ارزیابی آسیب پذیری آبخوان دشت فسا با استفاده از مدل دراستیک در سیستم اطلاعات جغرافیایی
محل انتشار: پانزدهمین همایش انجمن زمین شناسی ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,446
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SGSI15_026
تاریخ نمایه سازی: 9 اسفند 1390
چکیده مقاله:
دشت فسا در جنوب شرقی استان فارس واقع گردیده است. در سالهای اخیر بهره برداری بی رویه از منابع آب زیر زمینی در این دشت و استفاده بی رویه از مواد شیمیایی در کشاورزی ، کیفیت آب زیر زمینی را تحت تاثیر قرار داده است، بنا بر این به نظر میرسد مطالعه و تحقیق از نظر آسیب پذیری سفره های آب زیرزمینی ضروری میباشد. ارزیابی آسیب پذیری آبخوان برای توسعه، مدیریت و تصمیمات کاربری اراضی، نحوه پایش کیفی منابع آب زیر زمینی و جلوگیری از آلودگی این آبها بسیار مفید است.نقشه آسیب پذیری برای نشان دادن نواحی با بیشترین پتانسیل آلودگی آبهای زیرزمینی با توجه به شرایط هیدروژئولوژیکی و فعالیتهای انسانی طراحی شده است. هفت پارامتر مهم هیدروژئولوژیکی عبارتنداز:عمق تا سطح ایستابی، تغذیه خالص،محیط آبخوان، محیط خاک، توپوگرافی، محیط غیر اشباع و هدایت هیدرولیکی که در مدل دراستیک بایکدیگر ترکیب شده و نقشه آسیب پذیری دشت ساخته میشود. بر اساس نقشه تولید شده 39%آبخوان دارای آسیب پذیری کم و 61% دارای آسیب پذیری متوسط می باشد. بدلیل استفاده از کودهای حیوانی و شیمیایی در دشت ،یون نیترات موجود در آبهای زیرزمینی مورد تجزیه وتحلیل قرار گرفت. جهت دستیابی به میزان0.77تطابق بین نقشه آسیب پذیری و نقشه نیترات ،ضریب همبستگی بین این دو لایه به دست آمد که برابر می باشد که همبستگی بالایی را نشان می دهدو می توان صحت نتایج بدست آمده از مدل دراستیک را تا حدود زیادی تایید نمود.
کلیدواژه ها:
نویسندگان
سعید شیروانی دوست
دانشجوی کارشناسی ارشد و کارشناس سازمان جهاد کشاورزی فارس
رضا افشین شریفیان
استاد دانشگاه آزاد اسلامی واحد شیراز,گروه مهندسی آب,شیراز,ایران
هادی عبدالعظیمی
استاد دانشگاه آزاد اسلامی واحد شیراز,گروه مهندسی آب,شیراز,ایران
مهرداد رهنمایی
استاد دانشگاه آزاد اسلامی واحد شیراز,گروه مهندسی آب,شیراز,ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :