Authors

Abstract

Sorayya Abbasi[1]
Masoud Heydari[2]
Abstract
One of the important issues in water resources management is the identification of ground water behavior. The aim of this paper is the estimation and comparison of two methods for potential ground water, sites by the use of Analytical Hierarchy Process (AHP) and fuzzy logic. In order to achieve this objective 8 parameters including lithology, rivers, slpe changes, land use, topography, population, springs, wells, faults and fractures were used as information layer in the northern part of Ilam provicne with an area of 5218 km2. The final map obtained by AHP shows that high groundwater recarge potential exists in the limestone areas with high fractures. The evaluation of different overlap models, according to the level of compliance with the lithology indicates that fuzzy integrated method (algebraic sum) is mor appropriates than other methods in finding groundwater potential sites of reservoirs in the area. The method using 1000 km2 scope proves high potentials in the central parts of the map, which shows an acceptable consistence with the final map obtained by analytic hierarchy process while consistency of the related maps of springs and wells map in the region also confirm accuracy of these methods.
 





[1]- Ph.D. Candidate of Geology, Faculty of Sciences,University of Birjand, Iran, Emil:s.abbasi1363@yahoo.com.   


[2]- Master Student Candidate of Geology, Faculty of Sciences,University of Birjand, Iran.

Keywords

مقدمه

بخش اعظمی از کشور ایران به علت قرار گرفتن در ناحیه­ی آب و هوایی خشک و نیمه­خشک، میانگین بارش سالانه­ی­ خیلی پایینی دارند، بنابراین به خاطر عدم دسترسی به آب­های سطحی، منابع آب زیرزمینی در تأمین آب مصرفی در کشاورزی، شرب و صنعت نقش اساسی دارند همچنان ­که بر اساس آخرین آمار، 55% از نیاز آبی کشورمان از آب­های زیرزمینی تأمین می­شود (صداقت، 1372). در سال­های اخیر به علت وقوع خشکسالی، استفاده از آب­های زیرزمینی در کشورمان بسیار بیشتر شده است در نتیجه باید در مدیریت آب­ها نهایت دقت لحاظ گردد. تغذیه­ی آب­های زیرزمینی زمانی اتفاق می­افتد که جریان آب از سطح اساس آب زیرزمینی عبور می­کند و به داخل ناحیه­ی اشباع تراوش می­کند. از مهم­ترین فاکتورهای مؤثر بر وجود و حرکت آب­زیرزمینی در یک ناحیه­ی شامل توپوگرافی، لیتولوژی، ساختارهای زمین­شناسی، عمق هوازدگی، فضای شکستگی­ها، تخلخل اولیه، تخلخل ثانویه، شیب، الگوهای زهکشی، پوشش زمین و شرایط اقلیمی می­باشد (گرین­باوم[1]، 1992؛ موکرجی[2]، 1996؛ روی[3]، 1996؛ جیس­وال[4]، 2003). تعیین مکان­های مناسب استحصال آب شرب از آب­های محصور در سـفره­های زیرزمینی یکی از مهم­ترین چالش­های مورد بحث می­باشد. یافتن مکان­های مستعد استحصال بـا اسـتفاده از روش­های علمی نوین می­تواند از هدررفت هزینه­های گزاف حفر چاه جلوگیری کرده و طرح­ها را از نظـر اقتصادی توجیه­پذیر نماید. همچنین با استفاده از این روش­ها می­توان در مدت زمان کوتاهی منطقه وسیعی را مورد بررسی قـرار داد و مکان­های مناسب را در سطح آن منطقه تعیین نمود. در این مقاله، هدف مشخص نمودن بالاترین پتانسیل از لحاظ وجود آب زیرزمینی در بخشی از زاگرس ساده­­چین­­ خورده است. برای رسیدن به این هدف، از هشت پارامتر تأثیرگذار در نفوذ آب به داخل زمین با کمک ­گرفتن از دو روش، تحلیل AHP و منطق فازی استفاده شده است.

تاکنون در ایران از این روش­ها به صورت توأم و یا مجزا استفاده شده است. فاطمی عقدا و همکاران (۱۳۸۴)، به بررسی خطر زمین­لغزش با استفاده از روش منطق فازی در منطقه­ی رودبار پرداختند. ازغدی و همکاران (1389)، به ارزیابی حاصلخیزی خاک بر اساس فاکتورهای فسفر، پتاسیم و مواد آلی برای گندم بـا استفاده از روش­های FAHP پرداختند و نتیجه گرفتند که روش فازی AHP روش مناسـی برای پهنه­بندی پارامترهای حاصلخیزی خاک اسـت. خاشعی سیوکی و همکاران (1390)، به ارزیابی پتانسیل آب زیرزمینی با استفاده از روش سلسله مراتبی فازی ((FAHP بر اساس سه فاکتور افت، کیفیت آب و خصوصیات هیدرولیکی آبخوان در دشت نیشابور پرداخته­اند و نتیجه گرفتند که نـواحی جنوب­غربی و حاشیه­ی شرق دشت قابلیت بالایی در استحصال آب دارند.

