محاسبه فرونشست زمین بر پایه‌ داده‌های راداری و با استفاده از زنجیره پردازشی به‌صورت گام‌به‌گام انجام می‌شود تا از داده خام سنجنده تا نقشه‌های کمی جابجایی سطح، نتایج با دقت بالا استخراج شود. در این فرایند ابتدا داده‌های اولیه شامل تصاویر SLC، مدار، مدل رقومی ارتفاع و داده‌های کمکی وارد شده و پس از پیش‌پردازش و کنترل کیفی، هم‌مختص‌سازی دقیق و تولید اینترفروگرام‌ها در قالب زوجی، مبنای کوچک یا پشته‌ای انجام می‌گیرد. سپس با حذف اثر توپوگرافی، فیلتر فرکانسی و بازگشایی فاز، فازهای اصلاح‌شده برای مدل‌سازی آماده می‌شوند. در مرحله بعد، پشته فاز و دامنه وارد شده و ماتریس طراحی برای مدل رابطه‌ی فاز و جابجایی ساخته می‌شود تا با روش‌های معکوس‌سازی و پیوند فازی، سری زمانی تغییرات خط دید محاسبه شود. پس از تصحیح اثرات اتمسفری و تخمین کوواریانس خطا، داده‌ها به مؤلفه‌های عمودی یا افقی تبدیل شده و نقشه‌های سرعت و سری زمانی به‌دست می‌آیند. در نهایت، با تلفیق خروجی‌های آماری، تحلیل مکانی‌ـ‌زمانی، تشخیص نقاط بحرانی و ادغام با مشاهدات یا داده‌های میدانی، نقشه‌های نهایی فرونشست و گزارش فنی قابل استفاده در محیط GIS را تولید می‌کند.

شکل پیوست‌شده موقعیت بیش از یک میلیون حلقه چاه بهره‌برداری از منابع آب زیرزمینی در ایران را نشان می‌دهد که برداشت سالانه‌ای معادل ۴۱.۷ میلیارد متر مکعب دارند. این میزان برداشت سالانه را می‌توان با استفاده از شاخص نسبت برداشت به منابع تجدیدپذیر آب زیرزمینی تحلیل کرد. این شاخص ساده‌ترین و در عین حال علمی‌ترین معیار برای تعیین پایداری یا بحران در برداشت آب زیرزمینی است که از تقسیم حجم برداشت سالانه بر حجم تغذیه طبیعی سالانه سفره‌های آب زیرزمینی به دست می‌آید. هنگامی که این نسبت از عدد یک فراتر رود، به این معناست که میزان برداشت از سفره‌های آب بیش از تغذیه طبیعی آن‌هاست که به تخلیه ذخایر و وضعیت ناپایدار و بحرانی منابع منجر می‌شود.

در پروژه‌ای که در دانشگاه تنسی و با حمایت مالی سازمان حفاظت محیط‌ زیست ایالات متحده آمریکا انجام شد، مجموعه‌ای گسترده از مطالعات برای ارزیابی تأثیرات استفاده شهری از زمین بر تغذیه آب زیرزمینی صورت گرفت. این مطالعه شامل مدل‌سازی آب سطحی و شبیه‌سازی یکپارچه آب زیرزمینی با استفاده از داده‌های میدانی جامع جمع‌آوری‌شده طی یک دوره زمانی طولانی بود. ابزارهای مورد استفاده برای برآورد اجزای تراز آبی در منطقه آزمایشی با نام حوزه شهری جکسون-تنسی متمرکز شدند. این حوزه به عنوان یک حوضه بسته شهری کوچک در حاشیه سفره آب زیرزمینی مهم ممفیس شناخته می‌شود.

هوش مصنوعی جایگزین MODFLOW نخواهد شد، بلکه به‌عنوان یک ابزار قدرتمند در کنار آن به کار گرفته خواهد شد. ترکیب این دو می‌تواند مدل‌سازی آب زیرزمینی را سریع‌تر، دقیق‌تر و موثرتر کند. استفاده از MODFLOW یا نرم‌افزارهای مشابه در آینده به طور کامل توسط هوش مصنوعی (AI) منسوخ نخواهد شد، بلکه تکامل خواهد یافت و مکمل آن خواهد شد. دلایل این موضوع را می‌توان به شرح زیر توضیح داد

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.

