نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد گروه مهندسی آب، دانشکده علوم محیطی، مؤسسة آموزش عالی هراز آمل، آمل، ایران

2 استاد گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری

3 دانشجوی دکتری گروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

10.22108/gep.2020.118887.1197

چکیده

شناسایی منابع آب زیرزمینی و تلاش برای حفظ منابع آبی، یکی از اهداف بزرگ کشورهایی است که با مشکل کم‌آبی مواجه هستند. آب‌های زیرزمینی طی دهه‌های اخیر به دلیل برداشت بیش از تغذیه کاهش یافته‌اند.‌ مدیریت منابع آب زیرزمینی با اکتشاف و بهره‌برداری متناسب با پتانسیل آبخوان، یکی از مهم‌ترین راهبردها در این زمینه است. در این پژوهش به‌منظور پهنه‌بندی پتانسیل آب زیرزمینی دشت ناز ساری، از عوامل مؤثر بر نفوذپذیری خاک و تغذیة سفره‌های آب زیرزمینی شامل لایه‌های زمین‌شناسی، پوشش گیاهی، شیب، جهت شیب، بارش، دما، ارتفاع، فاصله از گسل، تراکم گسل، فاصله از آبراهه و تراکم آبراهه و فاصله از جاده استفاده شد. به این منظور نخست لایه‌های اطلاعاتی مورد نیاز در محیط نرم‌افزار ArcMap 10.3 به‌صورت لایة رستری تهیه شد؛ سپس هریک از عوامل در بردار وزن به‌دست‌آمده از روش ANP ضرب و نقشة پتانسیل‌یابی منابع آب زیرزمینی منطقه از راه حاصل‌جمع لایه‌های نهایی عوامل اقلیمی، هیدرولوژی، زمین‌شناسی، توپولوژی و زیست‌محیطی تهیه شد. به‌منظور اعتبارسنجی نقشة نهایی، منحنی ROC به کار رفت.
نتایج نشان داد 35/995 کیلومترمربع از مساحت منطقه پتانسیل زیاد و بسیار زیاد، 76/2549 کیلومترمربع پتانسیل کم و بسیار کم و 17/642 کیلومترمربع پتانسیل متوسط درزمینة منابع آب زیرزمینی دارند؛ همچنین نتیجة 87درصدی منحنی ROC بیان‌کنندة دقت زیاد این روش در تهیة نقشة پتانسیل آب زیرزمینی در محدودة مطالعاتی است. براساس روش ANP نیز، عوامل زمین‌شناسی و ارتفاع منطقه بیشترین تأثیر را بر پتانسیل‌یابی منابع آب زیرزمینی در منطقة بررسی‌شده دارند. بر این مبنا بررسی پتانسیل سفره‌های آب زیرزمینی و بهره‌برداری بهینه و متناسب با توان آبخوان برای مدیریت پایدار این منابع ضروری است

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Groundwater Resources Potential Based on Geographic Information System (GIS) and Remote Sensing (RS) Using Analytic Network Process (ANP) (Case Study: Naz Sari Plain)

نویسندگان [English]

  • Zahra Kasiri 1
  • Mahmoud Habibnejad Roshan 2
  • Sayed Hussein Roshun 3

1 MSc. Graduate in Water Engineering, Haraz Institute of Higher Education, Amol, Iran

2 Professor, Department of Watershed Management Engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran

3 Ph.D. Candidate, Department of Watershed Management Engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran

چکیده [English]

 
1. Introduction
Groundwater resources are considered as one of the most important sources of freshwater in the world, which provides an important part of the needs of industry, agriculture, and drinking. Due to the location of Iran in the semi-arid and arid climate of the world, studies on the conservation of water resources are becoming increasingly clear. It is necessary to plan and manage the optimal water resources (surface and subsurface) of their study and exploration, which is possible through academic research. The zoning of underground water potential has become an important issue in the world today, with a lot of research being done on this issue. This issue is now facilitated by the use of new technologies of geographic information systems and remote sensing by combining decision-making models. The purpose of this research is to integrate GIS and remote sensing with decision-making models in order to map the potential of groundwater resources in one of the country's most important plains. Such research is necessary in view of the farming industry, gardens, and industrial use of groundwater in the area.
 
2. Methodology
In order to provide the potential groundwater resources map, 13 factors influencing water permeability in the soil and its storage were considered including geological layers, vegetation, slope, slope direction, rainfall, temperature, elevation, distance from the fault, fault density, distance from the waterways and the congestion, and the distance from the road. These layers were prepared in ArcGIS and Envi software. Then, based on the ANP method, each of the factors was multiplied by its weight vector, and finally, by combining the layers, a groundwater potential mapping map was obtained for the area. In order to assess the accuracy and validation of the final map, the statistics of fountains, qanats, and wells in the area, as well as the ROC curve method, were used.
 
3. Discussion
The groundwater potential mapping potential in the study area was obtained based on the combination of GIS, remote sensing technology, and network analysis methodology, which indicates that about 955.35 sq. Km of the potential area is 2549.76 square kilometers of potentials and very small and 642.16 square kilometers have a moderate potential. High potential areas are more consistent with low altitudes due to lower slopes, alluvial terraces, conifers, and plain areas, where more surface water penetration is possible. Areas with low and very low potentials, which are very steep. Also, according to the ROC curve, the 87 percent result of this curve also indicates the high accuracy of the Antenna Process Analysis (ANP) method for the preparation of groundwater potential maps in the study area.
 
4. Conclusion
Application of ANP model in water resources planning in catchment areas, considering flexibility, taking into account feedback and relation between criteria, using quantitative and qualitative criteria simultaneously and the ability to review compatibility in judgments in order to study the issues related to the planning of catchment areas is a suitable method. The present research is consistent with the results of studies such as Rahman Moghadam et al. (2016), Faraji Solebar et al. (2011), and Itishiri et al. (2013). They suggested the method of analytical network process (ANP) as a suitable method for the potential of groundwater resources. The results of this study also confirm the results of these investigators.

کلیدواژه‌ها [English]

  • Potential
  • Aquifer
  • ANP
  • ROC Curve
  • Tajan Watershed

مقدمه

منابع آب زیرزمینی، مهم‌ترین منابع آبی پایدار و قابل اتکا در سراسر جهان به شمار می‌روند (Singh et al.‚ 2018: 1). افزایش بی‌رویة جمعیت، محدودیت منابع آب‌های سطحی و بهره‌برداری بیش از اندازه از آب‌های زیرزمینی سبب واردشدن خسارات‌ جبران‌ناپذیر به منابع طبیعی کشور در سال‌های گذشته شده است. آب‌های زیرزمینی در کشور به‌مثابة یکی از منابع مهم تأمین آب مورد نیاز در بخش‌های کشاورزی، شرب و صنعت اهمیت زیادی دارد. آب‌های زیرزمینی از یک سو به دلیل شیرین‌بودن، ترکیبات ثابت شیمیایی، دمای ثابت، ضریب آلودگی کمتر و سطح اطمینان بیشتر، یک منبع قابل اتکا به‌ویژه در مناطق خشک و نیمه‌خشک محسوب می‌شود و از سوی دیگر، با تأثیر بر توان اکولوژیک سرزمین، پدیده‌ای مهم و مؤثر در توسعة اقتصادی، تنوع اکولوژیکی و سلامت جامعه به شمار می‌آید (Jha et al., 2009: 220).

