یکی از منابع طبیعی مهم که برای بقای انسان‌ها و رشد اکوسیستم‌های آبی و خاکی بسیار مهم است، GW است. یاتاقان‌های آبی پوسته زمین (شکستگی‌های به هم پیوسته، خطواره‌ها و غیره) به عنوان مخزن و همچنین مجاری انتقال برای ذخیره آب عمل می‌کنند. اخیراً، تأمین خاک و آب در هند، همراه با برخی کشورهای دیگر، به دلیل تأمین ناکافی، روزانه در حال کاهش بوده است. در نتیجه، ارزیابی مؤثر تأمین آب برای مدیریت سیستم‌ها در منطقه کم آب ضروری است.

هند منطقه‌ای در حال توسعه کشاورزی است و از کل جمعیت، شصت تا هفتاد درصد به آن وابسته هستند. تولید سریع صنعتی و کشاورزی، که به بهره‌برداری بیش از حد کمک کرده است، عامل مهمی در کاهش ذخایر GW این کشور است. آب‌های سطحی (SW) در سفره‌های آب زیرزمینی سنگ سخت اغلب به افق‌های شکسته و هوازده محدود می‌شوند. به دلیل ماهیت پنهان در زیر زمین، شناسایی عواملی که بر آب‌های زیرزمینی در یک زمین تپه‌ای تأثیر می‌گذارند، بسیار مهم است. LULC، بارندگی، شیب، ارتفاع، جهت، فاصله تا زهکشی و خطواره، همگی در تعدادی از مدل‌های یکپارچه GIS ^{۱ ، ۲ ، ۳ ، ۴ ، ۵} گنجانده شده‌اند . با این حال، بسته به ویژگی‌های جغرافیایی، زمین‌شناسی و هیدرولوژیکی، تعداد کلی لایه‌های موضوعی برای پتانسیل آب‌های زیرزمینی ممکن است از مکانی به مکان دیگر متفاوت باشد ^. عامل تنظیم‌کننده اصلی برای وقوع و جریان GW در یک منطقه سنگ سخت، تخلخل ثانویه است که توسط شکستگی‌ها در سنگ‌های زیرین آغاز می‌شود. GW منبع اصلی ذخیره آب است و در مقابله با چالش‌های کمبود آب کلیدی است ^۷٫ این منبع در بسیاری از کشورها یک منبع ضروری است که آب آشامیدنی، پشتیبانی از آبیاری و تأمین «کسب و کارها» را فراهم می‌کند ^{۸ ، ۹ ، ۱۰ ، ۱۱٫} با توجه به محدودیت دسترسی به آب شیرین و استفاده بیش از حد از ذخایر جهانی GW، پیش‌بینی می‌شود که تا سال ۲۰۲۵ یک بحران آب قابل توجه رخ دهد ^{۱۲ ، ۱۳ ، ۱۴٫} GW ارزش اقتصادی بیشتری نسبت به SW دارد زیرا در دسترس‌تر است، می‌تواند به طور انعطاف‌پذیری به الگوهای مصرف پاسخ دهد، در طول خشکسالی قابل اعتماد باقی می‌ماند و آب با کیفیت بالا ارائه می‌دهد ^{۱۵ ، ۱۶ ، ۱۷٫} کمبود آب به ویژه در مناطق خشک و نیمه‌خشک که در سال‌های اخیر به دلیل RF ناپایدار و ناکافی، خشکسالی‌های مکرر را تجربه کرده‌اند، مشهود است ^{۶ ، ۱۸ ، ۱۹ ، ۲۰ ، ۲۱} . روش نقشه‌برداری GWPZ علی‌رغم پتانسیل آن برای زمان‌بر بودن و همچنین گران‌قیمت بودن، دهه‌هاست که در تحقیقات میدانی مورد استفاده قرار می‌گیرد. ^{۱۳ ، ۲۲.} با این حال، پیشرفت‌های فناوری، GIS و سنجش از دور (RS) را برای ساده‌سازی جمع‌آوری، پردازش و تجسم انواع داده‌ها ادغام کرده و در نتیجه امکان توسعه نقشه‌های تخصصی را فراهم کرده است. ^{۱۳ ، ۲۳ ، ۲۴ ، ۲۵}دسترسی به GW در مناطق مختلف بر اساس عواملی از جمله هیدرودینامیک، باران، توپوگرافی، GL، بافت خاک و همچنین شیب متفاوت است ^. بنابراین، این پارامترها در یک چارچوب GIS برای تولید نقشه‌های GWPZ گنجانده شدند.

در این تحقیق، تنوع در الگوهای موسمی، همراه با شرایط فیزیوگرافی متنوع، منجر به توزیع ناهموار آب می‌شود که منجر به کمبود قابل توجه آب در مناطق خاص می‌شود. هر تابستان، بسیاری از منابع آب زیرزمینی خشک می‌شوند و بیشتر زمین‌های کشاورزی به آب زیرزمینی چاه‌های حفر شده و همچنین چاه‌های کم‌عمق لوله‌ای متکی هستند. استخراج بی‌ضابطه و بیش از حد آب زیرزمینی باعث خشک شدن بسیاری از این چاه‌ها شده و معیشت کشاورزان را به شدت تحت تأثیر قرار داده است. تاکنون، از روش‌های مرسوم مختلفی مانند تکنیک‌های زمین‌شناسی، هیدروژئولوژیکی، ژئوفیزیکی و همچنین فتوژئولوژیکی برای شناسایی GWPZها استفاده شده است ^{[۲۷ ، ۲۸} ]. چندین محقق، از جمله ^{۲۹ ، ۳۰ ، ۳۱ ، ۳۲ ، ۳۳} و دیگران، از روش‌های GIS برای ترسیم GWPZها استفاده کرده‌اند. در حال حاضر، استفاده گسترده از داده‌های ماهواره‌ای، همراه با نقشه‌های سنتی و همچنین داده‌های دقیق زمین‌شناسی، فرآیند ایجاد اطلاعات پایه برای GWPZها را به طور قابل توجهی ساده کرده است [ ^۳۴] . پیشرفت کامپیوترهای قدرتمند به همراه فناوری دیجیتال، امکان ادغام روش‌های مرسوم با RS و همچنین تکنیک‌های GIS را فراهم کرده و دقت تحقیقات هیدروژئولوژیکی و همچنین شناسایی GWPZها را در مناطق مختلف افزایش داده است. علاوه بر این، محققان متعددی، «از جمله ^{۲۸ ، ۳۵ ، ۳۶ ، ۳۷ ، ۳۸ ، ۳۹ ، ۴۰ ، ۴۱} »، از هر دو تکنیک RS و همچنین کاربردهای GIS برای اکتشاف GW، تعیین GWPZها و همچنین شناسایی مکان‌های تغذیه مصنوعی استفاده کرده‌اند.

