فرونشست زمین، زنگ خطری جدی برای ایران، اکنون با نرخ بحرانی در تمامی استان‌ها در حال گسترش است. طبق گزارش‌ها، ۵ درصد از خاک کشور دچار فرونشست شده و استان‌هایی مانند کرمان و البرز، با فرونشستی تا ۴۰ سانتی‌متر در سال، از بیشترین آسیب‌ها رنج می‌برند. افت شدید سطح آب‌های زیرزمینی و کشاورزی غیراصولی از جمله عوامل اصلی این بحران هستند. درحالی‌که طرح‌های قانونی برای مقابله با این معضل در دستور کار قرار گرفته، کارشناسان تأکید می‌کنند که فقط پنج تا ده سال فرصت برای جلوگیری از مرگ آبخوان‌های کشور باقی مانده است.

نیروگاه‌ها در نواحی ساحلی به دلیل نزدیکی به منابع آب برای فرایندهای خنک ‌کننده و تولید انرژی، یکی از مهم‌ترین زیرساخت‌های حیاتی به ‌شمار می‌روند. در عین حال، به دلیل وجود سطح بالای آب زیرزمینی در این مناطق، مشکلاتی نظیر ورود آب به محل‌های حفاری و سازه‌های زیرزمینی نیروگاه‌ها بروز می‌کنند. به همین دلیل، استفاده از روش‌های زهکشی و Dewatering برای کنترل و مدیریت آب زیرزمینی از اهمیت بالایی برخوردار است. پروژه حاضر با هدف طراحی و اجرای سیستم Dewatering برای یک نیروگاه در محدوده نوار ساحلی دریای سرخ عربستان انجام شده است. این ناحیه با ویژگی‌های خاص زمین‌شناسی و هیدرولوژیکی خود، چالش‌هایی در زمینه مدیریت آب زیرزمینی ایجاد می‌کند که نیازمند استفاده از ابزارهای پیشرفته مدلسازی و شبیه‌سازی می‌باشد. در این راستا، نرم‌افزار GMS-MODFLOW به عنوان یکی از ابزارهای معتبر و پرکاربرد در زمینه مدل‌سازی جریان آب زیرزمینی انتخاب شده است. این نرم‌افزار با توانایی شبیه‌سازی دقیق وضعیت آبخوان‌ها، سطح آب زیرزمینی و تأثیرات اعمال روش‌های Dewatering، نقش مهمی در تحلیل و بهینه‌سازی این فرایند داشته است. هدف این گزارش، ارائه نتایج حاصل از شبیه‌سازی‌های انجام شده با GMS-MODFLOW، بررسی وضعیت آب زیرزمینی در محدوده پروژه، و ارائه راهکارهای موثر جهت کنترل و کاهش سطح آب زیرزمینی در محل توسعه سازه نیروگاه است.

با وجودی که اطراف کلانشهر مشهد چهار سد با کاربری تامین آب کشاورزی ساخته شده‌اند که حجم نرمال مخزن آن‌ها در مجموع به بیش از ۹۲ میلیون متر مکعب می‌رسد، باز هم دشت‌های اطراف آن شاهد حفر چاه‌های متعدد به‌منظور مصارف کشاورزی است. نتیجه آنکه هیولای خفته فرونشست بیدار شده و به زیرساخت‌های اقتصادی و فرهنگی خطه خراسان دست‌درازی می‌کند. در این رابطه مهدی معتق، استاد مرکز تحقیقات علوم زمین و دانشگاه لایپنیتز هانوفر ‌آلمان با بیان اینکه انتظار می‌رود سدها با اختصاص آب‌های سطحی به کشاورزان از فشار بر سرمایه‌های آبی سفره‌های زیرزمینی بکاهند، معتقد است که این سازه‌های عظیم و پرهزینه در ماموریت خود شکست خورده‌اند.

