دشت شبستر

ماهیت متغیرهای کمی و کیفی آب های زیرزمینی به دلیل تأثیر مستقیم در زندگی انسان، همواره یکی از موضوعات مطرح در تحقیقات علمی و دانشگاهی بوده است. هزینه بر بودن و عدم امکان مطالعه دقیق این منابع، لزوم استفاده از روش جدیدی را برای برآورد چنین متغیرهایی به طور کامل آشکار می کند. در این میان روش های درون یابی ریاضی و زمین آماری و مدل های هوش مصنوعی در سال های اخیر نتایج بسیار قابل قبولی از این برآوردها ارائه کرده اند. در تحقیق حاضرکه با هدف ارزیابی دقت روش های زمین آمار و شبکه عصبی مصنوعی انجام گرفته است، با استفاده از آمار اندازه گیری شده سطح تراز ایستابی آب های زیرزمینی در 46 حلقه چاه مشاهده ای منتخب برای سال 93، در دشت شبستر- صوفیان، اقدام به برآورد مقادیر نامعلوم سطح تراز در منطقه مورد  مطالعه با استفاده از روش های زمین آمار ( kriging ) و روش شبکه عصبی پرسپترون چند لایه ( MLP ) شده است. نتایج حاصل از این تحقیق نشان می دهد، روش شبکه عصبی ( MLP ) با میزان همبستگی بالا (96/0) و جذر میانگین مربعات خطای کمتر (18/13) نسبت به روش کریجینگ (با میزان همبستگی 90/0 و جذر میانگین مربعات خطای 10/20)، توانایی بالاتری در میان یابی سطح تراز آب زیرزمینی دشت شبستر- صوفیان دارد، که این نتیجه با تحقیقات قبلی در این زمینه مبنی بر توانایی  و انعطاف بیشتر مدل های هوش مصنوعی در مطالعات هیدروژئولوژیکی آبخوان ها مطابقت دارد. از این رو استفاده از روش های جدید مانند شبکه های عصبی مصنوعی( ANN ) و روش های فازی - عصبی تطبیقی ( ANFIS ) می تواند، در دستیابی به برآورد های دقیق تر از شرایط سفره های آب زیرزمینی و اطلاع از کم و کیف آن ها کمک شایانی به محققان و برنامه ریزان در این زمینه ارائه کند.

فرونشست زمین یک پدیده زیست محیطی است و به نشست تدریجی یا ناگهانی زمین گفته می شود. هدف پژوهش حاضر، مطالعه فرونشست زمین در دشت شبستر استان آذربایجان شرقی می باشد. برای بررسی نرخ تغییر شکل سطح زمین، از روش تحلیل سری زمانی خط مبنای کوتاه مبتنی بر تداخل سنجی راداری در بازه زمانی 2018 تا 2021 استفاده شده است. بیشینه فرونشست، در قسمت های جنوبی و جنوب شرقی دشت با حداکثر نرخ حدود 8 سانتی متر در سال در جهت خط دید ماهواره دیده می شود. همچنین با روش تحلیل سلسله-مراتبی وزندهی معیارهای موثر بر فرونشست انجام شده و حساسیت به فرونشست، با استفاده از تحلیل های مکانی مدل سازی شده است. بر این اساس دشت شبستر به پنج منطقه با احتمال وقوع فرونشست «خیلی زیاد»: 3% ، «زیاد»: %20، «متوسط»: 25%، «کم»: 33% و «خیلی کم»: 19 % مساحت کل دشت، طبقه بندی شد. برای صحت سنجی مدل پیش بینی فرونشست، از نقشه جابه جایی به دست آمده از تداخل سنجی راداری استفاده شد. با توجه به سطح زیر منحنی مشخصه عملکرد 86 % ، صحت خوب پیش بینی مدل تایید شد. همچنین مدل پیشنهادی، با انجام تحلیل حساسیت نسبت به معیارهای با بیشترین اهمیت، مورد ارزیابی قرار گرفته و اهمیت بالای آن ها در ایجاد فرونشست در منطقه، مورد تأیید قرار گرفت. مدل معرفی شده می تواند اطلاعات مفید و قابل اعتمادی برای مدیران و تصمیم گیرندگان منطقه، جهت برنامه ریزی های موثر و بهنگام پیشگیری و کاهش اثرات پدیده فرونشست با هزینه و زمان کم فراهم سازد.

فرونشست زمین اشاره به حرکت عمودی و رو به سمت پایین سطح زمین دارد. این پدیده ممکن است به صورت طبیعی یا در اثر فعالیت های انسانی ایجاد شود و خسارت هایی به شبکه های راه های ارتباطی، تاسیسات، سازه ها و زمین های کشاورزی وارد آورد. در چند سال اخیر پدیده فرونشست به عنوان یک بحران جدی در بسیاری از دشت های حاصل خیز ایران مطرح شده است و نگرانی های قابل توجهی را به وجود آورده است. در این مقاله دشت شبستر به عنوان یکی از دشت های پرخطر استان آذربایجان شرقی به عنوان منطقه مورد مطالعه انتخاب شده است. به منظور شناسایی احتمال فرونشست در نقاط مختلف و نیز شناسایی عواملی که سبب فرونشست زمین شدهاند از الگوریتم جنگل تصادفی استفاده شده است. نقشه موجود فرونشست زمین که با استفاده از سری زمانی مبتنی بر تکنیک تداخل سنجی راداری از منطقه مورد مطالعه تهیه شده بود، به عنوان داده آموزشی استفاده شده است. طبق نتایج مدلسازی، قسمت جنوبی منطقه مورد مطالعه دارای حساسیت بسیار زیاد نسبت به فرونشست شناخته شد، 63/5 درصد از مساحت منطقه دارای حساسیت خیلی زیاد و 37/6 درصد در کلاس حساسیت زیاد پهنه بندی شد. همچنین بر اساس مدلسازی انجام شده بیشترین تاثیر مربوط به عوامل «ارتفاع»، «سطح آب زیرزمینی»، «کاربری اراضی» و کمترین تاثیر مربوط به «فاصله از گسل» بود. در نهایت ارزیابی مدل از نظر قدرت پیش بینی با استفاده از منحنی مشخصه عملکرد سیستم (ROC) انجام شد، سطح زیر منحنی 96 درصد، پیش بینی بسیار خوب مدل را تأیید کرد. نتایج این پژوهش می تواند در برنامه ریزی برای توسعه ساخت و سازها و کاربری های مختلف آینده مورد استفاده قرار گیرد. همچنین با توجه به امکان شناسایی مناطق و تأسیسات در معرض خطر آن ها، اقدامات بهنگام و مناسب برای پیشگیری از خسارات مالی و جانی انجام یابد.