تجزیه و تحلیل مسائل مدیریت آب با استفاده از GIS

مشخصات پراکنش فضایی فلزات سنگین در خاک سطحی با استفاده از زمین آمار  و GIS

چکیده 

آلودگی فلزات سنگین یک مشکل بزرگ زیست محیطی است که بشر با آن مواجه است. مکان یابی منبع و توزیع آلاینده های فلزات سنگین در اطراف معادن می تواند مبنای علمی برای کنترل محیطی فراهم کند. از اثر ساختاری و اثر تصادفی نیم‌واریوگرام می‌توان برای تعیین دلیل تفاوت‌های فضایی در محتوای فلزات سنگین در خاک سطحی استفاده کرد و از ضریب تغییرات و تحلیل رگرسیون می‌توان برای تأیید اینکه صحت تأیید مطابق با الزامات زمین‌آماری است استفاده کرد. بر اساس روش حداکثر اختلاف، محتوای فلزات سنگین در خاک سطحی منطقه معدنی بیشتر از محیط اطراف و سطوح مس و روی بیشتر از مقادیر پس‌زمینه برای مغولستان داخلی است. در مورد حاضر، روی، منگنز، سرب، کروم، نیکل، سطوح مس و مس به ترتیب 10/65، 72/53، 17/52، 24/46، 08/33 و 49/29 درصد از مقادیر پس‌زمینه برای محیط اطراف منطقه مورد مطالعه فراتر رفت. نتایج نشان می‌دهد که فعالیت‌های انسانی نقش تعیین‌کننده‌ای در توزیع فضایی فلزات سنگین ایفا می‌کنند که منجر به توزیع فضایی آن‌ها در قالب «پیرامون هسته» می‌شود. این الگوی توزیع به طور قابل توجهی تحت تأثیر شیب، مقدار NDVI و فاصله از منطقه معدن قرار گرفت، اما توزیع فضایی سرب به طور قابل‌توجهی با جاده‌های درجه بالا مرتبط بود. روش‌ها و نتیجه‌گیری‌های تحقیق دارای اهمیت مرجع برای منابع و ویژگی‌های توزیع مکانی آلودگی فلزات سنگین در مناطق معدنی مشابه بوده و هدفی را برای پیشگیری و کنترل آلودگی زیست‌محیطی در منطقه مورد مطالعه فراهم می‌کند. به ترتیب 17/52 درصد، 24/46 درصد، 08/33 درصد و 49/29 درصد. نتایج نشان می‌دهد که فعالیت‌های انسانی نقش تعیین‌کننده‌ای در توزیع فضایی فلزات سنگین ایفا می‌کنند که منجر به توزیع فضایی آن‌ها در قالب «پیرامون هسته» می‌شود. این الگوی توزیع به طور قابل توجهی تحت تأثیر شیب، مقدار NDVI و فاصله از منطقه معدن قرار گرفت، اما توزیع فضایی سرب به طور قابل‌توجهی با جاده‌های درجه بالا مرتبط بود. روش‌ها و نتیجه‌گیری‌های تحقیق دارای اهمیت مرجع برای منابع و ویژگی‌های توزیع مکانی آلودگی فلزات سنگین در مناطق معدنی مشابه بوده و هدفی را برای پیشگیری و کنترل آلودگی زیست‌محیطی در منطقه مورد مطالعه فراهم می‌کند. به ترتیب 17/52 درصد، 24/46 درصد، 08/33 درصد و 49/29 درصد. نتایج نشان می‌دهد که فعالیت‌های انسانی نقش تعیین‌کننده‌ای در توزیع فضایی فلزات سنگین ایفا می‌کنند که منجر به توزیع فضایی آن‌ها در قالب «پیرامون هسته» می‌شود. این الگوی توزیع به طور قابل توجهی تحت تأثیر شیب، مقدار NDVI و فاصله از منطقه معدن قرار گرفت، اما توزیع فضایی سرب به طور قابل‌توجهی با جاده‌های درجه بالا مرتبط بود. روش‌ها و نتیجه‌گیری‌های تحقیق دارای اهمیت مرجع برای منابع و ویژگی‌های توزیع مکانی آلودگی فلزات سنگین در مناطق معدنی مشابه بوده و هدفی را برای پیشگیری و کنترل آلودگی زیست‌محیطی در منطقه مورد مطالعه فراهم می‌کند. نتایج نشان می‌دهد که فعالیت‌های انسانی نقش تعیین‌کننده‌ای در توزیع فضایی فلزات سنگین ایفا می‌کنند که منجر به توزیع فضایی آن‌ها در قالب «پیرامون هسته» می‌شود. این الگوی توزیع به طور قابل توجهی تحت تأثیر شیب، مقدار NDVI و فاصله از منطقه معدن قرار گرفت، اما توزیع فضایی سرب به طور قابل‌توجهی با جاده‌های درجه بالا مرتبط بود. روش‌ها و نتیجه‌گیری‌های تحقیق دارای اهمیت مرجع برای منابع و ویژگی‌های توزیع مکانی آلودگی فلزات سنگین در مناطق معدنی مشابه بوده و هدفی را برای پیشگیری و کنترل آلودگی زیست‌محیطی در منطقه مورد مطالعه فراهم می‌کند. نتایج نشان می‌دهد که فعالیت‌های انسانی نقش تعیین‌کننده‌ای در توزیع فضایی فلزات سنگین ایفا می‌کنند که منجر به توزیع فضایی آن‌ها در قالب «پیرامون هسته» می‌شود. این الگوی توزیع به طور قابل توجهی تحت تأثیر شیب، مقدار NDVI و فاصله از منطقه معدن قرار گرفت، اما توزیع فضایی سرب به طور قابل‌توجهی با جاده‌های درجه بالا مرتبط بود. روش‌ها و نتیجه‌گیری‌های تحقیق دارای اهمیت مرجع برای منابع و ویژگی‌های توزیع مکانی آلودگی فلزات سنگین در مناطق معدنی مشابه بوده و هدفی را برای پیشگیری و کنترل آلودگی زیست‌محیطی در منطقه مورد مطالعه فراهم می‌کند. اما توزیع فضایی سرب به طور قابل توجهی با جاده های درجه بالا مرتبط بود. روش‌ها و نتیجه‌گیری‌های تحقیق دارای اهمیت مرجع برای منابع و ویژگی‌های توزیع مکانی آلودگی فلزات سنگین در مناطق معدنی مشابه بوده و هدفی را برای پیشگیری و کنترل آلودگی زیست‌محیطی در منطقه مورد مطالعه فراهم می‌کند. اما توزیع فضایی سرب به طور قابل توجهی با جاده های درجه بالا مرتبط بود. روش‌ها و نتیجه‌گیری‌های تحقیق دارای اهمیت مرجع برای منابع و ویژگی‌های توزیع مکانی آلودگی فلزات سنگین در مناطق معدنی مشابه بوده و هدفی را برای پیشگیری و کنترل آلودگی زیست‌محیطی در منطقه مورد مطالعه فراهم می‌کند.
کلمات کلیدی: روش حداکثر اختلاف ; نیم متغیری ; درون یابی کریجینگ ; تنوع فضایی ; منطقه معدن روباز ; فلزات سنگین