فرونشست زمین در مدل‌سازی آبخوان، به‌ویژه در مناطقی با استخراج بی‌رویه آب زیرزمینی، اهمیت زیادی دارد. این پدیده می‌تواند به دلیل تخلیه بیش از حد آب از لایه‌های آبخوان و کاهش فشار آب منفذی رخ دهد که در نتیجه، تخلخل لایه‌های زمین کاهش می‌یابد و منجر به نشست زمین می‌شود. در مدل‌های آبخوان، در نظر گرفتن فرونشست می‌تواند بر جنبه‌های زیر تأثیر بگذارد:

پمپاژ شدید آب زیرزمینی که قبلاً به طور کامل شناخته نشده بود، عامل تخریب سفره های زیرزمینی و فرونشست زمین در ایران است. ما از یک بررسی ماهواره ای با وضوح 100 متر از سال 2014 تا 2020 برای ارزیابی پیامدهای اخیر استفاده از آب های زیرزمینی در سراسر کشور استفاده می کنیم. نتایج نشان می دهد که تقریباً 56000 کیلومتر مربع (3.5٪) از مساحت کشور در معرض فرونشست زمین است که عمدتاً به آبیاری مرتبط است. 3000 کیلومتر مربع از این منطقه نرخ فرونشست بیش از 10 سانتی متر در سال را تجربه می کند. حوضه آبریز فلات مرکزی میزبان دو سوم سفره‌های آب‌های رو به کاهش کشور است و مکان‌هایی با نرخ بالاتر از 35 سانتی‌متر در سال فرو می‌روند. نتایج نشان می‌دهد که کاهش سالانه آب زیرزمینی 1.7 میلیارد متر مکعب (BCM) از سفره‌های زیرزمینی محدود و نیمه محدود، با تراکم غیرکشسانی طولانی‌مدت برای اکثر سفره‌ها تقریباً یک مرتبه بزرگ‌تر از پاسخ الاستیک فصلی آنها است. این امر بر از بین رفتن دائمی سفره های زیرزمینی تاکید می کند که پایداری منابع آب در سراسر ایران را به خطر می اندازد.

گزارش روزنامه گاردین از مساله فرونشست در ایران: ایران درمحاصره شکاف و فروچاله ناشی از بحران آب زیرزمینی. گاردین در این گزارش با توجه به نتایج کار تحقیقاتی اخیر چاپ شده در مجله Science Advances می‌نویسد. ایران در زمره کشورهایی با بالاترین نرخ فرونشست در دنیا قرار دارد. حدود ۳.۵  درصد مساحت ایران‌ در معرض فرونشست در اثر استخراج آب زیرزمینی قرار گرفته که بسیاری از زیر ساخت ها مانند فرودگاه‌ها و جاده ها را تحت تاثیر قرار داده. بیشترین میزان فرونشست با نرخ بیش از ۳۵ سانتی متر در سال در استان کرمان اتفاق می‌افتد. به گفته معتق یکی از نویسندگان مقاله ایران نیاز فوری به یک اقدام سریع و اعمال یک سیاست منسجم برای مساله  آب‌های زیرزمینی دارد.

آیا در تلاش برای تعریف غلظت ثابت جداگانه برای مواد شیمیایی مختلف در مناطق مختلف مدل MT3DMS خود هستید؟ MT3DMS ابزاری ارزشمند برای مدل سازی آب های زیرزمینی است، اما مانند هر نرم افزاری، محدودیت هایی دارد. سیستم مدل‌سازی آب‌های زیرزمینی (GMS) MT3DMS را در رابط خود گنجانده است که شامل مزایا و محدودیت‌های MT3DMS است. ناتوانی MT3DMS در تعریف غلظت‌های ثابت جداگانه برای مواد شیمیایی مختلف در یک منطقه می‌تواند مانعی برای مدل‌سازانی باشد که به دنبال دقت و دقت در شبیه‌سازی‌های خود هستند. بنابراین اگر مدل MT3DMS شما نیاز به تعیین غلظت ثابت برای دو یا چند ماده شیمیایی در مناطق جداگانه دارد، چه کاری باید انجام دهید؟

