Delineación de sitios adecuados para la recarga de aguas subterráneas en función del potencial de las aguas subterráneas con enfoque RS, GIS y AHP para la cuenca Mand de la cuenca Mahanadi

Aug 12, 2023

Scientific Reports volumen 13, número de artículo: 9860 (2023) Citar este artículo

1047 Accesos

1 Citas

Detalles de métricas

La gestión de las aguas subterráneas requiere un enfoque sistemático, ya que es crucial para la viabilidad a largo plazo de los medios de vida y las economías regionales en todo el mundo. Hay una gestión insuficiente de las aguas subterráneas y dificultades en los planes de almacenamiento como resultado del aumento de la población, la rápida urbanización y el cambio climático, así como la imprevisibilidad en la frecuencia e intensidad de las precipitaciones. La exploración de aguas subterráneas utilizando datos de teledetección (RS) y sistemas de información geográfica (SIG) se ha convertido en un gran avance en la investigación de aguas subterráneas, ayudando en la evaluación, monitoreo y conservación de los recursos de aguas subterráneas. La región de estudio es la cuenca de Mand de la cuenca Mahanadi, cubre 5332,07 km2 y está ubicada entre 21°42′15.525″N y 23°4′19.746″N de latitud y 82°50′54.503″E y 83°36′1.295″ Longitud E en Chhattisgarh, India. La investigación comprende la generación de mapas temáticos, la delimitación de zonas potenciales de aguas subterráneas y la recomendación de estructuras para recargar eficiente y exitosamente las aguas subterráneas utilizando RS y GIS. Se identificaron Zonas Potenciales de Agua Subterránea (GPZ) con nueve capas temáticas utilizando RS, SIG y el método de Análisis de Decisión Multicriterio (MCDA). Se utilizó el proceso de jerarquía analítica (AHP) de Satty para clasificar los nueve parámetros elegidos. El mapa de GPZ generado indicó regiones con potencial de agua subterránea muy bajo, bajo a medio, medio a alto y muy alto que abarca 962,44 km2, 2019,92 km2, 969,19 km2 y 1380,42 km2 de la región de estudio, respectivamente. Se encontró que el mapa GPZ es muy preciso en comparación con el mapa de fluctuación del agua subterránea y se utiliza para gestionar los recursos de agua subterránea en la cuenca de Mand. La escorrentía del área de estudio puede acomodarse mediante la capacidad informática de almacenamiento subterráneo, lo que elevará los niveles de agua subterránea en las GPZ bajas y bajas a medias. Según los resultados del estudio, se sugirieron varias estructuras de recarga de aguas subterráneas, como estanques agrícolas, presas de control y tanques de percolación en lugares apropiados de la cuenca de Mand para mejorar las condiciones de las aguas subterráneas y hacer frente a la escasez de recursos hídricos en la agricultura y el uso doméstico. Este estudio demuestra que la integración de SIG puede proporcionar una plataforma eficiente y eficaz para el análisis convergente de varios conjuntos de datos para la gestión y planificación de las aguas subterráneas.

El agua subterránea es un recurso natural crítico para el suministro eficiente y rentable de agua industrial, agrícola y doméstica tanto en áreas urbanas como rurales. Como resultado, es crucial para la salud humana, así como para la salud de varios ecosistemas acuáticos y terrestres. Alrededor del 36% del agua subterránea se extrae para consumo residencial, el 42% se utiliza para la producción agrícola y el 27% se utiliza para usos industriales a nivel mundial1. Más del 50% del agua residencial urbana y el 85% de la demanda de agua rural se satisfacen actualmente con recursos de agua subterránea en la India, y el riego representa el 92% de la extracción de agua subterránea2.

Dado que el agua subterránea es un recurso natural no renovable que no se puede observar directamente, es necesario monitorearlo y evaluarlo adecuadamente para evitar su sobreexplotación. La falta de una gestión eficaz de los recursos hídricos genera problemas con la calidad del agua, la intrusión de agua salada, la caída del nivel del agua y otros conflictos hidrogeológicos y geoambientales3,4,5.

Debido a que una cantidad sustancial de agua de lluvia se pierde por escorrentía superficial, el problema de las aguas subterráneas se está agravando debido a un desequilibrio entre la recarga y la explotación de las aguas subterráneas6,7. Si las acciones esenciales no se implementan de manera oportuna, India enfrentará una aguda crisis de agua en varios de sus estados, incluida el área de estudio actual, y estaría al borde de una grave catástrofe hídrica en el futuro8. Como resultado, ha surgido la necesidad de una gestión y desarrollo a largo plazo del recurso de agua subterránea basado en el excedente de escorrentía superficial9,10,11. La identificación de GPZ dentro de la cuenca es esencial para lograr estos objetivos. Las GPZ se pueden identificar de dos maneras: enfoques tradicionales basados ​​en campos y técnicas de modelado o computación blanda.

Se han empleado numerosos métodos clásicos basados ​​en el campo para delinear las GPZ utilizando herramientas hidrogeológicas, geológicas y geofísicas; sin embargo, generalmente se basan en puntos, son costosos, consumen mucho tiempo y carecen de información espacio-temporal12,13,14,15,16. 17,18. En los últimos años, varios científicos han estado trabajando en técnicas metodológicas mejoradas para la investigación de aguas subterráneas, una de las cuales es la relación de frecuencia19,20, la regresión logística17,18,21, la lógica difusa22,23, el modelo de Dempster-Shafer24,25, el modelo de ponderación de evidencia26 ,27, la red neuronal artificial28,29, el modelo de máxima entropía30 y el modelo de árbol de decisión31,32 se han realizado con éxito.

Entre los diversos enfoques ADCM, el AHP es uno de los procesos de toma de decisiones más populares y científicos debido a su simplicidad estructural, efectividad, sesgo mínimo, claridad, eficiencia y también considera muchos aspectos que influyen en las cuencas33,34,35 ,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50. La técnica AHP fue desarrollada por Thomas L. Saaty a principios de la década de 198051 para el proceso de toma de decisiones. Ofrece diversas ventajas y resuelve problemas utilizando métodos tanto cuantitativos como cualitativos34,52,53.

El AHP integrado con el sistema de información geográfica (SIG) proporciona información espacio-temporal confiable de las GPZ dentro de la cuenca54. Varios investigadores han informado sobre el uso de SIG para delimitar GPZ para monitorear y gestionar los recursos de agua subterránea4,10,48,55,56,57,58,59,60,61,62,63,64. Como SIG ayuda a proporcionar información espacial y manejar grandes conjuntos de datos. El análisis de superposición ponderada de los mapas de capas se preparó utilizando el SIG, tomando en consideración las prioridades establecidas por el AHP, y se identificaron GPZ65,66,67,68,69,70,71. Las GPZ se pueden utilizar además para la recarga artificial de aguas subterráneas para mejorar el almacenamiento de aguas subterráneas conservando el flujo natural de aguas superficiales. Las técnicas de recarga artificial se utilizan habitualmente para impulsar la productividad a largo plazo en regiones donde el acuífero se ha agotado debido al sobredesarrollo72,73.

El área de estudio actual es una cuenca periurbana que tiene un crecimiento poblacional extenso, la agricultura y las actividades mineras conducen a un aumento en la demanda de uso del agua. El área de estudio también es testigo de un crecimiento exponencial de los asentamientos, la deforestación y la minería, lo que aumenta la rápida tasa de escorrentía superficial y disminuye el tiempo de retención de agua, lo que en última instancia dificulta la recarga de las aguas subterráneas. Para satisfacer la demanda de uso del agua, se ha incrementado la extracción de aguas subterráneas en el área de estudio. El uso de aguas subterráneas para fines agrícolas ha multiplicado por seis el consumo de aguas subterráneas en la región de estudio durante los últimos 20 años6. La Junta Central de Aguas Subterráneas (2014) informó que los recursos y la demanda de aguas subterráneas fluctúan geográfica y temporalmente debido a la sobreexplotación de las aguas subterráneas. Por lo tanto, resulta primordial identificar las zonas potenciales de aguas subterráneas para la gestión de los recursos de aguas subterráneas mediante la construcción de estructuras adecuadas de recarga de aguas subterráneas. Teniendo en cuenta todos los aspectos, en el presente estudio AHP integró con RS, GIS para alcanzar los objetivos (1) identificar las zonas potenciales de agua subterránea, (2) validar el mapa de fluctuación de agua subterránea y (3) proporcionar sitios apropiados para Estructuras de recarga artificial.

