مستخرج از پایان نامه

علوم و تکنولوژی محیط زیست، دوره بیست و پنجم، شماره پنج، مردادماه 1402 (99-109)

ارزیابی ریسک اکولوژیک فلزات سنگین سرب، روی و کادمیوم در کارخانه سرب و روی لکان

سید علیرضا شریفی [1]

مژگان زعیم­دار [2]  ^*

mojganzaeimdar@gmail.com

سید علی جوزی [3]

رخشاد حجازی[4]

چکیده

زمینه و هدف: امروزه اجرا و پیاده­سازی برنامه‏های توسعه‏ صنعتی بدون در نظر گرفتن ملاحظات محیط‏زیستی، سبب تداوم ورود آلاینده‏ها به محیط­زیست شده است. در حال حاضر، آلودگی­های صنعتی به عنوان عمده­ترین عامل تخریب محیط­زیست به­شمار می­آیند. بنابراین هدف از این پژوهش، ارزیابی ریسک اکولوژیک فلزات سنگین سرب، روی و کادمیوم در کارخانه فرآوری سرب و روی لکان بود.

روش بررسی: پس از ساماندهی و استانداردسازی داده­ها با استفاده از GIS، ارزیابی ریسک اکولوژیکی و همچنین شاخص ریسک محیط­زیستی فلزات سنگین در محدوده مورد مطالعه برآورد شد.

یافته­ها: نتایج ارزیابی ریسک اکولوژیکی نشان داد که در میان فلزات سنگین مورد مطالعه، فلز کادمیوم کمترین ریسک (01/0 درصد از منطقه در طبقه پرریسک) و فلز روی بیشترین ریسک (02/0 درصد از منطقه در طبقه پرریسک) را ایجاد می­کند. همچنین نتایج شاخص ریسک محیط­زیستی حاکی از این بود که 99 درصد از منطقه از نظر ریسک فلز کادمیوم در طبقه کم ریسک قرار دارد، 92 درصد منطقه از نظر ریسک روی در طبقه بحرانی ارزیابی شده است و از نظر ریسک فلز سرب، منطقه مورد مطالعه در وضعیت بینابینی قرار گرفت.

بحث و نتیجه­گیری: در یک جمع­بندی می­توان بیان کرد که به دنبال صنعتی شدن، گسترش آلودگی­های صنعتی امری اجتناب­ناپذیر است، اما روش­ها و تمهیداتی به منظور تعدیل و تنزیل تبعات آن­ها مورد استفاده قرار گرفته­ است. از جمله روش­های مهم در زمینه کاهش اثرات آلودگی­های محیط­زیستی، انجام ارزیابی ریسک اکولوژیکی است. بنابراین با توجه به قابلیت­های سامانه­های GIS در تهیه نقشه­های ارزیابی محیط­زیستی به نظر می­رسد این سامانه می­تواند در تسهیل ارزیابی آسیب­پذیری اکولوژیکی صنایع معدنی فلزی مفید واقع شود.

واژه­های کلیدی: آسیب­پذیری اکولوژیکی، آلودگی صنعتی، آلودگی محیط­زیست، GIS.

Ecological risk assessment of heavy metals lead, zinc and cadmium in the Lakan lead and zinc company

Seyed Alireza Sharifi [5]

Mojgan Zaeimdar [6] ^*

mojganzaeimdar@gmail.com

Seyed Ali Jozi [7]

Rokhshad Hejazi[8]

Abstract

Background and Objective: Today, the implementation of industrial development programs without considering environmental considerations, has led to the continued entry of pollutants into the environment. Currently, industrial pollution is considered the main cause of environmental degradation. Therefore, this study aimed to assess the ecological risk of toxic metals lead, zinc, and cadmium in the Lakan lead and zinc processing company.

Method: After organizing and standardizing the data using GIS, ecological risk assessment and also the environmental risk index of toxic metals in the study area were estimated.

Findings: The results of the ecological risk assessment showed that among the studied toxic metals, cadmium metal has the lowest risk (0.01% of the area in the high-risk class) and zinc has the highest risk (0.02% of the area in the high-risk class). Also, the results of the environmental risk index assessed 99% of the region in terms of cadmium metal risk in the low-risk category and 92% of the region in terms of zinc risk in the critical class, and lead metal was in the intermediate status.

Discussion and Conclusion: In conclusion, it can be stated that following industrialization, the spread of industrial pollution is inevitable, but methods and measures have been used to mitigate and reduce their consequences. One of the important methods in reducing the effects of environmental pollution is ecological risk assessment. Therefore, considering the capabilities of GIS systems in the preparation of environmental assessment maps, it seems that this system can be useful in facilitating the assessment of the ecological vulnerability of metal mining industries.

Key words: Ecological vulnerability, environmental pollution, GIS, industrial pollution.