آب‌های زیرزمینی فقط حدود 4 درصد از مجموعه‌آب‌هایی را تشکیل می‌دهد که فعالانه در سیکل هیدرولوژی دخالت دارند؛ با وجود این، حدود 50 درصد جمعیت دنیا ازنظر آب شرب به همین آب‌ها متکی‌اند. این رقم در ایران به‌مراتب بیشتر از 50 درصد است و بیشتر شهرها و روستاهای کشور آب مورد نیاز شرب و کشاورزی خود را از منابع آب زیرزمینی تأمین می‌کنند (علیزاده، 1394: 24). کشور ایران با شرایط اقلیمی خشک و نیمه‌خشک و میانگین بارش سالیانة 250 میلی‌متر از کم‌آب‌ترین کشورهای جهان محسوب می‌شود (هاتف و همکاران، 1395: 62). این گسترة بزرگ جغرافیایی با مشخصات هیدرولوژیکی خاص نظیر حجم نزولات 413، تبخیر و تعرق 296، حجم آب دردسترس 117 میلیارد مترمکعب، سرانة آب تجدیدشوندة 1900 و مصرف 4/3 میلیارد مترمکعب که حدود 65 درصد آن از آب‌های زیرزمینی تأمین می‌شود، با شرایط سختی درزمینة تأمین آب روبه‌روست (علیزاده، 1394: 33). با توجه به مشخصات هیدرولوژیکی کشور، بازنگری در مدیریت و راهبرد منابع آب در برنامه‌های توسعة اقتصادی و اجتماعی کشور، امری اجتناب‌ناپذیر و جدی است (رحیمی و موسوی، 1391: 156). برای رسیدن به مدیریت مناسب، نخست باید ظرفیت منابع آب‌های موجود سطحی و زیرزمینی را به‌خوبی شناسایی و مطالعه کرد تا برنامه‌ریزی جامعی برای بهره‌برداری درست از آنها انجام شود.

علاوه بر لزوم اشاعة رویه‌های مرسوم و مطلوب در برنامه‌ریزی و مدیریت منابع آب، فناوری‌های جدید مانند مدل‌سازی در سیستم اطلاعات جغرافیایی و پردازش داده‌های ماهواره‌ای با توجه به ویژگی‌هایی مانند سرعت و دقت زیاد و دید وسیع و یکپارچه، ابزاری مناسب برای اکتشاف منابع آبی با توجه به هزینه‌های زیاد روش‌های سنتی محسوب می‌شوند (مفیدی‌فر و همکاران، 1394: 147؛ Chowdhury et al.‚ 2010: 1209؛Meshram et al.‚ 2010: 32 ). به علت وجود عوامل متعدد دخیل در امر پتانسیل‌یابی و نیاز به بررسی توأم معیارهای ارزیابی‌شده (در قالب نقشه)، سیستم اطلاعات جغرافیایی (GIS)، ابزاری کارآمد برای پردازش داده‌های مکانی مختلف است. پهنه‌بندی پتانسیل آب زیرزمینی برپایة سیستم اطلاعات جغرافیایی به همراه سنجش از دور، ابزاری مؤثر محسوب می‌شود (Adeyeye et al.‚ 2019: 175). در دهة اخیر، استفادة گسترده از تصاویر ماهواره‌ای در کنار نقشه‌های موضوعی و داده‌های زمینی، روند آسان‌تری را برای مطالعة پتانسیل آب‌های زیرزمینی فراهم کرده است (رحیمی و سلیمانی، 1395: 27؛ Murasingh et al.‚ 2018: 387).

امروزه تلفیق فناوری‌های سنجش از دور و سیستم اطلاعات جغرافیایی با مدل‌های تصمیم‌گیری در پژوهش‌های مدیریتی و هیدرولوژیکی حوضه‌های آبخیز کاربرد فراوان دارد و به‌ ابزاری برای اکتشاف منابع آب زیرزمینی تبدیل شده است که به ما درزمینة ارزیابی منابع آب‌ زیرزمینی، نظارت بر این منابع و حفاظت از آنها کمک می‌کند (Patra et al., 2018: 2485؛ Magesh et al.‚ 2012: 189؛ Dar et al.‚ 2010: 285؛ فتحی‌زاد و همکاران، 1395: 1). ازجمله مدل‌های تصمیم‌گیری، فرایند تحلیل سلسله‌مراتبی (AHP) و تحلیل شبکه‌ای (ANP) است (Etishree et al., 2013: 887؛ Gorener‚ 2012: 194).

 

پیشینة پژوهش

به‌تازگی پژوهش‌های زیادی دربارة پتانسیل‌یابی منابع آب زیرزمینی در دنیا انجام شده است. بیشتر این پژوهش‌ها حاصل ترکیب سیستم اطلاعات جغرافیایی، سنجش از دور و مدل‌های تصمیم‌گیری هستند، اما ازنظر روش‌شناسی و فرایند انجام کار با هم متفاوت‌اند. در زیر به چند نمونه از آنها اشاره می‌شود.

عباسی و حیدری (1395) برای بررسی پتانسیل آب زیرزمینی حوضة شمالی استان ایلام از تحلیل سلسله‌مراتبی (AHP) و منطق فازی استفاده کردند. معیارهای لیتولوژی، تراکم زهکشی، تغییرات شیب، کاربری اراضی، توپوگرافی، جمعیت، چشمه، چاه، گسل و شکستگی برای ورود به مدل انتخاب شدند و پس از نظرسنجی و مقایسة دوبه‌دو بین معیارها، وزن معیارها به دست آمد. نقشة نهایی حاصل از روش AHP نشان می‌دهد بیشترین پتانسیل آب زیرزمینی در بخش‌های آهکی با تراکم زیاد شکستگی وجود دارد.

فلاح و همکاران (1396) پتانسیل‌یابی منابع آب زیرزمینی را با استفاده از روش شاخص آماری در محدودة شهر خرم‌آباد مدنظر قرار دادند. آنها لایه‌های رقومی متغیرهای مؤثر بر پتانسیل آب‌های زیرزمینی را در محیط ArcGIS تهیه کردند؛ سپس با استفاده از روش هم‌پوشانی وزنی، نقشة نهایی پتانسیل‌یابی منابع آب زیرزمینی را در محدودة پژوهشی تهیه کردند. درنهایت برای تعیین صحت نقشة نهایی از منحنی ROC استفاده کردند که میزان دقت نقشة نهایی براساس این منحنی، 82 درصد بود. این امر نشان‌دهندة دقت زیاد این روش در تهیة نقشة پتانسیل آب زیرزمینی است.