نیکنام و همکاران (1386)، به ارزیابی آسیب­پذیری سفره­ی آب زیرزمینی تهران-کرج با روش DRASTIC  و منطق فازی پرداختند و نتایج حاصل­شده را با منطق بولین مقایسه گردید. منطق فازی توانست مناطق با پتانسیل کم و خیلی کم را که در منطقه بولین نشان داده نشده بودند، بهتر مشخص نماید.

همچنین در سایر نقاط جهان، محققان مختلف با تلفیق GIS و سنجش از دور یا استفاده از منطق فازی به بررسی آب­های زیرزمینی پرداخته­اند. لافان[5] (2003)، با استفاده از روش منطق فازی و داده­های ارتفاعی یک ابزار ارزیابی سریع را در یک ناحیه­­ی وسیع برای نواحی تخلیه­ی آب­زیرزمینی در استرالیا ارایه نموده است. ازرایل و همکاران[6] (2006)، از آنالیز GIS و بررسی مقاومت­پذیری برای ناحیه­بندی پتانسیل آب زیرزمینی در رشته­ کوه هیمالیا در هندوستان پرداخته و نشان دادند که نتایج داده­ها همخوانی خوبی با داده­های مربوط به چاه دارد. لولی و همکاران[7] (2009)، با استفاده از روش  FAHPبه ارزیابی آسیب­پذیری اکوسیستم و محـیط زیست در ناحیه­ی مخزن دنجیانگکو  (DRA)در چین پرداختند. ایمران­دار و همکاران[8] (2010)، با استفاده از سنجش از دور، مدل ارتفاعی رقومی (DEM)، GIS و داده­های صحرایی شرایط آب زیرزمینی را در حوضه­ی ماموندیار بررسی نموده­اند و ثابت کردند که استفاده از سنجش از دور و GIS به صورت همزمان ابزار سودمندی برای مطالعه آب زیرزمینی می­باشند. رادر و آندرابی[9] (2012)، به مقدار پیش­بینی پتانسیل آب­های زیرزمینی در ناحیه­ای در هندوستان از منطق فازی مبتنی بر GIS و سنجش از دور استفاده کردند.

منطقه­ی مورد مطالعه

منطقه­ی مورد مطالعه در بخش شمالی استان ایلام، با طول ¢30 °46 و ¢30 °47 شرقی و عرض ¢20 °32 و ¢32 °34 شمالی قرار دارد. به دلیل قرارداشتن این استان در بخش زاگرس ساده­چین­خورده (Simply Folded Belt)، منطقه به­ صورت چین­خورده و کوهستانی می­باشد. بخش­های وسیعی از کوهستان­های بلند بخش شمالی استان ایلام، از سازند آهکی آسماری تشکیل شده است (شکل1) که محل مناسبی برای ذخیره آب می­باشد که این استان از نظر شرایط اقلیمی جزو مناطق گرمسیر در غرب کشور محسوب مـی­گردد و در سال­های اخیر نیز مانند سایر نقاط ایران خشکسالی بر این منطقه نیز اثر گذاشته است و بیشتر روخانه­ها­ یا خشک و یا کم ­آب شده­اند این امر لزوم توجه به آب­های زیرزمینی را دو چندان کرده است.

 

شکل(1) موقعیت استان ایلام و نقشه­ی لیتولوژی منطقه­ی مورد مطالعه


مواد و روش­ها

داده­های مورد نیاز

پس از بررسی منابع و یافته­های علمی مرتبط با موضوع، از تصاویر ماهواره­ای ETM+ با مقیاس1:250000، نقشه­های زمین­شناسی با مقیاس 1:250000، ایلام- کوهدشت (لیوِلِن[10]، 1974) و نقشه­های زمین­شناسی 1:100000 کوهدشت (مک­لود[11]، 1972)، ایلام (سازمان زمین­شناسی و اکتشاف مواد معدنی ایران)، نفت (مک لود، 1971)، و نرم­افزارهای مرتبط  IDRISI) Arc GIS, و (Expert Choice در راستای ژئورفرنس و رقومی کردن نقشه­ها، تفسیر عوارض، تطبیق برداشت­ها و تهیه­ی لایه­های اطلاعاتی، همپوشانی آنها و تهیه­ی نقشه­های پهنه­بندی نهایی در طول فرآیند تحقیق به عنوان داده استفاده شده است. لایه­های مورد نیاز به صورت زیر تهیه شده است:

1) تهیه­ی لایه­های اطلاعاتی شامل: تغییرات شیب، تراکم زهکشی، توپوگرافی، لیتولوژی، گسل و شکستگی از نقشه­های زمین­شناسی و تصاویر ماهواره­ای ETM+.