1. مقدمه 

خاک ماده اساسی تولید انسان و خاستگاه تمدن فرهنگی است [ 1 ، 2 ]. توسعه خاک تحت تأثیر اقلیم و هواشناسی [ 3 ]، مواد اولیه خاک [ 4 ]، توپوگرافی و چشم انداز، پوشش گیاهی، فعالیت های انسانی و غیره است. در پس زمینه تولید انبوه مکانیزه مدرن، استخراج معادن در مقیاس بزرگ فعالیت‌های انسان منجر به اشغال زمین، آسیب به پوشش گیاهی، آسیب لایه خاک و سایر رفتارها می‌شود که در نتیجه آلودگی هوا، آلودگی رودخانه‌ها و خاک در مقیاس بزرگ ایجاد می‌شود [ 5 ]. به طور خاص، آلودگی آب های زیرزمینی، آلودگی گرد و غبار [ 6]، آلودگی فلزات سنگین و سایر پدیده ها در مناطق معدنی و محیط اطراف آن شایع تر است [ 7 ]. آلودگی فلزات سنگین در خاک منطقه معدن عمدتاً ناشی از استخراج سنگ معدن، فرآوری، حمل و نقل، ذخیره سازی، انباشت باطله و سایر فرآیندها است [ 8 ]. فلزات سنگین در خاک عمدتاً از همزیستی سنگ معدن و فلزات سنگین در مواد معدنی مرتبط می آیند [ 9 ]. آنها در حین استخراج معادن و حمل و نقل وارد منطقه معدن و محیط خاک اطراف آن می شوند و به طور مداوم در آنجا غنی می شوند [ 10 ]]. زمانی که فلزات سنگین در محیط خاک تا حد مشخصی غنی شوند، آلودگی فلزات سنگین رخ می دهد. غنی‌سازی فلزات سنگین در خاک به خواص فیزیکی و شیمیایی خاک آسیب می‌رساند، آلودگی‌های برگشت‌ناپذیری برای محیط زیست ایجاد می‌کند و سلامت انسان را تهدید می‌کند [ 11 ] و با فعالیت‌های تولید مستمر، فلزات سنگین به شکل ذرات گرد و غبار مهاجرت می‌کنند. و به صورت رسوبات خشک و مرطوب وارد خاک سطحی شده و منجر به مهاجرت جدی‌تر فلزات سنگین می‌شود [ 12 ].]. به منظور جلوگیری و کنترل تشدید و انتشار آلودگی فلزات سنگین، توسعه یک فناوری نظارتی کامل برای غلظت و توزیع فلزات سنگین در خاک و شکل‌دهی یک استراتژی جامع برای پیشگیری و کنترل آلودگی فلزات سنگین بسیار مهم است. خطر سلامت در مناطق معدنی [ 9 ].
تحقیقات سنتی در مورد آلودگی خاک عمدتاً بر اساس مشاهدات میدانی و تجزیه و تحلیل آزمایشگاهی است [ 13 ]. با توسعه فناوری اطلاعات، زمین آمار در GIS از مزایای بیشتری در مطالعه پدیده هایی با ویژگی های تغییرات زمان و مکان برخوردار است [ 14 ]. در مطالعه تغییرپذیری مکانی خواص خاک، کاربرد معقول زمین آمار و فناوری GIS می تواند تحقیقات جدیدی را باز کند [ 15 ]. این دو روش همچنین گسترده‌ترین و مؤثرترین روش‌ها برای مطالعه توزیع مکانی و تغییر شاخص فلزات سنگین در خاک هستند [ 16 ].]. از طریق استفاده از فناوری تجزیه و تحلیل فضایی، محققان می توانند به طور موثر رابطه بین شاخص های فلزات سنگین و منابع آلودگی در مناطق پر آلودگی را تعیین کرده و در ادامه به دلایل شاخص های غیرعادی پی ببرند.
این فناوری همچنین برای مطالعه مدیریت کاربری زمین و اقدامات کنترل آلودگی استفاده می شود [ 10 ، 15 ]. توزیع مکانی آلاینده ها در پاکسازی و جلوگیری از آلودگی بسیار مهم است. با توجه به آستانه آلاینده محل های مختلف نمونه برداری، نقشه توزیع منطقه ای آلاینده ها با استفاده از مدل درونیابی GIS برای توصیف تغییرات زمانی و مکانی آلاینده ها ترسیم شد [ 17 ]. مطالعه آلودگی منطقه ای رایج است [ 15]. مغولستان داخلی در منطقه اکولوژیکی شکننده شمال چین قرار دارد که سرشار از منابع معدنی است و آسیب های زیست محیطی و آلودگی های زیست محیطی ناشی از فعالیت های معدنی جدی است. لازم است شرکت ها و محققان علمی اقدامات مدیریتی موثر را به موقع نظارت و تدوین کنند تا از توسعه پایدار معادن اطمینان حاصل کنند [ 5 ].
معدن زغال سنگ روباز Wulantuga و میدان زغال سنگ Shengli در علفزار Xilinguole توزیع شده است. استخراج زغال سنگ روباز مقدار زیادی مواد زائد جامد را تولید می کند که حاوی یون های فلزات سنگین است که می تواند تحت تأثیر نفوذ آب باران و فرسایش وارد لایه سطحی خاک شده و باعث آلودگی فلزات سنگین در خاک سطحی شود [ 18 ]. با این حال، خاک سطحی را می توان تحت تأثیر باد یا رواناب سطحی مهاجرت کرد، که منجر به تجمع آلودگی خاک در نزدیکی منطقه معدن می شود [ 3 ، 19 ].]. بنابراین، برای انجام اقدامات موثر و علمی حفاظت از محیط زیست، کسب آگاهی کامل از وضعیت آلودگی و ویژگی های توزیع فضایی فلزات سنگین در مناطق معدنی ضروری است. با در نظر گرفتن منطقه معدن زغال سنگ روباز Xilinguole Grassland به عنوان هدف تحقیق، این مقاله با استفاده از فناوری تجزیه و تحلیل فضایی، نقشه توزیع فضایی فلزات سنگین در خاک را تهیه می کند و شامل یک بحث تحلیلی در مورد دلیل تشکیل و عوامل مؤثر بر توزیع سنگین است. فلزات موجود در خاک علفزار اطراف منطقه معدن. امید است که این مقاله بتواند کارکرد مرجع خاصی را در پیشگیری و کنترل آلودگی فلزات سنگین در منطقه روباز معدن زغال سنگ مرتع ارائه دهد.
هدف از این مطالعه (1) تجزیه و تحلیل توزیع فضایی فلزات سنگین در خاک سطحی اطراف منطقه معدن روباز و (2) توضیح مکانیسم بالقوه مؤثر بر توزیع فضایی فلزات سنگین بود. روش های تحقیق این مقاله مرجعی برای تجزیه و تحلیل منبع و توزیع فضایی آلاینده ها و ارائه یک مبنای نظری و پشتیبانی موردی برای کنترل هدفمند آلودگی در منطقه معدنی است.

2. مواد و روش ها

2.1. منطقه مطالعه

معدن روباز شماره 1 غرب و معدن روباز شماره 2 غرب میدان زغال سنگ Shengli در منطقه Xilinguole، مغولستان داخلی، به عنوان پژوهش انتخاب شدند. میدان زغال سنگ Shengli لیگ Xilinguole در منطقه Xilinguole مغولستان داخلی است و حدود 4 کیلومتر از مرز غربی شهر Xilinhot، که تحت حوزه قضایی آن است، فاصله دارد. آب و هوای منطقه مورد مطالعه مرتع معتدل و نیمه خشک است. هوا در فصل زمستان بیشتر سرد و خشک است و تابستان عمدتاً گرم و مرطوب است. از ماه‌های مارس تا می هر سال، اغلب باد شدیدی می‌وزد و میانگین سرعت باد ماهانه می‌تواند به 4.9 متر بر ثانیه برسد. میانگین بارندگی سالانه 33.69 سانتی متر است و حدود 70 درصد باران از اردیبهشت تا مرداد هر سال رخ می دهد. دوره بدون یخبندان از آوریل تا اکتبر حدود 150 روز طول می کشد. تبخیر سالانه حدود 160-180 سانتی متر است، شکل 1 ).