یک تکنیک نیمه کمی مبتنی بر دانش محبوب برای مدیریت منابع طبیعی، فرآیند تحلیل سلسله مراتبی (AHP) است . ^۴۲٫ وزن‌دهی به عوامل و حوزه‌ها که از طریق یک ماتریس مقایسه زوجی تحت یک نسبت سازگاری قابل توجه به دست می‌آید، مزیت اصلی روش AHP است . ^{۴ ، ۴۳٫} چندین محقق قبلاً از رویکرد AHP برای تعیین پتانسیل آب‌های زیرزمینی در سراسر جهان استفاده کرده‌اند. ^{۳ ، ۴۴ ، ۴۵ ، ۴۶} و Das 2021). با توجه به نظر کارشناسان و وزن عوامل و حوزه‌ها، نتیجه آنها دقت پیش‌بینی خوبی را نشان می‌دهد که توسط AHP اندازه‌گیری شده است.

تحقیق حاضر، افت روزانه سطح آب‌های زیرزمینی و همچنین اثرات تغییرات اقلیمی بر منابع آب‌های زیرزمینی را نشان می‌دهد. گسترش سریع صنعتی شدن و رشد جمعیت باعث افزایش عرضه و تقاضا برای آب شیرین می‌شود. اوتی، که در منطقه نیلگیری ایالت تامیل نادو واقع شده است، به دلیل جغرافیای متمایز، الگوهای کاربری زمین و آب و هوای خاص خود، با نگرانی‌های زیادی در مورد پتانسیل آب‌های زیرزمینی مواجه است. تغذیه طبیعی کم آب‌های زیرزمینی نتیجه شیب‌های تند زمین‌های تپه‌ای و پوشش خاک پراکنده است که مانع نفوذ آب باران می‌شود. جنگل‌زدایی، توسعه کنترل نشده و شهرنشینی سریع، سیستم‌های زهکشی طبیعی را مختل کرده و توانایی زمین را برای نگهداری آب کاهش داده است. علاوه بر این، استخراج بیش از حد آب‌های زیرزمینی برای مصارف مسکونی، کشاورزی و گردشگری باعث افت سطح آب‌های زیرزمینی برخی از مناطق شده است. مدیریت پایدار منابع آب یک مسئله حیاتی برای این منطقه است زیرا تغییرات فصلی در میزان بارندگی، به ویژه در ماه‌های موسمی، می‌تواند منجر به تامین نامنظم آب‌های زیرزمینی شود.

در مناطق مختلف ناحیه نیلگریس، تغییرات بلندمدت سطح آب از GL تا ۱۴.۰ متر متغیر است. طبق تحلیل (ماموریت ملی آب و بروشور آب‌های زیرزمینی ناحیه نیلگریس)، سطح آب در مناطق مرکزی، غربی و شمالی ناحیه نیلگریس کاهش یافته است. نوسان سالانه منجر به این نتیجه می‌شود که سطح آب‌های زیرزمینی سفره آب زیرزمینی تحت تأثیر عدم بارندگی قرار دارد. طبق مطالعه نوسانات فصلی، سطح آب در نتیجه شکست باران‌های موسمی و نیاز به توسعه آب‌های زیرزمینی برای اهداف مختلف بخش‌ها کاهش یافته است.

تعیین مناطق GWPZ با استفاده از RS و GIS رویکردی کارآمد برای ارزیابی، بهره‌برداری و مدیریت این منبع ارزشمند برای تضمین توسعه پایدار در منطقه است. برای دستیابی به این هدف، درک انواع مختلف سنگ، واحدهای هیدروژئومورفیک، ساختارهای زمین‌شناسی و ویژگی‌های آنها و چگونگی تکامل خواص هیدرولوژیکی در محیط‌های مختلف ژئومورفولوژیکی بسیار مهم است. این دانش برای به‌کارگیری یک روش یکپارچه مبتنی بر RS و GIS برای ارزیابی شرایط ژئوهیدرولوژیکی و شناسایی GWP در نیلگری، تامیل نادو (TN)، هند ضروری است. استفاده از روش Weightage Index Overlay برای ترکیب داده‌های RS با GIS، تحقیقات پیشرفته‌ای را، به‌ویژه در زمینه‌های ارزیابی، نظارت و مدیریت منابع GW، ایجاد کرده است.

تپه نیلگیری جزو کوچکترین مناطق در تنسی است. از دیدگاه ریشه‌شناسی، اصطلاح «نیلگیری» به کوه‌های آبی اشاره دارد. نیلگیری‌ها که با کرالا و کارناتاکا هم‌مرز هستند، در منطقه شمال غربی تنسی واقع شده‌اند. این منطقه از غرب با منطقه مالابار کرالا، از شمال با کارناتاکا و از شرق و جنوب با کویمباتور هم‌مرز است. این منطقه عرض‌های جغرافیایی ۱۱ درجه و ۱۱ درجه و ۵۵ ثانیه شمالی و طول‌های جغرافیایی ۷۶ درجه و ۱۳ ثانیه و ۷۷ درجه و ۰۲ ثانیه شرقی را پوشش می‌دهد. مساحت این منطقه در مجموع ۲۷۱۹ کیلومتر مربع است (شکل  ۱ ). در میان مناطق تنسی، منطقه نیلگیری از نظر جمعیت در رتبه ۲۷ قرار دارد. فلات نیلگیری و سرزمین جنوب شرقی وایاناد دو بخش طبیعی متمایز این منطقه بودند. تپه‌ها ویژگی غالب فلات هستند و تنها تعداد محدودی دره دارند. علاوه بر این، این فلات به ۴ بخش دیگر نیز طبقه‌بندی می‌شود: پرانگناد (خاور دور)، مرکوناد (شمال غربی)، توداناد (شمال) و کونداهناد (جنوب شرقی). منطقه این شهرستان در ارتفاع پایین‌تری نسبت به فلات واقع شده و با جنگل‌های گسترده و مواج، شالیزارها و بیشه‌های بامبوی متعدد، به‌ویژه در بخش گودالور، مشخص می‌شود.

