مقالة بحثية

تحسين ملاءمة موقع وهيكل حصاد مياه الأمطار باستخدام النهج الجيومكاني، وعوامل التأثير المتعددة، وعملية التسلسل الهرمي التحليلي

28 مشاهدة

⸱

DOI:

10.3791/72363

⸱

أكتوبر 1, 2026

 ,  ,  ,  ,  ,  ,  ,  ,  , 
1National Centre of Excellence in Geology, University of Peshawar, 2Directorate General Soil and Water Conservation, 3School of Interdisciplinary Engineering and Sciences (SINES), National University of Sciences and Technology (NUST), 4Department of Biotechnology, College of Science, Taif University, 5Department of Biology, College of Science, Taif University, 6Department of Computer Science, College of Science, Northern Border University, 7Department of Information Systems, College of Computer Science and Engineering, Taibah University, 8Department of Computer Science, College of Computer Science and Engineering, Taibah University, 9Department of Computer Science, Faculty of Science, Tanta University, 10Department of Field Crops, Faculty of Agriculture, Siirt University

في هذه المقالة

ملخص

تصف هذه الورقة نهجاً متكاملاً قائماً على نظم المعلومات الجغرافية (GIS) باستخدام نماذج عامل التأثير المتعدد (MIF) وعملية التسلسل الهرمي التحليلي (AHP) لتحديد المواقع المناسبة لحصاد مياه الأمطار واختيار المنشآت الملائمة في أحواض الأنهار الجبلية، وهو ما تم تطبيقه في حوض Panjkora شمال باكستان.

الملخص

يعد حصاد مياه الأمطار (RWH) ممارسة أساسية للحفاظ على المياه، وتحسين إدارة الموارد المائية، والتخفيف من المخاطر المرتبطة بالمياه في المناطق الجبلية. ويعد اختيار الموقع المناسب والهيكل الملائم لمنشأة حصاد مياه الأمطار أمراً حيوياً لتحسين توفر المياه والإنتاجية الزراعية في جميع الظروف، لا سيما في ظل عدم اليقين الهيدرولوجي المرتبط بتغير المناخ. ومن الصعب تقييم وتحليل مواقع حصاد مياه الأمطار عبر ظروف متنوعة في جميع أنحاء العالم، خاصة في المناطق الجبلية النائية التي يصعب الوصول إليها، حيث يكون لهذه المواقع تأثيرات كبيرة على البيئة والمجتمع والاقتصاد في المنطقة والمناطق الواقعة في أسفل المجرى. في هذه الدراسة، تم تطبيق عامل التأثير المتعدد (MIF) وعملية التسلسل الهرمي التحليلي (AHP) في نظام المعلومات الجغرافية (GIS) باستخدام البيانات التقليدية وبيانات الاستشعار عن بعد (RS) لاختيار موقع مناسب لحصاد مياه الأمطار وهياكل ملائمة في حوض نهر بانجكورا في منطقة هندوكوش شمال باكستان. ووفقاً لنتائج MIF (وAHP)، تشتمل منطقة الدراسة على 80.22 (1572.58) km2 كمنطقة أقل ملاءمة، و1681.99 (1605.69) km2 كمنطقة متوسطة الملاءمة، و3116.10 (1768.62) km2 كمنطقة ملائمة، و844.86 (689.15) km2 كمنطقة عالية الملاءمة، و35.10 (122.61) km2 كمنطقة عالية الملاءمة جداً لمنشآت حصاد مياه الأمطار. وتم التحقق من صحة الخرائط الناتجة باستخدام اختبارات خصائص تشغيل المستقبل والمساحة تحت المنحنى (ROC-AUC) (درجة MIF = 0.724 ودرجة AHP = 0.692) لفحص دقة النماذج ومتانتها. وسيوفر هذا البحث، الذي يقدم نتائج بدقة واعدة، رؤى تقنية جديدة حول هذا الموضوع لمزيد من التحسين والملاءمة وقابلية تطبيق النماذج في ظل ظروف هيدرومناخية وفيزيوجرافية مختلفة. وبشكل عام، نجح كلا النموذجين في تحديد المواقع المناسبة لحصاد مياه الأمطار؛ ومع ذلك، تفوق نموذج MIF على نموذج AHP من حيث الدقة التنبؤية والموثوقية المكانية. ويمكن لإطار العمل المقترح القائم على نظام المعلومات الجغرافية أن يدعم التخطيط المستدام لحصاد مياه الأمطار وإدارة الموارد المائية في الأحواض المائية الجبلية.

المقدمة

أصبحت ندرة المياه، بما في ذلك استنزاف موارد المياه السطحية والجوفية على حد سواء، تحدياً رئيسياً في العديد من البلدان النامية1. وقد أدى النمو السكاني السريع، والتوسع الحضري، والتوسع الزراعي، والتضاريس المعقدة، والظروف المناخية المتغيرة إلى تكثيف الضغط على الموارد المائية المتاحة2,3. وفي المناطق التي تعاني من الإجهاد المائي، أدى السحب المفرط للمياه الجوفية لتلبية الاحتياجات المنزلية والزراعية إلى انخفاض مناسيب المياه الجوفية وتراجع الأمن المائي على المدى الطويل. لذا، هناك حاجة ملحة لاستراتيجيات إدارة مستدامة للمياه، لا سيما في المناطق التي تشهد نمواً سكانياً سريعاً، وحساسية عالية للموارد المائية تجاه تغير المناخ، وزيادة في الطلب على المياه، كما هو الحال في باكستان. ومن بين استراتيجيات التكيف المختلفة، برز حصاد مياه الأمطار (RWH) كنهج فعال للحفاظ على جريان مياه الأمطار وتعزيز الموارد المائية المتاحة4. وتقوم أنظمة حصاد مياه الأمطار بجمع وتخزين مياه الأمطار خلال الفترات الرطبة لاستخدامها لاحقاً، مما يوفر بديلاً مستداماً لمعالجة نقص المياه على المستويين المحلي والإقليمي5,6. ومع ذلك، يعتمد نجاح أنظمة حصاد مياه الأمطار بشكل كبير على تحديد المواقع المناسبة وهياكل الحصاد الملائمة. وتعد عملية اختيار الموقع عملية معقدة لأنها تتأثر بعوامل فيزيائية وبيئية وهيدرولوجية واجتماعية واقتصادية متعددة تختلف مكانياً عبر المناطق7,8. وتقليدياً، كانت المسوح الميدانية تُستخدم لتحديد المواقع المحتملة لحصاد مياه الأمطار؛ إلا أن هذه الأساليب غالباً ما تكون مكلفة وتستغرق وقتاً طويلاً وغير عملية في المناطق الواسعة والتي يصعب الوصول إليها، خاصة المناطق الجبلية. لذا، تم اعتماد تقنيات نظم المعلومات الجغرافية (GIS) والاستشعار عن بعد (RS) بشكل متزايد كبدائل فعالة لتقييم حصاد مياه الأمطار على النطاق الإقليمي9. ويوفر التقييم متعدد المعايير (MCE) القائم على نظم المعلومات الجغرافية إطاراً فعالاً لدمج طبقات موضوعية متنوعة، بما في ذلك هطول الأمطار، والجريان السطحي، والمنحدر، وخصائص التربة، واستخدامات الأراضي/الغطاء الأرضي، وكثافة التصريف، والمعايير الاجتماعية والاقتصادية، لتحديد المناطق المناسبة لحصاد مياه الأمطار10,11. كما تعزز مجموعات بيانات الاستشعار عن بعد هذا النهج من خلال توفير معلومات مكانية منخفضة التكلفة عبر مساحات واسعة ومناطق يصعب الوصول إليها، بما في ذلك الغطاء الأرضي، والجيومورفولوجيا، وخصائص التربة، والسمات الهيدرولوجية12. وتعد باكستان من بين الدول التي تواجه تحديات مائية شديدة بسبب زيادة الطلب على المياه، وتقلب المناخ، والاعتماد على سبل العيش القائمة على الزراعة13. ويتطلب الاقتصاد الزراعي في البلاد موارد مائية كبيرة، بينما أدى انخفاض مستويات المياه الجوفية وأنماط هطول الأمطار غير المنتظمة إلى زيادة الحساسية تجاه نقص المياه. وبناءً على ذلك، أصبح الحفاظ على مياه الأمطار وتخزينها استراتيجيات مهمة لتحسين توفر المياه، خاصة في المناطق الجبلية والناقصة مائياً12,14. وقد أثبتت الدراسات السابقة فعالية النهج القائمة على نظم المعلومات الجغرافية والاستشعار عن بعد في اختيار مواقع حصاد مياه الأمطار من خلال دمج المعايير البيئية والاجتماعية والاقتصادية15,16,17,18. وطبق العديد من الباحثين تقنيات مختلفة لاتخاذ القرار متعدد المعايير، بما في ذلك عملية التسلسل الهرمي التحليلي (AHP)، وعملية التسلسل الهرمي التحليلي الضبابية (Fuzzy AHP)، ومنهجيات تثقيل أخرى، لتحديد المواقع المناسبة لحصاد مياه الأمطار في ظل ظروف بيئية متنوعة19. ورغم التقدم الملحوظ، قد يختلف أداء مناهج اتخاذ القرار متعدد المعايير المختلفة اعتماداً على الخصائص البيئية الإقليمية، ومجموعات البيانات المتاحة، وأنظمة التثقيل القائمة على آراء الخبراء. وبوجه خاص، كانت الدراسات التي قارنت بين فعالية المناهج المختلفة في ظل ظروف حوض مائي مماثلة محدودة. لذا، فإن تقييم ومقارنة تقنيات اتخاذ القرار البديلة أمر ضروري لتحسين موثوقية تقييمات ملاءمة مواقع حصاد مياه الأمطار. وتعالج الدراسة الحالية هذه الفجوة البحثية من خلال مقارنة تقنيتي العامل المؤثر المتعدد (MIF) وعملية التسلسل الهرمي التحليلي (AHP) لتحديد المواقع المناسبة لحصاد مياه الأمطار في حوض بانجكورا بباكستان. وتفترض الدراسة أن دمج متغيرات مختلفة مثل التضاريس، والخصائص الجيولوجية، وديناميكيات الغطاء الأرضي، وكثافة خطوط التصريف، وخصائص التربة، وهطول الأمطار في نظم المعلومات الجغرافية باستخدام نهج اتخاذ القرار متعدد المعايير يمكن أن يحدد أفضل المواقع المناسبة لحصاد مياه الأمطار في البيئة الجبلية. وتقدم هذه الدراسة رؤى قيمة حول إمكانية تطبيق مناهج دعم القرار القائمة على نظم المعلومات الجغرافية للتخطيط المستدام للموارد المائية في المناطق الجبلية.

البروتوكول

تضمنت هذه الدراسة بيانات جيومكانية، وبيانات استشعار عن بعد، وبيانات تحقق ميدانية، ولم تتضمن مشاركين بشريين، أو بيانات شخصية محددة للهوية، أو حيوانات، أو أنسجة فقارية؛ وبناءً على ذلك، لم يكن هناك حاجة للحصول على موافقة أخلاقية مؤسسية تتعلق بالبشر أو الحيوانات.

