مدل‌سازی حساسیت محیطی مکان‌های دفع زباله‌های جامد شهری: مطالعه موردی در ایالت سائوپائولو، برزیل

بیش از حد زیاد زباله های جامد تولید شده در شهرها نتیجه رشد جمعیت و توسعه اقتصادی است. مدیریت صحیح این زباله‌های جامد شهری (MSW) یک چالش است، عمدتاً در کشورهای توسعه نیافته و در حال توسعه که نگرانی‌های مالی یک مشکل اضافه است. از نقطه نظر زیست محیطی، یک مسئله اصلی، دفع صحیح MSW با در نظر گرفتن طیف گسترده ای از عوامل، و کار با داده های مکانی مختلف است. در این مطالعه، ما از سیستم اطلاعات جغرافیایی (GIS) برای انجام تحلیل تصمیم چند معیاره (MCDA) انجام شده توسط فرآیند تحلیل سلسله مراتبی (AHP) استفاده کردیم. توسعه مدل حساسیت اثرات زیست محیطی (EISM) برای سایت‌های دفع زباله‌های جامد شهری (MSWDS) که در ایالت سائوپائولو، برزیل اعمال می‌شود، عواملی مانند زمین‌شناسی، پدولوژی، ژئومورفولوژی، منابع آب، و آب و هوا توسط پانزده عامل فرعی مرتبط نشان داده شده است. نتایج نشان داد که بیش از 82 درصد از قلمرو سائوپائولو در مناطقی با رده‌های حساسیت بسیار کم، کم و متوسط ​​قرار دارد. با این حال، در 18 درصد باقیمانده از مساحت اراضی ایالتی، 85 محل دفن زباله در مناطقی با مقوله های حساس به اثرات زیست محیطی بالا و بسیار بالا واقع شده است. این نتایج هشداردهنده است زیرا این 85 محل دفن زباله روزانه تقریباً 17886 تن MSW دریافت می کنند که معادل 46 درصد از کل زباله های جامد شهری دفع شده در ایالت سائوپائولو است. بنابراین، تصمیم گیرندگان، برنامه ریزان شهری و سیاست گذاران می توانند از یافته های EISM برای کاهش اثرات زیست محیطی ناشی از MSWDS استفاده کنند. نتایج نشان داد که بیش از 82 درصد از قلمرو سائوپائولو در مناطقی با رده‌های حساسیت بسیار کم، کم و متوسط ​​قرار دارد. با این حال، در 18 درصد باقیمانده از مساحت اراضی ایالتی، 85 محل دفن زباله در مناطقی با مقوله های حساس به اثرات زیست محیطی بالا و بسیار بالا واقع شده است. این نتایج هشداردهنده است زیرا این 85 محل دفن زباله روزانه تقریباً 17886 تن MSW دریافت می کنند که معادل 46 درصد از کل زباله های جامد شهری دفع شده در ایالت سائوپائولو است. بنابراین، تصمیم گیرندگان، برنامه ریزان شهری و سیاست گذاران می توانند از یافته های EISM برای کاهش اثرات زیست محیطی ناشی از MSWDS استفاده کنند. نتایج نشان داد که بیش از 82 درصد از قلمرو سائوپائولو در مناطقی با رده‌های حساسیت بسیار کم، کم و متوسط ​​قرار دارد. با این حال، در 18 درصد باقیمانده از مساحت اراضی ایالتی، 85 محل دفن زباله در مناطقی با مقوله های حساس به اثرات زیست محیطی بالا و بسیار بالا واقع شده است. این نتایج هشداردهنده است زیرا این 85 محل دفن زباله روزانه تقریباً 17886 تن MSW دریافت می کنند که معادل 46 درصد از کل زباله های جامد شهری دفع شده در ایالت سائوپائولو است. بنابراین، تصمیم گیرندگان، برنامه ریزان شهری و سیاست گذاران می توانند از یافته های EISM برای کاهش اثرات زیست محیطی ناشی از MSWDS استفاده کنند. 85 محل دفن زباله در مناطقی با رده های حساس به اثرات زیست محیطی بالا و بسیار بالا واقع شده اند. این نتایج هشداردهنده است زیرا این 85 محل دفن زباله روزانه تقریباً 17886 تن MSW دریافت می کنند که معادل 46 درصد از کل زباله های جامد شهری دفع شده در ایالت سائوپائولو است. بنابراین، تصمیم گیرندگان، برنامه ریزان شهری و سیاست گذاران می توانند از یافته های EISM برای کاهش اثرات زیست محیطی ناشی از MSWDS استفاده کنند. 85 محل دفن زباله در مناطقی با رده های حساس به اثرات زیست محیطی بالا و بسیار بالا واقع شده اند. این نتایج هشداردهنده است زیرا این 85 محل دفن زباله روزانه تقریباً 17886 تن MSW دریافت می کنند که معادل 46 درصد از کل زباله های جامد شهری دفع شده در ایالت سائوپائولو است. بنابراین، تصمیم گیرندگان، برنامه ریزان شهری و سیاست گذاران می توانند از یافته های EISM برای کاهش اثرات زیست محیطی ناشی از MSWDS استفاده کنند.

کلید واژه ها

مدل‌سازی ، سیستم اطلاعات جغرافیایی (GIS) ، اثرات زیست‌محیطی ، زباله‌های جامد شهری ، محل‌های دفن زباله ، تجزیه و تحلیل تصمیم‌گیری چند معیاره (MCDA) ، فرآیند تحلیل سلسله مراتبی (AHP)

1. مقدمه

رشد سریع جمعیت جهان و توسعه اقتصادی باعث ایجاد تغییراتی در سیستم های زمینی می شود که می تواند عواقب جدی و پایداری داشته باشد. مقدار زیادی زباله جامد شهری (MSW) تولید شده از ظرفیت محیط برای تجزیه و بازیافت این زباله ها از طریق فرآیندهای طبیعی فراتر می رود [ 1 ]. فقدان مدیریت مناسب پسماند یک مشکل بزرگ زیست محیطی است [ 2 ]. مدیریت پایدار MSW برای دستیابی به اثرات زیست محیطی کم مورد نیاز است. یکی از بخش‌های اساسی در این فرآیند، دفع صحیح زباله‌ها است، زیرا مکان‌های دفع، تأسیسات دائمی هستند که خطراتی را برای محیط زیست و جمعیت ایجاد می‌کنند، زیرا باید برای دوره‌های زمانی طولانی نظارت شوند [ 3 ].

در میان بسیاری از روش ها برای دفع MSW در کشورهای توسعه نیافته، رایج ترین آنها دفن زباله ها و دفن زباله های باز است. دفن‌های باز تأسیسات کنترل‌نشده‌ای هستند که زباله‌ها مستقیماً در زمین ریخته می‌شوند، بدون اینکه هیچ گونه کنترلی ایجاد کند که چندین ضربه ایجاد کند. در مقابل، دفن زباله های بهداشتی از تکنیک ها و روش هایی برای کنترل بهتر اثرات زیست محیطی استفاده می کنند و معمولاً در سراسر جهان، به ویژه در کشورهای توسعه یافته استفاده می شوند [ 4 ]. اگرچه تعداد دفن زباله های بهداشتی در دهه های گذشته در برزیل در حال افزایش است [ 5 ]، این کشور در حال گذر از یک سناریوی ناکافی دفع MSW است، به طوری که بیش از 60 درصد از شهرهای آن هنوز MSW را در زباله های باز دفع می کنند [ 6 ] [ 7 ].

توجه به اثرات زیست محیطی ناشی از دفع زباله های جامد شهری (MSWD) در سائوپائولو، برزیل به دلیل چندین عامل مهم است. اول اینکه سائوپائولو پرجمعیت ترین ایالت آمریکا و نیمکره غربی است. دوم، سائوپائولو بزرگترین تولید کننده MSW در بین تمام ایالت های برزیل است. سوم، نرخ تولید زباله سرانه در ایالت سائوپائولو بزرگترین نرخ در برزیل با 1.4 کیلوگرم در هر سکنه در روز با روند رو به رشد در طول سال ها است [ 8 ]. در نهایت، شهرهای مختلف سائوپائولو هنوز MSW را به طور نامناسب دفع می کنند [ 9 ]. بنابراین همه این عوامل در کنار هم منجر به بروز اثرات منفی زیست محیطی می شود.

در میان انواع مختلف اثرات زیست محیطی ناشی از انسان، MSWD یکی از تاثیرگذارترین آنهاست، زیرا زباله های جامد در همان مکانی که در آنجا ته نشین می شوند، نگهداری می شوند، حتی اگر ممکن است در طول سال ها تحت تغییرات شیمیایی و فیزیکی قرار گیرند [ 10 ] [ 11 ] [ 12 ] .

MSWD نامناسب به صورت محلی باعث اثرات زیست محیطی، مانند آلودگی خاک [ 13 ] [ 14 ] [ 15 ] [ 16 ]، منابع آب [ 13 ] [ 17 ] [ 18 ] [ 19 ] و اثرات عمومی سلامت [ 20 ] [ 21 ] می شود. و همچنین در سطح جهانی باعث اثرات زیست محیطی مانند افزایش گازهای گلخانه ای به دلیل انتشار متان می شود [ 22 ] [ 23 ]. در نتیجه، MSWD نامناسب باعث اثرات جهانی و محلی بر محیط زیست در مقیاس های مختلف می شود.

به همین دلیل، ارزیابی اثرات زیست محیطی ناشی از سایت های MSWD باید پارامترهای مختلفی را در نظر بگیرد تا از اثرات منفی بالقوه جلوگیری شود. توسعه مدلی برای ارزیابی حساسیت به اثرات زیست محیطی باید چندین موضوع، ارزش ها، مقیاس ها و درجات عدم قطعیت را در نظر بگیرد و همچنین به مشارکت ذینفعان کمک کند. در این فرآیند، مدل‌ها معمولاً برای برآوردن یک یا چند هدف از پنج هدف اصلی ساخته می‌شوند: 1) پیش‌بینی، 2) پیش‌بینی، 3) مدیریت و تصمیم‌گیری در شرایط عدم قطعیت، 4) یادگیری اجتماعی، و 5) توسعه درک و آزمایش سیستم. [ 24 ] .

در این مطالعه برای توسعه یک مدل حساسیت اثرات زیست‌محیطی (EISM) برای سایت‌های دفع زباله‌های جامد شهری (MSWDS)، از رویکرد تحلیل تصمیم چند معیاره (MCDA) از طریق یک فرآیند تحلیل سلسله مراتبی (AHP) همراه با سیستم اطلاعات جغرافیایی (GIS) استفاده کردیم. . این مقاله به شرح زیر سازماندهی شده است: بخش 2 مرور ادبیات GIS، MCDA و AHP به کار رفته در مطالعات زیست محیطی را مورد بحث قرار می دهد. بخش 3 روش های مورد استفاده برای توسعه EISM و توصیف منطقه مورد مطالعه را شرح می دهد. بخش 4 نتایج مدل را برای وضعیت سائوپائولو و ارزیابی MSWDS ارائه می کند. در نهایت، نتیجه گیری در بخش 5 ارائه شده است.

2. بررسی پیشینه ادبیات

در این بخش، مرور ادبیات به چهار بخش تقسیم می‌شود: بخش 2.1 شامل مزایای GIS در مطالعات زیست‌محیطی، بخش 2.2 اهمیت MCDA اعمال شده در مسائل زباله‌های جامد شهری را نشان می‌دهد، و بخش 2.3 استفاده از AHP را توضیح می‌دهد.

2.1. سیستم اطلاعات جغرافیایی (GIS)

استفاده از سیستم اطلاعات جغرافیایی یکی از امیدوارکننده ترین رویکردها برای بررسی پدیده های پیچیده فضایی است، زیرا GIS دارای مزیت ذخیره، بازیابی و تجزیه و تحلیل حجم قابل توجهی از داده های تفکیک شده از منابع مختلف و نمایش نتایج به صورت مکانی است که به تصمیم گیران کمک می کند تا در حل این موضوع اقدام کنند. چندین مشکل [ 25 ] [ 26 ] .

GIS برای چندین هدف [ 27 ] از جمله کاربردهای زیست محیطی استفاده شده است. مثال‌ها عبارتند از تخمین تغذیه آب زیرزمینی [ 28 ]، ارزیابی آلودگی آب [ 29 ]، شناسایی حساسیت به آتش‌سوزی جنگل [ 30 ]، نقشه‌برداری حساسیت زمین لغزش [ 31 ] و حساسیت سیل [ 32 ]، مدل‌سازی فرسایش و ارزش‌گذاری مکان [ 33 ] 34 ] .

GIS همچنین در مطالعات متعددی برای بهبود مدیریت پسماند جامد شهری (MSWM) استفاده شده است. نمونه‌ها شامل پیش‌بینی الگوهای تولید و ترکیب MSW [ 35 ] [ 36 ]، بهبود جمع‌آوری و انتقال MSW [ 25 ] [ 37 ] [ 38 ] [ 39 ] [ 40 ]، انتخاب مکان‌ها برای ایستگاه‌های انتقال MSW [ 41 ] [ 42 ]، ارزیابی آسیب‌پذیری آب‌های زیرزمینی [ 43 ] [ 44 ] و تأثیر [ 45 ] در نزدیکی یک MSWDS، و شناسایی مناطق برای مکان‌یابی محل‌های دفن زباله [ 46 ] – [ 60 ].

2.2. تجزیه و تحلیل تصمیم گیری چند معیاره (MCDA)

تجزیه و تحلیل تصمیم چند معیاره روشی است برای ساختار یک مسئله از طریق مفاهیم عمل و گروه معیار قابل فهم برای تسهیل ارتباط در فرآیند تصمیم گیری، شکل گیری یک اعتقاد به جای تعیین یک بهینه [ 61 ]. ترکیب MCDA با مسائل تصمیم گیری فضایی معمولاً شامل مجموعه بزرگی از جایگزین های امکان پذیر است و با معیارهای ارزیابی نامتناسب در تعارض است [ 62 ].

MCDA اعمال شده در مطالعات زیست محیطی در دهه گذشته رشد قابل توجهی داشته است [ 63 ] [ 64 ]. ادغام تحلیل فضایی با استفاده از GIS به MCDA در مطالعات مختلف محیطی مورد استفاده قرار گرفته است. نمونه‌ها عبارتند از، تجزیه و تحلیل امکان تبدیل مراتع به زمین‌های زراعی در برزیل [ 65 ]، نقشه‌برداری از حساسیت زمین لغزش [ 31 ]، و شناسایی تناسب زمین از نظر ژئوتکنیکی [ 66 ].

تجزیه و تحلیل های فضایی مرتبط با MCDA یکی از کاربردهای اصلی برای GIS [ 67 ] در نظر گرفته می شود و همچنین در چندین مطالعه مرتبط با مسائل زباله جامد شهری [ 26 ] [ 41 ] [ 46 ] [ 49 ] – [ 54 ] [ 57 ] استفاده شده است. ] [ 60 ] [ 68 ] – [ 75 ] . از آنجایی که MSWM شامل عوامل متعددی مانند محیطی، اقتصادی، سیاسی و اجتماعی است [ 37 ]، ترکیب MCDA با GIS اثربخشی و دقت تجزیه و تحلیل [ 50 ] را افزایش می‌دهد که به درک پیچیدگی مشکل کمک می‌کند، استحکام و قابلیت اطمینان تصمیم نهایی را تضمین می‌کند.

2.3. فرآیند تحلیل سلسله مراتبی (AHP)

در این مطالعه از فرآیند تحلیل سلسله مراتبی (AHP) که جزء روش تحلیل تصمیم گیری چند معیاره است استفاده می کنیم. AHP توسط Saaty در دهه 1970 توسعه یافت [ 76 ] و شامل یک نظریه ارزیابی از طریق مقایسه زوجی برای کمک به تصمیم گیرندگان در تعیین اولویت ها و انتخاب بهترین تصمیم است [ 37 ] [ 59 ]. AHP در ترکیب با GIS به طور گسترده در زمینه منابع طبیعی و مدیریت زیست محیطی استفاده شده است [ 77 ]، اول به این دلیل که روش های ترکیبی با استفاده از عملیات جبر نقشه و مدل های نقشه برداری به راحتی قابل پیاده سازی هستند، و دوم به این دلیل که رویکردها به طور شهودی برای تصمیم گیری جذاب هستند. سازندگان [ 62] . مقایسه‌ها با استفاده از مقیاس قضاوت‌های مطلق از یک تا نه انجام می‌شوند، که در آن یکی نشان‌دهنده اهمیت مساوی و نه نشان‌دهنده بالاترین اهمیت از یک عنصر به عنصر دیگر است ( جدول 1 ). علاوه بر این، یک مقدار متقابل برای بیان مقایسه معکوس استفاده می شود [ 78 ].

فرآیند تعیین AHP شامل این مراحل بعدی است: 1) محاسبه مجموع مقادیر در هر ستون ماتریس دوتایی، 2) عادی سازی ماتریس با تقسیم هر عنصر بر کل ستون آن و، 3) محاسبه میانگین عناصر در هر ردیف از ماتریس نرمال شده [ 60 ].

پس از آن برای تعیین سازگاری قضاوت AHP، یک شاخص سازگاری (CI) (معادله (1)) تعیین می شود [ 76 ].

(1)

در این معادله، مقدار ماتریس قضاوت اصلی [ 76 ] [ 78 ] است. پس از تعیین CI، یک نسبت سازگاری (CR) باید محاسبه شود (معادله (2)) [ 76 ].

 

جدول 1 . مقیاس مقایسه در AHP.

(2)

در این معادله، شاخص تصادفی (RI) به تعداد عناصر مقایسه شده بستگی دارد [ 76 ] [ 78 ]. CR در صورتی قابل قبول است که مقدار آن کمتر از 10٪ باشد. با این حال، اگر این عدد بیشتر از 10٪ باشد، قضاوت ها ممکن است متناقض باشند و باید دوباره ارزیابی شوند [ 53 ].

3. روش ها

برای توسعه مدل حساسیت اثرات زیست‌محیطی برای سایت‌های دفع زباله‌های جامد شهری، ما شش مرحله اصلی را در نظر گرفتیم: 1) انتخاب عوامل تصمیم‌گیری زیست‌محیطی و عوامل فرعی. 2) جمع آوری داده ها و ادغام در یک پایگاه داده GIS. 3) تعریف کلاس ها و تخصیص رتبه ها. 4) استانداردسازی داده ها در مقیاس مشترک اندازه گیری. 5) محاسبه وزن نسبی با استفاده از تکنیک AHP. و 6) استخراج نقشه مدل نهایی با استفاده از روش تجمیع ترکیب خطی وزنی (WLC) ( شکل 1 ). هر مرحله به شرح زیر است.

