Journal of Watershed Management Research

fa ارزیابی کیفیت آب‌های زیرزمینی با استفاده از شاخص GQI جهت مصارف شرب Evaluation of Groundwater Quality using the GQI Index for Drinking Purposes سنجش از دور و سامانه های اطلاعات جغرافيايی سنجش از دور و سامانه های اطلاعات جغرافيايی پژوهشي Research <div style="text-align: justify;">چکیده مبسوط مقدمه و هدف: استفاده از آب&lrm;های زیرزمینی برای اهداف کشاورزی، صنعت و شرب به&lrm;طور قابل&lrm;توجهی در سراسر جهان در حال افزایش است. این منابع به‌عنوان بخش مهمی از آب&lrm;های تجدیدپذیر اکوسیستم به&lrm;‌حساب می&lrm;آیند و در مقایسه با آب&lrm;های سطحی دارای مزیت&lrm;های مختلفی مانند کیفیت بالاتر و آلودگی کمتر هستند. از طرفی خشکسالی&lrm;های متناوب اخیر و کاهش چشمگیر منابع آب سطحی منجر به استفاده بیش از حد از منابع آب زیرزمینی و کاهش کیفیت آن&lrm;ها شده است، بنابراین شناخت کیفیت آب زیرزمینی برای برنامه&lrm;ریزی و مدیریت مناسب این منابع بسیار حائز اهمیت بوده و باید مورد توجه جدی و تجزیه و تحلیل دقیق قرار گیرد. همچنین باوجودی&lrm;که یکی از مشکلات بهداشتی مناطق در حال توسعه عدم برخورداری از آب آشامیدنی سالم است و محور توسعه پایدار در منطقه در گرو سلامت انسان است لذا بدون بهره&lrm;مندی از آب آشامیدنی سالم و استاندارد نمی&lrm;توان رفاه و سلامت جامعه را در حد مطلوب تضمین نمود. آب از دو بعد بهداشتی و اقتصادی اهمیت دارد زیرا در بعد اقتصادی محرک چرخ صنعت و رونق بخش کسب و کار کشاورزی می&lrm;باشد. در همین راستا هدف از این پژوهش ارزیابی کیفی و تحلیل تغییرات مکانی کیفیت آب زیرزمینی بر مبنای شاخص ارزیابی GQI است. مواد و روش‌ها: این پژوهش به ارزیابی کیفی آب زیرزمینی در محدوده شهرستان&lrm;های خانمیرزا، لردگان، بروجن، اردل و کیار از توابع استان چهارمحال و بختیاری جهت استفاده در مصارف شرب و تحلیل تغییرات مکانی آب زیرزمینی در محدوده مطالعاتی پرداخته و اطلاعات کاربردی از وضعیت منابع آب موجود منطقه در زمینه شرب ارائه می&lrm;نماید. به&lrm;همین منظور 28 نمونه آب زیرزمینی از چاه&lrm;های بهره&lrm;برداری مجاز واقع در نقاط مختلف در شهرستان&lrm;های ذکر شده در بازه زمانی 1400-1399 برداشت شد و در آزمایشگاه مورد آنالیز شیمیایی قرار گرفت. برای ارزیابی کیفی این نمونه&lrm;ها جهت استفاده در مصارف شرب از شاخص GQI استفاده شد. در این پژوهش برای محاسبه شاخص کیفی GQI مقادیر غلظت 11 پارامتر شامل پارامترهای هدایت الکتریکی، اسیدیته، مجموع نمک&lrm;های محلول در آب، یون کلسیم، سدیم، منیزیم، پتاسیم، کربنات و بی&lrm;کربنات، کلر و سولفات به&lrm;کار برده شد. سپس با استفاده از مقادیر خصوصیات شیمیایی نمونه&lrm;های برداشت شده و بهره&lrm;مندی از روش درون&lrm;یابی وزن&lrm;دهی عکس فاصله در محیط نرم&lrm;افزاری GIS، پهنه&lrm;بندی مکانی مقادیر کلیه پارامترهای مورد مطالعه صورت گرفته و لایه&lrm;های اطلاعاتی موردنظر به فرمت رستری به&lrm;دست آمد. در ادامه با اعمال توابع محاسباتی بر لایه&lrm;های اطلاعاتی موجود، همپوشانی انجام شد و در انتها مقادیر شاخص GQI برآورد و نقشه رستری شاخص تهیه گردید. با استفاده از نقشه&lrm;های خروجی می&lrm;توان علاوه بر تعیین مشخصه&lrm;های کیفی موردمطالعه در سطح محدوده، به بررسی روند تغییرات آنها نیز پرداخته و نقشه&lrm;های پهنه&lrm;بندی کیفی هریک را تهیه و با مقادیر استاندارد مقایسه نمود. یافته‌ها: نتایج نشان داد که شاخص GQI محاسباتی با استفاده از نمونه&lrm;های اندازه&lrm;گیری شده، بخش وسیعی از وسعت منطقه مطالعاتی را در طبقه با کیفیت عالی و خوب قرار می&lrm;دهد که برای مصرف شرب مناسب می&lrm;باشند. همچنین طیف رنگی نقشه پهنه&lrm;بندی نشانگر کیفیت بهتری از آب زیرزمینی منطقه غرب و جنوب منطقه موردمطالعه نسبت به سایر بخش&lrm;های آن می&lrm;باشد. به&lrm;طور کلی کیفیت آب شرب از جنوب به&lrm;سمت شمال و شمال شرق کاهش می&lrm;یابد. مقوله تحلیل حساسیت مدل به بررسی تأثیرپذیری یک متغیر خروجی ناشی از تغییر یک متغیر ورودی در آن مدل می&lrm;پردازد. با بررسی آنالیز حساسیت صورت گرفته به&lrm;ترتیب پارامترهای اسیدیته، کلسیم، منیزیم، کل نمک&lrm;های محلول و هدایت الکتریکی با تأثیر منفی (به&lrm;معنی تأثیر در افزایش مقادیر شاخص و افزایش کیفیت آب پس از حذف تک پارامتر و کاهش کیفیت آب با افزودن تک پارامتر در محاسبه مقدار شاخص) و غلظت یون&lrm;های بی&lrm;کربنات، سولفات، سدیم، پتاسیم و کلر موجود در آب با تأثیر مثبت در کیفیت آب (به&lrm;معنی تأثیر در کاهش مقادیر شاخص و کاهش کیفیت آب پس از حذف تک پارامتر و افزایش کیفیت آب با افزودن تک پارامتر در محاسبه مقدار شاخص) به&lrm;ترتیب بیشترین تا کمترین تغییرات را در برآورد شاخص GQI به&lrm;خود اختصاص داده&lrm;اند. بنابراین شاخص کیفی GQI نسبت به وجود یا عدم وجود اسیدیته و بی&lrm;کربنات کلسیم حساسیت بیشتری داشته و تصمیم&lrm;گیری در رابطه با رده&lrm;بندی کیفی آب آشامیدنی را بیش از سایر پارامترهای مورد استفاده در تعیین شاخص، تحت تأثیر قرار می&lrm;دهد. با توجه به مقادیری که در تغییرات شاخص رخ داده است، برخی پارامترهای مورد بررسی با وجودی&lrm;که وزن بالاتری در محاسبه شاخص داشته&lrm;اند ولی درصد تغییرات شاخص با وجود و یا عدم وجود آن پارامتر مقدار قابل&lrm;توجهی را نشان نمی&lrm;دهد. به&lrm;عنوان نمونه بی&lrm;کربنات که وزن پایین&lrm;تری را نسبت به یون منیزیم دارا بوده ولی درصد تغییرات شاخص ناشی از حذف بی&lrm;کربنات در مقایسه با درصد تغییرات شاخص ناشی از حذف منیزیم، مقدار بیشتری برآورد شده است. بنابراین دارا بودن وزن بالاتر مؤلفه&lrm;ها حاکی از حساسیت بیشتر مدل نسبت به آن مؤلفه نخواهد بود. نتیجه‌گیری: نتایج این پژوهش نشان می&lrm;دهد که کیفیت آب زیرزمینی در مناطق مورد مطالعه برای استفاده در شرب مطلوب بوده و آب&rlm;های زیرزمینی منطقه مورد مطالعه تحت تأثیر تغییرات ناشی از پارامترهای مورد آزمون در بخش شرب قرار نگرفته&lrm;اند. همچنین این مطالعه به برنامه&lrm;ریزی جامع و مفید در خصوص بهره‌برداری و نگهداری از منابع آب زیرزمینی، کمک نموده و باعث می&lrm;گردد تا با دیدی روشن با توجه به نقشه&lrm;های کیفیت آب زیرزمینی بتوان در این زمینه برنامه ریزی جامع و مفیدتری ارائه داد.  </div> <div style="text-align: justify;">Extended Abstract Background: The use of groundwater for agricultural, industrial, and drinking purposes is significantly increasing worldwide. These resources are considered an important part of the renewable water ecosystem and have various advantages over surface waters, such as higher quality and less contamination. However, recent intermittent droughts and a noticeable decrease in surface water resources have led to the excessive use of groundwater sources and a decline in their quality. Therefore, understanding the quality of groundwater