Analysis of Spatial Variability in the Depth of the Water Table in Grassland Areas

• Autorzy: Grzywna A. , Kamińska A. , Bochniak A.

Warianty tytułu

PL

Analiza zmienności przestrzennej głębokości położenia wód gruntowych na użytkach zielonych

• Języki publikacji: EN

Abstrakty

EN

The kriging spatial statistical analysis technique was used to analyze spatial variability in the groundwater levels in irrigated grassland catchment in the Piwonia River valley. The geostatistical analysis in this study was performed using ArcGIS software, and the spatial distributions on fluctuations in groundwater levels were also studied. The objective of study was to evaluate the applicability of the kriging method for the analysis of the groundwater level. Field observation data collected in Sosnowica in 2011 were used (Western Polesie). The study area is located in Eastern Poland in the province of Lublin and has an temperate climate with temperature extremes -30°C and 35°C. (average 8°C). The annual rainfall in the area is about 600 mm, 40% of which occurs between June and September, and the evapotranspiration potential is high. The catchment area of the ditches is 0.46 km2 and is 86% of area is used as a one-crop seminatural meadows land. The soil cover is dominated by degraded soil muck-peat (MtII). In the catchment area 75% of the habitat moorshed and moist with a high groundwater level. In spring and summer, flooding of grassland in the eastern part of the study area was observed. It was caused by seepage of water from the pond and the supply of water after ice thawing or after rainfall. The obstruction of drainage including neglected ditches had also impact on flooding. The groundwater level in the western part of the study area decreased excessively in the fall because of drainage influence of the river which depth is 2 m. The dataset consisted of groundwater level measured at 15 points in three test periods (spring, summer and autumn). The measured groundwater levels were used to construct experimental semivariograms to characterize the spatial variability in the levels. A range of theoretical models (spherical, exponential, Gaussian models) were fitted to the experimental semivariograms. The models were validated using cross-validation statistics. Surface generated hydroizohipses maps were produced to illustrate spatial variations in the groundwater level in the study area. The spatial analysis of the groundwater level data from the piezometers led to the following conclusions: groundwater levels in the study area were autocorrelated in the distance between 203.5 and 300 m – depending on series, the groundwater level depth was smallest in the vicinity of the Hetman pond and greatest near the Piwonia river, spatial variability in the groundwater levels was described better by the Gaussian model than by the other models for all test series.

PL

Do analizy zmienności przestrzennej poziomu zalegania wód gruntowych na nawadnianych użytkach zielonych w dolinie zlewni rzeki Piwonia wykorzystano technikę przestrzennej analizy statystycznej w postaci krigingu. W prezentowanych badaniach analizę geostatystyczną obejmującą studium rozkładu przestrzennego wahań głębokości położenia wód gruntowych przeprowadzono przy użyciu oprogramowania ArcGIS. Celem pracy była ocena możliwości stosowania metody krigingu do analizy poziomu wody gruntowej. Wykorzystane zostały dane obserwacyjne zebrane w rejonie Sosnowicy w 2011 roku (Polesie Lubelskie). Badany obszar położony jest we wschodniej Polsce, w województwie lubelskim i charakteryzuje się klimatem umiarkowanym z ekstremalnymi temperaturami od -30°C do 35°C (średnia 8°C). Suma opadów rocznych na obszarze badań wynosi około 600 mm, z czego 40% ma miejsce w okresie od czerwca do września, a potencjalna ewapotranspiracji jest wysoka. Powierzchnia zlewni rowu wynosi 0,46 km2 i jest w 86% użytkowana jako jednokośne półnaturalne łąki. W pokrywie glebowej dominują zdegradowane gleby murszowo-torfowe (MtII). 75% powierzchni stanowią siedliska pobagienne i wilgotne charakteryzujące się wysokim poziomem wody gruntowej w glebie. Podtapianie łąk we wschodniej części obszaru badań na wiosnę i w lecie jest spowodowane filtracją wody ze stawu, doprowadzaniem wody i niedrożnością systemu melioracyjnego w trakcie roztopów lub ulewnych opadów deszczu. Z kolei w zachodniej części badanego obszaru poziom wód gruntowych nadmiernie się obniża z powodu drenującego działania rzeki, której głębokość wynosi 2 m. Zbiór analizowanych danych dotyczył poziomów wód gruntowych mierzonych w 15 punktach w trzech okresach badawczych (wiosna, lato, jesień). Pomierzone poziomy wody gruntowej zostały wykorzystane do skonstruowania semiwariogramów eksperymentalnych charakteryzujących poziomą zmienność przestrzenną. Gama modeli teoretycznych (model sferyczny, wykładniczy i Gaussa) została dopasowana do semiwariogramów eksperymentalnych. Modele zostały sprawdzone za pomocą statystyki krzyżowej. W celu ilustracji zmian przestrzennych głębokości położenia wód gruntowych na obszarze badań utworzone zostały mapy hydroizohips. Analiza przestrzenna danych poziomu wód gruntowych z piezometrów doprowadziła do następujących wniosków: - autokorelacja poziomu wód gruntowych w obszarze badań ma zasięg od 203,5 do 300 m – zależnie od serii, - głębokość położenia zwierciadła wód gruntowych była najmniejsza w pobliżu stawu Hetman, a największa w pobliżu rzeki Piwonia, - przestrzenna zmienność głębokości położenia wody gruntowej dla wszystkich serii badań była lepiej opisana przez model Gaussa niż przez inne modele.

