اثرات كيفيت آب‌هاي سطحي بر كيفيت آب‌هاي زيرزميني (مطالعه موردي: دشت تبريز)

مطالعه حاضر بر روي رودخانه آجي‌چاي واقع در دشت تبريز و در شرق درياچه اروميه­­، به‌منظور شناسايي عوامل مؤثر بر آلودگي رودخانه و آبخوان دشت تبريز و مديريت و كنترل بهتر كيفيت منابع آب، با بهره‌گيري از تحليل مؤلفه‌هاي اصلي، روش‌هاي هوش مصنوعي (شبكه عصبي مصنوعي و درخت تصميم M5) و زمين آمار (كريجينگ و كوكريجينگ)، از طريق تحليل داده‌هاي كيفيت آب (كاتيون‌ها، آنيون‌ها) در طي دوره آماري 1380 تا 1392 صورت گرفت. تحليل‌هاي چند متغيره آماري قادر هستند حجم گسترده‌اي از داده‌ها را پردازش نمايند و به‌عنوان راهكاري كمي در مديريت كيفيت آب رودخانه‌هاي استان آذربايجان شرقي مطرح گردند. تعيين مهم‌ترين پارامترهاي تاثيرگذار در كيفيت آب منجر به كاهش هزينه‌ها و هدفدار نمودن پايش، كنترل و حفاظت كيفيت آب مي‌شود. نتايج تحقيق حاكي از آن است كه روش درخت تصميم‌گيري (M5) روابط ساده خطي، قابل فهم‌تر و كاربردي‌تري براي پيش‌بيني كلر و شوري ارائه مي‌كند و نوع تصميمات گرفته‌شده براساس طبقه‌بندي در الگوريتم‌هاي درخت تصميم، مشخص، شفاف و قابل استخراج است. همچنين نتايج حاصل از كاربرد روش‌هاي زمين آمار نشان داد كه وضعيت آبخوان‌ دشت تبريز از لحاظ كيفي نسبت به سال‌هاي قبل در وضعيت نامطلوب قرار گرفته و در بخش غربي دشت به‌دليل برداشت زياد توسط چاه‌ها ميزان شوري آب از بيشينه 9000 ميكروموس بر سانتي‌متر در سال 1380 به بالاي 11000 ميكروموس بر سانتي‌متر در سال 1390 در مقطع خروجي رسيده

In order to determine effective parameters on Aji Chay river pollution and the aquifer of Tabriz plain located in eastern part of Urmia Lake and better management and controlling of water resource quality, principal component analysis, artificial intelligence techniques (neural networks and decision tree M5) and geostatistics (Kriging and Cokriging) through water quality data analysis (Cations, Anions) in the period of 2001 to 2013 have been used. Statistical multivariate analysis has an ability to process a big range of data, and is known as a quantitative method in order to manage water quality of the East Azarbaijan province’s rivers. Determination of the water quality parameters would result in costs reduction and aiming the monitoring, controlling, and protection of water quality. The results show that M5 method presents simple linear relations in predicting chloride and salinity, also the decisions for categorizing decision tree algorithms are clear and extractable. Also the results of geostatistics showed that Tabriz plain's aquifer is in a bad condition from qualitative viewpoint compared to the last years, and in western part of the plain due to extreme well extraction, salinity in outlet from 9000 in 2001 to over 11000 (µmhos cm-1) in 2012 has been increased.