2) تهیه­ی لایه­های اطلاعاتی کاربری اراضی، جمعیت، چشمه و چاه با کمک اطلاعات از قبل موجود در استان.

این لایه­های اطلاعاتی بر اساس سابقه­ی تحقیق، موقعیت و شرایط منطقه، مقیاس و اطلاعات موجود در بخش شمالی استان ایلام، تهیه گردیده­اند و به­ عنوان داده­ی ورودی برای مراحل ­بعدی استفاده گردید. در این مقاله از دو روش به شرح زیر استفاده شده است:

روش 1: فرآیند تحلیل سلسله مراتبی[12]:

روش AHP یکی از روش­های پرکاربرد تصمیم­گیری چند عامله است. این روش، برای حل مسایل بدون ساختار در زمینه­های مختلف مدیریت، سیاست، اقتصاد، جغرافیا و ... به­ کار می­رود (مؤمنی، 1390). AHP از طریق تقسیم هدف در قالب چند قسمت ساده (معیار) به تجزیه و تحلیل آن می­پردازد و پس از آن ­که گزینه­ها و شاخص­ها مشخص شد، به ­منظور یافتن ارزش بیرونی و در گام بعد به­ منظور یافتن ارزش درونی هر شاخص، در بین مشاهدات مقایسات زوجی انجام می­دهد. تجزیه (ایجاد سلسله مراتب)، قضاوت مقایسه­ای (به­ صورت زوجی با رعایت ساختار سلسله­مراتب) و ترکیب اولویت­ها (مبتنی بر نسبت- مقیاس در سطوح مختلف سلسله مراتـبی مسأله­ی مورد تـصمیم) اصول سـه­گانه­ی فرآیـند تـحلیل سلسله مراتـبی است (مالچفسکی، 1385). در نهایت ماتریس زوجی تشکیل می­شود که نسبت به اهمیت عوامل، از شماره 1 تا 9 می­باشد (جدول1).

 

جدول (1) مقایسات زوجی استفاده شده برای پارامترهای مورد استفاده

ترجیحات

مقدار عددی

کاملاً مرجح

9

ترجیح خیلی قوی

7

ترجیح قوی

5

کمی مرجح

3

ترجیح یکسان

1

ترجیحات بین فواصل فوق

2، 4، 6، 8

روش 2: تئوری منطق فازی

تئوری فازی، ایجاد روشی نوین در بیان عدم قطعیت­ها و ابهامات روزمره و یا حل مسایلی است که وابسته به استدلال، تصمیم­گیری و استنباط بشری هستند. برای پیش­بینی سری­های زمانی با استفاده از منطق فازی هم مدل­های بسیاری در بازه­ی زمانی 2005- 1985 مطرح شده که از آنها برای پهنه­بندی و پیش­بینی پدیده­ها می­توان استفاده کرد (گوریجر[13]، 2006). یکی از اساسی‌ترین مباحث در تئوری منطق فازی بحث تابع عضویت و چگونگی تعریف آن است. اساس اختلاف روش‌های فازی با روش‌های دیگر، در تعریف این تابع است. تابع عضویت را می‌توان درجه­ی تعلق عناصر مجموعه­ی مرجع به زیر مجموعه‌های آن دانست که به صورت C(x)µ نمایش داده می‌شود. تعلق هر عضو مجموعه مرجع به یک عضو زیر مجموعه­ی خاص، به صورت قطعی نیست. یعنی با قاطعیت نمی‌توان گفت که عضو مورد نظر متعلق به این مجموعه هست یا نه. این عدم قطعیت با نسبت دادن یک عدد بین 0 و 1 به این عضو انجام می‌گیرد. عضویت یک ­به ­یک مجموعه یعنی تعلق کامل و عضویت صفر یعنی عدم تعلق بـه مجموعه. هر چه درجه­ی عضویت به یک نزدیک­تر باشد نشانه­ی تعلق بیشتر بـه مجموعـه مورد نظر است و برعکس. به این ترتیب می‌توان زیرمجموعه­های یک مجموعه­ی فازی را با نسبت­ دادن عددهای 0 و 1 بـه هر عضو مجموعه، بازنمایی کـرد (چمپاتی ری[14]، 2007). با استفاده از تـوابع فازی می­توان نقشه­های مختلف را به تعدادی کلاس تفکیک نمود. بر این مبنا به هر کلاس از مجموعه، بر اساس میزان تأثیرگذاری، یک درجه عضویت بین صفر تا یک داده می­شود.

