تعداد نشریات | 44 |
تعداد شمارهها | 1,323 |
تعداد مقالات | 16,270 |
تعداد مشاهده مقاله | 52,954,047 |
تعداد دریافت فایل اصل مقاله | 15,624,713 |
ارزیابی ریسک آلودگی آبخوان دشت سلماس نسبت به آلاینده زمینزاد | ||
دانش آب و خاک | ||
مقاله 4، دوره 32، شماره 4، دی 1401، صفحه 47-59 اصل مقاله (981.13 K) | ||
شناسه دیجیتال (DOI): 10.22034/ws.2021.37972.2319 | ||
نویسندگان | ||
مریم قره خانی* 1؛ عطاالله ندیری2؛ اصغر اصغری مقدم3؛ سینا صادق فام4 | ||
1دانشجوی دکتری هیدروژئولوژی، گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز | ||
2دانشیار گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز | ||
3استاد گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز | ||
4استادیار گروه آب، دانشکده فنی مهندسی، دانشگاه مراغه | ||
چکیده | ||
آبخوان دشت سلماس یکی از آبخوان های استان آذربایجان غربی می باشد که به علت وجود چشمه آبگرم و شرایط زمین شناختی منطقه در معرض خطر آلودگی انواع آلاینده های زمین زاد از جمله آرسنیک قرار دارد. لذا ارزیابی ریسک آلودگی این آبخوان نسبت به آلاینده آرسنیک و تعیین مناطق در معرض خطر امری ضروری می باشد. در این پژوهش ریسک آلودگی آبخوان دشت سلماس با استفاده از روش OSPRC مورد بررسی قرار گرفته است. در روش OSPRC ریسک آلودگی با در نظر گرفتن منشا آلاینده، مسیر انتقال آلودگی و عواقب و نتایجی که آلودگی بر موجودات دارد؛ بررسی می شود. در این روش بعد از شناسایی منشا آلودگی، مسیر انتقال آلودگی با ارزیابی آسیب پذیری ویژه نسبت به آلاینده آرسنیک مورد بررسی قرار گرفت. به طوری که ارزیابی آسیب پذیری ویژه با استفاده از مدل شبکه عصبی GMDH و شش پارامتر روش SPECTR که شامل شیب زمین، pH، هدایت الکتریکی، هدایت هیدرولیکی، تراز سطح آب زیرزمینی و تغذیه می باشد؛ انجام گرفت. بعد از اجرای مدل شبکه عصبی GMDH، مقادیر RMSE و r برای مرحله آزمایش به ترتیب 0.036 و 0.902 بدست آمده است. نتایج حاصل از تهیه نقشه ریسک آلودگی که از حاصلضرب آسیب پذیری ویژه در سرعت جریان آب زیرزمینی بدست آمده نشان داد که ریسک آلودگی نسبت به آلاینده آرسنیک در قسمت های غربی و بخش هایی از جنوب غربی بیشتر از بقیه قسمت های آبخوان می باشد ولی به طور کلی ریسک آلودگی آبخوان سلماس نسبت به آلاینده آرسنیک خیلی کم می باشد. | ||
کلیدواژهها | ||
آبخوان دشت سلماس؛ آرسنیک؛ روش OSPRC؛ ریسک آلودگی؛ مدل شبکه عصبی GMDH | ||
مراجع | ||
Anonymous, 2011. Guidelines for Drinking-water Quality. Fourth edition, Recommendations, WHO Press World Health Organization, Geneva.
Asghari Moghaddam A, Gharekhani M, Nadiri AA, Khord M and Fijani E, 2017. Evaluation of intrinsic vulnerability of Ardabil plain using DRASTIC, SINTACS and SI methods. Geography and Planning 21 (61): 57-74. (In Persian with English abstract)
Baalousha HM, 2011. Mapping groundwater contamination risk using GIS and groundwater modelling, A case study from the Gaza Strip, Palestine. Arabian Journal of Geosciences 4: 483–94.
Gemitzi A, Petalas C, Tsihrintzis VA and Pisinaras V, 2006. Assessment of groundwater vulnerability to pollution: a combination of GIS, fuzzy logic and decision making techniques. Environmental Geology 49: 653–73.
