پتانسیل‌یابی منابع آب زیرزمینی شهرستان سقز با استفاده از فرایند تحلیل سلسله‌مراتبی فازی (FAHP) در بستر GIS

جغرافیاوتوسعه ناحیه ای

مقاله 5، دوره 20، شماره 4 - شماره پیاپی 41، دی 1401، صفحه 173-133   

نوع مقاله: پژوهشی

شناسه دیجیتال (DOI): 10.22067/jgrd.2023.77871.1180

نویسندگان

آرش خداکرمی¹؛ محمود هوشیار^{* 2}؛ عباس جاوید³؛ سید اسعد حسینی⁴

¹کارشناسی مهندسی نقشه‌برداری، دانشگاه صنعتی جندی شاپور، دزفول، ایران

²استادیار گروه جغرافیا، دانشگاه پیام نور، تهران، ایران

³کارشناسی ارشد هیدرولوژی و مدیر امور منابع آب شهرستان سقز، سقز، ایران

⁴کارشناس هواشناسی اداره کل هواشناسی استان کردستان، سنندج، ایران

چکیده

در سال­ های اخیر با افزایش جمعیت، توسعه صنعتی، برداشت بی‌رویه غیرمجاز، افزایش سطوح زیر کشت و خشکسالی، بهره‌برداری از منابع آب زیرزمینی چندین برابر شده است. با استمرار این عمل، سطح آب‌های زیرزمینی روزبه‌روز کاهش‌ یافته است؛ بنابراین شناسایی منابع آب زیرزمینی، استفاده بهینه و مدیریت آن به معنای برداشت پایدار و همیشگی از این منابع گران‌بها است. در این مطالعه برای پتانسیل‌یابی منابع آب زیرزمینی در حوضه آبخیز شهرستان سقز از روش تحلیل همپوشانی وزنی با استفاده از تکنیک‌های تصمیم‌گیری چندمعیاره (MCDM) فرایند تحلیل سلسله ‌مراتبی فازی (FAHP) همراه با علم سیستم اطلاعات مکانی (GIS) و دانش سنجش ‌از دور (RS) استفاده شد. جهت پیاده‌سازی، داده‌های ۷۴۰ حلقه چاه و 14 معیار زمین‌شناسی، هواشناسی، توپوگرافی، هیدرولوژی و محیطی در بستر GIS برای تولید نقشه پتانسیل‌یابی منابع آب زیرزمینی تهیه و پردازش شد. با استفاده از منحنی عملکرد سیستم (ROC) برای صحت‌سنجی نقشه پتانسیل منابع آب زیرزمینی برآوردشده با تجزیه‌ و تحلیل توزیع‌سازی از چاه‌های باز موجود، مقدار  83.7%AUC =  به دست آمد که نشان می‌دهد مدل مورد بررسی با موفقیت آب‌های زیرزمینی را پیش‌بینی کرده است. تجزیه ‌و تحلیل ­های آماری نیز نشان داد، 7/8 درصد و 5/18 درصد از کل مساحت شهرستان سقز به ترتیب در منطقه با پتانسیل بسیار خوب و خوب، 5/31 درصد در پتانسیل متوسط، 3/34 درصد به‌ترتیب در منطقه با پتانسیل ضعیف و 7 درصد نیز در منطقه با پتانسیل بسیار ضعیف قرار دارند. یافته ­­های این پژوهش می­ تواند به سیاست‌گذاران و مدیران در برنامه‌ریزی و مدیریت پایدار منابع آب زیرزمینی کمک کند.
 

