شبيه‌سازي اثر تغيير اقليم بر تراز سطح آب زيرزميني در آبخوان كارستي گستره لالي، استان خوزستان

Simulation of karst aquifer water level under climate change in Lali region, Khouzestan Province, SW Iran

اثر تغيير اقليم بر آبخوان‌هاي كارستي كمتر مورد توجه قرار گرفته است كه علت آن دشواري مدلسازي آنها در مقايسه با آبخوان‌هاي آبرفتي است. با استفاده از شبكه‌هاي عصبي مصنوعي مي‌توان بين پارامترهاي اقليمي، به عنوان جزئي از چرخه هيدرولوژي، و سطح آب زيرزميني ارتباط برقرار كرد. در اين مطالعه، پس از پيش‌بيني متغيرهاي اقليمي، يعني بارش و دما، در دوره پايه (1961-1990) و آتي (2021-2050) با استفاده از مجموعه داده NEX-GDDP، تراز سطح آب زيرزميني در سه چاه آهكي در گستره لالي، استان خوزستان، با استفاده از شبكه‌هاي عصبي مصنوعي شبيه‌سازي شده است. نتايج داده‌هاي آزمون بيانگر توانايي مناسب شبكه در شبيه‌سازي اثر تغيير اقليم بر آبخوان كارستي است و پيش‌بيني مي‌شود سطح آب زيرزميني براي چاه‌هاي W1 و W2 بر اثر تغيير اقليم در دوره آتي نسبت به دوره پايه كاهش يابد، درحاليكه براي چاه W3 تغييرات چنداني پيشبيني نمي‌شود.

Climate change impacts on karst aquifers have not been mainly studied due to the difficulty of modeling these aquifers in relation to alluvial aquifers. However, it is possible to make a relationship between the climatic variables as part of the hydrologic cycle and the groundwater level using the Artificial Neural Networks (ANN). In this study firstly, precipitation and temperature data has been obtained using NASA Earth Exchange Global Daily Downscaled Projections (NEX-GDDP). Secondly, the groundwater level of three limestone wells, i.e. W1, W2 and W3, has been predicted using ANN in Lali region, Khouzestan Province. The correlation coefficients (R) demonstrate good ability of the groundwater model in simulating the climate change impacts on the karst aquifer. The groundwater level probably decreases for W1 and W2 during the future time period (2021-2050) in comparison with the present time period (1961-1990), while no important changes are predicted for W3.