fa مقایسۀ آسیب‌پذیری فرونشست آبخوان دشت جنوب‌غربی تهران با مدل وزن‌دهی ساده (مدلALPRIFT) و الگوریتم ژنتیک سنجش از دور و سامانه اطلاعات جغرافیایی Remote sensing and GIS <span style="font-family:b nazanin;"><span style="font-size:10.0pt;">فرونشست سطح زمین در اثر استخراج بی‌رویه از منابع آب زیرزمینی، یکی از رویدادهایی است که در ایران به‌وفور مشاهده شده است. این پدیده در صورت نبود مدیریت صحیح، می&shy;تواند خسارات جبران ناپذیری را برای مناطق دچار این پدیده، ایجاد کند. هم‌چنین رشد جمعیت و تکنولوژی زراعی، استفاده بیش از گنجایش منابع آب زیرزمینی برخی از نقاط ایران را به‌دنبال داشته است. نرخ فرونشست زمین ناشی از برداشت بیش از حد آب&shy;های زیرزمینی در دشت تهران در طی سال‌های اخیر افزایش یافته است. در چنین شرایطی آثار زیان</span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">&shy;</span></span></span><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">بار آن بر زمین&shy;های کشاورزی، ساختمان&shy;ها، شریان&shy;های حیاتی و دگرشکلی&shy;های سطح زمین به‌صورت فروچاله&shy;ها، ترک&shy;ها و شکاف&shy;های زمین در حال گسترش هستند. در این پژوهش با استفاده از مدل </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">ALPRIFT</span></span></span><span style="font-family:b nazanin;"><span style="font-size:10.0pt;"> که یک مدل وزن‌دهی ساده است و شامل 7 لایۀ مؤثر بر فرونشست (جنس لایه‌های زیرین، کاربری زمین، پمپاژ، تغذیه، ضخامت آبخوان، فاصله از گسل، افت سطح آب زیرزمینی) است میزان آسیب‌پذیری فرونشست دشت با تلفیق لایه</span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">&shy;</span></span></span><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">ها در محیط </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">Arc GIS</span></span></span><span style="font-family:b nazanin;"><span style="font-size:10.0pt;"> برای فاصلۀ زمانی یک سال (1395-1394) به‌دست آمد و برای صحت‌سنجی این مدل از نقشۀ ماهواره‌ای </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">InSAR</span></span></span><span style="font-family:b nazanin;"><span style="font-size:10.0pt;"> استفاده شد. با وجود قابل قبول بودن نتایج، برای بهبود نتایج حاصل و بهینه‌سازی وزن‌های اعمال شده از روش الگوریتم ژنتیک استفاده شد. نتایج نشان داد که بهینه‌سازی وزن&shy;های اعمال شده به‌وسیلۀ الگوریتم ژنتیک، با افزایش ضریب هم‌بستگی از 64/0 به 75/0، بین شاخص فرونشست و فرونشست‌های به‌دست آمده در دشت، توانایی بیش‌تری در ارزیابی فرونشست دارد.</span></span> Land subsidence due to groundwater resources extraction is one of the abundance events occurred in Iran. If it is not properly managed, this phenomenon can cause irreparable damage to the affected areas. Population growth and agricultural technology have also led to overexploitation of the groundwater resources in some parts of Iran. The rate of land subsidence due to overexploitation of the&nbsp; groundwater in Tehran plain has increased over recent years. Under such conditions, its harmful effects on agricultural land, buildings, infrastructures, and surface deformations, in the form of sinkhole, cracks and fissure are expanding. In this research by using the ALPRIFT model, which is a simple weighing model, consisting of seven layers of subsidence effective parameter&nbsp; (aquifer media, land use, groundwater pumping, recharge, aquifer thickness, fault distance, groundwater level decline), the&nbsp; vulnerability level of the Tehran plain subsidence was estimated by combining data layers in the Arc GIS for a period of one year (2015-2016). The InSAR satellite radar map was used to validate the model. Despite the acceptability of results, genetic algorithm was also used to improve the results and optimize the weights. The results showed that the optimization of the weights applied by the genetic algorithm, increased the correlation coefficient of subsidence index and the subsidence in the Tehran plain from 0.64 to 0.75, which is more&nbsp; efficient in evaluating the land subsidence.<span dir="RTL"></span> پتانسیل فرونشست, آبخوان, بهینه‌سازی وزن, مدل ALPRIFT, الگوریتم ژنتیک, نقشۀ ماهواره‌ای InSAR : Subsidence potential, Weight optimization, ALPRIFT model, Genetic Algorithm, InSAR radar Map 199 212 http://gnf.khu.ac.ir/browse.php?a_code=A-10-292-1&slc_lang=fa&sid=1 Ali Manafiazar علی منافی آذر alimanafiazar@yahoo.com 10031947532846003669 10031947532846003669 No Tarbiat modares university دانشگاه تربیت مدرس، دانشکدۀ علوم Mashalah Khamehchiyan ماشااله خامه چیان khamechm@modares.ac.ir 10031947532846003670 10031947532846003670 Yes Tarbiat modares university دانشگاه تربیت مدرس، دانشکدۀ علوم Ataalah Nadiri عطااله ندیری nadiriata@gmail.com 10031947532846003671 10031947532846003671 No Tabriz university دانشگاه تبریز