بررسی خطر تخریب منابع آب های زیرزمینی با استفاده از مدل اصلاحی ایرانی ارزیابی پتانسیل بیابان زایی در دشت های استان فارس
محل انتشار: مهندسی آبیاری و آب ایران، دوره: 8، شماره: 4
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 475
فایل این مقاله در 12 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:
JR_WATER-8-4_007
تاریخ نمایه سازی: 15 تیر 1398
چکیده مقاله:
چکیده
آبهای زیرزمینی از منابع مهم تامین آب در مناطق خشک و نیمهخشک میباشند. مدیریت بهینه منابع آبی و حفظ و ارتقای کیفیت و کمیت آنها نیازمند وجود دادههایی در زمینه موقعیت، مقدار و پراکنش آب در یک منطقه جغرافیایی معین میباشد. با توجه به این موضوع در این تحقیق برآن شدیم تا به بررسی خطر تخریب کیفی و کمی آبهایزیرزمینی در دشتهای استان فارس با استفاده از مدل اصلاحی IMDPA و سامانه اطلاعات جغرافیایی(GIS) بپردازیم. هدف از این پژوهش پهنهبندی مناسب و تهیه نقشههای آسیبپذیری منطقه در جهت تعیین مناطق در معرض ریسک بیشتر بود که گامی اساسی و مهم در مدیریت منابع آبی در راستای اولویتبندی مناطق جهت برنامهریزی مقابله با تخریب کمی و کیفی منابع آب زیرزمینی بشمار میرود. در تهیه نقشه پهنهبندی وضعیت کیفی و کمی آبهای زیرزمینی از روش کریجینگ معمولی کروی استفاده شد. دادههای مورد نیاز با استفاده از اطلاعات دقیق مربوط به داده برداریهای انجام شده توسط شرکت آب منطقهای استان فارس تهیه گردید. نتایج حاصل از این تحقیق نشان داد که از نظر افت سطح آبزیرزمینی (وضعیت کمی) بیش از 81 % دشتهای استان فارس در وضعیت خطر شدید و خیلی شدید قرار دارند. از نظر وضعیت کیفی حدود 58% دشتهای استان فارس در وضعیت خطر شدید و خیلی شدید قرار دارند. به طور کلی بیش از 83 % دشت های استان فارس در وضعیت خطر شدید و خیلی شدید از نظر وضعیت آب زیرزمینی قرار دارند. خطر شدید و خیلی شدید در اکثر نقاط استان فارس خصوصا نقاط مرکزی و جنوبی و خطر کم و متوسط غالبا در شمال شرقی استان فارس مشاهده گردید.
کلیدواژه ها:
نویسندگان
مریم واحدی
بخش مهندسی منابع طبیعی و محیط زیست ، دانشکده کشاورزی، دانشگاه شیراز
مسعود مسعودی
مهندسی منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز
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 :