آبگیری فرآیند برداشتن آب از محل ساخت و ساز و انتقال آن به مکان دیگری مانند حوضچه یا جنگل برای ایمن ساختن محل ساخت و ساز برای کار است. آبگیری یک مرحله ضروری در آماده سازی یک منطقه برای کارهای ساختمانی است. شما می توانید از چهار روش اصلی آبگیری انتخاب کنید که شامل نقاط چاه، پمپاژ چاه، چاه های ادوکتور و چاه های عمیق است. مهم نیست از چه روشی استفاده می کنید، باید برخی از قوانین و مقررات، حتی مجوزهایی را که در مورد آبگیری ساختمان ها اعمال می شود، رعایت کنید، به خصوص اگر آب حاوی آلاینده باشد. فاکتورهای اصلی که تعیین می کند از کدام روش آبگیری استفاده شود، عمقی است که آبگیری باید انجام شود و سطح ایستابی چقدر باید پایین بیاید. چه منطقه حفاری شما سطحی باشد و چه در عمق آب های زیرزمینی، این پست به شما کمک می کند تا بفهمید کدام روش آبگیری برای پروژه ساخت و ساز شما بهترین است.

انتخاب موضوع مناسب برای مقاله در زمینه هیدرولوژی آب زیرزمینی به عوامل متعددی بستگی دارد، از جمله علاقه شخصی، تخصص و تجربه‌ی علمی شما، همچنین نیازهای جامعه علمی و چالش‌های جاری در این حوزه. در زیر به برخی از موضوعات برتر و پرطرفدار در زمینه هیدرولوژی آب زیرزمینی اشاره می‌شود:

در سال‌های 2013 و 2018، انبوه زمین‌لرزه‌هایی با بزرگی لحظه‌ای حداکثر 4.5 در 5 کیلومتری بخش شمالی گسل تبدیل دریای مرده رخ داد. در اینجا ما نشان می‌دهیم که داده‌های فشار آبخوان، سری‌های زمانی تغییر شکل سطح رادار دهانه مصنوعی تداخل‌سنجی، و پایش لرزه‌ای نشان می‌دهند که برداشت آب زیرزمینی باعث این زمین‌لرزه‌ها شده است. برداشت مداوم آب زیرزمینی از چندین چاه واقع در 10 کیلومتری غرب ازدحام از سال 2010 شتاب گرفته است و منجر به کاهش کلی 50 متری سطح آب زیرزمینی در زمان وقوع ازدحام زلزله 2018 شده است. این خروج همچنین مربوط به فرونشست سطحی 10 میلی متر در سال بر اساس تکرار اندازه گیری های رادار دیافراگم مصنوعی تداخل سنجی است.

این گزارش که توسط مرکز ملی مطالعات راهبردی کشاورزی و أب اتاق ایران به انتشار رسیده است به بررسی قانون مدیریت پایدار آب زیرزمینی کالیفرنیا و آموزه های ان برای کشورمان پرداخته است. ایالت کالیفرنیا به دلیل نوع اقلیم و مشکلات منابع آب زیرزمینی تا حدودی مشابه با ایران است. این قانون به شکلی اساسی، نقش‌ها، مسئولیت‌ها و اختیارات سازمان‌های محلی مسئول پیاده‌سازی مدیریت آب زیرزمینی در کالیفرنیا و ادارات ایالتی ناظر را دگرگون کرده است. 

هزینه مدل‌سازی دقیق آب‌های زیرزمینی توسط شرکت های معتبر جهانی با استفاده از مدل‌هایی مانند MODFLOW به‌طور کلی، می‌تواند از چند هزار دلار برای مدل‌های ساده تا صدها هزار دلار یا بیش از یک میلیون دلار برای مدل‌های پیچیده و جامع متغیر باشد. و به عوامل مختلفی بستگی دارد، از جمله:

مدل‌سازی آب‌های زیرزمینی فرآیند ایجاد یک نمایش ساده‌شده از سیستم آب‌های زیرزمینی برای پیش‌بینی رفتار آن است. مدل‌ها از معادلات ریاضی، داده‌ها و فرضیات برای شبیه‌سازی جریان، کیفیت و تعاملات آب‌های زیرزمینی با محیط اطراف استفاده می‌کنند. اشتباهات رایج متعددی در مدل‌سازی آب‌های زیرزمینی وجود دارد که می‌تواند منجر به نتایج نادرست و گمراه‌کننده شود. برخی از رایج‌ترین این اشتباهات عبارتند از:

