مدل‌سازی و پیش‌بینی سطح تراز آب زیرزمینی دشت ایزدخواست استان فارس

جغرافیا و مخاطرات محیطی

مقاله 8، دوره 13، شماره 2 - شماره پیاپی 50، تیر 1403، صفحه 162-185   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/geoeh.2023.81109.1334

نویسندگان

مریم انصاری¹؛ ایرج جباری^{* 2}

¹دکتری ژئومورفولوژی، دانشگاه رازی، کرمانشاه، ایران

²دانشیار ژئومورفولوژی، دانشگاه رازی، کرمانشاه، ایران

چکیده

با توجه به محدودیت منابع آب زیرزمینی در ایران، محاسبه دقیق، استفاده صحیح، تنظیم و نگهداری این منابع از اهمیت بالایی برخوردار است. یکی از روش‌های مؤثر برای مدیریت و بهره‌برداری بهینه از این منابع در حال و آینده، استفاده از مدل‌سازی است. این مطالعه بر چالش‌های مرتبط با منابع آب زیرزمینی در حوضه ایزدخواست تمرکز دارد و با استفاده از نرم‌افزار GMS و کد MODFLOW به مدل‌سازی و پیش‌بینی سطح آب در شرایط پایدار و ناپایدار می‌پردازد. سه سناریو موردبررسی قرار گرفته است: ادامه روند فعلی، کاهش ۲۰ درصدی بارش و افزایش ۲۰ درصدی بارش. نتایج نشان می‌دهد در شرایط فعلی، سطح آب زیرزمینی به میزان ۲.۷۸۶ متر کاهش خواهد یافت. با کاهش ۲۰ درصدی بارش، این افت به ۳.۷۷ متر خواهد رسید و با افزایش ۲۰ درصدی بارش، این افت به ۱.۷۷ متر کاهش می‌یابد؛ به‌عبارت‌دیگر، سطح آب با تغییر ۲۰ درصدی بارش تقریباً ۱ متر نوسان می‌کند. طی دوره سه‌ساله مطالعه‌شده (۱۳۹۴–۱۳۹۶)، سناریوی اول نشان می‌دهد در صورت ادامه شرایط فعلی، سطح آب هر سه سال یک‌بار به‌طور ثابت ۲.۷۸۶ متر کاهش خواهد یافت. این یافته‌ها بر اهمیت ذخیره آب‌های سطحی در منطقه برای تقویت سطح آب‌های زیرزمینی تأکید دارند. همچنین، تحلیل نتایج نشان می‌دهد یکی از مهم‌ترین عوامل تغییر در کیفیت و کمیت منابع آب زیرزمینی در منطقه مطالعه‌شده، عوامل انسانی است که باید در مدیریت این منابع موردتوجه قرار گیرد.

کلیدواژه‌ها

نوسان سطح آب زیرزمینی؛ مدیریت منابع آب زیرزمینی؛ آبخوان؛ کد MODFLOW؛ دشت ایزدخواست

مراجع

Abbasnouvinpour, E., Karimi, F., & Rezaie, H. (2022). The Prediction of Groundwater Level in Ghorve Plain Using MODFLOW Model in Different Scenarios of LARS-WG Climate Change. Water and Soil Science, 32(4), 61-73. [In Persian]

           https://doi.org/10.22034/ws.2021.30465.2197

Afruzi, A., & Zare Abyaneh, H. (2017). Groundwater Level Modeling and Forecasting Using the Time Series Models (Case Study: The Plains of Hamadan Province). Journal of Watershed Management Research. 8(15), 102-111. [In Persian] https://doi.org/10.29252/jwmr.8.15.102

Akhoni Pourhosseini F., Asadi, E. (2017). Bayesian networks, Gamma Test, Groundwater level, Model Least Squares Support Vector Machine, Plain Ardebil. Iranian Journal of Watershed Management Science and Engineering; 11 (36), 33-42. [In Persian]

          http://dorl.net/dor/20.1001.1.20089554.1396.11.36.7.9

Ansari, M., Jabbari, I. & Sargordi, F. (2023). The Effect of Water Resources on Spatial and Temporal Change of Soil Salinity in Izdkhast Playa, Fars Province Iran. Environmental Monitoring and Assessment. 195(63), 1-15. https://doi.org/10.1007/s10661-022-10678-5

Ansari,M. & Jabbari, I. (2023). Investigating spatial and temporal changes in the quality underground water sources in the Izadkhash basin .Physical Geography Quarterly, 15(60) ,1-16. [In Persian]  https://dorl.net/dor/20.1001.1.20085656.1402.16.60.3.2

