دینامیک زمانی و ناهمگنی رفتار زمین‌شناسی فرونشست زمین در دشت ورامین با استفاده از سری زمانی InSAR

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجو دکتری، گروه زمین‌شناسی معدنی و آب، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران.

2 استاد، گروه زمین‌شناسی معدنی و آب، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران.

3 دانشیار، گروه زمین‌شناسی معدنی و آب، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران.

چکیده

دشت ورامین در جنوب‌شرق تهران با پدیده فرونشست زمین مواجه است که پیامدهایی مانند خسارت به زیرساخت‌ها و کاهش ظرفیت ذخیره آبخوان دارد. با وجود مطالعات پیشین درباره پهنه‌بندی فرونشست، دینامیک زمانی این پدیده و تفاوت رفتار آن در واحدهای زمین‌شناسی مختلف کمتر بررسی شده است. در این پژوهش، سری‌های زمانی ۱۰ ساله جابه‌جایی سطح زمین در بازه ۱۳۹۳–۱۴۰۳، استخراج‌شده از تصاویر Sentinel-1 با استفاده از LiCSBAS، تحلیل شد. پس از بررسی مانایی و اعمال تفاضل مرتبه اول، مدل‌های ARIMA برای ۹ ایستگاه واقع در بخش‌های مختلف آبخوان برازش شدند. نتایج نشان داد فرونشست تجمعی ۱۰ ساله در ایستگاه‌های W-14 و W-03، واقع در بخش‌های دارای رسوبات ریزدانه، به‌ترتیب حدود ۷۲۶ و ۴۷۳ میلی‌متر بود و سری‌های زمانی آن‌ها وابستگی بیشتری به مقادیر گذشته نشان دادند. در مقابل، ایستگاه‌های W-06 و W-08 در بخش‌های عمدتاً درشت‌دانه، فرونشست تجمعی کمتر از ۲۰۰ میلی‌متر و ساختار زمانی متفاوتی داشتند. مدل‌های منتخب شامل ساختارهای خودرگرسیو، میانگین متحرک و ترکیبی بودند. آزمون لیونگ–باکس نیز نبود خودهمبستگی معنادار در باقیمانده مدل‌ها را نشان داد (p > 0.05). مقایسه نتایج با اطلاعات زمین‌شناسی و هیدروژئولوژیکی نشان داد شدت و الگوی زمانی فرونشست با ویژگی‌های دانه‌بندی و حضور لایه‌های ریزدانه مرتبط است و افت سطح آب زیرزمینی به‌تنهایی نمی‌تواند تفاوت شدت فرونشست را توضیح دهد. بنابراین، در پهنه‌بندی خطر فرونشست آبخوان‌های آبرفتی، ویژگی‌های رسوب‌شناسی نیز باید در کنار افت سطح آب و میزان فرونشست لحاظ شوند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Temporal dynamics and heterogeneity of geological behavior of land subsidence in Varamin plain using InSAR time series

نویسندگان [English]

  • Mohammad Kaveh Cholcheh 1
  • Hamid Reza Nassery 2
  • Farshad Alijani 3
1 1. Ph.D. Student, Department of Mineral and Groundwater Resources, Faculty of Earth Sciences, Shahid Beheshti University Tehran, Tehran, Iran.
2 Professor, Department of Mineral and Groundwater Resources, Faculty of Earth Sciences, Shahid Beheshti University Tehran, Tehran. Iran.
3 Associate Professor, Department of Mineral and Groundwater Resources, Faculty of Earth Sciences, Shahid Beheshti University Tehran, Tehran, Iran.
چکیده [English]

The Varamin plain, located southeast of Tehran, is experiencing land subsidence, leading to infrastructure damage and reduced aquifer storage capacity. Despite previous zonation studies, the temporal dynamics of subsidence and its differential behavior across various geological units have received less attention. In this study, using 10-year time series (2014–2024) derived from radar interferometry (Sentinel‑1, LiCSBAS) and ARIMA modeling on stationary data (first‑order differencing), the autocorrelation structure of nine observation wells in different parts of the Varamin aquifer was analyzed. The results showed that in stations located within fine‑grained clay units (e.g., W-14 and W-03), the mean 10‑year cumulative subsidence rates were 726 mm and 473 mm, respectively, and the temporal behavior followed an autoregressive (AR) model with a stable trend. In contrast, stations in coarse‑grained units (W-06 and W-08) exhibited mean subsidence rates of less than 200 mm and showed purely random (moving average) behavior without a significant trend. The Ljung–Box test confirmed the adequacy of the models (p‑value > 0.05). The main finding of this study is that sediment grain size, particularly the thickness and continuity of clay layers, plays a decisive role in the type of subsidence dynamics (trending vs. random), and that groundwater level decline alone, without sufficient clay layers, does not lead to significant subsidence. This result highlights the need for risk zoning based on sediment type, not only on subsidence rates, in the management of alluvial aquifers.

