מאמר מחקר

אופטימיזציה של התאמת אתר ומבנה לאיסוף מי גשמים באמצעות גישות גיאומרחזיות, גורמים משפיעים מרובים ותהליך היררכיה אנליטי (AHP)

28 צפיות

⸱

DOI:

10.3791/72363

⸱

1 באוקטובר 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

במאמר זה

סיכום

מאמר זה מתאר גישה משולבת המבוססת על מערכת מידע גיאוגרפית (GIS), המשתמשת במודלים של גורמי השפעה מרובים (MIF) ותהליך היררכיה אנליטית (AHP), כדי לזהות אתרים מתאימים לאיסוף מי גשמים ולבחור מבנים הולמים באגני נהרות הרריים, כפי שהודגם באגן פנג'קורה (Panjkora) בצפון פקיסטן.

תקציר

איסוף מי גשמים (RWH) הוא פרקטיקה חיונית לשימור מים, לשיפור ניהול משאבי המים ולצמצום סיכונים הקשורים למים באזורים הרריים. בחירת אתר מתאים ומבנה הולם למתקן ה-RWH חיוניים לשיפור זמינות המים והפרודוקטיביות החקלאית בכל הנסיבות, במיוחד בשל אי-הוודאות ההידרולוגית הקשורה לשינויי האקלים. הערכה וניתוח של אתרי RWH בתנאים מגוונים ברחבי העולם הם מאתגרים, במיוחד באזורים הרריים מרוחקים ובלתי נגישים, שם לאתרים אלו יש השפעות משמעותיות על הסביבה, החברה והכלכלה של האזור ובאזורי הנחל במורד הזרם. במחקר זה, נעשה שימוש בשיטת הגורמים המשפיעים המרובים (MIF) ובתהליך היררכיה אנליטית (AHP) בתוך מערכת מידע גיאוגרפית (GIS) תוך שימוש בנתונים שגרתיים ובנתוני חישוש מרחוק (RS), כדי לבחור אתר RWH מתאים ומבנים הולמים באגן נהר הפנג'קורה (Panjkora) באזור ההינדו קושים בצפון פקיסטן. על פי תוצאות ה-MIF (ו-AHP), באזור המחקר ישנם 80.22 (1572.58) km2 של שטח פחות מתאים, 1681.99 (1605.69) km2 כמתאימים במידה מתונה, 3116.10 (1768.62) km2 כמתאימים, 844.86 (689.15) km2 כמתאימים מאוד ו-35.10 (122.61) km2 כמתאימים ביותר למבני RWH. המפות שהתקבלו תוקפו באמצעות בדיקות מאפיין תפעולי של מקלט ושטח תחת העקומה (ROC-AUC) (ציון MIF = 0.724 וציון AHP = 0.692) כדי לבחון את הדיוק והחוסן של המודלים. מחקר זה, המציג תוצאות עם דיוק מבטיח, יספק תובנות טכניות חדשות בנושא לצורך שיפור נוסף, התאמה ויישום של המודלים תחת תנאים הידרו-מטאורולוגיים ופיזיוגרפיים שונים. באופן כללי, שני המודלים זיהו בהצלחה אתרים מתאימים לאיסוף מי גשמים; עם זאת, מודל ה-MIF הראה ביצועים טובים יותר ממודל ה-AHP מבחינת דיוק החיזוי ואמינות מרחבית. המסגרת המוצעת מבוססת ה-GIS יכולה לתמוך בתכנון בר-קיימא של איסוף מי גשמים ובניהול משאבי מים באגני ניקוז הרריים.

מבוא

מחסור במים, הכולל דלדול של משאבי מים עיליים ומי תהום כאחד, הפך לאתגר מרכזי במדינות מתפתחות רבות1. גידול מהיר באוכלוסייה, עיור, התרחבות חקלאית, טופוגרפיה מורכבת ותנאי אקלים משתנים הגבירו את הלחץ על משאבי המים הזמינים2,3. באזורים הסובלים ממחסור במים, שאיבת מי תהום מופרזת לצורך עמידה בדרישות ביתיות וחקלאיות הובילה לירידה במפלס מי התהום ולפגיעה בביטחון המים לטווח ארוך. לפיכך, נדרשות בדחיפות אסטרטגיות לניהול מים בר קיימא, במיוחד באזורים החווים גידול מהיר באוכלוסייה, פגיעות גבוהה של משאבי המים לשינויי אקלים ודרישה גוברת למים, כגון בפקיסטן. בין אסטרטגיות הסתגלות שונות, איסוף מי גשמים (RWH) התגלה כגישה יעילה לשימור נגר גשמים ולהשלמת משאבי המים הזמינים4. מערכות RWH אוספות ומאגרות מי גשמים במהלך תקופות רטובות לשימוש עתידי, ובכך מספקות חלופה בת-קיימא לטיפול במחסור במים בקנה מידה מקומי ואזורי5,6. עם זאת, הצלחתן של מערכות RWH תלויה במידה רבה בזיהוי מיקומים מתאימים ומבני איסוף הולמים. בחירת אתר היא תהליך מורכב מאחר שהיא מושפעת מגורמים פיזיוגרפיים, סביבתיים, הידרולוגיים וסוציו-אקונומיים מרובים המשתנים מרחבית בין אזורים7,8. באופן מסורתי, נעשה שימוש בסקרי שטח לזיהוי אתרי RWH פוטנציאליים; עם זאת, גישות אלו הן לרוב יקרות, גוזלות זמן ואינן מעשיות עבור שטחים נרחבים ובלתי נגישים, ובמיוחד באזורים הרריים. לפיכך, טכנולוגיות של מערכות מידע גיאוגרפיות (GIS) וחישוש מרחוק (RS) אומצו יותר ויותר כחלופות יעילות להערכת RWH בקנה מידה אזורי9. הערכה רב-קריטריונית (MCE) מבוססת GIS מספקת מסגרת יעילה לשילוב שכבות תמטיות מגוונות, כולל גשמים, נגר, שיפוע, מאפייני קרקע, שימושי קרקע/כיסוי קרקע, צפיפות ניקוז ופרמטרים סוציו-אקונומיים, לצורך זיהוי אזורי RWH מתאימים10,11. מאגרי נתונים של חישוש מרחוק משפרים עוד יותר גישה זו על ידי אספקת מידע מרחבי חסכוני על פני שטחים נרחבים ובלתי נגישים, כולל כיסוי קרקע, גאומורפולוגיה, מאפייני קרקע ומאפיינים הידרולוגיים12. פקיסטן היא אחת המדינות המתמודדות עם אתגרי מים חמורים עקב דרישה גוברת למים, שונות אקלימית ותלות בפרנסה מבוססת חקלאות13. הכלכלה החקלאית של המדינה דורשת משאבי מים משמעותיים, בעוד שירידה במפלס מי התהום ודפוסי משקעים לא סדירים הגבירו את הפגיעות למחסור במים. כתוצאה מכך, שימור ואגירת מי גשמים הפכו לאסטרטגיות חשובות לשיפור זמינות המים, במיוחד באזורים חסרי מים ובאזורים הרריים12,14. מחקרים קודמים הדגימו את יעילותן של גישות מבוססות GIS ו-RS לבחירת אתרי RWH באמצעות שילוב של פרמטרים סביבתיים וסוציו-אקונומיים15,16,17,18. חוקרים שונים יישמו טכניקות שונות לקבלת החלטות רב-קריטריונית, כולל תהליך היררכיה אנליטית (AHP), Fuzzy AHP וגישות שקלול אחרות, כדי לזהות מיקומי RWH מתאימים תחת תנאים סביבתיים מגוונים19. למרות התקדמות משמעותית, ביצועיהן של גישות שונות לקבלת החלטות רב-קריטריונית עשויות להשתנות בהתאם למאפיינים סביבתיים אזוריים, למאגרי הנתונים הזמינים ולמערכות שקלול מבוססות מומחים. בפרט, מחקרים מוגבלים השוו את יעילותן של גישות שונות תחת תנאי אגן ניקוז דומים. לכן, הערכה והשוואה של טכניקות חלופיות לקבלת החלטות הן חיוניות לשיפור המהימנות של הערכות התאמת אתרי RWH. המחקר הנוכחי נותן מענה לפער מחקרי זה על ידי השוואה בין טכניקות Multi-Influencing Factor (MIF) ו-Analytic Hierarchy Process (AHP) לזיהוי אתרי RWH מתאימים באגן Panjkora, פקיסטן. ההשערה היא ששילוב של משתנים שונים כגון טופוגרפיה, תכונות גיאולוגיות, דינמיקת כיסוי קרקע, צפיפות קווי ניקוז-שבר, מאפייני קרקע וגשמים ב-GIS באמצעות גישת החלטה רב-קריטריונית יכול לזהות את אתרי ה-RWH המתאימים ביותר בסביבה הררית. המחקר מספק תובנות בעלות ערך לגבי הישימות של גישות תמיכה בהחלטות מבוססות GIS לתכנון בר-קיימא של משאבי מים באזורים הרריים.

פרוטוקול

מחקר זה התבסס על נתונים גיאומרים, חישובים מרחוק ונתוני תיקוף מהשטח, ולא כלל משתתפים אנושיים, נתונים אישיים מזוהים, בעלי חיים או רקמות של חולייתנים; לפיכך, לא נדרש אישור של ועדת אתיקה מוסדית לבני אדם או לבעלי חיים.

