گزارش فني: بهينه‌سازي و توسعه شبكه پايش سطح آب زيرزميني در دشت اشتهارد

Optimization and development of groundwater-level monitoring network in Eshtehard plain

نظارت مستمر بر ميزان تخليه از چاه‌­ها، ميزان تغذيه به چاه­ها و تغييرات سطح و كيفيت آب زيرزميني در مديريت منابع آب زيرزميني بسيار حائز اهميت است. شبكه پايش آب زيرزميني، مي‌­تواند ارائه‌دهنده اطلاعات مربوط به تغييرات كمي و كيفي آب زيرزميني باشد و از اين‌رو مي­‌توان به پيش‌­بيني رفتار آبخوان در آينده پرداخت. طراحي شبكه پايش، يعني تعيين تعداد چاه‌­هاي مشاهداتي موجود در شبكه پايش و نحوه توزيع و تراكم آن­‌ها در منطقه از مسائل قابل تأمل در آب زيرزميني مي‌­باشد. در اين تحقيق، روشي بر پايه بهينه‌­سازي براي طراحي شبكه پايش سطح آب زيرزميني ارائه شده و در آبخوان دشت اشتهارد مورد استفاده قرار گرفته است. براي بهينه‌­سازي موقعيت چاه­‌هاي مشاهداتي دو سناريوي: 1) انتخاب چاه­‌هاي بهينه از بين چاه­‌هاي مشاهداتي موجود در منطقه مطالعاتي و 2) افزودن چاه‌­هاي پايش بهينه به مجموعه چاه­‌هاي مشاهداتي موجود در منطقه مطالعاتي در نظر گرفته شده است. به‌منظور تهيه بانك اطلاعات مورد نياز براي شبيه­‌سازي وضعيت آبخوان، از درون­‌يابي كريجينگ استفاده شده است. بهينه­‌سازي دو هدفه شبكه پايش سطح آب زيرزميني با اهداف كمينه نمودن مقدار ريشه مربعات ميانگين خطا (RMSE) و كمينه نمودن تعداد چاه­‌ها (معرف كمينه نمودن هدف هزينه احداث، نگهداري و قرائت چاه­‌ها) به‌وسيله نسخه دوم الگوريتم ژنتيك با مرتب­‌سازي نامغلوب (NSGA-II) اجرا شده است. نتايج نشان داد كه به كمك روش پيشنهادي مي‌­توان در يك شبكه پايش موجود با دقت قابل قبولي تعدادي از چاه­‌هاي مشاهداتي اضافي را حذف كرد يا در صورت كمبود چاه در شبكه موجود، تعدادي چاه به شبكه اضافه نمود.

In groundwater resources management, continuous monitoring of wells discharge and charge and groundwater quantitative and qualitative variations are very important. Groundwater monitoring network could provide information on quantitative and qualitative variations in groundwater situations. Hence it would be used to predict the behavior of the aquifer in the future. This study describes an optimizing method to design the optimum groundwater-level monitoring network in aquifer of Eshtehard. Two scenarios were considered to optimize the locations of the observation wells: (1) exploring optimal locations of existing observation wells and (2) adding optimal observation wells to existing well network. Kriging method was utilized to estimate groundwater-level for preparing the database. Optimization of groundwater monitoring network with two objectives: (1) minimizing root mean square error and (2) minimizing number of wells, was implemented by non-dominated sorting genetic algorithm (NSGA-II). The results show that by using this method it is possible to remove redundant wells in a monitoring network or to add new wells in case of shortage of observation wells in a network having acceptable accuracy.