El área de estudio es la cuenca del río Mand de la cuenca Mahanadi, Chhattisgarh, India, y se encuentra entre las latitudes de 21°42′15.525″N y 23°4′19.746″N, y las longitudes de 82°50′54.503″E y 83 °36′1.295″E (Figura 1). La elevación del área de estudio varía de 187 a 1147 m sobre el nivel medio del mar con un área geográfica de 5332,07 km2. El río Mand se origina en la aldea de Bargidih del distrito de Surguja y fluye a través de los distritos de Korba, Janjgir-Champa, Jashpur y Raigarh hasta el río Mahanadi en la parte oriental del distrito de Janjgir-Champa. Corre de norte a sur, luego de este a oeste y luego de norte a sur y sureste. El principal uso de la tierra a lo largo del área del río es bosque denso, agricultura y tierras áridas (arena). En los cultivos agrícolas, principalmente el arroz, el maíz y el arhar son los principales cultivos durante la temporada de Kharif y el trigo, el garbanzo y las semillas de lino se cultivan durante la temporada de Rabi.

Mapa del área de estudio en Arc-GIS 10.4 (http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

En la cuenca de Mand prevalece un clima monzónico subtropical, con tres estaciones distintas: verano, monzón e invierno. En junio comienza el monzón del suroeste que dura hasta mediados de septiembre y de octubre a febrero dura la temporada de invierno. Desde marzo hasta mediados de junio, la temporada de verano está en pleno apogeo. La precipitación media anual del área de estudio se registró en 1192,1 mm, donde el monzón del suroeste produce la mayor parte (85%), y es la principal fuente de recarga de aguas subterráneas en el área. La temperatura promedio más alta se registró en mayo es de 42,5 °C, y la temperatura más baja se registró en enero es de 8,2 °C.

Geográficamente, la cuenca de Mand es alargada, con un alto relieve y una pendiente del terreno de pronunciada a plana, lo que provoca una escorrentía superficial alta y rápida en el canal del río aguas abajo. El orden de los arroyos en la cuenca es del primero al cuarto, lo que indica un drenaje dendrítico a subdendrítico y refleja los estratos rocosos de fuerte pendiente. Cuanto mayor es el índice de bifurcación en la región de investigación, más alteraciones estructurales ha habido, y estas alteraciones estructurales han sesgado el patrón de drenaje. El número de rugosidad (Rn), medida del valor de desnivel de la superficie, es alto en la región de estudio indica que la complejidad estructural de un terreno es extremadamente propensa a la erosión74.

Se analizaron la pendiente, la geología, las precipitaciones, la densidad del drenaje, el suelo, la geomorfología, los lineamientos, el uso de la tierra, la cobertura del suelo (LULC) y la curvatura para establecer una GPZ para el área de estudio. El Modelo de Elevación Digital (DEM) se obtuvo del Servicio Geológico de los Estados Unidos (USGS) (http://www.earthexplorer.usgs.gov) de la Misión Topográfica del Radar Shuttle (SRTM) como 1 segundo de arco (aprox. 30 m). resolución). El DEM se utilizó para delinear la cuenca, el límite de las subcuencas, la pendiente, el drenaje y la densidad del drenaje utilizando varias herramientas de análisis espacial en el software ArcGIS. La geología, la geomorfología, los datos de lineamientos, los datos de ubicación de los pozos y los datos del nivel del agua antes y después del monzón se recopilaron de la Junta Central de Aguas Subterráneas (CGWB) y la escorrentía de la Comisión Central del Agua (CWC) (Bhubaneswar). Se utilizó el enfoque de ponderación de distancia inversa (IDW) de ArcGIS 10.5 para generar la distribución espacial del mapa de precipitaciones para el año 202175. Los detalles de todos los datos de entrada se mencionan en la Tabla 1. Las imágenes Sentinel-2 sin nubes se utilizaron para Prepare el mapa LULC con métodos de clasificación supervisados ​​en ArcGIS 10.5.

En el presente estudio se utilizaron las técnicas MCDA-AHP basadas en SIG, que involucran y transforman datos geográficos (entrada) en decisiones (salida), donde la información cualitativa sobre temas y atributos particulares se convierte en valores cuantitativos generando una matriz de comparación de pares. utilizando la escala de Saaty51. Cada capa temática se calificó entre 1/6 y 4 según los impactos de estos niveles temáticos y sus características en la presencia de aguas subterráneas (Tabla 2). Una puntuación más alta indica un mayor impacto en los recursos de agua subterránea. Las puntuaciones están dispuestas diagonalmente en una matriz de comparación por pares, que tiene el mismo número de filas y columnas. El valor "1" se coloca diagonalmente en la matriz, desde el centro hasta la esquina (Tabla 3).

La evaluación pareada de parámetros en el AHP a menudo puede dar como resultado cierta inconsistencia. Para evaluar esto se utilizó el índice de consistencia (CR), determinado mediante el uso de la escala de índice aleatorio51 y los valores propios adquiridos de la matriz de comparación (Ec. 1) (Tabla 4).51 propuso el concepto de CR para cuantificar la cantidad de consistencia del peso de los parámetros. Es la relación entre el índice de consistencia (CI) (Ec. 2) y el índice de consistencia aleatoria (RI). El CR se utiliza para demostrar la exactitud de las ponderaciones encontradas en la Matriz de comparación por pares normalizada (NPCM).

donde, CI = Índice de consistencia, RI = Índice de consistencia aleatorio

El índice de consistencia (IC) se evalúa como

donde, n = número de factores y λmax = valor promedio del vector de consistencia.

Para una matriz de juicio determinada, un valor CR inferior a 0,1 es aceptable y RI es el índice aleatorio, que es el índice de coherencia de una matriz de comparación por pares11 generada aleatoriamente.

Las capas temáticas, así como la ponderación de los subcriterios, se determinaron y analizaron mediante el uso de una matriz de comparación por pares. La puntuación se asigna a subcriterios en una escala de 1 a 4 según las condiciones favorables y su relevancia para detectar la zona de agua subterránea. Los subcriterios más aceptables recibieron una puntuación máxima de 4, los subparámetros menos adecuados recibieron una puntuación mínima de 1 y los subparámetros moderadamente adecuados del criterio para la identificación de GPZ recibieron un valor intermedio (Tabla 5).

Luego, las capas temáticas se reclasifican utilizando los valores de ponderación obtenidos después de transformarlas a un tamaño de celda de 30 × 30 m. El análisis de superposición ponderada (WOA) es una técnica que permite a los usuarios abordar problemas de idoneidad de sitios espacialmente complicados utilizando medidas comunes de varias entradas y, en consecuencia, se identificaron los GZP. En la herramienta WOA, todos los mapas ráster reclasificados se superpusieron y se asignaron los pesos correspondientes. Finalmente, la puntuación de celda de cada ráster de entrada se multiplica por los valores ponderados de cada capa ráster (Ecuación 3). La capa ráster generada se dividió en cuatro grupos de GPZ con el mismo rango de pesos dados según las recomendaciones de la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO).

donde, S es la puntuación total de GPZ, wi denota la ponderación de los criterios de GPZ, xi indica la puntuación de los subcriterios de i criterios de GPZ y n representa el número total de criterios de GPZ.

Finalmente, el análisis de superposición se utiliza para generar el mapa de potencial de aguas subterráneas, que luego se valida utilizando datos de fluctuación. La Figura 2 muestra el diagrama de flujo metodológico del presente estudio.

Diagrama de flujo de la metodología.

Las estructuras de recarga artificial se sugirieron en función de la topografía, clase de uso del suelo, pendiente, aspecto y tipo de suelo76. En el presente estudio, las estructuras de recarga artificial (tanque de percolación, presa de control y estanque agrícola) se propusieron basándose en las recomendaciones del Comité Nacional de Hidrología de la India (INCOH)76. Para seleccionar las estructuras adecuadas, los diferentes criterios de selección como dimensiones y sus aplicaciones se discutieron en las Tablas 6 y 7.

El volumen total de almacenamiento subterráneo se estimó en función del espesor de la zona no saturada (dentro de 10 mbgl). Y se supuso que el volumen de estratos no saturados que recargarán y almacenarán el agua subterránea será el 40% del volumen total de almacenamiento subterráneo77.

El excedente de escorrentía representó el 40% del escurrimiento total generado en la cuenca de Mand para la recarga artificial de los acuíferos77.

Este artículo no contiene ningún estudio con animales realizado por ninguno de los autores. Este artículo no contiene ningún estudio con participantes humanos realizado por ninguno de los autores.