2.2. طراحی نمونه و جمع آوری داده ها

داده‌های موقعیت مکانی منطقه معدن (داده‌های فایل شکل، شکل 1 ) از دانشگاه کشاورزی مغولستان داخلی، که به بخش معدن در مغولستان داخلی خدمت می‌کند، جمع‌آوری شد. داده ها کاملاً بر اساس تصویر و داده های میدانی Google Earth تأیید شدند. دقت اعتبارسنجی به 95 درصد رسید. با استفاده از تصویر سنجش از دور Google Earth از نقشه و روش اندازه‌گیری نیروی کار [ 20]، محدوده معدن روباز شماره 1 غرب و معدن روباز شماره 2 غرب تعیین شد و محدوده 8 کیلومتری محدوده معدن به عنوان منطقه تحقیقاتی در نظر گرفته شد. منطقه معدن به عنوان مرکز در نظر گرفته شد و یک شعاع در اطراف ایجاد شد تا خطوط نمونه بررسی را تشکیل دهد. با توجه به نتایج سنجش از دور و وضعیت واقعی منطقه معدنی، یک خط نمونه پیمایشی به طول 4 کیلومتر در جهت شرق منطقه معدن تعیین شد. از آنجایی که یک نیروگاه بادی در مقیاس بزرگ در شمال غرب منطقه معدن وجود دارد و به منظور جلوگیری از تأثیرگذاری بر صحت و اعتبار داده های تجربی، خط نمونه پیمایشی در شمال غرب منطقه معدن تعیین نشد. در همان زمان، ArcGIS 10.0 برای استخراج نقاط نمونه تصادفی در نزدیکی بزرگراه درجه بالا در منطقه مورد مطالعه استفاده شد. و داده های DEM با توجه به نقاط استخراج شد. داده های شیب زمین و داده های فاصله از بزرگراه نیز تولید شد.
با در نظر گرفتن منطقه معدنی به عنوان خط میانی، یک خط نمونه تحقیق در هفت جهت شرق، جنوب، غرب، شمال، جنوب شرق، جنوب غرب و شمال شرق تعیین شد. در ترکیب با وضعیت واقعی اطراف منطقه معدن، در مجموع پنج سایت نمونه بررسی در خط نمونه در جهت شرق در 0 کیلومتر، 0.5 کیلومتر، 1 کیلومتر، 2 کیلومتر و 4 کیلومتر از مرز بیرونی تعیین شد. منطقه معدن در شش جهت کمربند نمونه باقی مانده، هفت زمین نمونه پیمایشی در 0 کیلومتر، 0.5 کیلومتر، 1 کیلومتر، 2 کیلومتر، 4 کیلومتر، 6 کیلومتر و 8 کیلومتر از مرز بیرونی منطقه معدن تعیین شد ( شکل 1 ). یک سیستم مکان یابی GPS برای ثبت اطلاعات پایه جغرافیایی هر محل نمونه برداری به طور دقیق استفاده شد.
زمان جمع‌آوری خاک از ژوئیه تا پایان سپتامبر 2018 به طول انجامید. در منطقه نمونه، مساحتی به مساحت 100×100 متر مربع از قبل برای نمونه‌برداری اولیه انتخاب شد. سپس، یک خط نمونه 100 متری که به صورت مورب از منطقه انتخاب شده عبور می کند، با شش قطعه نمونه بررسی، با شماره C1-C6، بر روی خط نمونه، که مساحت آن 1 × 1 متر مربع بود، انتخاب شد .. در کرت های نمونه فرد، نمونه های خاک سطحی با استفاده از مته خاک به قطر 5 سانتی متر جمع آوری شد و عمق کلی جمع آوری 0 تا 10 سانتی متر بود. فرکانس حفاری هر نمونه 5 بار تعیین شد. نمونه‌های به‌دست‌آمده به طور یکنواخت مخلوط و با کیسه‌های پلاستیکی جمع‌آوری و سپس علامت‌گذاری و به آزمایشگاه منتقل شدند. پس از خشک شدن طبیعی در آزمایشگاه، بقایای شن و ماسه و همچنین گیاهان و سایر ناخالصی ها با الک کردن آنها از طریق الک 100 مش برای نگهداری مناسب در آماده سازی برای تجزیه و تحلیل بعدی حذف شدند.
با فرض مطالعه کامل محتوای فلزات سنگین در سنگ‌های معدن زغال‌سنگ، شش نوع عنصر فلزات سنگین که می‌توانند به وضوح شاخص‌ها را منعکس کنند، یعنی کروم، مس، منگنز، نیکل، روی و سرب به‌عنوان اجسام انتخاب شدند. اندازه گیری. مقدار کل با استفاده از روش جوشانده باز با حلال کلروزوتوسین اسید-پرکلریک اسید (HNO 3 -HCl-HClO 4 )، و محتوای فلزات سنگین توسط ICP-OES [ 21 ] اندازه‌گیری شد.
مجموعه داده NDVI شامل داده‌های بازتاب سطحی تصحیح شده از حسگرهای Landsat 8 OLI/TIRS است. این تصاویر شامل 5 باند مرئی و مادون قرمز نزدیک (VNIR) و 2 باند مادون قرمز موج کوتاه (SWIR) هستند که برای بازتاب سطحی تصحیح‌شده پردازش شده‌اند، و دو باند مادون قرمز حرارتی (TIR) ​​پردازش شده‌اند تا دمای روشنایی مشخص شده را پردازش کنند. این محصول توسط USGS (USGS https://www.usgs.gov/ ) عرضه شده است، قابل دسترسی در 1 مه 2021). وضوح مکانی مجموعه داده 30 متر و زمان جمع آوری داده ها از سال 2013 تا 2018 بود. در نهایت میانگین حسابی تصاویر با پوشش ابری کمتر از 40 درصد از ژوئن تا سپتامبر در تابستان محاسبه شد. نوار مادون قرمز با B5 (0.851-0.879 میکرومتر) از Landsat 8 مطابقت دارد، و نوار قرمز با B4 (0.636-0.673 میکرومتر) مطابقت دارد [ 22 ].

2.3. مواد و روش ها

2.3.1. تولید داده های مکانی و پردازش داده ها

شیب از SRTM (ماموریت توپوگرافی رادار شاتل V4.1) استخراج شد و داده های DEM تولید شده با وضوح 250 متر نمونه برداری شد. مجموعه داده NDVI بر اساس داده های سنجش از دور ماهواره ای NDVI سری زمانی پیوسته SPOT/VEGETATION است و با استفاده از روش سنتز حداکثر مقدار تولید می شود. در فرآیند اندازه گیری محتوای فلزات سنگین در خاک، از روش آزمون تک نمونه ای K-S SPSS 16.0 برای آزمایش توزیع نرمال داده ها استفاده شد. داده‌های فلزات سنگین مختلف با کمک نرم‌افزار ArcGIS Desktop 10.5 برازش شد و سپس نقشه توزیع فضایی به عنوان خروجی تولید شد.

2.3.2. روش حداکثر تفاوت

روش مقایسه حداکثر مقدار، تفاوت بین حداکثر مقدار و مقدار پس‌زمینه عنصر فلز سنگین خاک I در منطقه مورد مطالعه را به عنوان هدف تحقیق در نظر می‌گیرد تا انواع فلزات سنگین خاک که حداکثر مقدار آنها از مقدار پس‌زمینه بیشتر است (همچنین شناخته می‌شود) را بررسی کند. به عنوان مقدار هشدار ایمنی) و توزیع این نوع. این روش فقط ارزیابی می کند که آیا محتوای فلزات سنگین از استاندارد و محدوده توزیع فضایی آلودگی فراتر رفته است یا خیر، و نتایج بصری و قابل خواندن هستند.

جایی که محتوای اندازه گیری شده عنصر فلز سنگین خاک است (mg/kg) و مقدار پس زمینه منطقه ای عنصر فلز سنگین خاک است (میلی گرم بر کیلوگرم). در توزیع فضایی فلزات سنگین، مقدار پس‌زمینه ممکن است یک عدد صحیح نباشد و اعشار کوتاه می‌شود تا عدد صحیح را به سمت بالا بگیرد. محاسبه مقدار پس زمینه بر اساس میانگین محتوای فلزات سنگین در خاک شمال، جنوب و غرب منطقه معدنی در 10 کیلومتری معدن است که آلودگی خاک اطراف را به دلیل باز بودن بهتر منعکس می کند. معدن زغال سنگ.

2.3.3. ضریب تغییر

ضریب تغییرات یک روش استاندارد اندازه گیری توزیع احتمال یا توزیع فرکانس است. زمانی که ضریب تغییرات پایین باشد، داده ها دارای تنوع کمتر و پایداری بالاتری هستند. تنوع مکانی ویژگی های خاک و پوشش گیاهی را می توان با بیان کرد .

