اندازه گیری و مدل سازی فلزات سنگین(Ni, Pb, Cd, Co, Hg ) در رسوبات ساحلی منطقه عسلویه (خلیج نایبند)

محورهای موضوعی : آلودگی آب

ابراهیم قاضی ¹ , مرتضی کاشفی الاصل ²

1 - گروه آلودگی و حفاظت محیط زیست دریا، دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی واحد تهران شمال
2 - گروه محیط زیست، دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی واحد تهران شمال

تاریخ دریافت : 1393/11/19 تاریخ پذیرش : 1394/10/25 تاریخ انتشار : 1395/03/31

کلید واژه: خلیج فارس, منطق فازی, فلزات سنگین, مدلسازی, عسلویه,

چکیده مقاله :

این تحقیق به منظور بررسی میزان تجمع فلزات سنگین و محاسبه میزان آلودگی رسوبات بستر در اثر فعالیت های عظیم صنعتی در منطقه عسلویه انجام شده است. آب های منطقه عسلویه در خلیج فارس به دلیل موقعیت استثنائی خود که محل احداث تعداد زیادی پالایشگاه گاز و کارخانه های پتروشیمی است، به طور مستقیم و غیر مستقیم در معرض ورود آلاینده های مختلف آلی و معدنی قرار دارد. با توجه به موقعیت منطقه، این مطالعه در شهریور ماه سال 1392 در 10 ایستگاه برای بررسی آلودگی ناشی از فلزات سنگین کبالت، کادمیوم، سرب ، نیکل و جیوه انجام شد. با استفاده از نمونه بردار گراپ مدل اکمن رسوبات برداشته شده و پس از هضم به وسیله دستگاه جذب اتمی کوره ای غلظت فلزها ارزیابی شد. در ادامه داده های بدست آمده با استفاده از منطق فازی مدل سازی شدند. مقایسه نتایج حاصل از مدلسازی با داده های حاصل از اندازه گیری آزمایشگاهی، مبین کارایی مناسب منطق فازی برای پیش بینی مقادیر غلظت فلزات سنگین می باشد.

چکیده انگلیسی:

This research intends to study the rate of accumulation of heavy metals and calculate the rate of pollution of seabed sediments in sampling and analyses as a result of large industrial activities in Asaluyeh region. The in Asaluyeh region in the Persian Gulf, due to its exceptional position, where a great number of gas refineries and petrochemical plants are established, is directly or indirectly exposed to different organic and mineral pollutants. Taking into consideration the position of the region, this study was conducted in 2013 in 10 stations, to study the pollution resulting from the heavy metals of Cobalt, Cadmium, Lead, Nickel, and Mercury. Sediment samples were collected by Ekman Grab and measurements were made by a furnace atomic absorption device. Furthermore, the obtained data were modeled with fuzzy logic. The comparison of the results obtained from modeling with the data resulting from lab measurements, indicates the suitable efficiency of fuzzy logic in forecasting the quantities of heavy metals density.  

منابع و مأخذ:

اسماعیلی، م. و بیداری، ا. 1371. مسمومیتها و حوادث محیطی. چاپ اول. انتشارات دانشگاه تهران. ایران. 

جعفرآبادی آشتیانی، ا. 1385. اندازه گیری میزان آلودگی ناشی از فلزات سنگین نیکل، سرب و جیوه در رسوبات خلیج فارس/منطقه عسلویه.  پایان نامه کارشناسی ارشد، دانشکده علوم و فنون دانشگاه آزاد اسلامی واحد تهران شمال.

شریعت پناهی، م. 1372. مبانی بهداشت محیط. انتشارات دانشگاه تهران، تهران.

ملاح، م. 1377. تعیین ساختار و بررسی خواص تبادل یک نوع زئولیت. پایان‌نامه کارشناسی ارشد، دانشکده علوم، دانشگاه تهران.

ناصری، س. و قانعیان ، م. 1381. مدیریت کیفیت آب. انتشارات نصر. تهران.

ربانی، م. آشتیانی، ا. و شریف، ا. 1384. اندازه گیری فلزات سنگین سرب، نیکل و جیوه در آب و رسوب در خلیج فارس منطقه عملیاتی عسلویه. علوم و تکنولوژی محیط زیست، 9(3): 31-23.

یزدان پناه، ا.، جوادی نسب، ع.، نظریها، م. و مهردادی، ن. 1388 بررسی فلزات سنگین و هیدروکربن های نفتی در رسوبات ساحلی منطقه عسلویه. دوازدهمین همایش مای بهداشت محیط ایران، دانشگاه علوم پزشکی شهید بهشتی، دانشکده بهداشت. تهران.

 Rahmanian, B.,  Pakizeh, M.,  Esfandyari, M. & Maskoki, M. 2011_a. Fuzzy Inference System for Modeling of Zinc Removal Using Micellar-enhanced Ultrafiltration, Journal of Separation Science and Technology, 46(10): 1571-1581.

 Rahmanian, B.,  Pakizeh, M.,  Esfandyari, M.,  Heshmatnezhad, M. & Maskoki, M.2011_b. Fuzzy modeling and simulation for lead removal using micellar-enhancedultrafiltration (MEUF). Journal of Hazardous Materials, 192:585-592.

 Rahmanian, B.,  Pakizeh, M.,   Mansoori, S. A. &  Abedini, R. 2011_c. Application of experimental design approach and artificial neural network (ANN) for the determination of potential micellar-enhanced ultrafiltration process. Journal of Hazardous Materials, 187: 67-74.

Özturk, B. Y., Akkoz, C., Asikkutlu, B. &   Gumus, M. E. 2014. Fuzzy logic evaluation of   heavy metal pollution of Apa Dam Lake. Journal of Applied Biological Sciences, 8 (3): 14-20.

Zadeh, L.A. 1965. Fuzzy sets. Information and Control, 8: 338-353.

Zadeh, L.A. 1983. The role of fuzzy logic in the management of uncertainty in expert systems. Fuzzy sets and systems, 11 (1):199-227., 1983

Hiirsalmi, M., Kotsakis, E., Pesonen, A. & Wolski, A. 2000. Discovery of fuzzy models from observation data, VTT Information Technology. Finland.