3.1. انتخاب عوامل تصمیم گیری محیطی و عوامل فرعی

در این مطالعه، انتخاب عوامل محیطی و عوامل فرعی بر اساس ادبیاتی بود که حساسیت اثرات زیست محیطی مرتبط با دفع زباله های جامد شهری را در نظر می گیرد، به عنوان مثال [ 3 ] [ 26 ] [ 43 ] [ 44 ] [ 49 ] 50 ] [ 53 ] [ 54 ] [ 57 ] [ 58 ] [ 59 ] [ 60 ] [ 74 ] [ 75 ] [ 80 ] [ 81 ] [ 82 ] [ 83] . ما همچنین دستورالعمل ها، قوانین و مقررات مربوطه، نظرات کارشناسان و داده های موجود را در نظر گرفتیم. به طور کلی، در مجموع از پنج عامل شامل زمین شناسی، پدولوژی، ژئومورفولوژی، منابع آب و اقلیم با پانزده عامل فرعی مرتبط در مدل استفاده شد ( شکل 2 ). این لیست کامل نیست؛ ما فقط آنچه را که ادبیات به عنوان مهم‌ترین معیار برای توسعه مدل حساسیت اثرات زیست‌محیطی برای سایت‌های زباله جامد شهری در نظر می‌گیرد، در نظر گرفتیم.

شکل 1 . نمودار جریان روش پیشنهادی برای توسعه مدل حساسیت به اثرات زیست محیطی.

شکل 2 . عوامل و عوامل فرعی مورد استفاده برای توسعه مدل حساسیت اثرات زیست محیطی برای MSWDS.

3.1.1. زمين شناسي

ویژگی های زمین شناسی بر حساسیت محیطی سایت های دفع زباله های جامد شهری تأثیر می گذارد زیرا آنها می توانند باعث ناپایداری زمین در منطقه زلزله شوند [ 66 ]. آنها همچنین می توانند نفوذ آب را تحت تأثیر قرار دهند اگر سازندهای سنگی متخلخل یا دارای گسل باشند [ 84 ]. به همین دلیل، هنگامی که زباله های جامد شهری در بالای سنگ های مستعد دفع می شوند، ممکن است روند زمین لغزش زباله و آلودگی آب رخ دهد. برخی از جنبه های زمین شناسی در مطالعات قبلی در نظر گرفته شده است، از جمله [ 43 ] [ 53 ] [ 54 ] [ 83 ] [ 85 ]] . با این حال، این مطالعات به طور همزمان چهار عامل زمین شناسی مورد استفاده در این مدل را در نظر نگرفتند که عبارتند از: 1) فاصله تا گسل ها، 2) تخلخل سنگ ها، 3) فاصله از مناطق لرزه خیز و 4) فاصله تا غارها.

3.1.2. پدولوژی

پارامترهای خاک، مانند عمق و ویژگی‌های فیزیکی، عمدتاً به دو دلیل می‌توانند در حساسیت محیطی مربوط به مکان‌یابی تأسیسات زباله جامد شهری دخالت کنند. اول، ویژگی های مقاومت خاک برای حمایت از بار پوشاننده از توده زباله مهم است. دوم، نفوذپذیری خاک می تواند در فرآیند نفوذ دخالت کند، که به نوبه خود می تواند باعث آلودگی بدنه های آبی شود. مطالعات متعدد در مسائل MSWDS شامل جنبه‌های پدولوژیک در ارزیابی‌های خود می‌شد، به عنوان مثال، [ 3 ] [ 46 ] [ 82 ] [ 83 ]. به ویژه از عوامل فرعی پدولوژی 1) نوع خاک و 2) میزان نفوذ استفاده شد.

3.1.3. ژئومورفولوژی

ژئومورفولوژی عمدتاً به ویژگی های زمین و تأثیر این ویژگی ها بر روند توپوگرافی و رواناب مربوط می شود. به عنوان مثال، مناطق مسطح نفوذ شیرابه را تحت تأثیر قرار می دهند، در حالی که مناطق شیب دار بر ناپایداری زمین تأثیر می گذارد. بنابراین، هر دو می توانند اثرات زیست محیطی ایجاد کنند. بسیاری از مطالعات جنبه های توپوگرافی را در نظر گرفتند، به عنوان مثال، [ 26 ] [ 59 ] [ 60 ] [ 83 ]. به طور خاص، ما از عوامل فرعی ژئومورفولوژیکی 1) خطر زمین لغزش و 2) شیب استفاده کردیم.

3.1.4. منابع آبی

جنبه دیگری که بر حساسیت محیطی تأثیر می گذارد مربوط به منابع آب سطحی و زیرزمینی است. داشتن MSWDS در نزدیکی منابع آب سطحی یا در مناطقی که سطح سطح آب کم عمق است به دلیل خطر آلودگی بیشتر مناسب نیست. چندین مطالعه این جنبه ها را در نظر گرفتند، به عنوان مثال، [ 26 ] [ 43 ] [ 49 ] [ 53 ] [ 54 ] [ 58 ] [ 60 ] [ 74 ] [ 82 ]] . در این تحقیق از عوامل فرعی منابع آب سطحی 1) فاصله تا رودخانه ها و دریاچه ها و 2) خطر سیل استفاده شد، در حالی که برای منابع آب زیرزمینی از عوامل فرعی 1) فاصله تا چاه، 2) جریان آبخوان استفاده شد. و 3) آسیب پذیری آبخوان در برابر آلودگی.

3.1.5. اقلیم

عوامل اقلیمی باید در مدل‌سازی حساسیت اثرات زیست‌محیطی برای دفع زباله‌های جامد شهری مورد استفاده قرار گیرند، عمدتاً به این دلیل که می‌توانند در فرآیند تجزیه زباله‌های جامد و حجم شیرابه تولید شده، به دلیل تعادل آب و همچنین میزان دفن زباله دخالت کنند. گاز تولید شده جنبه های اقلیمی نیز در تحقیقات قبلی در نظر گرفته شد، به عنوان مثال، [ 44 ] [ 57 ] [ 59 ] [ 82 ]. در این تحقیق از عوامل فرعی اقلیمی 1) بارش و 2) دما استفاده شد.

3.2. منطقه مطالعه

ایالت سائوپائولو، در جنوب شرقی برزیل، بین 19 تا 25 درجه عرض جنوبی و 44 درجه و 53 درجه طول جغرافیایی غربی واقع شده است. از شمال با ایالت میناس گرایس، از شمال شرقی با ایالت ریودوژانیرو، از شرق با اقیانوس اطلس، از جنوب با ایالت پارانا و از غرب با ایالت ماتو گروسو دو سول همسایه است ( شکل 3 ). سائوپائولو پرجمعیت‌ترین ایالت برزیل است، با تقریباً 44.4 میلیون نفر در سال 2015 در 645 شهرداری با مساحت کل حدود 248.2 میلیون کیلومتر مربع زندگی می‌کنند [ 79 ] . سائوپائولو همچنین بزرگترین تولید کننده زباله های جامد شهری در برزیل است که حدود 39 هزار تن در روز تولید می کند که در 420 سایت رسمی دفع زباله های جامد شهری دفع می شود [ 9 ].

3.3. اکتساب داده و ادغام در یک پایگاه داده GIS

پایگاه داده فضایی مورد استفاده در مدل حساسیت اثرات زیست محیطی برای سایت های دفع زباله های جامد شهری که در ایالت سائوپائولو اعمال می شود با استفاده از منابع مختلفی از جمله داده های زمین شناسی، پدولوژیک، ژئومورفولوژی، هیدرولوژیکی و اقلیم شناسی در مقیاس های مختلف ایجاد شده است ( جدول 2 ). استفاده موفق از GIS به دسترسی به داده ها و همچنین کیفیت آن بستگی دارد که شرایط دنیای واقعی را از طریق لایه های متنوع نشان می دهد [ 56 ].

در این مطالعه، تمام لایه های داده با استفاده از ArcGIS نسخه 10.2 ModelBuilder به عنوان نقطه شروع برای تجزیه و تحلیل تصمیم چند معیاره ذخیره، دستکاری، تجزیه و تحلیل و تجسم شدند. ModelBuilder یک برنامه افزودنی GIS است که توالی های پیچیده عملیات GIS را در یک مدل گرافیکی ساده رمزگذاری می کند که مراحل را می توان از آن اجرا کرد [ 86 ]. لایه های داده با استفاده از سیستم UTM Datum SIRGAS 2000 (منطقه 22 و 23 جنوبی) ارجاع جغرافیایی شدند.

3.4. تعریف کلاس ها و رتبه بندی

هر یک از پانزده عامل فرعی مورد استفاده در حساسیت اثرات زیست محیطی

شکل 3 . نقشه ایالت سائوپائولو، برزیل.

مدل برای سایت های دفع زباله جامد شهری به کلاس ها تقسیم شد. هر طبقه در مقیاسی از یک تا ده رتبه بندی شد، که در آن یک نشان دهنده پایین ترین سطح حساسیت و ده نشان دهنده بالاترین سطح حساسیت برای اثرات زیست محیطی است.