جایی که ضریب تغییرات است، انحراف معیار است و مقدار متوسط ​​است. به طور کلی اعتقاد بر این است که < 10% نشان دهنده تنوع ضعیف، 10% ≤ است ≤ 100% نشان دهنده تنوع متوسط ​​است و > 100% نشان دهنده تنوع قوی است.

2.3.4. نیم واریوگرام

در اوایل دهه 1960، زمین‌شناس فرانسوی G. Matheron [ 23 ] نیم‌واریوگرام را پیشنهاد کرد که برای توصیف ویژگی‌های فضایی همزیستی ویژگی‌های ساختاری و تصادفی متغیرهای منطقه‌ای [ 24 ، 25 ] و برای بیان تنوع و همبستگی فضایی استفاده می‌شود. درجه متغیرهای منطقه ای در مقیاس معین. با فرض اینکه مقدار میانگین تابع تصادفی پایدار است، واریانس وجود دارد و محدود است و مقدار فقط به بازه مربوط می شود. ، تابع نیم متغیری را می توان به عنوان نیمی از واریانس افزایشی تابع تصادفی تعریف کرد . نیم متغیره دارای یک متغیر مستقل و یک متغیر وابسته مانند توابع معمولی است. متغیر مستقل مرحله است و متغیر وابسته یک مقدار semivariogram است .

جایی که نقطه نمونه است، مقدار ویژگی نقطه نمونه است ، و لگاریتم نقاط با فاصله است . بنابراین، مقدار نیم متغیری، مقدار میانگین مربع اختلاف بین نقطه نمونه است و ویژگی نقطه نمونه .

یک نیمه متغیر معمولاً با سه پارامتر [ 26 ] مشخص می شود: (1) واریانس قطعه (Co)، که عمدتاً ناشی از تغییرات مکانی و خطای اندازه گیری است. (2) واریانس ساختاری (Co + C)، که به طور کلی حداکثر واریانس بین جفت داده ها را نشان می دهد. و (3) محدوده (A)، که نشان دهنده دورترین فاصله همبستگی بین پارامترهای گرافیکی است. واریوگرام تجربی یک تابع توزیع ناپیوسته است که از داده‌های جمع‌آوری‌شده به‌دست می‌آید، که باید با واریوگرام نظری برازش شود تا ارزیابی مستمر تغییرپذیری به دست آید [ 27 ].
در فرآیند مطالعه تمایز فضایی اشیاء یا پدیده های جغرافیایی، مهمترین پارامتر یک واریوگرام، نسبت مقدار ناگت به مقدار تکیه گاه است. نسبت نشان دهنده نسبت ناهمگونی فضایی ناشی از فعالیت های انسانی در کل تغییرات سیستم است، در حالی که مقدار پایه نشان دهنده نقش ترکیب محیط طبیعی است. هرچه این نسبت کمتر باشد، به طور قابل توجهی تحت تأثیر محیط طبیعی قرار می گیرد. هر چه این نسبت بیشتر باشد، تأثیر فعالیت های انسانی بیشتر است. اگر این نسبت کمتر از 25 درصد باشد، نشان می دهد که سیستم دارای یک همبستگی فضایی قوی است که عمدتاً ناشی از تأثیر ساختاری محیط طبیعی است. اگر این نسبت بین 25 تا 75 درصد باشد، نشان می دهد که سیستم دارای همبستگی فضایی متوسط ​​است. که بیانگر آن است که تغییر فضایی آن نتیجه عمل مشترک عوامل محیطی طبیعی و عوامل تصادفی فعالیت های انسانی است. اگر این نسبت بالاتر از 75 درصد باشد، همبستگی فضایی سیستم بسیار ضعیف است و تغییرات به طور قابل توجهی تحت تأثیر فعالیت های انسانی قرار می گیرد.

2.3.5. درونیابی محلی فضایی فلزات سنگین در سطح خاک

درون یابی کریجینگ که به عنوان درون یابی محلی فضایی نیز شناخته می شود، روشی برای برآورد بهینه بی طرفانه متغیرهای منطقه ای شده در یک منطقه محدود بر اساس تئوری واریوگرام و تحلیل ساختاری است [ 28 ]. برای استفاده از روش درون یابی کریجینگ برای پیش بینی، اولین قدم ایجاد یک واریوگرام است. از طریق مدل‌سازی نیم‌واریوگرام، خودهمبستگی فضایی نمونه‌های فضایی تحلیل می‌شود. سپس مقدار مجهول توسط مدل تخمین نیم متغیری پیش بینی می شود.

جایی که مقدار تخمینی برق مورد اندازه گیری است، مقدار اندازه گیری شده نقطه نمونه i است، تعداد نمونه های اندازه گیری شده شرکت کننده در محاسبه است و ضریب وزنی نقطه نمونه i است. وزن با تخمین بی طرفانه و حداقل واریانس درون یابی کریجینگ به دست می آید. محاسبه به شرح زیر است:

جایی که نیم واریوگرام بین i- امین و j- امین نقاط نمونه و است نیم متغیره بین نقطه نمونه j و نقطه درونیابی است که هر دو را می توان از واریوگرام برازش به دست آورد. ضریب لاگرانژ است و تعداد نقاط نمونه است.

2.3.6. آزمون رگرسیون خطی

فرض کنید که یک متغیر وابسته تحت تأثیر قرار می گیرد متغیرهای مستقل ، ,…, . را گروه مشاهدات عبارتند از ( ، ، ,…, . سپس ساختار مدل رگرسیون خطی چندگانه به شرح زیر است:

جایی که پارامترهای نامشخص هستند و یک متغیر تصادفی است

3. نتایج

3.1. ویژگی های اساسی محتوای فلزات سنگین در خاک سطحی منطقه معدن

بر اساس آمار توصیفی ( جدول 1 )، هیچ مقدار غیرعادی در داده ها وجود ندارد. آزمون نرمال بودن برای کروم، مس، منگنز، نیکل، روی و سرب انجام شد. از آنجایی که حجم نمونه داده های تحقیق بیش از 50 نفر بود، از آزمون کولموگروف اسمیرنوف (آزمون K-S) استفاده شد [ 29 ]. با توجه به p -value آزمون K-S، روی و سرب تفاوت معنی‌داری نشان دادند ( 05/ 0p <)، اما ویژگی‌های نرمال نداشتند. کروم، مس، منگنز و نیکل تفاوت معنی‌داری نشان ندادند ( 05/0 p >)، اما نرمال بودند. در عین حال، با توجه به مشخص شد که روی دارای تغییرپذیری ضعیف و سایر عناصر فلزات سنگین دارای تنوع متوسط ​​هستند که نشان می‌دهد فلزات سنگین در خاک منطقه معدن به شدت تحت تأثیر محیط خارجی و فعالیت‌های انسانی قرار می‌گیرند.

3.2. تفاوت بین مقادیر حداکثر و پس زمینه فلزات سنگین در خاک سطحی منطقه معدنی

در مطالعات قبلی، معیارهای مختلفی با توجه به نیازهای پژوهشی به عنوان مقادیر مرجع انتخاب شدند [ 30 ، 31]. هدف از این مطالعه ارزیابی اینکه آیا غلظت فلزات سنگین در خاک سطحی اطراف منطقه معدن از استاندارد ناشی از استخراج زغال سنگ روباز بیشتر است یا خیر و مقایسه مقادیر پس‌زمینه عناصر در منطقه مورد مطالعه با سایر مناطق بود. مقادیر متوسط ​​محتوای فلزات سنگین خاک (اطراف) و مقادیر پس‌زمینه خاک (لایه A) در مغولستان داخلی، چین و ایالات متحده در جهت‌های شمالی، جنوبی و غربی منطقه معدنی به عنوان مقادیر مرجع انتخاب شدند. مقایسه و تحلیل تغییرات محتویات فلزات سنگین در خاک سطحی منطقه معدن. مشخص شد که محتویات فلزات سنگین در خاک سطح منطقه معدن بیشتر از مناطق اطراف است. مس و روی بالاتر از مقادیر پس زمینه مغولستان داخلی هستند. شکل 2 ).

