آب‌های زیرزمینی (GW) عنصر حیاتی سیستم پشتیبانی از حیات انسان است و برای کاربردهای مختلف، از جمله آشامیدن، کشاورزی، صنعت، مصارف خانگی و سایر فعالیت‌های توسعه‌ای بسیار مهم است. آب عنصر حیاتی سیستم‌های اکولوژیکی است، رشد اقتصادی را تقویت می‌کند و برای حفظ حیات در سیاره ما ضروری است . ^۱٫ مگش و همکاران. ^۲ ادعا می‌کنند که GW منبع فراوان و ارزشمندی از آب شیرین است که تقریباً ۳۴٪ از کل تأمین آب سالانه را تشکیل می‌دهد. GW یک منبع متغیر است که اندازه‌گیری آن از نظر زمان و مکان دشوار است، بلافاصله از سطح زمین قابل مشاهده نیست و در سازندهای پیچیده زیرزمینی رخ می‌دهد. ^۳٫ در دسترس بودن آب‌های سطحی برای اهداف مختلف در مناطق نیمه‌خشک در طول سال ثابت نیست و این امر نیاز به اتکای فزاینده به منابع GW برای بقای جمعیت محلی را ضروری می‌کند . ^۴٫ با گذشت زمان، استفاده‌های غیرعلمی از GW به دلایل مختلف باعث شده است که سطح آب با سرعت نگران‌کننده‌ای کاهش یابد. در مناطقی که GW تازه وجود دارد، این امر به ویژه رایج است. برای بهینه‌سازی تغذیه GW، به استراتژی‌های مناسب مدیریت آب‌های سطحی نیاز است . ^۵ عوامل مختلف هیدروژئولوژیکی و فیزیکی-اقلیمی، از جمله ساختارهای سنگ‌شناسی، کاربری/پوشش زمین، زاویه شیب، تخلخل اولیه و ثانویه، شبکه زهکشی، توزیع بارندگی و شدت بارندگی، همراه با سایر شرایط فیزیکی-اقلیمی، بر وجود GW تأثیر می‌گذارند. این عوامل همچنین مناطق بالقوه GW را شناسایی می‌کنند . ^۶

پتانسیل آب‌های زیرزمینی (GWP) را می‌توان با استفاده از برکه‌ها، رودخانه‌ها و سایر منابع آب سطحی به عنوان مناطق تغذیه افزایش داد. بنابراین، شناسایی و تعیین کمیت این ویژگی‌ها برای ایجاد یک مدل پتانسیل GW برای یک مکان خاص ضروری است ^.۷ در گذشته، مناطق پتانسیل آب‌های زیرزمینی (GWPZs) با استفاده از تکنیک‌های سنتی متنوعی که هم زمان‌بر و هم پرهزینه هستند، مانند روش‌های زمین‌شناسی، هیدروژئولوژیکی، ژئوفیزیکی و فتوژئولوژیکی، به طور دقیق شناسایی می‌شدند ^.۸ محققان متعددی در سال‌های اخیر به دلیل مقرون به صرفه بودن، قابلیت اطمینان و سرعت ، از برنامه‌های RS و GIS در سراسر جهان برای بررسی GWPZ استفاده کرده‌اند ^.۹ «داده‌های ماهواره‌ای RS با معیارهای اساسی داده‌ها در GIS مطابقت دارند . این روش‌ها دقت نتایج ترسیم GWPZ را افزایش داده و سوگیری نسبت به هر موضوعی را کاهش می‌دهند . ^{» ۱۰٫ برگه‌های} راهنمای SOI، اطلاعات جانبی و تجزیه و تحلیل داده‌های RS همگی برای ایجاد داده‌های پایه برای نقشه‌برداری GWPZها و تأیید صحت یافته‌های به‌دست‌آمده از طریق تجزیه و تحلیل RS و GIS استفاده می‌شوند. ^{۱۱ ، ۱۲٫} روش‌های مورد استفاده برای تعیین حجم تغذیه GW، ویژگی‌های هر تکنیک را مشخص کرده و موثرترین رویکردها را برای «مطالعات تغذیه GW در آینده» توصیه می‌کنند. روش‌های تصمیم‌گیری چندمعیاره (MCDM)، همراه با ابزارهای مکانی مانند داده‌های RS و GIS، در شناسایی مناطق GW مؤثر بوده‌اند . ^۱۳ .

ارزش «روش‌های ژئوفیزیکی و زمین‌مکانی در نقشه‌برداری از پتانسیل GW منطقه‌ای و بهبود شیوه‌های مدیریت GW» با تحقیقات جامعی که منجر به توسعه یک استراتژی پهنه‌بندی GW آرمانی در ایلورین با استفاده از RS، داده‌های زمین‌مکانی و تکنیک‌های ژئوفیزیکی شد، برجسته شده است. برای استفاده پایدار از GW و بهبود سیستم‌های آبیاری، مکان‌های بالقوه GW باید شناسایی شوند ^{۱۴ ، ۱۵٫} برای نقشه‌برداری از GWPZها در مناطق خشک قینا و صفقه بیر قوه، مصر، با استفاده از «ارزیابی چندمعیاره (MCE)» و رویکردهای AHP در رابطه با داده‌های RS و GIS، چاه‌های GW برای کمک به تأمین آب، تولید مواد غذایی و توسعه شهری توسعه داده خواهند شد ^۱۶ .