مقدمه

امروزه در دنیا آلودگی­های صنعتی عمده­ترین دلیل تخریب محیط­زیست شناخته می­شوند. محیط­زیست انسانی با سه عامل آب، خاک و هوا شرایط ممکن را برای زندگی انسان فراهم می­کند، پس بنابراین هر چه این سه عامل درجه سلامت و پاکی بالایی داشته باشند، زندگی انسان از کیفیت مناسب­تری برخوردار می­گردد (1). از جمله مهم­ترین آلاینده­های محیط­زیستی، فلزات سنگین هستند. این فلزات به­دلیل خاصیت انباشتگی زیاد، ماندگاری و مقاومت بالا بر سلامتی انسان و موجودات زنده تاثیرات منفی متعددی می­گذارند. فلزات سنگین در یک مقیاس وسیع، از منابع طبیعی و محیط انسان­ساخت وارد چرخه غذایی و بدن موجودات زنده می­شوند. میزان ورود فلزات سنگین به محیط­زیست، از طریق فعالیت­های انسانی بسیار فراتر از میزان ورود توسط فرآیندهای طبیعی است (2). از جمله فعالیت­های انسانی که می­تواند منجر به افزایش مصنوعی مقدار فلزات سنگین در محیط گردد، معادن و صنایع مرتبط با آن است (3). فعالیت­های معدنکاری و فرآوری مواد معدنی که به روش­های مختلف و متنوعی صورت می‌گیرند، تاثیرات قابل توجهی بر منابع آب سطحی و زیرزمینی دارند. همچنین این فعالیت­ها همراه با تولید پسماندهای زیانبار است که باعث آلودگی منابع آب و خاک و محیط­زیست می­گردد. ارزیابی ‌محیط­زیستی این فعالیت­ها در راستای کنترل آلودگی­های احتمالی ناشی از آن­ها انجام می­گیرد. بنابراین، پایش غلظت و ارزیابی ریسک فلزات سنگین به منظور قضاوت فراگیر و چند جانبه، در بدو ورود به زنجیره ای غذایی و مواجهه پوستی و استنشاقی انسان با این عوامل زیان­آور امری ضروری به­شمار می­آید (2، 3). یکی از روش­های متداول پایش غلظت و ارزیابی ریسک فلزات سنگین، ارزیابی ریسک اکولوژیک است.

برآورد ریسک اکولوژیک فرآیندی است که طی آن احتمال متاثر شدن محیط­زیست از یک یا چند تنش محیطی مورد ارزیابی قرار می­گیرد (4). ارزیابی ریسک اکولوژیکی روشی است که با در نظر قرار دادن محیط­های تحت تاثیر یک منبع آلاینده یا یک منشا ایجاد ریسک، ابعاد مختلف اکولوژیکی را از نظر کمّی­سازی خطرپذیری پیش­بینی می­کند. ارزیابی ریسک اکولوژیکی به­عنوان فرآیندی برای شناسایی اثرات ناسازگار اکولوژیکی که احتمال دارد در نتیجه ورود فشارهای ناشی از فعالیت­های انسانی به وقوع بپیوندد، به شمار می­رود (5). فشارهای یاد شده می­تواند دارای ماهیت فیزیکی یا شیمیایی بوده و موجب اثرات منفی ناسازگار اجزای اکولوژیکی غیرانسانی در سطح ارگانیسم­ها، جمعیت­ها، جوامع یا اکوسیستم­ها گردند. امروزه برای مدل­سازی و ارزیابی ریسک اکولوژیک از سامانه اطلاعات جغرافیایی (GIS) [9] بهره گرفته می­شود (6). GIS یکی از ابزارهای مهم برای ایجاد سیستمی است که در آن پارامترهای محیط­زیستی و احتمال وقوع آن مدلسازی شده است. در این سامانه به­عنوان یک سیستم پشتیبان تصمیم‌گیری، داده­ها و اطلاعات مکانی با یک روش نظام‌مند، به درستی جمع‌آوری، ساماندهی و نمایش داده می‌شوند و از خروجی‌های آن برای تصمیم‌گیری و برنامه­ریزی استفاده می­شود.

فعالیت­های مرتبط با معدن اغلب همراه تولید پسماندهایی زیانبار می­باشد که باعث آلودگی منابع آب و خاک محیط­زیست می­گردد (4، 5). ارزیابی محیط­زیستی این فعالیت­ها در راستای کنترل آلودگی­های احتمالی ناشی از آن­ها انجام می­گیرد. تاکنون مطالعات مختلفی درباره ارزیابی ریسک اکولوژیک کارخانجات صنعتی انجام شده است. برای نمونه، جهری و مروتی (7) با پژوهش در مورد شرکت ذوب و فولاد اردکان، تمامی خطرات و جنبه­های ­محیط­زیستی شناسایی و محاسبه کردند. در مطالعه فینیزیو و همکاران (8) تجزیه و تحلیل ارزیابی ریسک محیط­زیستی سولفات لوریل اتر سدیم در 12 ترکیب تجاری مورد استفاده برای حفاری تونل، انجام شد که نتایج حاکی از کاهش خطر بالقوه به مرور زمان برای این اکوسیستم‌ها بود. لجمیری اورک و همکاران (9) به بررسی ریسک اکولوژیک برخی فلزات سنگین در پسماندهای حفاری میدان نفتی اهواز پرداختند و به این نتیجه رسیدند که میانگین مقادیر شــاخص ریسک اکولوژیکی عناصــر مورد بررسی در پسماندهای حفاری  میدان نفتی اهواز در محدوده ریسک پتانسیل اکولوژیکی خیلی زیاد قرار داشــت. سیاحتی اردکانی و همکاران (10) اقدام به ارزیابی ریسک اکولوژیک فلزات سنگین در خاک سطحی پیرامون صنایع اصلی در شهرستان اردکان نمودند و به این نتیجه رسیدند که ریسک اکولوژیک منطقه مورد بررسی در طبقه ریسک کم قرار دارد.