3.3. تجزیه و تحلیل نیمه واریوگرام فلزات سنگین در خاک منطقه معدن زغال سنگ

به منظور اجتناب از اثر مقیاس، تغییر شکل واریوگرام، افزایش واریانس قطعه و آستانه ساختاری، افزایش خطای تخمین و پوشاندن ساختار ذاتی، از GS + 9.0 برای تبدیل لگاریتمی روی و سرب استفاده شد که با آن مطابقت ندارند. ویژگی های عادی داده های تبدیل شده با مفروضات تحلیل زمین آماری مطابقت دارد. برای برازش نمودار از مدل نیمه متغیروگرام استفاده شد و ضریب تعیین به طور جامع در نظر گرفته شد. با توجه به این اصل که R2 بزرگترین ، RSS کوچکترین و دامنه بیشتر از فاصله نمونه است، مدل تابع نیمه متغیریگرام بهینه ( شکل 3 ) انتخاب و پارامترهای مربوطه به دست آمد ( جدول 2).). نتایج نشان داد که مس، منگنز، نیکل و روی با مدل گاوسی مطابقت دارند، در حالی که کروم و سرب با یک مدل کروی مطابقت دارند. درجه برازش داده های شش فلز سنگین و مدل تابع نیم متغیری خوب بود و به 0.792-0.986 رسید. بنابراین، برای برآوردن الزامات آماری مربوطه ( جدول 2 )، می توان از مدل نیمه متغیریگرام استفاده کرد و دقت نیز الزامات اختلاف فضایی را برآورده می کند.
نسبت مقدار قطعه به ارزش تکیه گاه یک شاخص مهم برای منعکس کردن درجه ناهمگونی فضایی متغیرهای منطقه‌ای است [ 32 ]، که نشان‌دهنده نقش غالب عوامل ساختاری (عوامل طبیعی) یا عوامل تصادفی (عوامل انسانی) در ترکیب فضایی است. تغییر. این مطالعه نشان داد که کروم، مس، منگنز، نیکل، روی و سرب مهمترین عناصر در تغییرات منطقه ای هستند. نسبت ارزش قطعه به ارزش تکیه گاه شش عنصر فلزی سنگین بیش از 75 درصد بود ( جدول 2 )، که نشان می دهد توزیع فضایی شش عنصر در خاک عمدتاً ناشی از فعالیت های انسانی است تا توزیع طبیعی یا تکامل.

3.4. ویژگی های توزیع فضایی محتوای فلزات سنگین خاک

با توجه به تمایز فضایی غنی‌سازی فلزات سنگین در خاک در برخی مناطق و کمبود داده‌های آماری در برخی مناطق، انعکاس دقیق وضعیت واقعی خاک با استفاده از داده‌های نمونه برای تجزیه و تحلیل و ارزیابی مشکل است [ 32 ]. مدل کریجینگ اساساً ارزش متغیرها را در مناطق بدون داده با استفاده از داده‌های اصلی متغیرهای منطقه‌ای و ویژگی‌های ساختاری یک واریوگرام تخمین می‌زند. همراه با تحقیقات قبلی در مورد ویژگی های توزیع فضایی فلزات سنگین خاک، بر اساس استاندارد انتخاب روش درونیابی فلزات سنگین [ 33 ]، مقایسه خطای روش درونیابی خاک سطحی ( جدول 3)) به دست آمد. نتایج نشان داد که روش درونیابی بهینه کروم، مس، منگنز و نیکل در منطقه معدن، کریجینگ معمولی و روش درونیابی بهینه روی، کریجینگ ساده است.
تمایز فضایی فرآیندی برای شبیه‌سازی و تولید ویژگی‌های توزیع فضایی واقعی عناصر با استفاده از مدل‌سازی فضایی است [ 34 ]. بر اساس پارامترهای مدل semivariogram ( جدول 2 ) و نوع کریجینگ ( جدول 3 )، تفاوت های مکانی شش فلز سنگین در خاک نزدیک منطقه معدن با استفاده از ArcGIS 10.5 ( شکل 4 ) تجزیه و تحلیل شد.
از شکل 2 قابل مشاهده استکه محتوای کروم در خاک مرکز منطقه معدنی بیشترین میزان را داشت و محتوای کروم در مرکز، شمال و شمال شرق منطقه معدن به طور قابل توجهی بیشتر از سایر جهات بود که نشان دهنده توزیع پوسته پوسته بود. منطقه ای که محتوای فلزات سنگین از ارزش پس زمینه محیط اطراف فراتر رفت، 24/46 درصد از منطقه مورد مطالعه را به خود اختصاص داد. محتوای مس و نیکل در منطقه معدن متمرکز شد، و توزیع “هسته” کمی بالاتر از آن در جهت های دیگر که به سمت شرق و شمال شرق امتداد می یابد را نشان داد و این عناصر به ترتیب 29.49٪ و 33.08٪ از مقدار پس زمینه فراتر رفتند. توزیع منگنز و روی یک توزیع پراکنده از شمال شرقی به جنوب غربی را نشان داد که به ترتیب 53.71٪ و 65.10٪ از مقدار پس زمینه فراتر رفت. و قسمتی که بیش از مقدار پس زمینه بود، منطقه مورد مطالعه را به دو قسمت تقسیم کرد. تفاوت این بود که توزیع منگنز بیش از مقدار پس زمینه در شمال شرقی منطقه مورد مطالعه متمرکزتر بود، در حالی که توزیع سرب به سمت جنوب غربی محدب بود. در مجموع، 52.17 درصد از منطقه مورد مطالعه دارای محتوای سرب بیش از مقدار پس زمینه بود. توزیع فضایی سرب در خاک سطحی توزیع “دو هسته ای” را نشان داد.

3.5. تحلیل عوامل مؤثر بر توزیع فضایی فلزات سنگین

به منظور تجزیه و تحلیل کمی بیشتر الگوی توزیع فضایی [ 33 ] فلزات سنگین در منطقه معدن، یک مدل رگرسیون گام به گام با شش عنصر فلز سنگین به عنوان متغیرهای وابسته و فاصله از گودال، شیب ایجاد شد ( شکل 5 ، پروفیلی که می‌تواند منعکس کننده تغییر شیب در نقاط مختلف در جهات مختلف)، و NDVI به عنوان متغیرهای مستقل ( شکل 6 a-c، و جدول 4)). مقادیر R-squared و R-squared تنظیم شده برای تمام فلزات سنگین به جز سرب نزدیک به 1 بود، که نشان می دهد درجه برازش بالا بوده و یک همبستگی منفی با فاصله معدن وجود دارد. کروم، منگنز و روی با شیب همبستگی مثبت و مس همبستگی منفی داشتند. نیکل و سرب با شیب همبستگی آشکاری نداشتند و NDVI با مس و نیکل همبستگی منفی داشت اما با کروم، منگنز و سرب همبستگی معنی‌داری نداشت. مقدار F کروم، مس، منگنز، نیکل و روی بیشتر از 3.40 و p-value کمتر از 0.01 بود که نشان می‌دهد همه عناصر فلزات سنگین به جز سرب دارای همبستگی خطی معنی‌داری با فاصله، شیب و NDVI.

3.6. تجزیه و تحلیل عوامل موثر بر سرب

رابطه بین سرب در خاک و فاصله معدنی، شیب و NDVI آشکار نبود. بر اساس ویژگی های تولید معادن سطحی، رابطه بین محتوای سرب در اطراف منطقه معدن و حمل و نقل جاده ای مورد تجزیه و تحلیل قرار گرفت. محتوای سرب ممکن است تحت تأثیر حمل و نقل جاده ای قرار گیرد ( شکل 7 ). با استفاده از ArcGIS 10.5، نقاط تصادفی در جهات مختلف خط تولید شد و یک تابع رگرسیون با توجه به فاصله بین محتوای سرب هر نقطه و جاده اطراف منطقه معدن ایجاد شد [ 35 ]]. مشخص شد که محتوای سرب در غرب، جنوب غربی، جنوب و جنوب شرقی منطقه معدنی با فاصله جاده ارتباط مثبت دارد. همبستگی بین محتوای سرب و مسافت جاده از ترتیب R 2 > R SW 2 > R 2 > R ES 2 ( شکل 8 ) پیروی می کند و طولانی ترین جاده از 4 کیلومتر تجاوز نمی کند. در جهت غرب واقعی نقطه نمونه، تاثیر جاده بسیار قابل توجه بود، در حالی که شمال و شمال شرق عمدتاً شامل جاده های روستایی است که برای حمل و نقل زغال سنگ مناسب نیستند، بنابراین رابطه بین میزان سرب و جاده ها معنی دار نبود.

