پيش‌بيني و ارزيابي خشكسالي آب زيرزميني مبتني بر داده‌هاي ماهواره GRACE ريزمقياس شده با استفاده از يادگيري ماشين

اصفهان : دانشگاه صنعتي اصفهان

عمران

كارشناسي ارشد

منابع آب زيرزميني از بزرگ‌ترين ذخاير آب شيرين در جهان هستند كه نقش مهمي در حفظ اكوسيستم‌ها و تضمين رفاه انسان ايفا مي‌كنند. هنگامي كه سيستم‌هاي آب زيرزميني تحت‌تأثير خشكسالي قرار مي‌گيرند، ابتدا تغذيه، سپس سطح آب زيرزميني و درنهايت امكان برداشت كاهش مي‌يابد كه كليه مصرف‌كنندگان را تحت تأثير قرار داده و مي‌تواند منجر به آثار جبران‌ناپذيري چون كاهش كيفيت آب و نهايتاً فرونشست شود. تا پيش از اجراي پروژه بازيابي گرانش و آزمايش اقليمي (GRACE)، هيچ روشي براي پايش ذخيره آب زميني (TWSA) كه شامل آب سطحي و زيرسطحي زمين مي‌شود وجود نداشته است. از طرفي پايش آب زيرزميني و ذخيره آب زيرزميني (GWSA) با روش‌هاي معمول و چاه‌هاي مشاهداتي بسيار زمان‌بر و پر هزينه بوده و قادر به پوشش كافي گستره‌هاي وسيع مكاني و زماني نبوده است. در اين مطالعه سعي شده است به كمك داده‌هاي اين پروژه و همچنين پروژه مكمل آن يعني سامانه جهاني تلفيق اطلاعات زميني (GLDAS) وضعيت آب‌هاي زيرزميني در 6 حوضه آبريز اصلي ايران طي دوره زماني 255ماهه از سال 2002 (1381) تا سال 2023 (1402) مورد ارزيابي قرار گيرد. اما داده‌هاي GRACE نيز بدون محدوديت نبوده و مقياس بزرگ 0/5 درجه آن، مطالعات در گستره آبخوان‌ها و حوضه‌ها را با چالش همراه كرده است در اين مطالعه جهت ريزمقياس نمايي از الگوريتم يادگيري ماشين XGBoost استفاده شده است كه سرعت و دقت بسيار مناسبي در مدل‌كردن داده‌هاي TWSA در مطالعات مشابه داشته است. داده‌هاي GWSA محاسبه شده جهت كنترل، با داده‌هاي مشاهداتي از چاه‌هاي مشاهداتي كشور طي سال‌هاي 2003 تا 2016 مقايسه شده ‌است كه براي كل ايران ضريب همبستگي برابر 0/92 و RMSE برابر mm 39 حاصل شده است. از ديگر محدوديت‌هاي استفاده از داده‌هاي GRACE عدم وجود داده‌هايي به مدت 15 ماه به علت توقف و شروع مجدد پروژه است كه در اين مطالعه جهت تكميل سري زماني GWSA، به علت وجود خاصيت دوره‌اي از مدل SARIMA استفاده شده كه با ضريب همبستگي 0/83 براي كل ايران سري زماني را به‌خوبي مدل و تكميل نموده است. بر اساس اين سري مي‌توان دريافت به طور ميانگين چاه‌هاي موجود در آبخوان‌هاي كشور سالانه حدود cm 29 افت تراز دارند كه بيشترين نرخ كاهش مربوط به حوضه درياي خزر و كمترين آن مربوط به حوضه خليج‌فارس و درياي عمان و نيز حوضه قره‌قوم مي‌باشد. همچنين در اين مطالعه سعي شده است با استفاده از تاريخچه داده‌ها و پيش‌بيني‌هاي سناريوي SSP2 مدل اقليمي canESM5 به مدل‌كردن GWSA و پيش‌بيني روند تغييرات آن تا سال 2030 به كمك روش يادگيري ماشين پرداخته شود كه مدل ايجاد شده در همه حوضه‌ها و به‌طوركلي براي كل ايران با ضريب همبستگي 0/79 عملكرد نسبتاً مناسبي از خود نشان داده است. در ادامه با استفاده از شاخص خشكسالي GGDI وضعيت خشكسالي آب زيرزميني طي سال‌هاي 2002 تا 2030 در حوضه‌هاي ايران مورد بررسي قرار گرفته است و با مقايسه با شاخص SPI دوره انتشار از خشكسالي هواشناسي به خشكسالي آب زيرزميني به‌طوركلي 8 ماه مشاهده شده است. همچنين مقايسه شاخص خشكسالي با فاكتور‌هاي پيوند از دور (TC) تأثير تغييرات اقليمي بر خشكسالي به‌ويژه در حوضه‌هاي مجاور منابع آب سطحي گسترده را نشان مي‌دهند هر چند سهم تأثيرات انساني و مديريتي بسيار وسيع‌تر مشاهده شده است.

226333

مهندسي و مديريت منابع آب

مهندسي عمران

دانشگاه صنعتي اصفهان