پهنه‌بندی فراسنج های کیفی (شوری و سدیمی) آب با استفاده از روش های زمین‌آماری مطالعه‌ی موردی: دشت کرمان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار مهندسی آب، دانشکده آب و خاک، دانشگاه زابل

2 دانشجوی کارشناسی ارشد مهندسی آب، دانشکده آب و خاک، دانشگاه زابل

چکیده

طراحی و مدیریت درست روشهای آبیاری مستلزم داشتن آگاهی از وضعیت نفوذپذیری خاک که خود متأثر از فراسنجهای کیفی (شوری و سدیمی) آب است، می‌باشد. از این‌رو در این تحقیق به بررسی تغییرات مکانی و پهنه‌بندی فراسنجهای کیفی آب زیرزمینی شامل هدایت الکتریکی (EC) و نسبت جذبی سدیم (SAR) با استفاده از روشهای زمین‌آماری پرداخته می‌شود. هدف نهایی پیش‌بینی تغییرپذیری میزان نفوذ آب به خاک در سطح منطقه‌ی مورد مطالعه‌ی با توجه به وضعیت شوری و سدیمی آب زیرزمینی می‌باشد. اطلاعات مربوطه از تجزیه و تحلیل نمونه‌های مربوط به 76 حلقه چاه آب در دشت کرمان، و بر اساس آخرین نمونه‌گیری سال 1387 به‌دست آمده اند. روشهای میان‌یابی استفاده شده شامل کریجینگ معمولی و لاگ کریجینگ بوده اند. برای ارزیابی روشها از روش ارزیابی متقابل با معیارهای جذر میانگین مربعات خطا (RMSE) و میانگین قدر مطلق خطا (MAE) استفاده شده است. تجزیه و تحلیل زمین‌آماری نشان داد که داده‌هایی هدایت الکتریکی و نسبت جذبی سدیم دارای همبستگی مکانی قوی بوده و ساختار مکانی آنها از شبیه نیم‌تغییرنمای کروی تبعیت می‌کند. نتایج حاصل از ارزیابی متقابل حاکی از آن است که هر دو روش کریجینگ معمولی و لاگ کریجینگ از دقت مشابهی برای تخمین فراسنجهای شوری و سدیمی برخوردارند. از طرف دیگر، مقایسه‌ی نقشه‌های هم تراز هدایت الکتریکی و نسبت جذبی سدیم به‌دست آمده بار دیگر نشان از مشابه عمل کردن دو روش میان‌یابی دارد؛ هر چند نقشه‌های خطای تخمین مربوط به دو روش کمی متفاوتند. بنابراین، در مواردی که هدف تنها ارائه‌ی تصویری کلی از شکل توزیع مکانی یک ویژگی در سطح منطقه‌ی است، کاربرد روش کریجینگ معمولی که از نظر اجرا نیز راحت‌تر و سریعتر است، توصیه می‌گردد. بر اساس نقشه‌های EC و SAR تهیه شده باکاربرد روش کریجینگ معمولی و معیارهای موجود، وضعیت منطقه‌ی از لحاظ شدت نفوذ آب به خاک مورد پیش‌بینی قرار گرفت. با توجه به نتایج حاصله به نظر می‌رسد که قسمت اعظم منطقه‌ی مورد مطالعه‌ی شامل نواحی شمالی و غربی از نفوذپذیری خوب برخوردار باشد. مابقی منطقه‌ی، که درصد نسبتا زیادی را، بویژه در شمال شرقی و جنوب شرقی، شامل می‌شود دارای قابلیت نفوذپذیری متوسط است.

کلیدواژه‌ها

عنوان مقاله [English]

Mapping Water Salinity and Sodicity Using Selected Geostatistical Methods, Case Study: Kerman Plain

نویسندگان [English]

  • M. Delbari 1
  • P. Afrasiab 1
  • M. Salari 2
چکیده [English]

Proper design and management of irrigation systems requires knowledge of soil infiltration rate, which is in turn influenced by water salinity and sodicity. The objectives of this study were to investigate the spatial variability of irrigation water electrical conductivity (EC) and sodium adsorption ratio (SAR) and to map these parameters using geostatistical methods. The main objective was to predict the spatial distribution pattern of soil infiltration rate over the study area based on water salinity and sodicity. Water samples were collected from 76 observations wells in the Kerman Plain in 2008. The geostatistical methods used were ordinary and log-normal kriging. The performance of interpolation methods was evaluated through cross-validation with comparison criteria of root mean square error (RMSE) and mean absolute error (MAE). Geostatistical analysis showed that both EC and SAR had strong spatial correlations, and these fitted a spherical model. The cross-validation results are indicated that the two methods provided similar accuracy for estimating salinity and sodicity. Furthermore, it was evident from the kriged maps generated through both methods for EC and SAR that the estimation error maps produced were only slightly different. Therefore, whenever the aim is to produce only a map of spatial distribution of soil properties, ordinary kriging, which is mathematically simpler than other methods, is preferred. Soil infiltration rate distribution pattern was also predicted based on the kriged maps of EC and SAR, and, some approved standards. The results indicated that most of that area, including northern and western regions had good infiltration rates. The rest, which cover mostly the northeastern and southeastern of the study area, had moderate infiltration rates.