مشخص کردن مناطق آلوده و تعیین میزان و شدت مواد خطرناک برای بررسی سلامت استفاده از منابع آب، خاک و کشاورزی واقع شده در آن مناطق و در صورت امکان اصلاح آن­ها انجام می­گیرد. در مواجهه با افزایش آلودگی­های معدنی، کاهش خطرات آلاینده­های معدنی، یک عنصر ضروری در تضمین ایمنی زندگی و نیز حفظ فعالیت‌های اجتماعی و اقتصادی و زیرساخت‌های محیط­زیست است. مشخص کردن مناطق آلوده و تعیین میزان و شدت مواد خطرناک جهت بررسی سلامت استفاده از منابع آب، خاک و کشاورزی واقع شده در آن مناطق و در صورت امکان اصلاح آنها انجام می­گیرد (5). معدن و کارخانه فرآوری سرب و روی لکان با فعالیت چند دهه­ای خود دارای سد باطله رو به گسترشی می­باشد که با آلوده شدن این سد خطرات زیادی به محیط­زیست و کشاورزی آن وارد می­شود (11). این کارخانه دارای سدباطله رو به گسترشی می­باشد. موقعیت محل معدن قدیمی، کارخانه فرآوری و سد باطله لکان و مشرف بودن نسبت به مناطق کشاورزی و مسکونی و ارتباط با منابع آب و خاک منجر به برداشت نمونه­های آب از آبراهه­ها و چاه­های عمیق و برداشت خاک از افق­های مختلف اطراف سد می­گردد. از جمله نوآوری­های این پژوهش این است که تاکنون نقاط داغ آلوده به فلزات سنگین در اطراف این کارخانه فرآوری سرب و روی لکان مورد بررسی قرار نگرفته است. بنابراین هدف از این پژوهش، استفاده از سامانه GIS به­منظور ارزیابی ریسک اکولوژیک فلزات سنگین سرب، روی و کادمیوم در کارخانه فرآوری سرب و روی لکان بود. بنابراین در این تحقیق تلاش می­شود تا با استفاده از سامانه GIS و روش‌ها و الزامات مورد نیاز برای ارزیابی ریسک محیط­زیستی و تهیه نقشه‌های مرتبط به آن برای برطرف کردن مشکلات محیط­زیستی کارخانه فرآوری سرب و روی لکان انجام شود.

روش بررسی

- منطقه مورد مطالعه

این پژوهش در کارخانه سرب و روی لکان در 46 کیلومتری جنوب غربی شهرستان اراک در استان مرکزی انجام گرفت. منطقه مورد مطالعه در چهار بخش که بیشترین اثرپذیری را از پیامدهای کارخانه دارند، مورد ارزیابی قرار گرفته است (شکل 1). از نظر موقعیت جغرافیایی این کارخانه در طول جغرافیایی 49 درجه و 43 دقیقه و 26 ثانیه، در عرض جغرافیایی 33 درجه و 42 دقیقه و 5 ثانیه و در منطقه ای به ارتفاع 2180 متر از سطح دریا قرار دارد. دسترسی به کارخانه از طریق جاده اراک-بروجرد امکان­پذیر است. این کارخانه در 1500 متری روستای لکان واقع شده است که از جمله یکی از آلوده­ترین کارخانجات واقع در فاصله 45 کیلومتری جنوب غرب اراک و مابین شهرستان­های شازند و خمین است به طوری­که در طی فرآیند تولیدی کارخانه لکان در استان مرکزی، انتشار مقدار زیادی آلاینده­های مختلف در محیط سبب آلودگی منابع آب، خاک و هوای منطقه گردیده است (11). میانگین سالانه دمای هوا در اراک 8/13 درجه سانتی­گراد است که تیر با میانگین ۲۷/۱ درجه سانتی­گراد گرمترین ماه و بهمن صفر درجه سانتی­گراد سردترین ماه سال می‌باشد. میانگین بارندگی سالانه 342 میلی­متر است و میانگین رطوبت نسبی هوا 6/46 درصد است که بیانگر خشکی هوا در منطقه می­باشد و ماه دی با میانگین ۶۸ درصد بیشترین رطوبت و ماه مرداد با میانگین ۲۷ درصد خشکترین ماه سال را تشکیل می‌دهند.