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؟

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.

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.

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.

هنگام ساخت شبکه ای برای مدل آب زیرزمینی خود، مطمئناً ساخت یک شبکه واقعاً تصفیه شده می تواند وسوسه انگیز باشد. در حالی که این وسوسه قابل درک است، مشکلات خاصی وجود دارد که می تواند ناشی از داشتن شبکه ای باشد که بیش از حد اصلاح شده است. این پست به برخی از دلایل جلوگیری از اصلاح بیش از حد شبکه خود در GMS اشاره می کند. البته دلایل موجهی برای اصلاح بخش هایی از شبکه شما وجود دارد. بخش هایی از شبکه که مناطق کلیدی هستند باید اصلاح شوند. این باید فقط در مناطق اطراف چاه ها یا سایر سازه هایی که برای مدل مهم هستند انجام شود. با اصلاح نواحی کلیدی، مناطق مهم شبکه در طول اجرای مدل مورد توجه بیشتری قرار خواهند گرفت. با این حال، پالایش بیش از حد شبکه شما می تواند باعث ایجاد برخی مشکلات شود، از جمله برخی از موارد زیر که در اینجا ذکر شده است.

آیا برای پروژه مدلسازی آبهای زیرزمینی در GMS نیاز به طراحی دقیق روی پوشش نقشه خود دارید؟ استفاده از گزینه های نمایش Drawing Grid می تواند در این امر کمک کند. این پست به بررسی آنچه اینها هستند و نحوه استفاده آنها در پروژه GMS شما می پردازد. هنگامی که شبکه نقشه کشی روشن می شود، یک شبکه خواهید داشت که می تواند برای مرجع و اندازه گیری موقعیت ها در پروژه استفاده شود.

Visual MODFLOW Flex محصول شرکت Waterloo Hydrogeologic و Schlumberger یکی از تخصصی‌ترین نرم افزارهای شبیه‌سازی و آنالیز آب‌های زیرزمینی و انتقال پسماند است. این نرم افزار با ارائه ابزار آنالیز و کالیبراسیون به همراه مصورسازی سه‌بعدی، مهندسان حوزه‌ی آب‌زمین‌شناسی را قادر می‌سازد تا به مطالعه پراکندگی و حرکت آب‌های زیرزمینی در خاک و سنگ‌های پوسته زمین به‌ویژه در سفره‌های آب زیرزمینی بپردازند. پروژه‌های تعریف شده در این نرم افزار قابلیت خروجی Surfer ASCII داشته که امکان ویرایش در محیط‌های دیگر نظیر Surfer و ArcMap و QGIS را فراهم می‌آورد.

برای پروژه شبکه سه بعدی خود در GMS، آیا داده های متریال از مش سه بعدی یا هندسه دیگری دارید که در برنامه ای غیر از GMS ایجاد شده است؟ با استفاده از روشی که شامل ایجاد مواد جامد است که GMS می تواند از آنها برای اختصاص مواد استفاده کند، می توان این داده ها را به GMS وارد و به شبکه 3D خود متصل کرد. این کار با وارد کردن داده ها به عنوان گمانه و ایجاد مواد جامد از آنها انجام می شود. این پست بررسی می کند که چگونه می توانید داده های مواد را از یک شبکه سه بعدی بگیرید و آنها را به یک شبکه سه بعدی در GMS انتقال دهید.

مدل های آب زیرزمینی اغلب نیاز به مقابله با مقدار نسبتاً عدم قطعیت دارند، به ویژه هنگامی که مدل ها داده های کالیبراسیون محدودی در دسترس دارند. یک رویکرد مدل سازی تصادفی می تواند با استفاده از مجموعه ای از مدل ها برای برآورد احتمال برخی از نتایج خاص، یک گزینه مفید برای مقابله با این عدم اطمینان باشد و GMS چند ابزار و روش برای استفاده از این روش ارائه می دهد. در این پست برخی نکات و نکات در مورد مدل سازی تصادفی در GMS بررسی می شود.