پهنه‌بندی ریسک آلودگی آب‌های زیرزمینی با استفاده از GIS (مطالعه موردی: دشت سراب)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه صنعتی خواجه نصیرالدین طوسی

2 هیئت علمی دانشگاه صنعتی خواجه نصیرالدین طوسی

چکیده

سابقه و هدف: حفاظت از کیفیت آب‌های زیرزمینی به دلیل کاربرد فراوان این منابع در بخش‌های مختلف از جمله کشاورزی، صنعت و شرب از اهمیت زیادی برخوردار است. رفع آلودگی آب‌های زیرزمینی فرآیندی پرهزینه و زمان‌بر است. از این رو لازم است روش مناسبی برای پیشگیری از آلودگی به کار رود. یکی از این راه‌ها شناسایی نواحی مستعد در برابر آلودگی می‌باشد. هدف این مطالعه، انتخاب روش مناسب برای شناسایی مناطق حساس به ورود آلودگی به آب‌های زیرزمینی در دشت سراب است.
مواد و روش‌ها: جهت ارزیابی آلودگی منابع آب زیرزمینی در دشت سراب از دو مدل DRASTICو SINTACS استفاده شد. در ابتدا، نقشه‌های آسیب‌پذیری آبخوان در مقابل آلودگی برای هر یک از مدل‌ها، با توجه به لایه‌های اطلاعاتی که شامل عمق سطح ایستابی، تغذیه خالص، محیط آبخوان، شرایط خاک، توپوگرافی، اثر ناحیه غیراشباع و هدایت هیدرولیکی آبخوان می‌باشند، در محیط نرم‌افزار Arc GIS تهیه شد. سپس از ترکیب پارامتر کاربری‌اراضی با نقشه‌های آسیب‌پذیری، نقشه‌های ریسک‌پذیری به‌دست آمد. همچنین، از روش تحلیل سلسله مراتبی (AHP) برای ارزیابی صحیح وزن و رتبه پارامترها و زیرپارامترهای تأثیرگذار در شاخص‌های DRATICLU و SINTACSLU استفاده شد تا شرایط هیدروژئولوژیکی منطقه مورد مطالعه بر روی مدل‌ها، اعمال شود. برای مشخص کردن بهترین شاخص آسیب‌پذیری و ریسک‌پذیری از نظر تفکیک مناطق حساس به ورود آلودگی، ضریب همبستگی بین غلظت نیترات آب زیرزمینی و مقدار شاخص‌های محاسبه‌شده برای منطقه، با استفاده از روش رگرسیون خطی ساده انجام شد.
یافته‌ها: براساس نقشه DRASTIC، 62/82 ، 43/4 و 94/12 درصد از وسعت منطقه مورد مطالعه، به‌ترتیب دارای پتانسیل آسیب‌پذیری متوسط، کم تا متوسط و متوسط تا زیاد است. براساس نقشه SINTACS، 48/76 درصد منطقه با پتانسیل آسیب‌پذیری متوسط تا زیاد و 52/23 درصد با آسیب‌پذیری کم ارزیابی شد. طبق نتایج شاخص DRASTICLU، 10/24 درصد از وسعت منطقه مورد مطالعه دارای ریسک‌پذیری کم، 97/48 درصد دارای ریسک‌پذیری متوسط و 86/24 درصد دارای ریسک‌پذیری زیاد است. در طبقه‌بندی نقشه SINTACSLU به ترتیب 35/55 و 82/40 درصد از اراضی دشت سراب در محدوده ریسک‌پذیری متوسط و زیاد قرار گرفت. همچنین طبق نتایج شاخص AHP-DRASTICLU به ترتیب 81/7، 86/50، 52/37، 74/3 درصد از منطقه مورد مطالعه، با ریسک‌پذیری خیلی کم، کم، متوسط و زیاد ارزیابی شد و شاخص AHP-SINTACSLU نتایجی مشابه شاخص AHP-DRASTICLU را نشان داد.
نتیجه‌گیری: به منظور انتخاب بهترین شاخص آسیب‌پذیری و ریسک‌پذیری از نظر تفکیک منطقه حساس به ورود آلودگی، ارتباط بین غلظت نیترات آب زیرزمینی منطقه مورد مطالعه و مقدار هر کدام از شاخص‌ها محاسبه شد. نتایج نشان می‌دهد که در بین شاخص‌های آسیب‌پذیری، شاخص DRASTIC با ضریب تبیین 40/0 و در بین شاخص‌های ریسک‌پذیری، شاخص AHP-DRASTILU با ضریب تبیین 56/0، دارای R^2 بالاتری نسبت به بقیه شاخص‌ها هستند؛ بنابراین برای ارزیابی آسیب‌پذیری و ریسک‌پذیری آبخوان دشت سراب، معتبرتر و دقیقتر هستند.