فویه و همکاران[1] (2016) در مدل‌سازی نقشة پتانسیل آب زیرزمینی رودخانة هالوین[2] در تایوان با استفاده از GIS، از عوامل محیطی مؤثر بر پتانسیل آب زیرزمینی ازجمله سنگ‌شناسی، شیب، خط‌واره، کاربری اراضی، خاک، بارندگی، تراکم زهکشی و ژئومورفولوژی استفاده کردند. نتایج به‌دست‌آمده نشان می‌دهد منطقة درة هاتونگ[3] بیشترین پتانسیل شارژ آب زیرزمینی را دارد.

آکینلالو و همکاران[4] (2017) آب زیرزمینی منطقة اوکه‌آنا[5] در جنوب غربی نیجریه را با استفاده از سیستم GIS و سنجش از دور و روش آنالیز تصمیم‌گیری چندمعیاره ارزیابی کردند. آنها از مقایسة نقشة پتانسیل آب زیرزمینی مبتنی بر پارامترهای هیدرولوژیکی ازجمله چگالی خطی، چگالی زهکشی، سنگ‌شناسی، ضخامت بیش از حد مقاومت آب و لایة آبخوان با نقشة پتانسیل آب زیرزمینی مبتنی بر پارامترهای زیرزمینی به این نتیجه رسیدند که منطقه ازنظر پتانسیل آب زیرزمینی به سه قسمت دارای پتانسیل کم، متوسط و زیاد دسته‌بندی می‌شود.

 

روش‌شناسی پژوهش

روش پژوهش

در این پژوهش، نخست با توجه به تجزیه‌وتحلیل‌های انجام‌شده و بررسی منابع مختلف داخلی و خارجی، مهم‌ترین عوامل مؤثر بر تغذیة آبخوان و نگهداشت منابع آب زیرزمینی ارزیابی شد. در ادامه، 13 متغیر از مهم‌ترین عوامل مؤثر بر پتانسیل‌یابی منابع آب زیرزمینی شامل لایه‌های زمین‌شناسی، پوشش گیاهی، مقدار شیب، جهت شیب، بارش، دما، ارتفاع، فاصله از گسل، تراکم گسل، فاصله از آبراهه، تراکم آبراهه، فاصله از جاده و تراکم جاده با توجه به تجربیات کارشناسان و پژوهشگران برای منطقة پژوهش در نظر گرفته شد. این عوامل از نقشه‌های زمین‌شناسی 1:100000، توپوگرافی 1:50000، باندهای مرئی تصاویر ماهواره‌ای لندست 8 سنجندة OLI، مدل رقومی ارتفاع (DEM)، داده‌های دما و بارش ایستگاههای هواشناسی منطقه، موقعیت و آمار چشمه‌ها و قنوات و مختصات 142 چاه پیزومتری و آمار تراز آب آنها که در منطقة بررسی‌شده قرار دارند، داده‌های شرکت آب منطقه‌ای استان مازندران، ادارة کل منابع طبیعی و آبخیزداری استان و سازمان هواشناسی استخراج و به‌مثابة ورودی تهیة لایه‌های اطلاعاتی مورد نیاز برای فرایند پهنه‌بندی پتانسیل آب زیرزمینی با بهره‌گیری از فرایند تحلیل شبکه‌ای استفاده شد. درنهایت با بهره‌گیری از منحنی ویژگی‌های عامل نسبی (ROC)، نقشة تهیه‌شده اعتبارسنجی شد.

تهیة لایه‌های اطلاعاتی

برای به‌دست‌آوردن لایه‌های مورد نیاز از نقشه‌های توپوگرافی، زمین‌شناسی و تصاویر ماهواره‌ای در محیط نرم‌افزارهای ArcMap 10.3 و ENVI 5.0 استفاده شد که در زیر به آنها اشاره می‌شود.

نقشة کاربری و پوشش اراضی

وجود پوشش گیاهی در هر منطقه، سرعت جریان‌های سطحی را کاهش می‌دهد و سبب نفوذ بیشتر آب به داخل خاک و درنتیجه افزایش میزان آب‌های زیرزمینی می‌شود (صابری و همکاران، 1391: 12). برای تفکیک مناطق دارای پوشش گیاهی و فاقد آن از باندهای مرئی تصاویر ماهواره‌ای لندست 8 سنجندة OLI در محیط نرم‌افزار ENVI 5.0 استفاده شد که به فرمت Shape file در محیط نرم‌افزار ArcMap 10.3 ذخیره شد.

نقشة طبقات ارتفاع، مقدار و جهت شیب

طبقات ارتفاع، مقدار و جهت شیب از فاکتورهای مؤثر بر پتانسیل‌یابی منابع آب زیرزمینی هستند که نقش مهمی در ضریب رواناب و نفوذپذیری دارند. این فاکتورها در شیب هیدرولیکی و جهت حرکت آب زیرزمینی و محل تشکیل آبخوان نقش مؤثری دارند (رحیمی و موسوی، 1391: 145). به‌منظور تهیة نقشه‌های طبقات ارتفاعی، مقدار و جهت شیب از مدل رقومی ارتفاع (DEM) منطقه استفاده و هریک از نقشه‌ها در محیط نرم‌افزار ArcMap 10.3 تهیه شد.

نقشة دما و بارش

برای تهیة لایه‌های دما و بارش از داده‌های دما و بارش ایستگاههای هواشناسی موجود در منطقه استفاده شد. به‌منظور تعمیم داده‌های نقطه‌ای ایستگاهها به داده‌های پهنه‌ای با استفاده از روش‌های درون‌یابی جبری و مدل LPI[6]، به دلیل دقت بیشتر و خطای کمتر نسبت به دیگر روش‌های درون‌یابی، داده‌های مختص به دما و بارش درون‌یابی و در محیط ArcMap 10.3 به نقشه تبدیل شد.

نقشة تراکم و فاصله از آبراهه

برای تهیة نقشة آبراهه‌های منطقه نیز از نقشة توپوگرافی منطقه استفاده شد. نقش عوامل هیدرولوژی به همراه پارامترهای اقلیمی شبیه بارش و مشخصات شبکة زهکشی مانند تراکم شبکة آبراهه به‌صورت غیرمستقیم نشان‌دهندة میزان نفوذپذیری است؛ به‌طوری که زیادبودن تراکم آبراهه نشان‌دهندة کاهش نفوذ و کم‌بودن آن به شرط مهیابودن شرایط زمین‌شناسی، خاک و پوشش گیاهی نشان‌دهندة زیادبودن آن است (رحیمی و موسوی، 1391: 145).

نقشة زمین‌شناسی، تراکم و فاصله از گسل

افزایش تراکم درزه و گسل‌ها به‌طور کلی اهمیت زیادی در نفوذ و انتقال آب زیرزمینی دارد و به این ترتیب برای استخراج، حفاظت آب و پراکندگی مواد آلاینده مهم است (Prasad et al.‚ 2008: 468). نقشه‌های زمین‌شناسی و گسل منطقه با استفاده از نقشة زمین‌شناسی به مقیاس 1:100000 سازمان زمین‌شناسی و اکتشافات معدنی کشور در نرم‌افزار سیستم اطلاعات جغرافیایی تهیه شد.