Ansari, M., Jabbari, I., & Sargordi, F. (2021)a. Spatial Modelling of Water Quality Parameters Based on Geological Formations. Hydrogeomorphology, 8(26), 117- 137.  [In Persian]

           https:/ /doi.org/10.22034/hyd.2021.44081.1571

Ansari, M., Jabbari, I., & Sargordi, F. (2021)b. Use of Morphometric Indicators to Identify the Source of Salinity in Playa (Case Study Izadkhast Playa Fars Province). Quantitative Geomorphological Research, 10(3), 134-156. [In Persian]

         https://www.geomorphologyjournal.ir/article_141043.html

Atayizadeh, S., Chit Sazan, M. (2018). Investigating the Impact of Drought on the Quantitative 

            Reduction of Underground Water in Maidaoud Plain Using a Mathematical Model. The

            second national conference on the effects of drought and its management solutions.

           Isfahan Agricultural and Natural Resources Research Center and Isfahan Governorate's

          Unforeseen Events Headquarters. Isfahan. [In Persian]

Chidepudi, S.K.R., Massei, N., Massei, A., Henriot, A., Allier, D., Baulon, L. (2023). A Wavelet-Assisted Deep Learning Approach for Simulating Groundwater Levels Affected by Low-Frequency Variability. Science of the Total Environment. 865.

https://doi.org/10.1016/j.scitotenv.2022.161035

Heydari, A., & Jabbari, I. (2022). Simulation of Marvdasht Groundwater Level and Investigation of Forecast Scenarios Using MODFLOW Mathematical Code. Hydrogeomorphology, 8(29), 172-149. [In Persian]

           https://dorl.net/dor/20.1001.1.23833254.1400.8.29.8.3

Jovanovic, N. Z., Israel, S., Tredoux, G., Soltau, L., Le Maitre, D., Rusinga, F., Rozanov, A., van der Merwe, N., (2009). Nitrogen dynamics in land cleared of alien vegetation (Acacia saligna) and impacts on groundwater at Riverlands Nature Reserve (Western Cape, South Africa). Water SA, 35(1), 37-44. https://doi.org/10.4314/wsa.v35i1.76653

Kamali Ardakani, E., Bemani Kharanagh, A., Hayatzadeh, M., & Toshsi, G. (November, 2019).

        Investigation of modeling techniques in studies related to changes in underground water.The

       first international conference and the fourth national conference on protection of natural

      resources and environment. Mohaghegh Ardabili University, Faculty of Agriculture and

       Natural Resources, Ardabil. [In Persian]

Katibeh, H., & Hafezi, S. (2005). Application of Modflow in Groundwater Management and Evaluation of Artificial Recharge Project of Ab-Barik Aquifer (Bam). Journal of Water and Wastewater, 15(2), 45-58. [In Persian]

Knotters, M., & Bierkens, M. F. (2001). Predicting water Table Depths in Space and Time using a Regionalised Time Series Model. Geoderma, 103(1-2), 51–77. https://doi.org/10.1016/S0016-7061(01)00069-6  

Kushwaha, R.K., Pandit, M.K., Goyal, T., (2009). MODFLOW Based Groundwater Resource Evaluation and Prediction in Mendha Sub-basin, NE Rajasthan, Journal geological society of India, 74, 449–458. https://doi.org/10.1007/s12594-009-0154-1

Mackay, J.D., Jackson, C.R. & Wang, L. (2014). A Lumped Conceptual Model to Simulate Groundwater Level Time-series. Environmental Modelling & Software, 61, 229-245. https://doi.org/10.1016/j.envsoft.2014.06.003 

Masoumi, F., Najjar-Ghabel, S., & Safarzadeh, A. (2021). Automatic Calibration of Groundwater

            Simulation Model (MODFLOW) by Indeterministic SUFI-II Algorithm. Amirkabir Journalof Civil Engineering, 53(4), 1507-1524.  

https://doi.org/10.22060/ceej.2019.16990.6426          

McDonald, M.G., Harbaugh, A.W. (1988). A Modular Three-Dimensional Finite Difference Groundwater Flow Model. In: Techniques of Water-Resources Investigations, Book 6, U.S. Geological Survey, 588.

           https://doi.org/10.3133/twri06A1

Mehl, S., Hill, M.C. (2010). Grid-size dependence of Cauchy boundary conditions used to simulate stream-aquifer interactions, Advances in Water Resources, 33(4), 430-442. https://doi.org/10.1016/j.advwatres.2010.01.008

Mirzaei. A., & Nazemi, A. (2011).  Water Table Elevation Prediction in the Shabestar Plain Using the Artificial Intelligence Techniques. Water Resources Engineering, 4(8), 1-10.

