سمیه محرمی؛ مهدی صادقی پور مروی؛ رحمان شریفی
چکیده
سابقه و هدف: در طی دو دهه گذشته، مدلسازی به کمک رایانه برای شبیهسازی عناصر سنگین توسعه قابل توجهی کرده است. برآورد آلودگی خاک نقش مهمی در کنترل آلودگی و مدیریت زمین دارد. اما در مناطقی با وسعت بالا، جمع آوری دادهها به روش مستقیم به لحاظ هزینه و زمان چالش برانگیز است. در سالهای اخیر، کاربرد روشهای غیر مستقیم مانند شبکه ی عصبی ...
بیشتر
سابقه و هدف: در طی دو دهه گذشته، مدلسازی به کمک رایانه برای شبیهسازی عناصر سنگین توسعه قابل توجهی کرده است. برآورد آلودگی خاک نقش مهمی در کنترل آلودگی و مدیریت زمین دارد. اما در مناطقی با وسعت بالا، جمع آوری دادهها به روش مستقیم به لحاظ هزینه و زمان چالش برانگیز است. در سالهای اخیر، کاربرد روشهای غیر مستقیم مانند شبکه ی عصبی مصنوعی (ANN) و مدلهای مشابه دیگر برای برآورد عناصر سنگین مورد توجه قرار گرفته است. در شهرستان گرمسار 27 معدن نمک وجود دارد که از این تعداد 16 معدن فعال است. نمک استخراج شده از این معادن به عنوان یکی از چاشنیهای غذا مورد استفاده قرار میگیرد. از آنجا که بهدلیل فعالیتهای معدن کاری، ممکن است خاکهای این منطقه آلوده به عناصر سنگین گردد. لذا در این بررسی، کارآیی شاخصهای زمینی و طیفی برای برآورد کادمیوم (Cd) کل خاک در اطراف خاکهای معادن نمک گرمسار توسط مدل پرسپترون چند لایه (MLP) شبکه عصبی مصنوعی مورد ارزیابی قرار گرفت. مواد و روش ها: برای انجام این پژوهش 49 نمونه خاک مرکب از عمق cm 20-0 منطقه مورد مطالعه جمعآوری گردید. ویژگیهای فیزیکی و شیمیایی نمونههای خاک مانند درصد رس، شن، سیلت، اسیدیته خاک (pH)، هدایت الکتریکی (EC) و درصد آهک تعیین گردید. اندازهگیری غلظت Cd کل توسط دستگاه جذب اتمی مدل واریان (Varian-220AA) صورت گرفت. برای استخراج پارامترهای زمینی منطقه مورد مطالعه از نقشه رقومی ارتفاع (DEM) و برای محاسبه شاخصهای طیفی، تصاویر باندهای لندست-8 با وضوح m 30 استفاده شدند. 25 داده کمکی مستخرج از DEM و تصاویر لندست-8 برای برآورد غلظت Cd کل خاک منطقه مورد مطالعه استفاده گردید. دادههای جمع آوری شده به صورت تصادفی به دو دسته آموزش و صحتیابی تقسیم شدند و از آنها برای ارزیابی مدل MLP استفاده شد. براساس دادههای کمکی بدست آمده و ضرایب همبستگی بین این دادهها با مقدار Cd برآورد شده، 2 مدل مورد ارزیابی قرار گرفت. نتایج و بحث: نتایج این بررسی نشان داد که دادههای کمکی مستخرج از باندهای لندست-8 (با بیشترین میزان دقت و کمترین میزان خطا) جزء تأثیرگذارترین پارامترها در برآورد آلودگی خاک به Cd بودند. براساس نتایج بدست آمده از ارزیابی عملکرد ANN در برآورد Cd کل، مقدار ریشه میانگین مربعات خطا (RMSE) و ضریب تبیین (R2) برای مدل اول 05/0 و 95/0 و برای مدل دوم 10/0 و 80/0 بدست آمد. در مدل 1، شاخص اشباع (Sat I)، شاخص اندازه ذرات (GSI)، شاخص کربنات (CrI)، شاخص رنگ خاک (Color I) و شاخص گچ (GI) جزء ویژگیهای مهم و اصلی در مدلسازی Cd بودند. نتایج مطالعه حاضر کارآیی بالای شبکهی ANN را در برآورد Cd کل خاک نشان داد. نتیجه گیری: با توجه به توسعه مدلهای یادگیری ماشین در رشته مهندسی محیطزیست بویژه در شبیهسازی عناصر سنگین، داشتن یک نقطه عطف برای پیشرفت آنها بسیار مهم است. نتایج این پژوهش نشان داد که مدل MLP برای برآورد Cd کل خاک مناسب است و میتوان با کمک این روش در هزینههای نمونهبرداری و تجزیه خاک صرفه جویی نمود. بنابراین توصیه میشود روش بکار رفته در این بررسی، برای تهیه نقشه Cd کل خاک در مناطق مشابه صحت سنجی شود.