La densidad de drenaje (DD) del estudio se estimó utilizando la longitud total del arroyo (11.651,15 km) y el área de captación total. Del análisis se observó que el área de estudio contaba con un total de 20,203 quebradas. Los DD del área de estudio oscilaron entre 0,75 y 4 km/km2. Además, el DD se dividió en cuatro clases: extremadamente alto (3 a 4 km/km2), alto (2 a 3 km/km2), medio (1 a 2 km/km2) y bajo (0 a 1 km/km2). ) (Fig. 3). Un total del 58% del área cae en la categoría de DD baja (0–1 km/km2), y el 12% del área cae en la categoría de DD muy alta (3–4 km/km2). En el presente estudio, se asignaron pesos más altos a las regiones de DD bajo y se asignaron pesos más bajos a las regiones de DD alto. La DD Baja indica una mayor infiltración de agua de lluvia y contribuye al potencial de agua subterránea, mientras que los valores más altos de DD indican una alta escorrentía superficial y una menor infiltración62.

Mapa de densidad de drenaje de la cuenca (esta figura se generó usando ArcGIS 10.4 http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

Las precipitaciones son la principal fuente de recarga de aguas subterráneas en el área de estudio, y casi el 85% de ellas se reciben durante la temporada de monzones del suroeste. La tasa de infiltración del agua de escorrentía se ve directamente afectada por la distribución de las precipitaciones y la pendiente de la pendiente, lo que aumenta la probabilidad de que se formen zonas potenciales de agua subterránea. La precipitación anual en el área de estudio osciló entre 1291 y 1734 mm y, además, se dividió en cinco clases: muy baja (1200-1300 mm), baja (1300-1400 mm), moderada (1400-1500 mm) y alta. (1500–1600 mm) y muy alto (1600–1750 mm)45 Fig. 4). En el presente estudio, a las clases de alta precipitación se les dio un peso alto de 4, y viceversa para el análisis AHP. En la región de estudio, la parte norte recibe la menor cantidad de lluvia (alrededor del 20% del área total), mientras que la parte sur recibe la mayor cantidad de lluvia.

Distribución espacial de la lluvia en la cuenca (esta cifra se generó usando ArcGIS 10.4 http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

La textura del suelo es un componente geomórfico importante para determinar la GPZ. Influye en la estructura del suelo, la proporción de huecos, la porosidad y la permeabilidad del suelo4. El grupo de suelo dominante del área de estudio fue suelo franco limoso y de textura franco (color rojo y amarillo), que tiene un potencial de escorrentía moderado, una tasa moderada de transmisión de agua (0,15 a 0,30 pulgadas/hora) y una tasa de infiltración moderada (3,81 a 0,30 pulgadas/hora). 7,62 mm/h) (Fig. 5, Tabla 8). A la textura del suelo (grava, arena y marga arenosa), que tiene una alta tasa de infiltración (7,62 a 11,43 mm/h) y una alta transferencia de agua (0,30 pulgadas/h), se les asignan valores de ponderación altos, lo que indica un fuerte potencial de agua subterránea. Y la textura del suelo (arcillosa, limosa y franca) que tiene una baja tasa de infiltración (0–3,81 mm/h) y una baja capacidad de transmisión de agua (0–0,15 pulg/h) recibe una ponderación menor debido a su bajo potencial de agua subterránea (USDA-SCS Clasificación de suelos).

Mapa de textura del suelo del área de estudio (esta figura se generó usando ArcGIS 10.4 http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

La pendiente del área de estudio se dividió en seis categorías: nivel (0%), casi nivel (0–2%), pendiente muy suave (2–4%), pendiente suave (4–6%), pendiente ligeramente moderada (6 –8%), con pendiente moderada (8-10%), con pendiente fuerte (10-14%), con pendiente pronunciada (14-16%) y con pendiente muy pronunciada (>16%) (Fig. 6). El mapa de pendientes de la cuenca ilustra una topografía complicada con ondulaciones y pendientes desiguales. La mayor parte de la cuenca contiene campos casi planos a moderadamente inclinados, que pueden considerarse excelentes sitios de recarga de agua subterránea, ya que el agua superficial tiene más tiempo para infiltrarse y, en consecuencia, se le dieron ponderaciones más altas. La cuenca tiene una región con una pendiente de fuerte a severa, lo que es malo para la recarga de aguas subterráneas ya que el agua superficial no tiene tiempo de infiltrarse a través de la superficie del suelo.

Pendiente del área de estudio (esta figura se generó usando ArcGIS 10.4 http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

El tipo de presencia de agua subterránea y su distribución está fuertemente influenciado por la geología. La geología predominante de la cuenca de Mand son las rocas de Gondwana, el 46% de su área, seguidas por el complejo gneissic de Chhotanagpur (26%) y el supergrupo de Chhattisgarh, que incluye las formaciones Raigarh y Chandrapur (15,25%) (Fig. 7). Las formaciones Talchir, Barakar, Kamthi y Mahadeva son las rocas Gondwana de la región. La Formación Barakar cubre la mayor parte de Gondwana (32,85%) seguida de Kamthi (7,47%) (Tabla 9). Barakar es el único depósito de carbón del área de estudio tanto en las zonas poco profundas como en las más profundas. Los Kamthi son los miembros más nuevos y están representados principalmente por areniscas y lutitas ricas en hierro y de color entre sucio y marrón. La litología de la formación Talchir incluye esquisto, arenisca y lecho de rocas. Debido a que Gondwana está formado por sedimentos, se le asigna la ponderación más alta debido a la mayor probabilidad de presencia de aguas subterráneas debido a su litología.

Mapa geológico del área de estudio (esta figura fue generada usando ArcGIS 10.4 http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

Las rocas cristalinas y metamórficas, que forman parte del complejo gneísico de Chhotanagpur, se encuentran principalmente en el extremo norte de la región. Las rocas gneísicas de Chhotanagpur son en su mayoría esquistos de mica de cuarzo y cuarcita con gneis de granito, con intrusiones de granito y dolerita72. Se les da el menor peso debido a su litología, que tiene una baja transmisividad de agua.

Se le dio una ponderación moderada al acuífero freático en el supergrupo de Chhattisgarh, ya que el área es buena para el desarrollo de aguas subterráneas debido a su buen potencial de producción.

La geomorfología es el elemento importante para comprender la presencia, potencial y flujo de los recursos de agua subterránea debido a su actividad tectónica y procesos denudacionales. Las llanuras estructurales sobre rocas de Gondwana cubren el 46% del área, seguidas por frontones/pedillanuras (26%) y las llanuras estructurales y mesetas sobre rocas proterozoicas (21%) dominan la cuenca de Mand (Fig. 8). A las llanuras estructurales de las rocas de Gondwana se les ha asignado la mayor ponderación; debido a su origen sedimentario, sirve como una destacada fuente de recarga de aguas subterráneas6. El complejo frontón/pedillanura ubicado en las partes noreste y sur de la cuenca, que está formado por material de coluvión erosionado o grava; Sirve como una importante fuente de recarga de agua subterránea en la cuenca y, por lo tanto, se le da más importancia.

Geomorfología del área de estudio (esta figura fue generada usando ArcGIS 10.4 http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

Las llanuras y mesetas estructurales sobre rocas proterozoicas que cubren la parte sur y este respectivamente reciben un peso moderado debido a las altas tasas de transmisión de depósitos de aluvión en una pendiente suave y frecuentemente están conectadas con potenciales de pozo. El valor menos ponderado se proporcionó a la meseta denudacional sobre rocas magnéticas y metamórficas, ya que tienen más escurrimiento superficial que recarga debido a una mala transmisión de agua.

Un lineamiento es una característica lineal, es decir, una falla y una fractura en un paisaje que representa la estructura geológica debajo de él. Los lineamientos mejoran la porosidad secundaria y la permeabilidad, que son cruciales en términos de hidrogeología porque proporcionan vías para la circulación del agua subterránea40 (Fig. 9). Como resultado, estas características definen a las GPZ58. La posibilidad de un área potencial de agua subterránea disminuye al disminuir el número de lineamientos y aumenta al aumentar el número de lineamientos57.

Mapa de lineamientos del área de estudio (esta figura fue generada usando ArcGIS 10.4 http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

Debido a los extensos lineamientos, el mapa de lineamientos sugiere que las partes sur y oeste de la región de estudio son muy apropiadas para la recarga de aguas subterráneas. Según la densidad de lineamientos, el norte y algunas partes centrales del estado tienen menos potencial para la recarga de aguas subterráneas, ya que la densidad disminuye del sur al centro y luego al norte. En la Tabla 10 se enumeran las diferentes estructuras de lineamientos, así como sus correspondientes longitudes.