אזור המחקר

אגן נהר הפנג'קורה (Panjkora) הוא אזור פיזיוגרפי חשוב הממוקם במזרח הרי ההינדו-קוּש בצפון פקיסטן (איור 1). נהר הפנג'קורה הוא הנהר המרכזי של האגן (באורך 113 km ושטח ת Mensuration של 5758.27 km2) והוא מתחיל כזרם מים מההרים המכוסים קרח של ההינדו-קוּש. הוא מתחבר לנהר סוואט (Swat) ליד צ'קדרה, דיר תחתונה (Dir Lower)20. לנהר הפנג'קורה נשפעים חמישה נחלים או זרמים משמעותיים, ביניהם בארוול (Barawal), דיר (Dir), גאוולדאי (Gawaldai), ג'נדול (Jandol) וקוהיסטן (Kohistan). הוא משתרע בין קווי רוחב 34°39′30′′ ל-35°46′1′′ צפון, ובין קווי אורך 71°13′08′′ ל-72°22′13′′ מזרח. מיקומו של האזור והטופוגרפיה התלולה שלו משפיעים משמעותית על האקלים שלו (הרי וממוטם). באזור העליון של האגן (Kumrat, Thal) עונת החורף ארוכה יותר ועונת הקיץ קרה יותר. החל מחודש נובמבר, הטמפרטורה צונחת בחדות. עם זאת, בדיר תחתונה (Timergara, Talaash, Maidan, Samarbagh), הטמפרטורה היא בדרך כלל מעל נקודת הקיפאון מדצמבר עד פברואר. החודשים החמים ביותר בטימרגארה (Timergara) הם יוני עד אוגוסט, עם טמפרטורות מקסימליות ממוצעות שמעל 35 °C, בעוד שיוני ויולי הם החודשים החמים ביותר בעיירת דיר (עם טמפרטורות מקסימליות של 32.4 °C ו-31.5 °C). המונסון הוא מקור הגשמים בקיץ, בעוד ששקעי מערביים (Western Depression) מביאים את הגשמים בחורף. אזור המחקר מאופיין בלחות יחסית גבוהה לאורך כל השנה. שיטפונות נהריים ושיטפונות הבזק21 מתרחשים (כמעט) מדי שנה, במיוחד באזורים שמעלה ומטה מוארי (Wari). הגידולים המרכזיים המגודלים באזור כוללים אורז, חיטה, תירס, תפוחי אדמה ובצל, בעוד שפירות משמעותיים הגדלים באזור המחקר הם אפרסמון, תפוז, תפוח, אגוזי מלך, משמש, שזיף, נשקה ותות עץ.

figure-protocol-1
איור 1: מפת אזור המחקר של אגן נהר ה-Panjkora, צפון פקיסטן. (A) מיקומה של Khyber Pakhtunkhwa בתוך פקיסטן; (B) מיקומו של אגן נהר ה-Panjkora בתוך Khyber Pakhtunkhwa; ו-(C) אגן נהר ה-Panjkora המראה את גבול האגן, התפלגות הגבהים, רשת הנהרות ומיקומים מרכזיים בתוך אזור המחקר. אנא לחץ כאן כדי לצפות בגרסה מורחבת של איור זה.

איסוף והכנת נתונים

במחקר זה, הנתונים נאספו ממקורות שונים. נתוני גשם/משקעים הורדו מ-Global Precipitation Measurement (GPM) של National Aeronautics and Space Administration (NASA) בכתובת https://gpm.nasa.gov/missions/GPM עבור השנים 2014 עד 2023. נתוני מרקם הקרקע נאספו מה-Directorate of Soil Survey Khyber Pakhtunkhwa, פקיסטן (www.soilconservation.kp.org). נתונים גיאולוגיים התקבלו מהמשרד האזורי של Geological Survey of Pakistan בכתובת (https://gsp.gov.pk/). לצורך איסוף וחישוב תסריטי קרקע (שימוש בקרקע/כיסוי קרקע), התקבלו תמונות Sentinel 2 מ-European Space Agency (ESA) Copernicus Open Access Hub בכתובת (https://scihub.copernicus.eu/). תמונות Sentinel-2B שצולמו ב-10 בספטמבר 2025 שימשו למיפוי שימוש בקרקע/כיסוי קרקע (LULC). התמונה עובדה וסווגה באמצעות אלגוריתם Maximum Likelihood Classification (MLC). סך של 65 דגימות אימון נאספו ברחבי אזור המחקר ומייצגות שבע מחלקות LULC: מקורות מים, יער, קרקע חקלאית, אזורים עירוניים, קרקע חשופה, שלג/קרח ואדמות מרעה. דגימות האימון שהוכנו שימשו לביצוע סיווג מודרך וליצירת מפת LULC סופית. דיוק הסיווג הוערך באמצעות גישת הערכת דיוק המבוססת על דגימות תיקוף, כולל דיוק כולל ומקדם Kappa. מודל גובה דיגיטלי (DEM) ברזולוציה מרחבית של 12.5 נרכש מ-Alaska Satellite facility (ASF) (https://asf.alaska.edu/) ב-2/12/2023. מודל ה-DEM שימש בהמשך ליצירת שכבות של שיפוע, רשת ניקוז, צפיפות ניקוז וגובה. נתונים על מבני איסוף מי גשמים קיימים נאספו ממחלקות רלוונטיות לצורך תיקוף צולב.

כל מערכי הנתונים המרחביים עובדו ונאלחו באמצעות תוכנת מערכת מידע גיאוגרפית (GIS) (ראה טבלת חומרים). נתוני השכבות התמטיות של ה-GIS מסופקים ב-קובץ משלים 1. כל מערכי נתוני הקלט הוקרינו למערכת ייחוס קואורדינטות (CRS) מוקרנת משותפת (WGS 1984 UTM Zone 42N) כדי להבטיח עקביות מרחבית וחישוב שטח מדויק. מערכי נתוני רסטר ברזולוציות מרחביות שונות נדגמו מחדש והותאמו לרשת משותפת באמצעות שיטת דגימה של השכן הקרוב ביותר, תוך שמירה על המאפיינים המרחביים המקוריים של מערכי נתונים קטגוריאליים. מודל הגובה הדיגיטלי (DEM) ברזולוציה מרחבית של 12.5 m שימש כרסטר הייחוס להלימה מרחבית, וכל השכבות התמטיות הומרו לפורמט רסטר עם אותו גודל תא והיקף. גבול אזור המחקר של אגן נהר ה-Panjkora שימש כמסכה לחילוץ כל שכבות הקלט ולשמירה על היקף מרחבי עקבי לניתוח. פיקסלים חסרים ואזורים מחוץ לגבול האגן הוצאו מהניתוח והתייחסו כערכי NoData. השכבות התמטיות (משקעים, שיפוע, צפיפות ניקוז, צפיפות קווי שבר, קרקע, גיאולוגיה ושימושי קרקע/כיסוי קרקע) סווגו מחדש למחלקות התאמה באמצעות שיטת סיווג Jenks Natural Breaks, ודירוגים/משקלים תואמים הוקצו על בסיס גישות MIF ו-AHP. טבלה 1 מציגה את מקורות הנתונים.

טבלה 1: מקורות נתונים ומאפיינים ששימשו להערכת התאמה לאיסוף מי גשמים. אנא לחץ כאן להורדת טבלה זו.

מידול התאמה של MIF

בתחילה, בחירת הפרמטרים השונים מבוצעת על בסיס סקירת ספרות12. כדי לקבוע מיקומים מתאימים עבור RWH, נלקחו בחשבון משקעים, ליתולוגיה, צפיפות קווים (lineament density), צפיפות ניקוז, מרקם קרקע, שיפוע ושימושי קרקע/כיסוי קרקע כגורמי השפעה נפרדים. למטרה זו, מבוצע עיבוד מקדים של הפרמטרים כדי ליצור את סולם ההשפעה של הפרמטר; לאחר מכן המידע סווג בהתאם למשמעותו עבור RWH, והחשיבות המרכזית והמשנית נקבעו באמצעות נוסחת גורמי ההשפעה המרובים (משוואה 1). טבלה 2 מציגה את החשיבות המרכזית והמשנית של גורמים שונים22 (ראו את קובץ ההשלמה 2)

טבלה 2: גורמים משפיעים נבחרים וציוני ההשפעה המרכזיים והמשניים שלהם ששימשו במודל הגורמים המשפיעים המרובים (MIF). אנא לחץ כאן כדי להוריד טבלה זו.

הגורמים שנבחרו דורגו באמצעות הקשר,

[(X+Y) ÷ ∑(X+Y)] × 100 (1)

כאשר Y מציין את ההשפעה המשנית של הגורמים, ו-X מציין את ההשפעה העיקרית. ההשפעות העיקריות והמשניות של כל גורם מחושבות באמצעות משוואה 1.

ציוני השפעה מרכזית (X) ומשנית (Y) הוקצו על בסיס מחקרים קודמים והחשיבות ההידרולוגית של כל גורם בבקרת היווצרות נגר, חלחול ופוטנציאל לאיסוף מי גשמים12. השפעה מרכזית הוקצתה לגורמים בעלי השפעה ישירה על התאמתו של איסוף מי גשמים (RWH), בעוד שהשפעה משנית ייצגה קשרים עקיפים בין הפרמטרים השולטים. משקלי הגורמים חושבו באמצעות משוואה (1) על ידי נרמול של ציוני ההשפעה המרכזית והמשנית המשולבים. משקלי תתי-המחלקות הוקצו בהתאם לתרומתם היחסית להצטברות נגר, קיבולת חלחול, שימור מים והתאמה למבני RWH. גישה זו הבטיחה מסגרת שקלול שקופה וניתנת לשחזור לצורך ניתוח התאמה מבוסס GIS.

חשיבות יחסית המבוססת על סולם Saaty מוצגת בטבלה 3.

טבלה 3: סולם החשיבות היחסית של Saaty ששימש לניתוח תהליך היררכיה אנליטית (AHP). אנא לחץ כאן להורדת טבלה זו.

ציוני הרמות התמטיות של כל הפרמטרים משולבים, וציון כל תת-סיווג של פרמטרי ה-MIF מופיע בטבלה 4. באמצעות טכניקת סיווג מחדש, פלט ה-MIF מסווג לחמש קטגוריות עבור איסוף מי גשמים. לבסוף, מופקות ומנותחות מפות של המיקומים הסופיים המוצעים להתקנת מבני RWH שונים, כגון סכרים קטנים (check dams), בריכות חקלאיות, סתימות לשכונות (gully plugs) ומבנים אחרים הקשורים לשימור קרקע. איור 2 מציג את מסגרת המתודולוגיה.

figure-protocol-2
איור 2: מסגרת מתודולוגית להערכת התאמת אתרים לאיסוף מי גשמים באמצעות מודלים של MIF ו-AHP מבוססי GIS. המסגרת מדגימה את הרכישה והעיבוד של נתוני סקרי שטח, גאולוגיה, קרקע, ALOS PALSAR DEM, ESA ו-GPM להפקת שכבות תמטיות, הכוללות גאולוגיה, קרקע, שיפוע, צפיפות ניקוז, צפיפות קווי שבר (lineament density), שימושי קרקע/כיסוי קרקע (LULC) ומשקעים. שכבות אלו שולבו באמצעות גישת ה-Multi-Influencing Factor (MIF) ליצירת מפת התאמה לאיסוף מי גשמים (RWH), ולאחריה בוצע תיקוף מבוסס שטח להפקת המפות המהו validates הסופיות אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של איור זה.

טבלה 4: דירוגים ומשקלים של גורמים תמטיים ותתי-סוגים למיפוי התאמה לאיסוף מי גשמים, המבוססים על גורם השפעה מרובה (MIF). אנא לחצו כאן להורדת טבלה זו.

מידול התאמה באמצעות AHP

תהליך היררכיה אנליטית (AHP) הוא טכניקה יעילה לטיפול במצבי קבלת החלטות מורכבים, המסייעת למקבל ההחלטות לקבוע סדרי עדיפויות ולבחור באפשרות הטובה ביותר23. טכניקת ה-AHP היא מסגרת שיטתית לארגון והערכה של החלטות מורכבות באמצעות יישום של מתמטיקה וידע מומחים24. ה-AHP מסייע בזיהוי ההיבטים הסובייקטיביים והאובייקטיביים של החלטה על ידי פישוט שיפוטים מורכבים באמצעות השוואות זוגיות ולאחר מכן הערכת התוצאות25. באופן בלתי נמנע תהיה一定 מידה של שונות מכיוון שההשוואות מבוססות על נקודות מבט סובייקטיביות או אינדיבידואליות. על ידי חישוב מדד העקביות והסרת הטיות בקבלת ההחלטות, מספקת טכניקת ה-AHP כלי שימושי להערכת העקביות של שיפוטי מקבל ההחלטות, ובכך מבטיחה עקביות בתפיסות. אחד היתרונות המרכזיים של ה-AHP הוא מדד העקביות, המכמת את דרגת העקביות בין השוואות זוגיות של קריטריונים שונים26,27,28,29. נתוני מידע גיאוגרפיים משולבים ומומרים על ידי ה-AHP לפלט של החלטה. באמצעות שימוש בסולם של Saaty (טבלה 3), נתונים איכותניים על נושאים ותכונות שונות מומרים לנתונים כמותיים על ידי יצירת מטריצת השוואה זוגית30,31. התהליך הבסיסי כולל הגדרת המטרה, בחינה והערכה של הגורמים או הסטנדרטים המשפיעים על ההחלטה הסופית, ושימוש בסולם של Saaty להקצאת דירוג לכל קריטריון. כדי לבדוק את עקביות המשקלות שהוקצו, חושב מדד העקביות (CR) כפי שהוצע על ידי Saaty23 באמצעות משוואות 2 ו-3:

CR = CI/RCI (2)

כאשר CI הוא מדד העקביות, ו-RCI הוא מדד העקביות האקראי.

מדד העקביות (CI) ניתן על ידי המשוואה:

figure-protocol-3 (3)

כאשר n הוא מספר הקריטריונים ו-λmax הוא הערך העצמי הראשי. ערך הממוצע של מדד העקביות מוערך באמצעות המדד האקראי.

בחירת מבנה RWH

כיסוי קרקע ושימוש בקרקע (LULC)

שימושי קרקע מאפיינים את האופן שבו נעשה שימוש בקרקע, בעוד שכיסוי קרקע מתאר את המאפיינים הטבעיים של השטח. מידע חשוב על התפשטות נגר השטחים כלול ב-LULC32. באזורים מכוסים בצמחייה, שיעורי ספיגה וחלחול גבוהים יותר קשורים לנגר מועט יותר, בעוד שקרקע חשופה ואזורים הבנויים מעודדים היווצרות נגר גבוה33,34. נתונים מלוויין Sentinel 2b שימשו להכנת תבניות שימושי קרקע/כיסוי קרקע של אזור המחקר. שימושי הקרקע של אגן נהר ה-Panjkora סווגו לשבע מחלקות: מקווי מים, יערות, גידולים וקרקעות חקלאיות, קרקע עירונית, קרקע חשופה, שלג/קרח ושטחי מרעה. משקלי ההתאמה שהוקצו למחלקות השונות של שימושי הקרקע/כיסוי הקרקע התבססו על השפעתן על היווצרות נגר, חלחול ופוטנציאל אחסון מי גשמים. קרקע חקלאית קיבלה את דירוג ההתאמה הגבוה ביותר מכיוון שהיא מייצרת בדרך כלל נגר בינוני ומפיקה תועלת ישירה ממים שנאספו לצורכי השקיה. לקרקע עקרה הוקצה גם הוא משקל גבוה יחסית, מכיוון שצמחייה דלילה ומשטחי קרקע חשופים מקדמים נגר שטחי רב יותר בהשוואה לאזורים בעלי צמחייה צפופה. לעומת זאת, לאזורי יער הוקצו משקלות נמוכים יותר, כיוון שצמחייה צפופה מיירטת את הגשמים, מגבירה את החלחול באמצעות מערכות שורשים נרחבות ומפחיתה את הזרימה השטחית. לאזורים עירוניים ولمקווי מים קיימים הוקضا התאמה נמוכה יותר, כיוון שיש להם הזדמנויות מוגבלות להקמת מבני RWH נוספים או שהם כבר תפוסים על ידי משטחים בלתי ח проניחים או מקווי מים קיימים (איור 3A).

צפיפות ניקוז

חלחול מי התהום וניקוז המים של אזור מסוים מתוארים על ידי צפיפות הניקוז. צפיפות הניקוז משקפת הן את התצורה ההידרולוגית התת-קרקעית והן את מאפייני הפני השטח. היא מעידה על צפיפות המרווחים בין התעלות ועל מאפייני חומר הפני השטח. הניקוז פוחת עם ירידה בצפיפות הניקוז ולהיפך12. חלחול נמוך יותר וניקוז נמוך יותר נמצאים בדרך כלל באזורים בעלי צפיפות ניקוז נמוכה, ולהיפך. רשתות ניקוז צפופות חיוניות לאיסוף מי גשמים. מערכות RWH מתאימות יותר לאזורים עם צפיפויות ניקוז גבוהות יותר מכיוון שהן מספקות מערכת המאפשרת למים לזרום ולהיות מועברים במהירות לנקודת איסוף34,35. צפיפות הניקוז של אגן נהר ה-Panjkora סווגה לחמש מחלקות על בסיס סיווג Jenks Natural Breaks: 0–9.4907, 9.4907–27.207, 27.207–48.219, 48.219–79.089 ו-79.089–161.34 km/km2. לאזורים עם צפיפויות ניקוז נמוכות עד בינוניות הוקצה ערך שקלול גבוה יותר מכיוון שהם נחשבים למיקומים אידיאליים לאיסוף מי גשמים (איור 3B).

צפיפות קווי מבנה

לינאמנטים (Lineaments) הם מאפיינים תת-קרקעיים ליניאריים שנגזרים בדרך כלל ממפות גאולוגיות ונראים גם בתמונות לוויין. לינאמנטים (הקבורים מתחת לאזורים של בליה מבנית או מקומית) מראים נקבוביות וחדירות מוגברת12. הלינאמנטים הופקו מתמונת Landsat 8 באמצעות תוכנה לעיבוד תמונות חישוף מרחוק. כלי צפיפות הקווים (line-density tool) שימש ליצירת שכבת הרסטר של הלינאמנטים. צפיפות הלינאמנטים סווגה בהמשך באמצעות שיטת סיווג Jenks Natural Breaks לחמש מחלקות: 0.0072-0.406 km/km2, 0.406-0.664 km/km2, 0.664-0.921 km/km2, 0.921-1.33 km/km2 ו-1.33-2.13 km/km2 (איור 3C).

קרקע

מרקם הקרקע הוא גורם חשוב בכל הנוגע לתכנון ובחירת אתר לאיסוף מי גשמים (RWH). יכולת החלחול של הקרקע נקבעת על ידי המרקם שלה. באופן כללי, קרקעות חוליות יוצרות נrunoff נמוך בהשוואה לקרקעות חרסיתיות36. אחוזי הסיליט, החול והחרס מגדירים את סיווג המרקם של הקרקע. לקרקע חרסית יש חדירות נמוכה והיא יכולה לאגור את המים שנאספו, ולכן אזורים עם קרקע בעלת גרגרים בינוניים ודקים הועדפו לעיתים קרובות לאיסוף מי גשמים8,37. אזור המחקר מאופיין בחמישה מרקמי קרקע: קרחונים וכפות שלג, קרקע חרסית חולית (loamy), קרקע חרסית שאינה גירית, קרקע חולית רדודה שאינה גירית, קרקע חולית רדודה מאוד, ובליטות סלע (איור 3D).

שיפוע

הסנפיליציה והנריאה מושפעות באופן משמעותי מהטופוגרפיה8. לשינויים בשיפוע של אגן הניקוז יש השפעה ברורה על אופן זרימת המים במהלך ואחרי משbackends. בניית מבני איסוף מי גשמים (RWH) באזורים עם שיפועים תלים אינה כדאית מבחינה כלכלית בשל כמות עבודות העפר המשמעותית הנדרשת38. עבור פוטנציאל RWH גבוה, שיפוע מתון הוא המיקום המתאים ביותר. מבני RWH אינם עמידים באזורים עם שיפועים תלילים (שיפועים הגבוהים מ-5%)39. אמצעים לבקרת סחיפה נשקלים אף הם באזורים בעלי שיפועים תלילים יותר40. השיפוע חושב במעלות, ואזור המחקר חולק לחמש מחלקות באמצעות סיווג Jenks Natural Breaks: 0°–11.9°, 12°–22.5°, 22.6°–31.8°, 31.9°–42.4° ו-42.5°–82° (איור 3E).

משקעים

משקעים הם המרכיב העיקרי היוצר נגר שטח. נתוני משקעים/משקעים, נתוני ה-Global Precipitation Measurement (GPM), הורדו מ-NASA בכתובת https://gpm.nasa.gov/missions/GPM עבור השנים 2014 עד 202341. נתוני המשקעים של GPM מתקופת הזמן 2014-2023 וסיווג Jenks Natural Breaks שימשו לסיווג אזור המחקר לחמש מחלקות של משקעים (mm): 49.93–57.014, 57.014–61.773, 61.773–65.262, 65.262–68.646 ו-68.646–76.894 (איור 3F).

גיאולוגיה

ההרכב הפיזי של אגן ניקוז וכמות הקרקע שהוא מייצר מושפעים רבות מהגיאולוגיה של האזור. תכונות גיאולוגיות שולטות על זרימת המים אל אקוויפרים תת-קרקעיים40. סלעי משקעים וסלעי מטאמורפיים הם שני סוגי הסלעים העיקריים הנמצאים באזור המחקר הנוכחי. הליתולוגיה חולקה באופן כללי לסלעי פליאוזואיקון תחתון, סלעי משקעים מהקרבוניפר, סלעי משקעים מהקרטסאצם, סלעי פלוזואיקון אינטרוסיביים ומטאמורפיים, סלעי טריאס, סלעי פליאוזואיקון לא מחולקים, סלעי פרה-קמבריון לא מחולקים, וסלעי סילוריים לא מחולקים. הזמינות וקיבולת האחסון מושפעות באופן משמעותי מסוג הליתולוגיה; לסלעים מסוימים יש את היכולת להחליף מי שטח ולהטעין מחדש את האקוויפר41. מאידך, סלעים מסוימים מאפשרים למים לעבור דרכם ומסייעים להטענת מים תת-קרקעיים. הליתולוגיה שולטת באופן חזק על היווצרות נגר עילי באמצעות השפעתה על המהירות, הנקבוביות ויכולת החלחול. באגן Panjkora, סלעים מטאמורפיים דחוסים מראים בדרך כלל נקבוביות ראשונית ומהירות נמוכות יותר מאשר מרבצי משקעים לא מלוכדים או נקבוביים מאוד. כתוצאה מכך, הסיכוי שמי גשמים יחלחלו הוא נמוך יותר והסיכוי להיווצרות נגר עילי גבוה יותר, מה שהופך תצורות אלו למתאימות יותר למבני איסוף מי גשמים עיליים. לעומת זאת, תצורות משקעות המכילות חומרים גס-גריניים או חוליים מאפשרות בדרך כלל חלחול רב יותר, ובכך מפחיתות את הנגר העילי הזמין לאחסון. לפיכך, משקולות התאמה גבוהות יותר הוקצו לסלעים מטאמורפיים, בעוד שמשקולות נמוכות יחסית הוקצו לתצורות משקעות. איור 3G מציג את המפה הגיאולוגית של אגן נהר Panjkora. כל הנתונים זמינים ב-Supplementary Files 1 and 3.

figure-protocol-4
איור 3: התפלגות מרחבית של הגורמים התמטיים ששימשו להערכת אתרים לאיסוף מי גשמים באגן נהר ה-Panjkora. (A) שימוש בקרקע/כיסוי קרקע, (B) צפיפות ניקוז, (C) צפיפות קווים מבניים (lineament density), (D) מרקם קרקע, (E) שיפוע, (F) משקעים, ו-(G) גאולוגיה. צבעים שונים מייצגים את המחלקות הרלוונטיות של כל גורם תמטי. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של איור זה.

תוצאות

סיווג מחדש של מפה תמטית עבור מודל MIF

כיסוי קרקע, שימושי קרקע ו-RWH

שימושי הקרקע של אגן נהר ה-Panjkora סווגו לשבע מחלקות: מקורות מים, קרקע מיוערת, שטחי גידולים וחקלאות, קרקע עירונית, קרקע חשופה, שלג וקרח ואזורי מרעה. לאזורים שבהם איסוף מי גשמים (RWH) חיוני לחיים הוקצה משקל גבוה בהתבסס על הספרות המקצועית. לקרקע חקלאית וקרקע צחיחה הוקצה מדד התאמה גבוה יותר, כיוון שמחלקות כיסוי קרקע אלו מייצרות בדרך כלל נגר surface runoff גדול יותר מאשר אזורים מיוערים בצפיפות, ומספקות מיקומים נוחים לאחסון מים שנאספו לשימוש חקלאי. אזורים מיוערים קיבלו מדד התאמה נמוך יותר כיוון שכיסוי צמחייה גבוה מעודד יירוט של מי גשמים וחלחול, ובכך מפחית את ייצור הנגר. לאזורים עירוניים ולמקורות מים קיימים הוקצו משקלים נמוכים יותר כיוון שהם מציעים הזדמנויות מוגבלות להתערבויות חדשות של איסוף מי גשמים. לקרקע חקלאית וחשופה ניתן משקל רב יותר, בעוד שלמי שטח ואזורים עירוניים ניתן משקל נמוך יותר בהקשר של איסוף מי גשמים (איור 4A). למחלקות ה-LULC הוקצו משקלים בהתאם לחשיבותן היחסית להתאמה לאיסוף מי גשמים (טבלה 4): מקורות מים (1), קרקע צחיחה (6), כיסוי יער (2), אזורים עירוניים (1) וקרקע חקלאית (7).

צפיפות ניקוז ו-RWH

חלחול מי תהום וניקוז של מי שטח מתוארים על ידי צפיפות הניקוז. אזורים בעלי ניקוז נמוך הראו חלחול גבוה, בעוד שאזורים בעלי צפיפות ניקוז נמוכה הראו חלחול נמוך יותר. לאזורים בעלי צפיפות ניקוז נמוכה ובינונית ניתן דירוג גבוה (7, 4), בעוד שצפיפות ניקוז גבוהה וגבוהה מאוד קיבלה את המשקל הנמוך ביותר (3, 2) על בסיס23 (איור 4B). אזורים בעלי צפיפות ניקוז נמוכה ובינונית סומנו כהטובים ביותר עבור RWH באזור.

צפיפות קווי לינאמנט ו-RWH

צפיפות הקווים המבניים (lineament density) של אזור המחקר סווגה באמצעות שיטת סיווג השברים הטבעיים של ג'נקס (Jenks Natural Breaks) לחמש מחלקות: התאמה גבוהה מאוד, התאמה גבוהה, התאמה בינונית, התאמה נמוכה והתאמה נמוכה מאוד, והמשקולות הוקצו בהתאם (7, 4, 3, 2, 1) (איור 4C ו-טבלה 4). באזור המחקר, אזורים בעלי צפיפות גבוהה נחשבו למיקומים הפחות מתאימים לאיסוף מי גשמים, בעוד שאזורים בעלי צפיפות נמוכה נחשבו כבעלי פוטנציאל גבוה והוקצה להם ערך משקל גבוה יותר.

קרקע ו-RWH

מופו חמישה סוגי מרקם קרקע, כלומר: (קרחונים וכיפות שלג), (קרקע חרסית-סחריתית לא גירית), (קרקע סחריתת רדודה לא גירית), (קרקע סחריתת רדודה מאוד) ו(בליטות סלע) (איור 4D). קיבולת החדירות והחזקת המים נלקחו בחשבון בעת קביעת המשקולות. ליכולתן של קרקעות סחריות וחרסיות להחזיק מים על פני השטח ניתן המשקל הגבוה ביותר לפי Saaty23. לקרקע הררית סחריתת רדודה מאוד ניתן ערך משקל נמוך בשל נקביותה הגבוהה וחדירותה הגבוהה.

