当前世界环境

介绍

泉水是一种自然现象，水从地下水源流出并流向地表。含水层水头与地面之间的高度差异通常会导致这种情况。¹然而，最近很明显，由于各种因素，包括人类活动和气候变化，印度喜马拉雅地区的泉水正在干涸或变得季节性。^{2 - 4}泉水的干涸可归因于温度升高、降雨更强、时间分布减少和冬季降雨显著减少。不幸的是，由于缺乏数据收集，导致有关该区域春季的信息和数据不足^{4, 34}

在喜马拉雅地区，由于具有挑战性的地形、高海拔变化和茂密的森林覆盖，评估泉水的潜力和产量至关重要。泉水的潜力是指泉水在供水充足的地区出现的可能性，这对估计地下水生产力至关重要。⁵为了管理地下水资源，像遥感和地理信息系统这样的技术可以帮助克服各种挑战。它们通过提供地球表面的多光谱、多时间和多传感器数据，提供快速和经济有效的分析。⁶然而，单靠遥感技术无法准确地确定地下水的可利用性。在GIS环境下，将卫星数据与常规数据相结合，可以识别和提取潜在的地下水区。多标准决策(MCDM)框架，特别是层次分析法，通常用于管理地下水资源。AHP是Saaty在1979年提出的一种杰出的MCDM模型，用于处理社会经济决策问题。^7、8本研究采用层次分析法对地下水勘探不同方面的重要性进行排序。^9、10

AHP和GIS相结合的方法可用于SPZ的识别，为区域内的泉水定位和水资源的恢复、保护和管理提供帮助。AHP模型强调组成部分的集群，这通常是水资源管理所必需的。¹¹许多研究人员利用RS-GIS和MCDM方法在全球范围内确定潜在的地下水带。^{8、12、13所示}然而，关于确定特别经济区的研究很少，特别是在喜马拉雅地区。⁵因此，研究的主要目标是利用GIS、AHP和八个春季控制要素来确定Papum Pare地区的特别经济区。

研究区域

Papum Pare是位于**东北部的一个地区，坐标范围为北纬26°55′~ 28°40′，东经92°40′~ 94°21′(如图1所示)。该地区属于热带中部丘陵地带，主要特征为海拔36 ~ 3694米的山脉、茂密的森林、河流流域和美丽的高原。该地区近75%的面积被茂密的森林覆盖。该地区的南部地区气候潮湿，而一些地方，如纳哈拉贡、多伊穆克和伊塔纳加尔，在夏季面临极端炎热的天气。相比之下，在Sagalee和north Mengio等许多地方，气温会降到冰点以下，使冬天的环境变得寒冷。这段时间的温度在10度到32度之间^oC，年平均相对湿度约82%。雨季通常从5月开始，一直持续到深秋(大约6月)。9月或10月)，年平均降雨量为3037.3毫米。

图1:Papum Pare区的地理位置 点击此处查看图

材料与方法

各种数据来源，包括卫星图像、索引地图和来自多个组织的信息，描绘了调查区域的春季潜在区(SPZ)。分析中使用的主题层包括土壤质地、地貌、岩性、降雨、坡度、排水密度、线条密度和泉水邻近图。ArcGIS软件加权叠加(WOA)工具将这些主题层结合起来，生成潜在区域。生成SPZ的完整过程如图2所示。

影响专题层的SPZ地图生成。

下一节将解释影响SPZ地图生成的因素。

斜率(Sl)

研究区坡度影响其地形和地下水补给的水分有效性。⁹地表的入渗和径流速率取决于坡度，坡度越陡，地下水补给时间越短，导致地表径流增加，地下水补给减少。另一方面，缓坡有很高的地下水补给。因此，山坡在喜马拉雅地区的可持续水资源管理中至关重要。⁵坡度由30m分辨率的DEM (https://earthexplorer.usgs.gov/)计算，并使用ArcGIS空间分析工具生成坡度图，然后将其分为五类，作为开发SPZ的输入，如图3(a)所示。坡度值分为接近水平(<15%)、非常平缓倾斜(15-35%)、平缓倾斜(35-55%)、中等倾斜(55-75%)和强烈倾斜(>75%)。斜率值越低，权重越大，斜率值越高，权重越低。⁶坡度值越低，地形越平缓或平坦，坡度值越高，地形越陡峭。

图2:弹簧电位区识别流程图 点击此处查看图

排水密度(Dd)