فواصل رتبه‌بندی از یک تا ده بر اساس مقیاس‌های مشابهی که توسط [ 43 ] [ 55 ] [ 87 ] [ 88 ] و همچنین بر اساس تجربه و قضاوت نویسندگان استفاده می‌شود، انتخاب شد. علاوه بر این، اهمیت برای هر طبقه می تواند بر اساس منطقه مورد علاقه و ویژگی های منطقه خاص متفاوت باشد [ 56 ]. در این مطالعه کلاس ها با در نظر گرفتن شرایط مربوطه در ایالت سائوپائولو ( جدول 3 ) تخصیص داده شدند.

3.5. استانداردسازی داده ها در مقیاس مشترک اندازه گیری

به منظور همپوشانی اطلاعات مکانی برای محاسبه حساسیت اثرات زیست محیطی، لازم است داده ها در یک مقیاس اندازه گیری مشترک استاندارد شوند. بنابراین، پانزده عامل فرعی به قالب شبکه شطرنجی متشکل از سلول‌های 50 × 50 متر تبدیل شدند که منجر به تصویری از 18790 ستون و 12744 ردیف شد.

 

جدول 2 . داده‌های مکانی مورد استفاده در مدل تأثیر حساسیت محیطی برای MSWDS در ایالت سائوپائولو.

3.6. تعیین وزن با استفاده از AHP

ساخت یک ماتریس مقایسه و استخراج اوزان در مطالعه ما از ابزار مبتنی بر وب فرآیند تحلیلی سلسله مراتبی توسعه یافته توسط [ 89 ] استفاده می کند. ابتدا، روش AHP برای عوامل ( جدول 4 ) و عوامل فرعی ( جدول 5 ) اعمال شد. سپس با ضرب این دو نتیجه، وزن کلی برای هر یک از عوامل فرعی به دست آمد ( جدول 6 ).

3.7. روش ترکیب خطی وزنی (WLC).

پس از بررسی قابلیت اطمینان مقایسه‌های زوجی برای عوامل و عوامل فرعی، مدل حساسیت اثرات زیست‌محیطی برای سایت‌های دفع زباله جامد شهری در ایالت سائوپائولو با استفاده از روش ترکیب خطی وزن‌دار ساخته شد (معادله (3)).

(3)

در این معادله، S امتیاز نهایی EISM، وزن فرعی است و رتبه طبقه استاندارد شده فاکتور i است. از آنجایی که مجموع وزن برای عامل i ضربی است و برای هر عامل فرعی، مقدار به یک محدود می شود، در حالی که از صفر تا ده متغیر است، و برآورد ترکیبی نهایی در این مقیاس ارائه می شود.

بنابراین، امتیاز نهایی EISM برای هر سلول شطرنجی به صورت مجموع به دست آمد.

حساسیت اثرات زیست محیطی برای سایت های دفع زباله های جامد شهری: بسیار کم (S1)، کم (S2)، متوسط ​​(S3)، زیاد (S4) و بسیار زیاد (S5) ( جدول 7 ).

4. نتایج و بحث

4.1. مدل حساسیت به اثرات زیست محیطی برای سایت های دفع زباله های جامد شهری

نتایج مدل حساسیت اثرات زیست محیطی برای سایت های دفع زباله های جامد شهری در ایالت سائوپائولو در ( شکل 5 ) ارائه شده است. منطقه برای هر دسته حساسیت نشان می دهد که بیشتر بخش های ایالت سائوپائولو، 77.3٪ دارای رده حساسیت اثرات زیست محیطی متوسط ​​(S3)، 16.8٪ دارای رده بالا (S4)، 4.8٪ دارای رده پایین (S2)، 1.1٪ دارای رده بسیار بالا هستند. طبقه بندی (S5) و هیچ ناحیه ای نماینده برای رده بسیار پایین (S1) وجود ندارد ( جدول 8 ).

دسته های بالا و بسیار زیاد (به ترتیب S4 و S5) در ایالت سائوپائولو در نزدیکی منابع آب سطحی قرار دارند که با وزن های جهانی EISM که بیشترین فاصله فرعی تا رودخانه ها و دریاچه ها را دارد، مرتبط است. مشارکت کننده مهم همچنین تمرکز دسته های بالاتر در نزدیکی اقیانوس اطلس عمدتاً در جنوب شرقی ایالت سائوپائولو وجود دارد که می توان با ترکیبی از متغیرهای جغرافیایی توضیح داد. به عنوان مثال، رشته کوهی در این منطقه وجود دارد که توسط سرا دو مار و سرا دا مانتیکویرا تشکیل شده است که دارای تمرکز مناطق شیب دار است. علاوه بر این، این رشته‌کوه‌ها رطوبتی را که از اقیانوس به قاره می‌آیند، متوقف می‌کنند، که باعث می‌شود بارش در نزدیکی ساحل در مقایسه با بقیه ایالت سائوپائولو بسیار زیاد باشد.

EISM برای MSWDS در ایالت سائوپائولو به دلیل در دسترس بودن و قابلیت اطمینان داده های مکانی پیشرفت خوبی داشته است و یافته های این مطالعه ارائه می کند.

شکل 4 . نقشه ها برای همه عوامل فرعی انتخاب شده (شکل رنگ آنلاین).

شکل 5 . آسیب پذیری اثرات زیست محیطی برای سایت های دفع زباله های جامد شهری در ایالت سائوپائولو (شکل رنگی آنلاین).

پیشرفت نسبت به مدل های قبلی به دلیل سه دلیل اصلی: 1) تعداد فاکتورهای استفاده شده بیشتر، 2) تعداد بیشتری از عوامل فرعی استفاده شده، و 3) مجموعه گسترده تر ترکیبی از عوامل و عوامل فرعی استفاده شده. بنابراین، نتایج EISM برای MSWDS نشان‌دهنده یک بازنمایی مناسب حساسیت اثرات زیست‌محیطی از ایالت سائوپائولو است.

4.2. تجزیه و تحلیل حساسیت برای سایت های دفع MSW در ایالت سائوپائولو

به منظور ارزیابی حساسیت اثرات زیست محیطی برای هر سایت دفع زباله های جامد شهری در ایالت سائوپائولو، ما یک تحلیل فضایی ( شکل 6 ) و مطالعه آماری ( جدول 9 ) ایجاد کردیم.

مختصات جغرافیایی سایت‌های دفع زباله‌های جامد شهری برای 645 شهرداری در ایالت سائوپائولو از صفحات گسترده مورد استفاده برای ارزیابی شاخص کیفیت زباله توسعه‌یافته توسط شرکت زیست‌محیطی ایالت سائوپائولو (CETESB) [ 90 ] به‌دست آمد. از آنجایی که برخی از شهرهای سائوپائولو از کنسرسیوم هایی برای دفع زباله های جامد استفاده می کنند، در حال حاضر 420 سایت دفع زباله های جامد شهری وجود دارد.

شکل 6 . طبقه بندی آسیب پذیری اثرات زیست محیطی سایت های دفع زباله جامد شهری در ایالت سائوپائولو (شکل رنگی آنلاین).

جدول 9 . سایت‌های دفع زباله جامد شهری در ایالت سائوپائولو بر اساس طبقه‌بندی حساسیت محیطی.

فهرست نویسی و در فهرست سالانه ضایعات جامد [ 9 ] ارزیابی شده است. همچنین پس از ارزیابی بصری از طریق تصاویر ماهواره‌ای RapidEye برای سال‌های 2013 و 2014 که توسط وزارت محیط‌زیست (MMA) ارائه شده است، مشخص شد که برخی از مکان‌های دفع زباله‌های جامد شهری در جدول‌های گسترده جانمایی شده‌اند، به همین دلیل، مکان ها تصحیح شد و همچنین مناطق MSWDS نیز تعریف شد.

پس از آن، یک تحلیل فضایی با همپوشانی نتایج EISM و مکان‌های سایت‌های دفع زباله جامد شهری در ایالت سائوپائولو انجام شد. بنابراین، شناسایی MSWDS خاص و میزان زباله های جامد شهری دفع شده در هر دسته از آسیب پذیری اثرات زیست محیطی امکان پذیر بود. برای مواردی که MSWDS بیش از یک دسته حساسیت داشت، بالاترین دسته اختصاص داده شد.

در ایالت سائوپائولو، دو نوع مختلف روش دفع زباله های جامد شهری مورد استفاده قرار می گیرد: محل دفن زباله خندقی (331 واحد) و محل دفن بهداشتی (89 واحد). محل های دفن خندقی روشی برای دفع زباله های جامد شهری بر روی زمین بدون تراکم و در نتیجه با الزامات کمتری برای اجرا نسبت به محل دفن بهداشتی است. این روش به شهرهای کوچک با جمعیت کمتر از 25000 نفر و تولید روزانه MSW کمتر از ده تن اجازه می‌دهد زباله‌های خود را بدون نیاز به احداث محل دفن بهداشتی دفع کنند [ 91 ]. اگرچه مقدار MSW دفع شده در محل های دفن زباله کمتر از مقدار دفع شده در محل های دفن بهداشتی است، معمولاً محل های دفن زباله خطرات زیست محیطی بیشتری دارند و اثرات زیست محیطی ایجاد می کنند.

سائوپائولو یکی از ایالت‌های برزیل است که تقریباً همه شهرها به جای زباله‌های روباز از محل‌های دفن زباله استفاده می‌کنند، که نشان‌دهنده بهبودی برای جلوگیری از اثرات منفی زیست‌محیطی ناشی از MSWDS است. با این وجود، دفع MSW در محل های دفن بهداشتی به جای محل دفن خندق، تمام اثرات زیست محیطی احتمالی را از بین نمی برد، اما احتمال وقوع آنها را کاهش می دهد.