با توجه به وقوع نامنظم پدیده GW، استفاده از GIS به همراه AHP برای شناسایی سریع عوامل مؤثر بر GW و همچنین تعیین مناطق بالقوه برای شناسایی بهترین مکان‌های گمانه برای عملی‌ترین GWP، هم اقتصادی و هم حیاتی است. نقشه‌های پایه، نقشه‌های کانتور، نقشه‌های زهکشی و نقشه‌های شیب با استفاده از نقشه‌های توپوگرافی سازمان نقشه‌برداری هند (SOI) (58 A/15 و ۵۸ A/11، مقیاس ۱:۵۰,۰۰۰) تهیه شدند. با استفاده از ابزار تحلیل زمین‌آماری ArcGIS، لایه‌های موضوعی، شامل خطواره‌ها، واحدهای ژئومورفیک و همچنین LULC، با استفاده از تصاویر ماهواره‌ای RS LISS-III هند در مقیاس ۱:۵۰۰۰۰ (با کدگذاری جغرافیایی، با سیستم تصویر UTM، کروی و همچنین پایگاه داده WGS 84، منطقه ۴۵ شمالی) ترسیم شدند. نقشه زمین‌شناسی با کمک نقشه منابع منطقه‌ای TN به همراه نقشه چهارضلعی ۷۳ M (GSI 1985) تهیه شد. داده‌های LUP و NBSS (برنامه‌ریزی کاربری اراضی و دفتر ملی بررسی خاک ۱۹۹۲) برای تهیه نقشه بافت خاک به کار گرفته شد. با استفاده از ابزارهای تحلیل مکانی در ArcGIS 10.8، مناطق آبخیز گرم (GWPZs) با روی هم قرار دادن تمام نقشه‌های موضوعی با استفاده از تحلیل همپوشانی وزنی (WAO) شناسایی می‌شوند. در طول این فرآیند، هر پارامتر از نقشه‌های موضوعی رتبه‌بندی شد و همچنین وزن‌ها بر اساس MIF (فاکتور تأثیرگذار چندگانه) تأثیر هر ویژگی بر محیط هیدروژئولوژیکی منطقه مورد مطالعه ^{۳۳ ، ۴۷} تعیین شدند . WAO 10 عامل مؤثر برای وقوع GW به همراه توزیع آن با استفاده از روش AHP مبتنی بر GIS. با استفاده از تکنیک WIO، مقادیر وزنی هر لایه موضوعی برای ساخت نقشه مدل‌سازی GW اضافه شد. هفت گمانه تولیدی برای اعتبارسنجی به پلتفرم ArcGIS اضافه شد. در زیر تصویر واضحی از فرآیندهای کلی مورد استفاده در این کار آمده است. روش‌های یک نمودار جریان در شکل  ۲ نشان داده شده است.

تهیه نقشه موضوعی

سنگ شناسی و پتانسیل آب های زیرزمینی

پایگاه‌های داده GIS به صورت جداگانه برای پارامترهای طبیعی مختلف، از جمله سنگ‌شناسی، LD، DD، GM، خاک، شیب و همچنین LULC، پس از ایجاد پایگاه داده GIS در GWP ایجاد شدند. این پایگاه‌های داده عموماً درجات مختلفی از GWP را در مناطق کوهستانی تعیین می‌کنند.

بارندگی

مونسون جنوب غربی و همچنین شمال شرقی، دو فصل بارندگی شدید هستند که منطقه نیلجیریس تجربه می‌کند. تالوک‌های گودالور، پاندالور و کوندا در طول مونسون جنوب غربی، بارندگی شدید دریافت می‌کنند، در حالی که مونسون شمال شرقی، تالوک اودهاگاماندالام، کونور و کوتاگیری را تحت تأثیر قرار می‌دهد. میانگین بارندگی سالانه منطقه بین ۱۵۰۰ تا ۳۰۰۰ میلی‌متر متغیر است. همانطور که در نقشه شکل  ۳a نشان داده شده است، مناطق شمال شرقی، جنوبی و همچنین شرقی بارندگی کمتری دریافت می‌کنند، در حالی که بالاترین بارندگی شدید در مناطق جنوبی به همراه برخی از مناطق غرب رخ می‌دهد.

زمین‌شناسی

از نظر سنگ‌شناسی، کوه‌های نیلگیری عمدتاً توسط شارنوکیت‌ها و گنیس بیوتیت هورنبلند تشکیل شده‌اند، همانطور که در شکل  ۳b نشان داده شده است . شارنوکیت‌ها طیف وسیعی از درجات هوازدگی را تجربه کرده‌اند. شارنوکیت‌ها GL منطقه نمونه‌برداری را به عنوان هوازدگی متوسط، نسبتاً زیاد و همچنین شدید طبقه‌بندی کرده‌اند. این مناطق که توسط ۳ نوع شارنوکیت محافظت می‌شوند، با استفاده از تکنیک ArcGIS Screen Digitalization دیجیتالی شده و همچنین یک نقشه زمین‌شناسی ایجاد شده است.

در ناحیه نیلگیری، گروه سنگ‌های چارنوکیت به نمایش گذاشته شده‌اند که «شامل انکلاوهایی از مجموعه شیست ساتیامانگالام است. این مجموعه در منطقه جنوبی استان واقع شده است که به آن «توده نیلگیری» می‌گویند. گروه باوانی (مجموعه گنیس شبه‌جزیره‌ای) مجموعه‌ای از گنیس بیوتیت هورنبلند شکافت‌پذیر است که در منطقه شمالی این ناحیه واقع شده است. کوارتز سریسیت/میکا شیست، اولترامافیک‌ها، در امتداد کوارتزیت مگنتیت نواری، مجموعه شیست ساتیامانگالام را تشکیل می‌دهند. توده نیلگیری در چندین مکان توسط یک لاتریت آلومینیمی پوشانده شده است که نشان دهنده هوازدگی عمیق منطقه‌ای است (GSI، ۲۰۰۰). بیشتر مناطق سنگ‌های این ناحیه به شدت هوازده شده‌اند و ضخامت خاک تا ۴۰ متر تخمین زده می‌شود و سنگ‌های رسوبی از ویژگی‌های بارز این منطقه هستند. شیب کم مشاهده شده در اوتاکاموند، حفظ «جنوب غربی» مانند باتلاق‌ها و همچنین باتلاق‌ها (GSI، ۲۰۰۰). از نظر زمین‌شناسی، بخش عمده‌ای از منطقه مورد مطالعه از رسوبات گسترده مواد هوازده به همراه سنگ‌های شکسته تشکیل شده است. این سازند‌ها باعث ایجاد یک واحد آبخوان قابل توجه شده‌اند که در نتیجه هوازدگی در امتداد فرآیندهای شکستگی، یک GWPZ ایجاد کرده است.