نقشة جاده‌ها و فاصله از آنها

جاده‌ها به‌مثابة سطوح نفوذناپذیر که بر تولید رواناب اثر زیادی دارند، بر میزان نفوذپذیری نیز مؤثرند. برای تهیة نقشة جاده‌های منطقه نیز از نقشة توپوگرافی منطقه به مقیاس 1:50000 استفاده شد.

نقشة چشمه و قنات

موقعیت و آمار چشمه‌ها و قنوات موجود در منطقة مدنظر از شرکت آب منطقه‌ای استان مازندران اخذ شد. برای تهیة نقشة موقعیت چشمه‌ها و قنوات، آمار مختصات جغرافیایی از محیط Excel به محیط ArcMap 10.3 فراخوانده شد؛ سپس لایة هرکدام به‌صورت وکتور تهیه و به‌مثابة ورودی استفاده شد.

نقشة چاههای پیزومتری

مختصات 142 چاه پیزومتری و آمار تراز آب آنها نیز از شرکت آب منطقه‌ای استان مازندران گرفته شد؛ سپس مختصات آنها به محیط نرم‌افزار ArcMap 10.3 فراخوانده و لایة مدنظر تهیه شد.

فرایند تحلیل شبکه‌ای (ANP)

برای پی‌جویی مناطق آبی با پتانسیل‌های مختلف از روش فرایند تحلیل شبکه‌ای استفاده شده است. فرایند تحلیل شبکه‌ای، یکی از روش‌های تصمیم‌گیری چندمعیاره است که توماس ال‌ساعتی[7] در سال 1980 آن را توسعه داده است. در این مدل، معیارها به‌مثابة عناصر داخل دسته‌هایی به نام خوشه قرار می‌گیرند. این مدل، شبکه‌ای از ارتباطات بین عناصر خوشه‌های مختلف (وابستگی خارجی) و نیز ارتباطات بین عناصر داخل یک خوشه (ارتباطات داخلی) است؛ درحقیقت مدل ANP روابط متقابل بین مؤلفه‌ها را نیز نشان می‌دهد (Saaty, 1980: 70; Saaty and Vargas, 2006: 213). مدل ANP به‌جای سلسله‌مراتب از ساختار شبکه‌ای بهره می‌برد و علاوه بر داشتن همة ویژگی‌های مدل AHP شامل سادگی، انعطاف‌پذیری، به‌کارگیری معیارهای کمی و کیفی به‌طور همزمان، انجام مقایسه‌های زوجی و بررسی سازگاری در قضاوت‌ها، قادر به برقراری ارتباطات متقابل و دوسویه و وابستگی‌های داخلی علاوه بر روابط سلسله‌مراتبی در شبکه است (García-Melón et al., 2008: 143)؛ (شکل 1).

 

شکل 1. تفاوت ساختاری بین یک سلسله‌مراتب و شبکه (زبردست، 1389: 80)

 

فرایند تحلیل شبکه‌ای در 4 مرحله اجرا می‌شود؛ گام نخست، تعیین مسئلة تصمیم‌گیری و ارائة آن در یک مدل شبکه‌ای است. در این مرحله، پس از تعیین مسئلة تصمیم‌گیری و عوامل مؤثر بر آن، باید یک مدل شبکه‌ای تشکیل شود. این مدل شامل مسئلة تصمیم‌گیری، خوشه‌ها، عناصر و وابستگی‌های داخلی و خارجی بین آنهاست. برای تهیة این ساختار شبکه‌ای، روش‌های مختلفی ازجمله روش طوفان فکری، روش دلفی، روش گروه اسمی یا روش‌های ریاضی نظیر DEMATEL وجود دارد. در این شبکه، وابستگی‌های خارجی به‌صورت پیکان و وابستگی‌های داخلی به‌صورت کمان نشان داده می‌شود (زبردست، 1389: 81).

گام دوم، تشکیل ماتریس‌های مقایسة زوجی و استخراج بردارهای اولویت است. در این مرحله، عناصر تصمیم در هریک از خوشه‌ها، براساس میزان اهمیتشان در ارتباط با معیارهای کنترلی دوبه‌دو مقایسه می‌شوند (همان). همانند مدل AHP برای بیان برتری در ماتریس‌های مقایسة زوجی از اعداد 1 تا 9 و معکوس آنها استفاده می‌شود (جدول 1)؛ (Saaty, 1980: 163).

جدول 1. مقادیر ترجیحات و قضاوت کارشناسی برای مقایسة زوجی

ترجیحات (قضاوت شفاهی)

مقدار عددی

کاملاً مهم‌تر یا کاملاً مطلوب‌تر (Extremely preferred)

9

اهمیت خیلی قوی (Very strongly preferred)

7

اهمیت یا مطلوبیت قوی (Strongly preferred)

5

کمی مطلوب‌تر یا کمی مهم‌تر (Moderately preferred)

3

اهمیت یا مطلوبیت یکسان (Equally preferred)

1

اولویت بین فواصل

8-6-4-2

پس از نوشتن ارجحیت‌ها در ماتریس‌های مقایسة زوجی، بردار اهمیت داخلی که بیان‌کنندة اهمیت نسبی عناصر یا خوشه‌هاست، با استفاده از رابطة 1 به دست می‌آید:

(1)                                                                                                            A×W= λmax×W

در این رابطه، A ماتریس مقایسة دودویی معیارها، W بردار ویژه (ضریب اهمیت) و λmax بزرگ‌ترین مقدار ویژة عددی است. تعیین صحت ماتریس‌های مقایسة زوجی با محاسبة نسبت سازگاری (CR) انجام می‌شود:

(2)                                                                                                                                                                                                                                                                                    CI= (λmax- n)/(n-1)

در آن، CI، شاخص سازگاری و n، تعداد مؤلفه‌های مقایسه‌شده در ماتریس است.

(3)                                                                                                                                                                                                                                                                                                                                       CR= CI/RI

در آن، CR، نسبت پایندگی و RI، شاخص تصادفی است که به تعداد عناصر مقایسه‌شده بستگی دارد.

مقایسة دوبه‌دو زمانی پذیرفته خواهد بود و پایندگی خواهد داشت که نسبت پایندگی کمتر از 1/0 به دست آید (Saaty, 1980: 103; Saaty and Vargas, 2006: 213; Malczewski, 1999: 53).

گام سوم، تشکیل سوپرماتریس است. یک سوپرماتریس روابط موجود در ساختار شبکه‌ای و نیز وزن‌های نسبی محاسبه‌شده در مرحلة دوم را ارائه می‌دهد؛ درواقع از اجتماع همة بردارهای اولویت محاسبه‌شده برای تک‌تک ماتریس‌های مقایسة زوجی در یک ماتریس، سوپرماتریس به دست می‌آید (Lami and Abastante, 2014: 13).