           https://dorl.net/dor/20.1001.1.20086377.1390.4.8.1.7

Mondal, N. C., Singh. V. S. (2009). Mass transport modeling of an industrial belt using visual MODFLOW and MODPATH: A case study.  Journal of Geography and Regional Planning 2(1), 001-019. https://doi.org/10.5897/JGRP.9000103

Pande, C.B., Moharir, K.N., Singh, S.K.,  Elbeltagi, A.,  Bao Pham, Q., Panneerselvam, B.,  Varade, A.M.,  Kouadri, S.  (2022). Groundwater Flow Modeling in the Basaltic Hard Rock Area of Maharashtra, India. Applied Water Science, 12(12) 1-14. https://doi.org/10.1007/s13201-021-01525-y

Parameswari, K., Mudgal, B. V. (2015). Assessment of Contaminant Migration in an Unconfined Aquifer Around an Open Dumping Yard: Perungudi a Case Study. Environmental Earth Sciences,74(7),6111-6122. https://doi.org/10.1007/s12665-015-4634-x

Patil, N.S., Chetan, N.L., Nataraja, M., Sutharb, S. (2020). Climate Change Scenarios and its Effect on Groundwater Level in the Hiranyakeshi Watershed. Groundwater for Sustainable Development, 10. https://doi.org/10.1016/j.gsd.2019.100323

Porhaghi, A., Akhondali, A., Radmanesh, F., & Mirzaee, S. (2014). Manage the Groundwater Sources Exploration of the Nourabad Plain in the Drought Conditions with MODFLOW Modeling. Irrigation Sciences and Engineering, 37(2), 71-82. [In Persian]

          https://dorl.net/dor/20.1001.1.25885952.1393.37.2.7.7

Rahmawati, N., Vuillaume, J.F.  & Purnama, I.L.S. (2013). Salt Intrusion in Coastal and Lowland Areas of Semarang City, Journal of Hydrology, 494, 146-159.

          https://doi.org/ 10.1016/j.jhydrol.2013.04.031

Rajabi, K., Nikbakht Shahbazi, A., Fathian, H., & Zohrabi, N. (2021). Izeh Plain Subsidence Modeling Using MODFLOW Mathematical Code, Iran-Water Resources Research, 16(4), 112-126. https://dorl.net/dor/20.1001.1.17352347.1399.16.4.8.8

Rashvand, M., Li, J., Liu, Y. (2019). Coupled Stress-Dependent Groundwater Flow-Deformation Model to Predict Land Subsidence in Basins with Highly Compressible Deposits. Hydrology, 6(3), 78. https://doi.org/10.3390/hydrology6030078

Rayne, T. W., Bradbury, K., Muldoon, M. (2001). Report: Delineation of Capture Zones for Municipal Wells in Fractured Dolomite, Sturgeon Bay, Wisconsin, USA, Hydrogeology Journal, 9, 432–450. https://doi.org/10.1007/s100400100154

Shakoor, M., Khan, Z. M., Farid, H. U., Ahmad, F., Arshad, M., Qamar, U., Ahmad, R., & Sultan, M. (2018). Development of Groundwater Flow Model (MODFLOW) to Simulate the Escalating Groundwater Pumping in the Punjab, Pakistan. Pakistan Journal of Agricultural Sciences, 55(3), 635-644. https://doi.org/10.21162/PAKJAS/18.4909

Shakya, C. M., Bhattacharjya, R. K., Dadhich, S. (2022). Groundwater Level Prediction with Machine Learning for the Vidisha District, a Semi-Arid Region of Central India, Groundwater for Sustainable Development, 19.

           https://doi.org/10.1016/j.gsd.2022.100825

Tao, H., Hameed, M.M., Marhoon, H.A., Zounemat-Kermani, M., Heddam, S., Kim, S., et al. (2022). Groundwater Level Prediction Using Machine Learning Models: A Comprehensive Review, Neurocomputing, 489, 271-308. https://doi.org/10.1016/j.neucom.2022.03.014

Wang, S., Shao, J., Song, X., Zhang, Y., Huo, Z. & Zhou, X. (2008). Application of MODFLOW and geographical information system to groundwater flow simulation in North plain, China. Environmental Geological, 55, 1449-1462. https://doi.org/10.1007/s00254-007-1095-x

Yanxun, S., Yuan, F., Hui, Q., Xuedi, Zh. )2011(. Research and Application of Groundwater Numerical Simulation-A Case Study in Balasu Water Source. Procedia Environmental Sciences, 8,146–152. http://dx.doi.org/10.1016/j.proenv.2011.10.024