ارزیابی شاخص‌های آلودگی فلزات سنگین در آب‌های سطحی معدن مس سرچشمه با روش‌های آماری چندمتغیره و Gis

معدن مس سرچشمه دومین معدن روباز مس بزرگ جهان است که فعالیت های معدنی، عملیات آبگیری و سدسازی آن می تواند سبب آلودگی منابع آب سطحی و زیرسطحی منطقه شود. در این مطالعه به منظور ارزیابی غلظت فلزات سنگین در 82 نمونه آب سطحی (924 پارامتر کیفی) از شاخص آلودگی فلزات سنگین (hpi)، شاخص ارزیابی فلزات سنگین (hei) و درجه آلودگی (cd) استفاده شده است. همچنین متغیرهای اصلی موثر بر شاخص های آلودگی با استفاده از تحلیل مولفه های اصلی (pca) شناسایی و از ترکیب pca و مدل رگرسیون خطی چندگانه (mlr) به منظور تدوین روابط جدید برای محاسبه شاخص های hpi, hei, cd با حداقل پارامترهای مورد نیاز استفاده شد. منطقه مورد بررسی به سه زیربخش با فعالیت های مختلف تقسیم و غلظت عناصر سنگین آب در هر زیربخش با حداکثر مجاز قابل شرب who مقایسه شد. با توجه به نقشه های پهنه بندی gis، بیشترین مقادیر فلزات در سایت های معدن کاری و در سد رسوبگیر و کمترین آنها در رودخانه شور مشاهده شد. طبق نتایج شاخص hpi، 70 درصد نمونه ها در محدوده بحرانی 100 تا 482245.3 قرار گرفتند و فقط 30 درصد از نمونه ها در طبقه آلودگی کم قرار داشتند. نتایج شاخص های hei و cd نشان دادند که به ترتیب 79 (96%) و 69 (٪84.2) نمونه به فلزات سنگین آلوده می باشند. چهار مولفه اصلی با روش pca انتخاب که مولفه اول با 63.3 درصد از واریانس کل داده ها شامل بارگذاری عناصر آلومینیوم، کادمیوم، کبالت، آهن، روی، منگنز و نیکل بود. علیرغم محدوده بسیار وسیع تغییرات شاخص ها، کارآیی مطلوب روابط پیشنهادی mlrpca با تعداد متغیرهای کمتر برای منطقه مطالعاتی تائید شد. از یافته های تحقیق حاضر و روابط خطی پیشنهادی می توان به منظور بررسی اقدامات پیشگیرانه و کنترل آلودگی آب ها به فلزات سنگین در آینده در منطقه مس سرچشمه و توسعه روابطی برای مناطق مشابه استفاده کرد.

Evaluation of Heavy Metal Pollution Indices for Surface Water of the Sarcheshmeh Copper Mine using Multivariate Statistical Methods and GIS

Sarcheshmeh copper mine is the second largest openpit copper mine in the world which its mining activities, dewatering operations, and dam construction could cause pollution to the surface and groundwater of the region. In this study, the heavy metal pollution index (HPI), heavy metal evaluation index (HEI), and degree of contamination (Cd) were used to evaluate heavy metal concentration in the 82 samples of surface water. Also, the main effective parameters on the heavy metal pollution indices were investigated using principal component analysis (PCA). The hybrid multiple linear regression (MLR) and PCA model was used to develop new equations for HPI, HEI, and Cd indices using minimum number of heavy metal variables. The study area was divided into three subsections with different mining activities. The concentrations of elements in water samples were compared with the maximum admissible concentration values of WHO standard for drinking purposes. Based on the spatial distribution maps in GIS, the highest concentrations of heavy metals were found in mining sites and sedimentary dam, and the lowest ones found in the Shour River. Based on the HPI values, 70% of the samples were in the critical range of 100 482245.3 and only 30% of samples were classified as having low pollution levels. The HEI and Cd results revealed that the 79 (96%) and 69 (84.2%) samples were polluted with heavy metals, respectively. The PCA extracted four components, of which the first component with 63.3% of the total variance contains high loadings for Al, Cd, Co, Fe, Zn, Mn, and Ni elements. Despite of very wide ranges of indices variation, the accuracy of proposed MLRPCA model was confirmed for less number variables in the study area. Findings of this study can be used for investigating preventive measures and to control pollution in the study area and similar regions for drinking purposes in the future.