كاربرد كريجينگ شاخص و معمولي در مدل‌كردن كلر آب زيرزميني

Application of indicator and ordinary kriging for modeling groundwater chloride

از معمول‌ترين مشكلات مرتبط با كيفيت آب در كشاورزي، سمّيت ناشي از كلر است. لذا برآورد صحيح ميزان كلر و تهيه نقشه‌هاي احتمال آن بسيار حايز اهميت است. تخمين‌گر زمين‌آماري كريجينگ شاخص (IK) نه تنها مستقل از شيوه توزيع داده‌‌هاست بلكه قادر به مدل‌كردن ميزان قطعي‌نبودن تخمين نيز است. در اين مطالعه كاربرد IK براي تخمين و به خصوص ارزيابي خطاي تخمين مقدار كلر آب زيرزميني به صورت مقايسه‌‌اي با كريجينگ معمولي (OK) و لاگ كريجينگ (LOK) بيان شده است. نقشه‌‌هاي احتمال كلر براي حدود آستانه 10 و 20 ميلي‌‌اكي‌‌والان بر ليتر با استفاده از IK تهيه شده است. داده‌‌هاي كلر مربوط به 76 حلقه چاه آب كشاورزي در دشت كرمان است. نتايج آناليز نيم‌‌تغييرنما نشان داد كه داده‌‌هاي كلر و لگاريتم آن‌‌ها با مدل ساختار مكاني كروي و شعاع تاثير به ترتيب برابر با 42 و 72 كيلومتر همبستگي مكاني قوي دارند. همچنين، داده‌‌هاي كلر داراي همبستگي مكاني داخل كلاس متوسط تا قوي هستند و نيم‌‌تغييرنماهاي شاخص به طور عمده از مدل كروي پيروي مي‌‌كنند. نتايج ارزيابي متقابل نشان داد كه روش LOK داراي دقت بيشتري نسبت به روش IK در برآورد مقادير كلر است. از طرفي واريانس شرطي IK ابزار مناسب‌‌تري براي ارزيابي خطاي تخمين كلر نسبت به واريانس OK و LOK تشخيص داده شد. نقشه‌‌هاي احتمال كلر نشان دادند كه احتمال تجاوز مقدار كلر از حدود آستانه 10 و 20 ميلي‌‌اكي‌‌والان بر ليتر در نواحي شمال‌غرب و غرب منطقه بيشتر است. نقشه‌‌هاي احتمال در بسياري از فرايندهاي تصميم‌گيري از جمله مديريت منابع آب و به حداقل رساندن ريسك آلودگي منابع ابزار سودمندي به شمار مي‌روند.

One of the common problems regarding to agricultural water quality is chloride (Cl) toxicity. So its appropriate estimation and probability map production is quiet important. Indicator kriging (IK) is distribution-free and able to assess the uncertainty attached to the estimates. This study aimed to use IK to estimate groundwater Cl and to evaluate the uncertainty attached to the estimates. The results were compared to those achieved from ordinary kriging (OK) and log-kriging (LOK). The probability maps of not exceeding two threshold values 10 and 20 meq/lit were generated for Cl by IK. The Cl data was collected from 76 agricultural wells in Kerman plain. The results of semivariogram analysis showed that chloride data values and its logarithms are strongly correlated in space and the best fitted semivariogram model was spherical with a range of influence of 42 and 72 km, respectively. Cl data had a moderate to strong within class spatial correlation and indicator semivariograms often followed a spherical structure. Further the cross-validation results indicated that LOK were more accurate than IK for estimating groundwater chloride. Besides, IK conditional variance was more appropriate for representing the estimation error than the OK (and LOK) variance. Moreover the produced probability maps showed that the probability of chloride exceeding critical thresholds 10 and 20 meq/lit is higher in the northwest and west of the study area. These maps are useful in many decision-making processes e.g. water resource management and pollution risk minimization.