is crucial for proper planning and management of these resources and requires serious attention and detailed analysis. Additionally, one of the health problems in developing areas is the lack of access to safe drinking water, and human health is at the core of sustainable development in the region. Therefore, ensuring the welfare and health of the community at an acceptable level is not possible without access to clean and standardized drinking water. Water is important from both health and economic perspectives as it serves as a catalyst for industrial growth and the prosperity of the agricultural sector. In this regard, this research aims to evaluate and analyze the quality and spatial changes in groundwater quality based on the GQI assessment index. Methods: This research focuses on evaluating and analyzing spatial changes in groundwater quality within the study areas of Khanmirza, Lordegan, Boroujen, Ardal, and Kiar, located in  Chaharmahal and Bakhtiari province, for drinking purposes. Practical information is provided regarding the status of available water resources in the region for drinking purposes. To this aim, 28 groundwater samples were collected from legally operating wells in various locations within the mentioned counties during the  2020-2021 period and subjected to chemical analysis in the laboratory. The GQI (Groundwater Quality Index) was used to assess the quality of these samples for drinking purposes. In this study, the GQI was calculated based on the concentration values of 11 parameters, including electrical conductivity, acidity, total dissolved salts, calcium ion, sodium, magnesium, potassium, carbonate, bicarbonate, chloride, and sulfate. Subsequently, spatial zoning of the overall parameter values was performed using the chemical characteristics of the collected samples and employing the inverse distance weighting (IDW) interpolation method in the GIS software environment, and the desired information layers were obtained in raster format. Furthermore, overlays were performed by applying computational functions to the available information layers,, followed by estimating the GQI values and preparing raster maps of the index. The output maps can be utilized not only to determine the qualitative characteristics within the study area but also to analyze the trends of their variations, prepare zoning maps for  each parameter, and compare them with standard values. <v:shape href="https://creativecommons.org/licenses/by-nc/4.0/?ref=chooser-v1" id="Picture_x0020_10" o:button="t" style="position:absolute; left:0; text-align:left; margin-top:148px; width:63.85pt; height:22.45pt; z-index:251680768" type="#_x0000_t75"> <v:fill o:detectmouseclick="t"> </v:fill></v:shape><v:shape filled="f" id="Text_x0020_Box_x0020_16" o:gfxdata="UEsDBBQABgAIAAAAIQC75UiUBQEAAB4CAAATAAAAW0NvbnRlbnRfVHlwZXNdLnhtbKSRvU7DMBSF dyTewfKKEqcMCKEmHfgZgaE8wMW+SSwc27JvS/v23KTJgkoXFsu+P+c7Ol5vDoMTe0zZBl/LVVlJ gV4HY31Xy4/tS3EvRSbwBlzwWMsjZrlprq/W22PELHjb51r2RPFBqax7HCCXIaLnThvSAMTP1KkI +gs6VLdVdad08ISeCho1ZLN+whZ2jsTzgcsnJwldluLxNDiyagkxOquB2Knae/OLUsyEkjenmdzb mG/YhlRnCWPnb8C898bRJGtQvEOiVxjYhtLOxs8AySiT4JuDystlVV4WPeM6tK3VaILeDZxIOSsu ti/jidNGNZ3/J08yC1dNv9v8AAAA//8DAFBLAwQUAAYACAAAACEArTA/8cEAAAAyAQAACwAAAF9y ZWxzLy5yZWxzhI/NCsIwEITvgu8Q9m7TehCRpr2I4FX0AdZk2wbbJGTj39ubi6AgeJtl2G9m6vYx jeJGka13CqqiBEFOe2Ndr+B03C3WIDihMzh6RwqexNA281l9oBFTfuLBBhaZ4ljBkFLYSMl6oAm5 8IFcdjofJ0z5jL0MqC/Yk1yW5UrGTwY0X0yxNwri3lQgjs+Qk/+zfddZTVuvrxO59CNCmoj3vCwj MfaUFOjRhrPHaN4Wv0VV5OYgm1p+LW1eAAAA//8DAFBLAwQUAAYACAAAACEACN0tl1cEAAB6DwAA HwAAAGNsaXBib2FyZC9kcmF3aW5ncy9kcmF3aW5nMS54bWzsV91OIzcUvq/UdzjyNZAJmwSIdlhl s81qVcoiAg/geJyMi8ee2p787Bv1Nfpk/exJINBqUVu4qVCkzPj4zLH9fefP7z+sK01L6byyJmfd o4yRNMIWyixydnszOTxl5AM3BdfWyJxtpGcfzn/84T0fLhyvSyUIFowf8pyVIdTDTseLUlbcH9la GszNrat4wNAtOoXjK1iudOc4ywadiivDzh9MfeKBU+PUvzClrbiTxZibJfcwqcVwX7Ldoxb/3TIf muVnV0/rKxd3Li6XV45UkTMgZ3gFiFhnO7FVw7Dz5KvFg4H13FVR387ntAYDZ/3u2RlsbXJ2dtLL jgf91p5cBxJQ6PWPT7unfUYCGu9Ou4N3WwVRfn3GhCh/+r4RbLPdDl72tujruEGz/OuZu4PdoW/i /j7aNUG0O3/Up7CGFOdKPPv6Ajx5MnZccrOQI+fsqpS88FGjBQqItgsl0HZr+mhrtvrFFkCYN8Em ey8E3v25+bB2PnyWtqL4kjMnRUgr8eWFD+0GdyoJFDtRWqcDa/NIAJtRgkfcepwK62kCMiJSbKJk hieO5SxWAuUIw/AVf3NtVzkTWtWMSuu+PZVFPTgyZhitEIQ587813ElG+osBkmfdXg/mQhr0+ifH GLj9mdn+DDcCpnIWGLWv44ARPmlqpxYlVmq5M3YE2Odqi0K793gK7cM0bLRMKKQTRq64XiCh/Np4 2HVBR4tJ2UxrEV98La5EoCXHVDc7ybJsy7/e0xjNw043+FZ3p4bv0ywA3uKbQHZYWsO1cibN4e0U yetbzgYwHu3I+Rx8tkRi3zwoQ2FTyzkX8Kox12rmFKOaG+shyI6zSdbHf/z1snfxH7MqiHLCK6Vj AEIgSu68TBQmCCR/BaPCv7hRIAe0Ii7hfGzrTWKb/vgdp+3Rz6X1peNL6UuSAWwe0VUz08qXsqDZ hqbcKRotnBKNDo3jmqZCoXJIDy8q6JK3wmvpbeOi9NaoVGbC5igGBXiN6ydWTHHFHb/+O+a63f8Z dSOnuH7kYh+zAZyrdbLkaM+6GICT95glHNuoi2C+hd6Lx/Mrh95NqTytrLsjPLUS0niEWGMKiSRK T2Ll+zmOGpQCs0i5zlutilicold4t5iNtdtmUOTayWSbbR+pveXHx5m81MrcjcHJ3baBRGF8vslF JwcWP1nRVNKEttN1MlYba3ypao+COIwdo/tS7Jqeh0TsJBSXksa2qqBPoxCcmjXx48NLa6JYOoEk Qr2jDFm1ti7AXy5ax/lH7pKS71tJ3Cve+yWRVrjclKh86MY8NR53JAqWwE9xQAL18oAK5VtyZCp6 Fb+ThLBVy5bCGNSecP9Bv2sOxQNzdeNqdBiYc+g0QykJNyR8x/UBcSQBaxbxGSfQ6qI7IztPI4sa rQy43+ULoSL5tcNdy+m3yvoqlTV2K/ctO/xgWl+ji2zvAm1PD414R+o8uXWm0ry9Jcer7f74/E8A AAD//wMAUEsDBBQABgAIAAAAIQCRLWpJWAYAAA8aAAAaAAAAY2xpcGJvYXJkL3RoZW1lL3RoZW1l MS54bWzsWUtvGzcQvhfof1jsvbHeio3Iga1H3MROgkhJkSOlpXYZc5cLkrKjW5GceilQIC16aIDe eiiKBmiABr30xxhw0KY/okPuQ6RExQ+4QFDEAozd2W+Gw5nZb0jujZtPY+odYS4ISzp+9VrF93Ay YQFJwo7/cDT47LrvCYmSAFGW4I4/x8K/uf3pJzfQ1oSSdMwQD0YRjrEHhhKxhTp+JGW6tbEhJiBG 4hpLcQLPpozHSMItDzcCjo5hgJhu1CqV1kaMSOJvg0WpDPUp/EukUIIJ5UNlBnsJimH0e9MpmWCN DQ6rCiHmoku5d4RoxwebATse4afS9ygSEh50/Ir+8ze2b2ygrVyJyjW6ht5A/+V6uUJwWNNj8nBc DtpoNButndK+BlC5iuu3+61+q7SnAWgygZlmvpg2m7ubu71mjjVA2aXDdq/dq1ctvGG/vuLzTlP9 LLwGZfYbK/jBoAtRtPAalOGbK/hGo13rNiy8BmX41gq+XdnpNdoWXoMiSpLDFXSl2ap3i9mWkCmj e074ZrMxaNdy4wsUVENZXWqIKUvkulqL0RPGBwBQQIokSTw5T/EUTaAmu4iSMSfePgkjKLwUJUyA uFKrDCp1+K9+DX2lI4K2MDK0lV/giVgRKX88MeEklR3/Nlj1Dcjpmzcnz16fPPv95Pnzk2e/5mNr U5beHkpCU+/dT9/88/JL7+/ffnz34tts6GW8MPFvf/nq7R9/vs88zHgRitPvXr19/er0+6//+vmF