چکیده:
یکی از راههای مناسب برای جلوگیری از آلودگی آبهای زیرزمینی، شناسایی مناطق آسیب پذیر آبخوان و مدیریت بهره برداری از منابع آب وکاربری اراضی است. نیترات به عنوان یکی از شاخصهای شیمیایی آلودگی آب از دیرباز مورد توجه بوده است. هدف از این تحقیق ارزیابی آسیب پذیری آبخوان میمه به نیترات با استفاده از GIS، روشهای آماری و مدل دراستیک میباشد. بر اساس روش دراستیک آسیب پذیری آبخوان میمه در محدوده آسیب پذیری کم و متوسط (128-75) قرار میگیرد. پس از محاسبه شاخص جدید دراستیک با استفاده از Raster Calculation در محیط ARCGIS، بار دیگر همبستگی بین غلظت نیترات در نمونههای آب زیرزمینی و شاخص دراستیک جدید محاسبه گردید. در این حالت ضریب هبستگی از 162/ 0 – (قبل از بهینه سازی) به 842/ 0 (بعد از بهینه سازی) افزایش یافت. همبستگی فوق در سطح احتمال 95 درصد معنی دار بود (05/ 0>P-value). برای تهیه نقشه پهنه بندی غلظت نیترات، نمونه برداری از 10 حلقه چاه بر اساس اصول نمونه برداری استاندارد انجام و به روش اسپکتروفتومتری مورد آنالیز قرار گرفت. سپس نقشه پهنه بندی غلظت نیترات با استفاده از مدلهای میانیابی ترسیم شد. تلفیق دو نقشه آسیبپذیری و پهنهبندی غلظت نیترات نشان میدهد اکثر محدوده مورد مطالعه در محدوده بیخطر و کم خطر قرار دارد و تنها بخش کوچکی از منطقه که غلظت نیترات نیز در آب زیرزمینی آن بالاتر از 50 میلی گرم در لیتر است، در محدوده خطرناک طبقه بندی شده است. بر اساس نقشه پهنه بندی غلظت نیترات، بالاترین غلظت در آبهای زیرزمینی قسمت جنوبی آبخوان میمه مشاهده گردید که ناشی از تاثیر متقابل آلودگی ناشی از فعالیتهای کشاورزی، برگشت آب آبیاری، جنس زمین، نرخ بالاتر تغذیه، هدایت هیدرولیکی و نفوذپذیری خاک میباشد.
Locating and identifying vulnerable areas of the aquifer and managing water supplies use and land use is a good approach to preventing underground water pollution. Nitrate has always been considered as a water pollution index. The aim of this study was assessing the vulnerability of Meymeh aquifer to nitrate through GIS, statistical methods, and Drastic Model. Drastic Model identified the vulnerability of Meymeh Aquifer as low and medium (75-128). After calculating the drastic new index using Raster Calculation in ArcGIS, the correlation between nitrate concentrations in groundwater samples and the new drastic index was calculated. The correlation coefficient of -0/162 (before optimization) to0/842 (after optimization) has increased. These correlations were significant at the 95% probability level (P-value <0/05). To gain nitrate concentration maps, samples were taken through standard sampling principles from 10 wells and analyzed through spectrophotometry approach. Next, nitrate concentration maps were drawn using interpolation models. Combining vulnerability map and nitrate concentration map indicates that most of the area under study was safe and low-risk and only one area of Meymeh was a high-risk area with nitrate concentration above 50 milligrams per liter in underground water. According to the nitrate concentration zonation map, The highest concentrations were observed in groundwater in the southern region of the Meymeh aquifer is due to the interaction of pollution caused by farming activities, Return water irrigation, Lithology, Higher nutrition rates, Hydraulic Conductivity and The permeability of the soil.