שיפוע ו-RWH

נתוני השיפוע חולקו לחמש מחלקות על בסיס סיווג שבירות טבעיות של ג'נקס (Jenks Natural Breaks), כלומר: (0–11.9) מעלות, (12–22.5) מעלות, (22.6–31.8) מעלות, (31.9–42.4) מעלות ו-(42.5–82) מעלות (איור 4E). בטכניקת ה-MIF, לאזורים בעלי שיפוע בינוני (12–22.5) הוקצה ערך גבוה, בעוד שלאזורים בעלי שיפוע תלול מאוד הוקצה ערך נמוך. דבר זה מעיד על כך שלשיפוע ניתן משקל. נוסחת מודל ה-MIF שימשה לקביעת המשקלים והדירוגים של המחלקות.

משקעים ואיסוף מי גשמים (RWH)

נעשה שימוש בנתוני משקעים של GPM מתקופה שבין 2014–2023, אשר סווגו לפי סיווגו של Junk לחמש מחלקות ב-(mm): (49.93–57.014), (57.014–61.773), (61.773–65.262), (65.262–68.646) ו-(68.646–76.894) (איור 4F). הערכים הוקצו בהתבסס על כמויות המשקעים; אזורים עם שיעורי משקעים גבוהים קיבלו משקלים גבוהים, ולהיפך.

גאולוגיה ו-RWH

מרבית אזור המחקר מורכב מסלעים מטאמורפיים ומשקעים. הזמינות ויכולת האגירה מושפעות באופן משמעותי מהליתולוגיה ומסוג הסלע; סלעים מסוימים יכולים להחליף מי שטח ולהטעין את האקוויפר. מנגד, סלעים מסוימים מאפשרים למים לעבור דרכם ומסייעים להטענה של מי תת-קרקע. לסלעים מטאמורפיים הוקצתה התאמה גבוהה יותר כיוון שהחדירות הנמוכה יחסית שלהם מעודדת יצירת נגר שטח, ובכך מגבירה את זמינות הנגר לאיסוף. לעומת זאת, תצורים משקעיים ניחנים בדרך כלל בחדירות ובקיבולת חלחול גבוהות יותר, מה שמאפשר לחלק גדול יותר מהמשקעים לחלחל לתת-הקרקע במקום לתרום לנגר שטח. לכן, סלעים מטאמורפיים נחשבו למתאימים יותר לאיסוף מי גשמים מהשטח באזור המחקר. איור 4G מציג את המפה הגאולוגית המסווגת מחדש.

הקצאת משקלים באמצעות AHP

בהתאם להמלצותיהם של Wind ו-Saaty23, המחקר בחן שבעה שכבות תמטיות, שלכל אחת הוקצה משקל הנע בין 1 ל-9 בהתבסס על התאמתה לאיסוף מי גשמים. הגישה מצביעה על כך שמשקלים הוקצו גם למחלקות המאפיינים. טבלה 5 מציגה את הנורמליזציה של המשקלים שהוקצו לקריטריון ולמחלקות המאפיינים שלו באמצעות גישת AHP30. שיפוט מומחים היה קריטי לקביעת המשקלים שהוקצו לגורמים השונים, אשר הוערכו על בסיס השפעתו של כל גורם על אזור המחקר. לאחר החישוב, ניתנו משקלים מנורמלים של 0.23 לשימוש בקרקע/כיסוי קרקע, 0.27 למשקעים, 0.13 לצפיפות הניקוז, 0.07 לשיפוע, 0.08 לצפיפות קווי השבר (lineaments), 0.10 לגיאולוגיה ו-0.10 לקרקע. עבור השכבות התמטיות, יחס העקביות חושב כ-0.08 באמצעות משוואה 3, נתון הנמוך מסף ה-0.10. יתרה מכך, יחס העקביות של מחלקות המאפיינים היה באופן דומה בטווח של 0.10 (טבלה 6). השכבות והמאפיינים עקביים, בהתאם ליחס העקביות עבור המחקר הנוכחי. כדי לקבוע את החשיבות היחסית של השכבות התמטיות, בוצע גם ניתוח זוגי, כפי שמוצג בטבלה 5.

טבלה 5: מטריצת השוואה זוגית ומשקלות מנורמלים של גורמים תמטיים ששימשו במודל תהליך ההיררכיה האנליטית (AHP). אנא לחצו כאן להורדת טבלה זו.

טבלה 6: משקלים ודירוגים של גורמים תמטיים ותתי-סוגים לניתוח התאמה לאיסוף מי גשמים, המבוססים על תהליך היררכיה אנליטית (AHP). אנא לחצו כאן להורדת טבלה זו.

figure-results-1
איור 4: שכבות תמטיות מסווגות מחדש ששימשו לניתוח התאמה לאיסוף מי גשמים באגן נהר הפנג'קורה. (A) שימושי קרקע/כיסוי קרקע מסווגים מחדש, (B) צפיפות ניקוז, (C) צפיפות קווי שבר (lineament density), (D) מרקם קרקע, (E) שיפוע, (F) משקעים, ו-(G) גאולוגיה. המחלקות סווגו מחדש בהתאם לציוני ההתאמה שלהן לבחירת אתרים לאיסוף מי גשמים. מספרים/צבעים מציינים את מחלקות ההתאמה שהוקצו, הנעות בין התאמה נמוכה מאוד להתאמה גבוהה מאוד, במידת הרלוונטיות. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

אזורים פוטנציאליים ל-RWH

המפות הסופיות, שפותחו באמצעות טכניקות של מודל MIF ו-AHP, הוכנו על ידי יישום טכניקות של שכבה משוקללת (weighted overlay) וסכום משוקלל (weighted sum). באמצעות שני מודלים אלו, סווג אזור המחקר לחמש מחלקות (איור 5) בהתבסס על מחלקות התאמה: אתרים פחות מתאימים, מתאימים באופן בינוני, מתאימים, מתאימים מאוד ומתאימים ביותר. תוצאות ה-MIF באגן נהר הפאנקורה (Panjkora) עבור איסוף מי גשמים מראות כי 80.22 ק"מ2 לאזור יש התאמה נמוכה יותר, 1681.99 ק"מ רבוע2 מתאים במידה מתונה, 3116.1 ק"מ2 מתאים, 844.86 ק"מ2 בעל התאמה גבוהה ו-35.10 ק"מ2 בעל התאמה גבוהה מאוד לאיסוף מי גשמים (RWH). בעוד שתוצאות ה-AHP מראות 1572.58 ק"מ2 אזור בעל התאמה נמוכה יותר, 1605.69 ק"מ רבוע2 בינוני מתאים, 1768.62 קמ"ר מתאים, 689.15 ק"מ2 בעל התאמה גבוהה ו-122.611 ק"מ2 בעל התאמה גבוהה מאוד (טבלה 7, איור 5 ו- איור 6) עבור RWH. תוצאי מפת ההתאמה המבוססת על MIF ו-AHP מוצגים ב- קובץ משלים 4.

טבלה 7: השוואה בין מחלקות התאמה לאיסוף מי גשמים שהופקו ממודלים של גורמים משפיעים מרובים (MIF) ותהליך היררכיה אנליטית (AHP). אנא לחצו כאן כדי להוריד טבלה זו.

figure-results-2
איור 5: התפלגות מרחבית של אתרים פוטנציאליים לאיסוף מי גשמים שזוהו באמצעות (A) שיטת ה-MIF ו(B) שיטת ה-AHP באגן נהר הפאניקורה. אנא לחצו כאן כדי להציג גרסה גדולה יותר של איור זה.

figure-results-3
איור 6השוואה בין השטחים שסווגו למחלקות התאמה שונות לאיסוף מי גשמים באמצעות שיטות הגורמים המשפיעים המרובים (MIF) ותהליך ההיררכיה האנליטית (AHP). העמודים מראים את השטח (קמ²2) בתוך כל מחלקת התאמה, הכוללת אזורים פחות מתאימים, מתאימים במידה מתונה, מתאימים, מתאימים מאוד ומתאימים ביותר. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

