كاربرد روش‌هاي آماري چند‌متغيره و شاخص‌هاي زيست‌محيطي در ارزيابي توزيع فلزات سنگين

Application of multivariate statistical methods and environmental pollution indices in evaluation of distribution of heavy metals

تكنيك‌هاي آماري چند‌متغيره مانند تجزيه ضريب همبستگي، تجزيه مولفه هاي اصلي و تجزيه خوشه اي براي غلظت كل فلزات سنگين در خاك هاي اطراف مجتمع مس سرچشمه كه يكي از بزرگترين معادن مس ميوسن جهان مي باشد به كار گرفته شد. تعداد 100 نمونه خاك سطحي از خاك‌هاي اطراف معدن و مجتمع فرآوري، برداشت و با استفاده از روش هضم چهار اسيد و به كمك دستگاه (ICP-OES) غلظت كل فلزات سنگين اندازه گيري گرديد. شاخص هاي زمين انباشتگي و فاكتور غني‌شدگي جهت تعيين ميزان آلودگي منطقه مورد مطالعه، بكار برده شد. شاخص زمين انباشتگي، خطرناك ترين عنصر را كادميوم و كم خطرترين عنصر را روي نشان داد. فاكتور آلودگي براي كادميوم، بيشترين آلودگي و براي كبالت، كمترين آلودگي را در منطقه نشان داد. نتايج تجزيه چندمتغيره نشان داد كه همبستگي معني داري بين سرب، روي، كادميوم، مس، كبالت، آهن و منگنز وجود دارد. اين عناصر رابطه قوي در PCA و CA با هم داشتند.

Multivariate statistical techniques, i.e., correlation coefficient analysis, principal components analysis (PCA), and hierarchical cluster analysis (CA), were applied to the total concentrations of hazardous metals in soils around the Sarcheshmeh mine, that it is one of the largest Oligo-Miocene porphyry copper deposits in the world. For the study, 100 surface soil samples were collected around the mining and processing complex. The total concentration of heavy metals was measured by using four acid digestion and inductively coupled plasma (ICP-OES). Various indices including geo-accumulation index (Igeo) and enrichment factor (CF) were used for determining the contamination level of soil in the study area. Based on geo-accumulation index (Igeo), major and minor hazardous element in the region was Cd and Zn, respectively. Enrichment factor (CF) has revealed that the main soil pollutant was Cd element and the minimum soil pollutant in region was induced from Co. The results obtained from the application of multivariate techniques on the soil data set showed that there is positively correlation between the elements such as Pb, Zn, Cd, Cu, Co, Fe and Mn in the study area. Also, there was a strong relationship among these elements based on the PCA and CA classification.