 آب‌های زیرزمینی منبع حیاتی آب آشامیدنی، کشاورزی و مصارف صنعتی برای بیش از نیمی از جمعیت جهان است. مدل‌سازی کیفیت آب زیرزمینی فرآیندی است که برای پیش‌بینی و شبیه‌سازی نحوه حرکت و توزیع آلاینده‌ها در آب‌های زیرزمینی استفاده می‌شود. این کار با استفاده از مدل‌های ریاضی و رایانه‌ای انجام می‌شود که عوامل مختلفی را در نظر می‌گیرند، از جمله:

حتی اگر یک مدل آب زیرزمینی همگرا شود، باز هم ممکن است خطاهایی در آن وجود داشته باشد که منجر به نتایج اشتباه شود. مدل آب زیرزمینی یک نمایش انتزاعی از سیستم آب زیرزمینی است. این یک ابزار است که می توان از آن برای شبیه سازی جریان، توزیع و کیفیت آب زیرزمینی استفاده کرد. مدل های آب زیرزمینی برای طیف وسیعی از اهداف از جمله:

مدل MODFLOW 6 نسخه جدیدی از مدل جریان زیرزمینی آب MODFLOW است که توسط USGS (سرویس زمین شناسی ایالات متحده) توسعه یافته است. این نسخه شامل تغییرات و پیشرفت های متعددی نسبت به نسخه های قبلی مانند MODFLOW-2005 و MODFLOW-NWT است.

یک مطالعه جدید تأثیر تغییرات آب و هوایی را بر دسترسی به آب در یک سفره آب زیرزمینی کارستی 9000 کیلومتر مربعی در اسرائیل و کرانه باختری بررسی می‌کند و HydroGeoSphere را با یک مدل تعادل آب خاک-اپیکارست مرتبط می‌کند. مدل HydroGeoSphere در این مطالعه از قابلیت‌های دو دامنه‌ای برای بررسی نفوذ و تقسیم‌بندی بارش بر اساس پیش‌بینی‌های اقلیمی کوچک‌تر منطقه‌ای از جمله میزان بارش و نرخ تبخیر و تعرق بالقوه تا سال 2070 استفاده می‌کند. (5 سناریوی تغییر اقلیم)، نویسندگان همچنین سه سناریوی متمایز تقاضای آب زیرزمینی را در پیش‌بینی‌های آینده‌نگر در مورد دسترسی به آب گنجانده‌اند. نتایج حاکی از آن است که متوسط بلندمدت حجم تغذیه آب زیرزمینی در مقایسه با کاهش میانگین بارندگی به میزان 30 درصد، حدود 5 تا 10 درصد کاهش خواهد یافت. تأثیر کاهش‌یافته بر تغذیه، اثر ناهمگونی آشکار جریان آب زیرزمینی کارست (یعنی تغذیه ترجیحی همراه با ویژگی‌های انحلال کارست) و افزایش شدت رویدادهای بارندگی منفرد است [...]. با این حال، علیرغم کاهش نسبتاً متوسط در تغذیه، طول و شدت سالهای خشکسالی متوالی با مقادیر تغذیه کم احتمالاً افزایش خواهد یافت.

بخش 1: وارونگی فضای داده: تطبیق تاریخ، تجزیه و تحلیل عدم قطعیت و ارزیابی ارزش داده برای مدل های پیچیده

خلاصه: وارونگی فضای داده (DSI) مدتی است که وجود داشته است، اما تا حد زیادی نادیده گرفته شده است، به جز برخی در صنعت نفت. درک آن ساده و پیاده سازی آن آسان است. با این وجود، بسیار قدرتمند است.

