به منظور تعریف مناطق بالقوه آب‌های زیرزمینی در یک منطقه نیمه‌خشک و از نظر زمین‌شناسی پیچیده، مطالعه حاضر در مورد پتانسیل آب‌های زیرزمینی در چینالاپاتی فیرکا، یک استراتژی یکپارچه منحصر به فرد را اتخاذ می‌کند که اعتبارسنجی میدانی، تجزیه و تحلیل مبتنی بر GIS و سنجش از دور را در بر می‌گیرد. استفاده از تصاویر ماهواره‌ای با وضوح بالا و لایه‌های موضوعی مانند شیب، کاربری/پوشش زمین، تراکم خطواره‌ها، تراکم زهکشی، زمین‌شناسی، خاک، شیب و ژئومورفولوژی، که از طریق تجزیه و تحلیل همپوشانی وزنی برای ایجاد یک نقشه پتانسیل آب‌های زیرزمینی گسترده ادغام شده‌اند، چیزی است که این کار را متمایز می‌کند. این مطالعه از روش GIS و AHP استفاده می‌کند که ارزیابی دقیق‌تر و فضایی صریح‌تری نسبت به تحقیقات قبلی ^۱ و ۲ که فقط از داده‌های هیدروژئولوژیکی استفاده می‌کردند، ارائه می‌دهد. برای تسهیل مدیریت پایدار منابع آب، تصمیم‌گیری آگاهانه و برنامه‌ریزی کارآمد برای کشاورزی و توسعه روستایی، هدف اصلی این مطالعه ارزیابی و نقشه‌برداری از مناطق بالقوه آب‌های زیرزمینی چینالاپاتی فیرکا است. این امر به طور قابل توجهی در تأمین نیازهای صنایع مختلف، از جمله مصارف مسکونی، کشاورزی، صنعت و تأمین آب آشامیدنی، و همچنین سایر تلاش‌های توسعه‌ای نقش دارد ^۳ ، ۴٫ حدود ۳۴ درصد از تأمین آب سالانه از آب‌های زیرزمینی ^۵ ، منبع غنی و فراوان آب شیرین ^{۶ ، ۷ ، ۸} ، تأمین می‌شود . آب‌های زیرزمینی یک منبع متغیر است که اندازه‌گیری آن در فضا و زمان دشوار است، در سازندهای پیچیده زیرزمینی یافت می‌شود و نمی‌توان آن را مستقیماً از سطح زمین مشاهده کرد ^۹٫ به دلیل دسترسی نامنظم به آب‌های سطحی در طول سال، ساکنان مناطق نیمه‌خشک برای امرار معاش خود به طور قابل توجهی به منابع آب‌های زیرزمینی متکی هستند. آب‌های زیرزمینی یک منبع ضروری برای اهداف مختلف، از جمله مصارف خانگی، کشاورزی و صنعتی ^۱۰ است . با گذشت زمان، مصرف ناپایدار و غیرعلمی آب‌های زیرزمینی علت اصلی کاهش مداوم و نگران‌کننده سطح آب‌های زیرزمینی بوده است. این مسئله در مناطقی که به آب‌های زیرزمینی شیرین دسترسی دارند، بیشتر مشهود است. از این رو ، برای افزایش تغذیه آب‌های زیرزمینی، باید شیوه‌های مدیریتی مؤثری برای آب‌های سطحی ایجاد و به کار گیریم ^.

سیستم‌های اطلاعات جغرافیایی (GIS) و سنجش از دور به ابزارهای مؤثری برای نقشه‌برداری از مناطق بالقوه آب‌های زیرزمینی تبدیل شده‌اند، زیرا قابلیت‌های پیشرفته‌ای در تجزیه و تحلیل مکانی، ادغام داده‌ها و جمع‌آوری داده‌ها ارائه می‌دهند. ^{۱۲ ، ۱۳٫} عناصر حیاتی سطح مانند ساختارهای زمین‌شناسی، ژئومورفولوژی، پوشش زمین، الگوهای زهکشی و شاخص‌های پوشش گیاهی توسط عکاسی ماهواره‌ای و عکس‌های هوایی آشکار می‌شوند. این ویژگی‌ها بر وقوع آب‌های زیرزمینی تأثیر می‌گذارند. GIS با ترکیب این آمار پراکنده در یک چارچوب جغرافیایی واحد با استفاده از لایه‌های موضوعی که متغیرهای مهمی مانند زمین‌شناسی، شیب، نوع خاک و تراکم خطواره‌ها را توصیف می‌کنند، نقش مهمی ایفا می‌کند. ^{۱۴ ، ۱۵٫} این روش یکپارچه با بهبود دقت و اثربخشی نقشه‌برداری از پتانسیل آب‌های زیرزمینی، مدیریت منابع را پایدارتر و آگاهانه‌تر می‌کند. یافتن مناطقی که برای وقوع و تغذیه آب‌های زیرزمینی مطلوب هستند، با ادغام و تجزیه و تحلیل این لایه‌ها با استفاده از روش‌های پیچیده تحلیل مکانی امکان‌پذیر می‌شود. ^۱۶ .

وقوع مکانی آب‌های زیرزمینی در هند تحت تأثیر جغرافیا، زمین‌شناسی و آب و هوای متنوع این کشور قرار دارد. برای آب‌های زیرزمینی در مناطق سنگی سخت، مکان‌های مورد علاقه به شکل شکستگی‌ها و درزه‌های عمیق‌تر در محیط‌های نیمه محصور و سفره‌های آب زیرزمینی کم‌عمق و آزاد در منطقه هوازده هستند. کمبود شدید آب می‌تواند از تأثیرات گسترده تقاضای فزاینده آب بر منابع سطحی و زیرزمینی ایجاد شود ^.۱۷ در نتیجه، ارزیابی‌های کمی دقیق مبتنی بر اصول علمی و تقویت شده با روش‌های معاصر برای توسعه و مدیریت پایدار منابع زیرزمینی ضروری است ^.۱۸ در مناطقی با منابع آبی محدود، آب‌های زیرزمینی یک منبع طبیعی حیاتی هستند که از رشد صنعتی، تولید کشاورزی و سلامت انسان پشتیبانی می‌کنند. آب‌های زیرزمینی با توجه به رقابت برای آب در مقیاس جهانی و محدودیت‌های تأمین آب سطحی، به ویژه در مناطق نیمه‌خشک و سنگی سخت، به یک جزء بسیار مهم در مدیریت منابع آب تبدیل شده‌اند. با این حال، به دلیل تنوع ذاتی آن به دلایل مختلف زمین‌شناسی، توپوگرافی و اقلیمی، چالش‌های قابل توجهی برای استفاده پایدار وجود دارد. نیاز مبرم به تکنیک‌های مدیریت علمی در هند، نگرانی‌ها در مورد کاهش فوق‌العاده سطح آب‌های زیرزمینی به دلیل وابستگی و استخراج غیرعلمی از آب‌های زیرزمینی را برجسته کرده است. فرآیند سلسله مراتبی تحلیلی (AHP) و سایر ابزارهای پشتیبانی تصمیم‌گیری، همراه با پیشرفت‌های اخیر در فناوری‌های GIS، می‌توانند تکنیک‌های معتبری برای ارزیابی پتانسیل آب‌های زیرزمینی ارائه دهند. AHP با ادغام لایه‌های موضوعی، یعنی زمین‌شناسی، بارندگی، شیب و کاربری زمین، رویکردی معتبر برای تعیین مناطق بالقوه آب‌های زیرزمینی ارائه می‌دهد . ^۱۹