کلیدواژه‌ها [English]

  • Geostatistics
  • ordinary Kriging
  • lognormal kriging
  • Electrical Conductivity
  • sodium absorption ratio
  • Infiltration

مراجع

  1. 1 .امداد، م. ر.، ح. فرداد، و ح. سیادت. 1382 .تأثیر کیفیـت-

    های مختلف آب آبیاری (شوری و سدیمی) بر نفوذپـذیری

    نهایی خاک در آبیاری جویچهای علـوم خـاک و آب، 17 ::

     .239-232

    1. Adhikary, P.P., H. Chandrasekharan, D.

    Chakraborty, and K. Kamble. 2009.

    Assessment of groundwater pollution in

    West Delhi, India using geostatistical

    approach. Environ. Monit Assess. DOI

    10.1007/s10661-009-1076-5.

    1. Agassi, M., I. Shainberg, and J. Morin.
    2. Effect of electrolyte concentration

    and soil sodicity on infiltration rate and

    crust formation. Soil Sc. Soc. Am. J. 48:

    848-851.

    1. Ayers, R.S., and K. Tanji. 1981. An

    application from Ayers and Westcot's 1985

    "Use of treated municipal wastewaters for

    irrigation." FAO Irrigation and Drainage

    Paper No. 29 Rev. 1. Originally published

    as an ASCE 1981 Water Forum

    Conference Proceedings.

    1. Ayers, R.S., and D.W. Westcot. 1989.

    Water quality for agriculture. FAO

    Irrigation and Drainage. Paper No: 29, pp.

    1–174. Rome.

    1. Bauder, J.W., and T.A. Brock. 2001.

    Irrigation water quality, soil amendment,

    and crop effects on sodium leaching. Arid

    Land Res. and Manage. 15: 101-113.

    1. Beltran, J.M. 1999. Irrigation with saline

    water: benefits and environmental impact.

    Agric. Wat. Manage.40:183-194.

    1. Bishop, T.F.A., and A.B. McBratney.
    2. A comparison of prediction methods

    for the creation of field-extent soil property

    maps. Geoderma 103: 149–160.

    1. Burgess, T.M., and R. Webster. 1980.

    Optimal interpolation and isarithmic

    mapping of soil properties: I. The

    variogram and punctual kriging. J. Soil

    Sci. 31: 315–331.

    1. Cambardella, C.A., T.B. Moorman, J.M.

    Novak, T.B. Parkin, D.L. Karlen, R.F.

    Turco, and A.E. Konopka. 1994. Fieldscale variability of soil properties in central

    Iowa soils. Soil Sci. Soc. Am. J. 58: 1501–

    1511.

    1. Delbari, M. 2007. Estimation and

    stochastic simulation of soil properties for

    case studies in Lower Austria and Sistan

    plain, southeast of Iran. Doctorate thesis.

    University of Natural Resources and

    Applied Life Sciences, Vienna, Austria.

    1. Falstad, J. 2000. Soil Condition.

    Transplant status in Burger Draw. Billings

    Gazette. Prepared by D.G. Steward Page.

    Burger Draw Comments and

    Recommendations. 6/06/00.

    1. García-Soldado, M.J., M. Chica-Olmo,

    J.A. Luque-Espinar, and V. RodríguezGaliano. 2008. A geostatistical approach to

    water quality spatial analysis at municipal

    level. Int. geo. Congr. Oslo, August, 6-14th

    .

    1. Goovaerts, P. 1997. Geostatistics for

    natural resources evaluation. Oxford

    University Press, New York. 483 p.

    1. Goovaerts, P. 1998. Geostatistical tools for

    characterizing the spatial variability of

    microbiological and physico-chemical soil

    properties. Biol. Fertil. Soils. 27: 315-334.

    1. Hadas, A., and H, Frenkel. 1982.

    Infiltration as affected by long-term use of

    sodic-saline water for irrigation.Soil Sci.

    Soc. Am. J. 46: 524-530.

    1. Hanson, B., S.R. Grattan, and A. Fulton.
    2. Agricultural salinity and drainage.

    University of California Irrigation

    Program. University of California, Davis.

