy logic and spatial interpolation. Geoderma, 124 (3–4), 223–233.
 
Antonakos, A. K. and Lambrakis, N. J. 2007. Development and testing of three hybrid methods for the assessment of aquifer vulnerability to nitrates, based on the drastic model, an example from NE Korinthia, Greece. Journal of Hydrology, 333, 288– 304.
 
Chen, X. 2004. Recursive Least-Squares Method with Membership Functions, Proceedings of the Third International Conference on Machine Learning and Cybernetics, Shanghai, pp: 1962-1966.
 
Dixon, B., Scott, H. D.,Steele, K. F. and Dixon, J. C. 2002. Prediction of aquifer vulnerability to pesticides using fuzzy rule-based models at the regional scale. Physical Geography, 23 (2), 130-153.
 
Flipo, N., Jeanne'e, N., Poulin, M., Even, S. and Ledoux, E. 2007. Assessment of nitrate pollution in the Grand Morin Aquifers (France): combined use of geostatistics and physically-based modeling. Environmental Pollution, 146 (1), 241–256.
 
Jacquin, A. p. and Shamseldin, A. Y. 2006. Development of rainfall-runoff models using Takagi-Sugeno Fuzzy Inference System. Journal Homepage: WWW.elsevier.com/locate/jhydrol.
 
Kim, K. H., Yun, S.T., Choi, B. Y., Chae, G. T., Joo, Y., Kim, K. and Kim, H. S. 2009. Hydrochemical and multivariate statistical interpretations of spatial controls of nitrate concentrations in a shallow alluvial aquifer around oxbow lakes (Osong area, central Korea). Journal of Contaminant Hydrology, 107, 114–127.
 
Kord, M. and Moghaddam, A. A. 2014. Spatial analysis of Ardabil plain aquifer potable groundwater using fuzzy logic. Journal of King Saud University – Science, 26, 129–140.
 
Majumder, R. K., Hasnat, M. A., Hossain, Sh., Ikeue, K. and Machida, M. 2008. An exploration of nitrate concentrations in groundwater aquifers of central-west region of Bangladesh. Journal of Hazardous Materials, 159, 536–543.
 
Matlab user’s Guide. 2001. Fuzzy logic toolbox, Matlab CD-ROM Mathworks, Inc.
 
Mertens, M. and Huwe, B. 2002. FuN-Balance: a fuzzy balance approach for the calculation of nitrate leaching with incorporation of data imprecision. Geoderma, 109, 269– 287.
 
Minasny, B. and McBratney, A. B. 2002. FuzME Version 3. Australian Centre for Precision Agriculture, The University of Sydney NSW 2006, Australia. Available at: http://www.usyd.edu.au/su/agric/acpa/fkme/program.html; accessed 17/7/2005.
 
Nadiri, A., Fijani, E., Asghari-Moghaddam, A., Tsai, F. 2013. Supervised committee machine with artificial intelligence for prediction of fluoride concentration.  Journal of Hydroinformatics ,  15(4),1474-1490.
 
Nadiri, A., Chitsazan, N., Tsai, F., and Moghaddam, A. 2014. Bayesian Artificial Intelligence Model Averaging for Hydraulic Conductivity Estimation. J. Hydrol. Eng., 19(3), 520–532.
 
Rajasekaran, S. and Vijayalakshmi Pai, G. A. 2005. Neural networks, fuzzy logic, genetic algorithms synthesis and applications, Prentice-Hall of India, New Delhi, 439.
 
Shrestha, R. R., Bardossy, A. and Rode, M. 2007. A hybrid deterministic–fuzzy rule based model for catchment scale nitrate dynamics. Journal of Hydrology, 342, 143– 156.
 
Tayfur, G., Nadiri, A., Moghaddam, A. 2014. Supervised Intelligent Committee Machine Method for Hydraulic Conductivity Estimation. Water Resources Management, 28(4):1173-84.
 
Tutmez, B. and Hatipoglu, Z. 2010. Comparing two data driven interpolation methods for modeling nitrate distribution in aquifer. Ecological Informatics, 5 , 311–315.
 
Vitharana, U. W. A., Van Meirvenne, M., Cockx, L. and Bourgeois, J. 2006. Identifying potential management zones in a layered soil using several sources of ancillary information. Soil Use and Management, 22, 405–413.