w/oOR2MTPiIxFt5dfOw9YDFM0OE/HvOLaYwiREyNnSQUKEFqFIf9vows9N05osiB28V2HB9xoBoX 8NbsieXwMOIzSRwW70SxBTxgjO4y7ozCHTWWEebRLAndg/OZiXuA0JFr7C5KrCz3ZylwLHGZ7EbY cvM+RYlEIU6w9NQzdoixY3aPCbHiekAmnAk2ld5j4u0i4gzJiIytaloo7ZEY8jJ3OQj5tmJz8Mjb ZdQ16x4+spHwbiDqcH6EqRXGW2gmUewyOUIxNQO+j2TkcnI45xMT1xcSMh1iyrx+gIVw6dzjMF8j 6XeAZtxpP6Dz2EZySQ5dNvcRYyayxw67EYpTF3ZIksjEfi4OoUSRd59JF/yA2W+Iuoc8oGRtuh8R bKX7bDZ4CAxrurQoEPVkxh25vIWZVb/DOZ0irKkGGoDF6zFJziT5JXpv/nf0DiR6+sNLx4yuhtLd hq18XJDMdzhxvk17SxS+DrdM3F3GA/Lh83YPzZL7GF6V1eb1kbY/0rb/v6ftde/z1ZP1gp+ButWy NVuu68V7vHbtPiWUDuWc4n2hl+8CulIwAKHS03tUXO7l0ggu1ZsMA1i4kCOt43EmvyAyGkYohTV+ 1VdGQpGbDoWXMgFLfy122lZ4OosPWJBtWatVtT3NyEMguZBXmqUcthsyQ7fai21YaV57G+rtcuGA 0r2IE8ZgthN1hxPtQqiCpDfnEDSHE3pmV+LFpsOL68p8kaoVL8C1MiuwbPJgsdXxmw1QASXYVSGK A5WnLNVFdnUyrzLT64JpVQCsIYoKWGR6U/m6dnpqdlmpnSPTlhNGudlO6MjoHiYiFOC8OpX0PG5c NNebi5Ra7qlQ6PGgtBZutK+/z4vL5hr0lrmBJiZT0MQ77vitehNKZoLSjj+FrT9cxinUjlDLXURD ODSbSJ698JdhlpQL2UMiygKuSSdjg5hIzD1K4o6vpl+mgSaaQ7Rv1RoQwgfr3CbQyofmHCTdTjKe TvFEmmk3JCrS2S0wfMYVzqda/fJgpclmkO5hFBx7YzrjDxCUWLNdVQEMiIAToGoWzYDAkWZJZIv6 W2pMOe2aZ4q6hjI5ommE8o5iknkG11ReuqPvyhgYd/mcIaBGSPJGOA5VgzWDanXTsmtkPqztumcr qcgZpLnomRarqK7pZjFrhKINLMXyck3e8KoIMXCa2eEz6l6m3M2C65bWCWWXgICX8XN03XM0BMO1 xWCWa8rjVRpWnJ1L7d5RTPAM187TJAzWbxVml+JW9gjncCC8VOcHveWqBdG0WFfqSLs+Txyg1BuH 1Y4PnwjgbOIpXMFHBh9kNSWrKRlcwZcDaBfZcX/Hzy8KCTzPJCWmXkjqBaZRSBqFpFlImoWkVUha vqfPxeFbjDoS973i2Bt6WH5Mnq8t7G842/8CAAD//wMAUEsDBBQABgAIAAAAIQDPt/zhBAEAAPAB AAAqAAAAY2xpcGJvYXJkL2RyYXdpbmdzL19yZWxzL2RyYXdpbmcxLnhtbC5yZWxzrJHLasMwEEX3 hf6Dmb0lO5RSSmRv0kIW3ZT0A1R5/CDWyGhUE/99J86iDQS66UYgCd0552pbn/yYzRh5CGSgVAVk SC40A3UGPg6v+RNknCw1dgyEBhZkqKv7u+07jjbJI+6HiTNJITbQpzQ9a82uR29ZhQlJbtoQvU2y jZ2erDvaDvWmKB51/J0B1VVmtm8MxH2zgeywTDL57+zQtoPDXXBfHindGKGTcKEE2thhMqDU5eSy lkpYQd/GKP8ToxehOA50/EE527FU5yJKrTO64L2Uu3Y2ihUxsv5ccnL6QRW6jtga14fAGPP5DLcq vYVGmno5JYxkVxd99U/VNwAAAP//AwBQSwECLQAUAAYACAAAACEAu+VIlAUBAAAeAgAAEwAAAAAA AAAAAAAAAAAAAAAAW0NvbnRlbnRfVHlwZXNdLnhtbFBLAQItABQABgAIAAAAIQCtMD/xwQAAADIB AAALAAAAAAAAAAAAAAAAADYBAABfcmVscy8ucmVsc1BLAQItABQABgAIAAAAIQAI3S2XVwQAAHoP AAAfAAAAAAAAAAAAAAAAACACAABjbGlwYm9hcmQvZHJhd2luZ3MvZHJhd2luZzEueG1sUEsBAi0A FAAGAAgAAAAhAJEtaklYBgAADxoAABoAAAAAAAAAAAAAAAAAtAYAAGNsaXBib2FyZC90aGVtZS90 aGVtZTEueG1sUEsBAi0AFAAGAAgAAAAhAM+3/OEEAQAA8AEAACoAAAAAAAAAAAAAAAAARA0AAGNs aXBib2FyZC9kcmF3aW5ncy9fcmVscy9kcmF3aW5nMS54bWwucmVsc1BLBQYAAAAABQAFAGcBAACQ DgAAAAA= " stroked="f" style="position:absolute; left:0; text-align:left; margin-left:407px; margin-top:141px; width:356.55pt; height:30.05pt; z-index:251679744; v-text-anchor:top" type="#_x0000_t202"></v:shape> Results: The calculated GQI using measured samples categorizes a significant portion of the  study area within the excellent and good quality categories suitable for drinking. Additionally, the color spectrum of the zoning map indicates better water quality in the western and southern  parts of the study area than in the other sections. Generally, water