مقايسۀ آسيب‌پذيري فرونشست آبخوان دشت جنوب‌غربي تهران با مدل وزن‌دهي ساده (مدلalprift) و الگوريتم ژنتيك

Comparison of Vulnerability of the Southwest Tehran Plain Aquifer with Simple Weighting Model (ALPRIFT Model) and Genetic Algorithm (GA)

فرونشست سطح زمين در اثر استخراج بي رويه از منابع آب زيرزميني، يكي از رويدادهايي است كه در ايران به وفور مشاهده شده است. اين پديده در صورت نبود مديريت صحيح، مي تواند خسارات جبران ناپذيري را براي مناطق دچار اين پديده، ايجاد كند. هم چنين رشد جمعيت و تكنولوژي زراعي، استفاده بيش از گنجايش منابع آب زيرزميني برخي از نقاط ايران را به دنبال داشته است. نرخ فرونشست زمين ناشي از برداشت بيش از حد آب هاي زيرزميني در دشت تهران در طي سال هاي اخير افزايش يافته است. در چنين شرايطي آثار زيان بار آن بر زمين هاي كشاورزي، ساختمان ها، شريان هاي حياتي و دگرشكلي هاي سطح زمين به صورت فروچاله ها، ترك ها و شكاف هاي زمين در حال گسترش هستند. در اين پژوهش با استفاده از مدل alprift كه يك مدل وزن دهي ساده است و شامل 7 لايۀ موثر بر فرونشست (جنس لايه هاي زيرين، كاربري زمين، پمپاژ، تغذيه، ضخامت آبخوان، فاصله از گسل، افت سطح آب زيرزميني) است ميزان آسيب پذيري فرونشست دشت با تلفيق لايه ها در محيط arc gis براي فاصلۀ زماني يك سال (1395-1394) به دست آمد و براي صحت سنجي اين مدل از نقشۀ ماهواره اي insar استفاده شد. با وجود قابل قبول بودن نتايج، براي بهبود نتايج حاصل و بهينه سازي وزن هاي اعمال شده از روش الگوريتم ژنتيك استفاده شد. نتايج نشان داد كه بهينه سازي وزن هاي اعمال شده به وسيلۀ الگوريتم ژنتيك، با افزايش ضريب هم بستگي از 0.64 به 0.75، بين شاخص فرونشست و فرونشست هاي به دست آمده در دشت، توانايي بيش تري در ارزيابي فرونشست دارد.

Land subsidence due to groundwater resources extraction is one of the abundance events occurred in Iran. If it is not properly managed, this phenomenon can cause irreparable damage to the affected areas. Population growth and agricultural technology have also led to overexploitation of the groundwater resources in some parts of Iran. The rate of land subsidence due to overexploitation of the groundwater in Tehran plain has increased over recent years. Under such conditions, its harmful effects on agricultural land, buildings, infrastructures, and surface deformations, in the form of sinkhole, cracks and fissure are expanding. In this research by using the ALPRIFT model, which is a simple weighing model, consisting of seven layers of subsidence effective parameter (aquifer media, land use, groundwater pumping, recharge, aquifer thickness, fault distance, groundwater level decline), the vulnerability level of the Tehran plain subsidence was estimated by combining data layers in the Arc GIS for a period of one year (2015-2016). The InSAR satellite radar map was used to validate the model. Despite the acceptability of results, genetic algorithm was also used to improve the results and optimize the weights. The results showed that the optimization of the weights applied by the genetic algorithm, increased the correlation coefficient of subsidence index and the subsidence in the Tehran plain from 0.64 to 0.75, which is more efficient in evaluating the land subsidence.