بهينه سازي تعداد چاه هاي نمونه برداري با رويكرد مكاني زماني در شبكۀ پايش سطح آب هاي زيرزميني (مطالعۀ موردي: دشت سراب)

Optimization of sampling wells by a spatial-temporal approach in the groundwater level monitoring network (Case study: Sarab plain)

بهينه سازي چاه هاي نمونه برداري موجود در شبكۀ پايش آب هاي زيرزميني به لحاظ كاهش هزينۀ نگهداري و بهبود كارايي و افزايش سرعت به‌روزرساني اهميت زيادي دارد. براي تعيين چاه هاي بااهميت، عموماً از روش هاي زمين آماري (مانند كريجينگ) و يا تحليل مؤلفه هاي اصلي (PCA) استفاده مي شود. در روش هاي زمين آماري، بهينه سازي با توجه به موقعيت مكاني نمونه ها انجام مي‌شود و اطلاعات زماني چاه ها لحاظ نمي شود. در روش PCA تعيين چاه هاي شاخص با لحاظ اطلاعات زماني چاه هاي موجود در همسايگي ايستگاه هاي پايش انجام مي شود. در اين تحقيق رويكردي بر اساس تلفيق اين دو روش براي در نظر گرفتن اطلاعات مكاني و زماني چاه ها ارائه شده و از آن براي كاهش تعداد چاه هاي نمونه برداري در تخمين سطح آب هاي زيرزميني آبخوان دشت سراب استفاده شده است. تحقيق حاضر با اخذ مشاهدات 47 چاه مربوط به سفرۀ اول دشت سراب در سال 1397 در سه مرحلۀ اصلي انجام گرفته است: 1- جست وجوي اكتشافي داده ها؛ 2- تعيين اولويت چاهها با لحاظ اطلاعات زماني چاه هاي حاضر در همسايگي با روش PCA؛ 3- بررسي ميزان تغييرات دقت سطح با روش كريجينگ با فرض حذف شدن چاه هاي با اولويت زماني كم. نتايج نشان داد 9 چاه دشت سراب (19 درصد) داراي ارزش نسبي كمتر از 0/3 هستند كه با حذف اين چاه ها و ارزيابي خطاي RMSE در نقاط حذف‌شده، مقدار اين نقاط با 46 سانتي‌متر خطا از طريق اطلاعات مكاني همسايه ها قابل محاسبه است. بنابراين، چاه هاي حذف‌شده اطلاعات مكاني زيادي وارد شبكه نمي كنند و با حذف آنها، مي توان با افزايش دقت اندازه گيري سطح آب در بقيۀ چاه هاي نمونه برداري و صرفه جويي در زمان و هزينه، به همان دقت سطح اوليه رسيد.

Optimizing the piezometric wells in the groundwater monitoring network is important in terms of reducing maintenance costs and improving efficiency and increasing the speed of data updating. Statistical methods or PCA are commonly used to identify significant wells. In geostatistical methods, optimization is performed according to the location of the samples but the temporal information of the wells is not taken into account. In the PCA method, indicator wells are determined in terms of temporal information of wells. In this research, an approach based on a combination of these two methods is presented to consider the spatiotemporal information of wells. The present study was conducted by obtaining data from 47 wells related to the first aquifer of Sarab plain in 1397 in three main stages: 1- Exploratory spatial data analysis (ESDA), 2- Determining the priority of wells based on temporal information of the wells in the neighborhood by PCA method, 3- Investigating the surface accuracy changes by kriging method assuming the removal of wells with low temporal priority. The results showed that 9 wells of Sarab plain (19%) have relative importance less than 0.3. By removing these wells and evaluating the RMSE error in the deleted points, the value of these wells can be calculated with 46cm error through spatial autocorrelation information. Therefore, the removed wells do not enter much spatial information, and by removing them, it is possible to increase the accuracy of measuring the water level in other wells and save time and cost with the same accuracy.