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.

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.

بر اساس اعلام مرکز ملی اقلیم و مدیریت بحران خشکسالی سازمان هواشناسی کشور، میزان بارش تجمعی کشور از ابتدای سال آبی یعنی مهر گذشته تا کنون به ۲۳۲.۵ میلی متر رسید که معادل بارش نرمال در این بازه زمانی است. به گزارش ایلنا از روابط عمومی سازمان هواشناسی کشور، این شرایط نشان می دهد که کسری بارش باقی مانده از پاییز و زمستان گذشته اکنون به صفر رسیده است. بخش قابل توجهی از این کسری در بهار امسال جبران شده است.

بحران فزایندۀ پایداری منابع آب در ایران را می‌توان بحرانی تمدنی لحاظ کرد؛ در شرایطی که به‌جای سازگاری با امکانات موجود، تقاضای شتابان و اغلب بدون پاسخ برای آب بیشتر در سراسر جغرافیای ایران مشهود است، زیان‌بارترین و درعین‌حال گسترده‌ترین واکنش در این میان، فشاری است که برای برداشت آب بیشتر به منابع با ارزش آب زیرزمینی وارد شده و می‌شود. تصمیم قانونی به کاهش سطح برداشت از منابع آب در برنامۀ ششم و هفتم با مقادیر مشخص، برای پرهیز از خطرات مشهودی چون نابودی اکوسیستم‌های بزرگ و حیاتی، تخلیۀ مستمر مخازن ثابت آب زیرزمینی و پیامدهای آن، کاهش رطوبت و شوری خاک و تولید منشأ گردوغبار و نظایر آن گرفته شده است، اما تدابیر اجرایی و اجتماعی قابل اتکاء برای تحقق هدف‌های پیش‌بینی‌شده، غیرمؤثر و یا مفقود است. سازوکارهایی که می‌تواند شکل موجود حکم‌رانی آب را اساساً متحول کند، مانند ارتباطات شبکه‌ای و داوطلبانه و توافقات و سازوکارهای اقتصادی، اگر هم کاملاً مفقود نباشند، بسیار ضعیف و جزیره‌ای هستند. 

مدیرکل دفتر تحقیق، توسعه و فناوری اطلاعات شرکت مدیریت منابع آب ایران با اعلام برگزاری یک نشست با محوریت توسعه، فراگیری و کاربرد هوش مصنوعی در صنعت مدیریت منابع آب گفت: در این نشست قرار است از نقشه راه کاربرد هوش مصنوعی در مدیریت منابع آب رونمایی شود. به گزارش پایگاه اطلاع‌رسانی وزارت نیرو(پاون)، مجتبی نوری در خصوص برنامه‌های آتی این شرکت در حوزه پژوهش اظهار داشت: در تاریخ ۴ و ۵ دی‌ماه سال جاری نشست ارائه دستاوردهای پژوهشی شرکت مدیریت منابع آب ایران و شرکت‌های زیر مجموعه برگزار خواهد شد.

محمد درویش گفت: طبق آخرین آماری که شرکت مدیریت منابع آب ایران و سازمان زمین شناسی منتشر کرده است، بدترین اوضاع را در اصفهان داریم. اصفهان گسترده‌ترین فرونشست‌ها را تجربه می‌کند و فرونشست وارد شهر شده و شبکه فاضلاب را نیز شکسته است. وی در ادامه درباره راهکار عبور از بحران فعلی آب اشاره کرد: ما باید به مدت ده سال طبیعت ایران را از هرنوع بارگزاری جدید محافظت کنیم، منابع آب زیرزمینی و سطحی ما نیز دیگر امکان تحمل بارگزاری جدید را ندارد. ما باید به سرعت هر نوع توسعه‌ای که منجر به استفاده بیشتر از آب در حوزه صنعتی و کشاورزی می‌شود را متوقف کنیم. تنها اولویت باید تامین آب شرب و سپس تامین حقآبه محیط زیستی باشد. دولت باید طرح تعادل بخشی سفره‌های اب زیرزمینی را مذنظر قرار دهد.

