Investigating the Spatial Variability of Groundwater Table in Barkhar Plain, Esfahan

Document Type : review paper

Authors

University of Zabol

Abstract

Groundwater is the main water resource for domestic and agricultural uses in Iran. So real-time mapping of groundwater depth can guide to have a proper exploitation of groundwater. This study was conducted to investigate the spatial variability of depth to groundwater in Barkhar plain in Esfahan using geostatistical methods. In this regard, the measurements of groundwater depth between July and November of 2007, 2009 and 2011 belonging to 36 observation wells were used. Data samples were first checked for any error or mistake then the spatial correlation of data was investigated. Groundwater depth values at un-sampled locations were estimated using the interpolation methods including Ordinary Kriging (OK) and Inverse Distance Weighting (IDW) with distance powers of 1, 2, 3 and 4. The performances of selected interpolators were evaluated using the cross-validation technique and Root Mean Square Error (RMSE) and Mean Bias Error (MBE) indices. The results showed that IDW2 for July and November 2009, IDW4 for July 2011 and OK for all other cases were the most accurate approaches as they had the lowest amounts of RMSE and were close to zero amounts of MBE and consequently had the best results in estimation of groundwater depth. The generated maps of groundwater depth showed that depth to groundwater was lower in the southeastern parts and higher in the rest of the study region.

Keywords


بی‌نام. 1393. دستورالعمل رفتار سنجی کمی آب‌های زیرزمینی. وزارت نیرو.معاونت نظام راهبردی. نشریه 665.
بی‌نام. 1389. گزارش تمدید ممنوعیت محدوده دشت برخوار اصفهان. شرکت آب منطقه‌ای استان اصفهان.
دلبری م.، افراسیاب پ. و میرعمادی س.ر. 1389. تجزیه و تحلیل تغییرات مکانی- زمانی شوری و عمق آب زیرزمینی(مطالعه موردی: استان مازندران). مجله آبیاری و زهکشی ایران، 3(4): 359-374.
دلبری م.، افراسیاب پ. و سالاری م. 1391. پهنه‌بندی فراسنج‌های کیفی(شوری و سدیمی) آب با استفاده از روش‎های زمین آماری(مطالعه‌ی موردی: دشت کرمان). مجله مهندسی منابع آب، 6: 11-24.
دلبری م.، خیاط خلقی م. و مهدیان م.ح. 1383. ارزیابی روش‎های زمین‌آماری در برآورد هدایت هیدرولیکی خاک در مناطق شیب آب و پشت آب پایین دشت سیستان. مجله علوم کشاورزی ایران، 35(1): 1-12.
سالاری جزی م.، زارعی ح. و تقیان م. 1388. کاربرد و ارزیابی روش‎های کریجینگ و کوکریجینگ در محاسبه تراز سطح آب زیرزمینی در سطح دشت میان‎آب(سال آبی 1386-1385). دومین همایش اثرات خشکسالی و راهکارهای مدیریت آن. مرکز تحقیقات کشاورزی و منابع طبیعی اصفهان و ستاد غیرمترقبه استانداری اصفهان.
شیخ محمدی س.، اصغری ا. و نوروزی غ.ح. 1391. کاهش واریانس تخمین با استفاده از روش کریجینگ با روند بیرونی و داده‎های ضریب سولفیدی. چهارمین کنفرانس مهندسی معدن ایران. دانشگاه تهران. 18-19 مهر.
کمالی م. ا.، عصاری م. و محمدی ک.1387. آنالیز مکانی کیفیت و آلودگی آب‌های زیرزمینی با استفاده از زمین‌آمار و GIS. دومین همایش و نمایشگاه تخصصی مهندسی محیط زیست،دانشگاه تهران.
محمدی قلعه‌نی، م. و ابراهیمی ک. 1389. تعیین ساختار زمانی-مکانی تراز سطح آب زیرزمینی- مطالعه موردی آبخوان خوی. سومین همایش ملی مدیریت شبکه‌های آبیاری و زهکشی. دانشگاه شهید چمران اهواز.
نحوی نیا م.ج.، اوسطی خ.، حسنعلی زاده م. و پارسی نژاد م. 1388. مطالعه تغییرات مکانی SAR و CL آب زیرزمینی دشت گناباد با استفاده از نظریه ژئواستاتیستیک. اولین کنفرانس بین المللی مدیریت منابع آب. دانشگاه صنعتی شاهرود، شاهرود.
Ahmadi S.H. and Sedghamiz A. 2007.Application and evaluation of kriging and cokriging methods on groundwater depth mapping. Environmental Monitoring and Assessment, 138:357–368.
Nikroo L., Kompani-Zare M., Sepaskhah A.R., and Fallah-Shams S.R. 2009.Groundwater depth and elevation interpolation by kriging methods in Mohr Basin of Fars province in Iran.Environmental Monitoring and Assessment, 166:387-407.
Oliver M.A. and Webster R. 2014. A tutorial guide to geostatistics: Computing and modelling variograms and kriging. CATENA, 113:56-69.
Robertson, G.P. 2000. GS+: Geostatistics for the environment sciences. GS+ User´s Guide Version 5: Plainwell, Gamma design software, 200 p.
Varouchakis E.A. and Hristopulos D.T. 2013.Improvement of groundwater level prediction in sparsely gauged basins using physical laws and local geographic features as auxiliary variables. Advances in Water Resources,52: 4-34.
CAPTCHA Image