| تعداد نشریات | 22 |
| تعداد شمارهها | 354 |
| تعداد مقالات | 3,733 |
| تعداد مشاهده مقاله | 4,939,126 |
| تعداد دریافت فایل اصل مقاله | 3,310,844 |
بررسی تأثیر تغییرات زمانی و مکانی بر طراحی شبکه پایش پیزومتری آب زیرزمینی با استفاده از آنالیز مؤلفههای اصلی (PCA) | ||
| آبخوان و قنات | ||
| دوره 4، شماره 1 - شماره پیاپی 6، شهریور 1402، صفحه 16-29 اصل مقاله (790.33 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22077/jaaq.2023.5153.1046 | ||
| نویسندگان | ||
| سمیرا رهنما* 1؛ عباس خاشعی سیوکی2؛ علی شهیدی3 | ||
| 1دانشجوی دکتری، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران | ||
| 2استاد، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران | ||
| 3دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران | ||
| چکیده | ||
| شناسایی تعداد چاهها در تخمین سطح آب زیرزمینی به لحاظ کاهش هزینه نگهداری و صرفهجویی در هزینه برداشت اطلاعات، گامی مهم میباشد. آنالیز مؤلفههای اصلی (PCA) یکی از ویژگیهای کاهش داده میباشد که در شناسایی دادههای کم اهمیت، نقش بسزایی دارد. در این پژوهش، میانگین سالانه سطح آب زیرزمینی 51 چاه بهرهبرداری دشت نیشابور با طول آماری 10 ساله (1398-1389) با استفاده از تکنیک آماری آنالیز مؤلفههای اصلی مورد بررسی قرار گرفت تا چاههای مؤثر در تعیین تراز سطح آب زیرزمینی این دشت مشخص گردد. با انجام آنالیز مؤلفههای اصلی، اهمیت نسبی هر چاه بین صفر (برای چاه غیر مؤثر) تا 1 (برای چاه کاملاً مؤثر) محاسبه شد. نتایج نشان داد که از بین 51 چاه موجود در منطقه مورد مطالعه، 27 چاه به عنوان چاه مؤثر و بقیه چاهها به عنوان چاههای کم اهمیت شناخته میشوند. یعنی با حذف 24 حلقه چاه کم اهمیت، خطای برآورد سطح آب زیرزمینی منطقه مورد مطالعه 26 درصد نسبت به حالتی که از همه چاهها استفاده میگردد، افزایش مییابد. همچنین جهت در نظر گرفتن عامل زمان در تغییرات این روش در دو دوره زمانی 5 ساله انجام شد. نتایج نشان داد که در دوره زمانی 5 ساله اول (1393-1389) 42 چاه به عنوان چاه بااهمیت انتخاب شدند که در دوره زمانی 5 سال بعد (1398-1394) این تعداد به 35 چاه تقلیل پیدا کرد. | ||
| کلیدواژهها | ||
| آب زیرزمینی؛ دشت نیشابور؛ چاه مؤثر؛ آنالیز مؤلفه&rlm؛ های اصلی | ||
| مراجع | ||
|
Asakareh, H. & Bayat, A. (2013). Principal component analysis of annual rainfall properties of Zanjan city. Journal of Geography and Planning, 45(17), 121-142 [In Persian]. Babaeihessar, S., Hamdami, Q. & Ghasemieh, H. (2016). Identify the Effective Wells in Determination of Groundwater Depth in Urmia Plain Using Principle Component Analysis. Journal of Water and Soil, 31, 10-50 [In Persian]. Bazrafshan, J. & Hejabi, S. (2017). Drought Monitoring Methods. University of Tehran Press [In Persian]. Farpoor, F., Ramezani, Y. & Akbarpour, A. (2019). Numerical Simulation of Chromium Changes Trend in Aquifer of Birjand Plain. Iranian Journal of Irrigation and Drainage, 12(5): 1203-1216 [In Persian]. Jafarzadeh, A. & Khasheisiuki, A. (2018). Performance examination of optimization model of groundwater monitoring network based on Gray wolf and Neural network (GNM) (Case study: Birjand plain). Journal of Irrigation and Water Engineering, 8, 121-139. Jolliffe, I. T. (2002). Principal Component Analysis. Springer series in statics, ISBN 978-0-387-95442-4. Helena, B., Pardo, R., Vega, M., Barrado, E., Manuel, J. & Fernandez, L. (2000). Temporal evolution of groundwater composition in an alluvial aquifer by principal component analysis. Water Research, 34(3): 807-816. Hu S., Luo T. & Jing, C. (2013). Principal component analysis of fluoride geochemistry of groundwater in Shanxi and Inner Mongolia, China. Journal of Geochemical Exploration, 135: 124–129. Gurunathan, K. & Ravichandran, S. (1994). Analysis of water quality data using a multivariate statistical technique- a case study. IAHS Pub, 219. Khashei Siuki, A., Shahidi, A. & Rahnama, S. (2021). Comparison of Birjand aquifer chromium monitoring network using principal component analysis (PCA) and entropy theory. Environment and Water Engineering, 7(2), 209–220 [In Persian]. Kavusi, M., Khasheisiuki, A., Porrezabilondi, M. & Najafi, M. H. (2019). Application of New LSSVM-PSO Optimization-Simulation Model in Designing Optimal Groundwater Level Network Monitoring. Iranian Journal of Eco Hydrology, 5, 1306-1319. Lucas, L. & Jauzein, M. (2008). Use of principal component analysis to profile temporal and spatial variations of chlorinated solvent concentration in groundwater. Environmental Pollution, 151: 205-212. Noori, R., Kerachian, R., KhodadadiDarban, A. & Shakibaienia, A. (2007). Assessment of Importance of Water Quality Monitoring Stations Using Principal Components Analysis and Factor Analysis: A Case Study of the Karoon River. Journal of Water and Wastewater, 18(63): 60-69 [In Persian]. Noori, R., Abdoli, M. A., Ameri Ghasrodashti, A. & Jalili Ghazizade, M. (2009). Prediction of municipal solid waste generation with a combination of support vector machine and principal component analysis: A case study of Mashhad. Environmental Progress & Sustainable Energy, 28(2): 249-58. NouriGheidari, M. H. (2013). Determination of Effective Wells to Monitor the Ground Water Level Using the Principal Components Analysis. Journal of Sciences and Technology of Agriculture and Natural Resources, Water and Soil Sciences, 17(64): 149-158 [In Persian]. Ouyang, Y. (2005). Evaluation of river water quality monitoring stations by principal component analysis. Water Research, 39: 2621-2635 Petersen, W. (2001). Process identification by principal component analysis of river water-quality data. Ecological Modelling. Model, 138: 193-213. Rahnama, S., Khashei Siuki, A. & Shahidi, A. (2021). Designing a quality monitoring network of Gonabad Aquifer using the principal component analysis (PCA) method. Water Harvesting Research, 4(1): 69-76. Sanchez-Martos, F., Jimenez-Espinosa, R. & Pulido-Bosch, A. (2001). Mapping groundwater quality variables using PCA and geostatistics: a case study of Bajo Andarax, southeastern Spain. Hydrological Sciences Journal, 46(2): 227-242. Siyue, L. (2009). Water quality in the upper Han River, China: The impacts of land use/land cover in the riparian buffer zone. Hazardous Materials, 165(1): 317-324. Velayati, S. & Tavasoli, S. (1991). Khorasan Water Resources and Issues. Astan Quds Razavi Printing and Publishing Company, Mashhad [In Persian]. | ||
|
آمار تعداد مشاهده مقاله: 3,612 تعداد دریافت فایل اصل مقاله: 444 |
||