علاوه بر این، افزایش جمعیت و تولید MSW در ایالت سائوپائولو باعث فشار در MSWDS قدیمی شده است که تقریباً پر شده است. این مشکل که بر نبود مناطق مناسب برای دفن زباله های بهداشتی جدید افزوده شده است، برخی از بحرانی ترین مشکلاتی است که شهرداری ها به ویژه در نزدیکی کلانشهرهای سائوپائولو، کامپیناس، بایکسادا سانتیستا و واله دو پارایبا، که در آن تمرکز بالایی از جمعیت وجود دارد، با آن مواجه هستند. و در نتیجه تولید MSW.

ارزیابی برای MSWDS در ایالت سائوپائولو، نشان می‌دهد که تعداد محل‌های دفن زباله واقع در هر دسته حساس به اثرات زیست‌محیطی با گستره هر دسته در منطقه ایالتی همبستگی مثبت دارد. اگر محل های دفن بهداشتی و خندقی در ارزیابی اضافه شود، تقریباً 1.6% از آنها در دسته های حساسیت بسیار کم، کم و بسیار زیاد محیط زیست قرار می گیرند (به ترتیب S1، S2 و S5). تقریباً 20.4 درصد از مکان‌های دفن زباله در رده بالا (S4) قرار دارند و اکثریت بزرگ، تقریباً 78 درصد در رده حساسیت متوسط ​​(S3) قرار دارند.

هنگامی که یک تجزیه و تحلیل جداگانه برای دفن زباله های بهداشتی و خندقی انجام شد، در مجموع شش محل دفن زباله در رده های حساسیت پایین تر (S1 و S2) و تنها یک محل دفن زباله بهداشتی در رده حساسیت بسیار بالا (S5) قرار داشت ( جدول 9 ). اگرچه تنها 54 محل دفن زباله و 32 محل دفن بهداشتی در دسته های (S4 و S5) قرار دارند، روزانه مقدار زیادی زباله جامد شهری (17886 تن) در این MSWDS دفع می شود که تقریباً معادل 46٪ از کل زباله های زباله دفعی است. در ایالت سائوپائولو

بر اساس مقدار کل پسماندهای جامد شهری طبقه بندی شده تحت بالاترین دسته های حساس (S4 و S5)، 97.5٪ در محل های دفن بهداشتی دفع می شود، و تنها 2.5٪ در محل های دفن خندق دفع می شود. این یک یافته مثبت است، زیرا اگر به درستی اداره و نظارت شود، محل های دفن زباله بهداشتی حفاظت از محیط زیست بهتری نسبت به محل های دفن خندق ارائه می کنند. فهرست شهرداری‌ها و مقدار زباله‌های جامد شهری دفع‌شده در محل‌های دفن بهداشتی و گودالی واقع در دسته‌های حساس بالا در ( جدول 10 ) ارائه شده است.

5. نتیجه گیری ها

از طریق توسعه مدل حساسیت اثرات زیست‌محیطی برای سایت‌های دفع زباله‌های جامد شهری با استفاده از تجزیه و تحلیل تصمیم‌گیری چند معیاره و فرآیندهای سلسله مراتبی تحلیلی همراه با سیستم اطلاعات جغرافیایی، امکان شناسایی بیشترین و کمترین آسیب‌پذیری محیط‌زیست با استفاده از پنج عامل محیطی مرتبط با پانزده زیر فراهم شد. -عوامل. با استفاده از EISM، همچنین امکان ارزیابی حساسیت فعلی سایت‌های دفع زباله جامد شهری در ایالت سائوپائولو، برزیل وجود داشت.

در این مطالعه، نتایج مدل حساسیت اثرات زیست‌محیطی نشان داد که با وجود اینکه بیش از 82 درصد از مساحت زمین در ایالت سائوپائولو در دسته‌های حساسیت بسیار کم، کم و متوسط ​​قرار دارد، 85 مورد از 420 محل دفن زباله در دسته های حساسیت بالا و بسیار بالا در این محل‌های دفن زباله، روزانه حدود 17886 تن زباله جامد شهری دفع می‌شود که نشان می‌دهد 46 درصد از کل زباله‌های زباله ایالت سائوپائولو در مناطق حساس به محیط زیست دفع می‌شود. به همین دلیل، سایت های دفع زباله های جامد شهری در ایالت سائوپائولو به توجه و کنترل بیشتری برای جلوگیری از وقوع اثرات منفی زیست محیطی و کاهش پیامدهای اقتصادی و اجتماعی نیاز دارند.

توسعه این مدل سه هدف اصلی مدل‌سازی شامل پیش‌بینی، تصمیم‌گیری مدیریت در شرایط عدم قطعیت، و توسعه درک و آزمایش سیستم را در نظر گرفت. این نوع تحلیل فضایی می تواند به ذینفعان کمک کند تا کاهش محیط زیست را ارتقا دهند

تأثیر می گذارد و به فرآیند شناسایی مناطق برای دفن زباله های جدید کمک می کند.

این مدل را می توان در مناطق مختلف، به ویژه در کشورهای در حال توسعه، که اکثر زباله های جامد شهری به طور مستقیم و بدون کنترل در زمین دفع می شود و در نتیجه اثرات نامطلوب زیست محیطی ایجاد می کند، اعمال می شود. اگرچه EISM با تمرکز بر MSWDS توسعه یافته است، نویسندگان معتقدند که این مدل همچنین می تواند با برخی سازگاری ها برای سایر منابع نقطه ای تأثیرات زیست محیطی، مانند ایستگاه های سوخت، معادن، و هر نوع تأسیسات دفع زباله جامد مانند صنعتی یا پسماند های خطرناک.

محدودیت اصلی در توسعه EISM دسترسی به داده های مکانی و همچنین کیفیت آن است. علاوه بر این، موضوع طبقه بندی و تعریف رتبه بندی عوامل فرعی و تخصیص وزن با استفاده از AHP وجود دارد، که در آن تغییر در این مقادیر می تواند نتیجه متفاوتی در تحلیل ایجاد کند. علاوه بر این، اهمیت برای هر طبقه می تواند بر اساس منطقه مورد علاقه و ویژگی های منطقه خاص متفاوت باشد.

برای مطالعات آینده، برای بهبود ارزیابی حساسیت اثرات زیست محیطی برای MSWDS، نویسندگان پیشنهاد می کنند 1) پیش بینی، با استفاده از سناریوهای مختلف آب و هوایی که بر تولید شیرابه و انتشار گازهای گلخانه ای تأثیر می گذارد، و 2) یادگیری اجتماعی، همراه کردن یک مدل اجتماعی با EISM، که می تواند منجر به درک بیشتر حساسیت جهانی شود.

 

منابع

 