בחירת מבני RWH מתאימים

הקריטריונים ההנדסיים ששימשו לבחירת מיקומים מתאימים למבני איסוף מי גשמים (RWH), כולל סכיות (check dams), בריכות חקלאיות וסכיות לניקוז שקתים (gully plugs), אומצו ממדריך איסוף המים של ארגון המזון והחקלאות של האו"ם (FAO)42. על פי הנחיות ה-FAO, בחירת מבני RWH מתאימים צריכה להתחשב בטופוגרפיה (שיפוע), מאפייני ניקוז, פוטנציאל נגר, מרקם קרקע, ליטולוגיה, שימושי קרקע/כיסוי קרקע ותנאי אגן הניקוז, וזאת כדי להבטיח את ההיתכנות הטכנית, היציבות המבנית והביצועים לטווח ארוך של מערכות האיסוף. קריטריונים הנדסיים אלו, המוכרים בינלאומית, שולבו במסגרת ההערכה רב-קריטריונית מבוססת GIS ששימשה במחקר זה. המטרה העיקרית של שימור מי גשמים באמצעות מבני שימור נגר (חפירת תעלות מדורגות, סכיות סלעים, סכיות לניקוז שקתים וסכיות) היא להפחית או לעצור את זרימת המים. חפירת תעלות קונטוריות (contour trenching) וסכיות תת-קרקע הן שתי דרכים יעילות שבהן ניתן להשתמש ב-RWH באזורים הרגישים לבשורה כדי לטפל בבעיות החמורות של בצורת ומחסור במים43. לאחר זיהוי אתרי RWH פוטנציאליים, נקבעו המיקומים האופטימליים להקמת RWH. בריכות חקלאיות, סכיות וסכיות לניקוז שקתים הם שלושת מבני ה-RWH היחידים שנמצאו ראויים לבחינה לאחר ניתוח תנאי אזור המחקר (Table 8). בריכות חקלאיות הן מחסומי עפר קטנים עם שיפוע הנע בין 1% ל-6%. מטרת הקמת הבריכות החקלאיות היא לחלק שיפוע ארוך למספר שיפועים קצרים ותלולים פחות, כדי להפחית את מהירות הזרימה ואת הסחיפה הנגרמת ממי נגר. סכיות הן משמעותיות יותר מסוגי בנייה אחרים מכיוון שהן יכולות להפחית סחיפת קרקע ולאגור מי גשמים. המרחק בין שתי סכיות בעת בניית שרשרת שלהן לאורך ערוץ נחל צריך להיות גדול יותר מפריסת המים שלהן. סחיפת השכבה העליונה של הקרקע על ידי מי גשמים מובילה להיווצרות שקתים (gullies). בהדרגה, הסחיפה גוברת והשקת מקבלת צורה מוגדרת יותר. לאחר מכן, במרווחים ספציפיים, ממוקמים מחסומים או פקקים העשויים מחומרים שונים לרוחב השקת כדי לעצור את הסחיפה ולאגור מי גשמים לשימוש עתידי. המפה (Figure 7) מראה את המיקומים לאיסוף מי גשמים באגן נהר ה-Panjkora. מטא-נתונים עבור מיקומי RWH המתאימים שזוהו מופיעים ב-Supplementary File 5.

טבלה 8: מבני איסוף מי גשמים מוצעים ומאפייניהם הגיאוגרפיים באגן נהר ה-Panjkora. אנא לחצו כאן להורדת טבלה זו.

figure-results-4
איור 7: התפלגות מרחבית של מבני איסוף מי גשמים פוטנציאליים באגן הניקוז של נהר Panjkora. המפה מציגה את מיקומי סכרים קטנים (check dams), בריכות חקלאיות וסתימות שבילים (gully plugs) מוצעים בתוך האזורים שזוהו כמתאימים. גבול האגן ורשת הניקוז מוצגים אף הם. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

תיקוף המודל

תוצאות המודל המבוסס על GIS ידרשו תמיד אימות באמצעות נתוני שטח. לאחר חילוץ הנתונים, בוצע סקר נרחב של האזור והתוצאות הושוו למבני RWH קיימים באזור המחקר. במהלך הסקר התגלה כי כמה מבני איסוף מי גשמים כבר הוקמו במיקומים מתאימים; עם זאת, אלו לא הספיקו עבור האזור. אימות תוצאות ה-MIF וה-AHP בוצע באמצעות טכניקת אימות צולב. האזורים המתאימים ביותר הם אלו שבהם נמצאות ההתערבויות הניתנות לביצוע. בנוסף, במהלך הסקר הפיזי זוהו מיקומים שונים להתערבויות עתידיות של איסוף מי גשמים. נקודות תיקוף סקר השטח והקוואורדינטות הגיאוגרפיות מופיעות ב-Supplementary File 6. התיקוף הסטטיסטי של המודל בוצע באמצעות שטח תחת העקומה של מאפיין פעולה של מקלט (ROC AUC). נתוני ניתוח ה-ROC ותוצאותיהם עבור מודל ה-AHP מופיעים ב-Supplementary File 7. ניתוח ה-ROC הורץ על נקודות מערכת מיקום גלובלית (GPS) של תיקוף שטח (Figure 8A) ועל תוצאות מודלי ה-AHP וה-MIF. נתוני ניתוח ה-ROC והתוצאות התואמות עבור מודל ה-MIF מופיעים ב-Supplementary File 8. מודלי ה-MIF מראים עקומת AUC של 0.72 (Figure 8B), ומודל ה-AHP מראה 0.69 (Figure 8C). על פי קריטריונים מקובלים לפירוש ROC-AUC, ערכי AUC מסווגים כביטוי להיעדר הבחנה (0.50), ביצועים נמוכים (0.50 עד 0.60), ביצועים סבירים (0.60 עד 0.70), ביצועים טובים (0.70 עד 0.80), ביצועים טובים מאוד (0.80 עד 0.90), וביצועים יוצאי דופן (0.90 ומעלה) כדי להצביע על ביצועי הניבוי. בהתאם לכך, מודל ה-MIF הדגים יכולת ניבוי טובה (0.72), בעוד שמודל ה-AHP הדגים ביצועי ניבוי סבירים (קרוב לטוב) (0.69). למרות ששני המודלים תפקדו באופן משמעותי טוב יותר מניבויים אקראיים (AUC = 0.50), ערך ה-AUC הגבוה יותר שהתקבל במודל ה-MIF מעיד על התאמה רבה יותר למיקומי איסוף מי גשמים שנצפו, ומצביע על כך שגישת ה-MIF מהימנה יותר לזיהוי אתרי RWH מתאימים בתנאי השטח ההרריים של אגן ה-Panjkora. עם זאת, MIF הוא מודל טוב יותר באופן יחסי מ-AHP באזור המחקר. ניתן לייחס את הביצועים העדיפים של מודל ה-MIF בהשוואה למודל ה-AHP למאפיינים הסביבתיים והגיאוגרפיים המורכבים של אגן ה-Panjkora. האגן מאופיין בתוואי הררי תלול, שיפועים משתנים מאוד, תצורות ליטולוגיות הטרוגניות ותבניות מגוונות של שימושי קרקע/כיסוי קרקע, שכל אחת מהן משפיעה רבות על יצירת נגר ועל פוטנציאל איסוף מי גשמים. בניגוד לשיטת ה-AHP, הנשענת בעיקר על השוואות זוגיות שנגזרות ממומחים, גישת ה-MIF בוחנת את ההשפעה היחסית והאינטראקציה בין מספר גורמים סביבתיים באופן גמיש יותר. דבר זה מאפשר למודל לייצג טוב יותר את השונות המרחבית של תהליכים הידרולוגיים בתוך אגן הניקוז. כתוצאה מכך, מודל ה-MIF הפיק תבניות התאמה ריאליסטיות יותר, מה שהוביל לערך AUC גבוה יותר ולהסכמה משופרת עם מיקומי מבני איסוף מי גשמים קיימים. יתרה מכך, אגן ה-Panjkora מראה הטרוגניות מרחבית ניכרת בחלוקת המשקעים, בצפיפות הניקוז, בשיפוע, במרקם הקרקע ובמצב הגאולוגי. גורמים אלו מקיימים אינטראקציות שונות ברחבי אגן הניקוז, מה שהופך את ההשפעה של פרמטרים בודדים לבלתי אחידה. גישת ה-MIF מתאימה יותר ללכידת וריאציות אלו מכיוון שהיא מעריכה את ההשפעה המצטברת של מספר גורמי התניה במקום להסתמך אך ורק על שיפוטים סובייקטיביים של השוואות זוגיות. סביר להניח שדבר זה תרם לביצועי הניבוי המשופרים שלה בהשוואה למודל ה-AHP.

figure-results-5
איור 8: תיקוף של מודלים להתאמה לאיסוף מי גשמים באמצעות ניתוח מאפייני תגובה (ROC). (A) התהלוּיות המרחבית של נקודות תיקוף מהשטח ששימשו לאימות המודל; (B) עקומת ROC והשטח תחת העקומה (AUC) עבור מודל הגורמים המשפיעים המרובים (MIF); ו-(C) עקומת ROC ו-AUC עבור מודל תהליך ההיררכיה האנליטית (AHP). אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

זמינות נתונים:

המאגרי נתונים ששימשו במחקר זה זמינים לציבור או שניתן להשיגם מהארגונים הרלוונטיים. נתוני המשקעים של Global Precipitation Measurement (GPM) זמינים במאגר המשימה GPM של NASA ‏(https://gpm.nasa.gov/missions/GPM). תצלומי לוויין של Sentinel-2 התקבלו מ-ESA Copernicus Open Access Hub ‏(https://scihub.copernicus.eu/). המודל הדיגיטלי של הגבהות (DEM) הורד מ-Alaska Satellite Facility (ASF) Distributed Active Archive Center ‏(https://asf.alaska.edu/). הנתונים שהופקו (תיקוף, כל נתוני הראסטר, כל המידע המטא-דאטה, חישובי מודל) מסופקים ב- קבצים משלימים 1–8.

קובץ משלים 1: נתוני שכבות תמטיות של GIS. נתונים מרחביים ששימשו ליצירת השכבות התמטיות של GIS הכלולות בניתוח התאמה לאיסוף מי גשמים, כולל הגורמים הסביבתיים וההידרולוגיים שנבחנו במחקר.אנא לחץ כאן כדי להוריד קובץ זה.

קובץ נלווה 2: חישובי MIF. החישובים ששימשו לקביעת ההשפעה היחסית, משקלי הגורמים והציונים שיושמו בניתוח התאמת איסוף מי גשמים המבוסס על MIF.אנא לחצו כאן להורדת קובץ זה.

קובץ משלים 3: שכבות GIS מסווגות מחדש וספי Suitability thresholds.שכבות תמטיות שסווגו מחדש וטווחי המחלקות התואמים, ערכי סף, דירוגים וציוני התאמה ששימשו בניתוחי MIF ו-AHP.אנא לחצו כאן כדי להוריד קובץ זה.