عملگرهای مدل منطق فازی

به منظور ترکیب لایه­های فازی از عملگرهای فازی مختلفی استفاده می­شود که شامل:

1)      ضرب جبری فازی (Fuzzy Algebraic Product):در این عملگر، تمامی لایه‌های اطلاعاتی در هم

ضرب می‌شوند. به دلیل ماهیت اعداد بین صفر و یک، این اپراتور باعث می‌شود تا در نقشه­ی خروجی اعداد کوچک‌تر شده و به سمت صفر میل کنند. در نتیجه تعداد پیکسل کمتری در کلاس خیلی بالا قرار می‌گیرد. به همین دلیل این اپراتور از حساسیت بالایی در مکان­یابی برخوردار است. این عملگر به صورت رابطه‌ی (1) (سندهام و لِگِت[15]، 1997) تعریف می‌شود:  

رابطه­­ی (1)     µ Combination=

2) جمع جبری فازی (Fuzzy OR): این عملگر متمم مجموعه­ها محاسبه می­شود. به همین دلیل در نقشه­ی خروجی برخلاف اپراتور ضرب جبری فازی، ارزش پیکسل­ها به سمت یک میل می­کند. در نتیجه تعداد پیکسل بیشتری در طبقه­ی خیلی خوب قرار می­گیرد. این عملگر حساسیت خیلی کمی در مکان­یابی دارد. این عملگر به صورت رابطه­ی (2)، ( سندهام و لِگِت، 1997) تعریف می‌شود:

    ()µAB(x)= max {µA(x), µB(x), µC(x)}; x ϵ X رابطه­ی (2)     

3) اشتراک فازی (Fuzzy AND):این عملگر اشتراک مجموعه‌ها است. به این صورت که حداقل درجه‌ی عضویت را استخراج می‌کند، یعنی در بین کلیه­ی لایه‌های اطلاعاتی حداقل ارزش (وزن) هر پیکسل را استخراج کرده و در نقشه­ی نهایی منظور می‌کند. این عملگر به صورت رابطه­ی (3)، (سندهام و لِگِت، 1997) تعریف می‌شود:

رابطه­ی (3)       µAB(x)= min {µA(x), µB(x), µC(x)}

4) جمع جبری فازی(Fuzzy Algebraic Sum): این اپراتور مکمل حاصل ضرب جبری است. به همین دلیل در نقشه­ی خروجی برخلاف اپراتور ضرب جبری فازی ارزش پیکسل‌ها به سمت یک میل می‌کند در نتیجه تعداد پیکسل بیشتری در کلاس خیلی بالا قرار می‌گیرد (شریعت­جعفری، 1386). این عملگر به صورت رابطه­ی (4)، (سندهام و لِگِت، 1997)  تعریف می‌شود:

رابطه­ی (4)             µ Combination

5) گامای فازی (Fuzzy Gamma):این عملگر بر حسب حاصل ضرب جبر فازی و حاصل جمع جبری فازی به صورت رابطه­ی (5)، (سندهام و لِگِت، 1997) تعریف می‌شود:

رابطه­ی (5)   µ Combination = (Fuzzy Algebraic Sum)y *(Fuzzy Algebraic Product)1-y

که در آن y پارامتر انتخاب­شده در محدوده (0 و 1) است. وقتی y=1 باشد ترکیب همان جمع جبری فازی خواهد بود و وقتی y=0 باشد، ترکیب اصلی برابر با حاصل ضرب جبری فازی است. انتخاب صحیح و آگاهانه y بین صفر و یک مقادیری را در خروجی به وجود می‌آورد که نشان­دهنده­ی سازگاری قابل انعطاف میان گرایشات کاهشی و افزایشی دو عملگر جمع و ضرب فازی می‌باشند. نتایج به دست ­آمده از این عملگر نسبت به سایر عملگرها از دقت بیشتری برخوردار می­باشد (گرییم اف، 1379). به طور خلاصه اساس کاربرد منطق فازی در GIS مبتنی بر تبدیل نقشه­های ­برداری به نقشه­های شبکه­ای و تولید نقشه­های GRID می­باشد (مالچفسکی، 1385). پهنه­بندی به روش منطق فازی به صورت خلاصه در شکل (2)، ارایه شده است.

 

شکل (2) روش پهنه­بندی با استفاده از منطق فازی

بحث و نتایج

اولویت­بندی عوامل مؤثر پتانسیل آب زیرزمینی

در منطق­های کلاسیک، برای وزن­دهی به هر عامل، قسمت­هایی که به طور تقریبی از نظر ویژگی­های دیگر مشابه بوده و عامل مورد نظر تغییر می­کند در نظر گرفته می­شود و با مشاهده تغییرات این عامل و تأثیر آن بر پتانسیل آب زیرزمینی، با استفاده از جدول  (1)، بر اساس نظر و دید کارشناس نسبت به منطقه­ی عوامل به صورت دو به دو با هم مقایسه می­شوند و یکی از وزن­های جدول انتخاب می­شود که بستگی به دقت عمل، تجربه و میزان آشنایی کارشناس با منطقه دارد (کلارستاقی، 1381)، وزن­دهی بر ­اساس مدل­های بی­سیم[16] و نظریه دمپستر- شفر[17] که در آن مواردی همراه با سیستم­های خبره کاوش به کار برده می­شوند و وزن­دهی بر مبنای دانش و قضاوت کارشناسی است.