Los procesos hidrogeológicos, geohidroclimáticos y de los ciclos del agua, como la escorrentía, la infiltración y la evapotranspiración, se ven significativamente afectados por LULC y, en última instancia, afectan la recarga de las aguas subterráneas. El LULC del área de estudio se dividió en nueve clases, tales como tierras agrícolas, tierras en barbecho, asentamientos, bosques densos, bosques abiertos, tierras áridas, masas de agua poco profundas, masas de agua profundas y matorrales (Fig. 10, Tabla 11). En la parte superior de la cuenca predominan los matorrales, mientras que en la parte media e inferior de la cuenca predominan las tierras agrícolas, los asentamientos y las masas de agua. El uso de la tierra y la cobertura del suelo se validaron utilizando imágenes satelitales de Google, datos de verificación del terreno y coeficiente kappa. El coeficiente kappa (Kp) se calculó con base en el método discutido por otros investigadores78,79. El coeficiente Kappa varía de 0 a 1, y un valor de coeficiente más alto indica una mayor precisión80,81.

Mapa LULC del área de estudio (esta figura se generó usando ArcGIS 10.4 http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

En general, las tierras agrícolas cubren casi el 58,14% de la cuenca hidrográfica total, seguidas por los matorrales y las tierras en barbecho. Se encontró que la precisión general de la clasificación era del 89,25% y el coeficiente Kappa era del 0,91. Los distritos de Bastar, Dhamtari y Korba en Chhattisgarh observaron resultados similares82,83,84.

Entre todos los LULC, los cuerpos de agua recibieron la puntuación más alta: 4, ya que en la región de investigación transportan un volumen sustancial de agua durante todo el año. De manera similar, las tierras agrícolas y las áreas de bosques densos también recibieron la puntuación más alta (4), ya que las raíces de los árboles aflojan el suelo y aumentan la capacidad de retención de agua y la filtración. Las tierras baldías, las tierras áridas y los asentamientos recibieron una puntuación de moderada a baja, de 3 a 1, según su capacidad de transmisión y retención de agua.

La curvatura de las laderas de las colinas, que representa la morfología de la topografía regional, es un factor importante a considerar en el caso de la hidrología del agua subterránea y la inestabilidad del terreno. Es la forma del perfil de la superficie, que puede ser cóncava, lineal o convexa40. Las formas y curvaturas de una pendiente tienen una fuerte influencia en la dinámica de la hidrología superficial y subterránea, así como en el desarrollo y acumulación de suelo. En comparación con las pendientes convexas, el espesor del suelo es mayor en las pendientes cóncavas. Debido a que el agua superficial y subterránea se acumula en la pendiente cóncava, aumentando la presión del agua intersticial durante tormentas y aguaceros severos, se le da más peso al potencial de agua subterránea. Se produce un escurrimiento rápido en una pendiente convexa, lo que evita el almacenamiento de agua y da como resultado una menor importancia para el potencial hídrico subterráneo. Las pendientes convexas incluyen colinas intermedias y pendientes laterales. Las características cóncavas incluyen accidentes geográficos erosivos como barrancos. Los accidentes geográficos planos son aquellos que se encuentran entre las categorías de pendiente cóncava y convexa. En la cuenca de Mand, los valores de curvatura oscilan entre 8,51 y + 9,08 y la Fig. 11 muestra el mapa de curvatura del área. Un valor de curvatura positivo indica que la superficie es convexa, mientras que un valor de curvatura negativo indica que la pendiente es cóncava. A las superficies lineales se les da el valor cero.

Mapa de curvatura del área de estudio en Arc-GIS 10.4 (http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

Los nueve parámetros mencionados anteriormente se consideraron para la identificación de zonas potenciales de aguas subterráneas. Estos parámetros se utilizaron en el enfoque AHP y, en consecuencia, se asignaron ponderaciones según la matriz de comparación por pares. Se encontró que el CR y el CI eran 0,05 y 0,094, respectivamente, para GPZ altos.

Las zonas de potencial de agua subterránea (GPZ) del área de estudio se dividieron en cuatro grupos: GPZ baja, baja a media, media a alta y extremadamente alta, que cubre el área de 18.05, 37.88, 18.18 y 25.89%, respectivamente ( Figura 12, Tabla 12). La zona de muy alto potencial se encontró en áreas como Kharsia, Raigarh, Korba y algunas partes del bloque Dharamjaigarh, y las GPZ bajas se encontraron en los bloques Lundra, Batauli, Pathalgaon y Sitapur. Debido a la disponibilidad de suelos de textura arcillosa y bien drenados, alta intensidad de precipitaciones, presencia de lineamientos, pendiente suave, curvatura cóncava, formación geológica favorable y vastas tierras agrícolas con excelente capacidad de infiltración, los resultados muestran que la excelente GPZ se concentró en el área sur, occidental y pequeña en la parte central de la cuenca. Y la existencia de suelo mal drenado, menos lluvia, roca metamórfica debajo, menor número de lineamientos y curvatura convexa, la sección norte y noroeste de la región de estudio tiene un potencial muy pobre o bajo para la recarga de aguas subterráneas. Se informaron resultados comparables para la cuenca Karun de Chhattisgarh76 y en algunas cuencas idénticas con metodología similar20,40,45.

Zonas potenciales de agua subterránea del área de estudio en Arc-GIS 10.4 (http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

La validación de las GPZ estimadas se realizó comparándolas con el mapa de fluctuación del agua subterránea calculado utilizando datos de pozos de observación (Fig. 13) obtenidos de los datos de pozos de observación de la Junta Central de Aguas Subterráneas (CGWB). En este estudio se tuvieron en cuenta un total de 79 datos de pozos de observación. El mapa de fluctuación del agua subterránea se generó utilizando datos del nivel del agua mbgl (metros bajo el nivel del suelo) antes del monzón (abril) y después del monzón (diciembre) (Fig. 14a, b). En general, las áreas con mayor fluctuación del nivel del agua tienen un bajo potencial de agua subterránea, mientras que aquellas con menos fluctuación del nivel del agua suelen tener un alto potencial de agua subterránea45,62.

Mapa de ubicación del pozo (esta figura se generó usando ArcGIS 10.4 http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

(a) Nivel de agua antes del monzón en el área de estudio, (b) nivel de agua después del monzón en el área de estudio (esta figura se generó usando ArcGIS 10.4 http://appsforms.esri.com/products/download/index.cfm?fuseaction =descargar.main&downloadid=1932).

Durante la temporada previa al monzón, el nivel freático fluctúa de 1,9 a 19,95 mbgl, con un promedio de 10,40 mbgl, esto puede deberse a la extracción de agua subterránea para riego. La profundidad del nivel freático más superficial se encontró en la parte sur de la cuenca, mientras que la profundidad del nivel freático profundo se encuentra en la parte occidental. La fluctuación del nivel freático durante el período posterior al monzón oscila entre 2,09 y 18,30 mbgl, con un promedio de 6,42 mbgl. En el mapa de fluctuación del agua subterránea, se observó que el bloque pathalgaon tiene la profundidad de agua más profunda, mientras que Dabhara y Pusaur tienen la profundidad más superficial. El mapa de fluctuación del agua subterránea (Fig. 15) muestra que las partes sur y algunas partes del noroeste del área de estudio tienen una baja fluctuación del agua subterránea, lo que indica una zona de alto potencial hídrico. Mientras que las partes occidental y algunas partes centrales del área de estudio tienen más fluctuaciones en el nivel freático, lo que indica una zona de bajo potencial de agua subterránea. Los diagramas de dispersión en la Fig. 16 revelan una relación negativa entre la fluctuación del agua subterránea y el potencial del agua subterránea. Del resultado del estudio se puede inferir que el mapa de potencial de agua subterránea es muy preciso en comparación con los mapas de fluctuación de agua subterránea y puede utilizarse para la gestión de recursos de agua subterránea en la cuenca de Mand. Se descubrió que los pozos en GPZ bajas tenían una capacidad de producción de agua de 10 a 50 litros por minuto (lpm). mientras que en las GPZ medias, medias a altas y altas, la capacidad de producción de agua era de 50 a 100 lpm y de 100 a 200 lpm, respectivamente. Se puede inferir del estudio que las metodologías basadas en SIG y AHP para delinear las GPZ utilizadas aquí son una forma viable para la planificación y el desarrollo basado en cuencas fluviales en regiones tropicales y subtropicales con una variedad de escenarios geoambientales.