کلیدواژه‌ها [English]

  • Autocorrelation
  • LiCSBAS
  • Subsidence
  • Time series
  • Varamin

مراجع

آزرم، ز.، مهرابی، و.ح.، نادی، س.، 1401. بررسی میزان همبستگی بین فرونشست و تغییرات سطح آب زیرزمینی با استفاده از آنالیز سری زمانی تداخل‌سنجی راداری (منطقه مطالعاتی: اصفهان). جغرافیا و مخاطرات محیطی، 11(4): 192-173.
رحیمی، م.، کاکی، م.، اسدزاده، ف.، رضاوردی‌نژاد، و.، 1403. برآورد فرونشست دشت قروه با استفاده از روش GARDLIF-SD و تداخل‌سنجی راداری. هیدروژئولوژی، 9(2): 154–139.
شریفیکیا، م.ر،. 1391. بررسی و تعیین میزان و دامنه فرونشست زمین به کمک روش تداخل سنجی تفاضلی راداری DinSAR در دشت نوق – بهرمان. برنامه‌ریزی و آمایش فضا، دوره شانزدهم، 16(3): 77-55.
فیجانی، ا.، زارعی، پ.، 1403. ارزیابی پتانسیل فرونشست زمین در آبخوان هومند-آبسرد با استفاده از روش‌های سنجش از دور و ارتباط آن با برداشت آب‌های زیرزمینی. هیدروژئولوژی، 9(1): 15-1.
هلالی، ل.، باقری، ر.، مومنی، ع.، 1403. بررسی فرونشست زمین با استفاده از روش تداخل‌سنجی راداری (مطالعه موردی: دشت سمنان). هیدروژئولوژی، 9(1): 86–100.
Amin, P., Akhavan Ghalibaf, M., Hosseini, M., 2025. Soil surface subsidence time series modeling of an area with Aridisols and Vertisols complex using surveying and drone imagery in Central Iran. Dokuchaev Soil Bulletin, 122: 62–88.
Azarm, Z., Mehrabi, H., Nadi, S., 2022. Investigation of the correlation between land subsidence and groundwater level changes using radar interferometry time-series analysis (Case study: Isfahan). Geography and Environmental Hazards, 11(4): 173–192. [In Persion]
Bagheri-Gavkosh, M., Hosseini, S.M., Ataie-Ashtiani, B., Sohani, Y., Ebrahimian, H., Morovat, F., Ashrafi, S., 2021. Land subsidence: A global challenge. Science of the Total Environment, 778: 146193.
Du, Z., Ge, L., Ng, A.H.-M., Zhu, Q., Yang, X., Li, L., 2018. Correlating the subsidence pattern and land use in Bandung, Indonesia with both Sentinel-1/2 and ALOS-2 satellite images. International Journal of Applied Earth Observation and Geoinformation, 67: 54–68.
Fijani, E., Zarei, P., 2024. Evaluation of land subsidence potential in Humand-Absard aquifer using remote sensing methods and its relationship with groundwater abstraction. Hydrogeology, 9(1): 1–15. [In Persion]
Fruneau, B., Sarti, F., 2000. Detection of ground subsidence in the city of Paris using radar interferometry: Isolation of deformation from atmospheric artifacts using correlation. Geophysical Research Letters, 27(24): 3981–3984.
Galloway, D.L., Burbey, T.J., 2011. Review: Regional land subsidence accompanying groundwater extraction. Hydrogeology Journal, 19(8): 1459–1486.
Haddadan, M., Mohammadian, H., 2006. Geological map of Varamin at 1:100000. Geological Survey of Iran.
Heidari, M., Saedi, B., Jalali, S.H., Saedi, B., 2026. Controls of aquifer geometry and sediment characteristics on land subsidence rates: Insights from machine learning in western Iran. Journal of Hydrology, 671: 135256.
Helali, L., Bagheri, R., Momeni, A., 2024. Investigation of land subsidence using radar interferometry technique (Case study: Semnan plain). Hydrogeology, 9(1): 86–100. [In Persion]
Hung, W.-C., Hwang, C., Chang, C.-P., Yen, J.-Y., Liu, C.-H., Yang, W.-H., 2010. Monitoring severe aquifer-system compaction and land subsidence in Taiwan using multiple sensors: Yunlin, the southern Choushui River Alluvial Fan. Environmental Earth Sciences, 59(7): 1535–1548.