به طور سنتی، فرآیند شناسایی مناطق بالقوه آب‌های زیرزمینی (GWPZ) از طریق روش‌های طولانی و پرهزینه زمین‌شناسی، هیدروژئولوژیکی، ژئوفیزیکی و یا فتوژئولوژیکی انجام می‌شد ^.۲۰ در چند سال گذشته، دانشگاهیان از نقاط مختلف جهان به طور فزاینده‌ای از سیستم‌های اطلاعات جغرافیایی (GIS) و فناوری سنجش از دور (RS) برای این منظور استفاده کرده‌اند ^.۲۱ این روش‌های مدرن ارزان‌تر، قابل اعتمادتر و مؤثرتر هستند و داده‌های RS مبتنی بر ماهواره، اکثر نیازهای داده‌های ضروری برای کاربردهای GIS را فراهم می‌کنند ^{.۳ ، ۲۲ ، ۲۳ ، ۲۴ ، ۲۵ ، ۲۶٫} مشخص کردن مناطق آب‌های زیرزمینی، استفاده مؤثر از ابزارهای مکانی مانند داده‌های سنجش از دور و GIS در کنار روش‌های تصمیم‌گیری چند معیاره (MCDM) ^۲۷ ثابت شده است . یکی از محبوب‌ترین تکنیک‌های تصمیم‌گیری چند معیاره (MCDM) در برنامه‌ریزی منابع آب، فرآیند تحلیل سلسله مراتبی (AHP) ساعتی است ^{.۲۸ ، ۲۹} . از آنجایی که AHP مؤثر، ساده، قابل اعتماد و مقرون به صرفه است، می‌تواند به طور ایده‌آل برای استفاده در محیط سیستم اطلاعات جغرافیایی (GIS) و سنجش از دور (RS) به کار گرفته شود. AHP قبل از ادغام لایه‌های موضوعی مختلف در محیط GIS، از طریق قضاوت کارشناسی و نتایج مطالعات قبلی، وزن‌های مناسبی به آنها می‌دهد. تکنیک AHP با بررسی مجموعه داده‌های بزرگ بر اساس ماتریس‌های مقایسه زوجی، میانگین هندسی و وزن‌های نرمال شده را برای یک ویژگی محاسبه می‌کند . ^۳۰ مطالعات متعدد نشان می‌دهند که نظارت، ارزیابی، حفاظت و مدیریت پایدار منابع آب زیرزمینی برای استفاده در آینده با ترکیب استفاده از RS، GIS و AHP چقدر مهم است. ^{۱۹ ، ۳۱ ، ۳۲ ، ۳۳٫} هیچ مطالعه کاملی در مورد منابع آب زیرزمینی در منطقه مورد مطالعه وجود ندارد و داده‌های تحقیقاتی محدودی برای مدیریت مؤثر آب‌های زیرزمینی در دسترس است. بنابراین، این مطالعه برای محققان، سیاست‌گذاران و قانون‌گذارانی که به بهبود مدیریت اجتماعی-اقتصادی منابع آب زیرزمینی علاقه‌مند هستند، قابل توجه است. این تحقیق در چینالاپاتی فیرکا در منطقه دیندیگول انجام شد که تحت سلطه کمپلکس‌های گنیس چارنوکیت و میگماتیت است که توسط سنگ‌های سخت اداره می‌شوند. این تحقیق که یک تحقیق میان‌رشته‌ای با رویکرد مکانی کاربردی با استفاده از سنجش از دور (RS)، سیستم‌های اطلاعات جغرافیایی (GIS) و فرآیند تحلیل سلسله مراتبی (AHP) است، جدید و نوآورانه است. مناطق پتانسیل آب‌های زیرزمینی (GWPZ) مشخص شدند، مجموعه داده‌های موجود تجمیع شدند و لایه‌های موضوعی جدید از طریق این روش ایجاد شدند.

علاوه بر این، از تحلیل منحنی مشخصه عملیاتی گیرنده (ROC) و داده‌های عملکرد چاه برای تأیید GWPZهای تعریف‌شده استفاده شد. هدف اصلی این مطالعه شناسایی مناطق پتانسیل آب زیرزمینی (GWPZ) در منطقه تحقیقاتی به منظور پشتیبانی از مدیریت کارآمد و پایدار منابع آب زیرزمینی است. برای کمک به ابتکارات آتی اکتشاف آب‌های زیرزمینی، این مطالعه همچنین قصد دارد یک نقشه راهنمای پیش‌بینی‌شده ایجاد کند. از آنجایی که بخش قابل توجهی از منطقه برای کشاورزی استفاده می‌شود، این تحقیق همچنین با هدف افزایش تولید کشاورزی و ارتقاء سیستم‌های آبیاری انجام می‌شود. مناطق پتانسیل آب زیرزمینی مختلف، از بسیار ضعیف تا بسیار خوب، برای طبقه‌بندی منطقه مورد مطالعه استفاده خواهند شد. تحقیقات آینده در مورد آب‌های زیرزمینی، پروژه‌های تغذیه مصنوعی و ایجاد برنامه‌های استفاده پایدار در این زمین سنگی سخت که تحت تنش آبی است، همگی از این طبقه‌بندی سود زیادی خواهند برد.

