مژگان احمدی ندوشن

از آنجا که منابع آب سطحی در بسیاری از مناطق کشور محدود است، آبهای زیرزمینی به عنوان مناسب ترین منبع در دسترس جهت تامین آب موردنیاز به حساب می آید، از طرف دیگر استفاده بیش از حد آفات و کود های شیمیایی منجر به آلودگی آب های زیرزمینی گردیده است، لذا تعیین عرصه های آسیب پذیر در حفظ این منابع حیاتی امری ضروری به نظر می رسد. در این پژوهش، به منظور تحلیل آسیب پذیری آب زیرزمینی دشت خالدآباد- بادرود به آلودگی از مدل دراستیک بهره گرفته شد و به طور کلی 7 فاکتور تغذیه آب خالص، عمق آب زیرزمینی، ناحیه غیراشباع، بافت خاک، هدایت هیدرولیکی، محیط آبخوان، توپوگرافی در مدل دراستیک دخیل گردید. پس از تهیه نقشه این فاکتور ها، تعیین وزن این فاکتورها انجام گردید و در نهایت با روی هم گذاری این لایه ها و اعمال وزن آنها در  نرم افزار ArcGIS 10.5 نقشه ی آسیب پذیری آب زیرزمینی تهیه شدند. به منظور اعتبارسنجی مدل دراستیک، اقدام به برداشت نمونه و تعیین میزان نیترات برای 13 چاه آب واقع در دشت خالدآباد- بادرود گردید. نتایج حاکی از آنست که در مدل دراستیک، 22 درصد از دشت در محدوده آسیب پذیر واقع شده است که بیشتر در محدوده اطراف شهر بادرود و نواحی شرقی قرار دارد. همچنین نتایج مقایسه نقشه نیترات با نتایج مدل دراستیک بیانگر این است که مدل دراستیک با میزان نیترات اندازه گیری شده دارای همبستگی 74 درصد است.

تهیه نقشه پوشش اراضی، برای بسیاری از فعالیت های برنامه ریزی و مدیریت شهری دارای اهمیت است. در پژوهش حاضر، به منظور تهیه نقشه پوشش اراضی شهر اراک از داده های رقومی سنجنده LISS-III (1385) استفاده شد. ابتدا تصویر با میانگین خطای مربعات 58/0 پیکسل تصحیح هندسی شد و با توجه به کوهستانی بودن منطقه، تصحیح توپوگرافی نیز بر روی تصویر اعمال گردید. برای طبقه بندی تصویر، دو روش طبقه بندیِ نظارت شده با الگوریتم حداکثر احتمال و شبکه عصبی مصنوعی پرسپترون سه لایه با به کارگیری نقشه شیب و بدون استفاده از آن به کار گرفته شد. درنهایت، نقشه پوشش اراضی منطقه به 4 طبقه شهری، پوشش گیاهی، بایر و رخنمون سنگی طبقه بندی گردید. از نقشه شیب طبقه بندی شده منطقه به منظور جداسازی بهتر رخنمون های سنگی به عنوان ورودی در شبکه عصبی استفاده شد. برای ارزیابی صحت نتایج طبقه بندی، نقشه تولیدی با نقشه واقعیت زمینی ایجاد شده از طریق GPS بررسی گردید و صحت کلی طبقه بندی برای روش حداکثر احتمال، روش شبکه عصبی بدون استفاده از نقشه شیب و شبکه عصبی با استفاده از نقشه شیب به ترتیب 6/92، 7/92 و 6/94 درصد برآورد گردید. مطالعه حاضر نشان داد که روش طبقه بندی شبکه عصبی، قابلیت تهیه نقشه پوشش اراضی را با صحت بالا دارد.