径流量和入渗量都取决于排水密度(Dd)。例如，低Dd表示高入渗和低排水，而高Dd表示高径流和低入渗。^14日10研究区域的Dd使用30米分辨率DEM (https://earthexplorer.usgs.gov/)确定。该地区的Dd被划分为五个不同的类别，如图3b所示。这五个不同的类别都非常低:<0.15;低:0.15- 0.35;中:0.35- 0.55;高:0.55- 0.75;非常高:>0.8(单位公里/公里)²）.这5个不同类别的Dd面积分别为:极低阶层1.09%、低阶层12.72%、中等阶层34.46%、高阶层34.76%、极高阶层16.96%。

线条密度(Ld)

线状分析是一种有价值的技术，可以增强对裂缝系统与地表水渗流关系的认识。它还有助于控制水的渗透和运动。^9、10因此，较高密度的地貌与较高的地下水潜力有关。^8、15本研究中使用的线线图数据来自Bhuvan (https://bhuvan.nrsc.gov.in/)，并以1:50000的分辨率收集。它被分为五个不同的类别，如图3c所示。这五个不同的类别都非常高:>0.42;高:0.32 - -0.42;中度:0.22 - -0.32;非常低:0.12-0.22;低:<0.12(单位:km/km)²）.按比例划分为极高(9.66%)、高(12.09%)、中等(17.04%)、极低(36.82%)、低(24.38%)。

土壤质地(St)

地下水补给受土壤类型的影响，而土壤类型又影响渗入地下地层的水量。^16、17土壤的有效孔隙度是由土壤中空隙的比例、土壤的质地和饱和度决定的，它控制着土壤的渗透性。细粒土入渗率低，粗粒土入渗率高，这取决于土壤颗粒的平均粒径。土壤质地图(Department of Agriculture, government of **)分为6种类型，分别为粗壤土(12.27%)、细壤土/砂质下层(49.48%)、壤土(17.70%)、细壤土(18.26%)、细壤土(0.48%)、粗壤土/砂质下层(1.69%)，如图3(d)所示。研究区面积1685.37 km，以细壤土/细砾质地下土为主²其次是细壤土和壤土，海拔621.77 km²602.70公里²。土壤类型、入渗速率和持水量主要决定了分配给每个土壤单元的权重。因此，细土和壤土的权重最小，而表面的砾石和粗壤土的权重最大。

图3影响因素分布图:(a)坡度，(b)排水密度，(c)线条密度，(d)土壤质地。 点击此处查看图

地貌学(通用)

地貌学研究研究区地形、地貌和过程，如水流、地球化学反应、温度变化和冻融等。¹⁸本研究使用的地貌图来自Bhukoosh (https://bhukosh.gsi.gov.in/)，分辨率为1:50000。如图4(a)所示，地貌构造被划分为不同的类别。冲积平原面积47.19公里²(1.38%)，洪泛区面积53.02公里^2，严重断裂的构造丘陵和山谷覆盖685.48公里²(20.13%)。这条河占地52.26公里²(1.54%)，池塘和其他水体覆盖0.14公里²(0.004%)，在地下水蓄水中起着重要作用。这些特征在允许水以高速率渗透方面具有更高的重要性。另一构造山的特征是复杂的弯曲和断裂，有多个节理和裂缝，主要作为径流区，允许有限的入渗，导致中低入渗速率。¹⁵

岩性(李)

泉水的存在不仅取决于当地地质，而且取决于水文地质。构造断裂和岩石类型在决定弹簧的产状方面起着关键作用。¹岩石类型及其与含水层性质(如孔隙度、渗透率和透过率)的关系显著影响含水层的持水能力、补给和排放速率以及地质构造。本研究利用了从Bhukoosh (https://bhukosh.gsi.gov.in/)获得的比例尺为1:5万分辨率的岩性图。研究区岩性包括砂岩、粘土、砾岩、煤、古木等(=11.62%);石榴状云母片岩(=7.75%);Sst，钙质结核，炭化木材，煤层(=16.95%);奥根片麻岩、黑云母片麻岩、花岗片麻岩(占23.46%);砂岩、结节状粘土层、植物化石(=11.35%);未映射区域(=16.18%);花岗岩类片麻岩(=7.66%)。每个地层的重量根据其压实特性、原生孔隙度和渗透率来确定。 Formations with greater porosity and permeability contribute to a higher rate of groundwater recharge and water output. Therefore, it is essential to understand the lithologic features of an area to predict the occurrence of springs and their hydrogeological characteristics.