شکل 1- نقشه منطقه مورد مطالعه به تفکیک بخش­ها

Figure 1. Map of study area by sections

- روش پژوهش

- تشکیل پایگاه داده

داده­های مکانی این تحقیق از طریق مشاهدات و نمونه­برداری­های زمینی، اسکن نقشه­ها، رقومی کردن و تصاویر ماهواره­ای از منطقه مورد مطالعه تهیه شد. علاوه بر داده­های موجود تعدادی نمونه به روش تصادفی انتخاب سپس نمونه به­منظور آنالیز غلظت فلزات مانند کادمیوم، سرب و روی به آزمایشگاه منتقل شدند. سپس به منظور تعیین نوع و وزن آن در آزمایشگاه تجزیه و تحلیل شدند.

- متناسب­سازی و ارزیابی ریسک اکولوژیک با استفاده از GIS و روش­های تصمیم­گیری چند معیاره (MCDM)[10]

در این پژوهش، با استفاده از قابلیت­های GIS به تهیه نقشه­های پتانسیل ریسک اکولوژیک و به کارگیری آن در بررسی تغییرات اکولوژیکی محدوده مورد مطالعه، همچنین ترکیب آن با روش ارزیابی چند معیاره به منظور ارزیابی و مدیریت ریسک اکولوژیک پرداخته شد. بعد از ساماندهی (مکانی-توصیفی-آماری-زمینی) با استفاده GIS و روش ارزیابی چند معیاره، مدل­سازی انجام شد. پس از تعیین و مشخص نمودن تمامی معیارها، شاخص­ها و یا متغیرهای پژوهش، استانداردسازی معیارها و شاخص‌ها با استفاده از توابع عضویت فازی انجام شده و سپس وزن­دهی و کمی کردن معیارها با روش تحلیل فرایند سلسله مراتبی (AHP)[11]، تلفیق لایه­ها و انتخاب مکان­های مناسب انجام شد. بنابراین متغیرهای مورد بررسی تحقیق با توجه به اهمیتی که در ارزیابی دارند اولویت­بندی و گروه­بندی شدند. سپس وزن نهایی آن­ها بدست آمده و در مدل­های ارزیابی قرار داده شدند و در نهایت نقشه آسیب­پذیری اکولوژیکی محدوده مورد مطالعه بدست آمد.

- محاسبه شاخص ریسک اکولوژیکی (EVI)^[12]

به منظور محاسبه شاخص ریسک اکولوژیکی، معادله EVI در خروجی تلفیق تصاویر فازی به همراه وزن آن­ها اعمال شد (12، 13). شاخص ریسک اکولوژیکی از طریق رابطه زیر محاسبه شد:

EVI شاخص آسیب­پذیری اکولوژیکی،  وزن فاکتور i و   رتبه­بندی فاکتور i است.

- شاخص ریسک محیط­زیستی فلزات سنگین

به منظور محاسبه شاخص ریسک اکولوژیکی هر یک از فلزات سنگین در این مطالعه، از رابطه زیر استفاده شد (رابطه 2) که در این رابطه Aci: غلظت iام در محیط و Rci: غلظت حد مجاز عنصر iام در محیط است.

طبقه­بندی ریسک بر اساس شاخص ریسک تجمعی به این صورت انجام گرفت: مقادیر کمتر از صفر طبقه بدون ریسک، صفر تا یک طبقه ریسک کم، یک تا سه ریسک متوسط، سه تا پنج طبقه ریسک بالا و بیشتر از پنج ریسک خیلی بالا (بحرانی). پس از نوشتن کدهای شبکه عصبی مصنوعی و با بهره­گیری از جعبه ابزار شبکه­های عصبی در محیط MATLAB، نرمال‎سازی داده‎ها و تعیین سهم داده‎های آموزش و تست به­ترتیب برابر با 60 درصد و 40 درصد داده‎‎های موجود، نتایج پیش­بینی ریسک بدست آمد.

یافته­ها

پهنه­بندی ریسک اکولوژی و پیش­بینی آن

پهنه­بندی ریسک اکولوژی کادمیوم

خروجی حاصل از مدلسازی ریسک اکولوژیک حاصل از فلز کادمیوم در منطقه مورد مطالعه و همچنین پیش­بینی آن با استفاده از مدل شبکه عصبی مصنوعی و شبکه عصبی بهینه بصورت شکل 2 ارائه شده است. مطابق شکل 2، بیشتر سطح منطقه مورد مطالعه در طبقه دو با ریسک جزئی قرار دارند. یعنی در بیشتر سطح منطقه و به عبارتی در 1/377307 هکتار از منطقه که 1/64 درصد از کل منطقه مورد مطالعه را شامل می­شود، شاخص ریسک اکولوژیکی جزئی بوده که در این بخش­ها اکوسیستم نسبتاً پایدار، مقاوم در برابر انعطافات و تغییرات سیستم، دارای خاک غنی و حاصلخیز و پوشش گیاهی نسبتاً خوب و مناسب است. تنها در 4/0 درصد از منطقه، شاخص ریسک اکولوژیکی در طبقه 4 قرار دارد که این سطح دارای ریسک متوسط، اکوسیستم نسبتاً ناپایدار، انعطاف­پذیری کم، خاک بی کیفیت و پوشش گیاهی مناسب است. در این بین 01/0 درصد از سطح منطقه شامل 9/582 هکتار، دارای ریسک اکولوژیکی زیاد، ناپایداری اکوسیستم، عدم انطباق با شرایط محیطی، خاک فاسد و پوشش گیاهی ضعیف است این طبقه در اطراف کارخانه وجود دارد. بیشترین سطح منطقه دارای ریسک جزئی و کمترین آن دارای ریسک زیاد است. نتایج پیش­بینی و سناریوسازی ریسک نشان می­دهد که در خروجی شبکه عصبی و شبکه عصبی بهینه شده نیز مساحت طبقه دو از سایر مناطق بیشتر بوده است. بنابراین با وجود اینکه میزان ریسک در طبقات سه و  چهار کاهش می­یابد ولی از نظر مکانی توزیع ریسک تا حدودی ثابت باقی خواهد ماند و تغییرات ناچیز است.