[ 1 ] Jovanovic, S., Jovicic, N., Boskovic, G., Djordjevic, Z. and Savic, S. (2015) تأثیر عملکرد ترکیب مورفولوژیکی فن آوری های مدیریت زباله جامد شهری. کنفرانس بین المللی کیفیت زندگی، کراگویواچ، ژوئن 2015، 171-176.
[ 2 ] Nascimento, VF, Sobral, AC, de Andrade, PR and Ometto, JPHB (2015) Evolucao e desafios no gerenciamento dos síduos solidos urbanos no Brazil. Revista Ambiente & água – مجله بین رشته ای علوم کاربردی، 10، 889-901.
[ 3 ] Leao, S., Bishop, I. and Evans, D. (2004) مدل مکانی-زمانی برای تقاضا و تخصیص محل های دفن زباله در مناطق شهری در حال رشد. کامپیوترها، محیط زیست و سیستم های شهری، 28، 353-385.
https://doi.org/10.1016/S0198-9715(03)00043-7
[ 4 ] Weng، Y.-C.، Fujiwara، T.، Houng، HJ، Sun، C.-H.، Li، W.-Y. و کو، Y.-W. (2015) مدیریت احیای محل دفن زباله با توجه به حفظ تنوع زیستی، کاهش گرمایش جهانی و معدن دفن زباله: تجربیات منطقه آسیا و اقیانوسیه. مجله تولید تمیزتر، 104، 364-373.
https://doi.org/10.1016/j.jclepro.2015.05.014
[ 5 ] Miguel, MG, da P. Filho, JL, Benatti, JCB, de G. Leme, MA, Mortatti, BC, Gabrielli, G., Elaiuy, MLC, Pereira, SY and Teixeira EN (2016) ترکیب وزنی زباله جامد شهری در یک سلول آزمایشی در مقیاس بزرگ در جنوب شرقی برزیل. مجله بین المللی محیط زیست و مدیریت پسماند، 17، 128-145.
https://doi.org/10.1504/IJEWM.2016.076758
[ 6 ] IBGE (2008) Pesquisa Nacional de Saneamento Basico-2008.
[ 7 ] ABRELPE (2012) Panorama dos Resíduos Sólidos No Brasil-2012.
http://www.abrelpe.org.br/Panorama/panorama2012.pdf
[ 8 ] ABRELPE (2015) پانوراما دوس باقی مانده در برزیل.
[ 9 ] CETESB (2015) Inventário estadual desíduos sólidos urbanos.
[ 10 ] De S. Lira, EB, Noronha, CRB, Neto, FCR and Costa, ARS (2016) جنبه های قانونی دفع زباله در محل های دفن زباله در برزیل. GEAMA-Journal of Environmental, 7, 17-26.
[ 11 ] Nascimento, VF, da Silva, AM and Sobral, AC (2015) Indicacao de áreas para aterro sanitário, geoprocessamento. Novas Edicoes Academicas، Saarbrücken.
[ 12 ] Nascimento، VF and da Silva، AM (2013) شناسایی مشکلات برای انتخاب مناطق مناسب برای نصب یک محل دفن زباله جدید از طریق فناوری GIS: یک مطالعه موردی. مجله انجمن مدیریت پسماند و هوا، 64، 80-88.
[ 13 ] Anilkumar، A.، Sukumaran، D. و Vincent، SGT (2015) اثر شیرابه زباله جامد شهری بر کیفیت آب زیرزمینی منطقه تیرووانانتاپورام، کرالا، هند. اکولوژی کاربردی و علوم محیطی، 3، 151-157.
[ 14 ] Galko, G. (2015) تأثیر نفوذ شیرابه از محل های دفن زباله بر تغییرات پارامترهای شیمیایی خاک. مجله مهندسی اکولوژی، 16، 198-205.
https://doi.org/10.12911/22998993/59374
[ 15 ] Ogunmodede، OT، Adewole، E. و Ojo، AA (2015) تغییرات کمی در خواص خاک و جذب فلزات در کارخانه در محل تخلیه زباله های جامد شهری در نیجریه. نامه های بین المللی شیمی، فیزیک و ستاره شناسی، 52، 152-162.
https://doi.org/10.18052/www.scipress.com/ILCPA.52.152
[ 16 ] یزدانی، م.، منوری، س.م.، عمرانی، ج.ا.، شریعت، م. و حسینی، س.م. زمین جامد، 6، 945-956.
https://doi.org/10.5194/se-6-945-2015
[ 17 ] De Andrade Pereira، P. and de Lima، OAL (2016) آلودگی در درما گایا: مطالعه موردی در زمین شناسی محیطی. Environmental Earth Sciences, 75, 1429.
https://doi.org/10.1007/s12665-016-6201-5
[ 18 ] Han, Z., Ma, H., Shi, G., He, L., Wei, L. and Shi, Q. (2016) مروری بر آلودگی آب های زیرزمینی در نزدیکی مکان های دفن زباله های جامد شهری در چین. Science of The Total Environment, 569, 1255-1264.
https://doi.org/10.1016/j.scitotenv.2016.06.201
[ 19 ] Xi, B., Jiang, Y., Li, M., Yang, Y. and Huang, C. (2016) بهینه سازی فرآیند تبدیل زباله جامد و کنترل خطر آلودگی آب های زیرزمینی, Springer-Verlag, Berlin Heidelberg.
[ 20 ] Alimba, CG, Gandhi, D., Sivanesan, S., Bhanarkar, MD, Naoghare, PK, Bakare, AA and Krishnamurthi, K. (2016) خصوصیات شیمیایی شیرابه های خاک دفن شده شبیه سازی شده از نیجریه و هند و سمیت سلولی و آسیب DNA آنها القایی در مورد سه خط سلولی انسان. Chemosphere, 164, 469-479.
https://doi.org/10.1016/j.chemosphere.2016.08.093
[ 21 ] ماوروپولوس، ای. و نیومن، دی (2015) سلامتی هدر رفته-مورد غم انگیز محل های زباله.
[ 22 ] Hoornweg, D. and Bhada-Tata, P. (2012) What a Waste—A Review جهانی مدیریت زباله جامد.
[ 23 ] چوی، ای.، شین، ای.، سئو، ی.-اس.، کیم، جی و یی، اس.-ام. (2016) کاربرد و توسعه پارامترهای خاص کشور برای برآورد دقیق انتشار متان از سایت‌های دفع زباله جامد. فصلنامه چرخه مواد و مدیریت پسماند، 1-10.
https://doi.org/10.1007/s10163-016-0507-y
[ 24 ] Letcher، RAK، Jakeman، AJ، Barreteau، O.، Borsuk، ME، ElSawah، S.، Hamilton، SH، Henriksen، HJ، Kuikka، S.، Maier، HR، Rizzoli، AE، van Delden، H. و Voinov ، AA (2013) انتخاب از بین پنج رویکرد مدلسازی رایج برای ارزیابی و مدیریت یکپارچه محیطی. مدلسازی و نرم افزار محیطی، 47، 159-181.
https://doi.org/10.1016/j.envsoft.2013.05.005
[ 25 ] Kallel, A., Serbaji, MM and Zairi, M. (2016) با استفاده از ابزارهای مبتنی بر GIS برای بهینه سازی جمع آوری و حمل زباله جامد: مطالعه موردی شهر سفکس، تونس. مجله مهندسی، 1395، شناسه مقاله: 4596849.
[ 26 ] Gbanie, SP, Tengbe, PB, Momoh, JS, Medo, J. and Kabba, VTS (2013) مدلسازی مکان دفن زباله با استفاده از سیستم های اطلاعات جغرافیایی (GIS) و تجزیه و تحلیل تصمیم گیری چند معیاره (MCDA): مطالعه موردی بو، جنوب سیرالئون . جغرافیای کاربردی، 36، 3-12.
https://doi.org/10.1016/j.apgeog.2012.06.013
[ 27 ] Malczewski، J. (2004) تجزیه و تحلیل مناسب کاربری زمین مبتنی بر GIS: مروری انتقادی. پیشرفت در برنامه ریزی، 62، 3-65.
https://doi.org/10.1016/j.progress.2003.09.002
[ 28 ] Hornero, J., Manzano, M., Ortega, L. and Custodio, E. (2016) ادغام تعادل آب و ردیاب خاک، مدلسازی عددی و ابزارهای GIS برای تخمین تغذیه منطقه ای آب زیرزمینی: کاربرد در سیستم آبخوان آلکادوزو (SE اسپانیا) . علم کل محیط زیست، 568، 415-432.
https://doi.org/10.1016/j.scitotenv.2016.06.011
[ 29 ] El-Zeiny، A. and El-Kafrawy, S. (2016) ارزیابی آلودگی آب ناشی از فعالیت های انسانی در دریاچه بورولوس با استفاده از تصویرگر زمین عملیاتی لندست 8 و GIS. مجله مصری سنجش از دور و علوم فضایی.
[ 30 ] Bui, DT, Bui, Q.-T., Nguyen, Q.-P., Pradhan, B., Nampak, H., and Trinh, PT (2017) یک رویکرد هوش مصنوعی ترکیبی با استفاده از استنتاج عصبی فازی مبتنی بر GIS بهینه‌سازی سیستم و ازدحام ذرات برای مدل‌سازی حساسیت به آتش‌سوزی جنگل در یک منطقه گرمسیری. هواشناسی کشاورزی و جنگل، 233، 32-44.
https://doi.org/10.1016/j.agrformet.2016.11.002
[ 31 ] فیضی زاده، ب.، رودپشتی، ام اس، یانکوفسکی، پی و بلاشکه، تی (2014) ارزیابی چند معیاره فازی توسعه یافته مبتنی بر GIS برای نگاشت حساسیت به زمین لغزش. Computers & Geosciences, 73, 208-221.
https://doi.org/10.1016/j.cageo.2014.08.001
[ 32 ] تهرانی، ام اس، پرادان، ب. و جبور، م.ن (2014) نگاشت حساسیت به سیل با استفاده از یک مجموعه جدید مدل‌های ماشین بردار وزن‌های شواهد و پشتیبانی در GIS. مجله هیدرولوژی، 512، 332-343.
https://doi.org/10.1016/j.jhydrol.2014.03.008
