شاخص جغرافیایی

شاخص جغرافیایی ، که در آن میزان آلودگی با استفاده از فرمول زیر محاسبه می شود: Igeo = log2 (CN/1. 5bn) که در آن C غلظت اندازه گیری شده فلز و B غلظت پس زمینه ژئوشیمیایی یک شیل قاره است.

اصطلاحات مرتبط:

• رسوب رودخانه
• مهندسی معدن
• بار آلودگی

درباره این صفحه

روش های موجود در ژئومورفولوژی

14. 24. 3. 1 تعیین میزان تغییر انسان شناسی

معمولاً ، میزان تغییر ناشی از انسان با بیان غلظت های آلاینده فعلی به عنوان غنی سازی بر غلظت های پیشرونده یا بکر تخمین زده می شود. فاکتورهای غنی سازی به عنوان غلظت فلز امروزی که بر اساس غلظت پس زمینه تقسیم می شوند تعریف می شوند. همانطور که قبلاً مورد بحث قرار گرفت ، برای اینکه این رویکرد معتبر باشد ، نیاز دارد که هم داده های فعلی و هم غلظت های پیش بینی کننده اندازه گیری شود. در صورت استفاده از شیمی کل رسوبی برای برآورد ضریب غنی سازی ، باید از یک عنصر عادی سازی برای کاهش مخدوش کننده معرفی شده توسط اندازه دانه متغیر استفاده شود (Buat-Menard ، 1979) (به EQN [1] مراجعه کنید):

(1) ef = me ff me m

جایی که EF عامل غنی سازی است ، من_ffغلظت فلز در کسری ریز رسوب (Mمیانگین غلظت فلز در گل سنگ ، یا اخیراً غلظت پس زمینه - در زیر مشاهده می کنید (Szefer and Skwarzec ، 1988).

تکنیک تهیه شده برای برآورد تأثیر انسان شناسی بر روی رسوبات با استفاده از یک عنصر عادی سازی (AL) برای کاهش اثرات اندازه دانه متغیر با استفاده از معادله زیر محاسبه می شود (Buat-Menard ، 1979):

(2) ef = x s / al s x b / al b

در جایی که x غلظت فلز است ، نمونه و B مقدار پس زمینه است.

سطح آلودگی برای یک نمونه نیز با استفاده از شاخص ژئوآکولوژی محاسبه شده است (مولر ، 1979).

شاخص جغرافیایی ، که در آن میزان آلودگی با استفاده از فرمول زیر محاسبه می شود:

igeo = log 2 (c n / 1. 5 b n)

جایی که C غلظت اندازه گیری شده فلز و B غلظت ژئوشیمیایی پس زمینه متوسط شیل قاره است. از عاملی از 1. 5 برای تغییر احتمالی مقادیر پس زمینه به دلیل اثرات لیتوژنیک استفاده می شود (مولر ، 1979) و شاخص غنی سازی (مولر ، 1981) به شرح زیر است:

یک تکنیک رگرسیون خطی نیز برای به دست آوردن اطلاعاتی در مورد غنی سازی که نسبت به اندازه دانه ثابت است استفاده شده است (لورینگ و رانتالا، 1992). برای اینکه این تکنیک معتبر باشد، رگرسیون خطی باید دارای سطح اطمینان 95 درصد با درجه معناداری بالا باشد. ضریب غنی سازی به عنوان نسبت بین مقدار واقعی و پیش فرضی y محاسبه می شود، که در آن مقدار پیش بینی شده در محدوده 1+2 است.