降雨(Rf)

降水在地表水和地下水资源中都起着重要作用。因此，降雨特征显著影响地下水潜力。本研究使用的年平均雨量图来自WorldClim (https://www.worldclim.org/)，分辨率为30秒(~1 km2)。该地图根据降水量分为五个部分:极低(<1000毫米/年)、低(1000-1500毫米/年)、中(1500-2000毫米/年)、高(2000-2500毫米/年)和高(>2500毫米/年)，如图4c所示。高降雨和甚高降雨面积分别为20.32%和40.24%，表明这些地区的水分可利用性较高。因此，这些地区被赋予了更高的权重。中、低、极低降雨区分别占23.94%、10.72%和4.78%，权重较低。

图4:影响因素分布图:(a)地貌，(b)岩性，(c)降雨，(d)临近春季。 点击此处查看图

弹簧接近(Sp)

制作了弹簧接近图来确定SPZ。因此，使用手持式GPS确定了整个地区的弹簧位置。靠近泉水位置的地区更有可能有泉水，而远离泉水的地区则不那么敏感。该地图是通过在弹簧位置周围生成缓冲区，并将其分为五个不同的类别:0-2500m, 2500-7500m, 7500-15000m, 15000-30000m和30000m以上，如图4d所示。分配的重量与到弹簧的距离成反比。

主题层权重计算

层次分析法的应用

AHP模型是Saaty(1979)提出的一种用于解决复杂决策问题的MCDM方法。在这个模型中，每个与地下水有关的元素都被赋予了一个标准权重。因此，结果矩阵的主特征值被用来确定每个特征应该被赋予多少权重。因此，为了评估输出的一致性，计算估计的一致性指数(CI)和一致性比率(CR)值，分别如式(1)和式(2)所示。AHP是一种应用广泛的地下水管理模型。¹⁹

的h表示矩阵的主特征值，数量“n”表示影响弹簧的因素数量。通过使用公式(2)计算CR来评估矩阵的一致性。

本研究采用的RCI值为1.41(表1)。为了保证输出的一致性，CR值应小于0.1。

成对矩阵的生成

根据地下水影响因素分配比较矩阵，评价各要素权重。两两比较矩阵(PCM)(表3)用于比较控制特性。比较评分采用Saaty量表(表2)。

表1:使用Saaty的一致性指数对不同的' n值进行评价。^20.

N	10	9	8	7	6	5	4	3.	2	1
价值	1.49	1.45	1.41	1.32	1．24	1.12	0.89	0.58	0	0

表2:相对重要性量表³⁸

规模	9	8	7	6	5	4	3.	2	1
重要性	极端的	非常非常强	非常强烈的	强大的	强+	温和的+	温和的	弱	平等的

表3:本研究中用于评价各元素权重的PCM。

变量	Dd	Ld	射频	Sl	通用汽车	李	圣	Sp	重量(%)
Dd	1	1/2	1	1/2	1/3	1	1	2	10
Ld	2	1	1	1/3	1/2	1	2	1	11
射频	1	1	1	1	1	3.	2	2	16
Sl	2	3.	1	1	1	2	1/2	1	15
通用汽车	3.	2	1	1	1	2	1	2	17
李	1	1	1/3	1/2	1/2	1	1/2	3.	10
圣	1	1/2	1/2	2	1	2	1	1/2	12
Sp	1/2	1	1/2	1	1/2	1/3	2	1	9
N = 8;h马克斯= 8.912;CI = (hmax - n)/(n - 1) = 0.130;Rci = 1.41;Cr = ci / rci = 0.092。

基于加权叠加分析的弹簧电位区

SPZ是由不同的主题层形成的，并在此过程中对它们的值进行对比。然后使用WOA使用重新分类的教育参数覆盖所有具有精确地理尺寸的主题层。¹⁸该过程使用式(3)进行。

其中W_我是势能层的权值R_我子标准分数是I吗^th标准，n为总层数。

通过将多个主题层与相对值进行比较，并对重分类参数采用WOA生成势区。SPZ产生后，根据其特征可分为高、甚高、甚低、低、中5类。每个组被赋予特定的评级和权重，分别用r和w表示。

结果

权重分配和归一化

根据专家意见和现有文献，该研究检查了与春季发生相关的八个变量。利用专家知识确定各影响因素的排名(表4)。研究中，与地下水补给相关的最不重要的子标准为最低等级(1)，最有利的子参数为最高等级(5)，中等可接受的子参数为中间等级。表3描述了用于构建比较矩阵的八个因素的详细信息。计算并检验了矩阵CI和CR。此外，当n=8时，本研究的CR值为0.092，小于0.1，说明两两比较矩阵的一致性较好。^{10日,21日,22}