Gharekhani M, Nadiri AA, Asghari Moghaddam A and Sadeghi Aghdam F, 2015. Optimization of DRASTIC model by support vector machine and artificial neural network for evaluating of intrinsic vulnerability of Ardabil plain aquifer. Iranian journal of Ecohydrology 2 (3): 311-324. (In Persian with English abstract)
Huan H, Zhang B-T, Kong H, Li M, Wang W, Xi B and Wang G, 2018. Comprehensive assessment of groundwater pollution risk based on HVF model: A case study in Jilin city of northeast China. Science of the Total Environment 628–629: 1518–1530.
Ivakhneko AG, 1971. Polynomial theory of complex systems. IEE Trans. On systems. Man and Cybermetics SMC 1: 364-378.
Nadiri AA, Gharekhani M, Khatibi R and Asghari Moghaddam A, 2017b. Assessment of groundwater vulnerability using supervised committee to combine fuzzy logic models. Environmental Science and Pollution Research 24 (9): 8562-8577.
Nadiri AA, Gharekhani M, Khatibi R, Sadeghfam S and Asghari Moghaddam A, 2017a. Groundwater vulnerability indices conditioned by supervised intelligence committee machine (SICM). Science of the Total Environment 574: 691–706.
Nadiri AA, Sadeghfam S, Gharekhani M, Khatibi R and Akbari E, 2018. Introducing the risk aggregation problem to aquifers exposed to impacts of anthropogenic and geogenic origins on a modular basis using 'risk cells'. Journal of Environmental Management 217: 654–667.
Neshat A, Pradhan B and Javadi S, 2015. Risk assessment of groundwater pollution using Monte Carlo approach in an agricultural region: An example from Kerman plain, Iran. Journal of Computers, Environment and Urban Systems 50: 66–73.
Nobre RCM, Rotunno OC, Mansur WJ, Nobre MMM and Cosenza CAN, 2007. Groundwater vulnerability and risk mapping using GIS, modeling and a fuzzy logic tool. Journal of Contaminant Hydrology. 94: 277–92.
Nriagu JO and Pacyna JM, 1988. Quantitative assessment of worldwide contamination of air, water and soils by trace metals. Nature Journal 333: 134–1
Pershagen G, 1981. The carcinogenicity of arsenic. Environmental Health Perspectives 40: 93-100.
Sadeghfam S, Hassanzadeh Y, Khatibi R, Moazamnia M and Nadiri AA, 2018. Introducing a risk aggregation rationale for mapping risks to aquifers from point- and diffuse-sources–proof-of-concept using contamination data from industrial lagoons. Journal of Environmental Impact Assessment Review 72: 88–98.
Saidi S, Bouri S, Ben Dhia H and Anselme B, 2011. Assessment of groundwater risk using intrinsic vulnerability and hazard mapping:application to Souassi aquifer, Tunisian Sahel. Agricultural Water Management 98: 1671–82.
Sajedi-Hosseini F, Malekian A, Choubin B, Rahmati O, Cipullo S, Coulon F and Pradhan B, 2018. A novel machine learning-based approach for the risk assessment of nitrate groundwater contamination. Science of the Total Environment 644: 954–962.
Scanlon B, Healy R and Cook P, 2002. Choosing appropriate techniques for quantifying groundwater recharge. Hydrology Journal (10) 1: 18-39.
Todd DK and Mays LW, 2005. Groundwater Hydrology. Third Ed., John Wiley & Sons Inc., USA.
Wang J, He J and Chen H, 2012. Assessment of groundwater contamination risk using hazard quantification, a modified DRASTIC model and groundwater value, Beijing plain, China. Science of the Total Environment 432: 216-226.
Wilson J, Schreier H and Brown S, 2008. Arsenic in groundwater in the Surrey-Langley Area. Fraser Health Authority, Abbotsford.
Zwahlen F, 2004. Vulnerability and risk mapping for the protection of carbonate (karst) aquifers. Final report COST action 620: European Commission, Brussels.
| ||
آمار تعداد مشاهده مقاله: 533 تعداد دریافت فایل اصل مقاله: 292 |