فرض کنید که یک مدل پیچیده آب زیرزمینی با مدت زمان طولانی ساخته اید. احتمالاً شما این کار را انجام داده اید زیرا به دنبال یکپارچگی نمایش فرآیندهایی هستید که بر آب های زیرزمینی در منطقه مورد مطالعه خود تأثیر می گذارد. همین ایده‌آل باید شما را وادار کند که به دنبال یکپارچگی نمایش ویژگی‌هایی باشید که بر این فرآیندها تأثیر می‌گذارند. با این حال این ویژگی ها ناهمگن و اغلب بسیار نامشخص هستند. بنابراین آنها باید به صورت تصادفی نمایش داده شوند. نمایش تصادفی خواص هیدرولیک زیرسطحی و سایر ویژگی‌ها از تعیین کمیت عدم قطعیت‌های پیش‌بینی‌های مورد علاقه مدیریت پشتیبانی می‌کند - یک پیش نیاز ضروری برای تصمیم‌گیری آگاهانه است. با این حال، کاهش این عدم قطعیت ها از طریق تطبیق تاریخ، هنگام استفاده از یک مدل پیچیده، با مشکلات عملی شدیدی مواجه است.

منابع آب زیرزمینی در سطح جهان حدود 50 درصد از کل آب آشامیدنی، حدود 40 درصد از آب مورد استفاده برای کشاورزی آبی و حدود 30 درصد از تامین آب مورد نیاز برای صنعت، و همچنین حفظ اکوسیستم های آبی، حفظ جریان پایه رودخانه ها و جلوگیری از فرونشست زمین و آب دریا را تامین می کند. در مواجهه با تغییرات غیرقابل پیش‌بینی جهانی، نیاز به افزایش درک خود از آب‌های زیرزمینی، بهبود حکمرانی آن و اجرای شیوه‌های مدیریت پیوسته و تطبیقی ​​وجود دارد. موضوع امسال روز جهانی آب «آب‌های زیرزمینی: قابل مشاهده کردن نامرئی» است، که بر نیاز حیاتی برای افزایش آگاهی در مورد این منبع مهم آبی که نیاز به مدیریت دقیق و حفاظت جهانی در سطح جهانی دارد، تاکید می‌کند. آب های زیرزمینی همچنین موضوعی کلیدی در کنگره و نمایشگاه جهانی آب IWA خواهد بود که در سپتامبر 2022 در کپنهاگ برگزار می شود.

من "بهزاد سرهادی" کارشناس ارشد مهندسی آب، مدت هاست با استفاده از مدل MODFLOW چه در سطح آکادمیک و چه در سطح اجرایی، شبیه سازی هایی در سرتاسر کشور و همچنین کشورهایی از جهان مثل استرالیا، هلند، مالزی و آمریکا رو انجام دادم. تقریبا با چند و چون نرم افزار مشهور GMS که کد MODFLOW رو اجرا میکنه تا حد زیادی آشنایی دارم. بهترین مدلی که ساختم با استفاده از داده هایی به حجم 50 گیگابایت در هزاران فایل برای یک منطقه در ایالات متحده بوده که نتیجه کار مورد تایید کارشناسان همان منطقه هم قرار گرفت. سعی میکنم در این دوره با تمرکز بر داده ها و شرایط کشور ایران، از این پروژه های دقیق هم برای شما توضیحات نکته و پروژه محوری رو بیان کنم. مدل های سه بعدی مفصلی که گاهی بدون نیاز به واسنجی کاربرد خواهند داشت!

مقدار قابل توجهی از عدم قطعیت همیشه با یک مدل آب زیرزمینی همراه است. این عدم قطعیت می تواند با مدل مفهومی یا با داده ها و پارامترهای مرتبط با اجزای مختلف مدل مرتبط باشد. برخی از پارامترهای مدل - مانند هدایت هیدرولیکی و شارژ مجدد - به ویژه مستعد عدم قطعیت هستند. کالیبره کردن یک مدل به مجموعه ای غنی از داده های مشاهداتی (چاه های نظارت، جریان و غیره) ممکن است تا حدودی این عدم قطعیت را کاهش دهد. با این حال، داده های کالیبراسیون اغلب کمیاب هستند، و حتی مدل های به خوبی کالیبره شده دارای سطح بالایی از عدم قطعیت هستند.