Liang, B., Shi, G., Wu, Y., Zhu, Y., Wang, M., Sun, Z., 2026. Assessment of the compound impact of sea level rise, land subsidence and storm surge under climate change in Shanghai. PLOS ONE, 21(3): e0343974.
Morishita, Y., Lazecky, M., Wright, T.J., Weiss, J.R., Elliott, J.R., Hooper, A., 2020. LiCSBAS: An open-source InSAR time series analysis package integrated with the LiCSAR automated Sentinel-1 InSAR processor. Remote Sensing, 12(3): 424.
Park, I., Lee, J., Saro, L., 2014. Ensemble of ground subsidence hazard maps using fuzzy logic. Central European Journal of Geosciences, 6(2): 207–218.
Pourghasemi, H.R., Mohseni Saravi, M., 2017. Land-subsidence spatial modeling using generalized additive model data mining technique. Watershed Management Research, 30(4): 20–34.
Rahimi, M., Kaki, M., Asadzadeh, F., Rezaverdinejad, V., 2025. Estimation of land subsidence in Qorveh Plain using the GARDLIF-SD method and radar interferometry. Hydrogeology, 9(2): 139–154. [In Persion]
Raju, A., Nanda, R., Singh, A., Malik, K., 2022. Multi-temporal analysis of groundwater depletion-induced land subsidence in Central Ganga Alluvial Plain, Northern India. Geocarto International, 37(26): 11732–11755.
Raucoules, D., Maisons, C., Carnec, C., Le Mouelic, S., King, C., Hosford, S., 2003. Monitoring of slow ground deformation by ERS radar interferometry on the Vauvert salt mine (France): Comparison with ground-based measurement. Remote Sensing of Environment, 88(4): 468–478.
Sharifi-Kia, M.R., 2012. Investigation and determination of the magnitude and extent of land subsidence using differential radar interferometry (DinSAR) in the Nog–Bahraman Plain. Spatial Planning, 16(3): 55–77. [In Persion]
Shumway, R.H., Stoffer, D.S., 2025. Time Series Analysis and Its Applications: With R Examples. Fifth Edition, Springer, Cham, 599 p.
Tabassum, S., Seddique, A.A., 2026. Spatiotemporal assessment and prognostic modeling of groundwater level in Mymensingh, Bangladesh: A longitudinal study utilizing ARIMA time-series forecasting. Journal of Environmental Science, Health and Sustainability, 2(1): 51–59.
Takafuji, E.H. de M., Rocha, M.M. da, Manzione, R.L., 2019. Groundwater level prediction/forecasting and assessment of uncertainty using SGS and ARIMA models: A case study in the Bauru Aquifer System (Brazil). Natural Resources Research, 28(2): 487–503.
Wang, F., Wu, X., Zhou, K., Wang, M., Ma, R., Wang, Q., 2025. Surface deformation analysis and prediction driven by multimodal data, InSAR technology, and ARIMA-BP model in typical oil exploitation area. International Journal of Remote Sensing, 46(5): 1964–1991.
Xiao, H., Xia, Y., Fan, Y., Chen, L., Duan, R., 2024. Identification and prediction inversion of mining area subsidence by integrating SBAS-InSAR and EMD-ARIMA model. IEEE Access, 12: 85822–85835.
Zhang, K., Wu, L., Yin, K., Yang, W., Huang, C., 2025. A discrete grey seasonal model with fractional order accumulation and its application in forecasting the groundwater depth. Fractal and Fractional, 9(2): 117.
Zhang, Z., Liu, H., Xu, X., Xie, Z., Huo, H., Chang, L., Tao, Z., 2025. Structural deformation warning method for coal mine roadway surrounding rock based on evidential reasoning. IEEE Transactions on Instrumentation and Measurement, 74: 1–12.
هیدروژئولوژی
دوره 10، شماره 2
اسفند 1404
صفحه 63-81

فایل ها

هم رسانی

ارجاع به این مقاله

آمار