ارزیابی ریسک و مدلسازی توزیع مکانی آلودگی فلزات سنگین در خاک سطحی اطراف معدن منگنز ونارچ به روش شبکه های عصبی مصنوعی

زمینه و هدف: هدف مطالعه حاضر ارزیابی آلودگی احتمالی فلزات سنگین در خاک اطراف معدن ونارچ استان قم با استفاده از شاخص های آلودگی و روش شبکه های عصبی مصنوعی است. مواد و روش ها: به منظور بررسی وضعیت آلودگی در اطراف معدن ونارچ استان قم، در محدوده ای به وسعت 22 کیلومتر مربع تعداد 70 نمونه خاک برداشت شد و سپس غلظت کل فلزات منگنز، سرب، روی، مس و نیکل در نمونه ها اندازه گیری شد. جهت کمی کردن خطر آلودگی خاک به فلزات سنگین از شاخص زمین انباشتگی(igeo)، فاکتور آلودگی(cf) و شاخص بار آلودگی(pli) و نیز شاخص ارزیابی خطر بهداشتی استفاده شد. همچنین به منظور پهنه بندی آلودگی خاک به فلزات سنگین، مدل سازی آلودگی خاک با استفاده از روش شبکه های عصبی پرسپترون چند لایه (mlp) صورت گرفت. یافته ها: نتایج حاصل از بکارگیری شاخص ها نشان داد که خاک منطقه ونارچ به فلزات منگنز و سرب و تا حدی فلز مس در اثر فعالیت های معدن کاری آلوده است. اما در ارتباط با دو فلز روی و نیکل غنی شدگی قابل توجهی مشاهده نشد. ارزیابی خطر بهداشتی نشان داد که بیشترین خطر سرطان زایی و غیرسرطان زایی مربوط به عنصر سرب است و خطر سرطان زایی در کودکان بیش از بزرگسالان به دست آمد. بررسی نقشه های توزیع پراکندگی این عناصر بیانگر این نکته بود که حداکثر غلظت فلزات سنگین مورد بررسی در غرب (محوطه استخراجی معدن) و جنوب غرب منطقه (محدوده سنگ شکن) رخ داده است. همچنین غلظت تمام فلزات در نمونه های خاک سطحی منطقه ونارچ با افزایش فاصله از معدن کاهش پیدا کرده است که این نتیجه نیز تاییدی بر منشا معدنی آن ها می باشد.نتیجه گیری: نتایج نشان داد که غلظت منگنز و مس و به ویژه سرب در خاک اطراف معدن منگنز ونارچ بواسطه فعالیت های معدنی افزایش یافته است. بیشترین اثر منفی زیست محیطی و بهداشتی معدن نیز از افزایش غلظت سرب در خاک منشا می گیرد.

Risk Assessment and Spatial Modeling of Heavy Metals Contamination in Topsoil around Venarj Manganese Mine by Artificial Neural Networks Method

Background and Objectives: The aim of the present study was to assess the probable heavy metals contamination in topsoil surrounding Venarj mine in Qom province using contamination indices and artificial neural networks method.Material and methods: in order to evaluate the contamination status around Venarj mine in Qom province, 70 soil samples were collected in an area of 22 Km2, and the total average concentration of Mn, Pb, Zn, Cu and Ni was measured. The indices of geoaccumulation (Igeo), contamination factor (CF), pollution load index and human health risk assessment index were applied to quantify the risk of soil contamination with heavy metals. Also multilayer perceptron (MLP) neural networks method was used to determine the spatial pattern of soil contamination with heavy metals.Results: Applying contamination indices indicated that the soil of the Venarj area was contaminated with Mn and Pb and to some extent with Cu due to mining activities. However, no significant enrichment of Zn and Ni was observed. Human health risk assessment indicated that the highest risk of carcinogenic and non carcinogenic were associated with Pb, where carcinogenic risk was higher in children than adults. Spatial distribution patterns of the elements demonstrated that the maximum concentration of heavy metals was observed in western (extraction region) and southwestern (crusher region) areas. Distance increasing from mine decreased the concentration of all metals in topsoil samples, indicating their mining source. Conclusion: The results revealed that the topsoil concentration of Mn and Cu and especially Pb around the Venarj manganese mine was increased due to the mining activities. The most negative environmental and health effects of the mine resulted from higher concentration of Pb in the soil.