کلیدواژه‌ها

پتانسیل منابع آب زیرزمینی (GWPZ)؛ تحلیل سلسله مراتبی فازی (FAHP)؛ سقز؛ منطق فازی

مراجع

1. حجازی ­زاده، ز.، خسروی، آ.، حسینی، س ا.، رحیمی، ع.، و کربلائی، علیرضا. (1400). پتانسیل‌سنجی مناطق کویری، بیابانی و سواحل مکران به منظور کسب انرژی از خورشید با استفاده از منطق فازی و مدل تحلیل سلسله­ مراتبی. فصلنامه تحقیقات کاربردی علوم جغرافیایی، 21(63)، 18-1.
2. حسینی، س. ا.، احمدی، ح.، و هوشیار، م. (1400). واکاوی سامانه بارشی‌ مولد سیلاب تیرماه 1394 شهرستان سقز در استان کردستان. فصلنامه مدیریت جامع حوزه ­های آبخیز، 1(1)، 47-65.
3. رنجبری، م ر.، واقعی، ر.، و بیگدلی، ب. (1397). پتانسیل­ یابی منابع آب زیرزمینی با استفاده از تصاویر ماهواره‌ای و GIS و تلفیق لایه‌های اطلاعاتی به روش تحلیل سلسله مراتبی AHP. هفتمین کنفرانس ملی مدیریت منابع آب ایران، دانشگاه یزد.
4. جلالی، س.، صمدی، م.، صمدی قشلاقچایی، م.، و کرنژادی آ.(1395). بررسی شاخص های مورفومتری در حوزه آبخیز چهل چای استان گلستان با استفاده از GIS. نشریه علمی ترویجی مهندسی نقشه برداری و اطلاعات مکانی، 7(4)، 37-48.
5. علیزاده، ا. (1389). اصول هیدرولوژی کاربری (چاپ سی‌ویکم). مشهد: انتشارات دانشگاه امام رضا (ع).
6. کردوانی، پ.، موغلی، م.، و فرخی، ح. (1391). ارزیابی سد خاکی لاور بر آب‌های زیرزمینی دشت لاور فین (بندرعباس)، فصلنامه جغرافیایی طبیعی، 5(15)، 1-9.
7. گودرزی، م.، احمدی، ح.، و حسینی، س ا. (1396). بررسی ارتباط شاخص ­های پیوند از دور با مؤلفه­های بارشی و دمایی (مطالعه موردی: ایستگاه همدید کرج). فصلنامه اکوهیدرولوژی، 4(3)، 651-641.
8. ماه گلی، آ.، چیت‌سازان م.، و میرزایی، ی. (1390). پتانسیل­یابی آب زیرزمینی در سازندهای سخت با استفاده GIS و سنجش از دور (مطالعه موردی: شمال حسینه). همایش ژئوماتیک، سازمان نقشه برداری کشور، تهران.

 