روش AHP ساعتی، یک تکنیک تصمیم‌گیری چندمعیاره (MCDM) که به طور گسترده مورد استفاده قرار می‌گیرد، اغلب با محیط‌های RS و GIS ادغام می‌شود تا تکنیک‌های تحلیل مکانی برای برنامه‌ریزی منابع آب را بهبود بخشد، زیرا ساده، قابل اعتماد و اقتصادی است. قبل از گنجاندن تم‌ها در GIS، AHP اغلب برای ارائه وزن‌های مناسب استفاده می‌شود. این روش مجموعه داده‌های مختلف را به صورت یک ماتریس جفتی تجزیه و تحلیل می‌کند و با استفاده از قضاوت کارشناسی و مطالعات تحقیقاتی قبلی، میانگین هندسی (GM) و پارامترهای وزنی نرمال شده را تولید می‌کند . ^۱۷٫ طبق مطالعات متعددی که اهمیت RS، GIS و AHP را در نظارت، ارزیابی، حفاظت و مدیریت پایدار منابع GW برای استفاده‌های آینده نشان می‌دهند، AHP به طور گسترده در کنار ابزارهای RS و GIS برای مکان‌یابی و ارزیابی GWPZ استفاده شده است. ^{۱، ۳، ۱۰، ۱۶، ۱۸-۲۱ . طبق ۶ مورد از بین تحقیقات} متعدد ، روش ^AHP امیدوارکننده‌ترین مدل است زیرا لایه‌های خود را بر اساس اثرات و در دسترس بودن داده‌ها انتخاب می‌کند.

هیچ تحقیق قابل مقایسه‌ای در این زمینه انجام نشده است. به دلیل فقدان مدیریت آینده، چنین داده‌های مطالعاتی برای منابع GW در دسترس نیست. به همین دلیل، این تحقیق برای محققان، تصمیم‌گیرندگان و سیاست‌گذارانی که می‌خواهند مدیریت اجتماعی-اقتصادی منابع GW را بهبود بخشند، حیاتی است.

بنابراین، با استفاده از روش‌های مکانی، مطالعه حاضر برای زمین‌های سنگی سخت ناتام تالوک انجام شد. کار انجام شده برای منطقه مورد مطالعه منحصر به فرد و خلاقانه است. این کار متمایز است زیرا از یک روش یکپارچه RS، GIS و AHP برای اعتبارسنجی GWPZ های مشخص شده با استفاده از داده‌های با بازده خوب و ارائه ویژگی‌های موضوعی جدید علاوه بر داده‌های موجود برای تعیین GWPZ استفاده می‌کند. برای تسهیل مدیریت کارآمدترین و پایدارترین منابع GW، این تحقیق قصد دارد GWPZ را در منطقه تحقیقاتی تعیین کرده و یک نقشه راه اکتشاف GW احتمالی را توسعه دهد. از آنجایی که بخش قابل توجهی از منطقه مورد مطالعه از زمین‌های کشاورزی تشکیل شده است، این تحقیق با هدف بهبود سیستم‌های آبیاری و افزایش تولید کشاورزی منطقه‌ای انجام شده است.

با توجه به محدودیت‌های مطالعه، چاه‌های روباز در منطقه مورد مطالعه به اندازه کافی خشک بودند. بنابراین، پایش سطح آب زیرزمینی چالش‌برانگیزترین کار در منطقه تحقیق است. اگرچه چاه‌های لوله‌ای زیادی در منطقه تحقیق وجود دارد، اما ایجاد شرایط مناسب برای کشاورزان جهت پایش سطح آب زیرزمینی در چاه‌های لوله‌ای آسان نبود.

منطقه مورد مطالعه

منطقه مورد مطالعه، ناتام تالوک، بخش دیندیگول، تامیل نادو، هند، با مختصات ۱۰°۱۰′ و ۱۰°۲۰′ عرض جغرافیایی شمالی و ۷۸°۱۰′ و ۷۸°۳۰′ طول جغرافیایی شرقی است (شکل  ۱ ). منطقه‌ای به مساحت ۵۷۴٫۴۹ کیلومتر مربع ^در منطقه مورد نظر گنجانده شده است. این منطقه توسط رشته‌کوه‌های گات شرقی احاطه شده است که دارای جنگل‌های انبوه و حیات وحش غنی هستند. میانگین دما در این منطقه از ۲۵ درجه سانتیگراد تا ۳۷ درجه سانتیگراد متغیر است. میزان بارندگی سالانه در این منطقه از ۷۰۰ تا ۱۶۰۰ میلی‌متر متغیر است. بیشتر منطقه مورد مطالعه شامل زمین‌های ناهموار و مواج با چندین تپه است. الگوی زهکشی عموماً در تپه‌ها نیمه‌موازی و در دشت‌ها دندریتی است. ساختارهای زمین‌شناسی عمدتاً زهکشی را کنترل می‌کنند. ارتفاع منطقه مورد مطالعه از ۱۹۲ تا ۹۱۹ متر متغیر است.

روش‌های تهیه نقشه موضوعی

برای شناسایی مناطق بالقوه آب‌های زیرزمینی در تالوک ناتام، این مقاله از تکنیک AHP مبتنی بر GIS و تحلیل عاملی مبتنی بر دانش ۱۰ لایه از داده‌های محلی، شامل سنگ‌شناسی، کاربری/پوشش زمین، تراکم خطواره‌ها، ژئومورفولوژی، خاک، شیب، بارندگی، تراکم زهکشی، شاخص رطوبت توپوگرافی (TWI) و انحنا استفاده کرد. از ERDAS Imagine برای تجزیه و تحلیل پیش‌پردازش (پردازش تصویر) داده‌های سنجش از دور منطقه مورد مطالعه استفاده شد. با استفاده از نرم‌افزار ArcGIS 10.7، تکنیک‌های اطلاعات جغرافیایی نشان داده شد. با استفاده از تابع هیدرولوژی در نرم‌افزار GIS، نقشه زهکشی و شیب از ماموریت توپوگرافی رادار شاتل (با وضوح SRTM-30 متر) تهیه شد. LULC و ژئومورفولوژی با استفاده از داده‌های ماهواره‌ای ترکیبی با رنگ کاذب و کدگذاری جغرافیایی از ESRI Sentinel-2/ USGS تهیه شدند.

