بهبود نتايج حاصل از مدل دراستيك با استفاده از هوش مصنوعي جهت ارزيابي آسيب پذيري آبخوان آبرفتي دشت رامهرمز

سابقه و هدف: آلودگي آب‌هاي زيرزميني يك فرآيند پيچيده و پر از عدم قطعيت، در مقياس منطقه‌اي مي‌باشد. توسعه يك روش يكپارچه جهت ارزيابي آسيب‌پذيري آبخوان‌ها، مي‌تواند به منظور مديريت بهينه و حفاظت از آن‌ها كارامد باشد. دشت رامهرمز به دليل داشتن خاك حاصلخيز و منابع آب كافي داراي زمين‌هاي مستعد كشاورزي است كه به دليل توسعه كشاورزي، استفاده از كودهاي شيميايي و مواد آفت‌كش‌ همواره در معرض خطر آلودگي قرار دارد. يكي از راه‌هاي مناسب براي جلوگيري از آلودگي آب‌هاي زيرزميني، شناسايي مناطق داراي پتانسيل آلودگي مي‌باشد. هدف از مطالعه حاضر، تهيه نقشه آسيب‌پذيري آبخوان آبرفتي دشت رامهرمز با استفاده از مدل دراستيك و سپس بكارگيري روش‌هاي هوش مصنوعي جهت بهبود نتايج حاصل از مدل دراستيك است. با توجه به اهميت منابع آب زيرزميني در منطقۀ مورد مطالعه كه براي مقاصد مختلف از جمله كشاورزي مورد استفاده قرار مي‌گيرد، مطالعۀ آسيب پذيري آبخوان و حفاظت اين مناطق براي توسعه و مديريت بهينه منابع آب ضروري به نظر مي‌رسد. مواد و روش‌ها: در اين مطالعه، ارزيابي آسيب‌پذيري آبخوان آبرفتي دشت رامهرمز در ابتدا با استفاده از مدل دراستيك انجام شد و در ادامه از روش‌هاي هوش مصنوعي جهت بهينه‌سازي مدل استفاده گرديد. مدل دراستيك شامل پارامترهاي: عمق تا سطح ايستابي، تغذيه، جنس سفره، نوع خاك، توپوگرافي، مواد تشكيل دهنده منطقۀ غيراشباع و هدايت هيدروليكي مي‌باشد كه در ارزيابي آسيب‌پذيري سفرۀ آب‌زيرزميني موثر هستند. اين روش بر اساس وزن‌هاي استاندارد پارامترهاي مدل دراستيك و لايه‌هاي بدست آمده براي هر يك از هفت پارامتر ميزان آسيب‌پذيري آبخوان را محاسبه مي‌نمايد. پس از آمادهسازي لايه‌ها، آسيب‌پذيري آبخوان آبرفتي دشت رامهرمز با استفاده از روش‌ دراستيك، تعيين گرديد. هم‌چنين نقشۀ آسيب‌پذيري آبخوان و شاخص دراستيك براي كل منطقه محاسبه شد. به منظور ارزيابي دقت نتايج اين مدل، از داده‌هاي غلظت نيترات موجود در آبخوان جهت صحت‌سنجي استفاده شده است. در ادامه به منظور بهبود نتايج، مدل دراستيك با روش‌هاي شبكه عصبي مصنوعي، منطق فازي( سوگنو و ممداني) و سيستم استنتاج تطبيقي عصبي فازي تلفيق شد و چهار نقشه آسيب‌پذيري با استفاده از مدل‌هاي مختلف هوش مصنوعي حاصل گرديد. يافته‌ها: نقشۀ آسيب‌پذيري آبخوان نسبت به آلودگي، با تقسيم‌بندي به سه محدودۀ آسيب‌پذيري كم، متوسط و زياد تهيه و شاخص دراستيك براي كل منطقه بين 48 تا 156 محاسبه گرديد. ضريب همبستگي 0.97 بين شاخص دراستيك و غلظت نيترات نشان دهنده دقت نسبتاً مناسب اين روش است. نتايج نشان داد كه مدل‌هاي هوش مصنوعي به كار گرفته شده، قابليت بهبود نتايج مدل دراستيك اوليه را دارا مي‌باشند. با مقايسه نتايج مدل‌ها مي‌توان نتيجه گرفت كه مدل سيستم استنتاج تطبيقي عصبي فازي بهترين نتيجه را در بردارد. نتيجه‌گيري: ضريب تعيين (R2) براي مدل‌هاي سيستم استنتاج تطبيقي عصبي فازي، شبكه عصبي و مدل‌هاي فازي سوگنو و ممداني به‌ترتيب 0.99، 0.94، 0.98 و 0.87 بدست آمد. طبق مدل نهايي، نواحي جنوب جنوب شرقي منطقه داراي بيشترين ميزان پتانسيل آلودگي هستند.