Mapa de fluctuación de aguas subterráneas (esta figura se generó con ArcGIS 10.4 http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

Relación entre zonas de potencial terrestre y fluctuación de las aguas subterráneas.

La zona de alto potencial de agua subterránea implica que la disponibilidad o capacidad de carga de agua subterránea es alta en el área. Y el plan de gestión es necesario para las zonas de potencial bajo y bajo a medio para el desarrollo o recarga de aguas subterráneas. El tipo de estructuras a construir para el manejo de aguas subterráneas se seleccionó con base en el mapa de GPZ, el mapa de profundidad hasta el nivel del agua y la topografía del área de estudio. Se propusieron diferentes estructuras, como tanques de percolación, presas de control y estanques agrícolas, para la recarga artificial y el almacenamiento de agua en las GPZ bajas y bajas a medias. El número total de tanques de percolación, presas de control y estanques agrícolas es 36, 39 y 21, respectivamente (Fig. 17).

Mapa de estructuras de recarga artificial en Arc-GIS 10.4 (http://appsforms.esri.com/products/download/index.cfm?fuseaction=download.main&downloadid=1932).

En la cuenca de Mand, el volumen de estratos no saturados que recargarán y almacenarán agua subterránea es de 21,33 km3, o el 40% del almacenamiento total del subsuelo77. La cantidad total de escorrentía generada por la cuenca de Mand fue de 5,07 km3. Del total de escorrentía 2,03 km3 (40%) se consideraron excedentes para recarga artificial77. Esta escorrentía prevista puede adaptarse a la capacidad de almacenamiento subterráneo calculada, lo que elevará los niveles de agua subterránea en las GPZ bajas y bajas a medias.

El estudio actual evaluó el potencial de las aguas subterráneas utilizando metodologías AHP y GIS en la cuenca de Mand dominada por la agricultura en la cuenca media de Mahanadi. Para mapear las GPZ de la región de investigación, se ponderaron y superpusieron nueve criterios en el entorno ArcGIS 10.5: geología, geomorfología, curvatura, pendiente, LULC, densidad de drenaje, lineamiento, suelo y lluvia. El potencial de agua subterránea muestra que el 37,88% del área se encuentra en la zona de potencial bajo a medio, el 18,18% se encuentra en la zona de potencial medio a alto, el 25,89% se encuentra en la zona de potencial muy alto que cubre las partes sur y oeste, y sólo el 18,05% se encuentra en las GPZ muy bajas que cubren las partes norte y noroeste.

La investigación considera iniciativas para gestionar el uso extensivo de agua mediante el almacenamiento estacional de agua superficial y su recarga con escorrentía estacional, así como la modificación de los métodos de riego en lugares con potencial de recarga bajo y bajo a medio. La escorrentía del área de estudio puede acomodarse mediante la capacidad informática de almacenamiento subterráneo, lo que elevará los niveles de agua subterránea en las GPZ bajas y bajas a medias. La capacidad de almacenamiento subterráneo calculada (21,33 km3 o 40% del área total de almacenamiento subterráneo) puede acomodar la escorrentía (2,03 km3 o 40% de la escorrentía total), elevando los niveles de agua subterránea en las GPZ bajas y bajas a medias. Según los resultados del estudio, se sugirieron varias estructuras de recarga de aguas subterráneas, como estanques agrícolas, presas de control y tanques de percolación en lugares apropiados de la cuenca de Mand para mejorar las condiciones de las aguas subterráneas y hacer frente a la escasez de recursos hídricos en la agricultura y el uso doméstico. El número total de tanques de percolación, presas de control y estanques agrícolas es 36, 39 y 21, respectivamente. Dado que las tierras agrícolas constituyen la mayor parte del área de estudio, esta investigación ayudará a mejorar el sistema de riego y aumentar la producción agrícola de la región. Este estudio demuestra que la integración de SIG puede proporcionar una plataforma eficiente y efectiva a los planificadores y tomadores de decisiones para una gestión y planificación adecuadas de las aguas subterráneas a través del análisis convergente de varios conjuntos de datos.

Los autores confirman que los datos que respaldan los hallazgos de este estudio están disponibles en el artículo y sus materiales complementarios. Los datos utilizados en esta investigación están disponibles por el autor correspondiente previa solicitud razonable.

Taylor, RG y cols. Aguas subterráneas y cambio climático. Nat. Subir. Chang. 3, 322–329. https://doi.org/10.1038/nclimate1744 (2012).

ADS del artículo Google Scholar

Kolanuvada, SR, Ponpandian, KL & Sankar, S. Enfoque basado en múltiples criterios para la ubicación óptima de estructuras de recarga artificial mediante modelado hidrológico. Árabe J. Geosci. 12(6), 190. https://doi.org/10.1007/s12517-019-4351-y (2019).

Artículo de Google Scholar

Wada, Y. et al. Agotamiento global de los recursos de aguas subterráneas. Geofís. Res. Letón. 37, L20402. https://doi.org/10.1029/2010GL044571 (2010).

ADS del artículo Google Scholar

Kumar, P., Herath, S., Avtar, R. y Takeuchi, K. Mapeo de zonas potenciales de agua subterránea en el área de Killinochi, Sri Lanka, utilizando técnicas SIG y RS. Sostener. Recurso Acuático. Gestionar. 2(4), 419–430. https://doi.org/10.1007/s40899-016-0072-5 (2016).

Artículo de Google Scholar

Rehman, HU, Ahmad, Z., Ashraf, A. y Ali, SS Predicción de zonas potenciales de aguas subterráneas en la parte superior de Thal Doab, cuenca del Indo, mediante el uso integrado de técnicas RS y GIS y modelado de flujo de aguas subterráneas. Árabe. J. Geosci. 12(20), 621. https://doi.org/10.1007/s12517-019-4783-4 (2019).

Artículo CAS Google Scholar

Escenario de aguas subterráneas del CGWB en la región del Himalaya. Gobierno de la India, India (2014).

Rani, M., Joshi, H., Kumar, K., Pande, A. & Rawat, DS Desarrollo de un modelo de idoneidad del sitio de recarga y conservación para la recuperación de agua subterránea y evaluación del potencial de recarga artificial en un río hidrogeológico complejo alimentado por manantiales cuenca. Árabe J. Geosci. 12(18), 589. https://doi.org/10.1007/s12517-019-4784-3 (2019).

Artículo de Google Scholar

Jasrotia, AS, Kumar, R., Taloor, AK & Saraf, AK Recarga artificial a aguas subterráneas utilizando técnicas de modelado geoespacial y de aguas subterráneas en el noroeste del Himalaya. India. Árabe J. Geosci. 12(24), 774. https://doi.org/10.1007/s12517-019-4855-5 (2019).

Artículo de Google Scholar

Thapa, R., Gupta, S., Guin, S. y Kaur, H. Evaluación de zonas potenciales de aguas subterráneas utilizando factores de influencia múltiple (FOMIN) y SIG: un estudio de caso del distrito de Birbhum, Bengala Occidental. Aplica. Ciencia del agua. 7(7), 4117–4131. https://doi.org/10.1007/s13201-017-0571-z (2017).

ADS del artículo Google Scholar

Pande, CB, Moharir, KN, Singh, SK y Varade, AM Un enfoque integrado para delimitar las zonas potenciales de aguas subterráneas en el área de la cuenca de Devdari del distrito de Akola, Maharashtra, India central. Reinar. Desarrollo. Sostener. https://doi.org/10.1007/s10668-019-00409-1 (2019).

Artículo de Google Scholar

Bera, A., Mukhopadhyay, BP & Das, D. Mapeo de zonificación del peligro de deslizamientos de tierra utilizando análisis multicriterio con la ayuda de técnicas SIG: un estudio de caso del Himalaya oriental, Namchi, Sikkim del Sur. Nat. Peligros 96, 935–959. https://doi.org/10.1007/s11069-019-03580-w (2019).

Artículo de Google Scholar

Edet, AE y Okereke, CS Evaluación de las condiciones hidrogeológicas en los acuíferos subterráneos del macizo precámbrico de Oban, sureste de Nigeria. J. Aplica. Geofís. 36(4), 195–204. https://doi.org/10.1016/s0926-9851(96)00049-3 (1997).

ADS del artículo Google Scholar

Taylor, R. y Howard, K. Un modelo tectonogeomórfico de la hidrogeología de rocas cristalinas profundamente erosionadas: evidencia de Uganda. Hidrogeol. J. 8, 279–294. https://doi.org/10.1007/s100400000069 (2000).