در فرایند تحلیل شبکه‌ای سه نوع سوپرماتریس ساخته می‌شود؛ سوپرماتریس اولیه (ناموزون): از واردکردن همة بردارهای ویژة به‌دست‌آمده از ماتریس‌های مقایسة زوجی به ماتریس اولیه به دست می‌آید؛ سوپرماتریس موزون: از ضرب ارزش‌های موجود در سوپرماتریس ناموزون در وزن هر خوشه به دست می‌آید؛ سپس این سوپرماتریس نرمالیزه و ازنظر ستونی به حالت تصادفی تبدیل می‌شود (Lami and Abastante, 2014: 13; Saaty and Vargas, 2006: 213)؛ سوپرماتریس حد: اگر همة عناصر سوپرماتریس موزون تا جایی به توان برسد که همگرایی حاصل و به بیان دیگر ارزش‌های همة ستون‌های ماتریس یکسان شود، سوپرماتریس حد تشکیل می‌شود که هر ستون آن نشان‌دهندة بردار اولویت کلی است (رابطة 4)؛ (Lami and Abastante, 2014: 13).

(4)                                                                                                                                                                                                                                                                           lim┬(K→∞)⁡〖W^K 〗

گام چهارم، محاسبة وزن نهایی معیارهاست. این گام، آخرین مرحله در مدل ANP است که در آن با تشکیل سوپرماتریس حد بردار، وزن نهایی معیارها و زیرمعیارها به دست می‌آید (همان).

منحنی ویژگی‌های عامل نسبی (ROC)

منحنی ROC، روش کمی و گرافیکی مناسبی برای تعیین میزان دقت مدل‌های پیش‌بینی مکانی و روش‌های داده‌کاوی محسوب می‌شود. در این منحنی، میزان مثبت واقعی (روی محور X) و میزان مثبت کاذب (روی محور Y) در آستانه‌های مختلف نشان داده می‌شود (Kumar and Indrayan ‚ 2011: 228). هنگامی که حساسیت افزایش یابد، میزان مثبت کاذب نیز افزایش می‌یابد؛ بنابراین منحنی ROC به ما اجازه می‌دهد میزان مثبت واقعی و مثبت کاذب را در هر نقطه روی منحنی بررسی و مقایسه کنیم (Akobeng‚ 2007: 645). مساحت زیر این منحنی (AUC)، بیان‌کنندة میزان دقت نقشة نهایی به‌صورت کمی و توانایی مدل در پیش‌بینی درست است. مساحت یادشده با نرم‌افزارهای آماری همچون Medcalk13.3 با استفاده از اطلاعات استفاده‌نشده‌ای محاسبه می‌شود که برای اعتبارسنجی به‌صورت تصادفی در نظر گرفته می‌شود. در حالتی ایدئال، مقدار زیر نمودار برابر یک خواهد بود. این شاخص برای ارزیابی صحت مدل، شاخص مناسبی است (سادات‌هاشمی و همکاران، 1383: 149). در این پژوهش به‌منظور اعتبارسنجی دقت نقشة نهایی پتانسیل‌یابی منابع آب زیرزمینی از 30 درصد داده‌ها استفاده شد.

 

محدودة پژوهش

حوضة آبخیز تجن (حوضة منتهی به دشت ناز) در منطقه‌ای در 29کیلومتری شمال شرق شهرستان ساری در استان مازندران واقع شده است. مساحت این منطقه بیش از 28/4187 کیلومترمربع و حداکثر ارتفاع آن 3700، حداقل ارتفاع آن 26- و ارتفاع متوسط آن 1267 متر از سطح دریاست. شیب متوسط حوضه نیز معادل 14 درجه است. این حوضه بین طول '56 °٥2 تا '٤٤ °54 شرقی و عرض '58 °35 تا '٤9 °36 شمالی به‌صورت تودة جنگلی در جلگه‌ای هموار واقع شده است. این منطقه با متوسط بارندگی سالیانة 05/560 میلی‌متر ازلحاظ اقلیمی جزو مناطق مرطوب به شمار می‌رود و تابستان‌های گرم و زمستان‌های سرد و مرطوب دارد. در شکل 2، موقعیت منطقه نشان داده شده است.

 

شکل 2. موقعیت جغرافیایی منطقة بررسی‌شده در استان و کشور

یافته‌های پژوهش

با توجه به اینکه هدف پژوهش، پتانسیل‌یابی منابع آب زیرزمینی در حوضة آبخیز منتهی به دشت ناز ساری است، 13 متغیر تأثیرگذار بر نفوذپذیری خاک و تغذیة سفره‌های آب زیرزمینی به‌مثابة متغیرهای مستقل و لایة اطلاعات مکانی منابع آبی حوضه شامل 3 لایة چاهها، چشمه‌ها و قنوات به‌مثابة متغیر وابسته در نظر گرفته شدند. این عوامل شامل لایه‌های اقلیمی، هیدرولوژی، زمین‌شناسی، توپولوژی و زیست‌محیطی براساس اهمیتشان در نفوذپذیری خاک و تغذیة سفره‌های آب زیرزمینی در کانون توجه قرار گرفتند (شکل 3).

   
   
   
   
   
   
   
   

شکل 3. نقشة پارامترهای مؤثر بر تهیة نقشة پتانسیل‌یابی منابع آب زیرزمینی دشت ناز ساری

 

در ادامه با وزن‌دهی هریک از عوامل، سرانجام وزن نسبی آنها براساس روش فرایند تحلیل شبکه‌ای (ANP) مشخص شد (شکل 4)؛ سپس در محیط نرم‌افزار ArcMap 10.3، لایة رستری هریک از عوامل در بردار وزن آنها ضرب و لایة پتانسیل منابع آب زیرزمینی از راه حاصل‌جمع لایه‌های نهایی عوامل یادشده تهیه شد. با استناد به مطالعات انجام‌شده، نقشة تولیدشده به پنج طبقه ازنظر پتانسیل منابع آب زیرزمینی شامل مناطق با پتانسیل خیلی کم، کم، متوسط، زیاد و خیلی زیاد طبقه‌بندی شد (شکل 5).

 

شکل 4. پارامترهای استفاده‌شده و وزن آنها به روش ANP

 

نتایج حاصل از شکل 4 نشان می‌دهد مهم‌ترین پارامترها در پتانسیل‌یابی منابع آب زیرزمینی در منطقة بررسی‌شده به‌ترتیب زمین‌شناسی، طبقات ارتفاعی، میزان بارندگی و فاصله از گسل هستند که بیشترین وزن را به خود اختصاص دادند. وزن زیاد عامل زمین‌شناسی به دلیل تأثیر نوع سازندها و واحدهای لیتولوژیک بر خصوصیات هیدرولوژیکی چون نفوذپذیری، هدایت هیدرولیکی و قابلیت انتقال است. در مناطق پایین‌دست حوضه به دلیل وجود آبرفت‌های درشت‌دانه و پادگانه‌ها هدایت هیدرولیکی زیاد است و ذخیرة آبخوان وضعیت خوبی را نشان می‌دهد که در نقشة نهایی نیز شاهد این موضوع هستیم.

