Saltwater intrusion vulnerability assessment using AHP-GALDIT model in Kashan plain aquifer as critical aquifer in a semi-arid region
Notice bibliographique
Résumé
Owing to population growth and water demand, coastal aquifers all over the world are over–pumped, resulting in serious problems such as saltwater intrusion. So, in these conditions, assessing the groundwater system’s vulnerability and finding areas with saltwater intrusion potential are vital for the better management of aquifers. In this study, AHP-GALDIT was applied to saltwater intrusion vulnerability assessment in the Kashan plain. The AHP model determines the weight of each indicator in the GALDIT model. The most important indicators of the AHP model are distance from shore/high tide, groundwater head, groundwater system hydraulic conductivity, impact of present status of saltwater intrusion, saturated media depth, and groundwater occurrence. The AHP-GALDIT distribution map indicates four different rating areas in the Kashan plain, including: more than 10, 7.5 to 5, 5 to 2.5 and less than 2.5, which denote high, average, low, and very low vulnerability, which correspond to approximately 16.16, 25.51, 21.26, and 36.05% of the entire area, respectively. The results reveal that the northeastern part of this inland coastal aquifer is currently undergoing saltwater intrusion. But, it is not clear whether the source of salinity is saltwater intrusion from the “salt lake”, upcoming processes, or other sources. This study proves that the GIS-based AHP-GALDIT model is suitable to determine vulnerable sites with high accuracy by using the set of indicators affecting the vulnerability assessment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».