بررسی آلودگی آب زیرزمینی دشت ملکان به آرسنیک

نوع مقاله : پژوهشی

نویسندگان

1 کارشناس ارشد هیدروژئولوژی، دانشکدۀ علوم طبیعی، گروه علوم زمین، دانشگاه تبریز

2 استادیار هیدروژئولوژی، دانشکدۀ علوم طبیعی، گروه علوم زمین، دانشگاه تبریز

3 استاد هیدروژئولوژی، دانشکدۀ علوم طبیعی، گروه علوم زمین، دانشگاه تبریز

چکیده

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.
 
 
 

کلیدواژه‌ها

موضوعات


 
 
1-       Asghari Moghaddam, A; Barzegar, R, 2013, considering Factors affecting high concentrations of arsenic in ground water Resources Tabriz plain aquifers, Journal of Earth Sciences, 92: pp. 154-147, [Persian].
2-       Nadiri, A; Asghari Moghaddam, A; Sadeghi, F; Agaie, H, 2011, investigation of the arsenic anomaly in water resources of Sahand Dam, Journal of Environmental Studies, 3: PP. 61-74, [Persian].
3-       Bellman, R, 2003, Dynamic programming. Mineola, NY: Dover Publications 366 pp.
4-       Ahmed, K.M; Bhattacharya, P; Hasan, M.A., Akhter, S.H; Alam, S.M.M; Bhuyian, M.A.H; Imam, M.B; Khan, A.A; Sracek, O, 2004, Arsenic enrichment in groundwater of the alluvial aquifers in Bangladesh: An overview, Applied Geochemistry, 19: pp.181–200.
5-       Booker, D.J; Snelder, T. H, 2012, comparing methods for estimating flow duration curves at ungauged sites. Journal of Hydrology, 434: pp. 78–94.
6-       Boisson, J; Ruttens, A; Mench, M, Vangronsveld, J, 1999, Evaluation of hydroxyapatite as a metal immobilizing Soil additive for the remediation of polluted soils, Part 1. Influence of hydroxyapatite on metal exchange ability in soil, plant growth and plant metal accumulation. Environmental Pollution 104: 225–233.
7-       Breiman, L; 1996, bagging predictors, Mach Learn, 24(2): pp. 123–40.
8-       Breiman, L; 2001, Random Forests, Mach Learn, 45(1): pp. 5–32.
9-       Breiman, L; Friedman, J. H; Olshen, R.A, Stone C.J, 1984, Classification and regression trees, Chapman & Hall/CRC, New York.
10-    Cai, X; Yu, Y; Huang, Y; Zhang, L; Jia, P.M, Zhao, Q, 2003, Arsenic trioxide-induced mitotic arrest and apoptosis in acute promyelocytic leukemia cells Leukemia, 17: pp.1333–1337.
11-    Das, P; Samantaray, S; Rout, G.R, 1997, Studies on cadmium toxicity in plants, a review. Environment Pollution, 98: pp.29-36.
12-     Das, A.K; 1990, Metal ion induced toxicity and detoxification by chelation therapy, A text book on medical aspects of bio-inorganic chemistry, Isted, CBS, Delhi, 21: pp. 17-58.
13-     Duda, R.O; Hart, P.E; Stork, D.G, 2011, Pattern classification and introduction to the bootstrap. Vol. 57, pp. CRC press.
14-    Duker, A.A; Carranza E.J; Hale, M, 2005, Arsenic geochemistry and health, Environmental Pollution, 31 (5): pp. 631-64.
15-    Emberger, L; 1952, Sur le quotient pluviothermique, C.R. Sciences, 234: pp. 2508-2511.
16-    Evanko, F.R; Dzombak, D.A, 1997, Remediation of metals-contaminated soils and groundwater. Technology Evaluation Report prepared for Ground Water Remediation Technologies Analysis Center, Journal of Hydrology, 213: pp. 71–87.
17-    Facchinelli, A; Sacchi, E; Mallen, L, 2001, Multivariate statistical and GIS-based approach to identify heavy metal sources in soils, Environment Pollution 114: pp. 313–324.
18-    Friedl, M. A; Brodley, C. E; Strahler, A. H, 1999, Maximizing land cover classification accuracies produced by decision trees at continental to global scales, IEEE Transvers Geoscience Remote Sensing 37(2); pp. 969–77.
19-    Guyon, I; Elisseeff, A, 2003, an introduction to variable and feature selection, Journal of machine Learning, 3: pp. 1157–82.
20-    Jack C.N; Wang J; Shraim, A.A, 2003, Global health problem caused by arsenic from natural sources, Chemosphere, 52 (9): pp. 1353-1359.
21-    Ghassemzadeh, F; Arbab-Zavar, M.H; McLennon, G, 2006, Arsenic and antimony in drinking water in Khohsorkh area, northeast Iran, possible risks for the public health, Journal of Applied Sciences, 6 (13): pp. 2705-2714.
22-    Jain, C.K; Ali, I, 2000, Arsenic Occurrence toxicity and speciation techniques, Water Resource, 34(17): pp. 4304-4312.
23-    Ko, B; Gim, J; Nam, J, 2011, Cell image classification based on ensemble features and random forest, Electronics Letters, 47: pp. 638-648.
24-    Mosaferi, M; Yunesian, M; Mesdaghinia, A.R; Nadim, A; Nasseri; and Mahvi, A.H, 2006, Arsenic occurrence in drinking water of L.R. of Iran- the case of Kurdistan province, In: Fate of Arsenic in the environment, Proceedings of the BUET-UNU international symposium, 5-6 February, Dhaka, Bangladesh, Sciences, 6 (13): pp. 2705-2714.
25-    Pal, M; 2005, Random Forest classifier for remote sensing classification, International Journal of Remote Sensing 26(1): pp. 217–22.
26-    Ramanathan, A.L; Balakrishna, P.M; Chidambaram, S, 2007, Groundwater Arsenic Contamination and its health effect-case studies from India and South East Asia, Indian Journal Geochemistry, 22: pp. 371-384.
27-    Rodriguez, V. F; Ghimire, B; Rogan, J; Chica-Olmo, M; Rigol-Sánchez, J. P, 2012d, An assessment of the effectiveness of a Random Forest classifier for land-cover classification, ISPRS Journal of Photogram Remote Sensing, 67: pp. 94-104.
28-    Smedley, P.L; Kinniburgh, D.G, 2002, A review of the source, behavior and distribution of arsenic in natural waters, Applied Geochemistry, 17(12): pp. 517- 568.
29-    USEPA, 2001, Risk Assessment Guidance for Superfund, Human Health Evaluation. Manual Part A, Interim Final, vol. 1, EPA/540/1-89/002.
30-    WHO (World Health Organization), 2009, Guideline for Drinking Water Quality.
31-    WHO, 2004, Guidelines for drinking water quality, Third edition, World Health Organization, Geneva.bnb.
32-    Zheng, Y; Stute, M; Gavrieli, A.I; Dhar, R; Simpson, H.J; Schlosser, P; Ahmed, K.M, 2004, Redox control of arsenic mobilization in Bangladesh groundwater, Applied Geochemistry 19: pp. 201–214.
دوره 3، شماره 2
تیر 1395
صفحه 151-166
  • تاریخ دریافت: 02 خرداد 1395
  • تاریخ بازنگری: 14 مهر 1395
  • تاریخ پذیرش: 19 شهریور 1395
  • تاریخ اولین انتشار: 19 شهریور 1395
  • تاریخ انتشار: 01 تیر 1395