شکل 2- پهنه­بندی ریسک اکولوژیک بر مبنای داده­های واقعی فلز کادمیوم (الف)، خروجی شبکه عصبی (ب) و خروجی شبکه عصبی بهینه شده (ج)

Figure 2. Ecological risk zoning based on real data of cadmium metal (a), neural network output (b) and optimized neural network output (c)

-پهنه­بندی ریسک اکولوژی سرب

خروجی حاصل از مدلسازی ریسک اکولوژیک حاصل از فلز سرب در منطقه مورد مطالعه و همچنین پیش­بینی آن با استفاده از مدل شبکه عصبی مصنوعی و شبکه عصبی بهینه به­صورت شکل 3 ارائه شده است. مطابق شکل 3، بیشتر سطح منطقه مورد مطالعه در طبقه دو با ریسک جزئی قرار دارد (1/342695 هکتار یا 2/58 درصد از سطح کل). 7/0 درصد از منطقه در در طبقه دو شاخص ریسک اکولوژیکی قرار دارد و فقط 4/0 درصد از منطقه در طبقه پنج قرار داد که این طبقه در اطراف کارخانه وجود دارد. بنابراین این منطقه براساس معیارهای موجود دارای پتانسیل تخریب و آسیب­پذیری اکولوژیکی است. بنابر آنچه بدست آمد، بیشترین سطح منطقه دارای ریسک جزئی و کمترین آن دارای ریسک زیاد است. نتایج پیش­بینی ریسک نشان می­دهد که در خروجی شبکه عصبی نیز بیشتر سطح منطقه (1/63 درصد) در طبقه دو ریسک قرار می­گیرند. خروجی شبکه عصبی بهینه نیز نتایجی مشابه با شبکه عصبی را نشان می­دهد که حدود 1/64درصد از سطح منطقه در طبقه دو ریسک قرار دارند.

شکل 3- پهنه­بندی ریسک اکولوژیک بر مبنای داده­های واقعی فلز سرب (الف)، خروجی شبکه عصبی (ب) و خروجی شبکه عصبی بهینه شده (ج)

Figure 3. Ecological risk zoning based on real data of lead metal (a), neural network output (b) and optimized neural network output (c)

- پهنه­بندی ریسک اکولوژی روی

خروجی حاصل از مدلسازی ریسک اکولوژیک حاصل از فلز روی در منطقه مورد مطالعه و همچنین پیش­بینی آن با استفاده از مدل شبکه عصبی مصنوعی و شبکه عصبی بهینه به­صورت شکل 4 ارائه شده است. نتایج نشان می­دهد در رابطه با ریسک ایجاد شده از فلز روی، مشابه سرب و کادمیوم، بیشتر سطح منطقه مورد مطالعه در طبقه دو با ریسک جزئی قرار دارند (8/317045 هکتار معادل 8/53 درصد). 8/0 درصد از منطقه در طبقه ریسک چهار و 3/0 درصد از منطقه در طبقه ریسک پنج قرار دارد که این طبقه در اطراف کارخانه وجود دارد. بنابراین این منطقه براساس معیارهای موجود دارای پتانسیل تخریب و آسیب­پذیری اکولوژیکی است. بنابر آنچه بدست آمد، بیشترین سطح منطقه دارای ریسک جزئی و کمترین آن دارای ریسک زیاد است. نتایج پیش­بینی ریسک نشان می­دهد که تغییرات توزیع ریسک در شبکه عصبی و شبکه عصبی بهینه شده نسبت به داده­های واقعی، در طبقه ریسک چهار محسوس­تر است.

شکل 4- پهنه­بندی ریسک اکولوژیک بر مبنای داده­های واقعی فلز روی (الف)، خروجی شبکه عصبی (ب) و خروجی شبکه عصبی بهینه شده (ج)

Figure 4. Ecological risk zoning based on real data of zink metal (a), neural network output (b) and optimized neural network output (c)