منطقه مورد مطالعه

روستای چینالاپاتی فیرکا شامل نه روستا در تالوک آثور است و منطقه مورد مطالعه ۱۳ کیلومتر از شهر دیندیگول فاصله دارد. امتداد طول و عرض جغرافیایی آن ۱۰°۱۵’۰۰’–۱۰°۲۰’۰۰’شمالی و ۷۷°۵۳’۲۰’–۷۷°۵۸’۲۰’شرقی است که مساحتی به مساحت ۵۴.۲۱ کیلومتر مربع را پوشش می‌دهد ^. اقتصاد این منطقه به نساجی و کشاورزی متکی است و فعالیت‌های کشاورزی در شمال چینالاپاتی بیشتر است. نقشه منطقه مورد مطالعه در شکل  ۱ نشان داده شده است .

این منطقه در طول ماه‌های تابستان (آوریل تا ژوئن) میانگین دمای نسبتاً بالایی از ۲۷ تا ۳۹ درجه سانتیگراد را تجربه می‌کند. میانگین تبخیر و تعرق بالقوه سالانه ۱۴۷۰ میلی‌متر است ^که از میزان بارندگی بیشتر است و نشان‌دهنده تعادل منفی آب است. در نتیجه، کل مقدار آب موجود در این زمان ممکن است به طور قابل توجهی کاهش یابد ^. از سوی دیگر، نوامبر تا ژانویه معمولاً ماه‌های خوبی با دمای معتدل بین ۲۲ تا ۳۱ درجه سانتیگراد هستند. طبق طبقه‌بندی اقلیمی ^۳۴ ، چینالاپاتی فیرکا در یک زیرمنطقه نیمه‌خشک قرار دارد (میانگین بارندگی سالانه ≈ ۸۱۰ میلی‌متر). کمپلکس‌های گنیس شارنوکیت و میگماتیت در منطقه تحقیقاتی یافت می‌شوند. شارنوکیت و سایر سنگ‌های دگرگونی درجه بالا معمولاً از مقادیر زیادی کانی‌های فلدسپات، کوارتز و پیروکسن تشکیل شده‌اند. این سنگ فرآیندهای پوسته‌ای عمیقی را تجربه می‌کند و به دلیل سختی و مقاومت در برابر آب و هوا شناخته شده است. از سوی دیگر، میگماتیت‌ها سنگ‌های مخلوطی هستند که تا حدی ذوب شده‌اند، که نشانه‌ای از فرآیندهای دگرگونی دمای بالا است. ژئومورفولوژی منطقه مورد مطالعه شامل یک مجموعه دشت دشتی، بسیاری از توده‌های آبی و تپه‌ها و دره‌های ساختاری با تقسیم‌بندی‌های دقیق است. ترکیب دشت دشتی-دشت دشتی در ژئومورفولوژی بیشتر و بیشتر مورد توجه قرار می‌گیرد. این دشت دشتی آخرین مرحله از فرآیند فرسایش و توسعه را نشان می‌دهد.

زمین‌شناسی و هیدروژئولوژی

کل فیرکا توسط سنگ‌های کریستالی زیرین قرار گرفته است که شامل شارنوکیت‌ها، گنیس هورنبلند-بیوتیت و گنیس اپیدوت-هورنبلند هستند. مرز واحد زمین‌شناسی از نقشه زمین‌شناسی GSI 1:50,000 (برگه ۵۸F/12) و تأیید میدانی (آوریل ۲۰۲۳) استخراج شده است. آب‌های زیرزمینی در شرایط فریاتیک در گنیس‌های هوازده و شکسته یافت می‌شوند. فرآیندهای هوازدگی در سنگ‌ها بسیار نامنظم هستند و عمق ساختارهای برداشت مرتبط با آب‌های زیرزمینی به هنجارهای هوازدگی و شکستگی بستگی دارد. چاه‌های حفر شده با قطرهای بزرگ، رایج‌ترین ساختارهای برداشت آب‌های زیرزمینی در این منطقه هستند. چاه حفر شده یک ساختار دایره‌ای به قطر ۵ تا ۱۰ متر است و انتظار می‌رود عمق آن بین ۱۰ تا ۱۸ متر باشد. چاه‌های حفر شده می‌توانند ۳۰ تا ۱۰۰ متر مکعب آب تولید کنند. داده‌های مربوط به عملکرد مربوط به مدت زمان پمپاژ ۶ ساعته، معادل ۱.۴ تا ۴.۶ لیتر بر ثانیه ^، از ^۳۶ ، حجم در تابستان است و چند چاه در این دوره خشک شدند ^۳۶. عملکرد چاه حفر شده برای آبیاری یک یا دو محصول در طول دوره بارندگی‌های موسمی کافی است، اما در طول تابستان بی‌اثر است، زیرا سطح ذخیره آب‌های زیرزمینی با برداشت بعدی کاهش می‌یابد ^۵