 

جدول (2) محاسبه­ی وزن­ها در روش AHP به منظور اضافه شدن به بانک اطلاعاتی

روش تحلیل سلسله مراتبی (AHP)

وزن نرمال

وزن آلترناتیو (وزن داخلی یا تراکم زیرطبقه)

وزن پارامتر (وزن خارجی)

آلترناتیو

پارامتر

087563/0

268597/0

326/0

1

لیتولوژی

079316/0

243302/0

2

06177/0

18948/0

3

057605

176703/0

4

039745

341432/0

5

059704/0

251916/0

237/0

1

آبراهه

080919/0

251916/0

2

040865/0

172426/0

3

034604/0

146008/0

4

020908/0

088218/0

5

014423/0

098789/0

146/0

1

تراکم گسل و شکستگی

032248/0

220877/0

2

031522/0

215902/0

3

040614/0

278175/0

4

027194/0

186257/0

5

058583/0

0580829

100/0

1

تغییرات شیب

023333/0

023333/0

2

0130674/0

130674/0

3

0049088

049088

4

0001077/0

001077/0

5

01691/0

1966311/0

086/0

1

کاربری اراضی

020066/0

233331/0

2

001842/0

021422/0

3

001691/0

019665/0

4

04549/0

528952/0

5

003103/0

096967/0

032/0

1

توپوگرافی

00876/0

273752/0

2

010274/0

321059/0

3

007285/0

227649/0

4

002578/0

080573/0

5

015719/0

476343/0

033/0

1

جمعیت

009332/0

282792/0

2

007305/0

221361/0

3

000402/0

012192/0

4

000241/0

0073308/0

5

016635/0

41586791/0

04/0

1

چاه­ها و چشمه­ها

005137/0

128419/0

2

006758/0

1689386/0

3

00548/0

0136992/0

4

005991/0

149781/0

5

جدول (3) وزن های محاسبه برای پارامترهای مورد استفاده در نرم­افزار Expert Choice

 

وزن خارجی

لیتولوژی

تراکم زهکشی

خطواره و گسل

تغییرات شیب

کاربری اراضی

توپوگرافی

جمعیت

چاه و چشمه

لیتولوژی

326/0

 

2

3

4

5

6

7

8

تراکم زهکشی

237/0

 

 

2

3

4

5

7

8

خطواره و گسل

146/0

 

 

 

2

3

3

4

5

تغییرات شیب

10/0

 

 

 

 

2

3

3

4

کاربری اراضی

086/0

 

 

 

 

 

3

4

5

توپوگرافی

032/0

 

 

 

 

 

 

2

3

جمعیت

 

 

 

 

 

 

 

 

2

چاه و چشمه

04/0

 

 

 

 

 

 

 

 

در این مطالعه نیز، نتایج این مقایسه­ها به صورت یک ماتریس به نرم­افزار Expert Choice وارد شده و در خروجی آن وزن هر پارامتر تعیین شده است (جدول 2 و 3). در این تحقیق بعد از انجام مراحل فوق، از بین عوامل، پارامتر لیتولوژی بیشترین وزن (326/0) و پارامترهای توپوگرافی و جمعیت کمترین وزن (03/0) را نشان می­دهند.

 پهنه­بندی پتانسیل  آب زیرزمینی بر اساس دو روش ذکر شده

در این مقاله، برای پهنه­بندی از دو روش AHP و منطق فازی استفاده شده است. در روش AHP برای مـحاسبه­ی وزن کلاسـه­های هر یک از عوامل (آلترناتیو)، از تراکم سطح آب ­زیرزمینی در کلاسه مورد­ نظر بهره­گیری شده است. سپس وزن هر عامل که از ماتریس وزن­دهی به دست ­آمده است، در وزن کلاسه­های آن ضرب شده و وزن نرمال کلاسه­ی آن عامل، به دست آمده است (جدول 2). سپس رسترهای وزن­دار تهیه­ شده وارد محیط ArcMap شده و با هم تلفیق شده­اند (شکل 3) و در نهایت خروجی به دست ­آمده به عنوان نقشه­ی پهنه­بندی معرفی گردیده است (شکل 4).

