ابوالفضل اکبرپور

برداشت های بی رویه از منابع آب زیرزمینی باعث افت شدید سطوح ایستابی گردیده است. از طرفی میزان هدر رفت رواناب حاصل از بارندگی در جهان و بالاخص در کشور ما بسیار زیاد و قابل توجه می باشد. بنابراین تمایل به سمت استفاده ی بهینه از رواناب ها و منابع آب سطحی کنترل نشده به جای برداشت های بی رویه از منابع آب زیرزمینی امری لازم و ضروری است. این مقاله دو روش مختلف را برای تعیین مکان های مستعد جمع آوری آب باران؛ در قالب دوسیستم پشتیبانی تصمیم (DSS) مبتنی بر GIS ارائه می کند که به تصمیم گیرندگان، در انتخاب مکان های مناسب جمع آوری آب باران در دشت بیرجند واقع در استان خراسان جنوبی یاری می رساند. جهت انجام این تحقیق از شش معیار بارندگی، شیب حوضه آبریز، عمق و بافت خاک، شبکه آبراهه های دشت و کاربری اراضی منطقه استفاده شد. روش اول خصوصیات مختلف حوضه را مستقیماً در تصمیم گیری دخیل می سازد و روش دوم بر اساس ظرفیت منطقه در تولید رواناب و نیز فاکتور های اجتماعی- اقتصادی عمل می کند. نتایج به دست آمده از هر روش، منطقه را از لحاظ استعداد جمع آوری باران در4 گروه ضعیف، متوسط، خوب و بسیار خوب طبقه بندی می کند. مقایسه ی دو روش، نشان می دهد که در دشت بیرجند، به کارگیری روش اول مناسب تر است و بطور کلی از غرب به سمت شرق دشت بر استعداد آن در جمع آوری آب باران افزوده می شود.

کاربری اراضی یک خصوصیت مهم در فرآیند رواناب می باشد که بر روی نفوذ، فرسایش و تبخیر و تعرق اثر می گذارد. در این مطالعه، تاثیر الگوریتم های طبقه بندی تصاویر ماهواره ای بر نقشه های کاربری اراضی و شماره منحنی رواناب و همچنین دبی سیلاب به کمک GIS وRS بررسی شده است. این تحقیق بر روی حوضه ی آبریز منصورآباد بیرجند و به کمک تصاویر ماهواره لندست 7 (ETM+) انجام گردیده است. نقشه ی کاربری اراضی به کمک الگوریتم های حداکثر احتمال، حداقل فاصله و فاصله ی ماهالانوبیس با استفاده از تصاویر ماهواره ای تعیین شد. سپس نقشه ی پوشش گیاهی به کمک شاخص NDVI و نقشه ی گروه هیدرولوژی خاک با استفاده از نقشه های خاک، زمین شناسی و توپوگرافی تهیه گردید. با تلفیق نقشه های کاربری اراضی، پوشش گیاهی و گروه هیدرولوژی خاک در GIS و به کمک جدول SCS، نقشه شماره منحنی رواناب برای هر یک از الگوریتم ها تعیین شد. همچنین برای ارزیابی صحت شماره ی منحنی به دست آمده از هر یک از الگوریتم ها، دبی حداکثر سیلاب به کمک مدل HEC-HMS محاسبه و با مقدار اندازه گیری شده، مقایسه گردید. نتایج نشان داد که الگوریتم های حداکثر احتمال و فاصله ماهالانوبیس به ترتیب با ضریب کاپای طبقه بندی 7/0و 65/0 و صحت دبی 80% و 72% با نتایج اندازه گیری شده، بهترین روش ها برای طبقه بندی تصاویر ماهواره ای هستند. این تحقیق همچنین مشخص کرد که تغییر الگوریتم طبقه بندی، اثر بسیار زیادی بر روی شماره منحنی و دبی سیلاب می گذارد.