表4 SPZ影响参数权重及排序:

	坡度(%)					Wt	排水密度(km/km)2）												Wt
SC	< 15	15 35	- 55	55 - 75	> 75	15	< 0.15				0.15 - -0.35		0.35 - -0.55			0.55 - -0.75		> 0.75	10
排名	1	2	3.	4	5		1				2		3.			4		5
	纹理密度(km/km2）									降雨(毫米)
SC	< 0.12	0.12 - -0.22	0.22 - -0.32	0.32 - -0.42	> 0.42	11	＜20				20 - 40		奖金的			60 - 80		> 80	16
排名	5	4	3.	2	1		5				4		3.			2		1
	春天临近
SC	< 2500	2500 - 7500	7500 - 15000	15000 - 30000	> 30000	9
排名	5	4	3.	2	1
	岩性
SC	Uussc	Bv	Wgsspc	Scccfw	Psoc	Cprdbs			Gms			Fscsc	Scncsc	Agbgg			Gbkksg
排名	1	3.	1	1	3.	1		3.				3.	2			4	5		10
SC	Snpf	Gs	Ossc	Hdodb	求出	Fqz		嗯				Gg	Qic		Py		Gqpsc
排名	2	3.	3.	1	4	4		5				5	3.		4		2
	地貌学
SC	Mdshv	Ldshv	Ps	Mwp	养老金	Ppc		狂吠				游戏	法新社			人民行动党	R		17
排名	5	5	4	5	1	3.		1				2	2		1		1
SC	Hdshv	P	Wbl
排名	1	1	1
	土壤质地
SC	Cl	Fl / Gs	罗	Fl	Fi	白平衡		Cl / Gs											12
排名	2	1	4	3.	5	1		1
式中，subclass= Sc, AHP权值= Wt;未稳定和未氧化的砂、粉和粘土= ussc;碱性火山岩= Bv;白色到灰色的砂、粉、卵石和粘土= Wgsspc;砂岩、粘土、砾岩、煤和化石木材= Scccfw;千层岩、板岩、正石英岩和砾岩= Psoc;富深棕色至红棕色海温=Cprdbs;氧化砂、粉砂、Cl*= Gqposs中的片麻岩/石英岩卵石石榴母片岩= Gms;长石砂岩、碳质页岩和煤= Fscsc; Feldspathic Sandstone, Carbonaceous Shale and Coal= Scncsc; Augen Gneiss, Biotite Gneiss and Granite Gneiss= Agbgg; Garnet-Biotite-Kyanite-Sillimanite Gneiss= Gbkksg; Sandstone, Nodular Clay Beds and Plant Fossils= Snpf; Graphite Schist= Gs; Oxidised to Feebly Oxidized Sand Silt and Clay =Ossc; Highly Oxidized Dark Brown to Rd Brown Loamy Sand= Hdodb; Quartzite= Qz; Feldspathic Quartzite =Fqz, Unmapped= Um; Granitoid Gneiss= Gg; Quartzite With Intercalations of Conglomerate= Qic; Phyllite= Py; Moderately Dissected Structural Hills and Valleys= Mdshv; Low Dissected Structural Hills and Valleys= Ldshv; Piedmont Slope= Ps; Mass Wasting Products= Mwp; Older Alluvial Plain= Oap; Pediment Pediplain Complex= Ppc; Younger Alluvial Plain= Yap; Older Flood Plain= Ofp; Active Flood Plain= Afp; Piedmont Alluvial Plain=Pap; River= R; Highly Dissected Structural Hills and Valleys= Hdshv; Pond= P; Water Bodies – Lake= Wbl; Cl= Coarse Loamy; Fl/Gs= Fine Loamy/ Gravelly Subsurface; Lo=Loamy, Fine Loamy= Fl, Fine= Fi, Waterbodies= Wb; Coarse Loamy/ Gravelly Subsurface= Cl/Gs.

