استفاده همزمان از آنتروپی و کریجینگ فضایی- زمانی برای تعیین شبکه بهینه پایش کیفی منابع آب زیرزمینی دشت مشهد

اکبرزاده, مسلم; قهرمان, بیژن

doi:10.22067/jsw.v0i0.26089

استفاده همزمان از آنتروپی و کریجینگ فضایی- زمانی برای تعیین شبکه بهینه پایش کیفی منابع آب زیرزمینی دشت مشهد

نوع مقاله : مقالات پژوهشی

نویسندگان

10.22067/jsw.v0i0.26089

چکیده

در زمین آمار، برآورد مقدار نامعلوم میدان تصادفی در موقعیت و زمان مشخص، توسط کریجینگ فضایی-زمانی صورت می پذیرد. در برخی شرایط استفاده از متغیر کمکی دقت برآورد را افزایش می دهد. برای ارزیابی این فرضیه، روش های زمین آمار کریجینگ عام و برونی برای داده های آبخوان شهر مشهد مورد استفاده قرار گرفت. با به کارگیری آنتروپی، شبکه بهینه پایش کیفی منابع آب زیرزمینی ارائه گردید. در این روش ابتدا چاه ها بر اساس معیارهای آنتروپی و اطلاع متقابل، رتبه بندی شد. سپس بر اساس درصدهای اطلاع و با تکیه بر کریجینگ فضایی-زمانی، شبکه بهینه پایش کیفی تعیین گردید. نتایج بدست آمده از مقایسه کریجینگ عام و برونی حاکی از آن است که عامل هدایت الکتریکی در برآورد بهتر نقاط فاقد مشاهده تاثیر بسزایی دارد. در نتیجه کریجینگ برونی که در آن از EC به عنوان متغیر کمکی در برآورد روند استفاده شده است، به عنوان کریجینگ برتر انتخاب شد. همچنین با بهره گیری از کریجینگ برونی و مقایسه آن با کریجینگ عام اثبات گردید استفاده از داده های کیفی شبکه ای با 111 حلقه چاه، اطلاعاتی برابر با شبکه پایش اولیه با مجموع 237 حلقه چاه، در اختیار قرار می دهد.

کلیدواژه‌ها

20.1001.1.20084757.1392.27.3.15.8

عنوان مقاله [English]

A Combined Strategy of Entropy and Spatio-Temporal Kriging in Determining Optimal Network for Groundwater Quality Monitoring of Mashhad Basin

نویسندگان [English]

M. Akbarzadeh
B. Ghahraman

چکیده [English]

In geo-statistics, prediction of an unknown value of random field has been performed in specified time and position, using spatio-temporal Kriging. In some circumstances, a suitable covariate increase the estimation prediction. Geo-statistical methods of Universal Kriging (UK) and Kriging with External Trend (KwET) were applied to Mashhad plain water quality data sets. The optimal network to monitor groundwater quality was presented, using Entropy. All wells ranked based on the criterion of Entropy and mutual information. Then, the optimal network was determined based on the percentages of acquired information and relying on the spatio-temporal Kriging. Based on UK and KwET, electrical conductivity (EC) was the best covariate. KwET with EC as a covariate was the superior Kriging method. A network covering 111 wells showed to be as informative as the existing monitoring network with a total of 237 wells.

کلیدواژه‌ها [English]