کلیدواژه‌ها


عنوان مقاله [English]

Mapping the Risk of Groundwater Pollution using GIS (case study: Sarab plain)

چکیده [English]

Background and Objectives: The protection of the quality of groundwater is very important considering its vast usages in agriculture, industry and as drinking water. Removing groundwater pollution is an expensive process and needs a long time. Therefore, it is necessary to prevent the pollution of groundwater resources using proper methods. One of the usual methods is to investigate areas with high potentials to get polluted. The aim of this study choose a suitable method to identify areas sensitive to pollution in Sarab plain.
Materials and Methods: Two models DRASTIC and SINTACS were used in “Sarab” plain to evaluate the pollution of groundwater resources. First, the vulnerability maps of the aquifer were provided for each model. To do this, the information layers of “depth of groundwater table”, “net recharge”, “aquifer media”, “soil media”, “topography”, “the effect of vadose zone”, and “hydraulic conductivity of the aquifer” were prepared in GIS. As the next step, the land use parameter was combined with the vulnerability maps, to prepare risk assessment maps. Also, to consider hydrogeological condition of the studied area, AHP method was used to correctly evaluate the weights and the ranks of the effective parameters and sub-parameters in DRASTICLU and SINTACSLU modified models. The correlation coefficient between the concentration of the Nitrate in groundwater, and the calculated indexes for the studied area was calculated using linear regression.
Results: Based on DRASTIC map, 82.62% of the studied area has medium vulnerability potential. However, 14.43% and 12.94% of the area have low to medium, and medium to high vulnerability potential respectively. On the other hand, based on SINTACS maps, the vulnerability potential in 76.48% and 23.52% of the studied area is medium to high, and low respectively. Also, according to the results of DRASTICLU index, 24.10%, 48.97%, and 24.86% of the studied area are evaluated with low, medium and high risk respectively. However, based on SINTACSLU map, 55.35%, 40.82% of Sarab plain are located in areas with medium and high risk respectively. Besides, according to AHP-DRASTICLU index 7.81%, 50.86%, 37.52% and 3.74% of the studied plain are evaluated as areas with very low, low, medium and high risk respectively. AHP-SINTACSLU index shows similar results to AHP-DRASTICLU index.
Conclusion: To be able to choose the best index to evaluate the potential of vulnerability and risk for Sarab plain, the correlations between Nitrate concentration in groundwater on one hand, and the amount of each of the used indexes were investigated. According to the results, DRASTIC index with R^2 = 0.40 has the highest correlation among the investigated indexes. However, regarding risk evaluation, AHP-DRASTICLU index has the highest correlation, with R^2 = 0.56. Therefore, to evaluate pollution vulnerability and risk in Sarab plain, these two indexes are the most accurate and trustable

کلیدواژه‌ها [English]