ژئومورفولوژی

طبق گفته‌ی Swain (2015)، ژئومورفولوژی مطالعه‌ی ساختارهای زمین است و به نشان دادن فرآیندهای ارثی مربوط به مناطق بالقوه‌ی آب‌های زیرزمینی و ویژگی‌های ساختاری کمک می‌کند. شناسایی و طبقه‌بندی اشکال و ویژگی‌های ساختاری متنوع، حرکت آب، انجماد و ذوب، همگی بخشی از نقشه‌برداری ژئومورفولوژیکی هستند ^۴۸ .

علاوه بر این، داده‌های IRS P6 LISS-III که برای نقشه‌برداری از خطواره‌ها استفاده شده بود، تحت روش‌های مختلف پردازش تصویر، از جمله کامپوزیت‌های رنگی کاذب، کامپوزیت‌های رنگی و کشش کنتراست مؤلفه کلیدی تصویر، قرار گرفتند. پایگاه داده GIS بر اساس نقشه GM شکل  ۳c بود و انواع ویژگی‌های ژئومورفیک به صورت برداری به عنوان کلاس‌های چندضلعی جداگانه تفسیر شدند. در منطقه مورد مطالعه، ویژگی‌های ژئومورفیکی که به این روش تفسیر شدند شامل تپه‌های برهنه‌سازی شده، دشت گون، منطقه کوهپایه‌ای، تپه‌های ساختاری و پر شدن دره هستند. برهنه‌سازی مناطق تپه‌ای در حضور خاک اسکلتی قرمز تا قرمز غبارآلود مشهود است که به دنبال آن لاتریت‌های عظیم قرار دارند. علاوه بر این، مناطق تپه‌ای توسط شیارها، آبراه‌ها و فرآیندهای فرسایش جدا شده‌اند. ارتفاعات لاتریتی که عمدتاً از لاتوسول قهوه‌ای با گره‌های آهن (پوسته سخت متلاشی شده) تشکیل شده و توسط یک کفه سخت جانبی پوشانده شده است. دشت چنار عمدتاً از مواد هوازده و تحکیم نیافته‌ای تشکیل شده است که با آبرفت یا شن ضخیمی بزرگتر از دشت چنار کم‌عمق پوشیده شده‌اند، که در صورت اشباع شدن، مخزن آبخوان را تشکیل می‌دهند. پر شدن دره، منطقه‌ای تجمعی از مواد کوه‌رفتی است که از ارتفاعات مجاور، خاک‌های نازک لومی تا رسی با یک لایه خاک ملایم تا ضخیم، سرچشمه می‌گیرند. خاک عمدتاً ماهیت هیدرومورفیک دارد و تخلخل و همچنین نفوذپذیری بسیار بالایی دارد، اگرچه اغلب، وجود رس آن را غیرقابل نفوذ می‌کند.

دشت‌های کویمباتور (جنوب شرقی)، دشت‌های باوانی (شمال شرقی)، دره مویار (شمال) و همچنین فلات گودالور (شمال غربی)، تپه‌های نیلگیری را احاطه کرده‌اند که از دشت‌های مجاور تا ارتفاع ۱۳۷۰ متر از سطح دریا بالا می‌آیند. تپه‌های اوتی، تپه‌های کودایبتا، تپه‌های باوانی بتا، تپه‌های دوابتا، به همراه تپه‌های دودابتا، شناخته‌شده‌ترین تپه‌ها هستند. بلندترین نقطه در تنسی دودابتا است (GSI، ۲۰۰۰). مویار رودخانه‌ای معروف در این منطقه است و در امتداد مرز شمالی این منطقه به سمت شرق جریان دارد. زهکشی در مناطقی که دارای تنداب‌های معروف، آبشارها و در امتداد آبشارها هستند، دندریتی تا شعاعی است.

خطواره و تراکم خطواره

خطواره‌ها، نقص‌های دایره‌ای شکل، شامل ترک‌ها، درزه‌ها و سایر نقص‌ها هستند که می‌توانند مستقیماً از تصاویر ماهواره‌ای مشاهده شوند. خطواره‌های منطقه مورد تحقیق با تفسیر بصری تصاویر ماهواره‌ای جمع‌آوری و نقشه‌برداری می‌شوند. این کار بر اساس تُن، بافت، تُن خاک، چشم‌انداز و توپوگرافی، همراه با خطی بودن زهکشی، پیوندهای منحنی و همچنین اتصالات مستقیم‌الخط انجام می‌شود. ^{۴۹ ، ۵۰٫} خطواره‌ها نشان‌دهنده گسلش همراه با شکستگی در سنگ‌های بستر هستند که منجر به افزایش تخلخل ثانویه همراه با نفوذپذیری می‌شود. این عوامل از اهمیت هیدروژئولوژیکی قابل توجهی برخوردارند، زیرا می‌توان انتظار داشت که آنها باعث افزایش بازده چاه و همچنین فراهم کردن مسیرهایی برای حرکت GW ^۵۱ شوند. توزیع LD در این تحقیق، ویژگی‌های خطی تشکیل شده توسط فعالیت تکتونیکی را نشان می‌دهد که منعکس کننده ناپیوستگی‌های زیرسطحی ^۵۲ است . این خطواره‌ها به عنوان مجاری اصلی برای جریان GW در سازندهای نفوذناپذیر عمل می‌کنند. در زمین‌های سنگی، حرکت و تجمع GW تا حد زیادی به تخلخل ثانویه بستگی دارد.

«پایه» تکتونیکی خطواره‌های کنترل‌شده توسط شکستگی مشاهده‌شده در IRS-P6 LISS III Raw، همراه با داده‌های FCC، همراه با داده‌های FCC بسته‌بندی‌شده با DEM، نقشه‌برداری و همچنین آزمایش میدانی بر اساس خطی بودن تُن، بافت، توپوگرافی، زهکشی، پوشش گیاهی و در امتداد انحنا انجام شد. نمودار LD از این خطوط ۱۵ با قرار دادن یک نقشه شبکه‌ای با ۴۶۸۷ شبکه ۲۵۰ × ۲۵۰ متر ^مربع بر روی نقشه خطواره‌ها، اندازه‌گیری طول کل خطواره‌ها برای هر شبکه و همچنین ترسیم آنها در مراکز شبکه مربوطه، ایجاد شد. بر اساس مقادیر ترسیم‌شده، خطوط تراز چگالی خطی تشکیل شدند. واریانس چگالی از ۰ تا ۴۰۰ متر به ۴ کلاس گروه‌بندی شد: ۰ تا ۱۰۰ (کم)، ۱۰۰ تا ۲۰۰ (متوسط)، ۲۰۰ تا ۳۰۰ (زیاد) و > 300 (بسیار زیاد). نقشه‌های LD در شکل  ۳d نشان داده شده‌اند .