quality decreases from the south toward the north and northeast. The sensitivity analysis of the model focuses on examining the impact of changing one input variable on a model's output variable. The sensitivity analysis revealed that parameters such as acidity, calcium, magnesium, total dissolved salts, and electrical conductivity had a negative effect (meaning an increase in index values and water quality <v:shape filled="f" id="Text_x0020_Box_x0020_12" o:gfxdata="UEsDBBQABgAIAAAAIQC75UiUBQEAAB4CAAATAAAAW0NvbnRlbnRfVHlwZXNdLnhtbKSRvU7DMBSF dyTewfKKEqcMCKEmHfgZgaE8wMW+SSwc27JvS/v23KTJgkoXFsu+P+c7Ol5vDoMTe0zZBl/LVVlJ gV4HY31Xy4/tS3EvRSbwBlzwWMsjZrlprq/W22PELHjb51r2RPFBqax7HCCXIaLnThvSAMTP1KkI +gs6VLdVdad08ISeCho1ZLN+whZ2jsTzgcsnJwldluLxNDiyagkxOquB2Knae/OLUsyEkjenmdzb mG/YhlRnCWPnb8C898bRJGtQvEOiVxjYhtLOxs8AySiT4JuDystlVV4WPeM6tK3VaILeDZxIOSsu ti/jidNGNZ3/J08yC1dNv9v8AAAA//8DAFBLAwQUAAYACAAAACEArTA/8cEAAAAyAQAACwAAAF9y ZWxzLy5yZWxzhI/NCsIwEITvgu8Q9m7TehCRpr2I4FX0AdZk2wbbJGTj39ubi6AgeJtl2G9m6vYx jeJGka13CqqiBEFOe2Ndr+B03C3WIDihMzh6RwqexNA281l9oBFTfuLBBhaZ4ljBkFLYSMl6oAm5 8IFcdjofJ0z5jL0MqC/Yk1yW5UrGTwY0X0yxNwri3lQgjs+Qk/+zfddZTVuvrxO59CNCmoj3vCwj MfaUFOjRhrPHaN4Wv0VV5OYgm1p+LW1eAAAA//8DAFBLAwQUAAYACAAAACEAWN/qaZYDAABACwAA HwAAAGNsaXBib2FyZC9kcmF3aW5ncy9kcmF3aW5nMS54bWzsVl1v2zYUfR+w/0DwOY0lRYoTo0qR Zk3Roe2CON2erynaEkaRGkl/9Wm/Zj9sv2SHlBx77pBiXV8GNI6TS97Lw3vPIa/0/MWmVWwlrWuM Lnl6mnAmtTBVoxcl//Bw++yCM+dJV6SMliXfSsdfXH3/3XOaLCx1dSMYELSbUMlr77vJaORELVty p6aTGr65sS15DO1iVFlaA7lVoyxJzkctNZpf7aF+IE9saZsvgFJG/CqrG9IrcoBUYnI4M+SoxH9H polevbbdtLuzIXPxfnVnWVOVHMxpakERHw2OIQzD0dGqxR5gM7dtiDfzOdtAgSQdZ2NgbUs+HicX l0kPJzeeCfiLIh9fXhacCQRk+UV2UQz71T89jSDqV09jIMk+GRgHCboupKdXn1acZruSH0J6L82G YWpXfYhnfoNZVBVVdt1bqOSYNjc16YW8ttasa0mVCxE9TeCz3yhSttvTBazZ+p2pwC8tvYl4X4e6 x7Jp0lnnX0vTsmCU3Erh40a0eut8n98uJHJibhulYr1Ks3XJL4usiAv03tM2XlqmmrbkF0n46QkK Zb/SVVzsqVG9jVyUjsclVBz28Jtp5D8QWW3DzAz/wYY1yBDnBHcXRm3sR87WuJEld78tyUrO1BsN Yi/TPEeYj4O8GGcY2EPP7NBDWgCq5J6z3rzxGCVDUddgft4MTPR5hIyU81O/VTIWE7MNcpFaoKMo 7ObVDkLpaSfCEteJO+HZiuBKk/FASyx/H3E997tY7/pYUDgcFCAMfk8zyBMiYbHOoOjs/GycFrgl fRLC2571x4AiG+dnKajoA6Ibu++gYA78RxEsylE4sSWX+tmHKTrix6hmpEXO5zgn/QEBF+Qbzfy2 k3MSOKwPTSsdey/X7N60pDnrSBsHR5Lhc56cJUWS45vByuFtvKhvqW0UrneK3itqsk5GqSO9kg7A b0g1M9v8DfQ2ggXwHJD4ewR6holjUOEOQK9tQ1DtIM+XyDMH1O7zeUjwB86iJFc/mqXVpJiZs18I d8HVsmLvSNNCtlJ7di+dJCvqE/azUacsLU7YG+eWMjRNqBqgAtDTQrDZrsl8k+NThQ/lYP+K18D8 N0afZjQ7YbgZOfvz9z++7Pf09HEdzn+WHCkkdXVHlu7/qQmlKRri50X6Wo3if9N99pzFDoKHUugm j8/QpZPT7h5tGz01OsJDFkZ41xkdvTtGx/CuG15QD8dXfwEAAP//AwBQSwMEFAAGAAgAAAAhAJEt aklYBgAADxoAABoAAABjbGlwYm9hcmQvdGhlbWUvdGhlbWUxLnhtbOxZS28bNxC+F+h/WOy9sd6K jciBrUfcxE6CSEmRI6WldhlzlwuSsqNbkZx6KVAgLXpogN56KIoGaIAGvfTHGHDQpj+iQ+5DpETF D7hAUMQCjN3Zb4bDmdlvSO6Nm09j6h1hLghLOn71WsX3cDJhAUnCjv9wNPjsuu8JiZIAUZbgjj/H wr+5/eknN9DWhJJ0zBAPRhGOsQeGErGFOn4kZbq1sSEmIEbiGktxAs+mjMdIwi0PNwKOjmGAmG7U KpXWRoxI4m+DRakM9Sn8S6RQggnlQ2UGewmKYfR70ymZYI0NDqsKIeaiS7l3hGjHB5sBOx7hp9L3 