منطقة الدراسة

يعد حوض نهر بانجكورا منطقة فيزيوجرافية مهمة تقع في جبال هندوكوش الشرقية في شمال باكستان (الشكل 1). ونهر بانجكورا هو النهر الرئيسي في الحوض (بطول 113 km ومساحة تجميع تبلغ 5758.27 km2)، ويبدأ كسيل من جبال هندوكوش المغطاة بالثلوج، ثم يلتقي بنهر سوات بالقرب من تشكدرا في منطقة دير السفلى20. ويلتقي نهر بانجكورا بخمسة سيول أو جداول رئيسية، وهي باراول، ودير، وجوالداي، وجاندول، وكوهيستان. ويمتد الحوض من خطوط عرض 34°39′30′′ إلى 35°46′1′′ شمالاً، ومن خطوط طول 71°13′08′′ إلى 72°22′13′′ شرقاً. ويؤثر موقع المنطقة وتضاريسها الوعرة بشكل كبير على مناخها (جبلي ومعتدل). وتتميز المنطقة العليا من الحوض (كومرات، ثال) بموسم شتاء أطول وموسم صيف أكثر برودة، حيث تنخفض درجات الحرارة بشكل حاد اعتباراً من شهر نوفمبر. ومع ذلك، في منطقة دير السفلى (تيميرجارا، تالاش، ميدان، سامرباغ)، تكون درجة الحرارة عادة فوق نقطة التجمد من ديسمبر إلى فبراير. وتكون أدفأ الشهور في تيميرجارا من يونيو إلى أغسطس، حيث تتجاوز متوسطات درجات الحرارة العظمى 35 °C، بينما يكون شهرا يونيو ويوليو هما الأكثر حرارة في مدينة دير (بدرجات حرارة عظمى تبلغ 32.4 °C و 31.5 °C). وتعد الرياح الموسمية مصدراً للأمطار الصيفية، بينما تجلب المنخفضات الغربية الأمطار الشتوية. وتتميز منطقة الدراسة برطوبة نسبية عالية طوال العام. وتحدث الفيضانات النهرية والمفاجئة21 (تقريباً) كل عام، خاصة في المناطق الواقعة أعلى وأسفل واري. وتشمل المحاصيل الرئيسية المزروعة في المنطقة الأرز والقمح والذرة والبطاطس والبصل، بينما تشمل الثمار الهامة التي تُزرع في منطقة الدراسة الخرما والبرتقال والتفاح والجوز والمشمش والبرقوق والأسكدنيا والتوت.

figure-protocol-1
الشكل 1: خريطة منطقة الدراسة لحوض نهر بانجكورا، شمال باكستان. (A) موقع خيبر بختونخوا داخل باكستان؛ (B) موقع حوض نهر بانجكورا داخل خيبر بختونخوا؛ و(C) حوض نهر بانجكورا موضحاً حدود الحوض، وتوزيع الارتفاعات، وشبكة الأنهار، والمواقع الرئيسية داخل منطقة الدراسة. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

جمع البيانات وإعدادها

في هذه الدراسة، جُمعت البيانات من مصادر مختلفة. فقد تم تنزيل بيانات هطول الأمطار/التساقطات من مشروع قياس هطول الأمطار العالمي (GPM) التابع للإدارة الوطنية للملاحة الجوية والفضاء (NASA) عبر الرابط https://gpm.nasa.gov/missions/GPM للفترة من 2014 إلى 2023. كما جُمعت بيانات قوام التربة من مديرية مسح التربة في خيبر بختونخوا، باكستان (www.soilconservation.kp.org). وحُصل على البيانات الجيولوجية من المكتب الإقليمي لمسح الجيولوجيا في باكستان (https://gsp.gov.pk/). ولجمع وحساب سيناريوهات الأراضي (استخدام الأراضي/الغطاء الأرضي)، تم الحصول على صور Sentinel 2 من مركز Copernicus للوصول المفتوح التابع لوكالة الفضاء الأوروبية (ESA) عبر الرابط (https://scihub.copernicus.eu/). واستُخدمت صور Sentinel-2B الملتقطة في 10 سبتمبر 2025 لرسم خرائط استخدام الأراضي/الغطاء الأرضي (LULC). تمت معالجة الصورة وتصنيفها باستخدام خوارزمية التصنيف بأقصى احتمالية (MLC). وجُمع إجمالي 65 عينة تدريبية من جميع أنحاء منطقة الدراسة تمثل سبع فئات من LULC وهي: المسطحات المائية، والغابات، والأراضي الزراعية، والمناطق الحضرية، والتربة العارية، والثلج/الجليد، والمراعي. واستُخدمت عينات التدريب المُعدة لإجراء التصنيف الخاضع للإشراف وإنتاج خريطة LULC النهائية. كما تم تقييم دقة التصنيف باستخدام نهج تقييم الدقة بناءً على عينات التحقق، بما في ذلك الدقة الإجمالية ومعامل Kappa. وحُصل على نموذج الارتفاع الرقمي (DEM) بدقة مكانية 12.5 من مرفق ألاسكا للأقمار الصناعية (ASF) (https://asf.alaska.edu/) بتاريخ 2/12/2023. واستُخدم نموذج DEM لاحقاً لإنشاء طبقات المنحدر، وشبكة التصريف، وكثافة التصريف، والارتفاع. كما جُمعت بيانات هياكل حصاد مياه الأمطار الموجودة من الدوائر ذات الصلة لغرض التحقق المتقاطع.

تمت معالجة وتحليل جميع مجموعات البيانات المكانية باستخدام برنامج نظم المعلومات الجغرافية (GIS) (انظر جدول المواد). تتوفر بيانات الطبقات الموضوعية لنظم المعلومات الجغرافية في الملف التكميلي 1. تم إسقاط جميع مجموعات البيانات المدخلة في نظام إحداثيات مرجعي مسقط موحد (CRS) (WGS 1984 UTM Zone 42N) لضمان الاتساق المكاني وحساب دقيق للمساحات. كما تم إعادة أخذ عينات من مجموعات البيانات الشبكية (Raster) ذات الدقة المكانية المختلفة ومحاذاتها إلى شبكة موحدة باستخدام طريقة إعادة أخذ العينات للجيران الأقرب، مع الحفاظ على الخصائص المكانية الأصلية لمجموعات البيانات الفئوية. استُخدم نموذج الارتفاع الرقمي (DEM) بدقة مكانية 12.5 m كشبكة مرجعية للمحاذاة المكانية، وتم تحويل جميع الطبقات الموضوعية إلى تنسيق شبكي بنفس حجم الخلية والمدى. استُخدم حدود منطقة الدراسة لحوض نهر Panjkora كقناع لاستخراج جميع الطبقات المدخلة والحفاظ على مدى مكاني ثابت للتحليل. تم استبعاد البكسلات المفقودة والمناطق الواقعة خارج حدود الحوض من التحليل ومعاملتها كقيم NoData. وأعيد تصنيف الطبقات الموضوعية (هطول الأمطار، والمنحدر، وكثافة التصريف، وكثافة الخطوط التركيبية، والتربة، والجيولوجيا، واستخدامات الأراضي/الغطاء الأرضي) إلى فئات ملاءمة باستخدام طريقة تصنيف Jenks Natural Breaks، مع تعيين الرتب/الأوزان المقابلة بناءً على نهجي MIF وAHP. يوضح الجدول 1 مصادر البيانات.

الجدول 1: مصادر البيانات والخصائص المستخدمة لتقييم ملاءمة حصاد مياه الأمطار. يرجى النقر هنا لتحميل هذا الجدول.

نمذجة ملاءمة MIF

في البداية، يتم اختيار المعلمات المختلفة بناءً على مراجعة الأدبيات12. ولتحديد المواقع المناسبة لحصاد مياه الأمطار (RWH)، تم أخذ الهطول، والليثولوجيا، وكثافة الخطوط التركيبية، وكثافة التصريف، وقوام التربة، والمنحدر، واستخدامات الأراضي/الغطاء الأرضي في الاعتبار كعوامل مؤثرة متميزة. ولتحقيق هذا الهدف، يتم إجراء معالجة مسبقة للمعلمات لإنشاء مقياس تأثير المعلمات؛ ثم صُنفت البيانات وفقاً لأهميتها بالنسبة لحصاد مياه الأمطار (RWH)، وتم تحديد الأهمية الكبرى والصغرى باستخدام صيغة العوامل المتعددة المؤثرة (المعادلة 1). يوضح الجدول 2 الأهمية الكبرى والصغرى للعوامل المختلفة22 (راجع الملف التكميلي 2)

الجدول 2: عوامل التأثير المختارة ودرجات تأثيرها الرئيسية والثانوية المستخدمة في نموذج تعدد عوامل التأثير (MIF). يرجى النقر هنا لتنزيل هذا الجدول.

تم ترتيب العوامل المختارة باستخدام العلاقة التالية،

[(X+Y) ÷ ∑(X+Y)] × 100 (1)

حيث يرمز Y إلى التأثير الثانوية للعوامل، ويرمز X إلى التأثير الرئيسي. ويتم حساب التأثيرات الرئيسية والثانوية لكل عامل باستخدام المعادلة 1.

تم تعيين درجات التأثير الرئيسية (X) والثانوية (Y) بناءً على الدراسات السابقة والأهمية الهيدرولوجية لكل عامل في التحكم في توليد الجريان السطحي، والترشيح، وإمكانات حصاد مياه الأمطار12. تم تخصيص التأثير الرئيسي للعوامل ذات التأثير المباشر على ملاءمة حصاد مياه الأمطار (RWH)، بينما مثل التأثير الثانوي العلاقات غير المباشرة بين المعاملات الضابطة. حُسبت أوزان العوامل باستخدام المعادلة (1) عن طريق تطبيع مجموع درجات التأثير الرئيسية والثانوية. كما تم تعيين أوزان الفئات الفرعية وفقاً لمساهمتها النسبية في تراكم الجريان السطحي، وسعة الترشيح، واحتجاز المياه، والملاءمة لمنشآت حصاد مياه الأمطار. وقد ضمن هذا النهج إطاراً شفافاً وقابلاً للتكرار لعملية تحديد الأوزان في تحليل الملاءمة القائم على نظم المعلومات الجغرافية (GIS).

تظهر الأهمية النسبية بناءً على مقياس Saaty في الجدول 3.

الجدول 3: مقياس ساتي للأهمية النسبية المستخدم في تحليل عملية التسلسل الهرمي التحليلي (AHP). يرجى النقر هنا لتحميل هذا الجدول.