4. بحث

از منظر روش‌های تحقیق، معرفی روش‌های آماری در مطالعه ویژگی‌های خاک و توزیع مکانی – زمانی نه تنها می‌تواند کارایی و سطح پردازش و تحلیل اطلاعات را بهبود بخشد، بلکه مکمل روش‌های سنتی تحقیقات فضایی نیز باشد. تغییرپذیری خواص خاک [ 4 ، 36]. بنابراین، ویژگی های توزیع فضایی فلزات سنگین را می توان با روش های آماری به صورت کمی توصیف کرد. به طور کلی آلودگی فلزات سنگین در منطقه معدن دارای ویژگی های توزیع نقطه، خط، حلقه و نوار است که نشان دهنده الگوی توزیع فضایی آلودگی در نواحی فوقانی، سطحی و زیرزمینی است. محتوای فلزات سنگین در خاک در مرکز منطقه معدن بیشترین مقدار را داشت و در شرق، شمال و شمال شرق کمی بیشتر از سایر جهات بود و با فاصله از منطقه معدن نسبت معکوس داشت. داده ها نشان می دهد که استخراج زغال سنگ روباز محلی تأثیر خاصی بر خاک اطراف منطقه معدن دارد و محتوای فلزات سنگین را در خاک افزایش می دهد. با این حال، فلزات سنگین خاک دارای تنوع زمانی آشکار هستند. در این مطالعه، تنها عوامل مربوط به تنوع فضایی مورد تجزیه و تحلیل قرار گرفت. در تحقیقات آینده، تمایز زمانی و مکانی فلزات سنگین باید بیشتر مورد بحث قرار گیرد. از آنجایی که روش کروگر فضایی-زمانی برای تجزیه و تحلیل مکان، زمان و داده های حرکت چند ویژگی مناسب است [ 37 ]، می‌تواند همانندسازی مجموعه داده‌های فضایی-زمانی چندمنبعی [ 38 ]، مانند مواردی که از تحقیقات ردیابی حیوانات، گیاهان و پدیده‌های مکانی-زمانی در دوره‌های تاریخی مختلف [ 39 ، 40 ] انجام می‌شود، تحقق بخشد.
از منظر عوامل مؤثر، نمی توان تأثیر عوامل انتشار بر خاک را نادیده گرفت. توزیع فلزات سنگین تحت تأثیر جهت باد غالب [ 41 ]، رسوب آلاینده ها، پوشش گیاهی، شکل زمین، رودخانه ها و فعالیت های انسانی است. این انتشار منجر به تغییر زیادی در محتوای فلزات سنگین در خاک در جهات مختلف خواهد شد. از آنجایی که هیچ رودخانه ای در اطراف منطقه معدن وجود ندارد، آلاینده های فلزات سنگین عمدتاً از رسوب اتمسفر و انتشار ذرات ظاهر می شوند. به جز باد جنوب شرقی در تابستان، سایر فصول در منطقه معدن عمدتاً باد جنوب غربی را تجربه می کنند. بنابراین، از آنجایی که منطقه معدن در جهت باد پایین است [ 3]، محتوای فلزات سنگین در شمال و شمال شرق به طور قابل توجهی بیشتر از سایر جهات است.
علاوه بر این، تراکم فعالیت های انسانی نیز تأثیر بسزایی در غنی سازی فلزات سنگین در خاک دارد. به عنوان مثال، نقطه نمونه برداری در شرق منطقه معدن نه تنها تحت تأثیر جهت باد غالب است، بلکه از ناحیه شهری نیز تأثیر می پذیرد. در همان زمان، استخراج روباز در منطقه مورد مطالعه منجر به الگوی تجمع عناصر فلزی سنگین در خاک شد که از ناحیه مرکزی معدن زغال‌سنگ به منطقه اطراف پخش شد [ 19 ، 42 ]. انتشار فلزات سنگین از ماشین آلات سنگین و حمل و نقل کامیون نیز خطرات زیست محیطی بالقوه ای است که یک الگوی نواری از آلودگی را تشکیل می دهد [ 43 ]]. به عنوان مثال، در غرب و جنوب منطقه معدن (W، SW، S، SE)، مقدار سرب نقطه نمونه به طور قابل توجهی تحت تأثیر حمل و نقل جاده ای قرار گرفت، در حالی که توپوگرافی و پوشش گیاهی تأثیر قابل توجهی بر روی کروم، مس، منگنز داشتند. Ni، و Zn اما نه روی سرب. همه اینها را می توان برای ترسیم توزیع دقیق آلودگی فلزات سنگین در خاک با روش درونیابی استفاده کرد [ 5 ، 44 ].
در نتیجه، در فرآیند صنعتی شدن و شهرنشینی، صنعت معدن و فعالیت های شهری عوامل بسیار مهمی هستند که بر توزیع فضایی فلزات سنگین در خاک تأثیر می گذارند [ 45 ]. به ویژه درک کامل محتوای و توزیع فلزات سنگین در خاک به موقع و تقویت اقدامات حفاظت از محیط زیست در محدوده فعالیت های انسانی به منظور جلوگیری از آلودگی فلزات سنگین و تضمین توسعه سالم و پایدار خاک ضروری است. منطقه معدن [ 11 ، 46 ].

5. نتیجه گیری ها

محتوای فلزات سنگین در خاک سطحی منطقه مورد مطالعه بالاتر از ارزش پس‌زمینه فلزات سنگین در علفزار اطراف منطقه معدن بود، اما کمتر از ارزش پس‌زمینه مغولستان داخلی بود. با توجه به اثر ساختاری و اثر تصادفی نیم‌واریوگرام، محتوای فلزات سنگین در منطقه معدن و خاک سطح اطراف آن عمدتاً تحت تأثیر فعالیت‌های بیرونی انسان است و به طور طبیعی تشکیل نمی‌شود. از میان آلودگی فلزات سنگین، کروم، مس و نیکل آلودگی را در منطقه معدن تشکیل می دهند، در حالی که منگنز، روی و سرب آلودگی انتشار را تشکیل می دهند. پنج عنصر فلز سنگین دیگر، به جز سرب، تحت تأثیر فاصله، شیب و NDVI قرار دارند. بزرگراه با عیار بالا تأثیر قابل توجهی بر محتوای سرب در خاک سطح منطقه معدن دارد. با توجه به رسوب فلزات سنگین در منطقه معدنی علفزار، جلوگیری از آلودگی ثانویه ناشی از حمل و نقل مقادیر زیادی از منابع زغال سنگ ضروری است. در این مقاله، منبع، توزیع فضایی و ویژگی های انتشار آلاینده های فلزات سنگین در منطقه معدن زغال سنگ مورد بحث قرار می گیرد. این موارد می تواند موارد مرجعی را برای مطالعه فلزات سنگین در سایر مناطق معدنی فراهم کند و مبنای علمی برای تصمیم گیری حاکمیت زیست محیطی در منطقه معدن زغال سنگ فراهم کند.

مشارکت های نویسنده

تحقیق، شینیائو لیو؛ نظارت، Mingjiu وانگ. نوشتن-پیش نویس اصلی، Guoqing Chen; نوشتن-بررسی و ویرایش، یونگ یانگ. همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و با آن موافقت کرده اند.

منابع مالی

این کار توسط آژانس علم و فناوری مغولستان داخلی (Grant No. 2020ZD0020-3) تأمین مالی شده است.

قدردانی ها

ما از منتقدان و پتر جرمیک برای نظرات ارزشمندشان تشکر می کنیم.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند.

