ارزیابی ریسک آلودگی ناشی از نیترات در آبخوان دشت آذرشهر با استفاده از مدل های هوش مصنوعی

دشت آذرشهر در حوضه آبریز دریاچه ارومیه، دارای منبع مهم آب زیرزمینی است و به علت رونق کشاورزی در معرض خطر آلودگی نیترات قرار دارد؛ لذا حفاظت از منابع آب زیرزمینی با شناسایی مناطق در معرض ریسک آلودگی ضروری است. در این مطالعه به منظور بررسی آسیب‌پذیری ذاتی و ریسک آلودگی از داده‌های زمین‌‎شناسی، داده‌های هیدروژئولوژیکی و ژئوفیزیکی و نیز نقشه رقومی ارتفاعی ماهواره srtm با دقت مکانی 30 متر و درنهایت جهت صحت‎‌سنجی از غلظت آلاینده نیترات نمونه‌‎برداری شده از 35 منبع مختلف با پراکندگی و توزیع مناسب استفاده شده است. در پژوهش حاضر ریسک آلودگی آبخوان دشت آذرشهر با روش منبع- مسیر- هدف مورد بررسی قرار گرفته است. در این روش بعد از شناسایی منبع آلودگی، آسیب‌پذیری آبخوان به‌عنوان مسیر درنظر گرفته شد. برای ارزیابی آسیب‌پذیری، از روش drastic بهبود یافته با استفاده از سه مدل فازی ساجنو (sfl)، الگوریتم درخت تصمیم (m5p) و الگوریتم زیر فضای تصادفی (rs) استفاده شد و در نهایت نقشه آسیب‌پذیری نسبت به آلاینده نیترات به دست آمد. از بین مد‌ل‌های هوش‌مصنوعی بر اساس بیشترین ضریب همبستگی (0/87=r) و کمترین میزان خطا (0/06=rmse)، مدل m5p به‌عنوان بهترین مدل جهت ارزیابی آسیب‌پذیری آبخوان دشت آذرشهر انتخاب شد. در نهایت نقشه ریسک آلودگی نیترات از حاصل‌ضرب آسیب‌پذیری آبخوان (بر اساس مدل m5p) در سرعت جریان آب زیرزمینی به دست آمد. نتایج نشان داد ریسک آلودگی آبخوان نسبت به آلاینده نیترات در قسمتی از مرکز، جنوب و جنوب شرق آبخوان بالا است.

assessment of pollution risk caused by nitrate in the azarshahr plain aquifer using artificial intelligence models

azarshahr plain is one of the wide plains in lake urmia basin which has an important source of groundwater and it is at risk of nitrate pollution due to the agricultural prosperity in this plain. therefore, it is necessary to protect these groundwater resources using the most suitable and inexpensive solutions by identifying the areas exposed to the risk of pollution. in this study, in order to investigate the inherent vulnerability and risk of contamination, geological data, hydrogeological information and geophysical data were used as well as the digital elevation map of srtm satellite with a spatial accuracy of 30 meters. also the concentration of nitrate contaminant sampled from 35 different sources with appropriate distribution was used for validation. the pollution risk of azarshahr plain aquifer was investigated using source-pathway- receptor method. in this method, after identifying the source of pollution, the aquifer vulnerability was considered as a pathway. improved drastic method by sfl, m5p and rs models were used to evaluate the aquifer vulnerability, then the vulnerability map to nitrate contaminant was obtained. based on the highest correlation (r = 0.87) and the lowest error (rmse = 0.06), the m5p model was selected as the best model for vulnerability assessment. finally, the risk map of nitrate pollution was obtained by multiplying the vulnerability of the aquifer (based on the m5p model) and the velocity of the groundwater. the results showed that the pollution risk of aquifer to nitrate pollutant is high in the central part of the aquifer.