اشتقاق و اعتبارسنجي توابع انتقالي طيفي براي پيش‌بيني غلظت برخي فلزات سنگين در محدوده طيف مرئي تا مادون قرمز

سابقه و هدف ارتباط مستقيم بين افزايش غلظت فلزات سنگين خاك و ابتلا به سرطان‌هاي مختلف براي افرادي كه در معرض آلودگي اين فلزات هستند، توسط محققان مختلفي گزارش شده است. بنابراين پايش سريع و دوره‌اي گسترش مكاني اين فلزات، بسيار با اهميت است. اگرچه روشهاي معمول اندازه‌گيري غلظت فلزات سنگين خاك كه مبتني بر روش هضم در اسيدهاي غليظ و قرائت توسط دستگاه ICPOES و يا AAS انجام مي‌گيرد از دقت كافي برخوردار است، اين روش‌ها عمدتاً وقت‌گير و پرهزينه بوده و نياز به مواد شيميايي و كارشناسان آموزش ديده دارند. توسعه روش‌هاي اسپكتروسكوپي در دامنه طيف‌هاي مرئي تا مادون قرمز نزديك مي‌تواند روش جايگزين مناسبي براي انجام تخمين محتوي فلزات سنگين خاك باشد. اين روش جز روش‌هاي غيرتخريبي تقسيم بندي شده، احتياج به حداقل آماده‌سازي نمونه پيش از انجام آزمايش داشته و نيازمند به استفاده از هيچ گونه مواد شيميايي( خطرناك ) نيست. همچنين قرائت‌هاي اين روش حداكثر چند ثانيه طول كشيده و همزمان مي‌توان چندين ويژگي خاك را از يك قرائت تخمين زد. اطلاعات چنداني در زمينه استفاده از بازتاب‌هاي طيفي در تخمين فلزات سنگين آرسنيك و موليبدن با استفاده از بازتاب‌هاي طيفي در محدوده مادون قرمز نزديك و مياني در كشور وجود ندارد. بنابراين هدف اين پژوهش بررسي قابليت شبكه هاي عصبي مصنوعي در تخمين غلظت اين عناصر بر اساس مطالعه بازتاب‌هاي طيفي در محدوده مادون قرمز نزديك و مياني است. مواد و روش‌ها تعداد 58 نمونه سطحي از جزيره هرمز جمع‌آوري و غلظت فلزات سنگين موليبدن و آرسنيك با استفاده از روش هضم چهار اسيد (16) و توسط دستگاه ICPOES تعيين شد. به منظور ‌اندازه‌گيري داده‌هاي طيفي نمونه‌هاي خاك، از دستگاه اسپكتروراديومتر زميني(Field Spec 3, Analytical Spectral Device, ASD Inc) استفاده و بازتاب طيفي نمونه‌هاي سطحي در محدوده مادون قرمز نزديك و مياني به دست آمد. سپس با استفاده از روش شبكه عصبي مصنوعي اقدام به استخراج توابع انتقالي طيفي و تخمين غلظت فلزات آرسنيك و موليبدن گرديد. يافته‌ها نتايج نشان داد كه روش شبكه عصبي مصنوعي داراي قابليت بالا در تخمين غلظت فلزات سنگين مورد مطالعه با استفاده از داده‌هاي طيفي مي‌باشد. مقادير ضريب همبستگي(R2) براي هر دو عنصر، مطلوب و بيشتر از 9/0 بوده است كه نشان‌دهنده همراستايي بالاي داده هاي واقعي و پيش‌بيني شده توسط مدل شبكه عصبي براي پيش‌بيني فلزات سنگين مورد مطالعه بوده است، در عين‌حال نتايج حاصل از ساير شاخص‌ها نشان داد كه توانايي شبكه عصبي مصنوعي براي پيش‌بيني غلظت موليبدن بهتر از آرسنيك بوده است، به طوري كه نتايج نشان داد كه مقدار خطاي باقي مانده براي اين عنصر كم (CRM=0.11)، ضريب آكائيك منفي(AIC=345.8) و كارايي مدل‌سازي براي اين عنصر نزديك به يك بوده است (EF=0.97). نتيجه گيري در اين تحقيق از بازتابش‌هاي طيفي در محدوده مادون قرمز در تخمين محتواي موليبدن و آرسنيك خاك استفاده شد. همچنين شبكه هاي عصبي مصنوعي به عنوان ابزار برقراري ارتباط بين بازتابش‌هاي طيفي و ميزان فلزات سنگين به كار گرفته شد. بطور كلي نتايج نشان داد كه روش شبكه عصبي مصنوعي مي‌تواند به عنوان روشي كارا در اشتقاق توابع انتقالي طيفي و تخمين قابل اعتماد غلظت موليبدن و آرسنيك در غلظت‌هاي بالا به كار گرفته شود.