سازمان زمین‌شناسی هند، وزارت کشاورزی تامیل نادو، دولت هند و شورای تحقیقات کشاورزی هند (ICAR) داده‌های خاک را ارائه دادند. از SRTM برای تولید زبری، شیب و انحنا استفاده شد. اداره هواشناسی هند داده‌های بارندگی را ارائه داد. توزیع مکانی بارندگی با استفاده از روش درون‌یابی وزنی معکوس فاصله (IDW) ایجاد شد. از تکنیک‌های استخراج خودکار برای استخراج زهکشی و خطواره‌ها از داده‌های SRTM (30 متر) استفاده شد. از چگالی خط در تحلیل مکانی برای تهیه چگالی از زهکشی و خطواره‌ها استفاده شد.

یک ابزار تحلیل نرم‌افزار GIS. شاخص «TOPMODEL» به عنوان مبنایی برای ایجاد شاخص رطوبت توپوگرافی عمل کرد. از الگوریتم Jenness برای تهیه شاخص موقعیت توپوگرافی استفاده شد. جدول  ۱ منابع مختلف داده‌های منتشر شده را که جمع‌آوری و دیجیتالی شده‌اند، فهرست می‌کند.

هیئت مرکزی آب‌های زیرزمینی (CGWB) یک چاه مشاهده آب زیرزمینی (عمق تا سطح ایستابی) را برای تأیید ارائه داد. نتایج همچنین با استفاده از مساحت زیر منحنی (AUC) و مشخصه عملکرد گیرنده (ROC) که با استفاده از ابزار ArcSDM در نرم‌افزار ArcGIS رسم شدند، اعتبارسنجی شدند. با مقایسه نقشه پتانسیل تغذیه آب زیرزمینی تولید شده با داده‌های واقعی چاه، از تحلیل منحنی ROC برای اعتبارسنجی کمی استفاده شد. تحلیل منحنی ROC یک تکنیک رایج برای ارزیابی قابلیت اطمینان آزمایش‌های تشخیصی است ^۲۲٫ مقادیر مثبت واقعی در امتداد نرخ محور y برای ROC نشان داده می‌شوند، در حالی که مقادیر مثبت کاذب در امتداد محور x رسم می‌شوند. منحنی ROC تعادل بین دو مقدار را توصیف می‌کند ^۲۳ .

سیستم GIS مدیریت داده‌های مکانی و غیرمکانی بیشتری را آسان‌تر می‌کند، در حالی که «نقشه‌های موضوعی در منطقه ۴۳ شمالی UTM تصحیح جغرافیایی و تصویرسازی شدند». شکل  ۲ روش‌های کلی مورد استفاده در این مطالعه را نشان می‌دهد. اعتبارسنجی مهم‌ترین روش برای تأیید قابلیت اطمینان و دقت داده‌های مورد استفاده در این مدل‌ها است. تکنیک‌های رایج و پیشرفته برای ارزیابی عملکرد مدل در مکان‌های موجودی، مانند چاه‌های گمانه، مشاهده میدانی، Google Earth Pro، GIS و نقشه‌های اعتبارسنجی روش‌های AUC هستند. داده‌های ۵۱ چاه موجود برای ایجاد و بررسی متقابل GWPZ در این تحقیق استفاده شد. مکان چاه در جدول  ۲ نشان داده شده است .

روش AHP برای پهنه‌بندی GWP

این مطالعه از فرآیند تحلیل سلسله مراتبی (AHP) ساعتی (۱۹۸۰) برای ارزیابی تأثیر لایه‌های موضوعی مختلف و ویژگی‌های آنها بر پتانسیل آب‌های زیرزمینی استفاده می‌کند. AHP با اختصاص وزن به هر پارامتر بر اساس مقایسه‌های زوجی تصمیم‌گیرنده، یک مقیاس اولویت از این ارزیابی‌های نسبی ایجاد می‌کند ^. بر اساس تحقیقات قبلی و قضاوت کارشناسی، به هر معیار رتبه‌بندی ارتباط نسبی در مقیاس ۱ تا ۹ اختصاص داده شد. همانطور که در ^۲۴ توصیه شده است ، از یک ماتریس مقایسه زوجی ساختار یافته (PCM) برای ارزیابی اجزای موضوعی استفاده شد. طبق ^{۲۵ ، ۲۶} ، لایه‌های با وزن بالاتر تأثیر بیشتری بر پتانسیل آب‌های زیرزمینی دارند، در حالی که لایه‌های با وزن کمتر تأثیر ناچیزی دارند. یکی از پرکاربردترین تکنیک‌های مبتنی بر GIS برای تعریف مناطق بالقوه آب‌های زیرزمینی هنوز AHP است. معیارها به صورت جفتی مقایسه شده و در یک PCM توسط چارچوب ^۱۷ ثبت شدند (به جدول  ۳ مراجعه کنید ). با استفاده از رویه‌های معمول AHP، وزن نهایی هر لایه موضوعی محاسبه شد ^۲۷ . ساعتی و وارگاس ^۲۸ روش AHP را توسعه دادند که به عنوان رویکرد ساعتی ^{۱۷ ، ۲۸ ، ۲۹ ، ۳۰ ، ۳۱} نیز شناخته می‌شود . هدف از حل دقیق موقعیت‌های تصمیم‌گیری چند معیاره معمولاً ترجیح داده می‌شود. تحلیل AHP می‌تواند با استفاده از مقایسه زوجی، آزمون معناداری از ویژگی‌ها را ایجاد کند تا به تعیین ارتباط نسبی ویژگی‌های خاص کمک کند. ساعتی از محاسبات ریاضی برای تعیین مؤثرترین پاسخ در یک تحلیل چند معیاره استفاده کرد. AHP از روش‌های محاسباتی و ریاضیات برای ایجاد ماتریسی استفاده می‌کند که مقادیر نسبی مجموعه‌ای از ویژگی‌ها را نشان می‌دهد. تحلیل AHP با استفاده از مجموعه‌ای از محاسبات در مقیاس رایج اصلاح‌شده از ساعتی انجام شد. محاسبه در زیر شرح داده شده است.