KBISHnT8iv7zN7ZvbKCtXInKNbqG3kD/5Xq5QnBY02PycFwO2mg0G62d0r4GULmK67f7rX6rtKcB aDKBmWa+mDabu5u7vWaONUDZpcN2r92rVy28Yb++4vNOU/0svAZl9hsr+MGgC1G08BqU4Zsr+Eaj Xes2LLwGZfjWCr5d2ek12hZegyJKksMVdKXZqneL2ZaQKaN7TvhmszFo13LjCxRUQ1ldaogpS+S6 WovRE8YHAFBAiiRJPDlP8RRNoCa7iJIxJ94+CSMovBQlTIC4UqsMKnX4r34NfaUjgrYwMrSVX+CJ WBEpfzwx4SSVHf82WPUNyOmbNyfPXp88+/3k+fOTZ7/mY2tTlt4eSkJT791P3/zz8kvv799+fPfi 22zoZbww8W9/+ertH3++zzzMeBGK0+9evX396vT7r//6+YXD+g5HYxM+IjEW3l187D1gMUzQ4T8e 84tpjCJETI2dJBQoQWoUh/2+jCz03TmiyIHbxXYcH3GgGhfw1uyJ5fAw4jNJHBbvRLEFPGCM7jLu jMIdNZYR5tEsCd2D85mJe4DQkWvsLkqsLPdnKXAscZnsRthy8z5FiUQhTrD01DN2iLFjdo8JseJ6 QCacCTaV3mPi7SLiDMmIjK1qWijtkRjyMnc5CPm2YnPwyNtl1DXrHj6ykfBuIOpwfoSpFcZbaCZR 7DI5QjE1A76PZORycjjnExPXFxIyHWLKvH6AhXDp3OMwXyPpd4Bm3Gk/oPPYRnJJDl029xFjJrLH DrsRilMXdkiSyMR+Lg6hRJF3n0kX/IDZb4i6hzygZG26HxFspftsNngIDGu6tCgQ9WTGHbm8hZlV v8M5nSKsqQYagMXrMUnOJPklem/+d/QOJHr6w0vHjK6G0t2GrXxckMx3OHG+TXtLFL4Ot0zcXcYD 8uHzdg/NkvsYXpXV5vWRtj/Stv+/p+117/PVk/WCn4G61bI1W67rxXu8du0+JZQO5ZzifaGX7wK6 UjAAodLTe1Rc7uXSCC7VmwwDWLiQI63jcSa/IDIaRiiFNX7VV0ZCkZsOhZcyAUt/LXbaVng6iw9Y kG1Zq1W1Pc3IQyC5kFeapRy2GzJDt9qLbVhpXnsb6u1y4YDSvYgTxmC2E3WHE+1CqIKkN+cQNIcT emZX4sWmw4vrynyRqhUvwLUyK7Bs8mCx1fGbDVABJdhVIYoDlacs1UV2dTKvMtPrgmlVAKwhigpY ZHpT+bp2emp2WamdI9OWE0a52U7oyOgeJiIU4Lw6lfQ8blw015uLlFruqVDo8aC0Fm60r7/Pi8vm GvSWuYEmJlPQxDvu+K16E0pmgtKOP4WtP1zGKdSOUMtdREM4NJtInr3wl2GWlAvZQyLKAq5JJ2OD mEjMPUrijq+mX6aBJppDtG/VGhDCB+vcJtDKh+YcJN1OMp5O8USaaTckKtLZLTB8xhXOp1r98mCl yWaQ7mEUHHtjOuMPEJRYs11VAQyIgBOgahbNgMCRZklki/pbakw57ZpnirqGMjmiaYTyjmKSeQbX VF66o+/KGBh3+ZwhoEZI8kY4DlWDNYNqddOya2Q+rO26ZyupyBmkueiZFquorulmMWuEog0sxfJy Td7wqggxcJrZ4TPqXqbczYLrltYJZZeAgJfxc3TdczQEw7XFYJZryuNVGlacnUvt3lFM8AzXztMk DNZvFWaX4lb2COdwILxU5we95aoF0bRYV+pIuz5PHKDUG4fVjg+fCOBs4ilcwUcGH2Q1JaspGVzB lwNoF9lxf8fPLwoJPM8kJaZeSOoFplFIGoWkWUiahaRVSFq+p8/F4VuMOhL3veLYG3pYfkyery3s bzjb/wIAAP//AwBQSwMEFAAGAAgAAAAhAJxmRkG7AAAAJAEAACoAAABjbGlwYm9hcmQvZHJhd2lu Z3MvX3JlbHMvZHJhd2luZzEueG1sLnJlbHOEj80KwjAQhO+C7xD2btJ6EJEmvYjQq9QHCMk2LTY/ JFHs2xvoRUHwsjCz7DezTfuyM3liTJN3HGpaAUGnvJ6c4XDrL7sjkJSl03L2DjksmKAV201zxVnm cpTGKSRSKC5xGHMOJ8aSGtHKRH1AVzaDj1bmIqNhQaq7NMj2VXVg8ZMB4otJOs0hdroG0i+hJP9n +2GYFJ69elh0+UcEy6UXFqCMBjMHSldnnTUtXYGJhn39Jt4AAAD//wMAUEsBAi0AFAAGAAgAAAAh ALvlSJQFAQAAHgIAABMAAAAAAAAAAAAAAAAAAAAAAFtDb250ZW50X1R5cGVzXS54bWxQSwECLQAU AAYACAAAACEArTA/8cEAAAAyAQAACwAAAAAAAAAAAAAAAAA2AQAAX3JlbHMvLnJlbHNQSwECLQAU AAYACAAAACEAWN/qaZYDAABACwAAHwAAAAAAAAAAAAAAAAAgAgAAY2xpcGJvYXJkL2RyYXdpbmdz L2RyYXdpbmcxLnhtbFBLAQItABQABgAIAAAAIQCRLWpJWAYAAA8aAAAaAAAAAAAAAAAAAAAAAPMF AABjbGlwYm9hcmQvdGhlbWUvdGhlbWUxLnhtbFBLAQItABQABgAIAAAAIQCcZkZBuwAAACQBAAAq AAAAAAAAAAAAAAAAAIMMAABjbGlwYm9hcmQvZHJhd2luZ3MvX3JlbHMvZHJhd2luZzEueG1sLnJl bHNQSwUGAAAAAAUABQBnAQAAhg0AAAAA " stroked="f" style="position:absolute; left:0; text-align:left; margin-left:-7px; margin-top:-40px; width:436.85pt; height:19.55pt; z-index:251681792; v-text-anchor:top" type="#_x0000_t202"></v:shape> improvement after removing these parameters and