[ 33 ] Ganasri, BP and Ramesh, H. (2015) ارزیابی فرسایش خاک با استفاده از مدل RUSLE با استفاده از سنجش از دور و GIS-مطالعه موردی حوضه Nethravathi. مرزهای علوم زمین، 7، 1-9.
[ 34 ] Caniani، D.، Labella، A.، Lioi، DS، Mancini، IM و Masi، S. (2016) یکپارچگی اکولوژیکی زیستگاه و ارزیابی اثرات زیست محیطی فعالیت های انسانی: یک مدل منطق فازی مبتنی بر GIS برای مکان های با منافع حفاظت از تنوع زیستی بالا . شاخص های اکولوژیکی، 67، 238-249.
https://doi.org/10.1016/j.ecolind.2016.02.038
[ 35 ] گالاردو، آ.، کارلوس، ام.، پریس، ام. و کولومر، FJ (2014) روش‌شناسی برای طراحی نقشه تولید و ترکیب زباله‌های جامد شهری: مطالعه موردی. مدیریت زباله، 34، 1920-1931.
https://doi.org/10.1016/j.wasman.2014.05.014
[ 36 ] Keser, S., Duzgun, S. and Aksoy, A. (2012) کاربرد تجزیه و تحلیل داده های مکانی و غیر مکانی در تعیین عواملی که بر نرخ تولید زباله های جامد شهری در ترکیه تأثیر می گذارند. مدیریت زباله، 32، 359-371.
https://doi.org/10.1016/j.wasman.2011.10.017
[ 37 ] Son, LH and Louati, A. (2016) مدل‌سازی مجموعه زباله جامد شهری: یک مدل مسیریابی عمومی خودرو با ایستگاه‌های انتقال چندگانه، جمع‌آوری سایت‌ها و وسایل نقلیه ناهمگن در Windows Time. مدیریت پسماند، 52، 34-49.
https://doi.org/10.1016/j.wasman.2016.03.041
[ 38 ] Xue, W. and Cao, K. (2015) مسیریابی بهینه برای جمع آوری زباله: مطالعه موردی در سنگاپور. مجله بین المللی علوم اطلاعات جغرافیایی، 30، 554-572.
[ 39 ] Abdulai, H., Hussein, R., Bevilacqua, E. and Storings, M. (2015) نقشه برداری و تجزیه و تحلیل مبتنی بر GIS سیستم جمع آوری زباله های جامد شهری در وا، غنا. مجله نظام اطلاعات جغرافیایی، 7، 85-94.
https://doi.org/10.4236/jgis.2015.72008
[ 40 ] Sanjeevi, V. and Shahabudeen P. (2015) مسیریابی بهینه برای حمل و نقل زباله جامد شهری کارآمد با استفاده از برنامه ArcGIS در چنای، هند. مدیریت و تحقیقات پسماند، 34، 11-21.
[ 41 ] Bosompem, C., Stemn, E. and Fei-Baffoe, B. (2016) مکان یابی مبتنی بر GIS چند معیاره ایستگاه انتقال زباله جامد شهری: مورد منطقه شهری کوماسی، غنا. مدیریت پسماند و تحقیقات، 34، 1054-1063.
[ 42 ] Yadav, V., Karmakar, S., Dikshit, AK and Vanjari, S. (2016) یک مطالعه امکان سنجی برای مکان ایستگاه های انتقال زباله در مراکز شهری: مطالعه موردی در شهر ناشیک هند. مجله تولید تمیزتر، 126، 191-205.
https://doi.org/10.1016/j.jclepro.2016.03.017
[ 43 ] Chonattu, J., Prabhakar, K. and Harikumar, PSP (2016) کاربرد GIS و مدل‌سازی DRASTIC برای ارزیابی آسیب‌پذیری آب‌های زیرزمینی در نزدیکی یک سایت دفع زباله جامد. مجله بین المللی علوم زمین، 7، 558-571.
https://doi.org/10.4236/ijg.2016.74043
[ 44 ] Chonattu, J., Prabhakar, K. and Pillai, HPS (2016) ارزیابی جغرافیایی و آماری آلودگی آب های زیرزمینی به دلیل شیرابه های دفن زباله – مطالعه موردی. مجله منابع و حفاظت آب، 8، 121-134.
https://doi.org/10.4236/jwarp.2016.82010
[ 45 ] Deshmukh, KK and Aher, SP (2016) ارزیابی تاثیر پسماند جامد شهری بر کیفیت آب زیرزمینی در نزدیکی شهر سنگامنر با استفاده از رویکرد GIS. مدیریت منابع آب، 30، 2425-2443.
https://doi.org/10.1007/s11269-016-1299-5
[ 46 ] ترابی کاوه، م.، بابازاده، ر.، محمدی، س. و زارع صفت، م. (1395) انتخاب محل دفن زباله با استفاده از ترکیب GIS و AHP فازی، مطالعه موردی: ایرانشهر، ایران. مدیریت منابع آب، 34، 438-448.
[ 47 ] Ahmad, A., Javaid, U., Javed, MA, Ahmad, SR, Jaffri, MA and Ashfaq, M. (2016) شناسایی مکانهای دفن زباله با استفاده از روش GIS و چند معیاره: مطالعه موردی شهر میانی پنجاب پاکستان . مجله نظام اطلاعات جغرافیایی، 8، 40-49.
https://doi.org/10.4236/jgis.2016.81004
[ 48 ] شهابی، ح.، کیهان فرد، س.، احمد، بی بی و امیری، MJT (2014) ارزیابی روش های Boolean، AHP و WLC برای انتخاب مکان های دفن زباله با استفاده از تصاویر GIS و ماهواره. Environmental Earth Sciences, 71, 4221-4233.
https://doi.org/10.1007/s12665-013-2816-y
[ 49 ] مطلق، ز.ک و صیادی، م.ح. (1394) مکان یابی دفن زباله پسماند زباله با استفاده از روش MCE در محیط GIS (مطالعه موردی: دشت بیرجند، ایران). مدیریت زباله، 46، 322-337.
https://doi.org/10.1016/j.wasman.2015.08.013
[ 50 ] Demesouka، O.، Vavatsikos، A. و Anagnostopoulos، K. (2016) با استفاده از تکنیک چند معیاره MACBETH برای تجزیه و تحلیل مناسب بودن دفن زباله مبتنی بر GIS. مجله مهندسی محیط زیست، 142، شناسه مقاله: 04016042.
[ 51 ] Demesouka، O.، Vavatsikos، A. و Anagnostopoulos، K. (2014) تجزیه و تحلیل مناسب بودن محل دفن زباله جامد شهری مبتنی بر GIS چند معیاره: مروری بر روش های انجام شده و معیارهای اجرا شده. مدیریت و تحقیقات زباله، 32، 270-296.
https://doi.org/10.1177/0734242X14526632
[ 52 ] Demesouka، OE، Vavatsikos، AP و Anagnostopoulos، KP (2013) تجزیه و تحلیل مناسب برای محل دفن زباله MSW و سیستم پشتیبانی تصمیم گیری فضایی چند معیاره آن: روش، اجرا و مطالعه موردی. مدیریت زباله، 33، 1190-1206.
https://doi.org/10.1016/j.wasman.2013.01.030
[ 53 ] ییلدریم، ü. و گولر، سی (2016) شناسایی مکان‌های دفع زباله جامد شهری مناسب آینده برای کلانشهر مرسین (SE ترکیه) با استفاده از تکنیک‌های AHP و GIS. Environmental Earth Sciences, 75, 101.
https://doi.org/10.1007/s12665-015-4948-8
[ 54 ] بحرانی، س.، عبادی، ت.، احسانی، ح.، یوسفی، ح. و مکنون، ر. (1395) مدلسازی انتخاب محل دفن زباله با استفاده از تصمیم گیری چند معیاره و توابع فازی در GIS، مطالعه موردی: شبستر، ایران. Environmental Earth Sciences, 75, 337.
https://doi.org/10.1007/s12665-015-5146-4
[ 55 ] رحمت، ZG، نیری، MV، علوی، ن.، گودرزی، گ.، بابایی، ع.ع.، بابلی، ز. و حسین زاده، م. (1395) انتخاب محل دفن زباله با استفاده از GIS و AHP: مطالعه موردی: بهبهان، ایران. مجله مهندسی عمران KSCE، 20، 1-8.
[ 56 ] Al-Hanbali, A., Alsaaideh, B. and Kondoh, A. (2011) با استفاده از تجزیه و تحلیل ترکیبی خطی وزنی مبتنی بر GIS و تکنیک‌های سنجش از دور برای انتخاب مکان‌های بهینه دفع زباله جامد در شهر مفراق، اردن. مجله نظام اطلاعات جغرافیایی، 3، 267-278.
https://doi.org/10.4236/jgis.2011.34023
[ 57 ] اسکندری، م.، همایی، م. و فلامکی، ع. (1395) انتخاب محل دفن زباله برای پسماندهای جامد شهری در مناطق کوهستانی با حساسیت به زمین لغزش. علوم محیطی و تحقیقات آلودگی، 23، 12423-12434.
https://doi.org/10.1007/s11356-016-6459-x
[ 58 ] Chabuk, A., Ensari, N., Hussain, HM, Knutsson, S. and Pusch, R. (2016) انتخاب مکان دفن زباله با استفاده از سیستم اطلاعات جغرافیایی و فرآیند تحلیل سلسله مراتبی: مطالعه موردی الهله قضاء، بابل، عراق. مدیریت و تحقیقات پسماند، 34، 1-11.
https://doi.org/10.1177/0734242×16633778
[ 59 ] Kharat, MG, Kamble, SJ, Raut, RD, Kamble, SS and Dhume, SM (2016) مدلسازی انتخاب محل دفن زباله با استفاده از رویکرد MCDM فازی یکپارچه. مدل سازی سیستم های زمین و محیط، 2، 53.
https://doi.org/10.1007/s40808-016-0106-x
[ 60 ] Khan, D. and Samadder, SR (2015) یک مدل ارزیابی چند معیاره ساده شده برای رتبه بندی و انتخاب محل دفن زباله بر اساس AHP و GIS. مجله مهندسی محیط زیست و مدیریت منظر، 23، 267-278.
https://doi.org/10.3846/16486897.2015.1056741