ADS del artículo Google Scholar

Srivastava, PK & Bhattacharya, AK Evaluación de aguas subterráneas mediante un enfoque integrado utilizando RS, GIS y técnicas de resistividad: un estudio de caso de un terreno de roca dura. En t. J. Sensores remotos 27, 4599–4620. https://doi.org/10.1080/01431160600554983 (2006).

Artículo de Google Scholar

Shishaye, HA y Abdi, S. Exploración de aguas subterráneas para ubicaciones de pozos de agua utilizando métodos de estudio geofísico. Hidrol. actual. Res. 7, 1–7 (2016).

Google Académico

Messerschmid, C., Lange, J. & Sauter, M. Estimaciones de fugas y recarga de aguas subterráneas basadas en el campo en una cuenca kárstica semiárida del Mediterráneo oriental, Wadi Natuf, Cisjordania. Hidrol. Sistema Tierra. Ciencia. Conversar. https://doi.org/10.5194/hess-2018-329 (2018).

Lee, S., Hyun, Y. & Lee, MJ Mapeo del potencial de aguas subterráneas utilizando modelos de minería de datos de análisis de big data en Goyang-si, Corea del Sur. Sostenibilidad. 11(6), 1678. https://doi.org/10.3390/su11061678 (2019).

Artículo de Google Scholar

Lee, S., Lee, CW & Kim, JC Mapeo del potencial de productividad de las aguas subterráneas mediante regresión logística y modelos de árboles potenciados: el caso de la ciudad de Okcheon en Corea. En Avances en RS y Aplicaciones Geoinformáticas. 305–307 (Springer, 2019).

Elmahdy, SI y Mohamed, MM Modelo de relación de frecuencia probabilística para el mapeo del potencial de aguas subterráneas en la llanura de Al Jaww, Emiratos Árabes Unidos. Árabe. J. Geosci. 8, 2405–2416. https://doi.org/10.1007/s12517-014-1327-9 (2015).

Artículo de Google Scholar

Das, B., Pal, SC, Malik, S. & Chakrabortty, R. Modelado de zonas potenciales de aguas subterráneas del distrito de Puruliya, Bengala Occidental, India utilizando técnicas RS y GIS. Geol. Ecológico. Landsc. 3, 223–237. https://doi.org/10.1080/24749508.2018.1555740 (2019).

Artículo de Google Scholar

Zandi, J. y col. Mapeo de potenciales manantiales regionales de agua subterránea mediante el método estadístico de regresión logística. Recurso Acuático. 43, 48–57. https://doi.org/10.1134/S0097807816010097 (2016).

Artículo CAS Google Scholar

Cameron, E. & Peloso, G. Una aplicación de la lógica difusa a la evaluación del potencial de contaminación de los acuíferos. Reinar. Geol. 40, 1305-1315. https://doi.org/10.1007/s002540100353 (2001).

Artículo de Google Scholar

Das, B. & Pal, SC Evaluación de la vulnerabilidad de las aguas subterráneas a la sobreexplotación utilizando MCDA, AHP, lógica difusa y modelos de conjuntos novedosos: un estudio de caso de los bloques Goghat-I y II de Bengala Occidental, India. Reinar. Ciencia de la Tierra. 79(5), 1–16. https://doi.org/10.1007/s12665-020-8843-6 (2020).

ADS del artículo Google Scholar

Mogaji, KA, Lim, HS y Abdullah, K. Predicción regional del mapeo del potencial de aguas subterráneas en un terreno geológico multifacético utilizando el modelo Dempster-Shafer basado en SIG. Árabe. J. Geosci. 8(5), 3235–3258. https://doi.org/10.1007/s12517-014-1391-1 (2015).

Artículo de Google Scholar

Roy, DK y Datta, B. Un enfoque de metamodelado conjunto que utiliza la teoría de la evidencia de Dempster-Shafer para desarrollar estrategias de gestión de la intrusión de agua salada en acuíferos costeros. Recurso Acuático. Gestionar. 33, 775–795. https://doi.org/10.1007/s11269-018-2142-y (2019).

Artículo de Google Scholar

Masetti, M., Poli, S. & Sterlacchini, S. El uso de la técnica de modelado de ponderaciones de evidencia para estimar la vulnerabilidad del agua subterránea a la contaminación por nitratos. Nat. Recurso. Res. 16, 109-119. https://doi.org/10.1007/s11053-007-9045-6 (2007).

Artículo CAS Google Scholar

Tahmassebipoor, N., Rahmati, O., Noormohamadi, F. & Lee, S. Análisis espacial del potencial de las aguas subterráneas utilizando ponderaciones de evidencia y modelos de función de creencia evidencial y RS. Árabe. J. Geosci. 9, 79. https://doi.org/10.1007/s12517-015-2166-z (2016).

Artículo de Google Scholar

Mohanty, S., Jha, MK, Kumar, A. y Sudheer, KP Modelado de redes neuronales artificiales para la predicción del nivel del agua subterránea en una isla fluvial del este de la India. Recurso Acuático. Gestionar. 24(9), 1845–1865. https://doi.org/10.1007/s11269-009-9527-x (2010).

Artículo de Google Scholar

Chitsazan, M., Rahmani, G. & Neyamadpour, A. Predicción del nivel de las aguas subterráneas mediante redes neuronales artificiales como enfoque alternativo al modelado de las aguas subterráneas. J. Geol. Soc. India. 85, 98-106. https://doi.org/10.1007/s12594-015-0197-4 (2015).

Artículo de Google Scholar

Rahmati, O., Pourghasemi, HR & Melesse, AM Aplicación de modelos de bosque aleatorio y de máxima entropía basados ​​en datos SIG para el mapeo del potencial de aguas subterráneas: un estudio de caso en la región de Mehran, Irán. CATENA 137, 360–372. https://doi.org/10.1016/j.catena.2015.10.010 (2016).

Artículo de Google Scholar

Saghebian, SM, Sattari, MT, Mirabbasi, R. & Pal, M. Clasificación de la calidad del agua subterránea mediante el método del árbol de decisión en la región de Ardebil, Irán. Árabe. J. Geosci. 7, 4767–4777. https://doi.org/10.1007/s12517-013-1042-y (2014).

Artículo de Google Scholar

Stumpp, C. y col. Una herramienta de árbol de decisiones que respalda la evaluación de la vulnerabilidad de las aguas subterráneas. Reinar. Ciencia de la Tierra. 75, 1057. https://doi.org/10.1007/s12665-016-5859-z (2016).

ADS del artículo Google Scholar

Srdjevic, B. & Medeiros, YDP Evaluación difusa de AHP de planes de gestión del agua. Recurso Acuático. Gestionar. 22, 877–894. https://doi.org/10.1007/s11269-007-9197-5 (2008).

Artículo de Google Scholar

Machiwal, D., Jha, MK & Mal, BC Evaluación del potencial de aguas subterráneas en una región semiárida de la India utilizando técnicas RS, GIS y MCDM. Recurso Acuático. Gestionar. 25(5), 1359-1386. https://doi.org/10.1007/s11269-010-9749-y (2011).

Artículo de Google Scholar

Rahman, MA y cols. Un estudio integrado de análisis espacial multicriterio y modelado matemático para el mapeo de idoneidad de sitios de recarga de acuíferos gestionados y la clasificación de sitios en el acuífero costero del norte de Gaza. J. Medio Ambiente. Gestionar. 124, 25–39. https://doi.org/10.1016/j.jenvman.2013.03.023 (2013).

Artículo de Google Scholar

Jhariya, DC, Kumar, T., Gobinath, M., Diwan, P. & Kishore, N. Evaluación de zonas potenciales de aguas subterráneas utilizando técnicas RS, GIS y MCDA. J. Geol. Soc. India. 88(4), 481–492. https://doi.org/10.1007/s12594-016-0511-9 (2016).

Artículo de Google Scholar

Akinlalu, AA, Adegbuyiro, A., Adiat, KAN, Akeredolu, BE y Lateef, WY NRIAG J. Astron. Geofís. 6, 184–200. https://doi.org/10.1016/j.nrjag.2017.03.001 (2017).

ADS del artículo Google Scholar

Chakrabortty, R., Pal, SC, Malik, S. & Das, B. Modelado y mapeo de zonas de potencialidad de aguas subterráneas utilizando técnicas AHP y GIS: un estudio de caso del bloque Raniganj, Paschim Bardhaman, Bengala Occidental. Modelo del sistema terrestre. Reinar. 4(3), 1085-1110. https://doi.org/10.1007/s40808-018-0471-8 (2018).