ابتدا، مقادیر هر ستون از PCM را با استفاده از معادله  ۱ جمع کنید :

در اینجا Lj = «مجموع مقادیر در هر ستون از یک ماتریس زوجی و عدد Cij اختصاص داده شده به هر عامل در سطر i ^ام و ستون jام».

دوم، هر عنصر در ماتریس را بر مجموع ستون آن تقسیم کنید تا با استفاده از معادله  ۲ ، یک ماتریس زوجی نرمال شده ایجاد شود :

در اینجا Xij = «مقدار در سطر i ^ام و ستون jام در ماتریس زوجی نرمال‌شده».

در نهایت، مجموع سطر نرمال‌شده‌ی ماتریس را بر تعدادی از عوامل استفاده‌شده (۸ عامل برای مطالعه‌ی فعلی) تقسیم کنید تا با استفاده از معادله‌ی  ۳ ، وزن‌های استاندارد ایجاد شود:

که در آن Wi برابر با وزن استاندارد و N برابر با تعداد عامل‌ها است.

«نسبت سازگاری (CR)» برای یافتن هرگونه اختلاف و «تعیین بهترین وزن‌ها پس از اتمام PCM و تعیین وزن اجزای آن» محاسبه شده است. تنها زمانی که CR برابر با ۰٫۱ یا کمتر بود، تحلیل AHP ادامه یافت. با این حال، اگر CR > 0.1 باشد، ناسازگاری در فرآیند بررسی می‌تواند منجر به نتایج نادرست شود. CR برای ماتریس با مقایسه «شاخص سازگاری (CI)» و «شاخص تصادفی (RI)» برای ارزیابی قابلیت اطمینان وزن‌های نسبی تعیین شد. CI با استفاده از معادله  ۴ تعیین شد . RI در تحقیق حاضر ۱٫۴۱ است، همانطور که در جداول  ۳ و ۴ نشان داده شده است ^{(۱۷ ، ۲۸)} .

«که در آن λ = بردار سازگاری. n = تعداد عوامل استفاده شده.»

نسبت سازگاری با استفاده از معادله ۵ اندازه‌گیری شد.

در اینجا، «CI» و «CR» به ترتیب به معنای شاخص سازگاری و نسبت سازگاری هستند.

شاخص رطوبت توپوگرافی

«شاخص رطوبت توپوگرافی (TWI) که یک شاخص مبتنی بر زمین است، توزیع مکانی رطوبت خاک یا تجمع آب را بر اساس ویژگی‌های توپوگرافی اندازه‌گیری می‌کند. اولین گام در محاسبه TWI، تعیین ناحیه مشارکت‌کننده در بالادست برای هر سلول با محاسبه تجمع جریان با استفاده از DEM SRTM (با وضوح ۳۰ متر) است. این کار با جمع کردن ناحیه‌ای که در جریان نقش دارد و دنبال کردن مسیرهای جریان از هر سلول به همسایگان پایین‌دست آن انجام می‌شود. سپس از اختلاف ارتفاع بین هر سلول و همسایگان اطراف آن برای محاسبه شیب هر سلول استفاده می‌شود که می‌تواند به صورت درجه یا درصد گزارش شود. سپس از این دو پارامتر، تجمع جریان و شیب، برای محاسبه TWI استفاده می‌شود که به شناسایی مناطقی که احتمالاً رطوبت را حفظ می‌کنند و بنابراین، مناطق بالقوه تغذیه آب‌های زیرزمینی کمک می‌کند.

محاسبه TWI: TWI با اندازه‌گیری تجمع جریان و شیب تعیین می‌شود. یک روش پرکاربرد برای محاسبه TWI شامل تبدیل لگاریتمی نسبت شیب به تجمع جریان است که به صورت زیر بیان می‌شود:

که در آن a نشان‌دهنده تجمع جریان و ß نشان‌دهنده زاویه شیب بر حسب رادیان است.

اختصاص وزن به لایه‌های موضوعی با استفاده از AHP

لایه‌های موضوعی انتخاب‌شده با استفاده از رویکرد تحلیل AHP بر اساس مقیاس Saaty رتبه‌بندی شدند. ماتریس مقایسه زوجی با استفاده از رژیم تأثیرگذار بر GW محاسبه شد (جدول  ۵ ). سپس CI ارزیابی شد؛ نتایج نسبت سازگاری تجزیه و تحلیل شدند؛ به لایه‌های موضوعی بر اساس اهمیت آنها وزن‌های نرمال داده شد (جدول  ۶ ). وزن‌های نهایی برای این ویژگی‌ها با ضرب میانگین وزن‌های لایه‌های موضوعی (جدول ۵ ) در میانگین وزن‌های هر زیرویژگی در هر لایه موضوعی تعیین شد  . مجموعه‌ای از فرمول‌ها برای محاسبه تحلیل AHP به کار گرفته شده است. طبق روش Saaty، که رتبه‌هایی با اهمیت برابر را به لایه‌هایی که معیارهای تأثیرگذاری یکسانی برای هدف قرار دادن GW دارند، اختصاص می‌دهد، «در این تحقیق به لایه سنگ‌شناسی بالاترین وزن و پس از آن به تراکم خطواره‌ها و ژئومورفولوژی داده شده است. اگر لایه‌ای اولویت بالاتری داشته باشد، بالاترین رتبه ارائه می‌شود.»