[ 61 ] روی، بی. (1997) روش شناسی چند معیاره برای کمک به تصمیم. جلد 48، شماره 12.
[ 62 ] Malczewski، JJ (2006) تجزیه و تحلیل تصمیم گیری چند معیاره مبتنی بر GIS: بررسی ادبیات. مجله بین المللی علوم اطلاعات جغرافیایی، 20، 703-726.
https://doi.org/10.1080/13658810600661508
[ 63 ] Huang, IB, Keisler, J. and Linkov, I. (2011) تجزیه و تحلیل تصمیم گیری چند معیاره در علوم محیطی: ده سال کاربرد و روند. Science of The Total Environment, 409, 3578-3594.
https://doi.org/10.1016/j.scitotenv.2011.06.022
[ 64 ] Guarnieri, P. (2015) مدل های تصمیم گیری در مهندسی و مدیریت. اسپرینگر. نیویورک. https://doi.org/10.1007/978-3-319-11949-6
[ 65 ] Alkimim, A., Sparovek, G. and Clarke, KC (2015) تبدیل مراتع برزیل به زمین زراعی: روشی جایگزین برای برآورده کردن تقاضای نیشکر و زمین‌های جنگلی مازاد. جغرافیای کاربردی، 62، 75-84.
https://doi.org/10.1016/j.apgeog.2015.04.008
[ 66 ] Akyol, E., Kaya, A. and Alkan, M. (2016) ارزیابی تناسب زمین ژئوتکنیکی با استفاده از تحلیل تصمیم گیری چند معیاره فضایی. مجله عربی علوم زمین، 9، 498.
https://doi.org/10.1007/s12517-016-2523-6
[ 67 ] کارور، اس جی (1991) ادغام ارزیابی چند معیاره با سیستم های اطلاعات جغرافیایی. مجله بین المللی سیستم های اطلاعات جغرافیایی، 5، 321-339.
https://doi.org/10.1080/02693799108927858
[ 68 ] Sumathi, VR, Natesan, U. and Sarkar, C. (2008) رویکرد مبتنی بر GIS برای مکان یابی بهینه محل دفن زباله جامد شهری. مدیریت زباله، 28، 2146-2160.
https://doi.org/10.1016/j.wasman.2007.09.032
[ 69 ] حمزه، م.، علی عباسپور، ر. و داوالو، ر. (2015) روش برتری بر مبنای شطرنجی: رویکردی جدید برای مکان‌یابی محل دفن زباله‌های جامد شهری (MSW). علوم محیطی و تحقیقات آلودگی، 22، 12511-12524.
[ 70 ] Fidelis، R.، Ferreira، MA و Colmenero، JC (2015) انتخاب مکان برای نصب یک مرکز پردازش پلاستیک: شبکه تعاونی های بازیافت. منابع، حفاظت و بازیافت، 103، 1-8.
https://doi.org/10.1016/j.resconrec.2015.07.002
[ 71 ] Alexakis، DD و Sarris، A. (2013) GIS یکپارچه و تجزیه و تحلیل سنجش از راه دور برای نشستن محل دفن زباله در غرب کرت، یونان. Environmental Earth Sciences, 72, 467-482.
[ 72 ] Younes, MK, Basri, NEA, Nopiaha, ZM, Basri, H., Abushammala, M. and Maulud, KNA (2015) یکپارچه سازی رویکرد به اندازه و مکان در محل دفن بهداشتی در ایالت سلانگور مالزی. تحقیقات مهندسی محیط زیست، 20، 268-276.
[ 73 ] خرم، ع.، یوسفی، م.، علوی، س و فارسی، ج. (1394) انتخاب مکان مناسب دفن زباله با استفاده از منطق فازی و سیستم های اطلاعات جغرافیایی: مطالعه موردی در بردسکن، شرق ایران. حوزه سلامت، 4، e19383.
[ 74 ] Eskandari, M., Homaee, M., Mahmoodi, S., Pazira, E. and Van Genuchten, MT (2015) بهینه سازی انتخاب محل دفن زباله با استفاده از نقشه های طبقه بندی زمین. علوم محیطی و تحقیقات آلودگی، 22، 7754-7765.
https://doi.org/10.1007/s11356-015-4182-7
[ 75 ] اسکندری، م.، همایی، م. و محمودی، س. (1391) یک رویکرد چند معیاره یکپارچه برای مکان یابی دفن زباله در یک منطقه متضاد محیطی، اقتصادی و اجتماعی-فرهنگی. مدیریت زباله، 32، 1528-1538.
https://doi.org/10.1016/j.wasman.2012.03.014
[ 76 ] Saaty، TL (1977) یک روش مقیاس‌بندی برای اولویت‌ها در ساختارهای سلسله مراتبی. مجله روانشناسی ریاضی، 15، 234-281.
https://doi.org/10.1016/0022-2496(77)90033-5
[ 77 ] Jothibasu, A. and Anbazhagan, S. (2016) مدلسازی شاخص احتمال آب زیرزمینی در حوضه رودخانه پونایار جنوب هند با استفاده از فرآیند تحلیل سلسله مراتبی. مدل سازی سیستم های زمین و محیط، 2، 109.
https://doi.org/10.1007/s40808-016-0174-y
[ 78 ] ساعتی، TL (2008) تصمیم گیری با فرآیند تحلیل سلسله مراتبی. International Journal of Services Sciences, 1, 83.
https://doi.org/10.1504/IJSSCI.2008.017590
[ 79 ] IBGE (2016) Perfil dos Estados Brasileiros.
[ 80 ] Butt, TE, Lockley, E. and Oduyemi, KOK (2008) ارزیابی ریسک مکان‌های دفع دفن زباله – وضعیت پیشرفته. مدیریت زباله، 28، 952-964.
https://doi.org/10.1016/j.wasman.2007.05.012
[ 81 ] Butt, TE, Gouda, HM, Baloch, MI, Paul, P., Javadi, AA and Alam, A. (2014) Literature Review of Baseline Study for Risk Analysis—The Landfill Leachate Case. Environment International, 63, 149-162.
https://doi.org/10.1016/j.envint.2013.09.015
[ 82 ] معانی فر، م.ر. و فتایی، ای. (1394) ارزیابی زیست محیطی دفن زباله های شهری (مطالعه موردی: استان آذربایجان شرقی/ایران). پیشرفت در تحقیقات زیستی، 6، 52-58.
[ 83 ] Zhang, B., Li, G., Cheng, P., Yeh, T.-CJ and Hong, M. (2016) ارزیابی ریسک دفن زباله بر روی آب های زیرزمینی بر اساس شاخص آسیب پذیری و آلودگی. مدیریت منابع آب، 30، 1465-1480.
https://doi.org/10.1007/s11269-016-1233-x
[ 84 ] Deepa, S., Venkateswaran, S., Ayyandurai, R., Kannan, R. and Prabhu, MV (2016) نقشه‌برداری مناطق بالقوه شارژ آب زیرزمینی در رودخانه ولار تامیل نادو هند با استفاده از GIS و تکنیک‌های سنجش از دور. مدلسازی سیستم های زمین و محیط، 2، 137.
https://doi.org/10.1007/s40808-016-0192-9
[ 85 ] آیدی، ا.، آبیچو، ت.، نصر، آی.ح.، لواتی، م. و زائری، م. (2016) ارزیابی تناسب زمین برای انتخاب محل دفع فاضلاب کارخانه زیتون با ادغام منطق فازی، AHP و WLC در یک GIS. محیط زیست پایش و ارزیابی محیطی، 188، 59.
https://doi.org/10.1007/s10661-015-5076-3
[ 86 ] آلن، DW (2011) آشنایی با ArcGIS Model Builder. مطبوعات ESRI، Redlands.
[ 87 ] علوی، ن.، گودرزی، گ.، بابایی، ع.ع.، جعفرزاده، ن. و حسین زاده، م. (1392) انتخاب مکان دفن زباله جامد شهری با سیستم های اطلاعات جغرافیایی و فرآیند سلسله مراتبی تحلیلی: مطالعه موردی در شهرستان ماهشهر، ایران. مدیریت و تحقیقات پسماند، 31، 98-105.
https://doi.org/10.1177/0734242X12456092
[ 88 ] ذاکریان، س.، مختاری، م. و الحسینی المدرسی، س. (1394) ارزیابی مکان دفن زباله با استفاده از مدل های AHP و TOPSIS: مطالعه موردی محل دفن زباله اردکان، ایران. مجله مهندسی بهداشت محیط ابن سینا، 2، 11-12.
https://doi.org/10.17795/ajehe754
[ 89 ] Goepel، KD (2013) پیاده سازی فرآیند تحلیل سلسله مراتبی به عنوان یک روش استاندارد برای تصمیم گیری چند معیاره در شرکت های شرکتی – یک الگوی جدید AHP Excel با ورودی های متعدد. مجموعه مقالات سمپوزیوم بین المللی در مورد فرآیند تحلیل سلسله مراتبی، کوالالامپور، 23-36 ژوئن 2013، 1-10.
[ 90 ] CETESB (2015) Mapa de Destinacao de Resíduos Urbanos. Companhia Ambiental do Estado de Sao Paulo.
[ 91 ] SAO PAULO (2010) Manual de operacao de aterro sanitário em valas.
[ 92 ] Peixoto، CAB و Theodorovicz، A. (2009) Geodiversidade-SP.
[ 93 ] CECAV (2015) منطقه حفاظتی دائمی در سائوپائولو.
[ 94 ] Oliveira, JB (1999) Mapa Pedológico do Estado de Sao Paulo.
[ 95 ] SAO PAULO (2014) Unidade Básica de Compartimentacao do Meio Físico (UBC) do Estado de Sao Paulo.
[ 96 ] SAO PAULO (2013) Modelo Digital de Elevacao (MDE) در سائوپائولو یکپارچه پایه GISAT را انجام داد. 1-12.
[ 97 ] سائو پائولو (2013) به عنوان زیرزمینی بدون Estado de Sao Paulo: Diretrizes de utilizacao e protecao.
98 ] سائو پائولو (2008) O zoneamento de culturas bioenergéticas no estado de sao Paulo. 31.

بدون دیدگاه

دیدگاهتان را بنویسید