مدل سازي Cd خاك‌هاي اطراف معادن نمك گرمسار براساس مدل شبكه عصبي مصنوعي (MLP)

سابقه و هدف: در طي دو دهه گذشته، مدل سازي به كمك رايانه براي شبيه سازي عناصر سنگين توسعه قابل توجهي كرده است. برآورد آلودگي خاك نقش مهمي در كنترل آلودگي و مديريت زمين دارد. اما در مناطقي با وسعت بالا، جمع آوري داده ها به روش مستقيم به لحاظ هزينه و زمان چالش برانگيز است. در سال هاي اخير،كاربرد روش هاي غير مستقيم مانند شبكه ي عصبي مصنوعي (ANN) و مدل هاي مشابه ديگر براي برآورد عناصر سنگين مورد توجه قرار گرفته است.در شهرستان گرمسار 27 معدن نمك وجود دارد كه از اين تعداد 16 معدن فعال است. نمك استخراج شده از اين معادن به عنوان يكي از چاشني هاي غذا مورد استفاده قرار مي گيرد. از آنجا كه به دليل فعاليت هاي معدن كاري، ممكن است خاك هاي اين منطقه آلوده به عناصر سنگين گردد. لذا در اين بررسي، كارآيي شاخص هاي زميني و طيفي براي برآورد كادميوم (Cd)كل خاك در اطراف خاك هاي معادن نمك گرمسارتوسط مدل پرسپترون چند لايه (MLP) شبكه عصبي مصنوعي مورد ارزيابي قرار گرفت.مواد و روش ها: براي انجام اين پژوهش49 نمونه خاك مركب از عمقcm20-0 منطقه مورد مطالعه جمع آوري گرديد. ويژگي هاي فيزيكي و شيميايي نمونه هاي خاك مانند درصد رس، شن، سيلت، اسيديته خاك (pH)، هدايت الكتريكي (EC) و درصد آهك تعيين گرديد. اندازه گيري غلظت Cd كل توسط دستگاه جذب اتمي مدل واريان (Varian-220AA) صورت گرفت. براي استخراج پارامترهاي زميني منطقه مورد مطالعه از نقشه رقومي ارتفاع (DEM) و براي محاسبه شاخص هاي طيفي، تصاوير باندهاي لندست-8 با وضوح m30 استفاده شدند. 25 داده كمكي مستخرج از DEM و تصاوير لندست-8 براي برآورد غلظت Cd كل خاك منطقه مورد مطالعه استفاده گرديد. داده هاي جمع آوري شده به صورت تصادفي به دو دسته آموزش و صحت يابي تقسيم شدند و از آنها براي ارزيابي مدل MLP استفاده شد. براساس داده هاي كمكي بدست آمده و ضرايب همبستگي بين اين داده ها با مقدار Cd برآورد شده، 2 مدل مورد ارزيابي قرار گرفت.نتايج و بحث: نتايج اين بررسي نشان داد كه داده هاي كمكي مستخرج از باندهاي لندست-8 (با بيشترين ميزان دقت و كمترين ميزان خطا) جزء تأثيرگذارترين پارامترها در برآورد آلودگي خاك به Cd بودند. براساس نتايج بدست آمده از ارزيابي عملكرد ANN در برآورد Cd كل، مقدار ريشه ميانگين مربعات خطا (RMSE) و ضريب تبيين (R2) براي مدل اول 0.05 و 0.95 و براي مدل دوم 0.10 و 0.80 بدست آمد. در مدل 1، شاخص اشباع (Sat I)، شاخص اندازه ذرات (GSI)، شاخص كربنات (CrI)، شاخص رنگ خاك (Color I) و شاخص گچ (GI) جزء ويژگي هاي مهم و اصلي در مدل سازي Cd بودند. نتايج مطالعه حاضر كارآيي بالاي شبكه ي ANN را در برآورد Cd كل خاك نشان داد.نتيجه گيري: با توجه به توسعه مدل هاي يادگيري ماشين در رشته مهندسي محيط زيست بويژه در شبيه سازي عناصر سنگين، داشتن يك نقطه عطف براي پيشرفت آنها بسيار مهم است. نتايج اين پژوهش نشان داد كه مدل MLP براي برآوردCd  كل خاك مناسب است و مي توان با كمك اين روش در هزينه هاي نمونه برداري و تجزيه خاك صرفه جويي نمود. بنابراين توصيه مي شود روش بكار رفته در اين بررسي، براي تهيه نقشه Cd كل خاك در مناطق مشابه صحت سنجي شود.