منابع

  1. Gruszecka-Kosowska، A. ارزیابی خطر سلامت انسان و محتوای عناصر بالقوه مضر در میوه های کشت شده در جنوب لهستان. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2019 ، 16 ، 5096. [ Google Scholar ] [ CrossRef ]
  2. نیسن، جی. یعقوب، م. فرانکل، A. قسمت پنجم فرآیندهای ژئومورفیک/ رسوب و رسوبگذاری مخزن در تیگری. در Geo-Trekking در کوه های گرمسیری اتیوپی ؛ Springer Nature Switzerland AG: Cham، سوئیس، 2019. [ Google Scholar ]
  3. عثمانی، م. سوئیسی، اف. دوراس، ن. عبدالقادر، م. دا سیلوا، ارزیابی EF آلودگی فلزی در یک منطقه معدنی سابق در شمال غربی تونس: توزیع فضایی و کسر کادمیوم، سرب و روی در خاک. محیط زیست نظارت کنید. ارزیابی کنید. 2015 ، 187 ، 523. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  4. سانتوس فرانسیس، اف. مارتینز-گرانا، آ. زرزا، کالیفرنیا؛ سانچز، AG; روخو، PA توزیع فضایی فلزات سنگین و کیفیت محیطی خاک در فلات شمالی اسپانیا با روش‌های زمین آماری. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2017 ، 14 ، 568. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  5. پارک، جی. کوون، ای. چانگ، ای. کیم، اچ. باتگتوخ، بی. وو، پایداری زیست‌محیطی NC روش‌های استخراج زغال‌سنگ روباز در باگانور، مغولستان. پایداری 2019 ، 12 ، 248. [ Google Scholar ] [ CrossRef ]
  6. تریفوگی، ام. پاگانو، جی. اورال، ر. گراوینا، م. توسکانسی، م. موزیلو، ام. سیسیلینو، آ. بوریچ، پ. لیون، DM; Palumbo، A. آلودگی و سمیت خاک سطحی و گرد و غبار شهری در منطقه صنعتی تارانتو (جنوب ایتالیا) و در یک منطقه مسکونی. محیط زیست نظارت کنید. ارزیابی کنید. 2018 ، 191 ، 43. [ Google Scholar ] [ CrossRef ]
  7. گونزالس-فرناندز، بی. رودریگز والدز، ای. بوئنت، سی. منندز-کازارس، ای. فرناندز-برانا، ا. Gallego, JR تأثیر طولانی مدت آلودگی آرسنیک بر محفظه های زیست محیطی یک منطقه معدنی- متالورژی سابق. علمی کل محیط. 2018 ، 610–611 ، 820–830. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  8. مویسار، تی. جیلیلی، ع. جیانگ، F.-Q. مشخصات پراکنش محتوای فلزات سنگین خاک در دامنه شمالی کوه های تیانشان و توضیح منبع آن. چانه. جی اکو-کشاورزی. 2013 ، 21 ، 883-890. [ Google Scholar ] [ CrossRef ]
  9. Bityukova، L. فلزات سنگین در خاک تالین (استونی) و حومه آن. ژئومیکروبیول. J. 1993 , 11 , 285-298. [ Google Scholar ] [ CrossRef ]
  10. دکرز، اس. تیلنز، اس. Geyndt، KD; Wauw، JVd; Nyssen, J. Part I تنظیم صحنه/24 درک الگوهای فضایی خاک برای توسعه پایدار. در Geo-Trekking در کوه های گرمسیری اتیوپی ؛ Springer Nature Switzerland AG: Cham، سوئیس، 2019. [ Google Scholar ]
  11. دولزالووا وایزماننووا، اچ. میهوکوا، اس. Chovanec، P. پاولوفسکی، جی. خطر زیست محیطی بالقوه و ارزیابی خطر سلامت انسان از آلودگی فلزات سنگین در خاک های صنعتی متاثر از معدن زغال سنگ و متالورژی در استراوا، جمهوری چک. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2019 ، 16 ، 4495. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  12. گابارون، ام. فاز، ع. آکوستا، JA اثر فعالیت های مختلف صنعتی بر غلظت فلزات سنگین و توزیع شیمیایی در خاک سطحی و گرد و غبار جاده. محیط زیست علوم زمین 2017 76 . _ [ Google Scholar ] [ CrossRef ]
  13. جیان، جی ال. میسون، پی جی. یو، ای. وو، ام سی؛ تانگ، سی. هوانگ، آر. لیو، اچ. مدل سازی GIS مناطق آسیب زلزله با استفاده از سنجش از دور ماهواره ای و داده های DEM. ژئومورفولوژی 2012 ، 139 ، 518-535. [ Google Scholar ]
  14. Boluwade، A. شبیه‌سازی مشترک شاخص‌های سلامت خاک با همبستگی فضایی، با استفاده از تحلیل مؤلفه‌های مستقل و عوامل همبستگی حداقل/حداکثر. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 30. [ Google Scholar ] [ CrossRef ]
  15. آئرزونا، ا. وانگ، جی. وانگ، اچ. روکی، اس. عبدالغنی، ع. Umut، H. تجزیه و تحلیل توزیع فضایی فلزات سنگین در خاک و گرد و غبار جوی و روابط آنها در منطقه معدنی Junggar شرقی سین کیانگ. ترانس. چانه. Soc. کشاورزی مهندس 2017 ، 33 ، 259-266. [ Google Scholar ]
  16. سانتوس فرانسیس، اف. مارتینز-گرانا، آ. آلونسو روخو، پ. گارسیا سانچز، الف. پیشینه ژئوشیمیایی و ارزش های پایه تعیین و توزیع فضایی آلودگی فلزات سنگین در خاک های رشته کوه آند (Cajamarca-Huancavelica، پرو). بین المللی جی. محیط زیست. Res. بهداشت عمومی 2017 ، 14 ، 859. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  17. تزل، دی. اینام، س. Kocaman، S. ارزیابی مبتنی بر GIS شبکه های زیستگاه برای برنامه ریزی حفاظت در منطقه حفاظت شده Kas-Kekova (ترکیه). ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 91. [ Google Scholar ] [ CrossRef ]
  18. پلیاتسوک، ال. بالینتووا، م. چرنیش، ی. دمچاک، اس. هولوب، ام. Yakhnenko، E. تأثیر تخلیه فسفوژیپس بر روی اکوسیستم خاک در منطقه سومی (اوکراین). Appl. علمی 2019 ، 9 ، 5559. [ Google Scholar ] [ CrossRef ]
  19. زولاک، ا. سارزینسکا، م. Szpyrka، E. Stawarczyk، K. منابع آلودگی خاک توسط فلزات سنگین و تجمع آنها در سبزیجات: بررسی. آلودگی خاک هوای آب 2019 , 230 . [ Google Scholar ] [ CrossRef ]
  20. وانگ، دبلیو. شن، RP; Cao-Xiang، JI مطالعه بر روی فلزات سنگین مس بر اساس سنجش از دور فراطیفی. فناوری سنسور از راه دور. Appl. 2011 ، 26 ، 348-354. [ Google Scholar ]
  21. ادوکپایی، ج. اودیو، جی. پوپولا، او. مساگاتی، تی. ارزیابی آلودگی آبهای سطحی و رسوبات با فلزات کمیاب: مطالعه موردی رودخانه موودی، آفریقای جنوبی. پایداری 2016 ، 8 ، 135. [ Google Scholar ] [ CrossRef ]
  22. گوزدوفسکی، دی. استپین، ام. پانک، ای. Varghese, J. Samborski, S. مقایسه داده های NDVI گندم زمستانه به دست آمده از Landsat 8 و حسگر نوری فعال در مقیاس مزرعه. Remote Sens. Appl. Soc. محیط زیست 2020 ، 20 . [ Google Scholar ] [ CrossRef ]
  23. Matheron، G. اصل زمین آمار. اقتصاد جئول 1963 ، 58 ، 1246-1266. [ Google Scholar ] [ CrossRef ]
  24. ستییوکو، آ. بصرالدین، ت. روش آری مورتی، AM Minimax برای فیتینگ نیم‌واریوگرام در کریجینگ معمولی. دسترسی IEEE 2020 ، 8 ، 82054–82065. [ Google Scholar ] [ CrossRef ]