آدرس اینترنتی: https://www. sciencedirect. com/science/article/pii/B9780123747396003924

خصوصیات ژئوشیمیایی رسوبات ساحلی میری، شمال غربی بورنئو، آسیای جنوبی: پیامدهایی بر منشأ، شدت هوا، و ارزیابی وضعیت محیطی ساحلی

آر ناگاراجان . هان بینگ چوا، در مدیریت منطقه ساحلی، 2019

3. 1 محاسبه شاخص های زیست محیطی

شاخص های محیطی، یعنی ضریب آلودگی (CF)، شاخص انباشتگی زمین (Igeo)، و شاخص بار آلودگی (PLI) محاسبه شدند. مقادیر متوسط پوسته قاره بالایی (UCC; McLennan, 2001) به عنوان مقادیر پس زمینه برای همه محاسبات استفاده شد. فاکتور آلودگی بر اساس Pekey و همکاران محاسبه شد.(2004)، با استفاده از نسبت بین محتوای فلز در رسوب در محل نمونه و مقادیر پس زمینه. شاخص زمین انباشتگی (Igeo) با استفاده از معادله پیشنهاد شده توسط مولر (1969) محاسبه شد. ایجئو = log₂( Cn /1. 5 Bn ); که در آن، Cn غلظت فلز (n) ثبت شده در رسوبات منطقه مورد مطالعه، Bn مقدار پس زمینه فلز مربوطه (n) و فاکتور 1. 5 تصحیح ماتریس زمینه به دلیل اثرات سنگ زایی است (سالومون و فورستنر، 1984).). طبقه بندی Igeo ارائه شده توسط مولر (1969) برای تعیین سطح آلودگی استفاده شد. هفت کلاس در این طبقه بندی عبارتند از: غیر آلوده (Igeo ≤ 0؛ کلاس 0)، غیر آلوده تا نسبتاً آلوده (Igeo 0-1؛ کلاس 1)، نسبتاً آلوده (Igeo 1-2؛ کلاس 2)، متوسط تا بسیار آلوده (Igeo). 2-3؛ کلاس 3)، بسیار آلوده (Igeo 3-4؛ کلاس 4)، بسیار تا بسیار آلوده (Igeo 4-5؛ کلاس 5)، و بسیار آلوده (Igeo ≥ 5؛ کلاس 6) (مولر،1969). PLI با استفاده از فرمول های پیشنهادی تاملینسون و همکاران محاسبه شد.(1980) بر اساس مقادیر عامل آلودگی عناصر منفرد.

PLI = Cf 1 × Cf 2 × Cf 3 × ⋯ × Cf n 1 / n

جایی که Cf عامل آلودگی و n تعداد فلزات است. این شاخص تجربی یک ابزار مقایسه ای ساده برای ارزیابی سطح آلودگی ردیابی/ فلزات سنگین ارائه می دهد.

آدرس اینترنتی: https://www. sciencedirect. com/science/article/pii/B9780128143506000124

رویکردهای پایش و ارزیابی اثرات فلزات سنگین

شوتا ساروپ، سونام تامچوس، در فلزات سنگین در محیط زیست، 2021

4. 7 شاخص های آلودگی در رسوبات

رسوبات پویاترین اکوسیستم رودخانه ای با زیستگاه های متنوع، سوله ها، ریزاقلیم ها، اشکال حیات گیاهی/حیوانی و تعاملات بین آنهاست (موریلو و همکاران، 2004). جدای از سیستم های آبی، رسوبات (رسوبات رودخانه ای) نیز به عنوان مخزن رسوب فلزات سنگین عمل می کنند و در نتیجه خطرات اکولوژیکی را از بنتوس (جانداران ساکن در پایین) تا بالاترین سطح تغذیه ای برای انسان در انتهای زنجیره غذایی ایجاد می کنند. استانکوویچ و استانکوویچ، 2013).

ارزیابی HMs در رسوبات را می توان با شاخص های کمی مختلف مانند شاخص انباشتگی زمین ارزیابی کرد (I_{جغرافیایی}ضریب آلودگی (CF) و شاخص بار آلودگی (PLI) (علی و همکاران، 2016).

شاخص بار آلودگی (PLI): کیفیت رسوب از طریق شاخص بار آلودگی ارزیابی می شود. این به عنوان ریشه n-امین ضرب فلز عامل آلودگی (CF) تعریف می شود (Islam et al., 2015b).