يتم دمج درجات المستويات الموضوعية لجميع المعلمات، وتُدرج درجة كل فئة فرعية من معلمات MIF في الجدول 4. وباستخدام تقنية إعادة التصنيف، يتم تصنيف مخرجات MIF إلى خمس فئات لحصاد مياه الأمطار. وفي الختام، يتم إنشاء وتحليل خرائط للمواقع النهائية المقترحة لتركيب هياكل مختلفة لحصاد مياه الأمطار، مثل السدود الاحتجازية، وبرك المزارع، وسدادات الأخاديد، وغيرها من الهياكل المتعلقة بالحفظ. يوضح الشكل 2 إطار عمل المنهجية.

figure-protocol-2
الشكل 2: الإطار المنهجي لتقييم ملاءمة مواقع حصاد مياه الأمطار باستخدام نماذج MIF وAHP المعتمدة على نظم المعلومات الجغرافية (GIS). يوضح الإطار عملية الحصول على بيانات المسح الميداني، والجيولوجيا، والتربة، والنموذج الرقمي للارتفاعات ALOS PALSAR DEM، وبيانات ESA، وGPM ومعالجتها لاستخلاص الطبقات الموضوعية، بما في ذلك الجيولوجيا، والتربة، والميل، وكثافة التصريف، وكثافة الخطوط التركيبية، واستخدامات الأراضي/الغطاء الأرضي (LULC)، وهطول الأمطار. تم دمج هذه الطبقات باستخدام نهج العامل المتعدد التأثير (MIF) لإنتاج خريطة ملاءمة حصاد مياه الأمطار (RWH)، تلاها تحقق ميداني لإنتاج الخرائط النهائية المعتمدة يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

الجدول 4: الرتب والأوزان الخاصة بالعوامل الموضوعية والفئات الفرعية لرسم خرائط ملاءمة حصاد مياه الأمطار بناءً على عامل التأثير المتعدد (MIF). يرجى النقر هنا لتحميل هذا الجدول.

نمذجة الملاءمة باستخدام عملية التسلسل الهرمي التحليلي (AHP)

تعد عملية التسلسل الهرمي التحليلي (AHP) تقنية فعالة للتعامل مع مواقف اتخاذ القرار الصعبة، والتي تساعد صانع القرار أيضاً في تحديد الأولويات واختيار الخيار الأفضل23. وتقنية AHP هي إطار عمل منهجي لتنظيم وتقييم القرارات المعقدة من خلال تطبيق الرياضيات ومعرفة الخبراء24. تساعد AHP في تحديد الجوانب الذاتية والموضوعية للقرار عن طريق تبسيط الأحكام المعقدة من خلال المقارنات الزوجية ثم تقييم النتائج25. ومن الحتمي وجود بعض التفاوت لأن المقارنات تستند إلى وجهات نظر ذاتية أو فردية. ومن خلال حساب نسبة الاتساق وإزالة تحيز اتخاذ القرار، توفر تقنية AHP أداة مفيدة لتقييم اتساق أحكام صانع القرار، مما يضمن اتساق التصورات. وتعد نسبة الاتساق إحدى المزايا الرئيسية لـ AHP، حيث تقيس درجة الاتساق بين المقارنات الزوجية للمعايير المختلفة26,27,28,29. وتقوم AHP بدمج وتحويل مدخلات البيانات الجغرافية إلى مخرجات قرار. وباستخدام مقياس Saaty (الجدول 3)، يتم تحويل البيانات النوعية حول مواضيع وصفات متنوعة إلى بيانات كمية عن طريق إنشاء مصفوفة مقارنة زوجية30,31. وتتكون العملية الأساسية من تحديد الهدف، والنظر في العوامل أو المعايير التي تؤثر على القرار النهائي وتقييمها، واستخدام مقياس Saaty لتعيين تصنيف لكل معيار. وللتحقق من اتساق الأوزان المحددة، تم حساب نسبة الاتساق (CR) كما اقترح Saaty23 باستخدام المعادلتين 2 و 3:

CR = CI/RCI (2)

حيث يمثل CI مؤشر الاتساق، ويمثل RCI مؤشر الاتساق العشوائي.

يتم تحديد مؤشر الاتساق (CI) من خلال المعادلة التالية:

figure-protocol-3 (3)

حيث تمثل n عدد المعايير، ويمثل λmax القيمة الذاتية الكبرى. وتُقدّر القيمة المتوسطة لمؤشر الاتساق من خلال المؤشر العشوائي.

اختيار بنية RWH

غطاء الأرض واستخدام الأراضي (LULC)

يحدد استخدام الأراضي كيفية استغلال الأرض، بينما يصف غطاء الأرض السمات الطبيعية لها. وتتضمن خرائط استخدام الأراضي وغطائها (LULC)32 معلومات هامة حول انتشار الجريان السطحي. ففي المناطق المغطاة بالنباتات، ترتبط معدلات الامتصاص والترشيح العالية بتقليل الجريان السطحي، بينما تعزز الأراضي الجرداء والمناطق العمرانية تكوين جريان سطحي كثيف33,34. وقد استُخدمت بيانات القمر الصناعي Sentinel 2b لإعداد أنماط استخدام الأراضي وغطائها في منطقة الدراسة. صُنِّف استخدام الأراضي في حوض نهر بانجكورا إلى سبع فئات وهي: المسطحات المائية، والغابات، والمحاصيل والأراضي الزراعية، والأراضي الحضرية، والأراضي الجرداء، والثلج/الجليد، والمراعي. واستندت أوزان الملاءمة المخصصة لمختلف فئات استخدام الأراضي وغطائها إلى تأثيرها على توليد الجريان السطحي، والترشيح، وإمكانية تخزين مياه الأمطار. وحصلت الأراضي الزراعية على أعلى تصنيف للملاءمة لأنها تنتج بشكل عام جريانًا سطحيًا متوسطًا وتستفيد مباشرة من المياه المحصودة لأغراض الري. كما مُنحت الأراضي القاحلة وزنًا مرتفعًا نسبيًا لأن النباتات المتناثرة وأسطح التربة المكشوفة تعزز زيادة الجريان السطحي مقارنة بالمناطق ذات الغطاء النباتي الكثيف. وفي المقابل، مُنحت المناطق الغابوية أوزانًا أقل لأن الغطاء النباتي الكثيف يعترض هطول الأمطار، ويزيد من الترشيح عبر أنظمة الجذور الواسعة، ويقلل من التدفق السطحي. أما المناطق الحضرية والمسطحات المائية الحالية فقد مُنحت ملاءمة منخفضة إما لضيق الفرص المتاحة لإنشاء هياكل إضافية لحصاد مياه الأمطار (RWH) أو لأنها مشغولة بالفعل بأسطح غير نفاذة أو مسطحات مائية قائمة (الشكل 3A).

كثافة التصريف

تُصف كثافة التصريف مدى تسرب المياه الجوفية والجريان السطحي للمياه في منطقة ما. وتعكس كثافة التصريف كلاً من التكوينات الهيدرولوجية تحت السطحية والخصائص السطحية، كما تُظهر مدى تقارب المسافات بين القنوات وخصائص المواد السطحية. وينخفض الجريان السطحي مع انخفاض كثافة التصريف والعكس صحيح12. وبشكل عام، توجد معدلات تسرب وجريان سطحي منخفضة في المناطق ذات كثافة التصريف المنخفضة، والعكس صحيح. وتُعد شبكات التصريف الكثيفة ضرورية لتجميع مياه الأمطار. كما أن أنظمة حصاد مياه الأمطار (RWH) تكون أكثر ملاءمة للمناطق ذات كثافات التصريف الأعلى، لأنها توفر نظاماً يسمح بتدفق المياه ونقلها بسرعة إلى نقطة التجميع34,35. وقد صُنفت كثافة التصريف في حوض نهر بانجكورا إلى خمس فئات بناءً على تصنيف ينكس للفواصل الطبيعية (Jenks Natural Breaks): 0–9.4907، و9.4907–27.207، و27.207–48.219، و48.219–79.089، و79.089–161.34 km/km2. وقد أُسندت قيمة وزن أعلى للمناطق ذات كثافات التصريف المنخفضة إلى المتوسطة لأنها تُعتبر مواقع مثالية لحصاد مياه الأمطار (الشكل 3B).

كثافة الخطوط التركيبية

الخطوط التركيبية (Lineaments) هي معالم خطية تحت سطحية تُشتق عادةً من الخرائط الجيولوجية وتكون مرئية أيضاً في صور الأقمار الصناعية. وتُظهر هذه الخطوط التركيبية (المدفونة تحت مناطق التجوية الموضعية أو التركيبية) زيادة في المسامية والنفاذية12. وقد تم استخراج الخطوط التركيبية من صورة Landsat 8 باستخدام برنامج معالجة صور الاستشعار عن بُعد. واستُخدمت أداة كثافة الخطوط (line-density tool) لإنشاء طبقة راستر للخطوط التركيبية. ثم صُنفت كثافة الخطوط التركيبية باستخدام طريقة تصنيف "جينكس للفواصل الطبيعية" (Jenks Natural Breaks) إلى خمس فئات: 0.0072-0.406 km/km2، و 0.406-0.664 km/km2، و 0.664-0.921 km/km2، و 0.921-1.33 km/km2، و 1.33-2.13 km/km2 (الشكل 3C).

التربة

تعد قوام التربة عاملاً مهماً فيما يتعلق بتخطيط حصاد مياه الأمطار (RWH) واختيار الموقع، حيث يتم تحديد قدرة التربة على الرشح من خلال قوامها. وبشكل عام، تولد التربة الرملية جرياناً سطحياً منخفضاً مقارنة بالتربة الطينية36. وتحدد نسب الغرين والرمل والطين الفئة القوامية للتربة. وتتميز التربة الطينية بنفاذية ضعيفة وقدرة على الاحتفاظ بالمياه المجموعة، لذا غالباً ما كانت المناطق ذات التربة متوسطة وناعمة الحبيبات هي المفضلة لجمع مياه الأمطار8,37. وتتميز منطقة الدراسة بخمسة أنواع من قوام التربة: الأنهار الجليدية والغطاءات الثلجية، والتربة الطمية، والتربة الطينية غير الكلسية، والتربة الطمية الضحلة غير الكلسية، والتربة الطمية الضحلة جداً، والنتوءات الصخرية (الشكل 3D).

الميل

تتأثر عمليتا الارتشاح والجريان السطحي بشكل كبير بالتضاريس8. ويؤثر التباين في منحدر منطقة التجميع بشكل واضح على كيفية تدفق المياه أثناء وبعد هطول الأمطار الغزيرة. ولا يعد بناء هياكل حصاد مياه الأمطار (RWH) في المناطق ذات المنحدرات الحادة مجدياً من حيث التكلفة نظراً إلى كمية الأعمال الترابية الكبيرة المطلوبة38. ولتحقيق إمكانات عالية لحصاد مياه الأمطار، يعد المنحدر الخفيف هو الموقع الأكثر ملاءمة. كما أن هياكل حصاد مياه الأمطار لا تتميز بالديمومة في المناطق ذات المنحدرات الحادة (المنحدرات التي تزيد عن 5%)39. وتؤخذ تدابير مكافحة التعرية في الاعتبار أيضاً في المناطق ذات المنحدرات الأكثر حدة40. تم حساب المنحدر بالدرجات، وقُسمت منطقة الدراسة إلى خمس فئات باستخدام تصنيف جنكس للفواصل الطبيعية (Jenks Natural Breaks): 0°–11.9°، و12°–22.5°، و22.6°–31.8°، و31.9°–42.4° و42.5°–82° (الشكل 3E).