Słowa kluczowe

EN

geostatistics; groundwater levels; semivariogram; kriging

PL

geostatystyka; poziom wody gruntowej; semiwariogram; kriging

• Wydawca: Politechnika Koszalińska
• Czasopismo: Rocznik Ochrona Środowiska
• Rocznik: 2016
• Tom: Tom 18, cz. 1
• Strony: 291--302
• Opis fizyczny: Bibliogr. 24 poz., tab., rys.

Twórcy

autor

Grzywna A.

• University of Live Sciences in Lublin

autor

Kamińska A.

• University of Live Sciences in Lublin

autor

Bochniak A.

• University of Live Sciences in Lublin

Bibliografia

• 1. Araghinejad, S. & Burn, D. H. (2005). Probabilistic forecasting of hydrological events Rusing geostatistical analysis. Hydrological Sciences Journal, 50, 837-856.
• 2. Bardossy, A. & Lehmann, W. (1998). Spatial distribution of soil moisture in a small catchment. Journal of Hydrology, 206, 1-15.
• 3. Diodato, N. & Ceccarelli, M. (2005). Interpolation processes using multivariate geostatistics for mapping of climatological precipitation mean in the Sannio Mountains (southern Italy). Earth Surface Processes and Landforms, 30, 259-268.
• 4. Feng, Q., Liu, Y. & Mikami, M. (2004). Geostatistical analysis of soil moisture variability in grassland. Journal of Arid Environments, 58, 357-372.
• 5. Fischer, M.M., Scholten, H.J. & Unwin, D.J. (1996). Spatial analytical perspectives on GIS. London: Taylor & Francis Ltd.
• 6. Germann, U. & Joss, J. (2001). Variograms of radar reflectivity to describe the spatial continuity of alpine precipitation. Journal of Applied Meteorology, 40, 1042-1059.
• 7. Grzywna, A. (2011). Zmiany położenia zwierciadła wody gruntowej w latach 2006-09 na zmeliorowanym obiekcie Sosnowica. Gaz, Woda i Technika Sanitarna, 10, 359-360.
• 8. Gundogdu, K.S. & Guney, I. (2007). Spatial analyses of groundwater levels using universal kriging. Journal of Earth System Science, 116, 1, 49-55.
• 9. Kitanidis, P.K. (1997). Introduction to geostatistics. Cambridge: University Press.
• 10. Kresic, N. & Mikszewski, A. (2013). Hydrogeological Conceptual Site Models: Data Analysis and Visualization. CRC Press, Boca Raton FLA.
• 11. Krivoruchko, K. (2006). Introduction to Spatial Data Analysis in GIS. ESRI Press.
• 12. Kumar, D. & Ahmed, S. (2003). Seasonal behaviour of spatial variability of groundwater level in a granitic aquifer in monsoon climate. Current Science, 84, 188-196.
• 13. Kumar, V. (2007). Optimal contour mapping of groundwater levels using universal kriging – a case study. Hydrological Sciences Journal, 52(5), 1038-1050.
• 14. Kumar, V. & Remadei. (2006). Kriging of groundwater levels – a case study. Journal of Spatial Hydrology, 6(1), 81-92.
• 15. Lakhankar, T., Jones, A.S., Combs, C.L., Sengupta, M., Vonder Haar, T.H. & Khanbilvardi, R. (2010). Analysis of large scale spatial variability, of soil moisture using, a geostatistical method. Sensors, 10, 913-932
• 16. Lipiński, J. (2003). Potrzeby melioracji w Polsce. Wiadomości Melioracyjne i Łąkarskie, 3, 115-117.
• 17. Merino, G.G., Jones, D., Stooksbury, D.E. & Hubbard, K.G. (2001). Determination of semivariogram models to kriging hourly and daily solar irradiance in Western Nebraska. Journal of Applied Meteorology, 40, 1085-1094. Mioduszewski, W. (2003). Mała retencja. Ochrona zasobów wodnych i środowiska. Poradnik, Wyd. IMUZ Falenty.
• 18. Namysłowska-Wilczyńska, B. (2006). Geostatystyka – teoria i zastosowanie. Wrocław: Oficyna Wydawnicza Politechniki Wrocławskiej.
• 19. Nikroo, L., Kompani-Zare, M., Sepaskhah, A.R. & Fallah Shamsi, S.R. (2010).
• 20. Groundwater depth and elevation interpolation by kriging methods in Mohr Basin of Fars province in Iran. Environmental Monitoring and Assessment, 166, 387-407.
• 21. Nyc, K. & Pokładek, R. (2004). Znaczenie małej retencji w kształtowaniu ilości i jakości wody. Zeszyty Naukowe AR we Wrocławiu, 502, Seria Inżynieria Środowiska, 13, 72-79.
• 22. Przybyła, Cz., Mrozik, K., Sosiński, M. & Kozdrój P. (2013). Changes in Groundwater Levels in the Catchment of the Jeżewo Retention Reservoir. Rocznik Ochrona Środowiska, 15, 492-504.
• 23. Uyan, M., & Cay, T. (2013). Spatial analyses of groundwater level differences Rusing geostatistical modeling. Environmental and Ecological Statistics, 20, 633-646.
• 24. Zawadzki, J. (2011). Metody geostatystyczne. Warszawa: Oficyna Wydawnicza Politechniki Warszawskiej

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.