  • Vulnerability and Risk
  • Sarab plain
  • DRASTIC
  • SINTACS
  • Analytical Hierarchy process (AHP)
 1.Ahmadi, J., Akhondi, L., Abbasi, H., Khashei-Siuki, A., and Alimadadi, M. 2013.
Determination of aquifer vulnerability using DRASTIC model and a single parameter
sensitivity analysis and acts and omissions (Case study: Salafchegan-Neyzar plain). J. Water
Soil Cons. 20: 3. 1-25. (In Persian)
2.Al Kuisi, M., El-Naqa, A., and Hammouri, N. 2006. Vulnerability mapping of shallow
groundwater aquifer using SINTACS model in the Jordan Valley area. Jordan. J. Environ.
Geol. 50: 5. 651-667.
3.Aller, L., Lehr, J.H., Petty, R., and Bennett, T. 1987. Drastic: a standardized system to
evaluate Ground Water pollution potential using hydrogeologic settings. Kerr Environmental
Research Laboratory, U.S, Environmental Protection Agency Report (EPA/600/2-87/035).
4.Asefi, M., Radmanesh, F., and Zarei, H. 2014. Optimization of DRASTIC and SINTACS
methods based on GIS and an analytic hierarchy process (Case study: Andimeshk plain).
J. Environ. Stud. 40: 1. 79-94. (In Persian)
5.Bai, L., Wang, Y., and Meng, F. 2011. Application of DRASTIC and Extension theory in the
groundwater vulnerability evaluation. J. Water Environ. 26: 3. 381-391.
6.CIVITA, M. 1990. La valutacione della vulnerabilitia degli aquifer all’inquinamamento.
Proc.1st con. naz. protezione egestione delle aque sotterranee: metodologie, technologie e
obiettivi. Maranosul Panaro. Pp: 39-86.
7.Derakhshani, R., and Alipur, M. 2009. Assessment groundwater sensitivity to pollution using
Geographic information systems in Khatunabad plain. J. Geotech. Geol. 5: 4. 285-291.
(In Persian)
8.Doerfliger, N., Jeannin, P., and Zwahlen, F. 1999. Water vulnerability assessment in karst
environments: a new method of defining protection areas using a multiattribute approach and
GIS tools (EPIK Method). J. Environ. Geol. 39: 2. 165-176.
9.East Azerbaijan Agricultural Organization. 2010. Report of agricultural production efficiency
in Sarab city. (In Persian)
10.East Azarbayjan Regional Water Authority. 2009. Groundwater Studies in Sarab plain.
(In Persian)
11.Farjad, B., Shafri, H.Z.B.M., Mohamed, T.A., Pirasteh, S., and Wijesekara, N. 2012.
Groundwater intrinsic vulnerability and risk mapping. In Proceedings of the Institution of
Civil Engineers-Water Management. 165: 8. 441-450.
12.Foster, S., Hirata, R., Gomes, D., D’Elia, M., and Paris, M. 2007. Groundwater Quality
Protection. The World Bank, Washington, D.C, Pp: 2-30.
13.Kapelj, S., Loborec, J., and Kapelj, J. 2013. Assessment of aquifer intrinsic vulnerability by
the SINTACS method. Geologia Croatica. 66: 2. 119-128.
14.Kardan Moghaddam, H., and Javadi, S. 2016. Evaluation vulnerability coastal aquifer by
GALDIT index and calibration by AHP method. J. Water Soil Cons. 23: 2. 163-177.
(In Persian)
15.Kumar, S., Thirumalaivasan, D., Radhakrishnan, N., and Mathew, S. 2013. Groundwater
vulnerability assessment using SINTACS model. Geomatics, Natural Hazards and Risk.
4: 4. 339-354.
16.Leal, J.A.R., Silva, F.O.T., and Montes, I.S. 2012. Analysis of aquifer vulnerability and
water quality using SINTACS and geographic weighted regression. J. Environ. Earth Sci.
66: 8. 2257-2271.
17.Mahmodzadeh, E., Rezaian, S., and Ahmadi, A. 2013. Assessment of aquifer vulnerability
by DRASTIC, GODS and AVI comparative methods of the Meymeh plain of Isfahan.
J. Environ. Stud. 39: 2. 45-60. (In Persian)
18.Mansourian, H. 2011. Assessment of waterlogging and provide risk maps by using RS, GIS
and field data (Case study: Qazvin plain). M.Sc. Thesis, Civil Engineering, Sharif University
of Technology.
19.Marofi, S., Soleymani, S., Ghobadi, M.H., Rahimi, Gh., and Marofi, H. 2012. Vulnerability
assessment of Malayer plain groundwater by SINTACS, DRASTIC and SI models. J. Water
Soil Cons. 19: 2. 141-166. (In Persian)
20.Neshat, A., Pradhan, B., and Dadras, M. 2014. Groundwater vulnerability assessment using
an improved DRASTIC method in GIS. Resources, Conservation and Recycling. 86: 74-86.
21.NRC (National Research Council). 1993. Groundwater vulnerability assessment:
contamination potential under conditions of uncertainty. Washington, D.C. National
Academy Press.
22.Palmer, R.C., Holman, I.P., Robins, N.S., and Lewis, M.A. 1995. Guide to groundwater
vulnerability mapping in England and Wales. National Rivers Authority R and D Note,
Pp: 11-36.
23.Piscopo, G. 2001. Groundwater vulnerability map explanatory notes. Castlereagh Catchment.
NSW Department of Land and Water Conservation, Australia.
24.Remesan, R., and Panda, R.K. 2008. Groundwater vulnerability assessment, risk mapping,
and nitrate evaluation in a small agricultural watershed: using the DRASTIC model and GIS.
J. Environ. Qual. Manage. 17: 4. 53-75.
25.Ribeiro, L. 2000. Desenvolvimento de um índice para avaliar a susceptibilidade.
ERSHA-CVRM, 8p.
26.Saaty, T.L. 1980. The Analytic Hierarchy Process: Planning, Priority Setting, Resource
Allocation. McGraw-Hill, New York.
27.Safavi, H.R. 2014. Engineering Hydrology. Arkan Danesh Publications, Isfahan, 408p.
(In Persian)
28.Saha, D., and Alam, F. 2014. Groundwater vulnerability assessment using DRASTIC and
Pesticide DRASTIC models in intense agriculture area of the Gangetic plains, India.
J. Environ. Monitor. Assess. 186: 87. 41-8763.
29.Sener, E., and Davraz, A. 2013. Assessment of groundwater vulnerability based on a
modified DRASTIC model, GIS and an analytic hierarchy process (AHP) method: the case
of Egirdir Lake basin (Isparta, Turkey). Hydrogeol. J. 21: 3. 701-714.
30.Stempvoort, D.V., Ewert, L., and Wassenaar, L. 1993. Aquifer vulnerability index: a
GIS-compatible method for groundwater vulnerability mapping. Can. Water Resour. J.
18: 1. 25-37.
31.Tabarmayeh, M., and Vaezi Hir, A. 2015. Investigation on Vulnerability of Tabriz-plain
Unconfined Aquifer. J. Water Soil. 28: 6. 1137-1151. (In Persian)
32.Todd, D.K., and Mays, L.W. 2005. Groundwater Hydrology. John Wiley & Sons, New York,
Pp: 1-119.
33.Vias, J.M., Andreo, B., Perles, M.J., and Carrasco, F. 2005. A comparative study of four
schemes for groundwater vulnerability mapping in a diffuse flow carbonate aquifer under
Mediterranean climatic conditions. J. Environ. Geol. 47: 4. 586-595.
34.Vrba, J., and Zoporozec, A. 1994. Guidebook on mapping groundwater vulnerability. IAH
International Contribution for Hydrogeology. Hannover7 Heise, 16: 131.