  25. مونچای، اس. Chutsagulprom، N. Semiparametric Semivariogram مدل سازی با معیار مقیاس بندی برای فاصله گره: مطالعه موردی توزیع تابش خورشیدی در تایلند. ریاضیات 2020 ، 8 ، 2173. [ Google Scholar ] [ CrossRef ]
  26. Eze، PN; شبیه‌سازی فرآیند کوماهور، SK گاوسی ناهمگونی و عدم قطعیت فضایی ریز مغذی‌های روی خاک – ارزیابی عملکرد سه مدل نیم‌واریوگرام. علمی افر. 2019 ، 5 ، e00110. [ Google Scholar ] [ CrossRef ]
  27. ژانگ، اچ. وانگ، XS تأثیر عمق آب‌های زیرزمینی بر واریانس فضایی شاخص پوشش گیاهی در فلات اوردوس، چین: تجزیه و تحلیل نیمه‌واریوگرام. جی هیدرول. 2020 , 588 , 125096. [ Google Scholar ] [ CrossRef ]
  28. میراس-آوالوس، JM; فاندینو، ام. ری، بی جی; دافونته، جی. Cancela، JJ پهنه بندی یک تاکستان تازه کاشته شده: تنوع فضایی ویژگی های فیزیکی و شیمیایی خاک. سیستم خاک 2020 ، 4 ، 62. [ Google Scholar ] [ CrossRef ]
  29. لیو، ایکس. ژانگ، ی. لی، ص. ویژگی های تنوع فضایی فرسایش پذیری خاک در حوزه آبخیز Yingwugou از رودخانه میانه دن، چین. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2020 , 17 , 3568. [ Google Scholar ] [ CrossRef ]
  30. Colak, M. غلظت فلزات سنگین در خاکهای کشت سلطان و کشمش سلطانی از مانیسا (ترکیه). محیط زیست علوم زمین 2012 ، 67 ، 695-712. [ Google Scholar ] [ CrossRef ]
  31. احمد، ن. حسین، ج. احمد، من. آصف، م. برآورد خطر سلامتی برای انسان از فلزات سنگین در خاک معادن زغال سنگ در هارنای، بلوچستان. بین المللی جی. محیط زیست. مقعدی شیمی. 2020 ، 1-12. [ Google Scholar ] [ CrossRef ]
  32. محبوب، م. چلیک، تی. Genc، B. مدل سازی پیش بینی و ارزیابی مقایسه ای مدل های زمین آماری برای اکتشاف ژئوشیمیایی از طریق رسوبات رودخانه. عرب جی. ژئوشی. 2020 ، 13 ، 1080. [ Google Scholar ] [ CrossRef ]
  33. Grynyshyna-Poliuga، O. ویژگی های مدل سازی فرآیندهای فضایی با استفاده از تحلیل زمین آماری. Adv. Space Res. 2019 ، 64 ، 415-426. [ Google Scholar ] [ CrossRef ]
  34. تنریرو، TR; گارسیا ویلا، م. گومز، جی. Jimenez-Berni، JA; Fereres، E. روش‌ها و فرصت‌های مدل‌سازی آب برای شبیه‌سازی تغییرات آب فضایی در سطح مزرعه. کشاورزی مدیریت آب. 2020 , 240 , 106254. [ Google Scholar ] [ CrossRef ]
  35. بی، ز. Yong, Y. مدل‌سازی فضایی و زمانی و پیش‌بینی فلزات سنگین خاک بر اساس کوکریجینگ فضایی و زمانی. علمی Rep. 2017 , 7 . [ Google Scholar ] [ CrossRef ]
  36. محمد، ز.م. روح الله، TM; علی، ع. ارزیابی تکنیک‌های زمین‌آماری برای نقشه‌برداری پراکنش فضایی PH خاک، شوری و پوشش گیاهی متاثر از عوامل محیطی در جنوب ایران. نه. علمی Biol. 2010 ، 2 ، 92-103. [ Google Scholar ]
  37. لی، کیو. پی، جی. ژانگ، جی. Han، B. SUM: چارچوب یادگیری چندوظیفه‌ای واحد غیربهینه برای پیش‌بینی داده‌های مکانی و زمانی. در مجموعه مقالات CIKM 2019—بیست و هشتمین کنفرانس بین المللی ACM درباره مدیریت اطلاعات و دانش، پکن، چین، 3 تا 7 نوامبر 2019. [ Google Scholar ]
  38. یانگ، بی. لیو، اچ. کانگ، EL; شو، اس. Yu, B. روش کوکریجینگ فضایی-زمانی برای جذب و کاهش مقیاس داده های سنجش از دور چند مقیاسی. سنسور از راه دور محیط. 2020 , 255 . [ Google Scholar ] [ CrossRef ]
  39. روخو، جی. Pérez-Badia, R. تجزیه و تحلیل فضایی و زمانی گلدهی زیتون با استفاده از تکنیک های زمین آماری. علمی کل محیط. 2015 ، 505 ، 860-869. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  40. بره، DS; داونز، جی. Reader، S. خوشه بندی سلسله مراتبی فضا-زمان برای شناسایی خوشه ها در داده های نقطه ای مکانی-زمانی. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 85. [ Google Scholar ] [ CrossRef ]
  41. زابورسکا، ا. بسزینسکا-مولر، آ. Wlodarska-Kowalczuk، M. تاریخچه تجمع فلزات سنگین در منطقه سوالبارد: توزیع، منشاء و مسیرهای حمل و نقل. محیط زیست آلودگی 2017 ، 231 ، 437-450. [ Google Scholar ] [ CrossRef ]
  42. گوان، ز. لی، ایکس. Wang, L. غنی‌سازی فلزات سنگین در خاک‌های کنار جاده‌ای در فلات تبت شرقی. محیط زیست علمی آلودگی Res. 2018 ، 25 ، 7625–7637. [ Google Scholar ] [ CrossRef ]
  43. کاران، SK; صمددر، SR کاهش توزیع مکانی عوامل خطر برای حمل و نقل آلاینده های منتشر شده توسط فعالیت های معدن زغال سنگ. جی. محیط زیست. مدیریت 2016 ، 180 ، 280-290. [ Google Scholar ] [ CrossRef ]
  44. شوارتز، آ. ویلکه، دبلیو. کوبزا، ج. Zech، W. توزیع فضایی غلظت فلزات سنگین خاک به عنوان شاخص منابع آلودگی در کوه کریژنا (Fatra بزرگ، اسلواکی مرکزی). J. Plant Nutr. علم خاک 1999 ، 162 ، 421-428. [ Google Scholar ] [ CrossRef ]
  45. زنگ، اس. ما، جی. رن، ی. لیو، جی جی; ژانگ، کیو. چن، اف. ارزیابی توزیع فضایی PAHهای خاک و رابطه آنها با فعالیتهای انسانی در مقیاس ملی. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2019 ، 16 ، 4928. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  46. آهنگ، دی. جیانگ، دی. وانگ، ی. چن، دبلیو. هوانگ، ی. Zhuang، D. مطالعه ارتباط بین توزیع فضایی معادن فلزی و مرگ و میر ناشی از بیماری: مطالعه موردی در منطقه Suxian، چین جنوبی. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2013 ، 10 ، 5163-5177. [ Google Scholar ] [ CrossRef ] [ PubMed ]
شکل 1. موقعیت منطقه تحقیقاتی و توزیع محل های نمونه برداری.
شکل 2. تجزیه و تحلیل آماری فلزات سنگین در خاک منطقه معدن.
شکل 3. پارامترهای مدل semivariogram برای محتوای فلزات سنگین در خاک سطحی منطقه معدن زغال سنگ.
شکل 4. نمودار پیش بینی درون یابی کریجینگ محتوای فلزات سنگین خاک.
شکل 5. مشخصات توپوگرافی منطقه مورد مطالعه در امتداد خط نمونه برداری.
شکل 6. فاصله ( a )، شیب ( b )، و NDVI ( c ) از معدن در منطقه مورد مطالعه.
شکل 7. نقشه فاصله بین نقاط نمونه و جاده های اصلی در منطقه مورد مطالعه.
شکل 8. نمودار رگرسیون محتوای سرب در خاک منطقه معدن و فاصله از بزرگراه. ( a – d ) در سطح 001/0 p < معنی دار هستند.

بدون دیدگاه

دیدگاهتان را بنویسید