هطول الأمطار

تُعد الأمطار المكون الأساسي الذي ينتج الجريان السطحي. تم تنزيل بيانات هطول الأمطار/التساقطات، وهي بيانات قياس هطول الأمطار العالمي (GPM)، من موقع وكالة ناسا https://gpm.nasa.gov/missions/GPM للفترة من 2014 إلى 202341. وقد استُخدمت بيانات هطول الأمطار GPM للفترة الزمنية 2014-2023 وتصنيف "جينكس" للفواصل الطبيعية (Jenks Natural Breaks) لتصنيف منطقة الدراسة إلى خمس فئات لهطول الأمطار (mm): 49.93–57.014، و57.014–61.773، و61.773–65.262، و65.262–68.646، و68.646–76.894 (الشكل 3F).

الجيولوجيا

يتأثر التكوين الفيزيائي لمجمع المياه وكمية التربة التي ينتجها بشكل كبير بجيولوجيا المنطقة. وتتحكم السمات الجيولوجية في تدفق المياه إلى طبقات المياه الجوفية تحت السطحية40. وتعد الصخور الرسوبية والمتحولة النوعين الرئيسيين من الصخور الموجودة في منطقة الدراسة الحالية. وقد تم تقسيم الليثولوجيا بشكل عام إلى صخور العصر الباليوزوي السفلي، والصخور الرسوبية من العصر الفحمي، والصخور الرسوبية من العصر الطبشوري، والصخور المتداخلة والمتحولة من العصر الميزوزوي، وصخور العصر الترياسي، وصخور العصر الباليوزوي غير المصنفة، وصخور ما قبل الكمبري غير المصنفة، وصخور العصر السيلوري غير المصنفة. وتتأثر الوفرة والقدرة التخزينية بشكل كبير بنوع الليثولوجيا؛ إذ تمتلك بعض الصخور القدرة على تخلل المياه السطحية وتغذية طبقة المياه الجوفية41. ومن ناحية أخرى، تسمح بعض الصخور بمرور المياه وتساعد في إعادة شحن المياه تحت السطحية. وتتحكم الليثولوجيا بقوة في توليد الجريان السطحي من خلال تأثيراتها على النفاذية والمسامية وقدرة الارتشاح. وفي حوض نهر Panjkora، تظهر الصخور المتحولة المدمجة عموماً مسامية ونفاذية أولية أقل من الرواسب الرسوبية غير المتماسكة أو عالية المسامية. وبناءً على ذلك، تقل احتمالية ارتشاح مياه الأمطار وتزداد احتمالية توليد جريان سطحي، مما يجعل هذه التكوينات أكثر ملاءمة لإنشاءات حصاد مياه الأمطار السطحية. وفي المقابل، تسمح التكوينات الرسوبية التي تحتوي على مواد خشنة الحبيبات أو رملية بارتشاح أكبر عموماً، مما يقلل من الجريان السطحي المتاح للتخزين. ولذلك، تم تخصيص أوزان ملاءمة أعلى للصخور المتحولة، بينما خصصت أوزان أقل نسبياً للتكوينات الرسوبية. يوضح الشكل 3G الخريطة الجيولوجية لحوض نهر Panjkora. جميع البيانات متاحة في الملفات التكميلية 1 و3.

figure-protocol-4
الشكل 3: التوزيع المكاني للعوامل الموضوعية المستخدمة في تقييم مواقع حصاد مياه الأمطار في حوض نهر بانجكورا. (أ) استخدام الأراضي/الغطاء الأرضي، (ب) كثافة التصريف، (ج) كثافة الخطوط البنيوية، (د) قوام التربة، (هـ) المنحدر، (و) هطول الأمطار، و (ز) الجيولوجيا. تمثل الألوان المختلفة الفئات الخاصة بكل عامل موضوعي. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

النتائج

إعادة تصنيف الخريطة الموضوعية لنموذج MIF

غطاء الأرض واستخدام الأراضي وحصاد مياه الأمطار (RWH)

تم تصنيف استخدام الأراضي في حوض نهر بانجكورا إلى سبع فئات، وهي: المسطحات المائية، وأراضي الغابات، وأراضي المحاصيل والزراعة، والأراضي الحضرية، والأراضي الجرداء، والثلج والجليد، والمراعي. وقد تم تعيين وزن مرتفع للمناطق التي يعد فيها حصاد مياه الأمطار (RWH) حيويًا للحياة بناءً على الدراسات السابقة. كما مُنحت الأراضي الزراعية والجرداء ملاءمة أعلى لأن فئات الغطاء الأرضي هذه تولد عمومًا جريانًا سطحيًا أكبر من المناطق الغابية الكثيفة، وتوفر مواقع مناسبة لتخزين المياه المحصودة للاستخدام الزراعي. بينما حصلت المناطق الغابية على ملاءمة أقل لأن الغطاء النباتي الكثيف يعزز اعتراض الأمطار وتسربها، مما يقلل من توليد الجريان السطحي. أما المناطق الحضرية والمسطحات المائية الحالية فقد مُنحت أوزانًا أقل لأنها توفر فرصًا محدودة لتدخلات جديدة في حصاد مياه الأمطار؛ وبناءً على ذلك، أُعطيت الأراضي الزراعية والجرداء وزنًا أكبر، بينما أُعطيت المياه السطحية والمناطق الحضرية وزنًا أقل في سياق حصاد مياه الأمطار (الشكل 4A). وقد عُينت الأوزان لفئات استخدام الأراضي وتغيرها (LULC) وفقًا لأهميتها النسبية لملاءمة حصاد مياه الأمطار (الجدول 4): المسطحات المائية (1)، والأراضي الجرداء (6)، والغطاء الغابي (2)، والمناطق الحضرية (1)، والأراضي الزراعية (7).

كثافة التصريف وحصاد مياه الأمطار (RWH)

يتم وصف تسرب المياه الجوفية وجريان المياه السطحية من خلال كثافة التصريف. أظهرت المناطق ذات الجريان المنخفض تسرباً عالياً، بينما أظهرت المناطق ذات كثافة التصريف المنخفضة تسرباً أقل. تم منح مناطق كثافة التصريف المنخفضة والمتوسطة رتبة عالية (7، 4)، بينما مُنحت كثافة التصريف العالية والعالية جداً أدنى وزن (3، 2) بناءً على المرجع 23 (الشكل 4B). وقد تم تحديد المناطق ذات كثافة التصريف المنخفضة والمتوسطة على أنها الأفضل لحصاد مياه الأمطار (RWH) في المنطقة.

كثافة الخطوط التركيبية وحصاد مياه الأمطار (RWH)

تم تصنيف كثافة الخطوط التركيبية في منطقة الدراسة باستخدام طريقة تصنيف "جينكس للفواصل الطبيعية" (Jenks Natural Breaks) إلى خمس فئات، وهي: ملاءمة عالية جداً، وملاءمة عالية، وملاءمة متوسطة، وملاءمة منخفضة، وملاءمة منخفضة جداً، وتم تعيين الأوزان (7، 4، 3، 2، 1) وفقاً لذلك (الشكل 4C و الجدول 4). وفي منطقة الدراسة، اعتُبرت المناطق ذات الكثافة العالية هي المواقع الأقل ملاءمة لحصاد مياه الأمطار، بينما اعتُبرت المناطق ذات الكثافة المنخفضة ذات إمكانات عالية ومُنحت قيمة وزنية أعلى.

التربة ومياه حصاد الأمطار (RWH)

تم رسم خرائط لخمسة أنواع من قوام التربة، وهي: (المجلدات والقمم الثلجية)، (التربة الطينية اللومية غير الكلسية)، (التربة اللومية الضحلة غير الكلسية)، (التربة اللومية الضحلة جداً)، و(النتوءات الصخرية) (الشكل 4D). وقد أُخذت السعة الحقلية والنفاذية في الاعتبار عند تحديد الأوزان. ومنحت القدرة على الاحتفاظ بالمياه على السطح في التربة اللومية والطينية الوزن الأعلى وفقاً لـ Saaty23. بينما حصلت التربة اللومية الجبلية الضحلة جداً على قيمة وزن منخفضة نظراً لمساميتها العالية ونفاذيتها المرتفعة.

المنحدر ونظام حصاد مياه الأمطار (RWH)

قُسِّمت بيانات المنحدر إلى خمس فئات بناءً على تصنيف "جينكس" للفواصل الطبيعية (Jenks Natural Breaks)، وهي: (0–11.9) درجة، و(12–22.5) درجة، و(22.6–31.8) درجة، و(31.9–42.4) درجة، و(42.5–82) درجة (الشكل 4E). وفي تقنية MIF، خُصصت قيمة عالية للمناطق ذات المنحدر المتوسط (12–22.5)، بينما خُصصت قيمة منخفضة للمناطق ذات المنحدر الشديد جداً. ويشير ذلك إلى أنه تم إعطاء وزن للمنحدر. وقد استُخدمت صيغة نموذج MIF لتحديد أوزان ورتب الفئات.

هطول الأمطار وحصاد مياه الأمطار (RWH)

تم استخدام بيانات هطول الأمطار المستمدة من GPM للفترة الزمنية 2014–2023 وتصنيفها وفقاً لتصنيف Junk إلى خمس فئات بالملليمتر (mm)، وهي: (49.93–57.014)، و(57.014–61.773)، و(61.773–65.262)، و(65.262–68.646)، و(68.646–76.894) (الشكل 4F). وقد تم تعيين القيم بناءً على كميات هطول الأمطار؛ حيث حصلت المناطق ذات معدلات هطول الأمطار المرتفعة على أوزان عالية، والعكس بالعكس.

الجيولوجيا وحصاد مياه الأمطار (RWH)

تتكون غالبية منطقة الدراسة من صخور متحولة ورسوبية. وتتأثر الوفرة والقدرة التخزينية بشكل كبير بالليثولوجيا ونوع الصخور؛ حيث يمكن لبعض الصخور ترشيح المياه السطحية وتغذية الخزان الجوفي. ومن ناحية أخرى، تسمح بعض الصخور بمرور المياه وتساعد في إعادة شحن المياه الجوفية. وقد تم تخصيص درجة ملاءمة أعلى للصخور المتحولة لأن نفاذيتها المنخفضة نسبيًا تعزز توليد الجريان السطحي، مما يزيد من وفرة الجريان المتاح للحصاد. وفي المقابل، تمتلك التكوينات الرسوبية عمومًا نفاذية وقدرة ترشيح أعلى، مما يسمح بنسبة أكبر من مياه الأمطار بالتسرب إلى باطن الأرض بدلاً من المساهمة في الجريان السطحي. وبناءً على ذلك، اعتُبرت الصخور المتحولة أكثر ملاءمة لحصاد مياه الأمطار السطحية في منطقة الدراسة. ويوضح الشكل 4G الخريطة الجيولوجية بعد إعادة التصنيف.

