ارائه راهکار برای تعیین ریسک آلودگی در آبخوان¬های درز و شکاف¬دار
زهرا صدقی
علوم طبیعی
۱۴۰۱
۲۲۸ص.
سی دی
دکتری
علوم زمین
۱۴۰۱/۱۲/۱۵
منطقه ماکو-بازرگان-پلدشت در شمال باختر ایران و شمال استان آذربایجان غربی قرار دارد. مهم¬ترین منابع آبی موجود در این منطقه آب زیرزمینی بوده و بخش عظیمی از مصارف شرب، کشاورزی و صنعت وابسته به این منابع ارزشمند است. سفره¬هاي اصلي موجود در منطقه از دو سازند درز و شکاف¬دار (کارست-سازند سخت) و آبرفت تشكيل يافته¬اند. هدف اصلی این پژوهش،ارائه راهکار جدید برای تعیین ریسک آلودگی در آبخوان¬های کمپلکس است. در این راستا در ابتدا با تعریف و ارائه فریم¬ورک جدید برای تعیین نقاط آسیب¬پذیر آبخوان¬های کمپلکس، به ارزیابی این مهم پرداخته شده و در ادامه با مدل¬های هوش مصنوعی به بهبود نتایج فریم¬ورک پیشنهادی(DIPAC) پرداخته شده و برای تعیین عدم قطعیت ساختار مدل و بین مدل¬ها نیز از میانگین¬گیری مدل بیزین استفاده شده است. در ادامه با ارزیابی کیفیت آب شرب با استفاده از شاخص DWQI، اولین بار، با ارائه دسته¬بندی منطقی به تعیین کیفیت آب شرب پرداخته شده است، سپس در ادامه از شاخص¬های ارزیابی ریسک (سرطان¬زایی، غیرسرطان-زایی)، برای تعیین ریسک سلامت ساکنین منطقه استفاده و در نهایت با تجمیع 3 خروجی (شاخص آسیب¬پذیری تبدیل¬شده به ریسک، شاخص کیفیت آب شرب، شاخص ریسک سلامتی انسان) وزن¬داده¬شده با استفاده از آنتروپی شانون، نقشه ریسک جامع تهیه¬شده است. در راستای تحقق اهداف پژوهش موردنظر در ابتدا ارزیابی هیدروژئوشیمیایی منابع آبی محدوده ماکو-بازرگان-پلدشت با تعیین غلظت عناصر اصلی، فرعی و کمیاب، نمونه¬بردای و آنالیز 60 نمونه با روش¬های استاندارد انجام پذیرفته است. برای شناسایی منشا آنومالی¬ها و مکانیسم¬های هیدروزئوشیمیایی حاکم بر منابع آبی منطقه نیز شاخص¬های کیفی، نقشه¬های توزیع، پهنه¬بندی کیفی و آنالیز¬های آماری از جمله همبستگی، خوشه¬بندی و تحلیل عاملی استفاده شده است. براساس نتایج حاصل از بررسی¬های هیدروشیمیایی، مقادیر انواع مختلف عناصر، بالاتر از استاندارد تعریف¬شده توسط USEPA و WHO است که مهم¬ترین¬ این موارد شامل آنومالی نیترات، فلوراید و عناصر کمیاب (As، Al، Co، Ni و Pb) است. با بررسی¬های انجام¬شده منشا آلاینده نیترات انسان¬زاد و فلوراید و آرسنیک زمین¬زاد و بقیه عناصر از دو منشا مختلف زمین¬زاد و انسان¬زاد تشخیص داده شده است. غلظت بالای فلورايد درمنابع آب منطقه ناشي از آب¬هاي سطحي و زيرزميني ورودي از كشور تركيه و همچنین آزاد¬شدن فلوراید از بازالت¬هاست. در این پژوهش، با ارائه فریم¬ورک جدید برای انواع آبخوان¬ها (منفرد – کمپلکس) به¬نام DIPAC، به تعیین مناطق آسیب¬پذیر آبخوان کمپلکس ماکو-بازرگان-پلدشت پرداخته شده است. فریم¬ورک DIPAC از 5 فاکتور تشکیل شده که شامل عمق آب زیرزمینی (D)، شرایط نفوذ (I)، پوشش محافظ (P)، محیط آبخوان (A) و هدایت هیدرولیکی(C) است. همچنین فاکتور¬های شرایط نفوذ و پوشش محافظ نیز به ترتیب شامل 3 و 2 ساب-فاکتور است. با رتبه¬دهی و اختصاص وزن و سپس تلفیق لایه¬های 5 فاکتور DIPAC، شاخص آسیب¬پذیری برای آبخوان کمپلکس منطقه ماکو-بازرگان-پلدشت تعیین شده و در ادامه عملکرد DIPAC در مقایسه با DRASTIC برای منطقه مورد مطالعه سنجیده¬شده است که نتایج بیانگر برتری فریم¬ورک پیشنهادی DIPAC برای تعیین مناطق آسیب¬پذیر آبخوان کمپلکس ماکو-بازرگان-پلدشت در مقایسه با DRASTIC است. در ادامه به بهینه¬سازی وزن و رتبه¬های DIPAC با بهره¬گیری از مدل¬های هوش مصنوعی منفرد از جمله ANN، SVM و GEP که در دو سطح انجام گرفته، پرداخته¬شده است. در سطح 1 از مدل¬های منفرد اشاره¬شده و در سطح 2 میانگین¬گیری مدل بیزین (BMA) به¬کار گرفته شده است. نتایج ارزیابی بیانگر این است که BMA با ترکیب نتایج مدل¬های منفرد در سطح 1 و با درنظر گرفتن عدم قطعیت، تخمین دقیق¬تری با بهبود نتایج فریم-ورک پیشنهادی ارائه داده است. مدل BMA با ترکیب نتایج مدل¬ها و تبدیل آن¬ها به مدل چندگانه، نسبت به مدل¬های منفرد عملکرد بهتری ارائه داده و موجب کاهش پراکندگی در residual error شده است. نتایج بررسی عدم قطعیت که شامل عدم قطعیت در ساختار مدل، بین مدل¬ها و عدم قطعیت کل است، نشان داد که عدم قطعیت وابسته به ورودی¬های مدل یعنی فاکتور¬های DIPAC است که از ورودی¬های مدل نیز فاکتور شرایط نفوذ بیشتر از 4 فاکتور دیگر بر عدم قطعیت ساختار مدل تاثیرگذار است. در ادامه با تعیین شاخص کیفیت آب شرب (DWQI) و ارائه دسته¬بندی منطقی برای تعیین بازه¬های شاخص مورد¬نظر که اولین بار در این پژوهش ارائه شده است، سعی در ارائه درست¬تر نتایج محاسبات برای شاخص DWQI شده است همچنین با توجه به آنومالی بالای عناصر کمیاب و فرعی در منطقه ماکو-بازرگان-پلدشت، به ارزیابی شاخص ریسک سلامتی (سرطان¬زایی – غیرسرطان¬زایی) برای دو گروه کودک و بزرگ¬سالان، با ارائه شاخص تجمیع¬شده با بهره¬گیری از تکنیک دیتافیوژن، پرداخته ¬شده است. در نهایت با تجمیع نتایج مربوط به فریم¬ورک پیشنهادی (شاخص آسیب¬پذیری تبدیل¬شده به ریسک)، شاخص کیفیت آب آشامیدنی (DWQI) و شاخص ریسک سلامتی (HHRA)، با استفاده از آنتروپی شانون وزن¬دار شده که تاثیرگذارترین شاخص در بحث ریسک سلامتی ساکنین منطقه ماکو-بازرگان-پلدشت، شاخص DIPAC با بیشترین وزن است و درنهایت نقشه جامع ریسک برای منطقه ماکو-بازرگان-پلدشت ارائه شده است.