امکان دو برابر سازی توان تولید نیروگاه‌های برق‌آبی در دهه آینده. مدیرعامل شرکت توسعه منابع آب و نیروی ایران، از امکان دو برابر شدن توان نیروگاه‌های برق‌آبی در یک دهه آینده خبر داد. به گزارش شبکه خبری آب ایران، "سیدحسن رضوی" در گفتگوی اختصاصی با خبرنگار خبرگزاری صدا و سیما با اشاره به اینکه هم اکنون این شرکت سه هزار و ۵۰۰ مگاوات نیروگاه در دست احداث دارد افزود: حدود ۶ هزار و ۵۰۰ مگاوات نیز در دست مطالعه است به نحوی که تا سال ۱۴۱۵ این ظرفیت به اجرا رسیده و در مدار تولید قرار خواهد گرفت.

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!

یادگیری ماشینی یک فرآیند تکراری به جای یک فرآیند خطی است که نیاز به بازبینی هر مرحله دارد، زیرا اطلاعات بیشتری در مورد مشکل تحت بررسی کسب می شود. این فرآیند تکراری می‌تواند نیازمند استفاده از ابزارها، برنامه‌ها و اسکریپت‌های مختلف برای هر فرآیند باشد. میز کار یادگیری ماشینی یک پلت فرم یا محیطی است که طیفی از فعالیت های یادگیری ماشین را پشتیبانی و تسهیل می کند و نیاز به ابزارهای متعدد را کاهش می دهد یا از بین می برد.

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.

عنوان کلاس ها:

1- مطالعات فیزیوگرافی، تحلیل منطقه ای و مدل سازی سیلاب بر اساس پروژه کاربردی.

(نرم افزار GIS مدل های HMS و TUFLOW)

2- مطالعات آب زیرزمینی (مدل سازی کمی و کیفی) بر اساس پروژه کاربردی.

(محوریت مدل MODFLOW)

مدرس:

بهزاد سرهادی - مشاور شرکت مادر تخصصی مدیریت منابع آب ایران (دریافت رزومه)

تلفن تماس برای هماهنگی های بیشتر:

09190622992

برای زمین شناسان، هیدروژئولوژیست ها، زمین آمار، مهندسان نفت و سایر متخصصان مرتبط، انتخاب نرم افزار مدل سازی سه بعدی زمین شناسی مربوط به نرم افزارهای گران قیمت و محدود بود که در واقع یک انتخاب "عملی" در چندین شرکت و موسسه بود. اگرچه انتخاب نرم‌افزاری که هر کسی برای مدل‌سازی واحدهای زمین‌شناسی از آن استفاده می‌کند، انتخاب هر شرکت یا حرفه‌ای است، اما شکاف بزرگی (با استفاده از اصطلاح زمین‌شناسی) در استفاده از این نرم‌افزار گران‌قیمت کاهش می‌یابد. اگر نرم افزار گران است، هزینه آموزش این نرم افزار چقدر است؟ اگر افراد کمی با نرم افزار خاصی مهارت داشته باشند، تغییر آن به نرم افزار دیگری چقدر آسان است؟ اگر افراد توانایی کاملی در مدیریت چندین نرم افزار نداشته باشند چگونه می توانند کیفیت یک نرم افزار را ارزیابی کنند. همانطور که مشاهده کردید، محدودیت در مجوزها منجر به این شکاف های کاهشی، نقص در کیفیت و نفوذ ناآگاهی حرفه ای می شود.

با خرسندی اعلام می کنیم که برنامه کامل مجمع رهبران نوظهور آب (9-11 نوامبر 2021) در حال حاضر موجود است! این نسخه حول یک سوال بسیار مهم متمرکز شده است: چگونه متخصصان جوان صنعت آب را از طریق تغییرات مخرب هدایت می کنند؟ این موضوع از منظر آب و هوا، همه گیری و اقتصادی مورد بررسی قرار خواهد گرفت. این انجمن در سه جلسه مختلف تشکیل شده است، یعنی پن ، کارگاه و جلسه شبکه. مشاهده برنامه کامل برای کسب اطلاعات بیشتر در مورد متخصصان بین المللی که جلسات را هدایت می کنند.

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.

GMS Premium محصول شرکت کمپانی Aquaveo نرم افزاری با رابط کاربری گرافیکی و کاملاً قابل فهم است که قابلیت‌های فراوانی را در زمینه مدل‌سازی و شبیه‌سازی سه‌ بعدی آب‌های زیرزمینی در اختیار کاربرانش قرار می‌دهد. مدل‌های سه‌ بعدی ساخته شده توسط این نرم افزار در واقع سیستم واقعی آب‌های زیرزمینی را شبیه‌سازی می‌کند تا کاربر قادر به تجزیه و تحلیل، مدیریت و همچنین بررسی کنش‌ها و واکنش‌ها در یک سیستم هیدرودینامیکی باشد.