سنگ‌شناسی

مناطق GWPZ توسط واحدهای زمین‌شناسی به همراه ویژگی‌های آنها، مانند تخلخل، نفوذپذیری، هوازدگی و شکستگی‌ها تعیین می‌شوند. علاوه بر ارتباط آنها با منطقه مورد مطالعه، چندین واحد سنگ‌شناسی از جمله گنیس، آنورتوزیت، گرانیت، چارنوکیت، خوندالیت، میگماتیت و پگماتیت یافت شده است (شکل  ۳ الف). منبع نقشه از GSI https://bhukosh.gsi.gov.in/Bhukosh/MapViewer.aspx تهیه شده است . وزن‌ها بر اساس میزان تأثیر آنها بر پتانسیل GW به هر یک از این واحدها اختصاص داده شد.

ژئومورفولوژی

مناطق ژئومورفولوژیکی بحرانی (GWPZs) عمدتاً توسط ویژگی‌های ژئومورفولوژیکی، از جمله اشکال زمین و ویژگی‌های سطح زمین تعیین می‌شوند. توپوگرافی، الگوهای زهکشی و واحدهای مختلف ژئومورفولوژیکی، عناصر اصلی هستند که بر اساس ژئومورفولوژی بر پتانسیل GW تأثیر می‌گذارند. در ابتدا، به دست آوردن تصاویر ماهواره‌ای مناسب، مانند Landsat-8، و داده‌های توپوگرافی مرتبط، مانند DEMها (مدل‌های ارتفاعی دیجیتال)، اولین گام در ایجاد نقشه ژئومورفولوژیکی با استفاده از سنجش از دور و GIS است. تصاویر را برای تفسیر بصری بهبود یافته بهبود بخشید و داده‌ها را با اعمال اصلاحات هندسی و رادیومتری پیش‌پردازش کنید. اشکال زمین، از جمله تپه‌های ساختاری، دشت‌های کوچک و تپه‌های برهنه (شکل  ۳ ب) را با استفاده از تکنیک‌های تفسیر تصویر (طبقه‌بندی بصری یا دیجیتال) بر اساس شکل، بافت، لحن و ارتباط، تعیین و تشخیص دهید.

تراکم خطواره‌ها

خطواره‌های روی سطح زمین، ساختارهای خطی هستند که معمولاً از گسل‌های زمین‌شناسی کنترل‌شده از نظر ساختاری یا عوارض طبیعی خطی و طولانی مانند نفوذی‌ها ناشی می‌شوند. این خطوط را می‌توان با خط ساحلی خطی، دره‌های هم‌تراز با گسل، تپه‌های پیوسته هم‌تراز با چین‌ها یا گسل‌ها یا هر ترکیبی از این موارد شناسایی کرد. مناطق گسل و شکستگی توسط خطواره‌ها نشان داده می‌شوند که تخلخل و نفوذپذیری ثانویه را افزایش می‌دهند . ^۴٫ این تحقیق از “نقشه خطواره GSI” برای ارزیابی GWPZ استفاده کرد. از پلتفرم ArcGIS برای ایجاد نقشه تراکم خطواره‌ها استفاده شد. سپس پنج طبقه‌بندی بر اساس تراکم تشخیص داده شد: بسیار زیاد، زیاد، متوسط، کم و بسیار کم. احتمال وقوع GW با تراکم افزایش می‌یابد. در نتیجه، به محدوده‌های بسیار کم کمترین وزن و به محدوده‌های بسیار زیاد بیشترین وزن داده شد. سازگاری ماتریس مقایسه زوجی با استفاده از تحلیل AHP بررسی و رضایت‌بخش تعیین شد. یک نقشه تراکم خطواره وزن‌دار (شکل  ۳c ) با استفاده از وزن‌های نرمال‌شده و نهایی ایجاد شد.

خاک

از آنجایی که اکثر خاک‌ها اجازه نفوذ آب به زیر سطح را می‌دهند و ظرفیت نفوذ را افزایش می‌دهند، مهم‌ترین شاخص‌های GWPZ هستند. در نتیجه، خاک‌ها در اولویت بالاتری قرار می‌گیرند (رتبه ۹). برخی از خاک‌ها به دلیل عدم نفوذ آب در آن‌ها در رتبه ۱ طبقه‌بندی می‌شوند. به عنوان مثال، خاک‌های گروه ALFISOLS در دامنه‌های ملایم، خاک‌هایی با زهکشی خوب و تا حدودی مقاوم در برابر فرسایش هستند که در اولویت قرار گرفتند. اولویت کمتری به رخنمون‌های سنگی در مناطق تپه‌ای با خاک‌های کم‌عمق، شنی و رسی و فرسایش متوسط ​​تا شدید اختصاص داده شد.