The study focuses on the Maku-Bazargan-Poldasht region in northwestern Iran, where groundwater is the primary water source for drinking, agriculture, and industry. The aquifers in this area include fractured rock (Karst-Basalt) and alluvial formations. The research aims to introduce the DIPAC framework for assessing contamination risks in complex aquifers, use the DWQI to classify drinking water quality, evaluate health risks (carcinogenic and non-carcinogenic) for local residents, develop a comprehensive risk map using Data Fusion and Entropy methods, and employ artificial intelligence models to improve the accuracy of the DIPAC framework and estimate uncertainties between different models. In this study, 60 water samples were collected and analyzed using standard methods to understand the causes of anomalies and dominant hydrogeochemical processes in the water sources. Results showed that concentrations of nitrate, fluoride, and various trace elements exceeded the limits set by USEPA and WHO standards. Nitrate contamination was found to be caused by human activities, while fluoride and arsenic had natural origins. Other elements had a combination of natural and human sources. The high fluoride levels in the water sources were attributed to inputs from both surface and groundwater from Turkey, as well as fluoride release from basalts. To assess the vulnerability of the Maku-Bazargan-Poldasht complex aquifer, a new framework called DIPAC was introduced. This framework evaluates different aquifer types, considering factors such as groundwater depth, infiltration conditions, protective cover, aquifer media, and hydraulic conductivity. The infiltration conditions factor further includes three sub-factors, while the protective cover factor includes two sub-factors. The study compared the DIPAC and DRASTIC frameworks for assessing the vulnerability of the complex aquifer in the Maku-Bazargan-Poldasht region, finding that the DIPAC framework performed better in identifying vulnerable areas. The DIPAC framework was further optimized by determining optimal weights and rates through a two-level modeling approach. Level 1 involved using models like Artificial Neural Network, Support Vector Machine, and gene expression programming, while Level 2 utilized Bayesian Model Averaging. Combining the outputs of Level 1 models through Bayesian Model Averaging improved the estimation and effectiveness of the DIPAC framework. Uncertainty analysis revealed that within model uncertainty, particularly associated with the model inputs (DIPAC data layers), had the most significant impact on total uncertainty. Among the five data layers, the uncertainty of the Infiltration condition factor had the highest influence on within model uncertainty. The study also focused on enhancing the calculation of the Drinking Water Quality Index (DWQI) by introducing a rational classification based on the guidelines of the US Environmental Protection Agency. This new classification was found to be superior to the previous classification. The health risk index evaluation considered both carcinogenic and non-carcinogenic risks associated with trace and minor element anomalies in the study area. Lastly, a Total Risk Index was developed by combining the results of the vulnerability index (converted to risk), DWQI, and Human Health Risk Assessment. Weights were assigned to each indicator using Shannon's entropy, with the vulnerability index having the highest weight due to its influential role in determining the Total Risk Index.
Developing of a New Approach to Assess Contamination Risk in Fractured Rocks Aquifers