انجمن آبخیزداری ایران مجله اکوهیدرولوژی 2423-6098 3 2 2016 06 21 Investigation of Malikan Plain Groundwater’s Pollution to Arsenic بررسی آلودگی آب زیرزمینی دشت ملکان به آرسنیک 151 166 59646 10.22059/ije.2016.59646 FA حسین نوروزی کارشناس ارشد هیدروژئولوژی، دانشکدۀ علوم طبیعی، گروه علوم زمین، دانشگاه تبریز عطاالله ندیری استادیار هیدروژئولوژی، دانشکدۀ علوم طبیعی، گروه علوم زمین، دانشگاه تبریز 0000-0001-9211-0546 اصغر اصغری مقدم استاد هیدروژئولوژی، دانشکدۀ علوم طبیعی، گروه علوم زمین، دانشگاه تبریز Journal Article 2016 05 22  The presence of Heavy metals anomalies in groundwater resource and their effect on human health through both drinking water and agricultural activities is a serious worldwide. Because of with the distribution of these elements in groundwater of Malikan plain, the information does not exist, this study were performed to evaluate heavy metals, especially arsenic in groundwater and to determining the most important factors on the arsenic anomalies of plains. Therefore, 27 samples were collected from groundwater resources in September 2014, and hydrochemical analysis were carried out in hydrogeology laboratory of Tabriz university as well as some heavy metals such as iron, aluminum, manganese, arsenic and chromium were analyzed by Atomic absorption- Graphite furnace method in Water quality control laboratory in East Azerbaijan Province. In this study the random forest (RF) algorithms, as a learning method based on ensemble of decision trees, are used for the first time in this context for evaluating of arsenics vulnerability. The RF technique has advantages over other methods due to having, high prediction accuracy, non-parametric nature, ability to learn nonlinear relationships, and ability to determine the important variables in the prediction. To model induction, five categories of explanatory variables, including aquifer characteristics, heavy metals, driving forces, remote sensing and physical-chemical variables, containing 24 variables, accompany with the response variable (arsenic) were entered into the model. Based on RF model predictions, transmissivity, nitrate, hydraulic conductivity and residential areas, were identified as the most effective parameters for having arsenic anomalies. The presence of high correlation between the amounts of nitrates and arsenic implicates the same origin for these ions. Based on the purposed model, 13% of the plain area is very low 53% low, 21% moderate, 11.5% high and 1.5% very high vulnerable to the arsenic contamination.   <strong> </strong>   از آنجا که در زمینۀ وضعیت پراکنش عناصر سنگین در آب‏های زیرزمینی دشت ملکان اطلاعاتی وجود ندارد، این مطالعه با هدف بررسی فلزات سنگین، به‌خصوص آرسنیک در آب زیرزمینی و تعیین عوامل مهم بر آنومالی آرسنیک این دشت انجام پذیرفت. به همین‌منظور، نمونه‏برداری از منابع آب زیرزمینی انجام شد و آنالیزهای هیدروشیمیایی در آزمایشگاه آب‏شناسی دانشگاه تبریز انجام شد. همچنین برخی عناصر سنگین از قبیل آهن، آلومینیوم، منگنز، آرسنیک و کروم با روش جذب اتمی‌‌ـ کوره گرافیتی در آزمایشگاه کنترل کیفی آب‌ـ فاضلاب تبریز اندازه‏گیری شدند. در مطالعۀ حاضر روش Random Forest (RF) که یک روش یادگیری مبتنی بر دسته‏ای از درخت‏های تصمیم است، برای ارزیابی احتمال آلودگی آرسنیک پیشنهاد شده که تا کنون در این زمینه استفاده نشده است. روش RF نسبت به روش‏های دیگر مزایایی مانند دقت پیش‏بینی زیاد، توانایی در یادگیری روابط غیر‌خطی، توانایی زیاد در تعیین متغیرهای مهم در پیش‏بینی و ماهیت غیر‌پارامتری دارد. بر‌اساس پیش‏بینی مدل RF، مقدار قابلیت انتقال، نیترات، هدایت هیدرولیکی و وجود شهرها به‏عنوان تأثیر‌گذارترین پارامترها در وجود آنومالی آرسنیک شناخته شدند. وجود همبستگی زیاد بین مقادیر نیترات و آرسنیک، به منشأ انسان‏زاد آنومالی آرسنیک، به‌خصوص به‌دلیل نبود شبکۀ فاضلاب ارتباط پیدا می‏کند. همچنین آلودگی قسمت جنوب‏ شرقی آبخوان را می‏توان به منشأ زمین‏زاد ناشی از سولفیدهای آرسنیک درون شکستگی‏های موجود در مارن‏های میوسن ربط داد. بر اساس نقشۀ به‌دست‌آمده از مدل، 13درصد از وسعت منطقۀ مطالعه‌شده در محدودۀ آسیب‏پذیری یا احتمال آلودگی بسیارکم، 53 درصد در محدودۀ آسیب‏پذیری کم، 21 درصد در محدودۀ آسیب‏پذیری متوسط، 5/11 درصد در محدودۀ آسیب‏پذیری زیاد و 5/1 درصد در محدودۀ آسیب‏پذیری بسیارزیاد نسبت آرسنیک قرار می‏گیرد.       https://ije.ut.ac.ir/article_59646_794467d8317411fd9fa4eb6caaa79155.pdf