نتایج شاخص ریسک تجمعی فلزات و پیش­بینی آن

محاسبه شاخص ریسک تجمعی بر مبنای هر یک از فلزات سنگین مورد مطالعه در این تحقیق با استفاده از تصاویر پیوسته درون­یابی شده از این فلزات به صورت نقشه­هایی حاصل شد (شکل 5). براساس این شکل، مطابق نتایج بدست آمده (شکل 5-الف)، 99 درصد منطقه (معادل 7/7290 هکتار) از نظر شاخص ریسک تجمعی کادمیوم در طبقه ریسک کم و 01/0 درصد (معادل 3/7 هکتار) از منطقه در طبقه ریسک متوسط قرار دارند. در رابطه با شاخص ریسک تجمعی سرب، 17/0 درصد از منطقه (8/120 هکتار) در طبقه ریسک کم، 96 درصد (3/7037 هکتار) در طبقه ریسک متوسط، 13/0 درصد (0/98 هکتار) در طبقه ریسک بالا و 06/0 درصد (42 هکتار) در طبقه ریسک بحرانی قرار گرفته­اند (شکل 5-ب). نتایج حاکی از آن است که از حیث شاخص ریسک تجمعی فلز روی (شکل 5-ج)، 03/0 درصد از منطقه (7/24 هکتار) در طبقه ریسک کم، 01/0 درصد (2/70 هکتار) در طبقه ریسک متوسط، 06/0 درصد (4/457 هکتار) در طبقه ریسک بالا و 92 درصد (8/6745 هکتار) در طبقه ریسک بحرانی قرار گرفته­اند.

شکل 5- نقشه شاخص ریسک تجمعی فلزات کادمیوم(الف)، سرب (ب) و روی (ج)

Figure 5. Cumulative risk index map of cadmium (a), lead (b) and zinc (c) metals

بحث و نتیجه­گیری

با توجه به نتایج می­توان اذعان داشت که فلز روی بیشترین و فلز کادمیوم کمترین ریسک را در منطقه ایجاد می­کنند که با مطالعه شجاعی برجوئی (13) مبنی بر سمیت کم کادمیوم در ارزیابی ریسک غبار صنعتی تا حدودی در تطابق است. مطابق مطالعه قمی و حاجتی (14) وجود معادن متروکه سرب و روی در اطراف احتمالا زمینه بالا برای حضور این عناصر را ایجاد کرده است. همچنین تمرکز بالای فلزاتی چون سرب در شرایط ارتباط با آب­های زیرزمینی توسط واکنش­های شیمیایی می­تواند باعث آلودگی آب شود. همچنین در مطالعه قمی و حاجتی (14) به آلودگی خاک منطقه به سرب اشاره شده است که محدوده تمرکز آن در جنوب سد باطله می­باشد. به­طور کلی منطقه تحت تاثیر فعالیت­های کارخانه موجب تجمع فلزات کادمیوم، روی و سرب شده که میزان ریسک ایجاد شده از آن­ها به ترتیب مربوط به فلز روی، سرب و کادمیوم است. در واقع مهمترین منبع انتشار فلز روی در خاک منطقه، فعالیت­های کارخانه بوده است.

نتایج این مطالعه با نتایج مطالعه رزاقی و همکاران (15) به نوعی در تضاد است چراکه ریسک اکولوژیکی ناشی از فلز سنگین کادمیوم از سرب و روی در منطقه خلیج فارس بیشتر برآورد شده است. این در حالی است که در مطالعه جیانگ و همکاران (16)، سیستانی و همکاران (17)، اگینکونله و فاتوبا (18) برخلاف نتایج تحقیق حاضر، عنصر کادمیوم به عنوان عنصری با ریسک بالای اکولوژیک در اطراف صنایع گزارش شده است. همچنین مطابق نتایج مطالعه محسنی بندپی و همکاران (19) ریسک اکولوژیک بالقوه در اطراف مناطق صنعتی بیشتر بوده است که با نتایج مطالعه حاضر مبنی بر افزایش ریسک این فلزات در منطقه اطراف کارخانه مطابقت دارد. مطابق مطالعه شجاعی برجوئی و همکاران (13) در ارزیابی ریسک اکولوژیکی برخی فلزات سنگین، فلز روی و پس از آن فلز سرب بیشترین شاخص آلودگی را دارند.

از آنجایی­که ایجاد این آلودگی­های محیط­­زیستی امری اجتناب­ناپذیر است، روش­ها و تمهیداتی به­منظور تعدیل و تنزیل تبعات آن­ها مورد استفاده قرار گرفته­ است. از جمله روش­های مهم در زمینه کاهش اثرات آلودگی­های محیط­­زیستی، انجام ارزیابی ریسک اکولوژیکی است (4). این روش­ها با تعیین میزان آسیب و ریسک­های وارده به محیط، به مدیران این امکان را خواهند داد تا برنامه­ریزی­ها و تصمیمات خود را در راستای اصل توسعه پایدار و حفظ اصولی محیط، ساماندهی کنند. در مطالعه حاضر، محیط­هایی که بیشترین اثرات را از فعالیت کارخانه می­پذیرند مشخص و فاکتورهای مکانی و غلظت فلزات سنگین به­عنوان متغیرهای تأثیرگذار در تعیین آسیب­پذیری منطقه ساماندهی و مورد استقاده واقع شدند. نتایج ارزیابی ریسک اکولوژیکی نشان داد که در میان فلزات سنگین مورد مطالعه، فلز کادمیوم کمترین ریسک را ایجاد می­کند، چراکه مساحت ریسک ایجاد شده از این فلز عمدتاً در طبقه کم ریسک قرار می­گیرد (1/64 درصد) و سطحی که در معرض خطر بالایی از ریسک این فلز واقع شده است حدود 01/0 درصد از کل منطقه را شامل می­شود. این در حالی است که 8/53 درصد از منطقه از نظر ریسک فلز روی در طبقه کم ریسک و 02/0 درصد دچار بحران ریسک روی هستند. همچنین محاسبه شاخص ریسک تجمعی نتایجی مشابه با شاخص ریسک اکولوژیکی را نشان داد، به­طوری­که در رابطه با ریسک ایجاد شده از فلز کادمیوم 99 درصد از منطقه دارای ریسک کم و در رابطه با فلز روی 92 درصد در طبقه ریسک بحرانی قرار گرفته­اند و فلز سرب در حالت بینابین قرار گرفته است. لازم به ذکر است که شاخص ریسک اکولوژیکی در تمام سطح منطقه مورد مطالعه و با همه فاکتورها ولی شاخص ریسک تجمعی تنها با در نظر گرفتن غلظت سه فلز سنگین و در شعاع تاثیرگذار محاسبه شده است (به دلیل تفاوت در ماهیت محاسبه). زخم معده، التهاب پانکراس، لتاژی، کم خونی، تب، تهوع، اختلال تنفسی و فیبروز ریه از جمله عوارض گزارش شده در مسمویت انسان با فلز روی هستند (20).