در این مطالعه، مناطق پتانسیل آب زیرزمینی (GWPZ) با ادغام مجموعه داده‌های مرسوم و سنجش از دور، همراه با تجزیه و تحلیل تصمیم‌گیری چند معیاره مبتنی بر GIS، مشخص شدند. لایه‌های موضوعی کلیدی مانند تراکم خطواره‌ها، شیب، تراکم زهکشی و کاربری/پوشش زمین (LULC) با استفاده از داده‌های سنجش از دور، که شامل ASTER DEM (با وضوح ۳۰ متر) و تصاویر Landsat-8 بود، استخراج شدند. برای تعیین مناطق مناسب با پتانسیل آب زیرزمینی متنوع، لایه‌های موضوعی با طیف وسیعی از داده‌های جغرافیایی، متعارف و هواشناسی جمع‌آوری شده از سازمان‌ها و وب‌سایت‌های متعدد (جدول ۱) تهیه شده‌اند . برای ایجاد نقشه‌های دقیق LULC، از روش‌های طبقه‌بندی نظارت شده بر روی داده‌های Landsat-8 استفاده شد. همزمان، منابع داده سنتی جمع‌آوری و به فرمت دیجیتال تبدیل شدند، از جمله نقشه‌های خاک، بارندگی، زمین‌شناسی، ژئومورفولوژی و داده‌های عمق آب‌های زیرزمینی. همه لایه‌های رستری با استفاده از درون‌یابی دوخطی در UTM Zone 43 N (WGS 84) به ۳۰ متر نمونه‌برداری مجدد شدند. برای اطمینان از یکنواختی در تحلیل جغرافیایی، تمام مجموعه داده‌های مکانی به یک سیستم تصویرسازی استاندارد UTM ارجاع داده شدند. به عنوان بخشی از فرآیند سلسله مراتبی تحلیلی (AHP)، به لایه‌های موضوعی حاصل، شیب، تراکم زهکشی، LULC، تراکم خطواره‌ها، سنگ‌شناسی، ژئومورفولوژی، خاک، بارندگی و عمق آب‌های زیرزمینی، هر کدام بر اساس مقیاس Saaty 1-9 در جدول ۲ ، وزن‌های اولویت نسبی داده شد . برای حفظ ثبات وزن‌ها و تجزیه و تحلیل تأثیرات آنها بر وقوع آب‌های زیرزمینی، این وزن‌ها دوباره محاسبه شدند. مناطق آسیب‌پذیر آب‌های زیرزمینی متعاقباً با همپوشانی تمام لایه‌های موضوعی از طریق تجزیه و تحلیل همپوشانی وزنی با استفاده از ArcGIS 10.7 (Esri; https://www.esri.com ) نقشه‌برداری شدند. متعاقباً از آمار سطح زیر منحنی (AUC) و تجزیه و تحلیل منحنی مشخصه عملکرد گیرنده (ROC) برای تأیید صحت و قابلیت اطمینان نقشه GWPZ استفاده شد. نمودار جریان این روش در شکل  ۲ ارائه شده است .

روش AHP برای پهنه‌بندی GWP

این تحقیق از فرآیند تحلیل سلسله مراتبی (AHP)، یک تکنیک تصمیم‌گیری چند معیاره (MCDM) که توسط ساعتی در سال ۱۹۸۰ توسعه داده شد، برای ارزیابی تأثیر لایه‌های موضوعی و پارامترهای آنها بر وقوع آب‌های زیرزمینی استفاده می‌کند. این روش برای مقایسه‌های زوجی برای استخراج مقیاس‌های نسبت مناسب است. AHP اهمیت نسبی هر عامل را بر اساس رتبه‌بندی تصمیم‌گیرنده از فهرستی از معیارها ^۳۷ تخمین می‌زند . بر اساس اهمیت نسبی هر عامل، امتیازی از ۱ تا ۹ اختصاص داده شد. با در نظر گرفتن معیارها و گزینه‌های متعدد، بزرگی نسبی عوامل مختلف بر اساس قضاوت کارشناسی و شواهد مبتنی بر بررسی ادبیات از مطالعات قبلی تعیین شد. معیارها به طور عمیق ارزیابی و با استفاده از ماتریس فرآیند تحلیل سلسله مراتبی (AHP) ^۳۸ مقایسه شدند . نتایج سازگار و قابل اعتماد، مسئله اصلی در حل مسائل تصمیم‌گیری چند معیاره (MCDM) است. این امر توسط فرآیند تحلیل سلسله مراتبی (AHP) ارائه می‌شود که شامل مقایسه زوجی برای تعیین وزن نسبی معیارهای مختلف است. AHP از محاسبات ریاضی برای ارائه یک ماتریس سیستماتیک استفاده می‌کند که اهمیت نسبی برخی از ویژگی‌ها را نسبت به سایر ویژگی‌ها نشان می‌دهد. ساعتی AHP را فرموله کرد، که در آن یک مقیاس مشترک و روش سیستماتیک برای سنجش نظر یک متخصص و تعیین راه‌حل بهینه در سناریوهای چند معیاره وجود دارد. یک نسخه کوتاه شده از مقیاس اولیه ساعتی در تحلیل AHP این تحقیق برای به دست آوردن وزن نسبی پارامترها از طریق یک سری مراحل محاسباتی استفاده 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 j ^ام ».

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 برابر است با «مقدار در سطر i ^ام و ستون jام در ماتریس زوجی نرمال‌شده».

«در نهایت، مجموع سطر نرمال‌شده‌ی ماتریس را بر چندین عامل مورد استفاده (۸ برای مطالعه‌ی فعلی) تقسیم کنید تا با استفاده از معادله‌ی ( ۳ ) وزن‌های استاندارد ایجاد شود.»

که در آن Wi وزن استاندارد و N 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 برای قوی برابر با ۱٫۱۲ است، همانطور که در جداول ۲ و ۳ نشان داده شده است . ^{۳۰ ، ۳۹} …

«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.

این شاخص سازگاری تصادفی (RCI) با استفاده از جدول استاندارد مقیاس ۱ تا ۹ ساعتی محاسبه شد. برای به دست آوردن نتایج دقیق، نسبت سازگاری (CR) یک تحلیل AHP باید زیر ۱۰٪ باشد . ^۳۹. بررسی قضاوت‌ها برای شناسایی و حل هرگونه ناسازگاری در صورت وجود مقدار CR بالاتر از مقدار ^۴۰ ضروری است . مقدار CR این تحقیق ۰.۰۰۱ است که نشان دهنده سطح سازگاری عالی است و تأیید می‌کند که پارامترهای مورد بررسی برای تحلیل وزنی و مشخص کردن منطقه پتانسیل آب زیرزمینی (GPZ) مناسب هستند.

تحلیل وزن‌دهی و نرمال‌سازی مبتنی بر AHP

وزن‌های اختصاص داده شده به لایه‌های موضوعی که برای تعیین مناطق پتانسیل آب زیرزمینی (GWPZ) به کار رفته‌اند، در جدول ۲ آمده است . از تأثیر هر لایه در وقوع آب‌های زیرزمینی، و بر اساس تحقیقاتی که در مناطقی با ویژگی‌های معادل همانطور که در چینالاپاتی فیرکا یافت شده است، انجام شده است، وزن‌ها به دست آمده‌اند. مطالعات قبلی توسط ^{۶ ، ۲۸ ، ۴۱ ، ۴۲ ، ۴۳ ، ۴۴ ، ۴۵} شامل رویکردهایی بودند که در روش وزن‌دهی دنبال می‌شدند.

