عنوان

بررسی هیدروژئوشیمی و ریسک آلودگی در آبخوان سلماس با استفاده از مدل های چندگانه

پ۲۴۸۲۵

per

بررسی هیدروژئوشیمی و ریسک آلودگی در آبخوان سلماس با استفاده از مدل های چندگانه

مریم قره خانی

علوم طبیعی

۱۴۰۰

۲۴۸ص.

سی دی

دکتری

زمین شناسی گرايش هیدروژئولوژی

۱۴۰۰/۰۶/۰۲

چكيده: آبخوان دشت سلماس به عنوان یکی از آبخوان¬های دارای منابع غنی از آب¬های زیرزمینی در استان آذربایجان غربی است که به علت توسعه فعالیت کشاورزی، افزایش واحدهای صنعتی و وجود چشمه آبگرم در منطقه در معرض خطر آلودگی انواع آلاینده¬های انسان¬زاد و زمین¬زاد قرار دارد. لذا ارزیابی ریسک آلودگی این آبخوان نسبت به آلاینده¬های مختلف و تعیین مناطق در معرض خطر امری ضروری می¬باشد. در این پژوهش ابتدا با بررسی¬های هیدروشیمیایی، آلاینده¬های موجود در آبخوان شناسایی گردید و سپس ریسک آلودگی نسبت به آلاینده¬های مختلف به صورت غیرنظارت شده و نظارت شده و با بکارگیری مدل¬های چندگانه بررسی شده است.به منظور بررسی کیفی و تعیین غلظت یون¬های اصلی، فرعی و برخی عناصر کمیاب آب زیرزمینی منطقه مطالعاتی، نمونه¬برداری و آنالیز هیدروشیمیایی تعداد 44 منبع آبی، با روش¬های استاندارد انجام پذیرفت. مطالعات امکان¬سنجی استفاده از آب زیرزمینی در مصارف مختلف، شناسایی منشأ آنومالی¬ها و مکانیسم¬های هیدروشیمیایی حاکم بر آب زیرزمینی توسط روش¬های گرافیکی، دیاگرام¬های کیفی، آنالیزهای آماری، نسبت¬های یونی، شاخص¬های کیفی، نقشه¬های توزیع مکانی و نیز بررسی¬های زمین¬شناسی و هیدروژئولوژیکی صورت گرفت. براساس نتایج حاصل از مطالعات هیدروشیمیایی، آنومالی¬های نیترات، آرسنیک، بور، فلوئوراید و آلومینیوم در منابع آب زیرزمینی منطقه شناسایی گردید؛ به طوری که منشأ آلاینده نیترات از نوع انسان¬زاد، آرسنیک، بور و فلوئوراید از نوع زمین¬زاد و آلومینیوم در قسمتی از دشت دارای منشأ انسان¬زاد و در قسمتی دیگر دارای منشأ زمین¬زاد تشخیص داده شد.ارزیابی ریسک آلودگی بر پایه روش OSPRC انجام گرفته است که O نشان¬دهنده منشأ بالقوه، S منشأ بالفعل، P مسیر انتقال آلاینده، R دریافت¬کننده و C عواقب و نتایج می¬باشد. در این پژوهش، آسیب¬پذیری آبخوان نسبت به آلاینده¬های انسان¬زاد و زمین¬زاد به عنوان مسیر انتقال آلاینده در نظر گرفته شد و مولفه¬های R و C به دلیل عدم اطلاعات کافی مورد بررسی قرار نگرفته است. برای ارزیابی آسیب¬پذیری آبخوان نسبت به آلاینده¬های انسان¬زاد و زمین¬زاد به ترتیب از روش¬های DRASTIC و SPECTR استفاده گردید. روش SPECTR از شش پارامتر تشکیل شده و شامل پارامترهای شیب (S)، pH (P)، هدایت الکتریکی (E)، هدایت هیدرولیکی (C)، ضخامت بخش اشباع آبخوان (T) و تغذیه (R) می-باشد و همانند روش DRASTIC یک نوع روش هم¬پوشانی است که