Artículo de Google Scholar

Aggarwal, M., Saravanan, S., Jennifer, JJ y Abijith, D. Delineación de zonas potenciales de agua subterránea para la región de roca dura en Karnataka utilizando AHP y GIS. En Avances en RS y Aplicaciones Geoinformáticas. 315–317 (Springer, 2019).

Arulbalaji, P., Padmalal, D. & Sreelash, K. Delineación basada en técnicas GIS y AHP de zonas potenciales de aguas subterráneas: un estudio de caso del sur de Ghats occidentales, India. Ciencia. Rep. 9(1), 1-17. https://doi.org/10.1038/s41598-019-38567-x (2019).

Artículo CAS Google Scholar

Magesh Kumar, P., Subbaiyan, A., Lakshmanan, E. y Thirumoorthy, P. Aplicación de técnicas geoespaciales para delimitar zonas potenciales de aguas subterráneas: un estudio de caso del sur de la India. Árabe. J. Geosci. 12(5), 151. https://doi.org/10.1007/s12517-019-4289-0 (2019).

Artículo de Google Scholar

Al-Djazouli, MO, Elmorabiti, K., Rahimi, A., Amellah, O. & Fadil, OAM Delineación de zonas potenciales de aguas subterráneas basadas en RS, GIS y AHP: un caso de Waddai, este de Chad. GeoRevista https://doi.org/10.1007/s10708-020-10160-0 (2020).

Artículo de Google Scholar

Hamdani, N. & Baali, A. Caracterización de zonas potenciales de aguas subterráneas utilizando AHP y técnicas geomáticas integradas en el Medio Atlas Central (Marruecos). Appl Geomath. https://doi.org/10.1007/s12518-020-00300-z (2020).

Artículo de Google Scholar

Saranya, T. & Saravanan, S. Mapeo de zonas potenciales de aguas subterráneas utilizando AHP y SIG para el distrito de Kancheepuram, Tamilnadu. Sistema Terrestre Modelo de la India. Reinar. 6, 1–18. https://doi.org/10.1007/s40808-020-00744-7 (2020).

Artículo de Google Scholar

Bera, A., Mukhopadhyay, BP & Barua, S. Delineación de zonas potenciales de aguas subterráneas en la cuenca del río Karha, Maharashtra, India, utilizando AHP y técnicas geoespaciales. Árabe. J. Geosci. 13(15), 1–21 (2020).

Artículo de Google Scholar

Dar, T., Rai, N. & Bhat, A. Delineación de zonas potenciales de recarga de aguas subterráneas utilizando AHP (AHP). Geol. Ecológico. Landsc. 5(4), 292–307 (2021).

Artículo de Google Scholar

Doke, AB, Zolekar, RB, Patel, H. & Das, S. Mapeo geoespacial de zonas potenciales de aguas subterráneas utilizando un enfoque AHP de toma de decisiones multicriterio en un terreno basáltico de roca dura en la India. Ecológico. Indiana 127, 107685 (2021).

Artículo de Google Scholar

Duarte, L. et al. Un WebGIS interactivo que integra el mapeo de susceptibilidad ambiental en una pila de desechos que se quema espontáneamente utilizando un enfoque de análisis de decisiones multicriterio. Geociencias. 12(10), 352 (2022).

ADS del artículo Google Scholar

Sahin, F., Kara, MK, Koc, A. & Sahin, G. Toma de decisiones multicriterio utilizando GIS-AHP para el problema de la contaminación del aire en la provincia de Igdir/Turquía. Reinar. Ciencia. Contaminación. Res. 27, 36215–36230 (2020).

Artículo de Google Scholar

Kumar, M., Singh, P. & Singh, P. Integración de SIG y teledetección para la delimitación de zonas potenciales de aguas subterráneas en la región de Bundelkhand, India. Egipto. J. Sensores remotos. Ciencia espacial. 25(2), 387–404 (2022).

Google Académico

Saaty, TL El proceso de jerarquía analítica (McGraw-Hill, 1980).

MATEMÁTICAS Google Scholar

Saaty, TL Toma de decisiones con el Proceso Analítico Jerárquico. En t. J. Serv. Ciencia. 1(1), 83–98 (2008).

Google Académico

Zhang, Q. y col. Evaluación del potencial de aguas subterráneas basada en SIG en diversas áreas topográficas de la ciudad de Mianyang, suroeste de China, mediante un proceso de jerarquía analítica. Sensores remotos 13(22), 4684 (2021).

ADS del artículo Google Scholar

Chandio, IA et al. AHP basado en SIG como instrumento de análisis de decisiones multicriterio: una revisión. Árabe. J. Geosci. 6, 3059–3066. https://doi.org/10.1007/s12517-012-0568-8 (2013).

Artículo de Google Scholar

Shukla, SM Análisis espacial de zonas potenciales de aguas subterráneas utilizando SIG y RS en la cuenca de toneladas del distrito de Allahabad, Uttar Pradesh, (India). Proc. Nacional. Acad. Ciencia. Secta India. Un médico. Ciencia. 84, 587–593. https://doi.org/10.1007/s40010-014-0157-1 (2014).

Artículo de Google Scholar

Oikonomidis, D., Dimogianni, S., Kazakis, N. & Voudouris, K. Una metodología basada en SIG/RS para la evaluación de la potencialidad de las aguas subterráneas en el área de Tirnavos, Grecia. J. hidrol. 525, 197–208. https://doi.org/10.1016/j.jhidrol.2015.03.056 (2015).

ADS del artículo Google Scholar

Das, S., Gupta, A. y Ghosh, S. Exploración de zonas potenciales de aguas subterráneas utilizando la técnica FOMIN en una región semiárida: un estudio de caso del distrito de Hingoli, Maharashtra. Escupió. inf. Res. 25(6), 749–756. https://doi.org/10.1007/s41324-017-0144-0 (2017).

Artículo de Google Scholar

Das, S. & Pardeshi, SD Integración de diferentes factores de influencia en SIG para delimitar áreas potenciales de aguas subterráneas utilizando técnicas IF y FR: un estudio de la cuenca de Pravara, Maharashtra, India. Aplica. Ciencia del agua. 8(7), 197. https://doi.org/10.1007/s13201-018-0848-x (2018).

ADS del artículo Google Scholar

Bhattacharya, S., Das, S., Das, S., Kalashetty, M. & Warghat, SR Un enfoque integrado para mapear el potencial de aguas subterráneas aplicando técnicas geoespaciales y FOMIN en la región semiárida. Reinar. Desarrollo. Sostener. https://doi.org/10.1007/s10668-020-00593-5 (2020).

Artículo de Google Scholar

Rajasekhar, M., Gadhiraju, SR, Kadam, A. & Bhagat, V. Identificación de sitios potenciales de recolección de agua de lluvia basados ​​en la recarga de aguas subterráneas para el desarrollo sostenible de una región semiárida del sur de la India utilizando un enfoque geoespacial, AHP y SCS-CN. Árabe. J. Geosci. 13(2), 24. https://doi.org/10.1007/s12517-019-4996-6 (2020).

Artículo CAS Google Scholar

Abdullateef, L., Tijani, MN, Nuru, NA, John, S. y Mustapha, A. Evaluación del potencial de recarga de aguas subterráneas en una zona de transición geológica típica en Bauchi, noreste de Nigeria, utilizando enfoques RS/GIS y MCDA. Gamberro. 7(4), e06762 (2021).

Artículo CAS PubMed PubMed Central Google Scholar

Barua, S., Mukhopadhyay, BP & Bera, A. Evaluación integrada de zonas potenciales de aguas subterráneas en áreas dominadas por la agricultura en la parte occidental del distrito de Dakshin Dinajpur, Bengala Occidental, India. Árabe. J. Geosci. 14(11), 1–17 (2021).

Artículo de Google Scholar

Kharazi, P. & Heshmatpour, A. Delineación de sitios adecuados para represas de agua subterránea en el ambiente semiárido del noreste de Irán utilizando un método de toma de decisiones basado en SIG. Terreno. Sostener. Desarrollo. 15, 100657 (2021).

Artículo de Google Scholar

Owolabi, ST, Madi, K., Kalumba, AM y Orimoloye, IR Un enfoque de mapeo de zonas potenciales de aguas subterráneas para ambientes semiáridos utilizando técnicas RS, GIS y AHP: un estudio de caso de la cuenca de Buffalo, Eastern Cape, Sudáfrica. Árabe. J. Geosci. 13(22), 1-17 (2020).

Artículo de Google Scholar

Nagarajan, M. & Singh, S. Evaluación de zonas potenciales de aguas subterráneas utilizando la técnica SIG. J. Sociedad India. Sensores remotos 37, 69–77. https://doi.org/10.1007/s12524-009-0012-z (2009).

