مجتبی سلیمانی ساردو

آلودگی خاک به عناصر سنگین تهدید جدی برای بوم سامانه های طبیعی و انسانی است. لذا پیش بینی و شناسایی عوامل اصلی تاثیرگذار و کشف روند تغییرات آنها به ویژه در مناطق خشک حائز اهمیت زیادی است. این پژوهش با هدف بررسی موضوعات ذکر شده در بخشی از دشت جیرفت انجام شد. بدین منظور؛ 104 نمونه از خاک سطحی منطقه مطالعاتی برداشت شد. غلظت 12 فلزات سنگین و برخی ویژگی های خاک در آزمایشگاه اندازه گیری شدند. از 75 متغیر محیطی برای پیش بینی الگوی تغییرات مکانی در سال 2025 و از 49 تصویر ماهواره ای برای ارزیابی روند تغییرات بلندمدت فلزات سنگین استفاده شد. پس از تحلیل عامل فاکتور واریانس و انتخاب 26 متغیر با کمترین اثرهمخطی، عملکرد دو مدل رکرسیون خطی چندگانه و جنگل تصادفی در پیش بینی الگوی توزیع مکانی فلزات سنگین با استفاده از ضریب تعیین، ریشه میانگین مربعات خطا و میانگین قدرمطلق خطا در مجموعه داده های تست مقایسه شد. بر اساس یافته های طرح حاضر؛ غلظت متوسط آرسنیک، کادمیوم، جیوه و لیتیوم بیشتر از پوسته زمین و غلظت سایر فلزات کمتر از متوسط غلظت انها در پوسته زمین است. عملکرد مدل جنگل تصادفی برای پیش بینی کادمیوم، کروم و منگنز نسبتا خوب (R2= 0.38-0.39) و برای دو فلز روی ( R2= 0.55, RMSE= 9.54, MAE= 6.91 ) و مس (R2= 0.75, RMSE= 41.14, MAE= 23.65 ) در سطح خوب ارزیابی شد. بر اساس شاخص جینی؛ سهم فاکتورهای زمین مبنا بر الگوی تغییرات مکانی 5 فلز سنگین کادمیوم، کروم، مس، منگنز و روی به ترتیب 2/43%، 5/50%، 8/65%، 8/54% و 9/37% و بیشتر از سهم سایر عوامل تاثیرگذار بوده است. عملکرد خوب مدل جنگل تصادفی در پیش بینی تغییرات غلظت منگنر، آرسنیک، کادمیوم و مس بر اساس داده های ماهواره ای نیز از دیگر نتایج طرح تحقیقاتی حاضر بود. بر اساس مجموعه داده های تست، R2 برای پیش بینی فلزات مذکور بین 53/0 تا 83/0 ، RMSE بین 8/98-14/0 و MAE بین 74-12/0 میلیگرم بر کیلوگرم تخمین زده شد. یافته ها همچنین نشان داد که طی 30 سال گذشته (1995-2025)، وسعت نواحی آلوده به غلظت های بالای کادمیوم و منگنز روندی افزایشی داشته است. در مجموع، نتایج این پژوهش نشان داد که مدل جنگل تصادفی، ابزاری کارآمد برای پیش بینی و درک الگوهای مکانی و زمانی فلزات سنگین در مناطق خشک هستند. شناخت دقیق سهم عوامل زمین-مبنا در توزیع این آلاینده ها و شناسایی روند افزایشی آلودگی به کادمیوم و منگنز، مبنایی علمی برای اتخاذ تصمیمات مدیریتی و زیست محیطی مؤثر در جهت کاهش خطرات ناشی از آلودگی خاک در دشت جیرفت فراهم می کند.