در این مطالعه، به بارندگی بیشترین وزن اختصاص داده شده است و نشان می‌دهد که ممکن است تأثیر بسیار بیشتری بر آب‌های زیرزمینی داشته باشد، در حالی که به ژئومورفولوژی به دلیل تأثیر کمتر آن، وزن کمتری اختصاص داده شده است . ^۳٫ پس از اینکه به هر عنصر وزن نسبی داده شد، یک ماتریس مقایسه زوجی ایجاد می‌شود (جدول ۳ ). هر موضوع با موضوع دیگر مقایسه شد تا یک ماتریس مقایسه زوجی ایجاد شود ^{۴۶ ، ۴۷٫ وزن‌های نرمال شده هشت موضوع و زیرگروه‌ها با استفاده از تکنیک AHP ساعتی ۴۱ ، ۴۸} به دست آمد . جدول ۳ نرمال سازی وزن‌های نسبی ارائه شده را به هشت نقشه موضوعی با استفاده از یک ماتریس مقایسه زوجی نشان می‌دهد.

جدول مقایسه زوجی که در فرآیند تحلیل سلسله مراتبی ^۴۹ استفاده شده است (جدول ۴ ) بر اساس اینکه آیا از نظر منطقی سازگار است یا خیر، ارزیابی شد. بزرگترین مقدار ویژه λ _max  = ۸٫۷۳۶ بود که شاخص سازگاری CI = 0.1052 را نشان داد. جدول نسبت سازگاری ۵ با استفاده از شاخص تصادفی Saaty با هشت معیار (RI = 1.41) تعیین شد و مقدار CR = 0.0746 را داشت که بسیار کمتر از نسبت قابل قبول ۰.۱۰ است. به این ترتیب، می‌توان گفت که نتایج سازگار و قابل اعتماد هستند و وزن‌های معیار به‌دست‌آمده (۳۴.۹-۳.۴٪) می‌توانند برای انجام تجزیه و تحلیل بیشتر پتانسیل آب‌های زیرزمینی استفاده شوند.

تحلیل حساسیت

آزمایش دیگری برای سنجش قدرت مدل منطقه پتانسیل آب‌های زیرزمینی (GWPZ)، اختلال در وزن‌های معیار مشتق‌شده از AHP (0.05) در + – ۱۰٪ بود. در هر دو مورد، وزن‌های منفرد ضرب و تقسیم ۱۰ درصد شدند و مجموع نرمال‌شده برابر با ۱ نگه داشته شد. تمام موارد اختلال دوباره روی مدل اجرا شدند و مساحت‌های کلاس GWPZ با نقشه پایه مقایسه شدند. بیشترین اختلاف بین حداکثر تغییرات همه کلاس‌ها بیش از ۵ نبود، به این معنی که خروجی مدل نسبتاً پایدار است و به تفاوت‌های کوچک در وزن معیارها حساس نیست. خروجی خاص آزمایش‌های اختلال در جدول تکمیلی ۶ موجود است.

شناسایی مناطق دارای پتانسیل آب زیرزمینی

نقشه‌های مورد استفاده در این مطالعه با استفاده از رتبه‌ها و وزن‌های ارائه شده از قالب برداری به رستری تبدیل شدند. در ArcGIS 10.7، این نقشه‌ها سپس با استفاده از تحلیل همپوشانی وزنی ترکیب شدند. هدف از این تحلیل تعیین GWPZها بود. نقشه GWP با استفاده از فرمول ^{۵۰ و ۵۱} زیر همانطور که در معادله ( ۶ ) نشان داده شده است، محاسبه شد:

که در آن N – کل کلاس‌های لایه‌های موضوعی؛ Xi – رتبه مرتبط با کلاس‌های لایه موضوعی i ^ام ؛ M – تعداد کل لایه‌های موضوعی استفاده شده؛ Wj – وزن نرمال‌شده لایه موضوعی j ^ام .

لایه‌های موضوعی اصلی که در GW نقش دارند، برای ایجاد «GWPM» روی هم قرار گرفتند. شاخص پتانسیل آب‌های زیرزمینی (GWPI)، که با ترکیب تمام لایه‌های موضوعی مؤثر بر GW محاسبه شده است، برای ارزیابی مناطق مستعد GW مورد استفاده قرار گرفت.

اعتبارسنجی متقابل

نقشه GWPZ چینالاپاتی فیرکا در این مطالعه با استفاده از نقشه «مطالعه چشم‌انداز آب‌های زیرزمینی» که اطلاعات مکانی در مورد عملکرد چاه ارائه می‌دهد و در پورتال بوجال-بووان ( https://bhuvan-app1.nrsc.gov.in/gwis/gwis.php ) قابل دسترسی است، اعتبارسنجی شد. چاه پایش آب‌های زیرزمینی (عمق تا سطح ایستابی) توسط هیئت مرکزی آب‌های زیرزمینی (CGWB) ارائه شده است. مساحت زیر منحنی (AUC) و مشخصه عملیاتی گیرنده (ROC) که با استفاده از ابزار ArcSDM در نرم‌افزار ArcGIS رسم شده‌اند، نیز برای اعتبارسنجی نتایج استفاده شدند. از تحلیل منحنی ROC برای اعتبارسنجی کمی با مقایسه نقشه پتانسیل تغذیه آب‌های زیرزمینی تولید شده با داده‌های چاه حفر شده واقعی استفاده شد. یکی از روش‌های رایج برای ارزیابی قابلیت اطمینان آزمایش‌های تشخیصی، تحلیل منحنی ROC است. برای ROC، مقادیر مثبت کاذب در امتداد محور x رسم می‌شوند، در حالی که مقادیر مثبت واقعی در امتداد محور y نشان داده می‌شوند. منحنی ROC تعادل بین دو مقدار را توصیف می‌کند. طبق رویکرد ROC، مساحت زیر منحنی از ۰٫۵ تا ۱ متغیر است که می‌تواند به محدوده‌های زیر تقسیم شود: «۰٫۵-۰٫۶ (ضعیف). ۰٫۶-۰٫۷ (متوسط)؛ ۰٫۷-۰٫۸ (خوب)؛ ۰٫۸-۰٫۹ (بسیار خوب)؛ و ۰٫۹-۱ (عالی)».

نقشه‌های موضوعی

برای ایجاد نقشه پهنه‌بندی پتانسیل آب‌های زیرزمینی (GWPZ) منطقه مورد مطالعه، هشت عنصر هیدروژئولوژیکی در لایه‌های موضوعی گنجانده شدند: بارندگی، زمین‌شناسی، شیب، تراکم زهکشی، کاربری/پوشش زمین، تراکم خطواره‌ها، خاک و ژئومورفولوژی.