«ظرفیت نفوذ، ظرفیت نگهداری آب، بافت خاک، نفوذپذیری و ساختار، شیب زمین، عمق خاک، زهکشی و شیمی خاک» برای گروه‌بندی ویژگی‌های مشابه خاک استفاده شد (جدول  ۳ ). به منظور تعیین چگونگی تأثیر خاک‌ها بر شرایط GW و ایجاد یک نقشه وزنی خاک (شکل  ۳d )، از این پارامترها برای رتبه‌بندی و تجزیه و تحلیل خاک‌ها با استفاده از رویکرد AHP استفاده شد.

کاربری/پوشش زمین

این تحلیل از کلاس‌های سطح ۳ و نقشه کاربری/پوشش زمین (LU/LC) به‌دست‌آمده از پورتال GSI استفاده کرد. ویژگی‌های کاربری/پوشش زمین با استفاده از رژیم GW رتبه‌بندی و با استفاده از رویکرد مقایسه زوجی بررسی شدند. تحلیل AHP اهمیت CR ماتریس را برای رتبه‌بندی لایه‌های موضوعی ارزیابی کرد. تلاش‌های اکتشافی GW بر روی آب‌ها و ویژگی‌های رودخانه و همچنین مناطق خشکی متمرکز است (شکل  ۳e ).

تراکم زهکشی

الگوها و سیستم‌های زهکشی، که بر گردش، تغذیه و تخلیه GW تأثیر می‌گذارند، به طور قابل توجهی بر شناسایی GWPZ تأثیر می‌گذارند. یک معیار کمی به نام تراکم زهکشی برای تعیین “تراکم یا فراوانی کانال‌های رودخانه‌ای در منطقه مورد مطالعه” استفاده می‌شود؛ به عبارت دیگر، اطلاعاتی در مورد اتصال و پراکندگی کانال‌های رودخانه‌ای ارائه می‌دهد. طول کل رودخانه‌ها یا کانال‌ها در واحد سطح (کیلومتر بر کیلومتر مربع ⁾ معمولاً برای نشان دادن تراکم زهکشی استفاده می‌شود. ^{۳۲ ، ۳۳٫} الگوهای زهکشی با استفاده از داده‌های DEM SRTM تهیه و از طریق یک صفحه توپوگرافی تأیید شدند. یک نقشه تراکم زهکشی، از ۰ تا ۲٫۳۳ کیلومتر بر کیلومتر مربع ^، با استفاده از پلتفرم ArcGIS ساخته شد و در شکل  ۳f نمایش داده شده است .

بارندگی

باران می‌تواند از طریق منطقه غیراشباع نفوذ کند و هنگام ریزش روی سطح زمین به خاک نفوذ کند و در نهایت به مخازن GW برسد. یکی از منابع اصلی تغذیه GW، بارندگی است و میزان تغذیه مستقیماً تحت تأثیر کمیت، شدت و توزیع بارندگی قرار دارد. بارندگی تأثیر عمده‌ای بر تغذیه GW و در دسترس بودن کلی منابع GW دارد و عامل مهمی در ارزیابی پتانسیل GW است. پتانسیل GW بزرگتر و تغذیه بیشتر معمولاً از دوره‌های بارندگی طولانی‌تر ^{۳۲ ، ۳۳} ناشی می‌شود . هنگام ارزیابی پتانسیل GW، الگوهای بارندگی و توزیع مکانی عوامل مهمی هستند که باید در نظر گرفته شوند. PWD تامیل نادو داده‌های میانگین بارندگی سالانه را از سال ۲۰۰۹ تا ۲۰۲۲ ارائه کرد. علاوه بر این، از ArcGIS برای وارد کردن مکان‌های ایستگاه‌های باران‌سنجی استفاده شد و روش درون‌یابی IDW، همانطور که در شکل ۳g مشاهده می‌شود  ، برای ایجاد نقشه توزیع مکانی میانگین بارندگی سالانه استفاده شد.

شیب

شیب، تندی یا شیب سطح زمین عموماً به عنوان نسبت ارتفاع عمودی به فاصله افقی توصیف می‌شود. به عبارت ساده، شیب زمین نشان می‌دهد که یک قطعه زمین چقدر تند یا ملایم است. شیب سطح زمین بر میزان نفوذ آب به خاک تأثیر می‌گذارد. آب ممکن است به آرامی حرکت کند و در شیب‌های ملایم فرصت بیشتری برای نفوذ به زمین داشته باشد. این امر باعث افزایش پتانسیل GW و نرخ تغذیه می‌شود. برعکس، شیب‌های تند ممکن است مانع نفوذ شوند و در نتیجه پتانسیل GW و تغذیه کاهش یابد. ^{۳۲ ، ۳۳٫} نقشه شیب این مطالعه که از ۰ درجه تا ۷۹ درجه (شکل  ۳ ساعت) امتداد دارد، با استفاده از داده‌های SRTM (30 متر) ایجاد شد.

شاخص رطوبت توپوگرافی

مقادیر TWI مربوطه در SRTM (30 متر) رطوبت نسبی یا ظرفیت هر سلول برای تجمع آب را نشان می‌دهد. مکان‌هایی با مقادیر TWI بالاتر، احتمال مرطوب بودن یا توانایی تجمع آب بیشتری دارند که می‌تواند به تغذیه GW کمک کند؛ مکان‌هایی با مقادیر TWI پایین‌تر، خشک‌تر هستند. در نتیجه، TWI به طور غیرمستقیم مناطقی را نشان می‌دهد که پتانسیل بالاتری برای تغذیه GW یا احتمال وقوع GW دارند. ویژگی‌های توپولوژیکی چشم‌انداز به شناسایی مناطقی که در برابر غرقاب شدن، تشکیل تالاب یا تغذیه GW آسیب‌پذیر هستند، کمک می‌کند ^۳۴٫ این مناطق در شکل  ۳i نشان داده شده‌اند .

