ارائه چهارچوبی برای تخمین پتانسیل فرونشست آبخوان با استفاده از روش الگوریتم ژنتیک

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه تبریز،دانشکده علوم طبیعی

2 گروه علوم زمین، دانشکده علوم طبیعی، داشنگاه تبریز

3 گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز

4 گروه GIS و سنجش از دور، دانشکده جغرافیا، دانشگاه تبریز

چکیده

برداشت بی‌رویه از آب‌های زیرزمینی بمنظور تامین نیازهای کشاورزی، صنعتی، مصارف خانگی و ... از عمده دلایل وقوع پدیده فرونشست می‌باشد، که بیشتر آبخوانها را درگیر کرده است. در این تحقیق یک چهارچوب کلی برای بررسی پتانسیل فرونشست در آبخوانها ارائه شده است که ارزیابی این روش در دشت شبستر انجام شدکه فرونشست‌هایی تا بیش از 30 سانتی‌متر در آن گزارش شده است. در این پژوهش، هفت عامل هیدروژئولوژیکی و ژئولوژیکی موثر بر فرونشست، شامل افت سطح آب زیرزمینی، محیط آبخوان، تغذیه، پمپاژ، کاربری ‌اراضی، ضخامت آبخوان و فاصله از گسل مورد ارزیابی قرار گرفته و تلفیق شدند و نقشه آسیب‌پذیری دشت در برابر فرونشست حاصل شد. سپس نتایج حاصل با فرونشست بدست‌آمده از بررسی تصاویر ماهواره‌‌ای صحت‌سنجی شدند. با وجود قابل‌قبول بودن نتایج، برای بهبود نتایج حاصله و بهینه‌سازی وزن‌هایی که با نظر کارشناسی به هریک از عوامل موثر بر فرونشست داده شده بود، از روش الگوریتم ژنتیک استفاده شد. نتایج نشان داد که این روش با افزایش ضریب همبستگی بین شاخص فرونشست و فرونشست‌های بدست‌آمده در دشت، توانایی بیشتری در ارزیابی پتانسیل فرونشست دارد. همچنین مشخص شد که قسمت‌های جنوبی و مرکزی دشت شبستر بیشترین پتانسیل فرونشست را دارا هستند، بنابراین برنامه‌های مدیریتی و حفاظتی لازم برای جلوگیری از ایجاد و افزایش فرونشست باید اعمال گردد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

A Framework to Estimation of Potential Subsidence of the Aquifer Using Algorithm Genetic

نویسندگان [English]

  • Zeynab Taheri 2
  • Ghodrat Barzghari 3
  • Khalil Dideban 4
2 Department of Earth Sciences, Natural Sciences Faculty, University of Tabriz
3 Department of Earth Sciences, Faculty of Natural Sciences, University of Tabriz.
4 Department of GIS, Faculty of Geoghraphy, University of Tabriz
چکیده [English]

Land subsidence is often triggered by over abstraction of groundwater due to increased demands from agriculture, industry and domestic uses. This problem is investigated for Shabestar plain formulating a framework to estimate subsidence potentials and the outcome is compared with measured values of them with the lowest threshold value of 30 cm. The research puts together seven hydrogeological and geological factors affecting land subsidence, which comprise groundwater level decline, aquifer media, recharge, groundwater withdrawal, land use, aquifer thickness and fault distance. Although the framework results are acceptable, Genetic Algorithm (GA) was used to optimize weights and to improve the correlation between calculated indices and their corresponding measured subsidence values. Results confirm the improvement and show further that the southern and southeastern areas in Shabestar plain have most subsidence potentials. As such management plans are essential to meet the local demands and yet to protect land against subsidence and other adverse impacts.

کلیدواژه‌ها [English]

  • Subsidence Potential
  • aquifer
  • Genetic Algorithm
  • Weight Optimization
  • Shabestar Plain

Anumba CJ, Scot DT (2001) Performance evaluation of a knowledge‐based system for subsidence management. Journal of Structural Survey 19(5):222-232

Ataee H, Zamanipour F (2016) Investigation of Tehran plain land subsidence. 2nd National Congress on the Development and Promotion of Iranian Agricultural Engineering and Soil Science, Promotion of Science and Technology, 16 June, Tehran, Iran (In Persian)

Baghapour MA, Nobandegani AF, Talebbeydokhti N, Bagherzadeh S,.Nadiri AA, Gharakhnai M, Chitsazan N (2016) Optimization of  DRASTIC method by artificial neural network, nitrate vulnerability index, and composite DRASTIC models to assess groundwater vulnerability. Journal of Environmental Health Science and Engineering 14(1):13