Artículo de Google Scholar

Magesh, NS, Chandrasekar, N. & Soundranayagam, JP Delineación de zonas potenciales de aguas subterráneas en el distrito de Theni, Tamil Nadu, utilizando técnicas RS, GIS y MIF. Geociencias. Frente. 3(2), 189–196. https://doi.org/10.1016/j.gsf.2011.10.007 (2012).

Artículo de Google Scholar

Kumar, S., Singha, S., Singh, R., Venkatesh, AS y Gogoi, U. Una toma de decisiones basada en criterios múltiples basada en el conocimiento: modelado geoespacial basado en procesos de jerarquía analítica para la delimitación de zonas de contaminación por fluoruro en aguas subterráneas, Jamui distrito, llanuras aluviales indogangéticas. India. Terreno. Sostener. Desarrollo. 18, 100795 (2022).

Artículo de Google Scholar

Akter, A., Uddin, AMH, Wahid, KB y Ahmed, S. Predicción de zonas potenciales de recarga de aguas subterráneas mediante técnica geoespacial. Sostener. Recurso Acuático. Gestionar. 6, 1-13 (2020).

Artículo de Google Scholar

Lu, Z., Deng, Z., Wang, D., Zhao, H., Wang, G. & Xu, H. Descripción general del progreso de la investigación de la tecnología de evaluación de recursos de aguas subterráneas basada en la teledetección. Geol. Sobrevivir. Porcelana. 114-124 (2021).

Ghosh, D., Mandal, M., Karmakar, M., Banerjee, M. y Mandal, D. Aplicación de tecnología geoespacial para delimitar zonas potenciales de aguas subterráneas en la cuenca de Gandheswari, Bengala Occidental. Sostener. Recurso Acuático. Gestionar. 6, 1-14 (2020).

Artículo de Google Scholar

Achu, AL, Thomas, J. & Reghunath, R. Análisis de decisiones multicriterio para la delimitación de zonas potenciales de aguas subterráneas en una cuenca fluvial tropical utilizando teledetección, SIG y proceso de jerarquía analítica (AHP). Terreno. Sostener. Desarrollo. 10, 100365 (2020).

Artículo de Google Scholar

Plan Maestro del CGWB para la recarga artificial de aguas subterráneas en la India, Ministerio de Recursos Hídricos, Gobierno. de la India (2002).

Gnanachandrasamy, G. et al. Mapeo de zonas potenciales de aguas subterráneas basado en RS y GIS en el distrito de Ariyalur, Tamil Nadu. J. Geol. Soc. India 92(4), 484–490 (2018).

Artículo de Google Scholar

Baghel, S., Tripathi, MP, Khalkho, D. & Kumar, A. Enfoque basado en RS y SIG en el análisis morfométrico de trece subcuencas de la cuenca del río Mand, Chhattisgarh. J. Conservación del agua del suelo. 20(3), 269–278 (2021).

Artículo de Google Scholar

Abijith, D. y col. Análisis multicriterio basado en SIG para la identificación de zonas potenciales de recarga de aguas subterráneas: un estudio de caso de la cuenca de Ponnaniyaru, Tamil Nadu, India. Res. hidráulica. 3, 1-14 (2020).

Google Académico

Nigam, GK & Tripathi, MP Generación de zonas de agua subterránea para la selección de posibles sitios adecuados para estructuras de recolección de agua para el suministro sostenible de agua para el desarrollo agrícola. Agrícola. Res. 9, 148-160 (2020).

Artículo de Google Scholar

Informe GEC del Comité de Estimación de Recursos de Agua Subterránea, Ministerio de Recursos Hídricos, Desarrollo de Ríos y Gobierno de Rejuvenecimiento del Ganges. de la India (2015).

Hishe, S., Bewket, W., Nyssen, J. & Lyimo, J. Análisis del cambio de cobertura del uso del suelo en el pasado y modelado futuro basado en CA-markov en el valle medio de suluh, norte de Etiopía. Geocarto Int. 35(3), 225–255. https://doi.org/10.1080/10106049.2018.1516241 (2020).

Artículo de Google Scholar

Vignesh, KS, Anandakumar, I., Ranjan, R. & Borah, D. Evaluación de la vulnerabilidad a las inundaciones utilizando un enfoque integrado de un modelo de toma de decisiones multicriterio y técnicas geoespaciales. Modelo. Sistema Tierra. Reinar. 7(2), 767–781. https://doi.org/10.1007/s40808-020-00997-2 (2021).

Artículo de Google Scholar

Rwanga, SS & Ndambuki, JM Evaluación de la precisión de la clasificación del uso y la cobertura del suelo mediante teledetección y SIG. En t. J. Geosci. 08(04), 611. https://doi.org/10.4236/ijg.2017.84033 (2017).

Artículo de Google Scholar

Talukdar, S. y col. Clasificación de la cobertura del suelo mediante clasificadores de aprendizaje automático para observaciones satelitales: una revisión. Sensores remotos 12(7), 1135. https://doi.org/10.3390/rs12071135 (2020).

ADS del artículo Google Scholar

Pradhan, A., Chandrakar, T., Nag, SK y Kerketta, A. Clasificación del uso de la tierra y detección de cambios en el distrito de Bastar, estado de Chhattisgarh, India, mediante el uso de SIG y técnicas de teledetección. Indio J. Ecol. 49(4), 1363–1368 (2022).

Google Académico

Khan, F. & Das, B. Clasificación del uso de la tierra y evaluación de la cobertura terrestre utilizando una matriz de precisión para el distrito de Dhamtari, Chhattisgarh, India. Suranaree J. Ciencia. Tecnología. 29(3), 1–8 (2022).

Google Académico

Pandey, M. & Mishra, A. Evaluación de la recuperación de tierras y la dinámica del paisaje utilizando técnicas geoespaciales en minas de carbón a cielo abierto de Korba, Chhattisgarh, India. Arco de Planta. 22(2), 456–461 (2022).

Artículo de Google Scholar

Descargar referencias

Los autores agradecen al Servicio Geológico de los Estados Unidos (USGS), la Junta Central de Aguas Subterráneas (CGWB), el Centro Nacional de Teledetección (NRSC), la Agencia de Gestión de Cuencas Hidrográficas del Estado de Chhattisgarh, Raipur y la CWC, Bhubaneswar.

Financiamiento de acceso abierto proporcionado por la Universidad Tecnológica de Lulea.

Departamento de Ingeniería de Suelos y Agua, CTAE MPUAT, Udaipur, India

Shreeya Baghel

Departamento de Ingeniería de Suelos y Agua, SVCAET y RS, IGKV, Raipur, CG, India

MP Tripathi

Ingeniería de Suelos y Aguas, Departamento de Ingeniería de Suelos y Aguas, SVCAET y RS, IGKV, Raipur, CG, India

Dhiraj Khalkho

Departamento de Ingeniería Civil, Ambiental y de Recursos Naturales, Universidad Tecnológica de Lulea, 97187, Luleå, Suecia

Nadhir Al-Ansari

Departamento de Ingeniería de Conservación de Suelos y Agua, Facultad de Tecnología, Universidad de Agricultura y Tecnología Govind Ballabh Pant, Pantnagar, Uttarakhand, 263145, India

Aekesh Kumar

Departamento de Ingeniería Agrícola, Facultad de Agricultura, Universidad de Mansoura, Mansoura, 35516, Egipto

Ahmed Elbelta

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

Todos los autores contribuyeron al estudio y después de la lectura aprobaron el manuscrito. (1) Concepción o diseño del trabajo: SB y MPT (2) Recopilación de datos: SB y MPT y DK (3) Análisis e interpretación de datos: SB, DK y AK Redacción del artículo: SB y MPT Revisión crítica del artículo : SB y AE Aprobación final de la versión a publicar: SB, MPT y NA

Correspondencia a Nadhir Al-Ansari.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Baghel, S., Tripathi, MP, Khalkho, D. et al. Delineación de sitios adecuados para la recarga de aguas subterráneas en función del potencial de las aguas subterráneas con enfoque RS, GIS y AHP para la cuenca Mand de la cuenca Mahanadi. Informe científico 13, 9860 (2023). https://doi.org/10.1038/s41598-023-36897-5

Descargar cita

Recibido: 14 de febrero de 2023

Aceptado: 12 de junio de 2023

Publicado: 18 de junio de 2023

DOI: https://doi.org/10.1038/s41598-023-36897-5

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Revista de ciencia del sistema terrestre (2023)

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.