پارامتر مؤثر بعدی که وزن حدود 4/0 را به خود اختصاص داده، طبقات ارتفاعی است. این عامل نیز با تأثیر بر ضریب رواناب و نفوذپذیری، عامل مهمی در تغذیة آبخوان محسوب می‌شود و در تهیة نقشة پتانسیل‌یابی نقش مهمی دارد.

پارامتر بارندگی نیز که عامل اصلی وجود رواناب و جریان در سطح زمین و عامل مهم در تغذیة سفره‌های آب زیرزمینی است، همان‌طور که در شکل دیده می‌شود، نقش مهمی در پتانسیل‌یابی منابع آب زیرزمینی نیز دارد؛ همچنین به دلیل وجود گسل‌های فعال و غیرفعال در حوضة مدنظر، این عامل از پارامترهای مهم در پتانسیل‌یابی آب زیرزمینی است. وجود تعداد زیادی گسل در حوضه در نفوذ رواناب و تغذیة سفره‌ها و همچنین هدایت جریان زیرسطحی و زیرزمینی نقش مؤثری داشته است.

   

شکل 5. نقشة نهایی توزیع مکانی پتانسیل منابع آب زیرزمینی به روش فرایند تحلیل شبکه‌ای دشت ناز ساری

 

براساس نقشة نهایی، 35/995 کیلومترمربع از مساحت منطقه پتانسیل زیاد و بسیار زیاد، 76/2549 کیلومترمربع پتانسیل‌ کم و بسیار کم و 17/642 کیلومترمربع پتانسیل متوسط دارد (جدول 2). مناطق با پتانسیل زیاد بیشتر منطبق بر ارتفاعات کم به علت شیب کمتر، تراس‌های آبرفتی، مخروط‌افکنه‌ها و مناطق دشتی است که در این مناطق امکان نفوذ بیشتر آب‌های سطحی فراهم است. مناطق با پتانسیل کم و بسیار کم منطبق بر ارتفاعات زیاد است که شیب زیادی دارند و فرصت نفوذ جریان سطحی به سفره‌های آب زیرزمینی کم است. با توجه به شکل 5، مناطق با پوشش جنگلی نقش مهمی در افزایش نفوذ جریان به آبخوان دارند که موجب شده است در این مناطق پتانسیل تغذیه افزایش یابد و در پایین‌دست این مناطق نیز، به دلیل شیب هیدرولیکی به سمت دشت (ارتفاع کمتر از 500 متر و شیب کمتر از 7 درصد) مناطق با پتانسیل بسیار زیاد ازنظر منابع آب زیرزمینی به وجود آید.

جدول 2. مساحت پهنه‌های پتانسیلی منابع آب زیرزمینی

پهنه‌بندی حوضه ازنظر پتانسیل

مساحت (کیلومترمربع)

درصد مساحت

پتانسیل کم و بسیار کم

2549.76

60.89

پتانسیل متوسط

642.17

15.34

پتانسیل زیاد و بسیار زیاد

995.35

23.77

 

ارزیابی دقت

به‌منظور برآورد دقت مدل، از نقشة موقعیت منابع آب شامل چاهها، چشمه‌ها و قنوات موجود در حوضه استفاده شد. با مقایسة نقشة موقعیت منابع آبی حوضه با نقشة پتانسیل برآوردشده مشخص شد بیشتر این منابع در مناطق با پتانسیل زیاد قرار داشتند که این امر بیان‌کنندة دقت روش ANP در تولید نقشة پتانسیل‌یابی منابع آب زیرزمینی است. جدول 3 تعداد منابع آبی و درصد آنها را در هریک از طبقات نقشة پتانسیل نشان می‌دهد.

جدول 3. نتایج بررسی دقت پتانسیل‌یابی

تحلیل شبکه‌ای

پهنه‌های نقشة پتانسیل‌یابی

درصد منابع آبی

تعداد منابع آبی

0

0

پتانسیل کم و بسیار کم

0.82

1

پتانسیل متوسط

99.18

121

پتانسیل زیاد و بسیار زیاد

100

122

جمع

 

با توجه به جدول 3، بیشترین درصد منابع آبی در محدودة با پتانسیل زیاد و خیلی زیاد حوضه واقع شده است که نشان‌دهندة صحت نقشة پتانسیل‌یابی تولیدشده است؛ همچنین نتایج این جدول نشان می‌دهد در مناطق با پتانسیل کم آب زیرزمینی، هیچ‌یک از منابع آبی حوضه وجود ندارد.

اعتبارسنجی نقشة پتانسیل‌یابی منابع آب زیرزمینی

لایة اطلاعات مکانی 142 چاه‌ پیزومتری موجود در حوضه تهیه و برای تولید نقشة پتانسیل‌یابی منابع آب زیرزمینی از تعداد 100 حلقه چاه (70 درصد کل چاهها) در مرحلة واسنجی مدل استفاده شد. به‌منظور اعتبارسنجی نقشة نهایی پتانسیل‌یابی آب زیرزمینی تولیدشده نیز، از تعداد 42 حلقه چاه (30 درصد کل چاهها) استفاده شد که در مرحلة قبل از آنها استفاده نشد. درنهایت اعتبارسنجی مدل با استفاده از منحنی ROC در محیط نرم‌افزار Medcalk13.3 انجام شد. شکل 6، نتایج اعتبارسنجی مدل را در تولید نقشة پتانسیل‌یابی منابع آب زیرزمینی نشان می‌دهد.

 

شکل 6. منحنی ROC مربوط به اعتبارسنجی نقشة پتانسیل‌یابی آب‌های زیرزمینی دشت ناز ساری

 

نتایج حاصل از منحنی ROC بیان‌کنندة این است که دقت مدل در مرحلة آموزش و اعتبارسنجی به‌ترتیب 87/0 و 81/0 است؛ این امر نشان‌دهندة دقت زیاد این روش در تهیة نقشة پتانسیل‌یابی منابع آب زیرزمینی در دشت ناز ساری است. کم‌بودن مقدار AUC در مرحلة آموزش و اعتبارسنجی مدل نیز نشان می‌دهد در مرحلة اعتبارسنجی از درصد کمتری از چاهها (30%) استفاده شده است.

 

نتیجه‌گیری

در دهه‌های اخیر با افزایش جمعیت، نیاز به آب سالم و قابل شرب روند صعودی داشته است و منابع آب سطحی نیز با مسئلة آلودگی و تغییرات حجمی روبه‌رو هستند؛ درنتیجه نگاه برنامه‌ریزان به‌سوی منابع آب زیرزمینی سوق یافته است. دستیابی به آب‌های زیرزمینی، یکی از اصلی‌ترین و حساس‌ترین بخش‌های اجرایی پروژه‌های زیربنایی و اقتصادی محسوب می‌شود. معمول‌ترین روش دستیابی به این آب‌ها، حفر چاههای عمیق و نیمه‌عمیق است که برای تأمین آب کشاورزی و صنعتی استفاده می‌شود.