    1. Hu, K., Y. Huang, H. Li, B. Li, D. Chen,

    and R.E. White. 2005. Spatial variability of

    shallow groundwater level, electrical

    conductivity and nitrate concentration, and

    risk assessment of nitrate contamination in

    North China Plain. Env. Int. 6: 896-903.

    1. Isaaks, E.H., and R.M. Srivastava. 1989.

    An introduction to applied geostatistics.

    Oxford University Press. New York. 561

    p.

    1. Istok, J.D., J.D. Smyth, and A.L Flint.
    2. Multivariate geostatistical analysis

    of groundwater contamination: a case

    history. Groundwater. 31: 63-74.

    1. Journel, A.G., and C.J. Huijbregts. 1978.

    Mining geostatistics. Academic Press. New

    York. 600 p.

    1. Mailhol, J.C., M. Priol, and M. Benali.
    2. A furrow irrigation model to

    improve irrigation practices in the Gharb

    مجلهی مهندسی منابع آب / سال ششم / بهار 1392) صص24 -11 (23

    Valley of Morocco. Agric. Wat. Manage.

    42(1): 65-80.

    1. Miller, R.W., and R.L. Donahue. 1995.

    Soils in our Environment. Seventh Edition.

    Prentice Hall. Englewood Cliffs, NJ. 323

    p.

    1. Oster, J.D., and W. Schroer. 1979.

    Infiltration as influenced by irrigation

    water quality. Soil Sci. Soc. Am. J. 43:

    444-447.

    1. Patriarche, D., M.C. Castro, and P.

    Goovaerts. 2005. Estimating regional

    hydraulic conductivity fields—A

    comparative study of geostatistical

    methods. Math. Geol.37: 587–613.

    1. Robertson, G.P. 2000. GS+: Geostatistics

    for the environment sciences. GS+ User´s

    Guide Version 5: Plainwell, Gamma

    design software. 200 p

    1. Rouhani, S., and T.J. Hall. 1988.

    Geostatistical schemes for groundwater

    sampling. J. Hydrol. 103: 85-102.

    1. Saito, H., and P. Goovaerts. 2000.

    Geostatistical interpolation of positively

    skewed and censored data in a dioxincontaminated site. Environ. Sci. Technol.

    34: 4228–4235.

    1. Shainberg, I., and J. Letey. 1984. Response

    of soils to sodic and saline conditions.

    Hilgardia 61: 21-57.

    1. Slavich, P.G., G.H. Petterson, and D.

    Griffin. 2002. Effects of irrigation water

    salinity and sodicity on infiltration and

    lucerne growth over a shallow water table.

    Aus. J. of Exp. Agric. Anim. Husb. 42:

    379-387.

    1. Söderström, M. 1992. Geostatistical

    modeling of salinity as a basis for

    irrigation management and crop

    selection—A case study in central Tunisia.

    Environ. Geol.20: 85-92.

    1. Taghizadeh Mehrjardi, R., M. Zareian

    Jahromi, Sh. Mahmodi and, A. Heidari.

    1. Spatial distribution of groundwater

    quality with geostatistics (Case Study:

    Yazd-Ardakan Plain). World Appl. Sci. J.

    4: 9-17.

    1. Triantafilis, J., I.O.A. Odeh, and A.B.

    McBratney. 2001. Five geostatistical

    models to predict soil salinity from

    electromagnetic induction data across

    irrigated cotton. Soil Sci. Soc. Am. J. 65:

    869–878.

    1. Van de Graaff, R, and R.A. Patterson.
    2. Explaining the mysteries of salinity,

    sodicity, SAR and ESP in on-site practice

    p.p.361-368.

    1. Patterson, R.A., and M.J. Jones (Eds). In

    Proceedings of On-site ’01 Conf:

    Advancing On-site Wastewater Systems

    Published by Lanfax Laboratories,

    Armidale ISBN 0-9579438-0-6.

    1. Warrence, Nikos, J., E. Pearson, James.

    Krista and W. Bauder. 2003. The basics of

    salinity and sodicity effects on soil

    physical properties [Online]. Available at

    http://waterquality. montana.

    edu/docs/methane.

    1. Zirschky, J., G.P. Keary, R.O. Gilbert, and

    E.J. Middlebrocks. 1985. Spatial

    estimation of hazardous waste site data. J.

    Environ. Eng. Div. ASCE, 111: 777-789.

فصلنامه علمی مهندسی منابع آب
دوره 6، شماره 16
فروردین 1392
صفحه 11-24

فایل ها

سابقه مقاله

  • تاریخ دریافت: 25 شهریور 1392
  • تاریخ پذیرش: 25 شهریور 1392

هم رسانی

ارجاع به این مقاله

آمار