بارندگی

تصور می‌شود که مهم‌ترین عامل در نقشه‌برداری GWPZ، بارندگی باشد. طبق گفته (Magesh et al. 2012c)، جریان سطحی، تغذیه و نفوذ، همگی به شدت تحت تأثیر مدت و میزان بارندگی قرار دارند. منبع اصلی آب‌های سطحی و زیرزمینی منطقه، بارندگی است که به دلیل کمیت و توزیع مکانی آن، تأثیر عمده‌ای بر حجم تغذیه حوضه دارد. ^{۲۹ ، ۵۲٫} داده‌های بارندگی از میانگین سالانه ۲۰۰۹ تا ۲۰۲۲ از مجموعه داده‌های CHIRPS برای این تحقیق گرفته شده است. برای مطالعه بیشتر، نقشه بارندگی تولید شده سپس به سه طبقه‌بندی مختلف تقسیم شد: کم، متوسط ​​و زیاد (شکل  ۳ الف).

زمین‌شناسی

توزیع و خواص رخدادهای آب زیرزمینی به شدت تحت تأثیر زمین‌شناسی قرار دارد ^۳۸. زمین‌شناسی شامل نفوذپذیری و تخلخل سنگ‌های سفره آب زیرزمینی است. نوع سنگ موجود در سطح به طور قابل توجهی بر تغذیه آب‌های زیرزمینی تأثیر می‌گذارد ^۵۳ … مشخص شده است که منطقه تحقیقاتی دارای واحدهای سنگ‌شناسی متنوعی مانند چارنوکیت، گابرو، خوندالیت و میگماتیت است (شکل  ۳ ب). به هر یک از این واحدها بر اساس میزان تأثیر آنها بر پتانسیل آب‌های زیرزمینی وزنی داده شد. به میگماتیت رتبه اولویت بالاتری از ۴ داده شد زیرا حاوی واحدهای شکسته و ورقه‌ای بیشتری نسبت به سایر واحدهای سنگ‌شناسی است که تأثیر آن را بر رخداد آب‌های زیرزمینی افزایش می‌دهد. رخداد مطلوب آب‌های زیرزمینی در یک مکان، مقدار بالایی را که به آن اختصاص داده می‌شود، تعیین می‌کند.

شیب

طبق ^۵۴ ، شیب تأثیر مستقیمی بر میزان رواناب سطحی و نفوذ دارد و آن را به عاملی مهم در تعیین پتانسیل آب‌های زیرزمینی تبدیل می‌کند. مناطق با شیب تند معمولاً رواناب بیشتر و نفوذ کمتری دارند که باعث کاهش تغذیه آب‌های زیرزمینی می‌شود. از سوی دیگر، مناطق با شیب ملایم، زمان نفوذ طولانی‌تر و رواناب سطحی کمتری را فراهم می‌کنند که باعث افزایش تغذیه آب‌های زیرزمینی می‌شود. از داده‌های مدل ارتفاعی رقومی (DEM) برای ایجاد نقشه شیب برای تحقیق فعلی استفاده شد (شکل  ۳ ج). درصد شیب منطقه بین ۰ تا ۳۰ درصد است. بر اساس درجه شیب، منطقه مورد مطالعه به پنج کلاس شیب تقسیم شد: “(الف) کمتر از ۳٪، (ب) ۳-۸٪، (ج) ۸-۱۵٪، (د) ۱۵-۳۰٪ و (ه) > 30٪.” منطقه‌ای که شیب ۳٪ را نشان می‌دهد به دلیل توپوگرافی تقریباً مسطح و میزان نفوذ بسیار بالا، “بسیار خوب” در نظر گرفته می‌شود. یک مکان با شیب بسیار تند به عنوان یک منطقه داخلی کم‌ارتفاع با نرخ رواناب بالاتر طبقه‌بندی شد و امتیاز پایین‌تری به آن اختصاص داده شد، در حالی که یک زمین مسطح با ظرفیت نگهداری آب بالا با رتبه بالاتری طبقه‌بندی شد (جدول ۶ ).

تراکم زهکشی

رابطه بین تراکم زهکشی و نفوذپذیری معکوس است. رواناب سطحی بیشتر و نفوذ کمتر به معنای تغذیه کمتر آب‌های زیرزمینی است، در حالی که تراکم زهکشی کم نشان دهنده نفوذ بیشتر بارندگی است و پتانسیل آب‌های زیرزمینی را بیشتر می‌کند ^۳۸٫ پنج کلاس تراکم زهکشی بسیار کم (۰٫۰-۰٫۶۰ کیلومتر بر کیلومتر مربع ⁾ ، کم (۰٫۶۰-۱٫۲۱ کیلومتر بر کیلومتر مربع ⁾ ، متوسط ​​(۱٫۲۱-۱٫۸۱ کیلومتر بر کیلومتر مربع ⁾ ، زیاد (۱٫۸۱-۲٫۴ کیلومتر بر کیلومتر مربع ⁾ و بسیار زیاد (> 2.4 کیلومتر بر کیلومتر مربع ⁾ در منطقه تحقیق متمایز شده‌اند (شکل  ۳d ). پتانسیل نفوذ بالاتر با تراکم زهکشی کمتر در ارزیابی آب‌های زیرزمینی مرتبط است. در نتیجه، به مکان‌های با تراکم زهکشی بیشتر رتبه‌های پایین‌تر و به مناطق با تراکم زهکشی کمتر رتبه‌های بالاتر داده شد. سازگاری ماتریس رتبه‌بندی با استفاده از فرآیند سلسله مراتبی تحلیلی (AHP) ارزیابی شد و وزن‌های نهایی بر اساس نتایج سازگاری خوب تعیین شدند (جدول ۷ ).