زهکشی و تراکم زهکشی

الگوی زهکشی نشان‌دهنده‌ی هر دو زیرسطحی در امتداد سازندهای سطحی است. DD (اندازه‌گیری شده بر حسب کیلومتر بر کیلومتر مربع ⁾ نشان‌دهنده‌ی فاصله‌ی کانال‌ها همراه با ماهیت مواد سطحی است ^۵۳٫ DD بالاتر با افزایش رواناب مطابقت دارد که به معنای نفوذ کمتر آب باران است. برعکس، مناطقی با DD پایین، احتمال بیشتری دارد که نرخ نفوذ بالاتری داشته باشند و آنها را به مناطق تغذیه‌ی بالقوه تبدیل کنند ^۵۴٫ تپه‌های نیلگیری بالایی بالاترین DD را در منطقه‌ی تحقیقاتی نشان می‌دهند، در حالی که قسمت پایینی منطقه‌ی مورد مطالعه با DD پایین‌تر مشخص می‌شود، همانطور که در نقشه‌ی شکل  ۳e نشان داده شده است .

خاک‌ها

تغذیه GW به طور قابل توجهی تحت تأثیر بافت خاک است که عامل مهمی در مقدار آبی است که به خاک نفوذ می‌کند. سرعت نفوذ به طور قابل توجهی تحت تأثیر بافت خاک و همچنین ویژگی‌های هیدرولیکی مربوطه آن قرار دارد. انواع اصلی خاک در منطقه نیلگیری عبارتند از ALFI SOLS، ENTI SOLS، خاک تپه‌ای و INCEPTISOLS. ALFI SOLS و ENTI SOLS اکثر منطقه را پوشش می‌دهند. خاک تپه‌ای و همچنین INCEPTISOLS در تکه‌های کوچکی وجود دارند. شکل  ۳f نقشه خاک منطقه نیلگیریس را با نام مکان‌های محلی نشان می‌دهد.

شیب

شناسایی GWPZ در هر منطقه‌ای به طور قابل توجهی تحت تأثیر شیب قرار دارد. با توجه به رواناب سریعی که در طول RF رخ می‌دهد، شیب‌های تندتر منجر به کاهش میزان تغذیه می‌شوند، زیرا به سطح زمان کافی برای نفوذ و همچنین تغذیه منطقه اشباع داده نمی‌شود ^{۳۳ ، ۵۵ ، ۵۶ ، ۵۷٫} شیب‌های منطقه مورد مطالعه با افزایش مقیاس صفحات توپوگرافی از ۱:۵۰۰۰۰ به ۱:۱۲۵۰۰ به ۴ دسته تقسیم شدند، مانند شیب بسیار تند (> 30 درجه)، شیب تند (۳۰-۲۰ درجه)، شیب متوسط ​​(۲۰-۱۰ درجه)، کم عمق (۱۰-۵ درجه)، همراه با شیب‌های غلتان (< 5 درجه). نقشه شیب‌های غلتان (< 5 درجه) که در شکل  ۳g نشان داده شده است ، با افزایش مقیاس صفحات توپوگرافی از ۱:۵۰۰۰۰ به ۱:۱۲۵۰۰ تهیه شد. فواصل بین دو خط تراز ۲۰ متری در فواصل زمانی اندازه‌گیری شد تا این ۴ کلاس شیب از صفحه بالایی با مقیاس ۱:۱۲۵۰۰ تهیه شود. لایه برداری GIS به طور مشابه برای نمایش این ۴ کلاس چندضلعی شیب‌ها تولید شد.

کاربری/پوشش زمین

داده‌های خام و همچنین داده‌های پردازش‌شده دیجیتالی IRS P6 LISS-III، همراه با ویژگی‌های LULC منطقه مورد مطالعه، برای تعیین LULC تفسیر می‌شوند. با استفاده از ArcGIS، ویژگی‌های زیر تفسیر شدند: زمین‌های زراعی، زمین‌های جنگلی، علفزارها، سکونتگاه‌ها، پهنه‌های آبی، و همچنین مناطق بایر و سطح صخره‌ها. یک نقشه LULC ایجاد شد که تمام طبقات نشان داده شده در شکل  ۳h را نشان می‌دهد .

تعیین محدوده پتانسیل آب‌های زیرزمینی

در این تحقیق، از تکنیک‌های RS و GIS برای تولید GWPZها با ادغام نقشه‌های موضوعی متنوع، مانند DD، شیب، GL، GM، LULC، LD و خاک استفاده شد. روش WIO اعمال می‌شود که در آن نقشه‌ها بر اساس یک ترکیب وزنی تجزیه و تحلیل می‌شوند و به لایه‌های موضوعی مربوطه بر اساس تأثیرشان وزنی اختصاص داده می‌شود. نقشه پتانسیل آب‌های زیرزمینی حاصل (GWPM) (شکل  ۴ ) نشان می‌دهد که بهترین GWPZها در خاکریزهای دره متمرکز شده‌اند، جایی که تقاطع خطواره‌ها به همراه LD متوسط ​​تا بالا برجسته هستند. در زمین‌های سنگی سخت منطقه جنوبی، خطواره‌ها به عنوان مجاری مستقیم برای حرکت GW عمل می‌کنند و منجر به سطح آب کم‌عمق در چاه‌های نزدیک این ویژگی‌ها می‌شوند. با این حال، در منطقه مرتفع لاتریتی در شمال، که خطواره‌ها پراکنده هستند، GWP بسیار پایین است و این منطقه را برای هدف‌گیری GW نامناسب می‌کند (جدول ۱) .