弹簧电位区的映射

本研究采用AHP方法，结合GIS中的8个主题层，并对最可能发生SPZ的区域进行分类，以区分SPZ。每个特征都根据其对泉水和地下水的影响程度来确定其权重。因此，将所有变量的总权重相加，以确定远景区特定属性的代表性权重。每个属性的权重值表示其对SPZ的影响程度，权重值越大表示影响越显著，权重值越小表示影响越小。选择每个属性的权重值是集成分析中的关键步骤，因为它会显著影响结果。通过考虑每个属性的相对重要性，可以更准确地描述实际地面状况或对含水层补给的贡献。通过对各层进行加权叠加分析，得出了Papum Pare地区的特别经济区(SPZ)(如表4所示)。高、中、甚高区的总面积为2724.11 km²(81.2%)。研究发现，极高、高和中等SPZ分别占总面积的1.3%、24.3%和55.6%。相比之下，低至极低潜力区域占整个研究区域的18.804%，如表5所示。

表5:研究区已确定的春季潜势区类别。

潜在的区域	区(公里2）	面积(%)
非常贫穷的	0.14	0.004
可怜的	631.32	18.8
媒介	1866.79	55.6
高	814.79	24.3
非常高的	43.53	1.3

图5:Papum Pare地区春季潜力图。 点击此处查看图

春季电位图的验证

在建模中，验证方法对于评估分析结果的准确性至关重要。因此，我们使用弹簧位置数据来验证本研究。接收者工作特征(ROC)图的曲线下面积(AUC)是一种广泛使用的评估模型预测性能的方法。ROC曲线是显示真阳性率(TPR)和假阳性率(FPR)之间关系的图形表示。TPR在y轴上，而FPR在x轴上。图6显示了研究得到的AUC值，为0.714(71.40%)，预测精度较高。这些结果表明，AHP方法在SPZ研究区是有效的。结果还表明，63.73%的弹簧位置处于极高和高电位区，29.67%的弹簧位置处于中电位区，如表6所示。

图6:TPR与FPR的ROC曲线比较。 点击此处查看图

表6:不同电位区的弹簧

SPZs	弹簧数量	春天(%)
非常贫穷的	--	--
可怜的	--	--
媒介	27	29.67
高	51	56.04
非常高的	7	7.69

讨论

该研究使用RS和基于gis的AHP方法来划定潜在区域，这是一种经济有效的收集地理空间信息的方法。¹⁵虽然这种方法在喜马拉雅地区是有限的，而且主要集中在春天的潜力，但它在不进行水文地质或地球物理调查的情况下，在类似的环境中有很大的潜力确定地下水补给区。^{5 - 6, 11日27所示}分析水文、地质和地理因素的最佳参数可能因特定地点的具体条件而异。没有通用的方法来确定这些参数。²⁵研究人员可以利用一系列标准的主题层，如地形、坡度、海拔、线条密度、排水密度、地质、地貌、岩性、水流积累、含水层厚度、降雨量和土地利用。^{7 - 8, 24 - 27日}因此，专家们依靠他们当地的现场经验和专业意见来分配这些主题层及其特征的权重。这个分配过程通常使用Saaty开发的AHP进行规范化。利用该方法，可以减少对不同主题层及其特征进行加权的主观性。^28、29、35Saaty(1990)建议一致性比(consistency ratio, CR)应<0.1。如果计算出的CR > 0.1，则必须审查和调整判断，直到CR< 0.1。通过对类似研究的分析发现，各种地下水潜力制图研究使用了不同的CR值，如0.07;²³0.0342,²¹0.0977,²⁶0.0848,⁹和0.0642。^36.利用地下水位数据验证了最终电位图的准确性，²³borehole-yield数据,^{9 10 28}地下水井位;⁶井的比容;³⁷以及弹簧位置数据。⁵

在本研究中，在Papum Pare地区使用了8个主题层，即.、岩性、土壤质地、地貌、降雨、线条密度、坡度、排水密度和泉水接近图。这些层被加权、归一化，并根据当地的现场经验、专业判断和Saaty的AHP分配特征。^{9、10、14日,37岁}本研究的CR值为0.09，可以继续进行基于层次分析法的势图分析。研究发现，81.2%的地区属于极高至中等标准经济区，18.804%的地区属于极低至低标准经济区。这表明Papum Pare地区具有春季发生的高潜力。在一个类似的研究区域，马哈托等。(2022)研究发现，南麓平原和河谷地区地下水潜力中等至极好(约为35.59%)，而北侧、西侧和高海拔地区地下水潜力极低至低(64.41%)。对比SPZ填图研究的结果，发现谷底附近高(24.3%)和极高(1.3%)春季发生的可能性更为显著。在中高海拔范围内，最高的区域位于区域中部的中电位区(55.6%)。该地区多年生河流的存在进一步表明了春季发生的可能性。