براساس وزن¬دهی و رتبه¬دهی و تلفیق لایه¬های اطلاعاتی مربوط به هر یک از پارامترها انجام می¬گیرد. در این پژوهش در ادامه مطالعات قبلی انجام گرفته در زمینه بهبود روش DRASTIC، بهینه¬سازی وزن¬ها و رتبه¬های این روش با بهره¬گیری از مدل¬سازی در دوسطح انجام گرفت؛ به طوری که در سطح یک، مدل¬های شبکه عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM) و برنامه¬ریزی بیان ژن (GEP) و در سطح دو، میانگین¬گیری مدل بیزین (BMA) بکار گرفته شد. نتایج نشان داد که BMA با ترکیب نتایج سطح یک و با درنظر گرفتن عدم قطعیت موجب تخمین بهتر و بهبود روش دراستیک می¬گردد. مدل بیزین نتایج این مدل¬ها را به صورت یک مدل واحد ترکیب می¬کند که در آن مدل ایجاد شده اغلب از مدل¬های منفرد عملکرد بهتری داشته و پراکندگی در خطای باقیمانده را کاهش می¬دهد. بررسی عدم قطعیت (به صورت عدم قطعیت بین مدل، درون مدل و عدم قطعیت کل) نشان داد که عدم قطعیت درون مدل که مربوط به ورودی¬های مدل (لایه¬های رستری DRASTIC) می¬باشد بیشترین تأثیر را در عدم قطعیت کل داشته است و از بین هفت لایه رستری، عدم قطعیت لایه تغذیه بیشتر از سایر لایه¬ها بر عدم قطعیت درون مدل تأثیر می¬گذارد. ارزیابی ریسک آلودگی به دو صورت غیرنظارت شده و نظارت شده انجام گرفته است. در روش غیر نظارت شده، ریسک آلودگی نسبت به آلاینده¬های انسان¬زاد و زمین¬زاد به ترتیب از حاصلضرب منشأ آلاینده در آسیب¬پذیری به روش DRASTIC و SPECTR حاصل گردید. برای بررسی عملکرد نقشه¬های ریسک، از معیار ROC/AUC استفاده گردید و ¬مقدار AUC برای تمام آلاینده¬های موجود بیشتر از 5/0 بدست آمد که نشان¬دهنده قابل دفاع بودن نقشه¬های ریسک حاصل می¬باشد. در روش نظارت شده برای ارزیابی ریسک آلودگی نسبت به هر کدام از آلاینده¬های نیترات، آرسنیک، بور، فلوئوراید و آلومینیوم، مدل¬سازی در دو سطح و با استفاده از مدل¬های هوش مصنوعی انجام گرفت. به¬طوری که در سطح یک از مدل¬های ANN و SVM و در سطح دو از میانگین¬گیری مدل آنتروپی (EMA) استفاده گردید. نتایج حاصل نشان داد که از بین مدل¬های سطح یک، مدل SVM در تمام مدل¬های ارزیابی ریسک دارای عملکرد بهتری نسبت به مدل ANN می¬باشد. همچنین در سطح دو، EMA با ترکیب مدل¬های سطح یک (با در نظر گرفتن نکویی برازش و سادگی مدل¬ها) دارای عملکرد بهتری در مرحله آزمایش می¬باشد. در نهایت نقشه¬های ریسک حاصل از EMA با استفاده از تئوری کاتاستروف باهم ادغام شد و یک نقشه ریسک آلودگی کل برای آبخوان دشت سلماس ارائه گردید. براساس نقشه ریسک الودگی کل، قسمت جنوب شرقی دشت و در امتداد رودخانه آبگرم در معرض ریسک آلودگی بالایی قرار دارد و قسمت¬های شمال و شمال غربی در رده ریسک متوسط و قسمت¬های مرکزی و جنوب غربی در رده ریسک کم و خیلی کم قرار دارد.