Behniafar A, Ghanbarzadeh H, Eshraghi A (2010) Investigation of effective factors on erosion of Mashhad Plains and its consequences in its geomorphic. Journal of Chashmandaz-e-zagros Geographic Quarterly 5(2):131-146 (In Persian)

Bijani M, Moridi A, Majdzadeh Tabatabaie, MR (2017) Investigation of well deepening effects on aquifer yield using numerical model. Iran-Water Resources Research 12(4):83-92 (In Persian)

Bouwer H (1978) Groundwater hydrology. McGraw-Hill, 572p

Darini G (2007) Land subsidence due to groundwater withdrawal: the case of Bologna. PhD Thesis, University of Cassino and Southern Lazio

Eftekharnejad J, Gharashi M, Mehrparto M, Arshadi S, Zohrehbakhsh A (2000) Geological map of Tabriz-Poldasht (1:250000), Geological Survey & Mineral Exploration of Iran

Fijani E, Nadiri AA, Asghari  Moghaddam A, Tsai F,  Dixon  B (2013)  Optimization  of  DRASTIC  method  by supervised  committee  machine  artificial  intelligence  to  assess  groundwater  vulnerability  for  Maragheh-Bonab Plain Aquifer, Iran. Journal of Hydrology 503:89-10

Galloway D, Jones D, Ingebritsen SE (1999) Land subsidence in the United State. US Geological Survey, Circular 1182

Habibi MH, Nadiri AA, Asghari Moghaddam, A (2016) Spatio-temporal groundwater level prediction using hybrid genetic-Kriging model (Case study: Hadishahr Plain). Iran-Water Resources Research 11(3):85-99 (In Persian)

Holland J (1975) Adaptation in natural and artificial systems. An introductory analysis with application to biology, control, and artificial intelligence. University of Michigan Press

Merikhpour M, Mousavi M, Safarikomeil M (2012) Investigation of land subsidence and sinkholes due to groundwater level decline in Hamedan-Kaboodar Ahang Plain. National Conference on Water and Wastewater Engineering and Sciences, Graduate University of Advanced Technology, 26-27 February, Kerman, Iran (In Persian)

Nadiri AA (2015) Application of Artificial Intelligence methods in geosciences and hydrology. OMICS GROUP Publication

Nadiri AA, Fijani E, Tsai FTC, Moghaddam AA (2013) Supervised committee machine with artificial intelligence for prediction of fluoride concentration. Journal of Hydroinformatics 15(4):1474-1490

Nadiri AA, Gharekhani M, Khatibi R, Asghari Moghaddam A (2017c) Assessment of groundwater vulnerability using supervised committee to combine fuzzy logic models. Environmental Science and Pollution Research 24(9):8562-8577

Nadiri AA, Gharekhani M, Khatibi R, Sadeghfam S, Asghari Moghaddam A (2017a) Groundwater vulnerability indices conditioned by supervised intelligence committee machine (SICM). Science of the Total Environment 574:691-706

Nadiri AA, Sedghi Z, Khatibi R, Gharekhani M (2017b) Mapping vulnerability of multiple aquifers using multiple models and fuzzy logic to objectively derive model structures. Science of the Total Environment 593-594, 75-90

Piscopo G (2001) Groundwater vulnerability map. Explanatory notes Castlereagh Catchment, NSW Centre for Natural Resources, NSW Department of Land and Water Conservation, Parramatta

Poland JF (1984) Guidebook to studies of land subsidence due to groundwater withdrawal. United Nations Educational, Scientific and Cultural Organization, Paris, Studies and Reports in Hydrology 40:305

Sadeghfam  S, Hassanzadeh Y, Nadiri AA, Khatibi R (2016a) Mapping groundwater potential field using catastrophe fuzzy membership functions and Jenks optimization method: a case study of Maragheh-Bonab plain, Iran. Environmental Earth Sciences 75(7):545

Sadeghfam S, Hassanzadeh Y, Nadiri AA, Zarghami M (2016b) Localization of groundwater vulnerability assessment using catastrophe theory. Water Resources Management 30(13):4585-4601

Tabatabaee Oghda ST, Mohseni Nasab H (2015)  Land subsidence in Rafsanjan plain due to groundwater level decline. 2nd National Conference on Soil Mechanics and Foundation Engineering, 14-15 October, Qom University of Technology, Iran (In Persian)

Tayfur G, Nadiri AA, Moghaddam AA (2014) Supervised intelligent committee machine method for hydraulic conductivity estimation. Water Resources Management 28(4):1173-1184