مهم‌ترین منابع گرد‌آوری اطلاعات دربارة عوارض سطحی مربوط به آب‌های زیرزمینی شامل سنگ‌شناسی، عوارض ساختاری، توپوگرافی، کاربری اراضی و ژئومورفولوژی است. این اطلاعات به‌سادگی به‌مثابة ورودی در محیط GIS برای یکپارچه‌سازی با دیگر انواع داده‌ها و آنالیز آنها در شناخت منابع آب زیرزمینی مناطق مختلف کاربرد دارد. هدف این پژوهش نیز، شناخت منابع آب زیرزمینی با استفاده از نقشه‌های پتانسیل‌یابی این منابع است. به این منظور از روش آماری ANP در محیط سیستم اطلاعات جغرافیایی بهره گرفته شد.

براساس نقشة نهایی پتانسیل‌یابی منابع آب زیرزمینی، پهنه‌های با پتانسیل زیاد و بسیار زیاد، بیشتر منطبق بر ارتفاعات کم به علت شیب کمتر، تراس‌های آبرفتی، مخروط‌افکنه‌ها و مناطق دشتی است؛ همچنین پهنه‌های با پتانسیل کم و بسیار کم منطبق بر مناطق با ارتفاع زیاد است که شیب زیادی نیز دارند. با بررسی طبقات نقشة مدل می‌توان نتیجه گرفت که نقشة پتانسیل‌یابی منابع آب زیرزمینی تهیه‌شده به روش تحلیل شبکه‌ای (ANP)، هماهنگی و تشابه زیادی با منابع آب موجود دارد؛ به‌طوری که حدود 77/23 درصد از مساحت منطقة بررسی‌شده با پتانسیل زیاد و بسیار زیاد ازنظر آب زیرزمینی تشخیص داده شد که در این مساحت، بیش از 99 درصد از منابع آبی وجود دارد.

براساس نقشة نهایی، 35/995 کیلومترمربع از مساحت منطقه پتانسیل زیاد و بسیار زیاد، 76/2549 کیلومترمربع پتانسیل کم و بسیار کم و 17/642 کیلومترمربع پتانسیل متوسط دارد. براساس روش ANP نیز، عوامل زمین‌شناسی و ارتفاع، بیشترین تأثیر را بر پتانسیل‌یابی منابع آب زیرزمینی در منطقة مدنظر دارند. نتایج نشان‌دهندة تأثیر مثبت روش‌های تصمیم‌گیری چندمعیاره بر پیش‌بینی مناطق با احتمال وجود آب زیرزمینی است. درنهایت برای اعتبارسنجی نقشة پتانسیل‌یابی آب‌های زیرزمینی در منطقه از منحنی ROC استفاده شد که نتیجة 87درصدی این منحنی نیز، حاکی از دقت زیاد این روش در تهیة نقشة پتانسیل آب زیرزمینی در محدودة مطالعاتی است. نتایج به‌دست‌آمده از پژوهش حاضر با نتایج پژوهشگرانی چون رضایی‌مقدم و همکاران (1395)، فرجی سبکبار و همکاران (1390) و اتیشری و همکاران (2013) مطابقت دارد.



[1]. Yeh, H.F. et al.

[2]. Hualian

[3]. Huatung

[4]. Akinlalu et al.

[5]. Oke-Ana

[6]. Local Polynomial Interpolation

[7]. Thomas L. Saaty

منابع

رحیمی، داریوش، موسوی، سید حجت، (1391). پتانسیل‌یابی منابع آب زیرزمینی با استفاده از مدل AHP و تکنیک GIS؛ مطالعة موردی: حوضة آبخیز شاهرود- بسطام، نشریة جغرافیا و برنامه‌ریزی، دورة 17، شمارة 44، 139- 159.

رحیمی، محمد، سلیمانی، کریم، (1395). ارزیابی پتانسیل منابع آب زیرزمینی دشت دهگلان برپایة سیستم اطلاعات جغرافیایی و سنجش از دور با استفاده از تکنیک تصمیم‌گیری چندمعیاره، مجلة علوم و مهندسی آبخیزداری ایران، دورة 10، شمارة 35، 27- 38.

رضایی مقدم، محمدحسین، رحیم‌پور، توحید، نخستین‌روحی، مهسا، (1395). پتانسیل‌یابی منابع آب زیرزمینی با استفاده از فرایند تحلیل شبکه‌ای در محیط سیستم اطلاعات جغرافیایی؛ مطالعة موردی: حوضه‌های آبریز منتهی به دشت تبریز، اکوهیدرولوژی، دورة 3، شمارة 3، 379- 389.

زبردست، اسفندیار، (1389). کاربرد فرایند تحلیل شبکه‌ای (ANP) در برنامه‌ریزی شهری و منطقه‌ای، نشریة هنرهای زیبا- معماری و شهرسازی، دورة 2، شمارة 41، 79- 90.

سادات هاشمی، سید مهدی، قربانی، راهب، کاوه‌ای، بهروز، (1383). تحلیل منحنی‌های ROC برای مقایسة تست‌های تشخیص پزشکی، فصلنامة کومش، دورة 6، شمارة 2، 145- 150.

صابری، عظیم، رنگزن، کاظم، مهجوری، رضا، کشاورزی، محمدرضا، (1391). پتانسیل‌یابی منابع آب زیرزمینی با تلفیق سنجش از دور و GIS به روش تحلیل سلسله‌مراتبی (AHP) در تاقدیس کمستان استان خوزستان، مجلة زمین‌شناسی کاربردی پیشرفته، دورة 2، شمارة 6، 11- 20.

عباسی، ثریا، حیدری، مسعود، (1395). ارزیابی پتانسیل آب زیرزمینی با استفاده از تکنیک‌های AHP و منطق فازی؛ مطالعة موردی: حوضة شمالی استان ایلام، هیدروژئومورفولوژی، دورة 2، شمارة 6، 75- 93.

علیزاده، امین، (1394). اصول هیدرولوژی کاربردی، چاپ 40، ویرایش 7، مشهد، انتشارات دانشگاه امام رضا(ع)، 942 صفحه.

فتحی‌زاد، حسن، علیپور، حمید، هاشمی‌نسب، سیده نگار، کریمی، حاجی، (1395). پتانسیل‌یابی آب‌های زیرزمینی از طریق فرایند تحلیل سلسله‌مراتبی (AHP) با استفاده از سنجش از دور و سیستم اطلاعات جغرافیایی در حوضة مهدی‌شهر، نشریة هیدروژئومورفولوژی، دورة 2، شمارة 8، 1- 20.

فرجی سبکبار، حسنعلی، نصیری، حسین، حمزه، محمد، طالبی، سمیه، رفیعی، یوسف، (1390). تعیین عرصه‌های مناسب برای تغذیة مصنوعی برپایة تلفیق روش‌های ANP و مقایسة زوجی در محیط GIS؛ مطالعة موردی: دشت گربایگان فسا، مجلة جغرافیا و برنامه‌ریزی محیطی، دورة 22، شمارة 4، 143- 166.