9. Adeyeye, O. A., Ikpokonte, E. A., & Arabi, S. A. (2019). GIS-based groundwater potential mapping within Dengi area, North Central Nigeria. The Egyptian Journal of Remote Sensing and Space Science, 22(2), 175-181.
10. Al-Ruzouq, R., Shanableh, A., Yilmaz, A. G., Idris, A., Mukherjee, S., Khalil, M. A., & Gibril, M. B. A. (2019). Dam site suitability mapping and analysis using an integrated GIS and machine learning approach. Water, 11(9), 1880.
11. Al-Saady, Y. I., Al-Suhail, Q. A., Al-Tawash, B. S., & Othman, A. A. (2016). Drainage network extraction and morphometric analysis using remote sensing and GIS mapping techniques (Lesser Zab River Basin, Iraq and Iran). Environmental Earth Sciences, 75(18), 1-23.
12. Arefin, R. (2020). Groundwater potential zone identification using an analytic hierarchy process in Dhaka City, Bangladesh. Environmental Earth Sciences, 79(11), 1-16.
13. Arulbalaji, P., Padmalal, D., & Sreelash, K. (2019). GIS and AHP techniques based delineation of groundwater potential zones: A case study from southern Western Ghats, India. Scientific Reports, 9(1), 1-17.
14. Balezentiene, L., Streimikiene, D., & Balezentis, T. (2013). Fuzzy decision support methodology for sustainable energy crop selection. Renewable and Sustainable Energy Reviews, 17, 83-93.
15. Buckley, J. J. (1985). Fuzzy hierarchical analysis. Fuzzy Sets and Systems, 17(3), 233-247.
16. Çelik, R. (2019). Evaluation of groundwater potential by GIS-based multicriteria decision making as a spatial prediction tool: Case study in the Tigris River Batman-Hasankeyf Sub-Basin, Turkey. Water, 11(12), 2630.
17. Chen, V. Y., Lien, H. P., Liu, C. H., Liou, J. J., Tzeng, G. H., & Yang, L. S. (2011). Fuzzy MCDM approach for selecting the best environment-watershed plan. Applied Soft Computing, 11(1), 265-275.
18. Chen, W. P., & Lee, C. H. (2003). Estimating ground-water recharge from streamflow records. Environmental Geology, 44(3), 257-265.
19. Chen, W., Zhao, X., Tsangaratos, P., Shahabi, H., Ilia, I., Xue, W., & Ahmad, B. B. (2020). Evaluating the usage of tree-based ensemble methods in groundwater spring potential mapping. Journal of Hydrology, 583, 124602.
20. Chowdhury, A., Jha, M. K., & Chowdary, V. M. (2010). Delineation of groundwater recharge zones and identification of artificial recharge sites in West Medinipur district, West Bengal, using RS, GIS and MCDM techniques. Environmental Earth Sciences, 59(6), 1209-1222.
21. Costanzo, D., Rotigliano, E., Irigaray, C., Jiménez-Perálvarez, J. D., & Chacón, J. (2012). Factors selection in landslide susceptibility modelling on large scale following the gis matrix method: Application to the river Beiro basin (Spain). Natural Hazards and Earth System Sciences, 12(2), 327-340.
22. Dar, T., Rai, N., & Bhat, A. (2021). Delineation of potential groundwater recharge zones using analytical hierarchy process (AHP). Geology, Ecology, and Landscapes, 5(4), 292-307.
23. Das, S. (2017). Delineation of groundwater potential zone in hard rock terrain in Gangajalghati block, Bankura district, India using remote sensing and GIS techniques. Modeling Earth Systems and Environment, 3(4), 1589-1599.
24. Das, S. (2019). Comparison among influencing factor, frequency ratio, and analytical hierarchy process techniques for groundwater potential zonation in Vaitarna basin, Maharashtra, India. Groundwater for Sustainable Development, 8, 617-629.
25. Das, S., & Pardeshi, S. D. (2018). Morphometric analysis of Vaitarna and Ulhas river basins, Maharashtra, India: using geospatial techniques. Applied Water Science, 8(6), 1-11.
26. Deng, F., Deng, Z., Lv, D., Wang, D., Duan, H., & Xing, Z. (2016). Application of remote sensing and GIS analysis in groundwater potential estimation in west Liaoning Province, China. Journal of Engineering Research, 4(3), 1-17.
27. Eini, M., Kaboli, H. S., Rashidian, M., & Hedayat, H. (2020). Hazard and vulnerability in urban flood risk mapping: Machine learning techniques and considering the role of urban districts. International Journal of Disaster Risk Reduction, 50, 101687.
28. Eliades, M., Bruggeman, A., Lubczynski, M. W., Christou, A., Camera, C., & Djuma, H. (2018). The water balance components of Mediterranean pine trees on a steep mountain slope during two hydrologically contrasting years. Journal of Hydrology, 562, 712-724.
29. Elvis, B. W. W., Arsène, M., Théophile, N. M., Bruno, K. M. E., & Olivier, O. A. (2022). Integration of shannon entropy (SE), frequency ratio (FR) and analytical hierarchy process (AHP) in GIS for suitable groundwater potential zones targeting in the Yoyo river basin, Méiganga area, Adamawa Cameroon. Journal of Hydrology: Regional Studies, 39, 100997.