بنابراین با توجه به قابلیت­های GIS در تهیه نقشه­های ارزیابی محیط­زیستی به نظر می­رسد این سامانه می­تواند در تسهیل ارزیابی آسیب­پذیری اکولوژیکی صنایع معدنی فلزی مفید واقع شود. با توجه به نقش موثر GIS در ساماندهی، تولید و پردازش داده­ها در این تحقیق و ارائه نقشه­هایی با قابلیت تحلیل میزان ریسک اکولوژیکی در منطقه مورد مطالعه، می­توان گفت این سامانه در تسهیل ارزیابی اکولوژیکی صنایع معدنی فلزی، مفید واقع شده است. با توجه به اینکه صنایع معدنی فلزی متاثر و تاثیرگذار از بسیاری از عوامل مانند متغیرهای هواشناسی، متغیرهای زمین، کاربری اراضی، داده­های محیط­زیستی و نمونه­های آزمایشگاهی هستند، استفاده از فاکتورهای مشخص شده در این تحقیق تا حدود زیادی قادر به تعیین میزان ریسک ایجاد شده از این صنایع شد. در پایان می­بایستی اظهار داشت که با پیشرفت روند فعالیت صنعتی در منطقه، احتمالاً سطح آلودگی فلزات سنگین به تدریج افزایش خواهد یافت و به دنبال آن کیفیت محیط­زیست و بهداشت ساکنین اطراف آن کاهش می­یابد. بنابراین پیشنهاد می­شود علاوه بر شاخص­های اکولوژیک مورد بررسی در این تحقیق، ریسک‌های سرطان­زایی و غیر سرطان­زایی فلزات سنگین در طی یک بازه زمانی طولانی­مدت مورد بررسی قرار گیرد. هم­چنین پیشنهاد می­شود با روش­های مختلف پاکسازی فیزیکی و شیمیایی یا روش گیاه­پالایی، میزان آلودگی در منطقه کاهش یابد.

References

1.      Dong, F., Pan, Y., Li, Y., & Zhang, S. (2021). How public and government matter in industrial pollution mitigation performance: Evidence from China. Journal of Cleaner Production, Vol. 146, pp. 1-13.

2.      Wu, Z., Chen, Y., Han, Y., Ke, T., & Liu, Y. (2020). Identifying the influencing factors controlling the spatial variation of heavy metals in suburban soil using spatial regression models. Science of the Total Environment, Vol. 717, pp. 13-26.

3.      Guo, X., Xie, X., Liu, Y., Wang, C., Yang, M., & Huang, Y. (2020). Effects of digestate DOM on chemical behavior of soil heavy metals in an abandoned copper mining areas. Journal of Hazardous Materials, Vol. 393, pp. 1-14.

4.      Fei, J. C., Min, X. B., Wang, Z. X., Pang, Z. H., Liang, Y. J., & Ke, Y. (2017). Health and ecological risk assessment of heavy metals pollution in an antimony mining region: a case study from South China. Environmental Science and Pollution Research, Vol. 24, pp. 27573-27586.

5.      Hu, J., Lin, B., Yuan, M., Lao, Z., Wu, K., Zeng, Y., & Fan, H. (2019). Trace metal pollution and ecological risk assessment in agricultural soil in Dexing Pb/Zn mining area, China. Environmental Geochemistry and Health, Vol. 41, pp. 967-980.

6.      Jin, X., Jin, Y., & Mao, X. (2019). Ecological risk assessment of cities on the Tibetan Plateau based on land use/land cover changes–Case study of Delingha City. Ecological Indicators, Vol. 101, pp. 185-191.

