این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۱۴، شماره ۲، صفحات ۱۸۲-۱۹۴
عنوان فارسی ارائه چهارچوبی برای تخمین پتانسیل فرونشست آبخوان با استفاده از روش الگوریتم ژنتیک
چکیده فارسی مقاله برداشت بی‌رویه از آب‌های زیرزمینی بمنظور تامین نیازهای کشاورزی، صنعتی، مصارف خانگی و ... از عمده دلایل وقوع پدیده فرونشست می‌باشد، که بیشتر آبخوانها را درگیر کرده است. در این تحقیق یک چهارچوب کلی برای بررسی پتانسیل فرونشست در آبخوانها ارائه شده است که ارزیابی این روش در دشت شبستر انجام شدکه فرونشست‌هایی تا بیش از 30 سانتی‌متر در آن گزارش شده است. در این پژوهش، هفت عامل هیدروژئولوژیکی و ژئولوژیکی موثر بر فرونشست، شامل افت سطح آب زیرزمینی، محیط آبخوان، تغذیه، پمپاژ، کاربری ‌اراضی، ضخامت آبخوان و فاصله از گسل مورد ارزیابی قرار گرفته و تلفیق شدند و نقشه آسیب‌پذیری دشت در برابر فرونشست حاصل شد. سپس نتایج حاصل با فرونشست بدست‌آمده از بررسی تصاویر ماهواره‌‌ای صحت‌سنجی شدند. با وجود قابل‌قبول بودن نتایج، برای بهبود نتایج حاصله و بهینه‌سازی وزن‌هایی که با نظر کارشناسی به هریک از عوامل موثر بر فرونشست داده شده بود، از روش الگوریتم ژنتیک استفاده شد. نتایج نشان داد که این روش با افزایش ضریب همبستگی بین شاخص فرونشست و فرونشست‌های بدست‌آمده در دشت، توانایی بیشتری در ارزیابی پتانسیل فرونشست دارد. همچنین مشخص شد که قسمت‌های جنوبی و مرکزی دشت شبستر بیشترین پتانسیل فرونشست را دارا هستند، بنابراین برنامه‌های مدیریتی و حفاظتی لازم برای جلوگیری از ایجاد و افزایش فرونشست باید اعمال گردد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A Framework to Estimation of Potential Subsidence of the Aquifer Using Algorithm Genetic
چکیده انگلیسی مقاله Land subsidence is often triggered by over abstraction of groundwater due to increased demands from agriculture, industry and domestic uses. This problem is investigated for Shabestar plain formulating a framework to estimate subsidence potentials and the outcome is compared with measured values of them with the lowest threshold value of 30 cm. The research puts together seven hydrogeological and geological factors affecting land subsidence, which comprise groundwater level decline, aquifer media, recharge, groundwater withdrawal, land use, aquifer thickness and fault distance. Although the framework results are acceptable, Genetic Algorithm (GA) was used to optimize weights and to improve the correlation between calculated indices and their corresponding measured subsidence values. Results confirm the improvement and show further that the southern and southeastern areas in Shabestar plain have most subsidence potentials. As such management plans are essential to meet the local demands and yet to protect land against subsidence and other adverse impacts.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله عطاالله ندیری |
دانشگاه تبریز،دانشکده علوم طبیعی

زینب طاهری |
گروه علوم زمین، دانشکده علوم طبیعی، داشنگاه تبریز

قدرت برزگری |
گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز

خلیل دیده بان |
گروه GIS و سنجش از دور، دانشکده جغرافیا، دانشگاه تبریز

نشانی اینترنتی
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات