@article { author = {raheli, behnaz and salman mahini, abdolrasool}, title = {Assessing Groundwater Quality and Land Use, Land Cover Changes (Case Study: Gharasu Basin, Golestan Province)}, journal = {Environmental Researches}, volume = {4}, number = {8}, pages = {15-24}, year = {2014}, publisher = {}, issn = {2008-9597}, eissn = {2008-9590}, doi = {}, abstract = {In the present study, a spatial model has been developed, which couples artificial neural networks (ANN) with a geographical information system and remote sensing to evaluate the impact of land-use and land-cover change on groundwater quality. Input parameters for running ANN model were land use, distance from roads, built-up areas and rivers, population density and cultivated land, underground water table for the years 1992, 2002 and 2008, and soil and geology. The output parameter was the observed groundwater quality properties in the sampled wells that included TDS, SO4-2, NO3-, and Cl-. For NO3-, the model was run with data from the years 2002 and 2008 and for TDS, SO4-2 and Cl-, the model was run with data from the years 1992 and 2008. The results indicate that the density of cultivated land and geological structures of the region have a large impact on the quality of underground water supplies. Also, the effect of built-up areas, population density and distance from rivers demonstrate increases through time. Spatial distribution maps of various pollution parameters were prepared that demarcate the geographic distribution of water pollutants in a comprehensive manner and help in suggesting groundwater pollution control and remedial measures in a holistic way}, keywords = {Land use/cover change,Underground water quality,ANN,Golestan}, title_fa = {بررسی رابطه بین تغییرات کاربری اراضی و کیفیت منابع آب زیرزمینی (مطالعه موردی: حوزه آبخیز قره‌سو، استان گلستان)}, abstract_fa = {در این مطالعه، با استفاده از مدل شبکه عصبی مصنوعی، سنجش از دور و سامانه اطلاعات جغرافیایی به ارزیابی اثر تغییرات کاربری اراضی و پوشش زمین بر کیفیت منابع آب زیر‌‌زمینی پرداخته شده است. لایه‌های ورودی برای اجرای مدل شبکه عصبی شامل نقشه‌های کاربری اراضی، فاصله از جاده، مناطق مسکونی و رودخانه، تراکم جمعیت و سطح زیر کشت محصولات کشاورزی، سطح آب زیرزمینی، خاک‌شناسی و زمین‌شناسی است. لایه خروجی، میزان هر یک از پارامترهای کیفیت آب (کلراید، نیترات، سولفات و ذرات جامد معلق) بر اساس نقشه موقعیت چاه‌های پیزومتری است. مدل شبکه عصبی برای نیترات با استفاده از داده‌های سال 2002 و 2008 و برای سایر پارامتر‌های کیفی با داده‌های سال 1992و 2008 میلادی، اجرا شد. نتایج این مطالعه بیان‌گر نقش عوامل زمین‌شناسی، خاک‌شناسی و نیز سطح زیر کشت محصولات در کیفیت آب بوده است. نقش فاصله از رودخانه، افزایش جمعیت و مناطق مسکونی در زمان حال محسوس‌تر شده است. با استفاده از نتایج این پژوهش، می‌توان به مدیریت کیفیت آب‌های زیر‌زمینی در شرایط کنونی و برنامه‌های توسعه آینده پرداخت.}, keywords_fa = {تغییرات کاربری,کیفیت آب زیرزمینی,شبکه عصبی مصنوعی,قره‌‌سو}, url = {https://www.iraneiap.ir/article_13111.html}, eprint = {https://www.iraneiap.ir/article_13111_e0faf5285b25a9e87c39fdd4331bf9b6.pdf} }