اثرکوتاه مدت کاربرد بیوچار لجن فاضلاب برقابلیت استفاده و جزءبندی سرب در خاک آهکی آلوده

تبدیل لجن فاضلاب به بیوچار یکی از روش هایی است که می تواند این ماده را به محصولی مفید در کشاورزی تبدیل کند. فلزات سنگین به شکل های مختلف در لجن فاضلاب وجود دارد که تا حد زیادی قابلیت زیست فراهمی آن ها را تعیین می کند. تبدیل آن به بیوچار می تواند زیست فراهمی فلزات سنگین را تغییر دهد. هدف از این مطالعه، مقایسه اثر لجن فاضلاب و بیوچارهای[h1] آن بر قابلیت استفاده و جزء بندی سرب در خاک آهکی آلوده (افزودن100 میلی گرم بر کیلوگرم سرب محلول به خاک و دو هفته انکوباسیون) بود. این پژوهش به‌صورت آزمایش فاکتوریل در قالب طرح کاملاً تصادفی در سه تکرار انجام شد.[h2] بعد از یک هفته انکوباسیون قابلیت هدایت الکتریکی، اسیدیته، سرب محلول و قابل استفاده، همچنین اجزا سرب با روش تسیر در تیمارها مورد مطالعه قرار گرفت. نتایج بررسی نشان داد که قابلیت هدایت الکتریکی خاک در همه تیمارها نسبت به شاهد افزایش داشت. اسیدیته در تیمار لجن فاضلاب، کاهش (1.3تا5.5 درصد) و در تیمار بیوچارها در هر دو دما [h3] افزایش یافت. بیشترین افزایش در تیمار 4% بیوچار 600 (5.97 %) مشاهده شد. مقدار کل سرب در همه تیمارها افزایش، غلظت سرب قابل استفاده در تیمار لجن فاضلاب افزایش (8.2 %در تیمار 4%) و در تیمار بیوچارها کاهش (7.6 % در تیمار 4%بیوچار 600) یافت. کاربرد بیوچار در مقایسه با لجن فاضلاب باعث تغییر در جزءبندی سرب از حالت زیست فراهم به شکل های پایدارتر شد. بیشترین افزایش مقدار سرب نسبت به شاهد در جزء پیوند شده با ماده آلی (43.36% تا 80.4 %) مشاهده شد. نتایج پژوهش نشان داد که بیوچارها به دلیل افزایش اسیدیته، افزایش سطح ویژه یا تغییر در گروه های عاملی سطحی باعث توزیع مجدد جزبندی و کاهش قابلیت استفاده سرب در خاک شوند.

ShortTerm Effect of Sewage Sludge Biochar on Availability and Fractionation of Pb in a Contaminated Calcareous Soil

Nowadays, soil salinization is one of the world’s major threats that reduce soil productivity by intensifying the process of desertification and land degradation. Since laboratory analysis is mostly time consuming and costly, especially in large scales, attempts have been made to study soil salinity using remote sensing techniques in recent years. The present study assessed the potential of remote sensing in predicting soil surface salinity in the east of Lenjan                 City. Salinity reference points were identified based on analyzing 50 randomly selected surface soil samples. Satellite indices including DVI, NDVI, EVI, MSAVI, SAVI, RVI, NDWI, SI1, SI2, SI3 and SBI were derived from a Landsat8 satellite image (path and row of 164 and 37) acquired on September 13, 2019. These indices along with three topographic indices of elevation, slope and topographic wetness index (TWI) were introduced to the Multiple Linear regression and Random Forest models. The linear regression model was built using band 6, RVI, NDVI, elevation and TWI with a pvalue of 0.049. In the Random Forest model, band 7, slope, band 5 and elevation were among the most important parameters. The r2 value of this model was 0.21. The results of this study showed that topographic indices had also great importance in salinity prediction. Moreover, comparison of the results indicated that Random Forest had a higher accuracy than the regression model for determining salinity in the study area.