انحنا

انحنا یک معیار ریاضی است که برای توصیف «شکل یا انحنای سطح زمین» به کار می‌رود. انحراف سطح از مسطح بودن اندازه‌گیری می‌شود. انحنا می‌تواند اطلاعات مهمی در مورد توپوگرافی و مورفولوژی زمین ارائه دهد. این اطلاعات با استفاده از داده‌های ارتفاعی به‌دست‌آمده از طریق روش‌های RS تولید می‌شود. انحنا، جهت جریان GW را نشان می‌دهد. انحنای مثبت بالا، مکان‌های محدبی را نشان می‌دهد که GW ممکن است در آنها تخلیه یا به سمت بیرون جریان یابد. برعکس، انحنای منفی قابل توجه، نواحی مقعر را نشان می‌دهد که GW ممکن است در آنها همگرا یا دوباره پر شود. جهت جریان می‌تواند برای شناسایی مناطق بالقوه تغذیه و تخلیه GW استفاده شود. انحنا به کشف مناطقی که GW در آنها تجمع یا ذخیره می‌شود، کمک می‌کند. GW در مناطقی با انحنای مثبت قابل توجه تجمع می‌یابد زیرا آب همگرا می‌شود و به عنوان رواناب سطحی آزاد می‌شود». با این حال، هنگامی که آب به داخل زمین نفوذ می‌کند و تجمع می‌یابد، مناطقی با انحنای منفی قابل توجه ممکن است نشانه‌هایی از تغذیه GW باشند ^{۳۵ ، ۳۶} (شکل  ۳j ).

نقشه برداری از مناطق بالقوه آب های زیرزمینی

این مطالعه با استفاده از رویکرد مقایسه زوجی، تحلیل AHP و تصمیم‌گیری چندمعیاره، مناطق GWP را با رتبه‌بندی ویژگی‌های لایه‌های موضوعی بر اساس دانش تخصصی و عوامل مؤثر بر GW شناسایی کرد. با استفاده از داده‌های SRTM (30 متر)، لایه‌های موضوعی متعددی مانند شیب، انحنا، تراکم زهکشی و TWI نقشه‌برداری شدند. از رویکرد ساعتی برای طبقه‌بندی و رتبه‌بندی ویژگی‌ها بر اساس رژیم GW استفاده شد. لایه‌های موضوعی توسعه‌یافته شامل نقشه‌های LU/LC، خاک، خطواره‌ها، زمین‌شناسی، ژئومورفولوژی و میانگین بارندگی سالانه بودند. در نهایت، همه لایه‌ها با استفاده از تکنیک AHP برای استفاده از تحلیل همپوشانی وزنی در پلتفرم ArcGIS برای یافتن GWPZ وزن‌دهی شدند. جدول  ۷ وزن‌ها و رتبه‌های اختصاص داده شده به لایه‌ها و ویژگی‌های هر لایه و مقدار شاخص سازگاری را نشان می‌دهد. نقشه پتانسیل GW در نهایت تکمیل شد.

مناطق با پتانسیل بسیار بالا بخش بسیار کوچکی از منطقه تحقیقاتی را تشکیل می‌دهند، تقریباً ۷٫۶۱٪ از کل GWPZ مشاهده شده در شکل  ۴٫ این مناطق با رنگ آبی تیره در نقشه GWPZ نشان داده شده‌اند. ALFISOLS نوع خاک غالب در بخش شمالی بلوک Pillaiyarnattam است که مربوط به یک رژیم شیب ملایم است که به خوبی زهکشی شده و کمی فرسایش یافته است. آنها در منطقه مرکزی بلوک‌های Sendurai، Pannuvarpatti و Uralipatti شناسایی شده‌اند، جایی که منطقه هوازده ضخیم است. در تالوک Natham، مناطق غنی از GW با پتانسیل بالا در ۳۹٫۷۹٪ از کل منطقه وجود دارند. این مناطق با پتانسیل بالا در بخش شمالی بلوک Sendurai، Natham مرکزی، بخش‌های شمال شرقی و جنوب شرقی بلوک Lingavadi و مناطق به شدت شکسته بلوک‌های Velampatti، Panniyanmalai، Sattambadi و Seithur مشاهده می‌شوند. این مناطق روی نقشه با رنگ آبی تیره نشان داده شده‌اند.

بخش شمال غربی منطقه تحقیقاتی، که شامل بخش عمده‌ای از سندورای، کوداگیپاتی و بخش‌های شمالی پودور می‌شود، محل قرارگیری مناطق معتدل است که ۱۷.۷۰٪ از کل منطقه را تشکیل می‌دهند. روی نقشه، این مناطق به رنگ آبی آسمانی روشن نشان داده شده‌اند. ۳۳.۳٪ از منطقه از مناطق با پتانسیل کمتر تشکیل شده است. ۱.۹۵٪ از زمین توسط مناطق با پتانسیل بسیار کم پوشیده شده است که عمدتاً در مناطق کوهستانی با نرخ بالای فرسایش، ضخامت کم خاک سطحی و انواع خاک‌های رسی با زمین‌های موج‌دار، به ویژه در دامنه‌های تپه‌های مرتفع یافت می‌شوند.