در روش Fuzzy، به منظور تجزیه و تحلیل­های فازی، ابتدا وزن­های به دست ­آمده از روش نسبت فراوانی، را با استفاده از نرم­افزار Expert Choice نرمال­سازی نموده و به آنها عدد بین صفر و یک، داده شده است، سپس داده­ها وارد نرم­افزار Idrisi شده و با انتخاب نوع و شکل تابع عضویت، هر یک از نقشه­های مزبور فازی تهیه گردیده است (شکل 5). بعد از تهیه­ی نقشه­ها بر اساس عملگرهای فازی، اطلاعات وارد نرم­افزار ArcMap شده و از تابع Raster Calculator برای تلفیق و هم­پوشانی لایه­ها استفاده شده و خروجی نهایی به عنوان نقشه­ی پهنه­بندی تهیه گردیده است (شکل 6).

 

   
   
   
   

شکل (3) نقشه­ی پهنه­بندی پتانسیل آب زیرزمینی به روش AHP

 

شکل (4) نقشه­ی نهایی پهنه­بندی پتانسیل آب زیرزمینی بر اساسAHP

   
   
   
   

شکل (5) نقشه­های وزن­دار با استفاده از روش fuzzy

 

شکل (6) نقشه­­های پهنه­بندی نهایی آب زیرزمینی با روش منطق فازی، الف) عملگرAnd،

 

شکل (7) نقشه­­های پهنه­بندی نهایی آب زیرزمینی با روش منطق فازی  ب) عملگرOr

 

شکل (8) نقشه­­های پهنه­بندی نهایی آب زیرزمینی با روش منطق فازی ج) عملگر Sum

 

شکل (9) نقشه­­های پهنه­بندی نهایی آب زیرزمینی با روش منطق فازی جد) عملگر Product

 

 

 

 

 

 

 

 

شکل (10) نقشه­­های پهنه­بندی نهایی آب زیرزمینی با روش منطق فازی  ه‍ ( عملگر Gama.

جدول (3) محاسبه­ی درصد و مساحت پتانسل آب زیرزمینی در منطقه­ی مورد مطالعه

مجموع

 

 

کلاس

 

 

پتانسیل آب زیرزمینی

خیلی زیاد

زیاد

متوسط

کم

خیلی کم

100%

6/39

7/26

1/13

12

6/8

Ahp

Km2 5218

1/2707

2/1610

4/463

359

78

100%

4/7

5/11

1/46

35

9

OR

Km2 5218

386

600

5/2405

3/1826

6/469

100%

8/2

5/3

4

7/38

51

AND

Km2 5218

146

6/182

7/208

4/2019

2/2661

100%

8

25

14

31

22

Product

Km2 5218

5/417

5/1304

5/730

6/1617

1148

100%

8/7

2/20

2/31

5/26

3/14

Sum

Km2 5218

407

1054

1628

1383

746

100%

5/8

5/30

28

7/16

3/16

Gamma

Km2 5218

5/443

28

7/16

4/871

5/850

 

 

شکل (11) نقشه­ی مربوط به محل چشمه و چاه­ها در منطقه­ی مورد مطالعه

در نتایج حاصل از روش منطق فازی، (اشکال مربوط به روش منطق فازی)، انطباق خوبی میان روش­های تلفیق فازی Gama, Produce, Sum و And وجود دارد که بیشترین پتانسیل را در سازندهایی با جنس گچ و ژیپس که نفوذپذیری و شکستگی کمتری دارند، نشان می­دهد، این نتیجه با آنچه که در طبیعت وجود دارد تناقض دارد، زیرا سازندهایی مانند گچساران دارای پتانسیل خیلی ضعیف برای وجود آب ­زیرزمینی می­باشند. اما روش تلفیق فازی OR کاملاً متفاوت از سایر روش­­­ها است.

 این روش، تطابق خوبی با نقشه­ی نهایی حاصل از روش AHP دارد و به نظر می­آید مناسب­ترین نتیجه را از میان روش­های ذکر شده برای منطق فازی نشان می­دهد. همچنین، نتایج حاصل از روش تحلیل سلسله مراتبی با روش منطق فازی OR، همخوانی خوبی با محل چشمه­ها و چاه­های ثبت­ شده در منطقه­ی شمالی استان ایلام دارد (شکل7).