研究表明，该区北部包括高海拔山脉和河谷在内的贫困和极贫困潜在地区高度集中(18.804%)。利用ROC曲线对弹簧位置进行分析，得到AUC值为0.714，预测精度为71.40%，在0.7-0.8的范围内具有较好的预测精度。以往对地下水的研究也发现0.7以上的ROC结果是令人满意的。^6、10、23SPZ验证结果令人满意，93.4%的弹簧位置落在极高至中电位区域。因此，建议采取措施，在这些地区收集水和保护水源，以确保可持续的长期供水。在这些地区建造新的人工补给结构可以帮助补给和恢复含水层和储存水，减少对水需求的压力，缓解该地区未来的水危机。

结论及未来发展方向

在目前气候变化的背景下，人们观察到，泉水的消失和季节性变化正在导致缺水，从而威胁到该区域未来的水安全。采用spring - shed开发实践是必要的。为此，本研究开展了春季潜力区地图绘制，为规划人员和决策者定位春季、实施春季回春和保护措施提供依据。利用GIS技术获得准确的结果，作为有效的空间和视觉解释工具，并将其与AHP相结合。采用基于rs - gis的方法，选取土壤质地、降雨量、岩性、地貌、线条密度、坡度、排水密度和春季邻近图等合适的春季影响参数，生成SPZ图。

结果表明:SPZ面积为很高(=1.3%)、很高(=24.3%)、中等(=55.6%)、很差和差(=18.804%)。研究结果表明，开发泉水的潜力巨大，可以全年提供水。SPZ的验证统计量显示出满意的结果，ROC曲线分析的AUC为0.714(71.4%)，表明预测精度较好。通过与SPZ地图的比较，发现绝大部分区域处于93.4%的中至极高电位区。这些结果表明，所分析的层对确定春季的发生和分布具有重要意义。结果的验证突出了主题层在弹簧发生和分布中的重要作用。因此，这些研究结果可以帮助构思该区域适当的水管理政策。研究结果建议采取适当措施恢复泉水，并在中高潜力地区建立可持续的供水。为实现这一目标，将探索开发合适的集水结构和保护措施。此外，建造新的人工补给结构可以帮助恢复或补充山区含水层，储存水，缓解水资源压力，并为该地区未来可能出现的水危机做好准备。

确认

作者要对喜马拉雅环境国家研究所(NIHE)(印度环境部和环境部喜马拉雅研究国家任务)的Govind Ballabh Pant表示感谢，他为这项研究提供了财政援助。他们还感谢美国地质勘探局地球探测器、Bhukoosh(印度地质调查局)和Bhuvan(印度空间研究组织)免费提供了本研究中使用的数据。

