بررسي آلودگي نيكل در برگ درختان چنار (Platanus orientalis) حاشيه خيابان ها و خاك هاي سطح شهر رشت

Evaluation of Ni pollution in leaf of Plantain (Platanus orientalis) and soil in Rasht city area

فلزات سنگين يكي از مهم ترين و شناخته شده ترين آلاينده ها هستند كه ورود آن ها به محيط زيست سبب بروز صدمات و بيماري هاي مختلفي مي شود. اين پژوهش با هدف تعيين وضعيت آلودگي خاك و برگ درختان چنار به عنصر نيكل ، تخمين و پهنه بندي نيكل در سطح شهر رشت با استفاده از روش زمين آمار انجام شد . ابتدا 126 نمونه 0 سانتي متري) و 76 نمونه برگ از درختان چنار از حاشيه خيابان هاي شهر رشت - مركب از خاك سطحي ( 30 جمع آوري شد و غلظت كل عنصر نيكل در خاك ها و برگ ها تعيين شد. ميانگين غلظت نيكل خاك و نيكل گياه 2 ميلي گرم بر كيلوگرم به دست آمد. نيكل خاك در تمام منطقه پايين تر از آستانه هشدار و سميت / 35 و 7 / به ترتيب: 59 نيكل مي باشد و در مورد نيكل گياه اكثريت گياهان منطقه آلوده به نيكل نبوده و پايين تر از حد مجاز سميت مي باشند 9 درصد از آن ها بالاتر از اين حد بودند . مدل هاي كروي و خطي بر داده ها به روش سعي و خطا در / كه در حدود 2 جهت درون يابي آن ها استفاده شد . سپس IDW برازش داده شدند و از تخمينگرهاي كريجينگ و GS+ نرم افزار 5.1 ترسيم شد. Arc GIS نقشه تخمين متغيرها توسط نرم افزارهاي 9.2

Heavy metals are one of the most important and the best known pollutants that its entry into the environment causes to appear damages and different diseases. This study aimed to determine the amount of Nickel concentration in soil and leaves of Platanus orientalis, estimate and mapping it in Rasht city area by using geostatistic method. To achieve these goals 126 samples of surface soil (0-30 cm) and 76 samples of leaves (Platanus orientalis) were collected from Rasht city streets. Total concentrations of Nickel in soils and leaves were determined by Atomic Absorption Spectroscopy. Average concentrations obtained for the Nickel mg kg-1 was 35.59 for soil and 2.7 in leaves. Soil Nickel in the region were lower than threshold alerts and toxicity and about %9.2 of leaf Nickel’s data were above tolerable limit. Spherical model and Linear model fitted better in experimental variogram in GS+ program by using try and error method. Kriging and IDW estimator was used for interpolation. Kriging estimation was mapped by using Arc GIS 9.2 software.