بحث و نتیجه­گیری

نقشه­های مربوط به پتانسیل آب زیرزمینی یک تلاش سیستماتیک می­باشد که به کمک فاکتورهای کلیدی و کنترل ­کننده به دست می­آید. در این تحقیق از روش منطق فازی و فرآیند تحلیل سلسله مراتبی (AHP) برای تعیین مناسب­ترین منطقه­ی استحصال آب­های زیرزمینی در بخش شمالی استان ایلام استفاده شده ­است. بکارگیری فاکتورهای سـطحی و عمقی نشانگر محل­هایی با پـتانسیل آب زیرزمینی، یـک جنبه­ی مهم از مطالعات مدیریت منابع آب می­باشد. در روش تحلیل سلسله مراتبی، از میان هشت پارامتر تأثیرگذار لیتولوژی، تراکم زهکشی­، گسل و شکستگی، تغییرات شیب، کاربری اراضی، توپوگرافی، جمعیت و چشمه و چاه، پارامتر لیتولوژی بیشترین وزن (326/0) و پارامتر توپوگـرافی کمترین وزن (032/0) را به خود اختصاص دادنـد (شکل 3 و جـدول 3). با توجه بـه شکل (3)، بالاترین نقاط پتانسیل آب زیـرزمینی در بخش­های چین­خورده­ای است که سازندهای سخت آهکی و آبرفت دیده می­شود که مکان مناسبی برای ایجاد شکستگی و انحلال و کارستی شدن این سنگ­های کربناته و تجمع آب زیرزمینی می­باشد (شکل 1). در حدود  65% از کل مساحت بخش شمالی استان ایلام، دارای پتانسیل زیاد و خیلی­زیاد و در حدود 10%  نیز استعداد خیلی کمی برای وجود آب زیرزمینی دارد. نتایج حاصل با توجه به شکل (4)، بیشترین پتانسیل مربوط به وجود سازندهای آهکی مانند آسماری و ایلام و آبرفت­ها و کمترین پتانسیل نیز مربوط به سازندهای نفوذناپذیری مانند گچساران با جنس انیدریت و گچ و سازندهای مارنی و شیلی مانند پابده و گورپی (به ترتیب) می­باشد.