קובץ משלים 4: תוצאות מפות התאמה מבוססות MIF ו-AHP. פלטים מרחביים של ניתוחי MIF ו-AHP המראים את סיווגי התאמת איסוף מי גשמים עבור אגן נהר הפנג'קורה (Panjkora River Basin).אנא לחצו כאן להורדת קובץ זה.

קובץ משלים 5: מטא-נתונים עבור מיקומי איסוף מי גשמים מתאימים שזוהו.מטא-נתונים הקשורים למיקומים שזוהו כמתאימים למבני איסוף מי גשמים, כולל המידע המרחבי והמיקומי הזמין.אנא לחצו כאן כדי להוריד קובץ זה.

קובץ משלים 6: נקודות תיקוף של סקר שטח. נתוני תיקוף של סקר שטח, הכוללים את הקואורדינטות הגיאוגרפיות של נקודות התיקוף ששימשו להערכת מפות התאמה לאיסוף מי גשמים שהופקו בשיטות MIF ו-AHP.נא לחץ כאן להורדת קובץ זה.

קובץ משלים 7: ניתוח ROC עבור מודל ה-AHP. נתונים ותוצאות של ניתוח מאפייני תגובה (ROC) ששימשו להערכת ביצועי הניבוי של מודל תהליך היררכיה אנליטית (AHP).אנא לחץ כאן כדי להוריד קובץ זה.

קובץ משלים 8: ניתוח ROC עבור מודל ה-MIF. נתונים ותוצאות ניתוח ROC ששימשו להערכת ביצועי הניבוי של מודל הגורמים המשפיעים המרובים (Multi-Influencing Factor - MIF).אנא לחצו כאן להורדת הקובץ.

דיון

מחקר זה השווה בין שתי גישות נפוצות לקבלת החלטות רב-קריטריונית מבוססות GIS, דהיינו, מדד הגורמים המשפיעים (MIF) ותהליך היררכיה אנליטית (AHP), לצורך זיהוי אתרים מתאימים לאיסוף מי גשמים (RWH) באגן נהר פנג'קורה (Panjkora) ההררי בצפון פקיסטן. למרות ששני המודלים הצליחו להגדיר אזורי איסוף פוטנציאליים, נצפו הבדלים ניכרים בתחזיות המרחביות ובביצועי התיקוף שלהם. ניתוח ROC-AUC הראה כי מודל ה-MIF (AUC = 0.724) ביצע טוב יותר ממודל ה-AHP (AUC = 0.692), מה שמעיד על כך ששני המודלים מפגינים יכולת ניבוי מקובלת, בעוד שגישת ה-MIF מספקת התאמה רבה יותר להתהלוכיות של מבני איסוף מי גשמים קיימים ותצפיות שטח. ניתן להסביר את הביצועים העדיפים של מודל ה-MIF על ידי המאפיינים ההידרולוגיים והגאומורפולוגיים המורכבים של אגן הפנג'קורה. אזור הניקוז מאופיין בתضריס הררי תלול, שיפועים משתנים מאוד, ליתולוגיה הטרוגנית, דפוסי שימושי קרקע מגוונים ומשקעים משתנים מרחבית. משתנים סביבתיים אלה מקיימים אינטראקציה בו-זמנית השולטת ביצירת נגר, חדירות ופוטנציאל אחסון מים. בניגוד לגישת ה-AHP, המסתמכת בעיקר על השוואות זוגיות הנגזרות ממומחים בין הקריטריונים, טכניקת ה-MIF מעריכה הן את החשיבות היחסית והן את האינטראקציות המצטברות בין מספר גורמים מקדימים. כתוצאה מכך, ה-MIF מסוגל ללכוד טוב יותר את ההטרוגניות המרחבית של אגני ניקוז הרריים, שבהם יצירת הנגר נקבעת על ידי השפעה משולבת של טופוגרפיה, גאולוגיה, מרקם הקרקע, מאפייני ניקוז וכיסוי קרקע, ולא על ידי גורמים בודדים בלבד. תצפיות דומות הוכיחו כי גישות שקלול מבוססות-השפעה פועלות היטב בסביבות הטרוגניות הידרולוגית מכיוון שהן מייצגות טוב יותר אינטראקציות בין משתנים סביבתיים22,34,41. ההתפלגות המרחבית של אזורי RWH בעלי התאמה גבוהה משקפת את המאפיינים הפיזיים של אזור הניקוז. החלקים המערביים והדרומיים של האגן זוהו כמיקומים הנוחים ביותר מכיוון שהם משלבים שיפועים מתונים, צפיפות ניקוז מתאימה, מרקם קרקע נוח, משקעים גבוהים יחסית ותנאי שימוש בקרקע המעודדים יצירת נגר, תוך שהם נשארים ישימים מבחינה טכנית להקמת מבני איסוף. שיפועים מתונים מפחיתים את מהירות הזרימה במידה מספיקה כדי להקל על איסוף הנגר, תוך מזעור סחף מופרז ועלויות בנייה. לעומת זאת, שיפועים תלולים מאוד מייצרים נגר מהיר, מציעים הזדמנויות אחסון מוגבלות ומגבירים חוסר יציבות מבנית, מה שהופך אותם לפחות מתאימים להקמת סכרים לעיכוב זרימה או בריכות חקלאיות. ממצאים אלו תואמים למחקרים קודמים שזיהו את השיפוע כגורם בקרה דומיננטי להתאמה ל-RWH בסביבות הרריות8,36,39. גם לגאולוגיה היה תפקיד משמעותי בקביעת ההתאמה ל-RWH. באגן הפנג'קורה, סלעים מטאמורפיים מראים בדרך כלל נקבוביות ראשונית וחדירות נמוכות יותר מאשר ת formaציונות סדימנטריות רבות, ובכך מפחיתים את הפסדי החדירה ומגבירים את הנגר השטחי הזמין לאיסוף. כתוצאה מכך, ת formaציונות אלו קיבלו משקלי התאמה גבוהים יותר כיוון שהן הגבירו את הצטברות הנגר, הדרושה למבני אחסון שטחיים כגון סכרים לעיכוב זרימה ובריכות חקלאיות. לעומת זאת, ת formaציונות סדימנטריות עם חדירות גבוהה יחסית מאפשרות חדירה רבה יותר והטענה של מי תהום, ובכך מפחיתות את נפח הנגר השטחי הזמין לאיסוף. קשרים דומים בין ליתולוגיה, יצירת נגר והתאמה לאיסוף מי גשמים דווחו בעבר12,40. שימוש בקרקע/כיסוי קרקע ומרקם הקרקע השפיעו עוד יותר על ההתפלגות המרחבית של אתרי איסוף מתאימים. קרקעות חקלאיות ושממות הראו התאמה גבוהה יותר מכיוון שמשטחים אלו מייצרים בדרך כלל נגר בינוני עד גבוה, תוך שהם מספקים בו-זמנית הזדמנויות ישירות לאחסון וניצול מים חקלאיים. לעומת זאת, אזורים מיוערים הראו התאמה נמוכה יותר יחסית מכיוון שצמיחה צפופה עוצרת את המשקעים, משפרת את מבנה הקרקע ומגבירה את החדירה באמצעות מערכות שורשים נרחבות, ובכך מפחיתה את הזרימה השטחית. באופן דומה, קרקעות עשירות בחימר וקרקעות חוליות (loamy) נחשבו לנוחות יותר בשל חדירותן הנמוכה יחסית ויכולת אחסון המים הגבוהה יותר שלהן, בעוד שקרקעות סלעיות רדודות מעודדות חדירה מהירה או נגר מופרז עם פוטנציאל אחסון מוגבל. ממצאים דומים דווחו בחקירות RWH קודמות מבוססות GIS שנערכו באתיופיה, עיראק ופקיסטן9,18. ההשוואה בין MIF ל-AHP מדגימה גם את השפעת אסטרטגיית השקלול על מיפוי ההתאמה. גישת ה-AHP מקצה משקלי קריטריונים בעיקר באמצעות שיפוט מומחים והשוואה זוגית, מה שמכניס מידה של סובייקטיביות למרות יחסי עקביות מקובלים. לעומת זאת, ה-MIF מעריך הן אינטראקציות מרכזיות והן אינטראקציות משניות בין גורמים משפיעים, ובנוסף מאפשר שקלול של תתי-סוגי פרמטרים בהתאם למשמעותם ההידרולוגית. מסגרת שקלול גמישה זו מאפשרת ל-MIF לייצג טוב יותר שונות מרחבית בתנאים המייצרים נגר, במיוחד באגני ניקוז הרריים שבהם גורמים סביבתיים משתנים במידה ניכרת על פני מרחקים קצרים. מחקרים השוואתיים דומים דיווחו כי גישות רב-קריטריוניות מבוססות-השפעה או היברידיות גוברות לעיתים קרובות על טכניקות שקלול קונבנציונליות מבוססות-מומחים בתנאים פיזיוגרפיים מורכבים19,44,45. תיקוף ROC-AUC תומך עוד יותר בתצפיות אלו. למרות ששני המודלים השיגו ביצועי ניבוי מקובלים (AUC > 0.5), ה-AUC הגבוה יותר של מודל ה-MIF מעיד על התאמה רבה יותר בין המיקומים המתאימים שנחזו לבין מבני איסוף מי הגשמים הקיימים שנצפו במהלך אימות השטח. הדבר מוכיח כי שילוב של אינטראקציות בין מספר משתנים הידרולוגיים וסביבתיים משפר את אמינות הערכות ההתאמה. גישות תיקוף דומות המשתמשות בניתוח ROC יושמו בהצלחה להערכת פוטנציאל מי תהום, רגישות לשיטפונות ומודלים של התאמה לאיסוף מי גשמים34,41,45. באופן כללי, הממצאים מאשרים כי שילוב של GIS, חישוש מרחוק וטכניקות לקבלת החלטות רב-קריטריונית מספק מסגרת אמינה לתכנון איסוף מי גשמים באגני ניקוז הרריים. מעבר לזיהוי מיקומים מתאימים, ההערכה ההשוואתית המוצגת כאן מספקת ראיה מעשית לכך שבחירת המודל משפיעה באופן משמעותי על איכות תחזיות ההתאמה. הביצועים המשופרים של מודל ה-MIF מרמזים כי גישות שקלול מבוססות-השפעה מתאימות במיוחד לאזורים המאופיינים בשונות מרחבית חזקה בטופוגרפיה, ליתולוגיה, משקעים וכיסוי קרקע. כתוצאה מכך, המתודולוגיה שפותחה במחקר זה יכולה לשמש כמסגרת תמיכה בהחלטות הניתנת להעברה לתכנון בר-קיימא של משאבי מים באזורים הרריים ודלי-מים אחרים עם תנאים הידרו-מטאורולוגיים ופיזיוגרפיים דומים.