تعيين الأوزان باستخدام عملية التسلسل الهرمي التحليلي (AHP)

وفقاً لتوصيات Wind وSaaty23، شملت الدراسة سبع طبقات موضوعية، خُصص لكل منها وزن يتراوح من 1 إلى 9 بناءً على مدى ملاءمتها لحصاد مياه الأمطار. ويشير هذا المنهج إلى أنه تم تخصيص أوزان لفئات السمات أيضاً. يوضح الجدول 5 تطبيع الأوزان المخصصة للمعايير وفئات السمات الخاصة بها باستخدام منهجية عملية التسلسل الهرمي التحليلي (AHP)30. وكان حكم الخبراء حاسماً في تحديد الأوزان المخصصة للعوامل المختلفة، والتي تم تقييمها بناءً على تأثير كل عامل في منطقة الدراسة. وبعد الحساب، مُنحت الأوزان المطبعة لكل من استخدام الأراضي/الغطاء الأرضي (0.23)، وهطول الأمطار (0.27)، وكثافة التصريف (0.13)، والميل (0.07)، وكثافة الخطوط التركيبية (0.08)، والجيولوجيا (0.10)، والتربة (0.10). بالنسبة للطبقات الموضوعية، تم حساب نسبة الاتساق لتكون 0.08 باستخدام المعادلة 3، وهي قيمة أقل من العتبة المحددة بـ 0.10. علاوة على ذلك، كانت نسبة اتساق فئات السمات تقع بالمثل ضمن نطاق 0.10 (الجدول 6). وبناءً على نسبة الاتساق في الدراسة الحالية، فإن الطبقات والسمات متسقة. وللتأكد من الأهمية النسبية للطبقات الموضوعية، تم إجراء تحليل زوجي، كما يظهر في الجدول 5.

الجدول 5: مصفوفة المقارنة الزوجية والأوزان المعيارية للعوامل الموضوعية المستخدمة في نموذج عملية التسلسل الهرمي التحليلي (AHP). يرجى النقر هنا لتحميل هذا الجدول.

الجدول 6: الأوزان والرتب القائمة على عملية التسلسل الهرمي التحليلي (AHP) للعوامل الموضوعية والفئات الفرعية لتحليل ملاءمة حصاد مياه الأمطار. يرجى النقر هنا لتحميل هذا الجدول.

figure-results-1
الشكل 4: الطبقات الموضوعية المعاد تصنيفها والمستخدمة في تحليل ملاءمة حصاد مياه الأمطار في حوض نهر بانجكورا. (أ) استخدام الأرض/الغطاء الأرضي المعاد تصنيفه، (ب) كثافة التصريف، (ج) كثافة الخطوط التركيبية، (د) قوام التربة، (هـ) المنحدر، (و) هطول الأمطار، و (ز) الجيولوجيا. تمت إعادة تصنيف الفئات وفقاً لدرجات ملاءمتها لاختيار مواقع حصاد مياه الأمطار. تشير الأرقام/الألوان إلى فئات الملاءمة المحددة، والتي تتراوح من ملاءمة منخفضة جداً إلى ملاءمة عالية جداً، حيثما ينطبق ذلك. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

المناطق المحتملة لحصاد مياه الأمطار (RWH)

تم تطوير الخرائط النهائية باستخدام تقنيات نموذجي MIF وAHP من خلال تطبيق تقنيات التراكب المرجح والمجموع المرجح. وباستخدام هذين النموذجين، صُنفت منطقة الدراسة إلى خمس فئات (الشكل 5) بناءً على فئات الملاءمة: مواقع أقل ملاءمة، وملاءمة متوسطة، وملائمة، وعالية الملاءمة، وملاءمة عالية جداً. وتظهر نتائج MIF في حوض نهر بانجكورا لحصاد مياه الأمطار أن مساحة 80.22 km2 ذات ملاءمة منخفضة، و1681.99 km2 ملاءمة متوسطة، و3116.1 km2 ملائمة، و844.86 km2 ذات ملاءمة عالية، و35.10 km2 ذات ملاءمة عالية جداً لعمليات RWH. بينما أظهرت نتائج AHP مساحة 1572.58 km2 ذات ملاءمة منخفضة، و1605.69 km2 ملاءمة متوسطة، و1768.62 km2 ملائمة، و689.15 km2 ذات ملاءمة عالية، و122.611 km2 ذات ملاءمة عالية جداً (الجدول 7، الشكل 5 و الشكل 6>) لعمليات RWH. وتتوفر مخرجات خرائط الملاءمة القائمة على MIF وAHP في الملف التكميلي 4.

الجدول 7: مقارنة بين فئات ملاءمة حصاد مياه الأمطار المشتقة من نموذجي عامل التأثير المتعدد (MIF) وعملية التسلسل الهرمي التحليلي (AHP). يرجى النقر هنا لتنزيل هذا الجدول.

figure-results-2
الشكل 5: التوزيع المكاني لمواقع حصاد مياه الأمطار المحتملة التي تم تحديدها باستخدام (أ) طريقة MIF و(ب) طريقة AHP في حوض نهر Panjkora. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

figure-results-3
الشكل 6: مقارنة للمساحات المصنفة ضمن فئات ملاءمة مختلفة لحصاد مياه الأمطار باستخدام طريقتي العامل متعدد التأثير (MIF) وعملية التسلسل الهرمي التحليلي (AHP). توضح الأعمدة المساحة (km2) ضمن كل فئة ملاءمة، بما في ذلك المناطق الأقل ملاءمة، والمتوسطة الملاءمة، والمناسبة، وعالية الملاءمة، وعالية الملاءمة جداً. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

اختيار هياكل حصاد مياه الأمطار المناسبة

تم اعتماد المعايير الهندسية المستخدمة لاختيار المواقع المناسبة لمنشآت حصاد مياه الأمطار (RWH)، بما في ذلك السدود التحويلية، وبرك المزارع، وسدادات الأخاديد، من دليل حصاد المياه الخاص بمنظمة الأغذية والزراعة (FAO)42. ووفقاً لإرشادات منظمة الأغذية والزراعة، يجب أن يأخذ اختيار منشآت RWH المناسبة في الاعتبار التضاريس (المنحدر)، وخصائص التصريف، وإمكانية الجريان السطحي، وقوام التربة، والليثولوجيا، واستخدامات الأراضي/الغطاء الأرضي، وظروف منطقة التجميع لضمان الجدوى الفنية، والاستقرار الإنشائي، والأداء طويل الأمد لأنظمة الحصاد. وقد دُمجت هذه المعايير الهندسية المعترف بها دولياً في إطار التقييم متعدد المعايير القائم على نظم المعلومات الجغرافية (GIS) المستخدم في هذه الدراسة. إن الهدف الرئيسي من الحفاظ على مياه الأمطار باستخدام منشآت الحفاظ على الجريان السطحي (الخندقة المدرجة، والسدود الصخرية، وسدادات الأخاديد، والسدود التحويلية) هو تقليل تدفق المياه أو إيقافه. وتعد الخندقة الكنتورية والسدود تحت السطحية طريقتين فعالتين يمكن من خلالهما استخدام RWH في المناطق المعرضة للجفاف لمعالجة المشكلات الوخيمة للجفاف وندرة المياه43. وبعد تحديد المواقع المحتملة لـ RWH، تم تحديد المواقع المثلى لإنشاء هذه المنشآت. وقد تبيّن بعد تحليل ظروف منطقة الدراسة أن برك المزارع والسدود التحويلية وسدادات الأخاديد هي منشآت RWH الثلاثة الوحيدة التي تستحق النظر (Table 8). برك المزارع هي حواجز ترابية صغيرة تتراوح منحدراتها من 1% إلى 6%، والهدف من إنشاء برك المزارع هو تقسيم المنحدر الطويل إلى عدة منحدرات أقصر وأقل حدة من أجل تقليل سرعة التدفق والتآكل الناجم عن مياه الجريان السطحي. وتعد السدود التحويلية أكثر أهمية من الأنواع الأخرى من المنشآت لقدرتها على تقليل تعرية التربة وتخزين مياه الأمطار. ويجب أن تكون المسافة بين سدين تحويليين عند بناء سلسلة منها على طول مجرى مائي أكبر من مدى انتشار المياه. وتؤدي تعرية التربة السطحية بفعل مياه الأمطار إلى تكوين الأخاديد، حيث تزداد التعرية تدريجياً ويتخذ الخندق شكلاً أكثر تحديداً، ثم توضع حواجز أو سدادات مصنوعة من مواد مختلفة عبر الخندق على فترات محددة لوقف التعرية وتخزين مياه الأمطار لاستخدامها لاحقاً. وتوضح الخريطة (Figure 7) مواقع حصاد مياه الأمطار في حوض نهر Panjkora. وتتوفر البيانات الوصفية لمواقع RWH المناسبة التي تم تحديدها في Supplementary File 5.

الجدول 8: هياكل حصاد مياه الأمطار المقترحة وخصائصها الجغرافية في حوض نهر بانجكورا. يرجى النقر هنا لتحميل هذا الجدول.

figure-results-4
الشكل 7: التوزيع المكاني لمنشآت حصاد مياه الأمطار المحتملة في حوض نهر بانجكورا. توضح الخريطة مواقع السدود الترابية المقترحة، وبرك المزارع، وسدادات الأخاديد ضمن المناطق المناسبة المحددة. كما تظهر حدود الحوض وشبكة التصريف. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

التحقق من صحة النموذج

ستتطلب نتائج النموذج القائم على نظم المعلومات الجغرافية (GIS) دائمًا التحقق من صحتها باستخدام البيانات الميدانية. فبعد استخراج البيانات، تم إجراء مسح شامل للمنطقة ومطابقة النتائج مع هياكل حصاد مياه الأمطار (RWH) الموجودة في منطقة الدراسة. وقد تبيّن خلال المسح أن بعض هياكل حصاد مياه الأمطار قد تم بناؤها بالفعل في مواقع مناسبة، ومع ذلك، لم تكن هذه الهياكل كافية للمنطقة. تم التحقق من نتائج نموذج MIF وAHP باستخدام تقنية التحقق المتقاطع. وتعتبر المناطق الأكثر ملاءمة هي تلك التي تقع ضمن التدخلات القابلة للتفاوض. بالإضافة إلى ذلك، تم تحديد مواقع مختلفة للتدخلات المستقبلية لحصاد مياه الأمطار أثناء المسح الميداني. وتتوفر نقاط التحقق من المسح الميداني والإحداثيات الجغرافية في الملحق 6. كما تم إجراء التحقق الإحصائي للنموذج باستخدام المساحة تحت منحنى خصائص تشغيل المستقبل (ROC AUC). تتوفر بيانات ونتائج تحليل ROC لنموذج AHP في الملحق 7. تم تشغيل تحليل ROC على نقاط نظام تحديد المواقع العالمي (GPS) للتحقق الميداني (الشكل 8A) ونتائج نموذجي AHP وMIF. وتتوفر بيانات ونتائج تحليل ROC المقابلة لنموذج MIF في الملحق 8. يُظهر نموذج MIF منحنى AUC بقيمة 0.72 (الشكل 8B)، بينما يُظهر نموذج AHP قيمة 0.69 (الشكل 8C). ووفقًا لمعايير تفسير ROC-AUC المقبولة شائعًا، تُصنف قيم AUC على النحو التالي: عدم التمييز (0.50)، ضعيفة (0.50 إلى 0.60)، مقبولة (0.60 إلى 0.70)، جيدة (0.70 إلى 0.80)، جيدة جدًا (0.80 إلى 0.90)، ومتميزة (0.90 فأكثر) للإشارة إلى الأداء التنبؤي. وبناءً على ذلك، أظهر نموذج MIF قدرة تنبؤية جيدة (0.72)، بينما أظهر نموذج AHP أداءً تنبؤيًا مقبولاً (قريبًا من الجيد) (0.69). وعلى الرغم من أن كلا النموذجين قدما أداءً أفضل بكثير من التنبؤات العشوائية (AUC = 0.50)، فإن قيمة AUC الأعلى التي حصل عليها نموذج MIF تشير إلى توافق أكبر مع مواقع حصاد مياه الأمطار المرصودة، وترجح أن نهج MIF أكثر موثوقية لتحديد المواقع المناسبة لـ RWH في التضاريس الجبلية لحوض Panjkora. ومع ذلك، يُعد MIF نموذجًا أفضل نسبيًا من AHP في منطقة الدراسة. ويمكن إرجاع الأداء المتفوق لنموذج MIF مقارنة بنموذج AHP إلى الخصائص البيئية والجغرافية المعقدة لحوض Panjkora؛ حيث يتميز الحوض بتضاريس جبلية وعرة، ومنحدرات شديدة التباين، وتكوينات ليثولوجية غير متجانسة، وأنماط متنوعة لاستخدام الأراضي/غطائها، وكل ذلك يؤثر بقوة على توليد الجريان السطحي وإمكانات حصاد مياه الأمطار. وبخلاف طريقة AHP، التي تعتمد بشكل أساسي على المقارنات الزوجية المستمدة من الخبراء، يأخذ نهج MIF في الاعتبار التأثير النسبي والتفاعل بين عوامل بيئية متعددة بطريقة أكثر مرونة. وهذا يمكن النموذج من تمثيل التباين المكاني للعمليات الهيدرولوجية داخل منطقة تجمع المياه بشكل أفضل. ونتيجة لذلك، أنتج نموذج MIF أنماط ملاءمة أكثر واقعية، مما أدى إلى قيمة AUC أعلى وتوافق محسّن مع مواقع هياكل حصاد مياه الأمطار الموجودة. علاوة على ذلك، يُظهر حوض Panjkora تباينًا مكانيًا ملحوظًا في توزيع هطول الأمطار، وكثافة التصريف، والمنحدر، وقوام التربة، والظروف الجيولوجية. وتتفاعل هذه العوامل بشكل مختلف عبر حوض التجميع، مما يجعل تأثير المعلمات الفردية غير موحد. ويعد نهج MIF أكثر ملاءمة لالتقاط هذه الاختلافات لأنه يقيم التأثير التراكمي لعوامل شرطية متعددة بدلاً من الاعتماد فقط على الأحكام الزوجية الذاتية، وهو ما ساهم على الأرجح في تحسين أدائه التنبؤي مقارنة بنموذج AHP.