فرآیند تحلیل سلسله مراتبی

سلسله مراتب تحلیلی، فرآیندهای تصمیم‌گیری سازمان‌یافته‌ای هستند که از تخصص متخصصان برای تعیین رتبه‌بندی‌ها و وزن‌ها با ساخت یک ماتریس مقایسه زوجی مقادیر ویژه استفاده می‌کنند. این رویکرد برای تصمیم‌گیری در مسائلی با پارامترهای متعدد مؤثر بر نتیجه، مناسب‌ترین است. این روش مستلزم ساخت یک ماتریس زوجی است که در آن ارتباط نسبی هر پارامتر هنگام تعیین وزن هر پارامتر در نظر گرفته شده است ^۵۸٫ مزیت اصلی این روش، توانایی آن در کاهش ناسازگاری‌ها و تخمین بردار اولویت از طریق مقایسه زوجی و تجزیه ^۴۴ است . نیاز اصلی روش AHP، یک ماتریس مقایسه زوجی، به صورت معادله ( ۱ ) ایجاد شد. هشت پارامتر (بارندگی، زمین‌شناسی، ژئومورفولوژی، شیب، تراکم خطواره‌ها، تراکم زهکشی، LU/LC و گروه خاک) هنگام برنامه‌ریزی یک شهر برای پهنه‌بندی پتانسیل آب‌های زیرزمینی در نظر گرفته می‌شوند. به هر یک از این لایه‌های موضوعی بر اساس تحلیل AHP با استفاده از تکنیک ریاضی Satty پس از مقایسه زوجی، وزنی داده شد. رتبه‌های موضوعی.

از دانش تخصصی برای اختصاص لایه‌ها بر اساس مقیاس Satty (جدول ۲ ) و با در نظر گرفتن تأثیر لایه بر وقوع آب‌های زیرزمینی استفاده شد. با استفاده از تکنیک AHP، تمام عناصر لایه موضوعی به طور همزمان بر اساس تأثیرشان بر وقوع آب‌های زیرزمینی رتبه‌بندی شدند. به زیرویژگی‌ها وزن‌های نرمال شده داده شد و وزن‌های نهایی برای ویژگی‌ها در هر لایه موضوعی با ضرب وزن‌های واقعی تعیین شده برای لایه‌های موضوعی در وزن ویژگی نرمال شده مربوطه محاسبه شد. اگر نسبت سازگاری کمتر از ۰٫۱ بود، ماتریس حاصل از نظر سازگاری آزمایش شد و سپس وزن‌های معیار حاصل برای تجزیه و تحلیل به کار گرفته شدند. این رویکرد طیف وسیعی از گزینه‌ها را در اختیار تصمیم‌گیرنده قرار می‌دهد. با نگاه به نسبت سازگاری، این روش همچنین امکان بررسی ذهنی بودن وزن‌های تعیین شده را فراهم می‌کند ^۵۹٫ اگر معیار راضی کننده نباشد، ماتریس را می‌توان با استفاده از چندین گزینه ^۶۰ بازسازی کرد .

AHP رایج‌ترین روش مبتنی بر GIS است که در شناسایی GWPZ مورد استفاده قرار می‌گیرد. روش AHP برای ساخت PCM به کار گرفته شد. این فرآیند شامل مقایسه دو به دو معیارها بود که منجر به ارزیابی‌هایی شد که در یک ماتریس مقایسه با توصیه‌های ^۶۱ ثبت شدند . اهمیت هر معیار در مقایسه با معیارهای مشابه آن در مقیاس ۱ تا ۹ ارزیابی شد (به جدول ۳ مراجعه کنید ). در نتیجه، رویه‌های بعدی برای تعیین وزن نهایی تمام لایه‌های موضوعی ^۶۲ اجرا شدند .

ابتدا، با استفاده از معادله  ۱ ، مقادیر موجود در تمام ستون‌های PCM جمع می‌شوند:

در ماتریس دو به دو، Lj نشان دهنده مجموع مقادیر در هر ستون است، در حالی که Cij نشان دهنده عددی است که به هر عامل در سطر i ^ام و ستون j ^ام اختصاص داده شده است .

دوم، از معادله  ۲ برای ایجاد یک ماتریس زوجی نرمال شده با تقسیم هر عنصر در ماتریس بر مجموع ستون‌های آن استفاده کنید:

در ماتریس زوجی نرمال شده، Xij نشان دهنده مقدار موجود در سطر i ام و ستون j ام است.

در نهایت، برای تولید وزن‌های استاندارد، از معادله  ۳ برای تقسیم مجموع سطر نرمال‌شده ماتریس بر تعداد عوامل به کار رفته (۸ در تحقیق فعلی) استفاده کنید:

در اینجا Wi نشان دهنده وزن استاندارد و N نشان دهنده تعداد عامل‌ها است.

نسبت سازگاری (CR) برای یافتن اختلافات و همچنین تعیین بهترین وزن‌ها پس از اتمام PCM محاسبه می‌شود، وزن اجزای آن تعیین می‌شود. تنها زمانی که نسبت سازگاری ۰٫۱ یا کمتر بود، تحلیل AHP ادامه می‌یافت. با این حال، اگر نسبت سازگاری بیشتر از ۰٫۱ باشد، ناسازگاری در فرآیند بررسی می‌تواند منجر به نتایج نادرست شود. برای ارزیابی قابلیت اطمینان وزن‌های نسبی، با مقایسه CI و RI، یک CR برای ماتریس محاسبه شد. از معادله  ۴ برای محاسبه شاخص سازگاری (CI) استفاده شد. شاخص تصادفی (RI) این تحقیق ۱٫۴۱ است، همانطور که در جدول ۳ گزارش ^شده است .

اینجا،

λ نشان دهنده بردار سازگاری است.

n نشان دهنده «تعداد عوامل مورد استفاده» است.

نسبت سازگاری با استفاده از معادله  ۵ محاسبه شد.

در اینجا: CI و CR به ترتیب مخفف شاخص سازگاری و نسبت سازگاری هستند.

شناسایی مناطق دارای پتانسیل آب زیرزمینی

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. ابزار «تحلیل همپوشانی وزنی» برای محاسبه مقادیر GWPI بر اساس معادله نشان داده شده در معادله  ۶ استفاده شد :

کجا،

n: کل طبقات لایه‌های موضوعی.

Xi: رتبه مرتبط با کلاس‌های لایه موضوعی i ^ام .

m: تعداد کل لایه‌های موضوعی استفاده شده.

Wj: وزن نرمال‌شده‌ی لایه موضوعی j ^ام .

^{۶۴ ، ۶۵} از مقادیر GWPI برای طبقه‌بندی مناطق به ۵ دسته استفاده کردند: GWP بسیار بالا، بالا، متوسط، کم و بسیار کم.

