بررسی روند تغییرات زمانی- مکانی شوری آب زیرزمینی با تحلیل‌های‌ نقاط داغ و برون هشتگی در دشت میاندوآب

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه زنجان

2 استاد یار گروه آب دانشگاه ارومیه

چکیده

آب‌های زیرزمینی به‌عنوان بخش مهمی از منابع آب در مناطق خشک متأثر از عوامل انسانی و اقلیمی است. با نشان دادن روند و چگونگی تغییرات کیفی آب نسبت به زمان و مکان می‌توان آن را به‌صورت مؤثرتری مدیریت کرد. با توجه به توسعه کاربردها و تحلیل‌های موردنیاز، روش‌های سنتی تحلیل داده مکانی نمی‌توانند به‌تنهایی و باقابلیت اطمینان بالا مورداستفاده قرار گیرند، لذا استفاده از سیستم اطلاعات جغرافیایی و تحلیل‌های زمین‌آماری فضایی راه‌حل مناسبی برای تحلیل اطلاعات مفید از داده‌های مکانی و زمانی است. تنوع مکانی و نقاط برون هشته را می‌توان با استفاده از تجزیه‌وتحلیل خوشه‌های فضایی که داده‌ها را به گروه‌های همگن و نقاط داغ تقسیم می‌کند، ارزیابی کرد. این تحلیل بیان می‌کند که در چه موقعیتی عوارض باارزش خوشه‌بندی بالا یا پایین وجود دارند. در این مطالعه به بررسی نقاط داغ پارامتر شوری آب زیرزمینی شبکه زرینه‌رود پرداخته‌شده است. برای انجام این مطالعه از آمار شوری 32 چاه واقع در شبکه زرینه‌رود و در بازه زمانی سال 1381 تا 1399 استفاده‌شده است. برای بررسی موقعیت مکانی نقاط با ارزش بالا از دو تحلیل نقطه داغ و برون هشتگی استفاده شد. بر اساس نتایج به‌دست‌آمده از هر دو تحلیل، نقاط داغ در قسمت‌های غرب و شمال‌غربی شبکه مورد مطالعه واقع شده‌اند و همینطور مساحت منطق مستعد شوری رو‌به افزایش است که می‌تواند هشداری در زمینه افزایش مقادیر آلاینده و متأثر نمودن نقاط هم‌جوار از این آلایندگی در طی سال‌های اخیر و سیاست‌های انقباضی مدیریت آب‌های سطحی در حاشیه دریاچه ارومیه باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Study of Temporal-Spatial Trend of Groundwater Salinity by Hotspot and Outlier Analysis in Miandoab plain

نویسندگان [English]

  • Sanaz Javanmard 1
  • Behzad Hessari 2
1 Zanjan University
2 Assistant professor of Hydrology, Urmia University
چکیده [English]

Groundwater as an important part of water resources in arid areas is under influence of human and climatic factors. By illustrating the trend and fluctuation of regional water quality temporarily and spatially, it can be managed more effectively. Traditional methods of point data analysis cannot be used alone with high reliability, therefore the use of GIS, Geostatistical methods, and clustering analysis are suitable ways to analyze regional hydro-climatological phenomena. Normal spatial variability and outlier points can be assessed using the analysis of spatial clusters that divide the data into homogeneous groups and hotspots. These analyses determine in what situations there are valuable high or low clustering effects. In this study, the hot spots of the groundwater salinity of Minadoab plain and the Zarrinehrood network have been investigated. For this purpose, the salinity(Ec) of 32 observation wells located in Zarrinehrood network in the period of 1381 to 1399 has been used. The G* and Moran tests were used to investigate the location of high-value points, hot spot clusters, and significant outlier values. Based on the results obtained from both analyzes, hotspots in the western and northwestern parts of the network have been located. The trend of salinity hot spot areas through time was surveyed by the Man-Kendal test and the results indicate that these areas are increasing in recent years which can be a warning about increasing pollutant levels, drought, and contractile policies for surface water management on the shores of Lake Urmia.

کلیدواژه‌ها [English]

  • Moran’s coefficient
  • Normal Spatial Distribution
  • EC
  • Urmia Lake
Ahmadaali J, and Rezayi R.2010. Investigating the reasons for the lack of acceptance of Miandoab plain farmers in the field of creating water users' organizations. Iran Irrigation and Drainage; (In Persian)
AliAbadi K, and Dadashi RA.2015. Investigation of changes in spatial autocorrelation patterns of Iran maximum temperature. Arid Regions Geographic Studies; 6(21): 86-104. (In Persian)
Dhayachandhran KS. and Jothilakshmi M.2020. Quality assessment of ground water along the banks of Adyar river using GIS. Materials today: Proceedings.
Hessari B.2015. Quality monitoring of water resources in the East of Urmia lake. volume2-Zonning and modeling (technical Report). Teifsazeh-sabz Consulting Engineers.356p. (In Persian)
Hessari B, and Zeynalzadeh K.2020. Investigating the effects of human activities on the trend of water resources in Miandoab plain. Watershed Engineering and Management. 12(2): 415-427. (In Persian)
Kurunc A, Ersahin S, Yetgin UZ B, Sonmez NK, Uz I, and  Kaman H.,2011. Identification of nitrate leaching hot spots in a large area with contrasting soil texture and management. Agriculture Water Management. 98(6): 1013-1019
Mohammadyari F, Tavakkoli M, and Aghdar H. 2016.Assessment and zoning of groundwater quality in agricultural areas of Mehran and Dehloran with geostatistical methods. Irrigation Sciences and Engineering. 1395; 4:71- 83. (In Persian)
Nakhaei M, Vadiati M, and EsmaeiliFlak M.2014. Groundwater qualitative zoning of Varamin plain for agricultural applications using analytical Hierarchy process method in GIS. Iran Water Resources Research. 9(3): 94-98. (In Persian)
Peeters A. Zude M, Kathner J, Unlu M, Kanber R, and Hetzroni A.2015. Getis–Ord’s hot- and cold-spot statistics as a basis for multivariate spatial clustering of orchard tree data. Computers and Electronics in Agriculture. 111:140-150
Pourkhabaz H, Aghdar H, Mohammadyari, F. 2017.Groundwater quality zoning in terms of agriculture based on Wilcox classification (Case Study: Qazvin Plain). Geographical Space. 1396; 17(58): 111-129. (In Persian)
Soltani Mohammadi S, Mirzayi R. and Nadyan M. 2018. Application of Moran spatial autocorrelation index in M2.5 pollutants spatio-temporal analysis. Environmental Health Engineering. 1397; 5(3): 197-213. (In Persian)