شناسایی عوامل مؤثر بر کاهش تراز آب زیرزمینی با بهره گیری از معیار موجک–آنتروپی (مطالعه ی موردی: آبخوان دشت سیلاخور) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
تحلیل سری زمانی فرایندهای هیدرولوژیکی نقش بسزایی را در شناخت دقیق رفتار این فرایندها ایفا می کند. معیار موجک-آنتروپی شاخصی نوین جهت بررسی نوسانات سری های زمانی می باشد. در این مقاله با بهره گیری از معیار موجک-آنتروپی ترتیب عوامل مؤثر در کاهش تراز آب زیرزمینی در دشت سیلاخور مورد بررسی قرار گرفته است. به طور کلی کاهش معیار موجک-آنتروپی یا کاهش پیچیدگی سری زمانی یک پدیده، بیانگر کاهش میزان نوسانات طبیعی سری زمانی و در نتیجه نشان دهنده ی رخداد یک روند نامطلوب در سری زمانی است. در این راستا جهت شناسایی عامل مؤثر در افت سطح آبخوان ابتدا سری های زمانی ماهانه ی بارش، دما و دبی رودخانه های این دشت به بازه های زمانی کوچک تر تقسیم شدند و سپس هرکدام از این سری ها تحت تبدیل موجک به چندین زیر سری با مقیاس های زمانی مختلف تجزیه شد و نهایتاً پس از محاسبه انرژی موجک نرمال شده برای این زیرسری های زمانی، معیار موجک-آنتروپی برای هر یک از این بازه های زمانی محاسبه گردید. نتایج به دست آمده از تحلیل تغییرات معیار موجک-آنتروپی گویای این واقعیت است که کاهش 71 درصدی پیچیدگی دبی رودخانه های خروجی از این منطقه بیشتر از تغییرات بارش و دما با کاهش پیچیدگی به ترتیب به اندازه ی 13 و 5/10 درصد بر کاهش پیچیدگی تراز آب زیرزمینی تأثیر گذاشته است و این موضوع گویای تقدم تأثیر عوامل انسانی بر عامل تغییر اقلیم در کاهش تراز سطح آب زیرزمینی در این دشت است.Identifying Effective Factors on Decline in Groundwater Level Using Wavelet-Entropy Index (Case Study: Silakhor Plain Aquifer
Time series analysis of hydrological processes plays an important role in accurate recognition of this process. Wavelet-entropy index is a new indicator to assess the fluctuations of time series. In this paper, the effective factor in groundwater level declining in the Silakhor plain is examined using wavelet-entropy index. Generally, wavelet-entropy index reduction or time series complexity reduction of a phenomenon, indicates the reduction in time series natural fluctuations and thus the occurrence of an unfavorable trend in time series. In this way, to identify the main cause of declining aquifer water table, firstly, monthly time series of precipitation, temperature and rivers flow of this plain divided into shorter time periods and then, each of these time series were decomposed to multiple frequent time series by wavelet transform and then, normalized wavelet energies were calculated for these decomposed time series and finally, wavelet-entropy index was calculated for each three different time periods. The results of wavelet-entropy index analysis reflect the fact that, the complexity reduction of the flow time series about 71% is more effective on groundwater time series complexity reducing compared to the complexity reduction of the precipitation and temperature time series about 13% and 10.5% respectively. This result indicates the primacy of the human factors compared with the climate change factors impacts in declining the groundwater level in this plain.
تبلیغات