نتیجه فرآیند تحلیل سلسله مراتبی

در این کار از رویکرد AHP برای تعیین وزن نسبی ده (۱۰) پارامتر مؤثر بر شرایط آب زیرزمینی استفاده شد. یک بررسی تجربی و ادبیاتی برای رتبه‌بندی ماتریس تصمیم‌گیری زوجی ^{۶۶ ، ۶۷} انجام شد . PCM مقایسه زوجی همه عوامل کنترل‌کننده GW در جدول ۴ نشان داده شده است . وزن نرمال‌شده نتیجه AHP عوامل نشان می‌دهد که RF مهم‌ترین عامل (۰٫۳۰۴) است، و GL و GM نیز به ترتیب ۰٫۲۲۲ و ۰٫۱۷۷ سهم دارند (به جدول ۵ مراجعه کنید ). در مقابل، نوع خاک و DD کمترین وزن‌ها را به خود اختصاص داده‌اند. وزن‌های شیب، DD، گروه خاک (SG) و LULC به ترتیب ۰٫۰۹۰، ۰٫۰۷۷، ۰٫۰۳۷ و ۰٫۰۳۷ هستند. سازگاری مدل ارزیابی شد و CI برابر با ۰٫۰۹، λmax برابر با ۹٫۳۴ و CR برابر با ۰٫۰۱ به دست آمد. سطح معقولی از سازگاری با مقدار CR کمتر از ۰٫۱ ^۶۱ نشان داده می‌شود .

پهنه پتانسیل آب زیرزمینی منطقه مورد مطالعه

یافتن مناطقی با پتانسیل بالای GWP به مدیریت پایدار منابع آب کمک می‌کند و تضمین می‌کند که برداشت‌ها با داده‌های دقیق پشتیبانی می‌شوند و از استخراج بیش از حد و همچنین آسیب به منابع GW جلوگیری می‌شود. با ترکیب مقادیر وزنی چندین لایه موضوعی، مانند شیب، DD، RF، LD، سنگ‌شناسی، LULC و GM، همراه با نوع خاک، GWPM با استفاده از WAO ایجاد شد. برای شناسایی GWPZ، مناطق با وزن بالا با استفاده از روش “شرح داده شده توسط ^۶۸ انتخاب شدند . با استفاده از رویکرد طبقه‌بندی Jenk (شکست طبیعی)” ^۶۹ ، GWPM سپس بر اساس پتانسیل GW به ۵ کلاس تقسیم شد که از خیلی کم تا خیلی زیاد متغیر بود (شکل  ۴ را ببینید ). این کلاس‌ها شامل ۱۰٫۲۲٪ (بسیار زیاد)، ۳۱٫۵۱٪ (زیاد)، ۲۱٫۱۱٪ (متوسط)، ۲۵٫۵۳٪ (کم) و ۱۱٫۶۲٪ (بسیار کم) از کل مساحت هستند (به جدول ۶ و شکل  ۴ مراجعه کنید ).

نتایج مدل GWPZ نشان می‌دهد که چگونه سنگ‌شناسی، RF و LD تأثیر عمده‌ای بر وقوع GW دارند. طبق گفته حسین و همکاران (۲۰۱۶)، به GL به دلیل تأثیر قابل توجه آن بر ذخیره GW و همچنین انتقال آن، وزن بیشتری نسبت به سایر جنبه‌ها داده شد. طبق GWPM، مناطق جنوبی، جنوب مرکزی، جنوب غربی، مرکزی و مناطق کوچکی از منطقه شمال غربی منطقه تحقیقاتی همگی دارای GWP بالا تا بسیار بالا هستند. RF بالاتر، شیب‌های ملایم و LD بالا، همراه با واحدهای سنگ‌شناسی، شامل گنیس بیوتیت-هورنبلند، گنیس، بازالت، بیوتیت و شیست‌هایی که نفوذ GW را افزایش می‌دهند، از جمله ویژگی‌هایی هستند که به عنوان تعریف کننده GW فراوان این مناطق شناخته می‌شوند. ^در نتیجه، این عناصر با هم کار می‌کنند تا شرایط مساعدی را برای در دسترس بودن GW در این بخش از منطقه تحقیقاتی ایجاد کنند.

از سوی دیگر، سنگ‌شناسی‌های یافت‌شده در مناطق شرقی، جنوبی، جنوب مرکزی و همچنین شمال غربی منطقه مورد مطالعه شامل گنیس اپیدوت-هورنبلند، گنیس گارنت-سیلیمانیت، رگه کوارتز، سینیت/نفلین سینیت، سینیت کوراندوم، دامنه‌های شیب‌دار، LD پایین‌تر، RF پایین و پشته‌های مرتفع هستند. این سنگ‌شناسی‌ها تأثیر کمی بر دسترسی به GW ^{۷۱ ، ۷۲ ، ۷۳} دارند . تقریباً ۴۱٫۷۳٪ از کل زمین شامل GWPZ بسیار بالا تا بالا است، در حالی که ۵۸٫۲۶٪ شامل مناطق با پتانسیل متوسط ​​و بسیار کم تا کم است. بنابراین، واضح است که GPWZهای پایین‌تر در منطقه مورد مطالعه رایج‌تر هستند. مناطقی با GWP بالا می‌توانند برای توسعه تأمین آب در اولویت قرار گیرند و دسترسی به آب تمیز را در مناطقی که منابع SW ممکن است کمیاب باشند، تضمین کنند.

این تحقیق اگرچه از یک تحلیل علمی روشمند از بسیاری از عناصر محیطی استفاده می‌کند، اما دارای محدودیت‌های متعددی است که باید به آنها توجه داشت. AHP یک رویکرد اکتشافی است، به این معنی که از نظر متخصصان برای ارزیابی معیارها استفاده می‌شود. این یکی از معایب اصلی آن است. اگرچه دقت این تحقیق خوب است، اما مرتب‌سازی مجدد رتبه‌ها با استفاده از همان روش ممکن است منجر به نقشه دقیق‌تری شود. علاوه بر این، نقشه‌های عمومی از مراجع مختلف بخش بزرگی از داده‌های کیفی مورد استفاده در این تحقیق را تشکیل می‌دهند. با این حال، این نقشه‌ها اغلب بسیار کلی هستند که می‌تواند منجر به تفاوت‌های قابل توجه در عوامل در سطح محلی شود. به همین دلیل، هنگامی که در مکان‌های بسیار محلی اعمال می‌شود، GWPM تولید شده نمی‌تواند دقیق باشد.