[1]- Greenbaum

[2]- Mukherjee

[3]- Roy

[4]- Jaiswal

[5]- Laffan

[6]- Israil et al.,

[7]- Luli et al.,

[8]- Imran Dar et al.,

[9]- Rathar and Androbi

[10]- Liewellyn

[11]- Macleod

[12]- Analytical Hierarchy Process

[13]- Champati-ray

[14]- Gooijer

[15]- Sandham and Leggett

[16]- Linguistic Terms

[17]- Dempester-Shafer

- اعلمی­ازغدی، علی؛ خراسانی، رضا؛ مکرم، مرضیه و عبدالامیر معزی (۱۳۸۹)، «ارزیابی حاصلخیزی خاک بر اساس فاکتورهای فسفر، پتاسیم و مواد آلی برای گندم با استفاده از GIS و AHPتکنیک فازی»، آب و خاک، شماره 5، صص ۹۸۴-۹۷۳ .
- خاشعی­سیوکی، عباس؛ قهرمان، بیژن و مهدی کوچک­زاده (1390)، «ارزیابی پتانسیل استحصال آب از آبخوان از روش فرآیند تحلیل سلسله مراتبی فازی (مطالعه موردی :دشت نیشابور)»، پـژوهش آب ایران، شماره 9 ، صص 180-171.
- تاناکا، کازوئو (1383)، «مقدمه­ای بر منطق فازی برای کاربردهای عملی آن»، ترجمه: علی وحیدیان کامیاد و حامدرضا طارقیان، مشهد، انتشارات دانشگاه فردوسی مشهد.
- عباسی، ثریا (1388)، «استفاده از رهیافت سنجش از دور در شناسایی گسل­های زیرسطحی وسبک دگرریختی آنها در ناحیه­ی لرستان»، پایان­نامه کارشناسی ارشد، دانشگاه تربیت مدرس.
- فاطمی عقدا، سیدمحمود؛ غیومیان جعفر؛ تشنه­لب، محمد و عقیل اشقلی فراهانی (۱۳۸۴)، «بررسی خطر زمین لغزش با استفاده از منطق فازی- مطالعه­ی موردی منطقه (رودبار)»، مجله علوم دانشگاه تهران، شـماره 1، صص  64-43 .
- قدسی­پور، سیدحسن (1384)، «مباحثی در تصمیم­گیری چندمعیاره، فرآیند تحلیل سلسله مراتبی»، انتشارات دانشگاه صنعتی امیرکبیر، چاپ چهارم، 220صفحه.
- کلارستاقی، عطااله (1381)، «بررسی عوامل مؤثر بر وقوع زمین­لغزش­ها و پهنه­بندی خطر­ زمین­لغزش در حوضه­ی شیرین­رود ساری»، پایان­نامه کارشناسی ارشد آبخیزدازی، دانشکده منابع­طبیعی دانشگاه تهران.
- کوره­پزان دزفولی، امین (1384)، «اصول تئوری مجموعه‌های فازی و کاربردهای آن در مدل‌های مسائل مهندسی آب»، دانشگاه امیرکبیر، جلد 1، صص 181- 170.
- گریم اف بونهام - کارتر (1379)، «سیستم اطلاعات جغرافیایی برای دانش­پژوهان علوم زمین»، ترجمه گروه GIS، سازمان زمین­شناسی و اکتشافات معدنی.
- صداقت، محمود (1372)، «زمین و منابع آب (آب­های زیرزمینی)»، انتشارات دانشگاه پیام نور.
- مالچفسکی، یاچک (1385)، «سامانه اطلاعات جغرافیایی و تحلیل تصمیم چند معیاری»، ترجمه، اکبر پرهیزکار و عطا غفاری گیلانده، تهران، انتشارات سمت، صص370-364.
- مؤمنی، منصور و علیرضا شریفی­سلیم (1390)، «مدل­ها و نرم­افزارهای تصمیم­گیری چند شاخصه»، مؤلف. صص 5-2.
- نیکنام، رامین؛ محمدی، کورش و وحید جوهری­مجد (۱۳۸۶)، «ارزیابی آسیب­پذیری سفره­ی آب زیرزمینی تهران کرج با روش  DRASTICومنطق فازی»، تحقیقات منابع آب ایران، شماره 3، صص ۴۷-39.
- Champati-ray, P.K., Dimri, S., Lakhera, R.C., and Sati, S., (2007), “Fuzzy- based Method for Landslide Hazard Assessment in Active Aeismic Zone of Himalaya”, Landslides, Vol. 4, PP: 101-111.
- Gooijer, J., Hyndman, R., (2006), “25 Years of Time Series Forecasting”, International Journal of Forecasting, No. 2, PP: 443- 473.
-Greenbaum, D., (1992), “Structural Influences on the Occurrence of Groundwater in SE
Zimbabwe
”, Geological Society, London, Special Publications, Vol. 66, PP: 77–85.
- Imran Dar, A., Sankar, K., Dar, M.A., (2010), “Remote Sensing Technology and Geographic Information System Modeling: an integrated Approach towards the Mapping of Groundwater Potential Zones in Hardrock Terrain, Mamundiyar Basin”, Journal of Hydrology, Vol. 394, PP: 285-295.
- Israil, M., Al-hadithi, M., Singhal, D.C., (2006), “Application of a Resistivity Survey and Geographical Information System (GIS) Analysis for Hydrogeological Zoning of a Piedmont Area, Himalayan Foothill Region, India, Journal of Hydrology, Vol. 14, PP: 753–759.
- Jaiswal RK, Mukherjee S, Krishnamurthy J, Saxena R, (2003), “Role of Remote Sensing and GIS Techniques for Generation of Groundwater Prospect Zones towards Rural Developmentan Approach”, International Journal of Remote Sensing, Vol. 24, PP: 993–1008.
- Koorehpazan Dezfuli A., (2008), “Theoretical Principles of Fuzzy Set Theory and Its Application in Modeling the Water Engineering Issues”, Amirkabir University of Technology, Jahad- Daneshgahi Publication, PP: 262.
- Laffan, Shawn, (2003), “Rapid Appraisal of Groundwater Using Fuzzy Logic and Topography, Australia”.
- liewellyn, J.H., (1974), “Geological Map of Ilam- Kuhdasht, Iranian Oil Operating Companies”.
- Lu, L., Zhi-Hua, Shi. Wei, Y., Dun Z., Sai Leung N., G., Chong-Fa, C., and A-Lin L. (2009), “A Fuzzy Analytic Hierarchy Process (FAHP) Approach to Eco-environmental Vulnerability Assessment for the Dnjiangkou Rrvoir Area”,China, Ecological Odelling, Vol. 220, PP: 3439-3447.
- Macleod, J.H., (1971), “Geological map of Naft, Iranian Oil Operating Companies”.
- Macleod, J.H., (1972), “Geological map of Kuhdasht, Iranian Oil Operating Companies”.
- Mukherjee, S., (1996), “Targetting Saline Aquifer by Remote Sensing and Geophysical Methods in a Part of Hamirpur–Kanpur, India”, Journal of Hydrology, Vol. 19, PP: 1867–1884.
- Rather J.A., Andrabi Z.A.B.R., (2012), “Fuzzy Logic Based GIS Modeling for Identification of Ground Water Potential Zones in the Jhagrabaria Watershed of Allahabad District, Uttar Pradesh, India”, Inteational Journal of Advances in Remote Sensing and GIS, Vol. 1, PP: 218-233.
- Roy, A.K., (1996), “Hydromorphogeological Mapping for Ground Water Targeting and Development in Dehradun Valley”, Surya Publications, Dehradun.
- Sandham, W.A and Leggett, M., (1997), “Geophysical Applications of Artificial Neural Networks and Fuzzy Logic”: Overview and survey, 59th Ann. Internal. Mtg., Eur. Assn. Geoscince. Eng., Preconference Workshop on Geophysical Aplication of Articical Neural Networks and Fuzzy Logic, P: 0.1.
- Zadeh, L.A., (1965), “Fuzzy Sets”, Journal of Information and Cintrol, No, 8, PP: 338-353.
- Zadeh, L.A., (1973), “Outline of Approach to Analysis of Complex System and Decision Process”, IEEE Trans on System Man and Cybernetic, SMC, Vol. 1, PP: 28- 44.