利益冲突

作者声明他们与本文内容没有任何利益冲突。

资金来源

该研究是由G.B. Pant国家喜马拉雅环境与可持续发展研究所(GBPNI/NMHS-2018-19/SG)支持的科学研究项目的一部分。

参考文献

1. Kresic N .，和Bonacci O.。见:Kresic, N.和Stevanovic, Z.，地下水水文学的泉水工程，理论，管理和可持续性2010;129 - 163。https://doi.org/10.1016/B978-1-85617-502-9.00004-9
   CrossRef
2. Verma R和Jamwal P.喜马拉雅泉在新出现的水危机中的维持。环境监测评估科学通报，2018，(2):1-18。https://doi.org/10.1007/S10661-021-09731-6
   CrossRef
3. Barfal, s.s.， Das, m.m.， Joshi, M, Joshi, R.， Kumar, K.， Kumar, D.，和Rai, Y.K.。泉水对地震的响应:锡金喜马拉雅地区的案例研究。j:。Geophy2022年,104792年。https://doi.org/10.1016/j.jappgeo.2022.104792
   CrossRef
4. Tambe S, Dhakal S, Dhakal D, Sharma G, Sherpa PN, Kulkarni H, Bhutia NT, Dhakal, D, Pradhan S, Sinha UK, Tiwari A, Kharel G, Phukan I和Arrawatia ML。扩大喜马拉雅地区春季复兴:从以春季为中心到以含水层为中心的自然解决方案。参见:Dhyani S, Gupta A, Karki M(主编)基于自然的生态系统和社会解决方案。2020年抗灾能力与绿色增长;29-50。https://doi.org/10.1007/978-981-15-4712-6_2
   CrossRef
5. Ghimire M, Chapagain, PS, and Shrestha S.利用地理空间技术绘制尼泊尔中部喜马拉雅地区地下水泉潜力区:以Melamchi-Larke地区为例。[J]地球系统科学2019;128(2),上皮。https://doi.org/10.1007/s12040-018-1048-7
   CrossRef
6. 陈建军，陈建军。基于GIS和层次分析法的埃塞俄比亚盆地地下水潜力带制图。水珠Chall。2022;6(1), 2100068。https://doi.org/10.1002/gch2.202100068
   CrossRef
7. Banerjee K, Kumar MS和Tilak LN。用层次分析法(AHP)圈定印度北方邦Gautham Buddh Nagar地区潜在地下水带。今天的主题:过程2021;44岁,4976 - 4983。https://doi.org/10.1016/j.matpr.2020.12.917
   CrossRef
8. Ankana和Dhanaraj G.利用地理空间技术和多标准决策分析(MCDA)方法研究地下水潜在储量的选定影响标准:一个案例研究。埃及。j .遥远。Sens空间科学2021;24(3): 649 - 658。https://doi.org/10.1016/j.ejrs.2021.06.004
   CrossRef
9. Das N, Mukhopadhyay S.多准则决策技术在地下水潜势区评价中的应用——以印度西孟加拉邦Birbhum地区为例。环境发展及可持续发展2020;22(2): 931 - 955。https://doi.org/10.1007/s10668-018-0227-7
   CrossRef
10. Mukherjee I和Singh UK。利用GIS和分析层次过程技术在印度东部干旱易发半干旱区划定地下水潜在带。系列, 2020;194:104681。https://doi.org/10.1016/j.catena.2020.104681
    CrossRef
11. 引用本文:Jena S, Panda RK, Ramadas M, Mohanty BP, Pattanaik .基于RS-GIS-AHP的地下水储量和补给潜力区划分:在耕地扩展中的应用。遥感应用:Soc环境2020;19:100354。https://doi.org/10.1016/j.rsase.2020.100354
    CrossRef
12. Boufekane A, Meddi H, and Meddi M.阿尔及利亚北部Mitidja平原地下水补给带的多标准分析。J Hydroinformatics2020;22(6): 1468 - 1484。https://doi.org/10.2166/HYDRO.2020.082
    CrossRef
13. Jha MK, Chowdary VM和Chowdhury A.基于遥感、地理信息系统和多标准决策分析技术的印度西孟加拉邦Salboni区块地下水评价。hydrogeology and engineering geology;18(7): 1713 - 1728。https://doi.org/10.1007/s10040-010-0631-z
    CrossRef
14. Rajasekhar M, Upendra B, Raju GS和Anand。利用地理空间和决策方法确定印度南部地下水潜在带。苹果水科学2022: 12(4): 1-16。https://doi.org/10.1007/s13201-022-01603-9
    CrossRef
15. Arulbalaji P, Padmalal D, Sreelash K.基于GIS和AHP技术的地下水潜势区划分:以印度西南高止山脉为例。Sci代表2019;9(1),队。https://doi.org/10.1038/s41598-019-38567-x
    CrossRef
16. Bera A, Mukhopadhyay BP, Barua S.基于层次分析法和地理空间技术的印度马哈拉施特拉邦Karha河流域地下水潜在带的圈定。阿拉伯世界，2020;13(15): 21。https://doi.org/10.1007/s12517-020-05702-2
    CrossRef
17. Das S.利用遥感和GIS技术在印度班库拉区Gangajalghati区块硬岩地形中圈定地下水潜势带。模拟地球系统环境2017;3(4): 1589 - 1599。https://doi.org/10.1007/s40808-017-0396-7
    CrossRef
18. Kumar P, Herath S, Avtar R, Takeuchi K.基于GIS和遥感技术的斯里兰卡Killinochi地区地下水潜势区制图。维持。水资源管理2016;2(4): 419 - 430。https://doi.org/10.1007/s40899-016-0072-5