7.      Nikpishe Kohjhari, F., Morovati, M., Sadeghinia, M., & Amanat Yazdi, L. (2020) Assessment and management of environmental risks of steel industries by EFMEA Method (case study: Ardakan steel and melting factory). Journal of Environmental Health Engineering, Vol. 1, pp.76-88. (In Persian)

8.      Finizio, A., Patrolecco, L., Grenni, P., Galli, E., Muzzini, V. G., Rauseo, J., & Caracciolo, A. B. (2020). Environmental risk assessment of the anionic surfactant sodium lauryl ether sulphate in site-specific conditions arising from mechanized tunnelling. Journal of Hazardous Materials, Vol. 383, pp. 12-28.

9.      Lajmiri Orak, Z., Sabzalipour, S., Panahpour, E., Attarroshan, S., & Tavakkoli, H. (2021). Investigation of Ecological Risk (ER) and Available Ratio (AR) of some heavy metals in drill cutting of Ahvaz Oil Field in 2019. Journal of Environmental Health Engineering, Vol. 8, pp. 329-342. (In Persian)

10.  Siyahati Ardakani, G., Mirsanjari, M., Azimzadeh, H., & Solgi, E. (2019). Ecological risk assessment of heavy metals in topsoil around major industries of Ardakan City. Journal of Toloo-e-Behdasht, Vol. 17, 95-110. (In Persian)

11.  Khodadadi, A., Kalini, S. J., & Marzban, M. (2009). Investigation of the possibility of transferring heavy metals to water sources from the tailings dam of Lakan lead and zinc processing plant. Chemical Engineering of Iran, Vol. 28, pp. 28-39. (In Persian)

12.  Liao, X., Li, W., & Hou, J. (2013). Application of GIS based ecological vulnerability evaluation in environmental impact assessment of master plan of coal mining area. Procedia Environmental Sciences, Vol. 18, pp. 271-276.

13.  Shojaee Barjoee, S., Azimzadeh, H. R., & Mosleh Arani, A. (2020). Ecological risk assessment of some heavy metals in the dust emitted from nonmetallic industries of Ardakan County of Yazd in summer 2018: a descriptive study. Journal of Rafsanjan University of Medical Sciences, Vol. 19, pp. 173-192. (In Persian)

14.  Qomi, M., & Hajati, A. (2009). Zoning of pollution caused by Lakan tailings dam with environmental assessment of water and soil resources using GIS. Third Conference and Specialized Exhibition of Environmental Engineering, Tehran, Iran, 12 p. (In Persian)

15.  Razaghi, M., Shokri, M.R., Savari, M., & Pazoki, H. (2013). Ecological risk assessment of heavy metals in surface sediments of Nayband and Assaluyeh bays (north of Persian Gulf). Journal of Aquatic Ecology, Vol. 2, pp. 68-57. (In Persian)

16.  Jiang, X., Lu, W. X., Zhao, H. Q., Yang, Q. C., & Yang, Z. P. (2014). Potential ecological risk assessment and prediction of soil heavy-metal pollution around coal gangue dump. Natural Hazards and Earth System Sciences, Vol. 14, pp. 1599-1610.

17.  Sistani, N., Moeinaddini, M., Ali-Taleshi, M. S., Khorasani, N., Hamidian, A. H., & Yancheshmeh, R. (2018). Source identification of heavy metal pollution nearby Kerman steel industries. Journal of Natural Environment, Vol. 70, pp. 627-641. (In Persian)

18.  Ogunkunle, C. O., & Fatoba, P. O. (2013). Pollution loads and the ecological risk assessment of soil heavy metals around a mega cement factory in Southwest Nigeria. Polish Journal of Environmental Studies, Vol. 22, pp. 29-41.

19.  Mohseni-Bandpei, A., Ashrafi, S. D., Kamani, H., & Paseban, A. (2017). Contamination and ecological risk assessment of heavy metals in surface soils of Esfarayen city, Iran. Health Scope, Vol. 6, pp. 1-14. (In Persian)

20. Barceloux D.G. (1999). Zinc. Journal of Clinical Toxicology, Vol. 37, pp. 279-292.

1- دانشجوی دکتری گروه محیط­زیست، دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی، واحد تهران شمال، تهران، ایران.

2- استادیار گروه محیط­زیست، دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی، واحد تهران شمال، تهران، ایران. ^*(مسوول مکاتبات)

3- استاد گروه محیط­زیست، دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی، واحد تهران شمال، تهران، ایران.

4- استادیار گروه محیط­زیست، دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی، واحد تهران شمال، تهران، ایران.

[5]- PhD student, Department of Environment, Faculty of Marin Science and Technology, North Tehran Branch, Islamic Azad University, Tehran, Iran.

2- Assistant Professor, Department of Environment, Faculty of Marin Science and Technology, NorthTehran Branch, Islamic Azad University, Tehran, Iran. *(Corresponding Author)

3- Professor, Department of Environment, Faculty of Marin Science and Technology, NorthTehran Branch, Islamic Azad University, Tehran, Iran.

4- Assistant Professor, Department of Environment, Faculty of Marin Science and Technology, North Tehran Branch, Islamic Azad University, Tehran, Iran.

1- Geographic Information System

1- Multiple Criteria Decision Making

[11]- Analytic Hierarchy Process

[12]- Ecological Vulnerability Index