اعتبارسنجی مناطق پتانسیل آب‌های زیرزمینی

اعتبارسنجی مهم‌ترین روش برای تأیید قابلیت اطمینان و دقت داده‌های مورد استفاده در این مدل‌ها است. تکنیک‌های رایج مورد استفاده برای ارزیابی عملکرد مدل در مکان‌های موجودی مانند چاه‌ها، مخازن و چشمه‌ها با استفاده از Google Earth Pro و یک نقشه اعتبارسنجی GIS است. داده‌های ۳۷ چاه موجود برای ایجاد و بررسی متقابل GWPM در این تحقیق استفاده شد. نتایج اعتبارسنجی جعبه A دارای پتانسیل متوسط، جعبه B دارای پتانسیل کم تا بسیار کم و جعبه C دارای پتانسیل خوب تا بسیار خوب است، همانطور که در شکل  ۵ نشان داده شده است . برای اعتبارسنجی نقشه‌برداری GWPZ، مدل باید اعتبارسنجی می‌شد ^{۷۴. برای اعتبارسنجی آماری مدل‌هایی با مقادیر پیش‌بینی قوی، منحنی ROC به طور گسترده در تحقیق ۷۵} استفاده شد . ظرفیت تشخیصی مدل برای تمایز بین مناطق پتانسیل آب‌های زیرزمینی توسط منحنی ROC (مشخصه عملیاتی گیرنده) که برای نقشه پهنه‌بندی پتانسیل آب‌های زیرزمینی (GWPZ) نمایش داده شده است، نشان داده شده است. خط سیاه خط‌چین نشان می‌دهد که یک مدل حدس تصادفی چقدر خوب عمل می‌کند، در حالی که خط قرمز نرخ مثبت واقعی (حساسیت) را در مقابل نرخ مثبت کاذب (۱-ویژگی) نشان می‌دهد. رابطه بین ارزیابی پیش‌بینی و AUC را می‌توان به صورت ضعیف (۰٫۵-۰٫۶)، متوسط ​​(۰٫۶-۰٫۷)، خوب (۰٫۷-۰٫۸)، بسیار خوب (۰٫۸-۰٫۹) و عالی (۰٫۹-۱) خلاصه کرد. مقدار مساحت زیر منحنی (AUC) برابر با ۰٫۷۰۳ نشان می‌دهد که این مدل توانایی تمایز قابل قبولی دارد، با احتمال ۷۰٫۳٪ برای تشخیص صحیح یک مثبت واقعی انتخاب شده به صورت تصادفی از یک مثبت کاذب که در شکل  ۶ نشان داده شده است . این اعتبارسنجی، قابلیت اطمینان مدل GIS مبتنی بر AHP مورد استفاده برای تعیین مناطق بالقوه آب‌های زیرزمینی را تأیید می‌کند و از کاربرد آن در مطالعات هیدروژئولوژیکی در مقیاس منطقه‌ای پشتیبانی می‌کند.

تعیین مناطق حفاظت‌شده آب‌های زیرزمینی (GWPZ) در منطقه نیلگیری، تنسی، هند، با استفاده از تکنیک‌های RS و GIS، تصمیم‌گیری سریع برای مدیریت پایدار منابع آب را تسهیل می‌کند. نقشه‌های موضوعی مختلفی، از جمله GL، GM، خطواره‌ها، شیب و خاک، با استفاده از نقشه‌های زمین‌شناسی، داده‌های RS، نقشه‌های توپوگرافی و منابع متعارف در نرم‌افزار ArcGIS برای ارزیابی در دسترس بودن GW در نیلگیری تهیه شدند. به هر لایه موضوعی وزن مناسبی اختصاص داده شد و همچنین در محیط GIS ادغام شد تا نقشه GWPZ برای منطقه مورد مطالعه ایجاد شود. این تحقیق تأثیر عوامل مختلفی را بر وقوع و حرکت GW، از جمله RF، GL، GM، سطح شیب (SL)، LD، DD، LULC و همچنین SG، با وزن‌های به ترتیب ۰٫۳۰۴، ۰٫۲۲۲، ۰٫۱۷۷، ۰٫۰۹۰، ۰٫۰۶۱، ۰٫۰۷۷، ۰٫۰۳۳ و ۰٫۰۳۷، ادغام کرد. این پارامترها با استفاده از WAO در محیط ArcGIS ترکیب شده‌اند تا GWPZها را برای منطقه مورد مطالعه تولید کنند. بر اساس نقشه GWPZ، منطقه مورد مطالعه به ۵ منطقه با پتانسیل بسیار خوب (۱۰٪)، خوب (۳۲٪)، متوسط ​​(۲۱٪)، کم (۲۶٪) و بسیار کم (۱۱٪) طبقه‌بندی شده است. تجزیه و تحلیل کلی نشان می‌دهد مناطقی که خطواره‌ها از خطوط زهکشی پیروی می‌کنند و با هم تلاقی می‌کنند، به ویژه در دره‌ها و خاکریزها، مکان‌های اصلی برای اکتشاف GW هستند. خطواره‌ها نقش کلیدی در افزایش GWP در مناطق سنگی سخت دارند، به طوری که سطح آب در چاه‌های نزدیک به این ویژگی‌ها در طول فصل باران‌های موسمی به طور قابل توجهی افزایش می‌یابد. واحدهای ژئومورفولوژیکی مانند خاکریز دره و دشت‌های هموار نیز مناطق امیدوارکننده‌ای برای اکتشاف و توسعه GW هستند. طبق نتایج اعتبارسنجی، AUC 0.703 در منحنی ROC اعتبارسنجی نشان دهنده عملکرد قوی مدل است و دقت خوب پیش‌بینی منطقه پتانسیل آب زیرزمینی نشان می‌دهد که مدل توانایی تمایز قابل قبولی دارد و ۷۰٫۳٪ احتمال دارد یک مثبت واقعی انتخاب شده به صورت تصادفی را از یک مثبت کاذب به درستی تشخیص دهد. این اعتبارسنجی، قابلیت اطمینان مدل GIS مبتنی بر AHP مورد استفاده برای تعیین مناطق بالقوه آب‌های زیرزمینی را تأیید می‌کند و از کاربرد آن در مطالعات هیدروژئولوژیکی در مقیاس منطقه‌ای پشتیبانی می‌کند.

نتایج این تحقیق می‌تواند از مدیریت پایدار منابع پشتیبانی کند و امکان اکتشاف GW کارآمدتر و سریع‌تر را فراهم کند. این روش به طور گسترده در مناطق مشابه با زمین‌های سنگی سخت و آب و هوای قابل مقایسه برای شناسایی مکان‌های مناسب برای اکتشاف و توسعه GW اعمال می‌شود.