توسعۀ مدل DRASTIC با استفاده از هوش مصنوعي در پتانسيل آلودگي آبخوان مناطق نيمه خشك

Development of DRASTIC model using artificial intelligence on the potential of aquifer contamination in semi-arid regions

به دليل رشد اقتصادي سريع و بهره برداري بيش از حد از آب هاي زيرزميني، مسئلۀ آلودگي نيترات در آب هاي زيرزميني بسيار جدي شده است. هدف اصلي اين مطالعه، توسعۀ مدل DRASTIC براي شناسايي آسيب پذيري آب هاي زيرزميني در برابر آلودگي نيترات است. بنابراين، مدل استاندارد DRASTIC با در نظر گرفتن عامل كاربري اراضي (مدل DRASTIC-LU) براي به نمايش گذاشتن آسيب پذيري آبهاي زيرزميني ارائه شد. نوآوري تحقيق حاضر، توسعۀ مدل هاي DRASTIC و DRASTIC-LU توسط ماشين بردار پشتيبان (SVM) به منظور جلوگيري از خطاي روشهاي همپوشاني و شاخص است. براي پياده سازي و اعتبارسنجي مدلها، 21 نمونه چاه مشاهداتي در آبخوان دشت بيرجند جمع آوري شدند. مقادير RMSE مربوط به مدلهاي DRASTIC، DRASTIC-LU، DRASTIC+SVM و DRASTIC-LU+SVM به‌ترتيب 0/821، 0/743، 0/612 و 0/490 ‌شد كه نشان داد مدلهاي تركيبي با استفاده از SVM همبستگي بهتري را بين مقدار آسيب پذيري و آلودگي نيترات نشان مي دهد. همچنين، مشخص شد كه مدل DRASTIC-LU+SVM براي ارزيابي آسيب پذيري آب هاي زيرزميني در برابر نيترات دقت بيشتري دارد.

Due to rapid economic growth and over-exploitation of groundwater, nitrate contamination in groundwater has become very serious. The main purpose of this study is to develop a DRASTIC model to identify the vulnerability of groundwater to nitrate contamination. Therefore, the standard DRASTIC model was presented considering the land use factor (DRASTIC-LU model) to demonstrate the vulnerability of groundwater. The novelty of the present study is the development of DRASTIC and DRASTIC-LU models by support vector machine (SVM) to prevent the error of overlap and index methods. For implementation and validation of the models, 21 samples of observation wells were collected in Birjand plain aquifer. RMSE values for DRASTIC, DRASTIC-LU, DRASTIC+SVM, and DRASTIC-LU+SVM models were calculated to be 0.821, 0.743, 0.612, and 0.490, respectively, which was found that the hybrid models using SVM shows a better correlation between the amount of vulnerability and nitrate contamination. It was also found that the DRASTIC-LU+SVM model has a higher accuracy for assessing the vulnerability of groundwater to nitrate.