پديد آورندگان :
نظريات، ثمين دانشگاه آزاد اسلامي واحد خوراسگان اصفهان , هودجي، مهران دانشگاه آزاد اسلامي واحد خوراسگان اصفهان , بسالت پور، علي اصغر دانشگاه ولي عصر (عج) رفسنجان
كليدواژه :
آلاينده‌هاي خودرويي , آلودگي خاك , انتخاب متغير , فلزات سمي
چكيده فارسي :
بررسي توزيع غلظت فلزات سنگين، براي پايش آلودگي خاك و حفظ كيفيت آن امري ضروري است. در اين پژوهش، تغييرات غلظت سرب در خاك سطحي زمينهاي حاشيه بزرگراه دزفول-اهواز بررسي و ويژگي‌هاي خاك مؤثر بر آن تعيين شد. بدين منظور، نمونه برداري خاك از عمق 0 تا 10سانتيمتر بر روي خط مجاور با محور بزرگراه با سه نمونه يكسان به فواصل 15، 40 و 100 متري از حاشيه جاده انجام شد (مجموعاً 135 نمونه). سپس در هر نمونه خاك، غلظت كل سرب، ماده آلي ، كربنات كلسيم معادل، اسيديته، قابليت هدايت الكتريكي (EC) و توزيع اندازه‌اي ذرات خاك (درصد رس، سيلت، شن‌ريز و خيلي‌ريز و درصد كل شن) اندازهگيري گرديد. مدلسازي با استفاده از روش ماشينهاي بردار پشتيبان (SVMs) و رگرسيون خطي چندمتغيره (MLR) انجام شد. براي بررسي كارايي مدلها نيز از برخي شاخص‌هاي آماري نظير ضريب همبستگي (r)، ريشه ميانگين مربعات خطا (RMSE) و شاخص كارايي مدل (MEF) بين مقادير اندازهگيري شده و برآورد شده، استفاده گرديد. بررسي نتايج حاصل از انتخاب متغير به روش SVMs نمايانگر آن بود كه در فاصله 15 متري از جاده، پارامتر درصد كربنات كلسيم معادل، در فاصله 45 متري، درصد رس و در فاصله 45 تا 100 متري، pH و سپس ميزان درصد شن بيشترين ضريب اهميت را در جذب سطحي سرب داشتند. ضريب r و شاخص MEF براي برآورد سرب با استفاده از مدل SVM به‌ترتيب برابر 0/86 و 0/70 درصد بود، در حاليكه مقدار آنها براي مدل MLR برابر 0/62 و 0/38 درصد بود. بنابراين؛ بر اساس نتايج اين پژوهش به نظر ميرسد بتوان از ماشينهاي بردار پشتيبان براي تعيين عوامل مؤثر بر دريافت سرب در خاك حاشيه جاده‌ها و مدل سازي تغييرات غلظت آن در خاك استفاده نمود.
چكيده لاتين :
Investigation of heavy metal distributions in environment is vital for the remediation of contaminated soils and environmental monitoring. In this study, the Pb-concentration variation in surface soils surrounding the Dezful-Ahvaz highway and the soil parameters influencing it were investigated. For this purpose, soil sampling was performed from depth of 0-10 cm of adjacent lines with the highway by collecting three identical samples at intervals of 15, 40, and 100 m from the road side (a total of 135 samples). Then, the total Pb-concentration, organic matter, calcium carbonate equivalent (CCE), pH, electrical conductivity (EC), and soil particle size distribution (clay, silt, sand, fine sand, and very fine) were measured in each soil sample. Modeling analyses were performed using support vector machine (SVM) and multiple linear regression (MLR) methods. To investigate the model performances, some statistical indicators including the correlation coefficient (r), root mean square error (RMSE), and model efficiency factor (MEF) were calculated between the measured and the predicted values. The variable selection results using the SVMs method indicated that the CCE was the most effective factor on Pb- adsorption by soil particles at the distance of 0-15 m from the road side and the clay % and pH (followed by sand %) parameters had the highest importance coefficients at the distances of 15-45 and 45-100 m, respectively. The r coefficient and MEF values for estimation of Pb using the SVM model were 0.86 and 0.70 %, while they were 0.62 and 0.38 % for the MLR models. Therefore, according to the obtained results in this study, it appears that it would be possible to use support vector machines for determining the factors influencing the Pb- adsorption by soil surrounding the road sides and for modelling heavy metal concentration variations in soils.