30. Feizizadeh, B., Roodposhti, M. S., Jankowski, P., & Blaschke, T. (2014). A GIS-based extended fuzzy multi-criteria evaluation for landslide susceptibility mapping. Computers & Geosciences, 73, 208-221.
31. Gorsevski, P. V., & Jankowski, P. (2010). An optimized solution of multi-criteria evaluation analysis of landslide susceptibility using fuzzy sets and Kalman filter. Computers & Geosciences, 36(8), 1005-1020.
32. Halder, S., Roy, M. B., & Roy, P. K. (2020). Fuzzy logic algorithm based analytic hierarchy process for delineation of groundwater potential zones in complex topography. Arabian Journal of Geosciences, 13(13), 1-22.
33. Haque, M., Siddika, S., Sresto, M. A., Saroar, M., & Shabab, K. R. (2021). Geo-spatial analysis for flash flood susceptibility mapping in the North-East Haor (Wetland) Region in Bangladesh. Earth Systems and Environment, 5(2), 365-384.
34. Hong, H., Tsangaratos, P., Ilia, I., Liu, J., Zhu, A. X., & Chen, W. (2018). Application of fuzzy weight of evidence and data mining techniques in construction of flood susceptibility map of Poyang County, China. Science of the Total Environment, 625, 575-588.
35. Hsieh, T. Y., Lu, S. T., & Tzeng, G. H. (2004). Fuzzy MCDM approach for planning and design tenders selection in public office buildings. International Journal of Project Management, 22(7), 573-584.
36. Huajie, D., Zhengdong, D., & Feifan, D. (2016). Classification of groundwater potential in Chaoyang area based on QUEST algorithm. In 2016 IEEE international geoscience and remote sensing symposium (IGARSS) (pp. 890-893). New York: IEEE.
37. Jaafarzadeh, M. S., Tahmasebipour, N., Haghizadeh, A., Pourghasemi, H. R., & Rouhani, H. (2021). Groundwater recharge potential zonation using an ensemble of machine learning and bivariate statistical models. Scientific Reports, 11(1), 1-18.
38. Kahraman, C., & Kaya, İ. (2010). Investment analyses using fuzzy probability concept. Technological and Economic Development of Economy, 16(1), 43-57.
39. Kaliraj, S., Chandrasekar, N., & Magesh, N. S. (2014). Identification of potential groundwater recharge zones in Vaigai upper basin, Tamil Nadu, using GIS-based analytical hierarchical process (AHP) technique. Arabian Journal of Geosciences, 7(4), 1385-1401.
40. Kanani-Sadat, Y., Arabsheibani, R., Karimipour, F., & Nasseri, M. (2019). A new approach to flood susceptibility assessment in data-scarce and ungauged regions based on GIS-based hybrid multi criteria decision-making method. Journal of Hydrology, 572, 17-31.
41. Kayastha, P., Dhital, M. R., & De Smedt, F. (2013). Application of the analytical hierarchy process (AHP) for landslide susceptibility mapping: A case study from the Tinau watershed, west Nepal. Computers & Geosciences, 52, 398-408.
42. Li, S. P., & Will, B. F. (2005). A fuzzy logic system for visual evaluation. Environment and Planning B: Planning and Design, 32(2), 293-304.
43. Machiwal, D., Jha, M. K., & Mal, B. C. (2011). Assessment of groundwater potential in a semi-arid region of India using remote sensing, GIS and MCDM techniques. Water Resources Management, 25(5), 1359-1386.
44. Malczewski, J., & Rinner, C. (2015). Multicriteria decision analysis in geographic information science. New York, (Vol. 1). Cham: Springer.
45. Mallast, U., Gloaguen, R., Geyer, S., Rödiger, T., & Siebert, C. (2011). Semi-automatic extraction of lineaments from remote sensing data and the derivation of groundwater flow-paths. Hydrology & Earth System Sciences Discussions, 15(8), 2665–2678.
46. Mallick, J., Singh, C. K., Al‐Wadi, H., Ahmed, M., Rahman, A., Shashtri, S., & Mukherjee, S. (2015). Geospatial and geostatistical approach for groundwater potential zone delineation. Hydrological Processes, 29(3), 395-418.
47. Manap, M. A., Nampak, H., Pradhan, B., Lee, S., Sulaiman, W. N. A., & Ramli, M. F. (2014). Application of probabilistic-based frequency ratio model in groundwater potential mapping using remote sensing data and GIS. Arabian Journal of Geosciences, 7(2), 711-724.
48. Moghaddam, D. D., Rezaei, M., Pourghasemi, H. R., Pourtaghie, Z. S., & Pradhan, B. (2015). Groundwater spring potential mapping using bivariate statistical model and GIS in the Taleghan watershed, Iran. Arabian Journal of Geosciences,8(2), 913-929.
49. Murthy, K. S. R., & Mamo, A. G. (2009). Multi‐criteria decision evaluation in groundwater zones identification in Moyale‐Teltele subbasin, South Ethiopia. International Journal of Remote Sensing, 30(11), 2729-2740.
50. Naghibi, S. A., Pourghasemi, H. R., Pourtaghi, Z. S., & Rezaei, A. (2015). Groundwater qanat potential mapping using frequency ratio and Shannon’s entropy models in the Moghan watershed, Iran. Earth Science Informatics, 8(1), 171-186.