figure-results-5
الشكل 8: التحقق من صحة نماذج ملاءمة حصاد مياه الأمطار باستخدام تحليل خاصية تشغيل المستقبل (ROC). (أ) التوزيع المكاني لنقاط التحقق الميدانية المستخدمة للتحقق من النموذج؛ (ب) منحنى ROC والمساحة تحت المنحنى (AUC) لنموذج العوامل المتعددة المؤثرة (MIF)؛ و(ج) منحنى ROC وAUC لنموذج عملية التسلسل الهرمي التحليلي (AHP). يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

توافر البيانات:

إن مجموعات البيانات المستخدمة في هذه الدراسة متاحة للعموم أو يمكن الحصول عليها من المؤسسات المعنية. تتوفر بيانات هطول الأمطار الخاصة بمهمة قياس هطول الأمطار العالمي (GPM) من مستودع مهمة NASA GPM عبر الرابط (https://gpm.nasa.gov/missions/GPM). وقد تم الحصول على صور القمر الاصطناعي Sentinel-2 من مركز Copernicus Open Access Hub التابع لوكالة الفضاء الأوروبية (ESA) عبر الرابط (https://scihub.copernicus.eu/). كما تم تنزيل نموذج الارتفاع الرقمي (DEM) من مركز الأرشيف النشط الموزع (DAAC) التابع لمرفق ألاسكا للأقمار الاصطناعية (ASF) عبر الرابط (https://asf.alaska.edu/). أما البيانات المستخرجة (بيانات التحقق، وجميع البيانات النقطية "raster"، وجميع البيانات الوصفية "metadata"، وحسابات النموذج) فهي متوفرة في الملفات التكميلية ١-٨.

الملف التكميلي 1: بيانات طبقات نظم المعلومات الجغرافية (GIS) الموضوعية. تشمل البيانات المكانية المستخدمة لإنشاء طبقات نظم المعلومات الجغرافية الموضوعية المدرجة في تحليل ملاءمة حصاد مياه الأمطار، العوامل البيئية والهيدرولوجية التي تم تقييمها في الدراسة.يرجى النقر هنا لتحميل هذا الملف.

الملف التكميلي 2: حسابات MIF.الحسابات المستخدمة لتحديد التأثير النسبي، وأوزان العوامل، والدرجات المطبقة في تحليل ملاءمة حصاد مياه الأمطار القائم على MIF.يرجى النقر هنا لتحميل هذا الملف.

الملف التكميلي 3: طبقات نظم المعلومات الجغرافية (GIS) المعاد تصنيفها وعتبات الملاءمة. الطبقات الموضوعية المعاد تصنيفها ونطاقات الفئات المقابلة، وقيم العتبة، والرتب، ودرجات الملاءمة المستخدمة في تحليلات MIF وAHP.يرجى النقر هنا لتحميل هذا الملف.

الملف التكميلي 4: نتائج خريطة الملاءمة القائمة على MIF وAHP. المخرجات المكانية لتحليلات MIF وAHP التي توضح تصنيفات ملاءمة حصاد مياه الأمطار الناتجة لحوض نهر Panjkora.يرجى النقر هنا لتنزيل هذا الملف.

الملف التكميلي 5: البيانات الوصفية لمواقع حصاد مياه الأمطار المناسبة المحددة.البيانات الوصفية المرتبطة بالمواقع التي تم تحديدها كمواقع مناسبة لمنشآت حصاد مياه الأمطار، بما في ذلك المعلومات المكانية والمتعلقة بالموقع المتاحة.يرجى النقر هنا لتحميل هذا الملف.

الملف التكميلي 6: نقاط التحقق من المسح الميداني.بيانات التحقق من المسح الميداني، بما في ذلك الإحداثيات الجغرافية لنقاط التحقق المستخدمة لتقييم خرائط ملاءمة حصاد مياه الأمطار المستمدة من طريقتي MIF وAHP.يرجى النقر هنا لتنزيل هذا الملف.

الملف التكميلي 7: تحليل ROC لنموذج AHP. بيانات ونتائج تحليل خصائص تشغيل المستقبل (ROC) المستخدمة لتقييم الأداء التنبئي لنموذج عملية التسلسل الهرمي التحليلي (AHP).يرجى النقر هنا لتحميل هذا الملف.

الملف التكميلي 8: تحليل ROC لنموذج MIF. بيانات ونتائج تحليل ROC المستخدمة لتقييم الأداء التنبؤي لنموذج العامل متعدد التأثير (MIF).يرجى النقر هنا لتحميل هذا الملف.

