ارزيابي متغيرهاي موثر بر پتانسيل آب زيرزميني بر اساس تحليل حساسيت (بررسي موردي: دشت قروه-دهگلان)

(Sensitivity Analysis of Conditioning Factors In Groundwater Potential Prediction (Case Study: Ghorve-Dehgolan Plain

آب زيرزميني به‌عنوان يكي از با ارزش‌ترين منابع طبيعي نقش بسيار مهمي در تأمين نياز آبي به‌ويژه درمناطق خشك دارد. در اين پژوهش، به‌منظور تحليل حساسيت متغير‌هاي موثر در پيش‌بيني پتانسيل آب زيرزميني در روش‌هاي تصميم‌گيري چند‌معياره (MCDA) از متغيرهاي سنگ‌شناسي، بارندگي، تراكم زهكشي، تراكم خطواره و شيب زمين در قالب يك مطالعۀ موردي در دشت قروه-دهگلان استفاده شد. وزن نرمال‌ شده اين متغير‌ها بر اساس مقايسه‌هاي زوجي روش تحليل سلسله مراتبي (AHP) مبتني بر بردار ويژه تعيين گرديد. پس از تهيه نقشه پيش‌بيني پتانسيل آب زيرزميني اعتبارسنجي مدل با استفاده از نتايج آزمايش پمپاژ 20 حلقه چاه در منطقه مورد بررسي انجام شد. تحليل حساسيت متغيرهاي موثر در پيش‌بيني پتانسيل آب زيرزميني با استفاده از روش حذفي انجام گرفت و در نهايت دقت نقشه‌ها ارزيابي گرديد. نتايج تحليل حساسيت نشان داد كه همه متغيرهاي مورد‌نظر داراي تأثير مثبت در دقت پيش‌بيني پتانسيل آب زيرزميني بوده و به ترتيب بيشترين و كمترين دقت پيش‏ بيني مربوط به حالت‌هاي حضور تمام متغير‌ها (85 %) و حذف متغير سنگ‌شناسي از مجموعه لايه‌هاي تصميم‌گيري (60 %) بود. بنابراين متغير سنگ‌شناسي از طريق تاثير بر روي ويژگي‌هاي فيزيكي از جمله تراكم خطواره و گسل، نفوذ‌پذيري و تراوايي بيشترين تأثير را روي دقت پيش‌بيني پتانسيل آب زيرزميني دارد. همچنين نتايج نشان داد كه متغيير‌هاي بارندگي و شيب با وجود تغيير اندكي كه در يك دشت دارند، در مقدار دقت پيش‌بيني پتانسيل آب زيرزميني مؤثر هستند.

Groundwater is known as one of the most valuable natural resources which play an important role in providing water supply in arid areas. In this study, multi-criteria decision-making (MCDA) methods were used for sensitivity analysis of the effective parameters in groundwater potential prediction based on the lithology, annual rainfall, drainage density, lineament density and land slope parameters in Ghorveh-Dehgolan plain as a case study. The normalized weights of the parameters were determined based on the paired comparisons of AHP approach. After preparing the groundwater potential prediction map, validation of the model was conducted by using the pumping tests data of 20 wells in the study area. Sensitivity analysis of the effective parameters in groundwater potential prediction was measured using the elimination method and finally accuracy of the maps was evaluated. The results of the sensitivity analysis showed that all parameters have a positive impact on the accuracy of the groundwater potential prediction while the best accuracy was obtained by combination of all layers (85%), and the worst accuracy resulted when the lithology was eliminated from the decision layers (60%). Therefore, the lithology parameter through effects on physical properties such as density of lineaments and faults, porosity and permeability has the highest impacts on the accuracy of groundwater potential prediction. The results also revealed that rainfall and slope variables, in despite of their little changes in a plain, are effective in accuracy of groundwater potential prediction.