اعتبارسنجی مناطق پتانسیل آب‌های زیرزمینی

داده‌های عمق چاه، یک شاخص مهم برای دسترسی به آب‌های زیرزمینی، برای اعتبارسنجی مناطق بالقوه آب‌های زیرزمینی شناسایی‌شده مورد استفاده قرار گرفت. یک معیار مفید و میدانی که نشان‌دهنده دسترسی به آب‌های زیرزمینی در مناطق مختلف است، عمق چاه است. در حالی که چاه‌های عمیق‌تر نشان‌دهنده دسترسی نسبتاً کمتر به آب‌های زیرزمینی هستند، چاه‌های کم‌عمق‌تر معمولاً با مکان‌هایی با پتانسیل آب‌های زیرزمینی بالاتر همبستگی دارند. دقت و کاربرد پهنه‌بندی پتانسیل آب‌های زیرزمینی را می‌توان با ارزیابی قابلیت اطمینان طبقه‌بندی مناسب بودن آب‌های زیرزمینی از طریق همبستگی جغرافیایی بین اندازه‌گیری‌های عمق چاه و مناطق پتانسیل نقشه‌برداری شده بهبود بخشید. نتایج اعتبارسنجی نشان می‌دهد که جعبه A دارای پتانسیل کم تا بسیار کم، ۳۴٫۹۹٪ و جعبه B دارای پتانسیل زیاد تا بسیار زیاد، ۴۷٫۳۱٪ و پتانسیل متوسط، ۱۷٫۷۰٪ است. نقشه GWP اعتبارسنجی مکانی در شکل  ۵ نشان داده شده است .

با AUC برابر با ۰٫۸۳۰، منحنی ROC اعتبارسنجی مدل پتانسیل آب زیرزمینی، درجه بالایی از ظرفیت تمایز را نشان می‌دهد (شکل  ۶) . این نشان می‌دهد که بسته به ویژگی‌های جغرافیایی ورودی، مدل می‌تواند به طور دقیق بین مکان‌های مستعد آب زیرزمینی و غیرمستعد تمایز قائل شود. سودمندی مدل برای تصمیم‌گیری در مدیریت منابع آب زیرزمینی با عملکرد قابل توجه آن نسبت به حدس تصادفی پشتیبانی می‌شود.

این تحقیق از یک روش ترکیبی تصمیم‌گیری چندمعیاره (MCDM) شامل فرآیند سلسله مراتبی تحلیلی (AHP) و تحلیل همپوشانی وزنی در سیستم اطلاعات جغرافیایی (GIS) برای تعیین حدود مناطق دارای پتانسیل آب زیرزمینی (GWPZs) در ناتام تالوک، منطقه دیندیگول، تامیل نادو استفاده کرد. پنج کلاس از GWPZ از خیلی زیاد تا خیلی کم با استفاده از ده نقشه موضوعی مانند سنگ‌شناسی، تراکم خطواره‌ها، ژئومورفولوژی، شیب، کاربری/پوشش زمین، نوع خاک، بارندگی، تراکم زهکشی، شاخص رطوبت توپوگرافی (TWI) و انحنا تعیین شد.

نتایج تأکید می‌کنند که ویژگی‌های زمین، کاربری زمین و ساختار زمین‌شناسی تأثیرات شدیدی بر پتانسیل آب‌های زیرزمینی دارند. مناطق با پتانسیل بالا تا بسیار بالا، مناطقی با سنگ‌شناسی مطلوب (مثلاً گنیس و گرانیت)، پستی و بلندی متوسط ​​و شرایط زهکشی خوب را در بر می‌گرفتند. در پستی و بلندی‌های شیب‌دار، خاک‌های کم‌عمق و نفوذپذیری کم در شکستگی‌ها، مناطق با پتانسیل کم تا بسیار کم غالب بودند.

مدل پیش‌بینی این مطالعه به معیار بهینه مساحت زیر منحنی (AUC) برابر با ۰٫۸۳۰ در منحنی ROC دست یافت که عملکرد آن را در تمایز بین مناطق مستعد و غیرمستعد آب زیرزمینی تأیید می‌کند. دقت مدل همچنین بر اساس داده‌های چاه‌های گمانه و بررسی‌های میدانی تأیید شد که اعتبار بیشتری به صحت مکانی یافته‌ها می‌بخشد.

با توجه به این نتایج دلگرم‌کننده، این تحقیق همچنین به چند نکته توجه دارد، به ویژه در مورد وضوح و دقت داده‌های زمین‌شناسی و سنجش از دور. چنین داده‌هایی مستعد از دست دادن تغییرپذیری در سطح خرد در زمین‌های پیچیده هستند. مطالعات آینده باید کیفیت داده‌ها را از طریق بررسی‌های میدانی فشرده، پایش هیدرولوژیکی بلندمدت و استفاده از داده‌های ماهواره‌ای با وضوح بالا بهبود بخشند.

نتایج این تحقیق برای سیاست‌گذاران و برنامه‌ریزان مفید است، چرا که برنامه‌ریزی مؤثر کاربری زمین را از طریق ارائه برنامه‌ریزی آگاهانه و مناسب تسهیل می‌کند، به کارگیری اقدامات تغذیه آب‌های زیرزمینی متناسب با مکان (مثلاً حوضچه‌های نفوذ در مناطق کم‌پتانسیل) را اطلاع‌رسانی می‌کند و برداشت پایدار از آب‌های زیرزمینی را تسهیل می‌کند. پایش مداوم آب‌های زیرزمینی و ارتباط آب‌های زیرزمینی با طرح‌های منطقه‌ای برنامه‌ریزی آب نیز مورد توجه قرار گرفته است. اثرات تغییرات اقلیمی بر منابع آب زیرزمینی باید در تحقیقات بیشتر مورد بررسی قرار گیرد تا به تدوین اقدامات مدیریت آب‌های زیرزمینی سازگار و انعطاف‌پذیر کمک کند.