المناقشة

قارنت هذه الدراسة بين نهجين شائعين لاتخاذ القرار متعدد المعايير القائم على نظم المعلومات الجغرافية (GIS)، وهما عامل التأثير المتعدد (MIF) وعملية التسلسل الهرمي التحليلي (AHP)، لتحديد المواقع المناسبة لحصاد مياه الأمطار (RWH) في حوض نهر بانجكورا الجبلي شمال باكستان. ورغم نجاح كلا النموذجين في تحديد مناطق الحصاد المحتملة، لوحظت فروق ملموسة في توقعاتهما المكانية وأداء التحقق من الصحة. وأظهر تحليل ROC-AUC أن نموذج MIF (AUC = 0.724) تفوق في أدائه على نموذج AHP (AUC = 0.692)، مما يشير إلى أن كلا النموذجين يتمتعان بقدرة تنبؤية مقبولة، بينما يوفر نهج MIF توافقاً أكبر مع توزيع هياكل حصاد مياه الأمطار القائمة والملاحظات الميدانية. ويمكن تفسير الأداء المتفوق لنموذج MIF بالخصائص الهيدرولوجية والجيومورفولوجية المعقدة لحوض بانجكورا؛ إذ يتميز الحوض بتضاريس جبلية وعرة، ومنحدرات شديدة التباين، وليثولوجيا غير متجانسة، وأنماط استخدام متنوعة للأراضي، وهطول أمطار متغير مكانياً. وتتفاعل هذه المتغيرات البيئية في وقت واحد للتحكم في توليد الجريان السطحي، والترشيح، وإمكانات تخزين المياه. وبخلاف نهج AHP، الذي يعتمد بشكل أساسي على المقارنات الزوجية المشتقة من الخبراء بين المعايير، تقوم تقنية MIF بتقييم كل من الأهمية النسبية والتفاعلات التراكمية بين عوامل التأثير المتعددة. وبناءً على ذلك، فإن MIF أكثر قدرة على رصد التباين المكاني في الأحواض الجبلية حيث يخضع توليد الجريان السطحي للتأثير المشترك للطبوغرافيا، والجيولوجيا، وقوام التربة، وخصائص التصريف، والغطاء الأرضي، بدلاً من الاعتماد على عوامل فردية وحدها. وقد أظهرت ملاحظات مماثلة أن نهج التوزين القائم على التأثير يؤدي بشكل جيد في البيئات غير المتجانسة هيدرولوجياً لأنها تمثل التفاعلات بين المتغيرات البيئية بشكل أفضل22,34,41. ويعكس التوزيع المكاني لمناطق حصاد مياه الأمطار عالية الملاءمة الخصائص الفيزيائية للحوض؛ فقد حُددت الأجزاء الغربية والجنوبية من الحوض كأكثر المواقع ملاءمة لأنها تجمع بين المنحدرات المعتدلة، وكثافة التصريف المناسبة، وقوام التربة المواتي، وهطول الأمطار الأعلى نسبياً، وظروف استخدام الأراضي التي تعزز توليد الجريان السطحي مع بقائها مجدية تقنياً لإنشاء هياكل الحصاد. وتعمل المنحدرات المعتدلة على تقليل سرعة التدفق بشكل كافٍ لتسهيل جمع الجريان السطحي مع تقليل التآكل المفرط وتكاليف الإنشاء. وفي المقابل، تُنتج المنحدرات الشديدة جرياناً سطحياً سريعاً، وتوفر فرص تخزين محدودة، وتزيد من عدم الاستقرار الإنشائي، مما يجعلها أقل ملاءمة لبناء السدود الترابية أو البرك المزرعية. وتتفق هذه النتائج مع الدراسات السابقة التي حددت المنحدر كعامل تحكم مهيمن في ملاءمة حصاد مياه الأمطار في البيئات الجبلية8,36,39. كما لعبت الجيولوجيا دوراً هاماً في تحديد ملاءمة حصاد مياه الأمطار؛ ففي حوض بانجكورا، تظهر الصخور المتحولة عموماً مسامية ونفاذية أولية أقل من العديد من التكوينات الرسوبية، مما يقلل من خسائر الترشيح ويزيد من الجريان السطحي المتاح للحصاد. وبناءً على ذلك، حصلت هذه التكوينات على أوزان ملاءمة أعلى لأنها عززت تراكم الجريان السطحي، وهو أمر ضروري لهياكل التخزين السطحي مثل السدود الترابية والبرك المزرعية. وعلى العكس من ذلك، تسمح التكوينات الرسوبية ذات النفاذية الأعلى بترشيح أكبر وتغذية للمياه الجوفية، مما يقلل من حجم الجريان السطحي المتاح للحصاد. وقد تم الإبلاغ سابقاً عن علاقات مماثلة بين الليثولوجيا وتوليد الجريان السطحي وملاءمة حصاد مياه الأمطار12,40. كما أثر استخدام الأراضي/الغطاء الأرضي وقوام التربة بشكل إضافي على التوزيع المكاني لمواقع الحصاد المناسبة؛ حيث أظهرت الأراضي الزراعية والبور ملاءمة أكبر لأن هذه الأسطح تولد عموماً جرياناً سطحياً متوسطاً إلى عالياً مع توفير فرص مباشرة لتخزين المياه الزراعية واستخدامها. وفي المقابل، أظهرت المناطق الحرجية ملاءمة أقل نسبياً لأن الغطاء النباتي الكثيف يعترض الأمطار، ويحسن بنية التربة، ويزيد من الترشيح عبر أنظمة الجذور الواسعة، مما يقلل من التدفق السطحي. وبالمثل، اعتبرت التربة الغنية بالطين والتربة الطميية أكثر ملاءمة بسبب نفاذيتها المنخفضة نسبياً وقدرتها العالية على الاحتفاظ بالمياه، بينما تعزز التربة الصخرية الضحلة الترشيح السريع أو الجريان السطحي المفرط مع إمكانات تخزين محدودة. وقد سجلت نتائج مماثلة في تحقيقات سابقة لحصاد مياه الأمطار قائمة على نظم المعلومات الجغرافية أُجريت في إثيوبيا والعراق وباكستان9,18. كما يوضح المقارنة بين MIF وAHP تأثير استراتيجية التوزين على رسم خرائط الملاءمة؛ إذ يخصص نهج AHP أوزان المعايير بشكل أساسي من خلال حكم الخبراء والمقارنة الزوجية، مما يدخل درجة من الذاتية رغم نسب الاتساق المقبولة. وفي المقابل، يقيم MIF كلاً من التفاعلات الكبرى والصغرى بين عوامل التأثير، ويسمح بالإضافة إلى ذلك بتوزين الفئات الفرعية للمعلمات وفقاً لأهميتها الهيدرولوجية. ويسمح إطار التوزين المرن هذا لـ MIF بتمثيل التباين المكاني في ظروف توليد الجريان السطحي بشكل أفضل، خاصة في الأحواض الجبلية حيث تختلف العوامل البيئية بشكل كبير عبر مسافات قصيرة. وقد أفادت دراسات مقارنة مماثلة أن النهج متعدد المعايير الهجين أو القائم على التأثير غالباً ما يتفوق على تقنيات التوزين التقليدية القائمة على الخبراء في ظل الظروف الفيزيوجرافية المعقدة19,44,45. ويدعم التحقق من الصحة باستخدام ROC-AUC هذه الملاحظات؛ فبالرغم من تحقيق كلا النموذجين أداءً تنبؤياً مقبولاً (AUC > 0.5)، إلا أن القيمة الأعلى لـ AUC في نموذج MIF تشير إلى توافق أكبر بين المواقع المناسبة المتوقعة وهياكل حصاد مياه الأمطار الحالية التي لوحظت أثناء التحقق الميداني. وهذا يثبت أن دمج التفاعلات بين العديد من المتغيرات الهيدرولوجية والبيئية يحسن من موثوقية تقييمات الملاءمة. وقد تم تطبيق نهج تحقق مماثلة باستخدام تحليل ROC بنجاح لتقييم إمكانات المياه الجوفية، وقابلية التعرض للفيضانات، ونماذج ملاءمة حصاد مياه الأمطار34,41,45. وبشكل عام، تؤكد النتائج أن دمج نظم المعلومات الجغرافية والاستشعار عن بعد وتقنيات اتخاذ القرار متعددة المعايير يوفر إطاراً موثوقاً لتخطيط حصاد مياه الأمطار في الأحواض الجبلية. وإلى جانب تحديد المواقع المناسبة، يوفر التقييم المقارن المقدم هنا دليلاً عملياً على أن اختيار النموذج يؤثر بشكل كبير على جودة توقعات الملاءمة. ويشير الأداء المحسن لنموذج MIF إلى أن نهج التوزين القائم على التأثير مناسب بشكل خاص للمناطق التي تتميز بتباين مكاني قوي في الطبوغرافيا والليثولوجيا وهطول الأمطار والغطاء الأرضي. وبناءً على ذلك، يمكن أن تعمل المنهجية المطورة في هذه الدراسة كإطار عمل قابل للنقل لدعم القرار في التخطيط المستدام للموارد المائية في المناطق الجبلية وشحيحة المياه الأخرى التي تتشابه في ظروفها الهيدرومناخية والفيزيوجرافية.

تقيم هذه الدراسة المقارنة نهجي عملية التسلسل الهرمي التحليلي (AHP) والوظائف متعددة المعايير (MIF) كنماذج مكانية قائمة على نظم المعلومات الجغرافية (GIS)، وذلك من خلال تحليل عوامل تحكم مباشرة وغير مباشرة متنوعة لتحديد المناطق ذات مستويات الملاءمة المختلفة لإنشاء هياكل حصاد مياه الأمطار (RWH). وعلى الرغم من أن كلًا من MIF وAHP يتمتعان بمزايا فريدة في اتخاذ القرارات المكانية عند استخدامهما بشكل منفرد، إلا أن مقارنتهما تتيح إجراء تحليل متعدد المعايير أكثر تطورًا يعزز دقة ومتانة تقييمات ملاءمة المواقع لهذه التقنيات. ولتحديد مواقع حصاد مياه الأمطار، تم تحليل هطول الأمطار، والجيولوجيا، والتربة، وكثافة الخطوط التركيبية، وكثافة التصريف، واستخدامات الأراضي/الغطاء الأرضي، والتضاريس باعتبارها العوامل المؤثرة. كما تمت معالجة بعض العوامل الإضافية مثل المسافة من الطرق، والمسافة من المجاري المائية الرئيسية، والمسافة من التجمعات العمرانية وفقًا لمعايير منظمة الأغذية والزراعة (FAO). ويتمثل الهدف من تطوير مواقع ملائمة لحصاد مياه الأمطار في تحسين توافر الموارد المائية في منطقة الدراسة. وفيما يتعلق بإنشاء هذه الهياكل، تم تصنيف منطقة الدراسة إلى خمس فئات بناءً على درجة الملاءمة: مواقع أقل ملاءمة، ومواقع متوسطة الملاءمة، ومواقع ملائمة، ومواقع عالية الملاءمة، ومواقع عالية الملاءمة جدًا. وخلال الزيارة الميدانية، تبين أن نتائج نموذج MIF كانت أكثر دقة من نموذج AHP في التضاريس الجبلية للمنطقة. وقد كانت نتائج نموذج MIF أكثر دقة وملاءمة محليًا بسبب قدرته على التكيف في إدارة المتغيرات التضاريسية المعقدة وإمكانية دمج أوزان ورتب الفئات الفرعية. حيث يتيح نموذج MIF للمستخدمين ترتيب كل فئة فرعية لاتخاذ القرار، بينما يقوم نموذج AHP من ناحية أخرى بتخصيص الرتب والأوزان للمعايير بدلاً من الفئات الفرعية لتلك المعايير. وتوفر المقارنة بين MIF وAHP فهمًا أعمق لكيفية تأثير استراتيجيات تخصيص الأوزان ومعايير القرار المختلفة على نتائج التحليل المكاني. كما تم تأكيد الأداء الأفضل لنهج MIF مقارنة بنهج AHP من خلال قيمة ROC-AUC التي بلغت 0.724 لنموذج MIF و0.692 لنموذج AHP.

تتيح هذه الطرق اتخاذ قرارات أكثر كفاءة للإدارة المستدامة للموارد المائية مع تقليل التكاليف والعمالة والوقت. ويكتسب هذا الأمر أهمية بالغة لأن الإدارة المستدامة للموارد المائية في العالم ستتطلب حلولاً إبداعية في ظل تغير المناخ، وزيادة التوسع الحضري، وندرة المياه. ومن خلال إثبات كفاءة هذه التقنيات في منطقة متنوعة تضاريسياً مثل حوض Panjkora، تقدم الدراسة نموذجاً لاستخدامات مماثلة في مناطق أخرى تعاني من قيود بيئية مشابهة. وبناءً على ذلك، فقد حقق كلا النموذجين أداءً جيداً وأكدا قابليتهما للتطبيق في مناطق جغرافية وبيئية واجتماعية-اقتصادية أخرى خارج المنطقة قيد الدراسة. ويمكن إضافة تقنيات جديدة مثل تعلم الآلة والبيانات المكانية عالية الدقة لتعزيز القابلية للتوسع ودقة نهجي MIF وAHP. وستسمح هذه التطورات بإجراء تحليلات مؤتمتة وفي الوقت الفعلي، وهو أمر ضروري للتطبيقات الديناميكية والموسعة.

الإفصاحات

يُعلن المؤلفون عدم وجود تضارب في المصالح. لا توجد أي من الصور والأشكال مُنشأة بواسطة الذكاء الاصطناعي.

إسهامات المؤلفين:
شازيا غولزار: التصور، منهجية البحث، إدارة البيانات، التحليل الرسمي، التحقيق، التمثيل البصري، كتابة المسودة الأصلية. محمد علي: التصور، الإشراف، منهجية البحث، التحقق، الكتابة، المراجعة والتحرير، إدارة المشروع. عابد سرور: التحليل الرسمي، تحليل نظم المعلومات الجغرافية والاستشعار عن بعد، تفسير البيانات، التحقق، التمثيل البصري، الكتابة – المراجعة &؛ التحرير. حماد جيلاني: المنهجية، التحقق، الكتابة، المراجعة &؛ والتحرير. حسن alsberi: الكتابة، المراجعة والتحرير، التصور البصري. عبد القادر م. العمارس: الكتابة، المراجعة والتحرير، التحليل الرسمي. حسن هاشم: التحقق، الكتابة، المراجعة &؛ التحرير. إلسيد عطلم: التحليل الرسمي، الكتابة، المراجعة والتحرير. أيمن السباعي: الإشراف، الكتابة، المراجعة &؛ تحرير، الحصول على التمويل.