מחקר השוואתי זה מעריך את גישות ה-AHP וה-MIF כמודלים מרחביים מבוססי GIS, על ידי ניתוח גורמים שולטים ישירים ועקיפים שונים כדי לזהות אזורים בעלי רמות התאמה שונות להקמת מבני איסוף מי גשמים (RWH). למרות של-MIF ול-AHP לבדן יש יתרונות ייחודיים לקבלת החלטות מרחביות, השוואתן מאפשרת ניתוח רב-קריטריוני מתוחכם יותר המשפר את הדיוק והחסינות של הערכות התאמת האתרים של טכניקות אלו. לבחירת אתרי ה-RWH, נותחו הגשמים, הגאולוגיה, הקרקע, צפיפות קווי השבר (lineament density), צפיפות הניקוז, שימושי הקרקע/כיסוי הצמחייה והטופוגרפיה כגורמים משפיעים. גורמים נוספים כגון מרחק מכבישים, מרחק מנחלים ראשיים ומרחק מיישובים עירוניים עובדו גם הם בהתאם לקריטריונים של ה-FAO. מטרת הפיתוח של אתרי RWH מתאימים היא לשפר את זמינות משאבי המים באזור המחקר. בנוגע להקמת ה-RWH, אזור המחקר סווג לחמש מחלקות על בסיס דרגת ההתאמה: אתרים פחות מתאימים, מתאימים במידה מתונה, מתאימים, מתאימים מאוד ומתאימים מאוד ביותר. במהלך ביקור השטח, נמצא כי תוצאות ה-MIF היו מדויקות יותר ממודל ה-AHP בתנאי השטח ההרריים של האזור. תוצאות מודל ה-MIF היו מדויקות יותר ורלוונטיות יותר באופן מקומי בשל יכולת ההסתגלות שלו בניהול משתנים טופוגרפיים מורכבים ויכולתו לשלב משקלים ודירוגים של תת-מחלקות. MIF מאפשר למשתמשים לדרג כל תת-מחלקה לצורך קבלת החלטות, בעוד שמהצד השני, AHP מקצה דירוגים ומשקלים לפרמטרים במקום לתת-המחלקות של הפרמטרים. השוואה בין MIF ל-AHP מספקת הבנה עמוקה יותר לגבי האופן שבו אסטרטגיות שונות של הקצאת משקלים וקריטריונים להחלטה משפיעים על תוצאות הניתוח המרחבי. ביצועים טובים יותר של גישת ה-MIF לעומת גישת ה-AHP אושרו גם על ידי מדד ROC-AUC של 0.724 עבור MIF ו-0.692 עבור AHP.

שיטות אלו מאפשרות קבלת החלטות יעילה יותר לניהול בר-קיימא של משאבי מים, תוך מזעור עלויות, כוח אדם וזמן. דבר זה הוא קריטי במיוחד, שכן ניהול בר-קיימא של משאבי המים בעולם ידרוש פתרונות יצירתיים אל מול שינויי האקלים, העירוב הגובר של עיור (urbanization) ומחסור במים. על ידי הדגמת היעילות של טכנולוגיות אלו באזור מגוון טופוגרפית כמו אגן הפנג'קורה (Panjkora Basin), המחקר מציע מודל לשימושים דומים באזורים אחרים בעלי מגבלות סביבתיות דומות. לפיכך, שני המודלים הללו הניבו תוצאות טובות ואישרו את התאימות שלהם לאזורים גיאוגרפיים, סביבתיים וסוציו-כלכליים אחרים מעבר לאזור שנבדק. ניתן להוסיף טכניקות חדשות, כגון למידת מכונה ונתונים מרחביים ברזולוציה גבוהה, כדי לשפר את היכולת להרחבת השימוש (scalability) ואת הדיוק של גישות MIF ו-AHP. פיתוחים אלו יאפשרו ניתוח אוטומטי ובזמן אמת, שהם חיוניים ליישומים דינמיים ונרחבים יותר.

גילויים

הכותבים מצהירים על היעדר סכסוכי עניינים. אף אחת מהתמונות והדיאגרמות אינן נוצרות באמצעות בינה מלאכותית.

תרומות מחברים:
שאזיה גולזר: תכנון, מתודולוגיה, איסוף נתונים, ניתוח פורמלי, חקר, תיאור גרפי, כתיבה – טיוטה מקורית. מוחמד עלי: תכנון, ניטור, מתודולוגיה, אימות, כתיבה, סקירה ועריכה, ניהול פרויקט. עביד סרור: ניתוח פורמלי, ניתוח של מערכות מידע גאוגרפיות והדרכה מרחוק, פירש נתונים, אימות, תיאור גרפי, כתיבה – סקירה & עריכה. חמד ג'ילאני: מתודולוגיה, אימות, כתיבה, סקירה & עריכה. חסן אלסברי: כתיבה, ביקורת ועריכה, ויזואליזציה. عبدالקדר מ. אלמרס: כתיבה, ביקורת ועריכה, ניתוח פורמלי. חסן השים: אימות, כתיבה, ביקורת & עריכה. אל-סאייד אטלם: ניתוח פורמלי, כתיבה, עיון ועריכה. איימן אל-סאבאח: ניטור, כתיבה, עיון & עריכה, רכישת מימון.

תודות

המחברים מבקשים להודות לדיקנאט ללימודי תארים מתקדמים ומחקר מדעי של אוניברסיטת טאיף, ערב הסעודית, על מימון עבודה זו.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
ArcGIS DesktopEsriVersion 10.3.1משמש לעיבוד מקדמי של נתונים מרחביים מבוססי GIS, יצירת שכבות תמטיות, סיווג מחדש, ניתוח שכבות משוקללות (weighted-overlay) ומיפוי התאמה.
Digital elevation model (DEM), 12.5 mAlaska Satellite Facility (ASF) Distributed Active Archive CenterN/ADEM ברזולוציה מרחבית של 12.5 m המשמש כראסטר ייחוס ולהפקת שכבות של שיפוע, רשת ניקוז, צפיפות ניקוז וגובה; תאריך הרכישה דווח כ-2/12/2023 בכתב היד ויש להגדירו באופן חד-משמעי.
נתונים גאולוגייםGeological Survey of PakistanN/Aנתונים גאולוגיים/ליתולוגיים ששימשו ליצירת השכבה התמטית הגאולוגית.
נתוני משקעים של Global Precipitation Measurement (GPM)National Aeronautics and Space Administration (NASA)2014-2023 datasetנתוני משקעים ששימשו ליצירת השכבה התמטית של משקעים. על המחברים לציין את מוצר/גרסת ה-GPM המדויקת ואת הסטטיסטיקה הזמנית.
נקודות תיקוף שטח באמצעות Global Positioning System (GPS)לא צויןN/Aמיקומי תיקוף שטח ששימשו לאימות צולב ולהערכת ROC-AUC. יצרן ודגם מקלט/אפליקציית ה-GPS לא צוינו בכתב היד.
תצלומי Landsat 8מקור לא צויןמזהה מוצר/סצנה לא צויןמשמשים להפקת קווי ליניאמנט (lineament extraction). על המחברים לספק את מאגר המקור, תאריך הרכישה, מזהה המוצר/סצנה, הרזולוציה המרחבית ופרטי עיבוד מקדמי.
תצלומי לוויין Sentinel-2BEuropean Space Agency (ESA), CopernicusAcquired 10 September 2025משמשים למיפוי שימושי קרקע/כיסוי קרקע באמצעות סיווג הסתברות מרבית מפוקח (supervised Maximum Likelihood Classification). על המחברים להוסיף את מזהה המוצר/סצנה המדויק ואת רמת העיבוד.
נתוני מרקם קרקעDirectorate of Soil Survey, Khyber Pakhtunkhwa, PakistanN/Aמשמשים ליצירת השכבה התמטית של מרקם הקרקע. מהדורת מערך הנתונים/המפה או המזהה לא צוינו בכתב היד.

מקורות

  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.

הדפסות חוזרות והרשאות

תגיות

התאמת אתרניתוח גיאומרחלימיפוי GISחישוש מרחוקניהול משאבי מיםאגני ניקוז הררייםתיקוף ROC-AUC
צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.