    CrossRef
19. wakar, ML, Nilawar AP.基于遥感和GIS技术的地下水势区识别。国际律师事务所2014;3(5): 12163 - 12174。https://doi.org/10.21474/ijar01/7116。
    CrossRef
20. 如何做决策:层次分析法。欧元/欧元1990年,48(1),9-26。https://doi.org/10.1016/0377 - 2217 (90) 90057 - i
    CrossRef
21. Ahmadi H, Kaya OA, Babadagi E, Savas T和Pekkan E.在土耳其安塔利亚中部使用AHP和FR模型进行基于gis的地下水潜力制图。环境科学项目2020;5(1); 11。https://doi.org/10.3390/IECG2020-08741
    CrossRef
22. Goitsemang T, Das DM, Raul SK, Subudhi CR, Panigrahi B.基于遥感、地理信息系统和层次分析法的印度奥里萨邦Kalahandi地区地下水潜力评价。J印度社会遥感2020;48(12): 1739 - 1753。https://doi.org/10.1007/s12524-020-01188-3
    CrossRef
23. 李建军，李建军，李建军，李建军，“基于gis的地下水位预测方法研究”，中国地质大学学报(自然科学版)，32(1)，344 - 344,2012。https://doi.org/10.1007/s12594-022-1936-y
    CrossRef
24. Hasanuzzaman M, Mandal MH, Hasnine M, Shit PK。基于多标准决策、二元统计和机器学习算法的地下水潜力制图:来自印度那格普尔高原的证据。苹果水科学2022;12(4): 1 - 16。https://doi.org/10.1007/s13201-022-01584-9
    CrossRef
25. Naghibi SA, Pourghasemi HR, Pourtaghi ZS， & Rezaei A.基于频率比和Shannon熵模型的伊朗Moghan流域地下水坎泉潜力测绘。地球科学通报2015;8(1): 171 - 186。https://doi.org/10.1007/s12145-014-0145-7
    CrossRef
26. Doke AB, Zolekar RB, Patel H， & Das S.利用多标准决策AHP方法在印度硬岩玄武岩地形中进行地下水潜在带的地理空间测绘。生态。印度的。, 2021;127:1-16。https://doi.org/10.1016/j.ecolind.2021.107685
    CrossRef
27. Saravanan S, Saranya T, Abijith D, Jacinth JJ, Singh L.基于遥感和GIS的印度卡纳塔克邦Arkavathi子流域地下水潜势区划分。环境Chall2021;5: 100380。https://doi.org/10.1016/j.envc.2021.100380
    CrossRef
28. 贾纳塔南·G, Thirukumaran .基于地理空间方法的Pulampatti流域地下水潜力带制图。印度科学2020；13(66): 1 - 9。
29. Kumari A, Dhanaraj G.利用GIS和AHP综合方法在印度北方邦Mirzapur地区Lalganj tehsil进行地下水潜势区测绘。阿拉伯世界2021;14(21): 1 - 15。https://doi.org/10.1007/s12517 - 021 - 08550 - w。
    CrossRef
30. Tambe S.， Kharel G, Arrawatia ML, Kulkarni H, Mahamuni K， & Ganeriwala AK。复苏垂死的泉水:锡金喜马拉雅地区的气候变化适应实验。山地研究与开发2012;32(1), 62 - 72。https://doi.org/10.1659/MRD-JOURNAL-D-11-00079.1
    CrossRef
31. Vashisht正义与发展党。间歇式多柱滤砂器:一种独特的多应用解决方案。工业工程印度爵士。A 2020:101, 69-75。https://doi.org/10.1007/s40030-019-00408-5
    CrossRef
32. Vashisht正义与发展党。运用数学技术确定弹簧的可靠性。见:Garg, V.， Singh, V.， Raj, V.(编)《印度水资源的发展》。水利科技图书馆，2017;75: 113-124 https://doi.org/10.1007/978-3-319-55125-8_10。
    CrossRef
33. Ranjan P, Pandey PK, Pandey V, Lepcha PT.印度东北部水资源评价问题及其同位素水文应用。In: Jha, R.， Singh, vp, Singh, V.， Roy, L.， Thendiyath, R.(编)水资源管理与水库运行。水科学技术图书馆2021;107: 103 - 116。https://doi.org/10.1007/978 - 3 - 030 - 79400 - 2 - _9。
    CrossRef
34. Lepcha PT, Pandey PK, and Ranjan P.喜马拉雅地表水的水文意义及其管理。IOP会议:物质科学与工程2021;1020(1): 012013)。https://doi.org/10.1088/1757 - 899 x/1020/1/012013。
    CrossRef
35. Shekhar S， & Pandey AC.利用遥感、地理信息系统(GIS)和层次分析法(AHP)技术圈定印度硬岩地形地下水潜势带。Geocarto Int 2015;(4): 402 - 421。https://doi.org/10.1080/10106049.2014.894584
    CrossRef
36. Biswas S, Mukhopadhyay BP， & Bera a .利用基于gis的AHP技术划定农业主导景观的地下水潜在区:来自西孟加拉邦Uttar Dinajpur地区的案例研究。地球科学进展(英文版);79(12): 1 - 25。https://doi.org/10.1007/s12665-020-09053-9
    CrossRef
37. 库马尔SPJ, Elango L，施耐德M.基于GIS和AHP的金奈河流域地下水潜势带划分(CRB)。可持续性2022;14(3): 22页。https://doi.org/10.3390/su14031830
    CrossRef
38. 分析层次的应用。数学与计算机模拟。1979年3月1日;21(1):1-20。
    CrossRef