شكر وتقدير

يود المؤلفون تقديم الشكر لعمادة الدراسات العليا والبحث العلمي بجامعة الطائف، المملكة العربية السعودية، لتمويل هذا العمل.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
ArcGIS DesktopEsriVersion 10.3.1يُستخدم للمعالجة المسبقة للبيانات المكانية القائمة على نظم المعلومات الجغرافية (GIS)، وإنشاء الطبقات الموضوعية، وإعادة التصنيف، وتحليل التراكب المرجح، ورسم خرائط الملاءمة.
نموذج الارتفاع الرقمي (DEM)، 12.5 mAlaska Satellite Facility (ASF) Distributed Active Archive CenterN/Aنموذج ارتفاع رقمي بدقة مكانية 12.5 m يُستخدم كراستر مرجعي ولاشتقاق طبقات المنحدر، وشبكة التصريف، وكثافة التصريف، والارتفاع؛ وقد ورد تاريخ الحصول عليه في المخطوطة كـ 2/12/2023 ويجب توضيحه بدقة.
البيانات الجيولوجيةGeological Survey of PakistanN/Aبيانات جيولوجية/ليثولوجية تُستخدم لإنشاء الطبقة الموضوعية للجيولوجيا.
بيانات الهطول من برنامج قياس الهطول العالمي (GPM)National Aeronautics and Space Administration (NASA)2014-2023 datasetبيانات الهطول المستخدمة لإنشاء الطبقة الموضوعية لهطول الأمطار. يجب على المؤلفين تحديد منتج/إصدار GPM الدقيق والإحصائية الزمنية المستخدمة.
نقاط التحقق الميداني بنظام تحديد المواقع العالمي (GPS)غير محددN/Aمواقع التحقق الميداني المستخدمة للتحقق المتقاطع وتقييم ROC-AUC. لم يتم تحديد الشركة المصنعة وطراز جهاز/تطبيق GPS في المخطوطة.
صور Landsat 8المصدر غير محددمعرف المنتج/المشهد غير محددتُستخدم لاستخراج الخطوط التركيبية (lineaments). يجب على المؤلفين تقديم مستودع المصدر، وتاريخ الحصول عليها، ومعرف المنتج/المشهد، والدقة المكانية، وتفاصيل المعالجة المسبقة.
صور القمر الصناعي Sentinel-2BEuropean Space Agency (ESA), Copernicusتم الحصول عليها في 10 سبتمبر 2025تُستخدم لرسم خرائط استخدام الأراضي/الغطاء الأرضي باستخدام تصنيف الاحتمالية القصوى الخاضع للإشراف (Supervised Maximum Likelihood Classification). يجب على المؤلفين إضافة معرف المنتج/المشهد الدقيق ومستوى المعالجة.
بيانات قوام التربةDirectorate of Soil Survey, Khyber Pakhtunkhwa, PakistanN/Aتُستخدم لإنشاء الطبقة الموضوعية لقوام التربة. لم يتم تحديد إصدار مجموعة البيانات/الخريطة أو معرفها في المخطوطة.

المراجع

  1. Ibrahim GRF, et al. Suitable site selection for rainwater harvesting and storage case study using Dohuk Governorate. Water. 2019;11(4):864.
  2. Andualem TG, et al. Groundwater recharge estimation using empirical methods from rainfall and streamflow records. J Hydrol Reg Stud. 2021;37:100917.
  3. Hagos YG, Andualem TG, Yibeltal M, Mengie MA. Flood hazard assessment and mapping using GIS integrated with multi-criteria decision analysis in upper Awash River basin, Ethiopia. Appl Water Sci. 2022;12(7):148.
  4. Mohanty S, Bardhan T, Dey A. Rain water harvesting: a viable way to combat water crisis. Food Sci Rep. 2020;1(7):44–48.
  5. Biswas BK, Mandal BH. Construction and evaluation of rainwater harvesting system for domestic use in a remote and rural area of Khulna, Bangladesh. Int Sch Res Notices. 2014;2014(1):751952.
  6. Bekbolet M, et al. Application of oxidative removal of NOM to drinking water and formation of disinfection by-products. Desalination. 2005;176(1–3):155–166.
  7. Jasrotia A, Majhi A, Singh S. Water balance approach for rainwater harvesting using remote sensing and GIS techniques, Jammu Himalaya, India. Water Resour Manag. 2009;23(14):3035–3055.
  8. Toosi AS, et al. A multi-criteria decision analysis approach towards efficient rainwater harvesting. J Hydrol. 2020;582:124501.
  9. Adham A, et al. Development of methodology for existing rainwater harvesting assessment in (semi-) arid regions. In: Water and Land Security in Drylands: Response to Climate Change. Springer; 2017:171–184.
  10. Isioye OA, Shebe M, Momoh U, Bako C. A multi criteria decision support system (MDSS) for identifying rainwater harvesting site(s) in Zaria, Kaduna State, Nigeria. Int J Adv Sci Eng Technol Res. 2012;1(1):53–71.
  11. Tolossa TT, Abebe FB, Girma AA. Rainwater harvesting technology practices and implication of climate change characteristics in Eastern Ethiopia. Cogent Food Agric. 2020;6(1):1724354.
  12. Khudhair MA, Sayl KN, Darama Y. Locating site selection for rainwater harvesting structure using remote sensing and GIS. IOP Conf Ser Mater Sci Eng. 2020;881(1):012170.
  13. Ahmad S, Farid S, Maryam K, Khoso AR. Smallholder farmer vulnerability and adaptation deficits: insights district Okara, Pakistan. SN Soc Sci. 2026;6(7):258.
  14. Kadam AK, et al. Identifying potential rainwater harvesting sites of a semi-arid, basaltic region of Western India, using SCS-CN method. Water Resour Manag. 2012;26(9):2537–2554.
  15. Abdulla FA, Al-Shareef AW. Roof rainwater harvesting systems for household water supply in Jordan. Desalination. 2009;243(1–3):195–207.
  16. Al-Ardeeni M. Selecting potential water harvest sites using GIS and remote sensing in Al-Tharthar Valley, West Nineveh, Iraq. Tikrit J Pure Sci. 2018;20(2):142–150.
  17. Ammar A, Riksen M, Ouessar M, Ritsema C. Identification of suitable sites for rainwater harvesting structures in arid and semi-arid regions: a review. Int Soil Water Conserv Res. 2016;4(2):108–120.
  18. Ejegu MA, Yegizaw ES. Potential rainwater harvesting suitable land selection and management by using GIS with MCDA in Ebenat District, Northwestern Ethiopia. J Degrad Min Lands Manag. 2020;8(1):2537.
  19. Khashei-Siuki A, Sharifan H. Comparison of AHP and FAHP methods in determining suitable areas for drinking water harvesting in Birjand aquifer, Iran. Groundw Sustain Dev. 2020;10:100328.
  20. Sarwar A, Ali M. GIS-DRASTIC integrated approach for groundwater vulnerability assessment under soil erosion hot spot areas in Northern Pakistan. Environ Earth Sci. 2024;83(18):532.
  21. Ali MAS, et al. Application of morphometric ranking approach using geospatial techniques for flash flood susceptibility modelling in District Shangla, Pakistan. Proc Pak Acad Sci B Life Environ Sci. 2023;60(2):243–255.
  22. Selvam S, et al. A GIS based identification of groundwater recharge potential zones using RS and IF technique: a case study in Ottapidaram taluk, Tuticorin district, Tamil Nadu. Environ Earth Sci. 2015;73(7):3785–3799.
  23. Saaty T. The analytic hierarchy process (AHP) for decision making. Kobe, Japan; 1980;1:69.
  24. Suliman M, Ali M. Identification of potential groundwater recharge sites in a semi-arid region of Pakistan using Saaty's Analytical Hierarchical Process (AHP). Geomat Environ Eng. 2022;16(1):53–70.
  25. Dweiri F, Kumar S, Khan SA, Jain V. Designing an integrated AHP based decision support system for supplier selection in automotive industry. Expert Syst Appl. 2016;62:273–283.
  26. Benítez J, Delgado-Galván X, Izquierdo J, Pérez-García R. An approach to AHP decision in a dynamic context. Decis Support Syst. 2012;53(3):499–506.
  27. Dyer JS. Remarks on the analytic hierarchy process. Manage Sci. 1990;36(3):249–258.
  28. Franek J, Kresta A. Judgment scales and consistency measure in AHP. Procedia Econ Finance. 2014;12:164–173.
  29. Kubler S, et al. Measuring inconsistency and deriving priorities from fuzzy pairwise comparison matrices using the knowledge-based consistency index. Knowl Based Syst. 2018;162:147–160.
  30. Chowdary V, et al. Multi-criteria decision making approach for watershed prioritization using analytic hierarchy process technique and GIS. Water Resour Manag. 2013;27(10):3555–3571.
  31. Vaidya OS, Kumar S. Analytic hierarchy process: an overview of applications. Eur J Oper Res. 2006;169(1):1–29.
  32. Ahmad H, et al. Morphometric assessment and soil erosion susceptibility mapping using ensemble extreme gradient boosting (XGBoost) algorithm: a study for Hunza-Nagar catchment, Northern Pakistan. Environ Earth Sci. 2024;83(21):605.
  33. Aziz SF, Abdulrahman KZ, Ali SS, Karakouzian M. Water harvesting in the Garmian Region (Kurdistan, Iraq) using GIS and remote sensing. Water. 2023;15(3):507.
  34. Fagbohun BJ. Integrating GIS and multi-influencing factor technique for delineation of potential groundwater recharge zones in parts of Ilesha schist belt, southwestern Nigeria. Environ Earth Sci. 2018;77(3):69.
  35. Hammouri N, El-Naqa A, Barakat M. An integrated approach to groundwater exploration using remote sensing and geographic information system. J Water Resour Prot. 2012;4(9):717.
  36. Jha MK, Chowdary V, Kulkarni Y, Mal BC. Rainwater harvesting planning using geospatial techniques and multicriteria decision analysis. Resour Conserv Recycl. 2014;83:96–111.
  37. Sayl KN, Mohammed AS, Ahmed AD. GIS-based approach for rainwater harvesting site selection. IOP Conf Ser Mater Sci Eng. 2020;737(1):012246.
  38. Emeka OJ, et al. Evaluation of the effect of hydroseeded vegetation for slope reinforcement. Land. 2021;10(10):995.
  39. Oweis TY. Rainwater harvesting for restoring degraded dry agro-pastoral ecosystems: a conceptual review of opportunities and constraints in a changing climate. Environ Rev. 2017;25(2):135–149.
  40. Islam F, et al. Modelling and mapping of soil erosion susceptibility of Murree, Sub-Himalayas using GIS and RS-based models. Appl Sci. 2022;12(23):12211.
  41. Nazir J, et al. Delineation and validation of GIS-based groundwater potential zones under arid to semi-arid environment using multi-influence-factors approach. Geol Ecol Landsc. 2025;9(4):1194–1210.
  42. Critchley WS, Chapman K, Finkel CM. Water harvesting: a manual for the design and construction of water harvesting schemes for plant production. FAO; Rome; 1991. AGL/MISC/17/91.
  43. Kiggundu N, et al. Rainwater harvesting knowledge and practice for agricultural production in a changing climate: A review from Uganda’s perspective. Agric Eng Int CIGR J. 2018;20(2):19–36.
  44. Khan AS. A comparative analysis of rainwater harvesting system and conventional sources of water. Water Resour Manag. 2023;37(5):2083–2106.
  45. Zheng X, et al. Rainwater harvesting for agriculture development using multi-influence factor and fuzzy overlay techniques. Environ Res. 2023;238:117189.

إعادة الطباعة والأذونات

الوسوم

ملاءمة الموقعالتحليل الجيومكانيخرائط نظم المعلومات الجغرافيةالاستشعار عن بعدإدارة الموارد المائيةأحواض التصريف الجبليةالتحقق باستخدام منحنى خصائص التشغيل والمساحة تحت المنحنى (ROC-AUC)
تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.