کاربری زمین و پوشش زمین

این تجزیه و تحلیل با استفاده از کلاس‌های سطح ۳ و نقشه کاربری/پوشش زمین که از پورتال GSI بازیابی شده بود، انجام شد. از روش مقایسه زوجی برای ارزیابی ویژگی‌های LU/LC استفاده شد. طبق ^۵۵ ، نفوذ، رواناب سطحی، تبخیر و تعرق و تغذیه آب‌های زیرزمینی همگی به طور قابل توجهی تحت تأثیر کاربری/پوشش زمین (LULC) قرار دارند. فناوری‌های مکانی برای ارزیابی و نقشه‌برداری دقیق LULC در جغرافیاهای مختلف ضروری هستند ^۵۶٫ مطالعات نشان داده‌اند که مناطق جنگلی نرخ نفوذ بالاتری نسبت به زمین‌های کشاورزی دارند. طبق ^۵۷ ، زمین‌های بایر و مناطق ساخته شده معمولاً نرخ نفوذ کمتری دارند که احتمال تغذیه آب‌های زیرزمینی را کاهش می‌دهد. در جدول ۷ و نقشه توزیع مکانی، شکل  ۳e ، به زمین‌های کشاورزی و جنگلی رتبه بالاتری نسبت به سایر کلاس‌ها داده شده است.

تراکم خطواره‌ها

خطواره یک ویژگی خطی است که در یک چشم‌انداز یافت می‌شود و ممکن است توسط عکاسی ماهواره‌ای تشخیص داده شود و نشان‌دهنده وجود یک ساختار زمین‌شناسی زیرین، مانند گسل، باشد. شکستگی‌ها، رخنه‌ها، گسل‌ها و سایر سطوح ناپیوستگی با ویژگی‌های خطی مستقیم یا کمی منحنی هم‌راستا نشان داده می‌شوند ^۵۸٫ خطواره‌ها نشان‌دهنده وجود مناطق گسلش و شکستگی هستند که منجر به افزایش تخلخل و نفوذپذیری ثانویه می‌شود ^۵۹٫ در این کار، مناطق دارای پتانسیل آب زیرزمینی با استفاده از نقشه خطواره GSI تجزیه و تحلیل شدند. از پلتفرم ArcGIS برای ایجاد نقشه چگالی خطواره‌ها استفاده شد. سپس پنج طبقه‌بندی بر اساس چگالی آنها متمایز شد: بسیار زیاد (> 1.22)، زیاد (۰٫۹۱-۱٫۲۲)، متوسط ​​(۰٫۶۱-۰٫۹۱)، کم (۰٫۳۱-۰٫۶۱) و بسیار کم (۰-۰٫۳۱). احتمال وقوع آب زیرزمینی با چگالی 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 شد و مشخص شد که رضایت‌بخش است. وزن‌های نرمال‌شده و نهایی برای تولید نقشه تراکم خطواره‌های وزن‌دار (شکل  ۳f ) استفاده شدند که در جدول ۷ نمایش داده شده است .

خاک

خاک یکی از مهمترین عوامل تعیین کننده کلیدی است که بر ظرفیت نفوذ یک منطقه تأثیر می‌گذارد، زیرا به تخلخل، میزان رطوبت و تراکم بافت خاک بستگی دارد ^{(۶۰ ، ۶۱)} . در مقایسه با خاک ریزبافت، سرعت نفوذ در خاک درشت بافت بیشتر است. در نتیجه، خاک‌ها اولویت بالاتری دارند (رتبه ۳). برخی از خاک‌ها اولویت کمتری دارند و به دلیل عدم امکان نفوذ آب، در رتبه ۱ طبقه‌بندی می‌شوند. خاک‌های رسی شنی، خاک عمیق، به عنوان مثال، خاک‌های زهکشی شده خوب و با قابلیت فرسایش کم، در اولویت قرار گرفتند. اولویت کمتری به خاک رسی، که خاک رسی شنی کم عمق با فرسایش متوسط ​​تا شدید است، اختصاص داده شد. این متغیرها برای رتبه‌بندی و تجزیه و تحلیل خاک‌ها با استفاده از رویکرد AHP به منظور ایجاد نقشه وزنی خاک (شکل  ۳g ) و تعیین چگونگی تأثیر آنها بر شرایط آب‌های زیرزمینی استفاده شدند (جدول ۷ ).

ژئومورفولوژی

بررسی توپوگرافی و لندفرم‌های یک منطقه، ژئومورفولوژی نامیده می‌شود و بینش‌هایی در مورد توزیع ویژگی‌های جغرافیایی مختلف، تغییرات دما، حرکت آب، فرآیندهای ژئوشیمیایی و چرخه‌های انجماد-ذوب ارائه می‌دهد. تکامل ساختاری سازندهای زمین‌شناسی زیرین تأثیر قابل توجهی بر آن دارد. ^{۶۲ ، ۶۳} منطقه مورد مطالعه دارای دو کلاس ژئومورفولوژیکی اصلی، دشت پدیپلین و ساختاری است (شکل  ۳ ح). سنگ‌های هوازده/شکسته که برای تغذیه آب‌های زیرزمینی مناسب هستند، دشت‌های با شیب ملایم لندفرم دشت پدیمنت را پوشانده‌اند . ^۶۴

تهیه نقشه GWPZ

هیچ تحقیق قبلی در مورد نقشه‌برداری GWPZ در منطقه مورد مطالعه انجام نشده است. داده‌های تحقیقاتی در مورد منابع آب زیرزمینی برای مدیریت در آینده کم است. در نتیجه، این مطالعه برای محققان و سیاست‌گذارانی که می‌خواهند مدیریت اجتماعی-اقتصادی منابع آب زیرزمینی را بهبود بخشند، ضروری است. با استفاده از روش همپوشانی وزنی در ابزار تحلیل مکانی ArcGIS، نقشه GWP با اختصاص وزن‌های تجمعی به بارندگی، زمین‌شناسی، شیب و تراکم زهکشی ایجاد شد. کاربری زمین، پوشش زمین، تراکم خطواره‌ها، خاک و ژئومورفولوژی هشت لایه موضوعی. نقشه پهنه‌بندی پتانسیل آب زیرزمینی (GWPZ) اطلاعات مهمی در مورد وضعیت آب‌های زیرزمینی یک منطقه ارائه می‌دهد که می‌تواند برای برنامه‌ریزی برای استخراج پایدار آب‌های زیرزمینی مورد استفاده قرار گیرد. GWPZها در منطقه مورد مطالعه به پنج گروه تقسیم شدند: “بسیار ضعیف”، “ضعیف”، “متوسط”، “خوب” و “بسیار خوب”. ۵۴.۲۱ کیلومتر ^مربع توسط این مناطق پوشش داده شده است که به شرح زیر است: «بسیار خوب (۱۹.۹۷٪)، خوب (۳۱.۷۸٪)، متوسط ​​(۳۰.۶۱٪)، ضعیف (۱۷.۶۳٪) و بسیار ضعیف (۰.۰۱٪). مکان‌های زیادی در حاشیه جنوبی منطقه مورد مطالعه با GWPZ بسیار بالا (۱۰.۸۲ کیلومتر مربع) وجود دارد ^. طبقه‌بندی‌های مختلف GWPZ در منطقه چینالاپاتی در شکل  ۴ نشان داده شده است . جدول ۸ مساحت و درصد پراکندگی پنج کلاس GWPZ را نشان می‌دهد.