عوامل مخدوش کننده خشکسالی: خطرات ترکیبی

هنگامی که خطرات مختلف به طور همزمان رخ می دهد، یک عارضه دیگر بوجود می آید. بررسی اخیر توسط Zscheischler و همکاران. (2020) طبقه بندی وقایع آب و هوایی و آب و هوایی مرکب را در چهار گونه پیشنهاد کرد: (1) پیش شرط (پیش شرط تاثیرات را تشدید می کند)، (2) چند متغیره (رانندگان متعدد و یا خطرات منجر به ضربه می شود)، (3) ترکیب زمانی ( پی در پی خطرات منجر به ضربه) و (4) ترکیب فضایی (خطرات در چندین مکان متصل باعث ایجاد اثرات تجمعی می شود). در حالی که مرزهای بین این انواع مبهم است، طبقه بندی پیشنهادی باید به تمایز و مدل سازی تأثیرات رویدادهای مرکب در رشته های مختلف کمک کند.

این مجموعه داده - HYSOGs250m - نشان دهنده مجموعه داده های مشبک جهانی از شبکه های هیدرولوژیکی خاک (HSGs) با وضوح جغرافیایی 1/480 درجه اعشاری، مربوط به وضوح پیش بینی شده تقریبا 250 متر است. این داده ها برای پشتیبانی از مدل سازی رواناب شماره منحنی بر اساس USDA در مقیاس منطقه ای و قاره ای توسعه یافته است. طبقه بندی HSG ها از کلاس های بافت خاک و عمق تا سنگ بستر تهیه شده توسط سیستم غذایی و کشاورزی سازمان خاک و شبکه 250 متر است. یک فایل داده از گروههای هیدرولوژیکی خاک (HSGs) با وضوح 250 متر در قالب GeoTIFF با این مجموعه داده ارائه شده است. اسکریپت R مورد استفاده برای تولید مجموعه داده به عنوان یک فایل همراه است.

فرماندار نیشابور در زمینه بهره‌برداری بیش از حد از سفره‌های آب زیرزمینی نیشابور هشدار داد و گفت: برداشت بی‌رویه از مخازن زیرزمینی و به دنبال آن پایین رفتن سطح آب در سفره‌های آب زیرزمینی، علاوه بر ایجاد فروچاله و فرونشست‌ها در سطح زمین، باعث تغییر در کیفیت آب و بروز پدیده شورآبی و تلخ آبی در بعضی مناطق شده‌ است.

فراخوان مقاله: زمین آمار پیشرفته در هیدرولوژیکی

روشهای زمین آمار معمولاً در علوم آب، زمین و محیط زیست برای کمی کردن تغییرات فضایی، تولید نقشه های درون یابی با عدم قطعیت کمی و بهینه سازی طرحهای نمونه برداری فضایی استفاده می شود. زمین آمار زمین-فضا جنبه های پویای فرایندهای محیطی را بررسی کرده و تغییرات پویا را از نظر همبستگی مشخص می کند. زمین آمار نیز می تواند با یادگیری ماشین و مدل های مکانیکی ترکیب شود تا مدل سازی فرایندها و الگوهای دنیای واقعی را بهبود بخشد. چنین روشهایی برای مدل سازی خواص خاک، تولید خروجی های مدل آب و هوایی، شبیه سازی فرآیندهای هیدرولوژیکی و درک بهتر و پیش بینی عدم قطعیت ها به طور کلی استفاده می شود. تجزیه و تحلیل داده های بزرگ و ادغام داده ها به دلیل پیشرفت های تکنولوژیکی و فراوانی منابع داده جدید از سنجش از دور و نزدیک و همچنین تعداد زیادی از شبکه های حسگر محیطی به موضوعات اصلی تحقیق تبدیل شده است. پیشرفتهای روش شناختی، مانند مدل سازی سلسله مراتبی بیزی، یادگیری ماشین، فرآیندهای پراکنده گوسی، مدلهای تعامل محلی و همچنین پیشرفت در ماژولهای نرم افزاری زمین آمار در R و پایتون، جعبه ابزار زمین آمار را افزایش داده است.