بررسي تاثير برخي شاخص هاي كيفيت آب زيرزميني بر بيابان زايي اراضي دشت سگزي اصفهان با استفاده از Bayesian Belief Networks

Analyzing the Effect of Groundwater Quality on Desertification using Bayesian Belief Networks in Segzi Desertification Hotspot

اين مقاله با هدف بررسي شدت بيابان زايي در دشت سگزي واقع در بخش شرقي شهرستان اصفهان، با توجه به معيار كيفيت آب زيرزميني مورد استفاده در مدل مدالوس انجام شد. شبكه هاي باور بيزين (BBNs) نيز براي تبديل مدل مدالوس به يك مدل پيش بيني كننده كه قابليت نشان دادن روابط علت و معلولي را داراست مورد استفاده قرار گرفت. با برداشت داده هاي 12 حلقه چاه آب زيرزميني در منطقه (1391-1392) و استفاده از تكنيك هايي نظيركريجينگ و معكوس فاصله وزني، نقشه تغييرات مكاني دادهاي كيفيت آب شامل ميزان كلر، نسبت جذب سديم، هدايت الكتريكي، مجموع مواد محلول در آب و پي اچ و همچنين ميزان افت سطح آب به صورت پيوسته در محيط GIS ايجاد گرديد. اثرات تغييرات شاخص هاي كيفيت آب بر شدت بيابان زايي منطقه با انجام تجزيه و تحليل هاي حساسيت سنجي و بررسي سناريوهاي مختلف در مدل BBNs انجام شد. با توجه به نتايج حاصل از مدل مدالوس به دليل كيفيت پايين آب هاي زيرزميني، بيابان زايي در منطقه مورد مطالعه در كلاس شديد طبقه بندي شد. تجزيه و تحليل حساسيت هر دو مدل نشان داد كه افت سطح آب، وضعيت يون كلريد و شرايط هدايت الكتريكي آب هاي منطقه به عنوان مهم ترين پارامترهاي دخيل در بيابان زايي منطقه از لحاظ شرايط آب هاي زيرزميني بودند. ضريب تبيين بين خروجي مدل مدالوس و BBNs، 63/0 به دست آمد كه در سطح اطمينان 95٪ معني دار بود. اين نتايج نشان دادكه استفاده از مدل BBNs در ارزيابي بيابان زايي به خوبي مي تواند عدم اطمينان از نتايج ارزيابي را به مديران نشان داده و آنها را در تصميم گيري در مورد روش هاي مناسب مديريت اراضي ياري نمايد.

This paper aimed to assess the severity of desertification in Segzi plain located in the eastern part of Isfahan city, focusing on groundwater quality criteria used in MEDALUS model. Bayesian Belief networks (BBNs) were also used to convert MEDALUS model into a predictive, cause and effects model. Different techniques such as Kriging and IDW were applied to water quality data of 12 groundwater wells to map continuous variations of the CL, SAR, EC, TDS, pH and decline in water table indices in GIS environment. The effects of measured water quality indicators on desertification severity levels were assessed using sensitivity and scenario analysis in BBNs model. According to the results of the MEDALUS, the desertification of the study area was classified as severe class due to its low quality of groundwater. Sensitivity analysis by the both models showed that decline in waater table, water chloride content and electrical conductivity were the most important parameters responsible for desertification in the region from ground water condition standpoint. The determination coefficient between the outputs of the MEDALUS and BBNs models (R2>0.63) indicated that the results of both models were significantly correlated (α=5 %). These results indicate that the application of BBNs model in desertification assessment can appropriately accommodate the uncertainty of desertification methods and can help managers to make better decision for upcoming land management projects.