اعتبارسنجی منطقه پتانسیل آب زیرزمینی (GWPZ)

نقشه GWPZ چینالاپاتی فیرکا با ترکیب هشت نقشه موضوعی مختلف، شامل بارندگی، زمین‌شناسی، شیب، تراکم زهکشی، کاربری اراضی، پوشش زمین، تراکم خطواره‌ها، خاک و ژئومورفولوژی با استفاده از AHP، یک رویکرد MCDM محبوب، ایجاد شد. نقشه “مطالعه چشم‌انداز آب‌های زیرزمینی” که توسط CGWB و NRSC، حیدرآباد، ایجاد شده بود، برای اعتبارسنجی نقشه GWPZ و داده‌های عملکرد چاه برای تأیید GWPZها استفاده شد. یافته‌های این رویکرد اعتبارسنجی نشان داد که تمام مناطق بالقوه آب‌های زیرزمینی در منطقه تحقیق، طبقه‌بندی صحیحی از تعداد و درصد نقاط دارند که مربوط به محدوده‌های عملکرد خاص هستند. این امر تأیید می‌کند که استراتژی مورد استفاده نتایج معتبر و قابل توجهی را ارائه داده است و استفاده از آن را در مطالعه حاضر تضمین می‌کند. سیاست‌گذاران می‌توانند از این اطلاعات برای کمک به توسعه برنامه‌های مؤثر برای مدیریت آب‌های زیرزمینی استفاده کنند ^۴۹ .

برای رسم منحنی ROC از وضعیت‌های توافق موافق، موافق-مخالف و موافق-فوق‌العاده به عنوان ۱ و برای مخالف به عنوان مقدار ۰ استفاده شد. نمودار منحنی ROC بین توافق GWPZ و داده‌های تولید چاه با استفاده از ابزار ArcSDM نرم‌افزار ArcGIS (نسخه ۱۰.۷) رسم شد. مساحت زیر منحنی (AUC) محاسبه شده در شکل  ۵ نشان داده شده است و ۸۰٪ بود. مطابق با ^۶۵ ، مساحت زیر منحنی (AUC) در محدوده قابل قبول ^{۶۶ ، ۶۷} قرار داشت .

این مطالعه، نقشه شاخص پتانسیل آب‌های زیرزمینی (GWPI) را برای تعیین مناطق دارای پتانسیل آب‌های زیرزمینی در چینالاپاتی فیرکا، آثور تالوک، و منطقه دیندیگول پیشنهاد داد. مطالعه حاضر، رویکردی یکپارچه و نوآورانه است که سنجش از دور (RS)، سیستم‌های اطلاعات جغرافیایی (GIS) و فرآیند تحلیل سلسله مراتبی (AHP) را هماهنگ می‌کند. روش ترکیبی پیشنهادی به تصمیم‌گیری‌های سریع و مؤثر برای مدیریت پایدار منابع آب کمک می‌کند. هشت پارامتر کلیدی قبل از تحلیل همپوشانی انتخاب شدند، زیرا بیشترین سهم را در پتانسیل آب‌های زیرزمینی داشتند. مناطق پتانسیل آب‌های زیرزمینی (GWPZ) منطقه مورد مطالعه بر اساس آنها به پنج کلاس طبقه‌بندی شدند: بسیار ضعیف، ضعیف، متوسط، خوب و بسیار خوب. مناطق مربوطه تحت پوشش این مناطق عبارتند از ۵۴.۲۱ کیلومتر ^مربع ، بسیار خوب (۱۹.۹۷٪)، ۱۰.۸۲ کیلومتر ^مربع ، خوب (۳۱.۷۸٪)، ۱۷.۲۳ کیلومتر مربع ^، متوسط ​​(۳۰.۶۱٪)، ۱۶.۵۹ کیلومتر مربع ^، ضعیف (۱۷.۶۳٪)، ۹.۵۶ کیلومتر مربع ^و بسیار ضعیف (۰.۰۱٪). منطقه کم به منطقه با پتانسیل آب زیرزمینی کم اشاره دارد. از سوی دیگر، منطقه بسیار زیاد به مطلوب‌ترین مکان برای GWP اشاره دارد. دقت نقشه GWPZ با استفاده از داده‌های عملکرد چاه‌ها توسط یک طرح توافقی بر اساس نقشه چشم‌انداز آب‌های زیرزمینی و تحلیل منحنی ROC تأیید می‌شود. نتیجه نشان می‌دهد که پیش‌بینی نقشه GWPZ به ترتیب ۸۰٪ رضایت‌بخش بوده است. این تکنیک ساده اما روشمند برای ارزیابی مؤثر مکان‌های پتانسیل آب‌های زیرزمینی (GWP) به کار گرفته شده است. ویژگی روش‌شناختی آن نیز به همان اندازه کارآمد و دارای کاربرد عمومی است، به ویژه برای مطالعات آب‌های زیرزمینی و تعیین مناطق بالقوه برای تغذیه مصنوعی در هیدروژئولوژی مناطق خشک و سنگ سخت. از این رو، این یک تکنیک ارزشمند برای توسعه پایدار آب‌های زیرزمینی و مدیریت آبخوان در درازمدت است. بررسی‌های بعدی مدل باید شامل کارهای میدانی مانند نمونه‌برداری از کیفیت آب و آزمایش‌های پمپاژ باشد تا دقت و ارتباط مدل را بیشتر بهبود بخشد. آزمایش‌های میدانی با ارائه درجه‌ای از اعتبار به قابلیت اطمینان مدل، به تعیین اینکه آیا تصمیمات گرفته شده بر اساس کاربرد خروجی‌های مدل از نظر علمی و عملیاتی قابل توجیه هستند یا خیر، نیز کمک می‌کند.