Abstract: Salmas plain aquifer is one of the aquifers known for being a rich groundwater resource in West Azerbaijan province, which is exposed to anthropogenic and geogenic contamination risk due to hot springs, the development of agricultural activity and increase of industrial units in this plain. Therefore, it is necessary to assess the contamination risk of different contaminants and identification of high-risk areas in this aquifer. In this study, the contaminants in the aquifer were identified by hydrochemical investigations, then the contamination risk of various contaminants was assessed by unsupervised and supervised techniques using multiple models.In order to evaluate the quality of groundwater and determine the concentration of the major and minor ions, and some heavy metals of groundwater of the study area, sampling and hydrochemical analysis of 44 water sources were done by standard methods. Feasibility studies for the use of groundwater in various uses, identification the source of anomalies and hydrochemical mechanisms governing groundwater were performed by graphical methods, combined and hydrochemical diagrams and quality classification, statistical analyzes, ionic ratios, qualitative indexes, spatial distribution and quality zoning maps, geological and hydrogeological interpretations. According to the results of hydrochemical studies, the nitrate, arsenic, boron, fluoride and aluminum anomalies were detected in the groundwater resources of the area. The source of nitrate contaminant was identified anthropogenic, arsenic, boron and fluoride were identified geogenic and aluminum was identified anthropogenic in a part of the plain and geogenic in another part of the plain.Contamination risk assessment was performed based on the OSPRC method, where O, S, P, R and C indicates the origin, source, pathway, receptor, and consequences, respectively. In this study, the vulnerability of the aquifer to anthropogenic and geogenic contaminants was considered as pathway (P); the R and C have not been investigated due to unavailable the sufficient information about them. DRASTIC and SPECTR methods were used to assess the vulnerability of the aquifer to anthropogenic and geogenic contaminants, respectively. The SPECTR method consists of six parameters includes: slope (S), pH (P), EC (E), hydraulic conductivity (C), thickness of the saturation zone of the aquifer (T) and recharge (R). This method similar to DRASTIC method, it is an overlapping method based on weighting, rating and integration of data layers. In this study, following the previous studies in the field of improving the DRASTIC method, optimization of weights and rates of this method was performed using two-level modeling; Level 1 comprise Artificial Neural Network (ANN), Support Vector Machine (SVM) and gene expression programming (GEP) models, and Level 2, Bayesian Model Averaging (BMA) was used. The results showed that BMA by combining the results of Level 1 and considering the uncertainty leads to better estimation and improvement of the DRASTIC method. The BMA combines the results of individual models at level 1 and generate a single model, which this model often performs better than individual models and reduces the scatters in the error residuals. The study of uncertainty (as between model uncertainty, within model and total uncertainty) showed that within model uncertainty, which is related to the model inputs (DRASTIC data layers) had the greatest effect on total uncertainty, also among seven data layers, the uncertainty of the recharge (R) layer more affects the within model uncertainty than the other layers.The assessment of contamination risk has been performed by unsupervised and supervised techniques. In the unsupervised technique, the contamination risk of anthropogenic and geogenic contaminants was obtained by multiplying the source of the contaminant into DRASTIC and SPECTR vulnerability methods, respectively. To evaluate the performance of risk maps, the ROC/AUC criterion was used; the AUC value for all contaminant was more than 0.5, which indicates the defensibility of the risk maps. In the supervised technique, modeling was performed at two levels using artificial intelligence models for assessing the contamination risk of nitrate, arsenic, boron, fluoride and aluminum contaminants. At level 1, ANN and SVM models and at level 2, Entropy Model Averaging (EMA) was used. The results showed that between the level 1 models, the SVM model has better performance than the ANN model in all risk assessment models. Also at level 2, the EMA by combining the level 1 models (by considering the best fit and simplicity of the models) has better performance in the test phase. Finally, a total contamination risk map was presented for the Salmas plain aquifer by integrating the EMA risk maps using catastrophe theory. According to the total contamination risk map, the southeastern part of the plain, along the Abgarm river is exposed at high contamination risk and the northern and northwestern parts at moderate contamination risk and the central and southwestern parts at low and very low contamination risk.

Investigation of Hydrogeochemistry and Contamination Risk in Salmas Aquifer Using Multiple Models

‏قره خانی،

‏مریم

تهيه کننده

‏ ندیری،

‏ اصغری مقدم،

‏خطیبی،

‏صادق فام،

‏عطااله

‏ اصغر

‏ رحمان

‏سینا

استاد راهنما

استاد راهنما

استاد مشاور

استاد مشاور

تبریز