51. Ogato, G. S., Bantider, A., Abebe, K., & Geneletti, D. (2020). Geographic information system (GIS)-Based multicriteria analysis of flooding hazard and risk in Ambo Town and its watershed, West shoa zone, oromia regional State, Ethiopia. Journal of Hydrology: Regional Studies, 27, 100659.
52. Oh, H. J., & Pradhan, B. (2011). Application of a neuro-fuzzy model to landslide-susceptibility mapping for shallow landslides in a tropical hilly area. Computers & Geosciences, 37(9), 1264-1276.
53. Opricovic, S., & Tzeng, G. H. (2003). Defuzzification within a multicriteria decision model. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 11(5), 635-652.
54. Paksoy, T., Pehlivan, N. Y., & Kahraman, C. (2012). Organizational strategy development in distribution channel management using fuzzy AHP and hierarchical fuzzy TOPSIS. Expert Systems with Applications, 39(3), 2822-2841.
55. Pathak, D. (2017). Delineation of groundwater potential zone in the Indo-gangetic plain through GIS analysis. Journal of Institute of Science and Technology, 22(1), 104-109.
56. Patra, S., Mishra, P., & Mahapatra, S. C. (2018). Delineation of groundwater potential zone for sustainable development: A case study from Ganga Alluvial Plain covering Hooghly district of India using remote sensing, geographic information system and analytic hierarchy process. Journal of Cleaner Production, 172, 2485-2502.
57. Pradhan, B. (2013). A comparative study on the predictive ability of the decision tree, support vector machine and neuro-fuzzy models in landslide susceptibility mapping using GIS. Computers & Geosciences, 51, 350-365.
58. Radulović, M., Brdar, S., Mesaroš, M., Lukić, T., Savić, S., Basarin, B., & Pavić, D. (2022). Assessment of Groundwater Potential Zones Using GIS and Fuzzy AHP Techniques—A Case Study of the Titel Municipality (Northern Serbia).  International Journal of Geo-Information, 11(4), 257.
59. Rahaman, S. A., Ajeez, S. A., Aruchamy, S., & Jegankumar, R. (2015). Prioritization of sub watershed based on morphometric characteristics using fuzzy analytical hierarchy process and geographical information system–A study of Kallar Watershed, Tamil Nadu. Aquatic Procedia, 4, 1322-1330.
60. Rahmati, O., Nazari Samani, A., Mahdavi, M., Pourghasemi, H. R., & Zeinivand, H. (2015). Groundwater potential mapping at Kurdistan region of Iran using analytic hierarchy process and GIS. Arabian Journal of Geosciences, 8(9), 7059-7071.
61. Regmi, A. D., Devkota, K. C., Yoshida, K., Pradhan, B., Pourghasemi, H. R., Kumamoto, T., & Akgun, A. (2014). Application of frequency ratio, statistical index, and weights-of-evidence models and their comparison in landslide susceptibility mapping in Central Nepal Himalaya. Arabian Journal of Geosciences, 7(2), 725-742.
62. Saha, S. (2017). Groundwater potential mapping using analytical hierarchical process: a study on Md. Bazar Block of Birbhum District, West Bengal. Spatial Information Research, 25(4), 615-626.
63. Sajil Kumar, P. J., Elango, L., & Schneider, M. (2022). GIS and AHP Based Groundwater Potential Zones Delineation in Chennai River Basin (CRB), India. Sustainability, 14(3), 1830.
64. Senanayake, I. P., Dissanayake, D. M. D. O. K., Mayadunna, B. B., & Weerasekera, W. L. (2016). An approach to delineate groundwater recharge potential sites in Ambalantota, Sri Lanka using GIS techniques. Geoscience Frontiers, 7(1), 115-124.
65. Silwal, C. B., & Pathak, D. (2018). Review on practices and state of the art methods on delineation of ground water potential using GIS and remote sensing. Bulletin of the Department of Geology, 20, 7-20.
66. Singh, L. K., Jha, M. K., & Chowdary, V. M. (2017). Multi-criteria analysis and GIS modeling for identifying prospective water harvesting and artificial recharge sites for sustainable water supply. Journal of Cleaner Production, 142, 1436-1456.
67. Suganthi, S., Elango, L., & Subramanian, S. K. (2013). Groundwater potential zonation by Remote Sensing and GIS techniques and its relation to the Groundwater level in the Coastal part of the Arani and Koratalai River Basin, Southern India. Earth Sciences Research Journal, 17(2), 87-95.
68. Trabelsi, F., Lee, S., Khlifi, S., & Arfaoui, A. (2018). Frequency ratio model for mapping groundwater potential zones using GIS and remote sensing; Medjerda Watershed Tunisia. Proceedings of the 1st Springer Conference of the Arabian Journal of Geosciences (CAJG-1), Tunisia.
69. Wang, W. D., Xie, C. M., & Du, X. G. (2009). Landslides susceptibility mapping in Guizhou province based on fuzzy theory. Mining Science and Technology (China), 19(3), 399-404.
70. Yeh, H. F., Cheng, Y. S., Lin, H. I., & Lee, C. H. (2016). Mapping groundwater recharge potential zone using a GIS approach in Hualian River, Taiwan. Sustainable Environment Research, 26(1), 33-43.