مهین ساعدپناه - M.Sc. Student, Environment Pollution, Faculty of Natural Resources, University of Kurdistan, Sanandaj, Iran
فرشید قربانی - Assistant Professor, Department of Environment Science, Faculty of Natural Resources, University of Kurdistan, Sanandaj, Iran
جمیل امان اللهی - Assistant Professor, Department of Environment Science, Faculty of Natural Resources, University of Kurdistan, Sanandaj, Iran

زمینه و هدف: عناصر آلاینده معدنی در محیط شهری از مهمترین معضلات زیست محیطی به شمار می­روند. این پژوهش با هدف تعیین غلظت، توزیع مکانی و منشاء­یابی عناصر آلاینده آهن، روی، کلسیم، مس، منگنز و نیکل در شهر سنندج با استفاده از شبکه عصبی مصنوعی انجام شد. مواد و روش­ها: محدوده مورد مطالعه به ۵ منطقه طبقه­بندی شد و تعداد ۱۰۵ نمونه خاک سطحی (۱۰-۰ سانتی­متر) جمع­آوری شد. شاخص­های فاکتور آلودگی و جامع Nemerowبه منظور برآورد میزان آلودگی فلزات استفاده شد. بعلاوه، آنالیز همبستگی و تجزیه مولفه­های اصلی برای منشاء­یابی عناصر مورد استفاده قرار گرفتند. همچنین، روش درون­یابی IDW برای توزیع مکانی عناصر و شبکه عصبی مصنوعی پرسپترون چند لایه جهت برآورد غلظت عناصر بکار رفت. یافته­ها: غلظت مس در منطقه صنعتی بسیار بالا بود و از سوی دیگر شاخص آلودگی Nemerow کمترین و بیشترین مقدار آلودگی را به ترتیب برای فضای سبز و منطقه صنعتی نشان داد. غلظت کلسیم بیشتر تحت تاثیر مناطق مسکونی و پرترافیک قرار داشت. از سوی دیگر، مناطق صنعتی و پرترافیک بیشترین تاثیر را در میزان غلظت روی و مس داشته­اند و نیکل، آهن و منگنز تحت تاثیر ترکیبی از عوامل طبیعی و انسانی بودند. نتایج ضریب همبستگی شبکه عصبی برای عناصر مس، نیکل، روی، منگنز، آهن و کلسیم به ترتیب ۸۲۱/۰، ۶۶۱/۰، ۷۱۱/۰، ۷۶۷/۰، ۷۱۲/۰، ۷۰۱/۰ بدست آمد. نتیجه­گیری: غلظت عناصر روی، کلسیم و مس بیشتر تحت تاثیر فعالیت­های انسانی و غلظت نیکل، آهن و منگنز بیشتر تحت کنترل عوامل طبیعی-انسانی هستند. با توجه به نتایج حاصل می­توان استفاده از شبکه عصبی سه لایه را در تخمین غلظت فلزات توصیه نمود.

Metal contamination, Multivariate analysis, Top soil, Artificial neural network, Contamination sources, آلودگی فلزات, آنالیز چند متغیره, خاک سطحی, شبکه عصبی مصنوعی, منابع آلودگی