فلاح، فاطمه، دانش‌فر، مانیا، قربانی‌نژاد، سمیرا، (1396). پتانسیل‌یابی منابع آب زیرزمینی در محدودة مطالعاتی خرم‌آباد با استفاده از روش شاخص آماری، نشریة آب و توسعة پایدار، دورة 4، شمارة 1، 89- 98.

مفیدی‌فر، مهدی، اصلاح، مهدی، حسن‌آبادی، علی، (1394). مقایسة مدل‌های تصمیم‌گیری تاپسیس و تحلیل سلسله‌مراتبی در پتانسیل‌یابی منابع آب زیرزمینی حوضة دشت یزد- اردکان در محیط GIS، جغرافیا و برنامه‌ریزی محیطی، دورة 26، شمارة 1، 147- 156.

هاتف، حکیمه، دانشور کاخکی، محمود، کهنسال، محمدرضا، بنایان، محمد، شاهنوشی فروشانی، ناصر، (1395). بررسی آسیب‌پذیری اقتصادی از نوسانات اقلیمی؛ مطالعة موردی: استان خراسان رضوی، نشریة هواشناسی کشاورزی، جلد 4، شمارة 2، 61- 70.

Adeyeye, O.A., Ikpokonte, E.A.‚ Arabi‚ S.A.‚ (2019). GIS-based groundwater potential mapping within Dengi area, North Central Nigeria‚ he Egyptian Journal of Remote Sensing and Space Science, Vol 22 (2): 175- 181.

Akinlalu, A.A., Adegbuyiro, A.‚ Adiat, K.A.N.‚ Akeredolu, B.E.‚ Lateef‚ W.Y.‚ (2017). Application of multi-criteria decision analysis in prediction of groundwater resources potential: A case of Oke-Ana, Ilesa Area Southwestern, Nigeria. NRIAG Journal of Astronomy and Geophysics, Vol 6 (1): 184-200.

Akobeng, A.k., (2007). Understanding diagnostic tests 3: receiver operating characteristic curves‚ Acta Pædiatrica, Vol 96 (5): 644- 647.

Chowdhury, A., Jha, M.K.‚ Chowdar‚ V.M.‚ (2010). Delineation of groundwater recharge zones and identification of artificial recharge sites in West Medinipur district, West Bengal, using RS, GIS and MCDM techniques. Environmental Earth Sciences, Vol 59 (6): 1209- 1222.

Dar, I.A., Sankar, K.‚ Dar ‚M.A.‚ (2010). Remote Sensing Technology and Geographic Information System Modeling: An integrated Approach towards the Mapping of groundwater Potential Zones in Hard Rock Terrain, Mamundiyar Basin, Journal of Hydrology, Vol 394 (3-4): 285- 295.

Etishree, A., Rajat, A.‚ Garg, R.D.‚ Garg‚ P.K.‚ (2013). Delineation of groundwater potential zone: An AHP/ANP approach‚ Journal of Earth System Science, Vol 122 (3): 887- 898.

García-Melón, M., Ferrís-Oñate, J.‚ Aznar-Bellver, J.‚ Aragonés-Beltrán, P.‚ Poveda-Bautista‚ R.‚ (2008). Farmland appraisal based on the analytic network process‚ Journal of Global Optimization, Vol 42 (2): 143- 155.

Görener, A.‚ (2012). Comparing AHP and ANP: An Application of Strategic Decisions Making in a Manufacturing Company‚ International Journal of Business and Social Science, Vol 3 (11): 194- 208.

Jha, M.K., Kamii, Y.‚ Chikamori‚ K.‚ (2009). Cost-effective Approaches for Sustainable Groundwater Management in Alluvial Aquifer Systems‚ Water Resources Management, Vol 23 (2): 219- 233.

Kumar, R.‚ Indrayan‚ A.‚ (2011). Receiver operating characteristic (ROC) curve for medical researchers‚ Indian pediatrics, Vol 48 (4): 277- 287.

Lami, I.M.‚ Abastante‚ F.‚ (2014). Decision making for urban solid waste treatment in the context of territorial conflict: Can the Analytic Network Process help?‚ Land Use Policy, Vol 41: 11- 20.

Magesh, N.S., Chandrasekar, N.‚ Soundranayagam‚ J.P.‚ (2012). Delineation of Groundwater Potential Zones in Theni District, Tamil Nadu, Using Remote Sensing, GIS and MIF Techniques, Geoscience Frontiers, Vol (3) 2: 189- 196.

Malczewski, J., (1999). GIS and Multicriteria Decision Analysis‚ New York. J. Wiley & Sons‚ 392 p.

Meshram, K.S., Mukharjee, A.P.‚ Tripathi, M.P.‚ Senger, S.S.‚ Sarawgi, S.K.‚ Dave‚ A.K.‚ (2010). Effect of Artificial Recharge Structures on Ground Water Availability in Semi-critical Area in Chhattisgarh‚ M.Sc. Thesis in Agricultural Engineering (Soil and Water Engineering), Indira Grandhi Kirishi Vishwavidyalaya, Raipur, India‚ 328 p.

Murasingh, S., Jha, R.‚ Adamala‚ S.‚ (2018). Geospatial technique for delineation of groundwater potential zones in mine and dense forest area using weighted index overlay technique‚ Groundwater for Sustainable Development, Vol 7: 387- 399.

Patra, S., Mishra, P.‚ Mahapatra‚ S.Ch.‚ (2018). Delineation of groundwater potential zone for sustainable development: A case study from Ganga Alluvial Plain covering Hooghly district of India using remote sensing, geographic information system and analytic hierarchy process‚ Journal of Cleaner Production, Vol 172: 2485- 2502.

Prasad, R.K., Mondal, N.C.‚ Banerjee, P.‚ Nandakumar, M.V.‚ Singh‚ V.S.‚ (2008). Deciphering potential groundwater zone in hard rock through the application of GIS‚ Environmental Geology, Vol 55 (3): 467- 475.

Saaty, T.L., (1980). The Analytic Hierarchy Process. New York‚ McGraw Hill.

Saaty, T.L., Vargas‚ L.G.‚ (2006). Decision Making with the Analytic Network Process‚ New York. Springer Science‚ Second Edition, Vol 195, 370 p.

Singh, L.K., Jha, M.K.‚ Chowdary‚ V.M.‚ (2018). Assessing the accuracy of GIS-based Multi-Criteria Decision Analysis approaches for mapping groundwater potential‚ Ecological Indicators, Vol 91: 24-37.

Ye, H.F., Cheng, Y.S.‚ Lin, H.‚ Lee‚ Ch.H.‚ (2016). Mapping groundwater recharge potential zone using a GIS approach in Hualian River, Taiwan‚ Sustainable Environment Research, Vol 26 (1): 33-43.