deterioration with their addition in the index calculation). Conversely, the concentrations of bicarbonate ions, sulfate, sodium, potassium, and chloride had a positive impact on water quality (meaning a decrease in index values and deterioration after removing these parameters and improvement with their addition in the index calculation). These parameters have allocated the highest to lowest changes in estimating the GQI index. Therefore, the GQI quality index shows greater sensitivity to the presence or absence of acidity and calcium bicarbonate than the other parameters used in determining the index, influencing decision-making regarding the classification of drinking water quality more than the other parameters. Despite having higher weights in calculating the index, some parameters show insignificant percentage changes in the index due to their presence or absence. For example, despite a lower weight of bicarbonate than magnesium ions, it shows a higher percentage change in the index after its removal than the percentage change caused by removing magnesium. Thus, higher weights for these components do not necessarily imply greater sensitivity of the model to them. Conclusion: The results of this study indicate that the groundwater quality in the studied areas is suitable for drinking purposes, and the groundwater in the study area has not been affected by changes resulting from the tested parameters in the drinking sector. Additionally, this study contributes to comprehensive and useful planning for the management and conservation of groundwater resources, enabling more informed decision-making based on groundwater quality maps in this regard. </div> آلودگی, تحلیل حساسیت, درون یابی, شاخص کیفیت آب Interpolation, Pollution, Sensitivity Analysis, Water Quality Index 119 131 http://jwmr.sanru.ac.ir/browse.php?a_code=A-11-559-3&slc_lang=fa&sid=1 Mojtaba Khoshravesh مجتبی خوش روش khoshravesh_m24@yahoo.com 100319475328460014387 100319475328460014387 Yes Department of Water Engineering, Faculty of Agricultural Engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران Seyed Mohammad Reza Hosseini Vardanjani سید محمدرضا حسینی وردنجانی mohammad.mrh2015@gmail.com 100319475328460014388 100319475328460014388 No Department of Water Engineering, Faculty of Agricultural Engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران Hajar Taheri Soudjani هاجر طاهری سودجانی hajar_taheri2001@yahoo.com 100319475328460014389 100319475328460014389 No Isfahan University of Technology, Water and Soil Expert of Jihad Keshavarzi in Chaharmahal and Bakhtiari Province, Shahrekord, Iran دانشگاه صنعتی اصفهان، کارشناس آب و خاک جهاد کشاورزی استان چهارمحال و بختیاری، شهرکرد، ایران Marzieh Ghahreman مرضیه قهرمان m.ghahreman220@yahoo.com 100319475328460014390 100319475328460014390 No Department of Water Engineering, Faculty of Agricultural, Shahrekord University, Shahrekord, Iran گروه مهندسی آب، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران