استفاده از روش PCSM و مدل فازي براي تخمين شاخص پتانسيل فرونشست در آبخوان دشت اردبيل

Estimation of Subsidence Potential Index Using the PCSM Method and Fuzzy Model in Ardabil Plain Aquifer

پديده فرونشست زمين كه ناشي از عوامل طبيعي و انساني است، در طي سال ­هاي اخير آثار تخريبي فاجعه‌باري در مناطق مسكوني، كشاورزي و صنعتي به دنبال داشته است. لذا در اين پژوهش به منظور كنترل و مديريت اين پديده در دشت اردبيل به شناسايي مناطق محتمل فرونشست در اين دشت پرداخته شده است. بدين صورت كه با استفاده از هفت پارامتر مؤثر بر فرونشست نقشه آسيپ­ پذيري منطقه و بعد از رتبه ­دهي و وزن‌دهي با استفاده از روش PSCM شاخص آسيب­ پذيري فرونشست دشت محاسبه شد و اين مقدار براي دشت اردبيل بين 80 تا 154 به دست آمد. سپس نتايج حاصل از اين روش با مقدار فرونشست رخ داده كه حاصل از بررسي تصاوير راداري INSAR ماهواره سينتل 1 است صحت‌سنجي شد. در ادامه با توجه به اينكه رتبه ­ها و وزن ­هاي به كار برده شده در روش PSCM بر اساس نظر كارشناسي است لذا به منظور بهينه ­سازي اين روش از مدل فازي سوگنو استفاده شد تا از اين طريق به نتايج دقيق­تري از آسيب­ پذيري دست يافت. بدين صورت كه هفت پارامتر موثر بر فرونشست به عنوان ورودي مدل و مقدار شاخص آسيب‌پذيري تصحيح شده با فرونشست حاصل از تصاوير راداري به عنوان خروجي مدل تعريف شد. نتايج حاصل از اين روش‌ نشان داد كه قسمت‌هاي جنوب و جنوب شرقي دشت داراي پتانسيل آسيب­ پذيري فرونشست بالايي است.

Recently, land subsidence due to natural and human factors changed to catastrophic destruction for the residential, agricultural and industrial areas. In this study, the high potential subsidence areas of Ardabil plain were identified to control and manage this phenomenon. Thus, the seven effective parameters on the subsidence were rated and weighted and the subsidence potential index (SPI) was calculated for study area. The SPI value for the Ardabil Plain was obtained between 80 and 154. Then the results of this me-thod were verified by occurred subsidence which is obtained through INSAR image analysis for the study area. Although the results are acceptable but to increase the framework efficiency and accuracy of results, the fuzzy model adopted to optimize this framework. In this way, seven effective parameters on the SPI were used as the input of the FL model and the value of the corrected SPI by obtained observed subsidence from INSAR images was defined as the output of the model. The results of this method showed that the southern and southeastern parts of the plain have the high subsidence potential.