PLI = [ CF 1 × CF 2 × CF 3 × CF 4 … × CF n ] 1 / n

The PLI value reflects the sediment metal toxicity level. A PLO level value of 0 indicates excellence, PLO value=1 indicates baseline pollutant levels, and PLO value=>1 نشان دهنده زوال تدریجی کیفیت رسوب است.

فاکتور آلودگی (CF): این نسبت یک مقدار فلز منفرد به مقادیر پس زمینه در رسوب را نشان می دهد.

CF = پس زمینه C فلزی C

مقدار CF غنی سازی HM در رسوب را در یک دوره زمانی نظارت می کند. مقدار CF ≥6 نشان دهنده آلودگی زیاد است، 3≤ CF CF CF

شاخص انباشتگی زمین (I geo): هنگام ارزیابی سمیت آبزیان، ماتریس شاخص زمین انباشتگی (I geo) می تواند برای ارزیابی آلودگی رسوبی استفاده شود. مقادیر I geo برای رسوب با استفاده از معادله محاسبه می شود:

I geo = Log 2 C n 1. 5 B n که در آن C_nغلظت رسوب فلز n است. و ب_nمقدار ژئوشیمیایی پس زمینه عنصر n است (اسلام و همکاران، 2015a).

برخی دیگر از رویکردهای ریاضی مفید در ارزیابی بارهای سمیت فلزات سنگین در موجودات زنده که به طور غیرمستقیم بارهای آلودگی را در رسوبات اطراف استنباط می کنند، در ادامه توضیح داده می شوند (Ali et al., 2019).

نسبت بیوکنسیون (BCR): بیوكنتنتراسیون غنی سازی فلزات سمی در بافتهای مختلف بدن یك ارگانیسم نسبت به محیط/محیط اطراف را تعریف می كند.

نسبت های بیوكنتراسیون اثرات HMS سمی بر موجودات بیوتیک را ارزیابی می كنند. آنها با استفاده از فرمول محاسبه می شوند:

Bcr = C ارگانیسم C آب / رسوب

جایی که ج_{ارگانیسم}غلظت فلز (میلی گرم/کیلوگرم) در ارگانیسم مورد علاقه است. جف_ابغلظت ابتدایی (میلی گرم در لیتر) در نمونه H است₂O/sediment; and a BCR value>1 نشانگر تجمع زیستی است.

ضریب تجمع (BAC) به عنوان اندازه گیری می شود

BAC = C گیاه C آب / رسوب

جایی که ج_گیاهغلظت فلز در گیاه است. و سی_{رسوب/آب}غلظت فلز در رسوب/آب است.

فاکتور تجمع رسوب بیوتا (BSAF): BSAF به عنوان نسبت غلظت عناصر در بیوتا به غلظت رسوب همان عنصر تعریف شده است. BSAF هر عنصر به این صورت محاسبه می شود:

BSAF = C ارگانیسم C رسوب

جایی که ج_{ارگانیسم}غلظت عناصر کمیاب (میلی گرم/کیلوگرم) در موجودات مطالعه است. و سی_رسوبغلظت عناصر کمیاب (میلی گرم/کیلوگرم) در رسوب است.

A BSAF value>1 نشانگر عناصر کمبود عناصر کمیاب است.

URL: https://www. scienceirect. com/science/article/pii/b9780128216569000043

اقیانوس شناسی و محیط زیست دریایی کشور باسک

María Jesús Belzunce ،. Víctor Pérez ، در سری اقیانوس شناسی Elsevier ، 2004

12. 3. 2 روشهای عادی سازی

عادی سازی به عنوان روشی برای تصحیح هم پس زمینه و هم غلظت آلاینده تعریف می شود تا تأثیر تنوع طبیعی در گرانولومتری رسوب و ترکیب کانی شناسی را نشان دهد. رویکرد مورد استفاده به الزامات و منابع تحقیق بستگی دارد. چندین روش عادی سازی معمولاً ، از غربال ، به عنوان یک روش گرانومتریک ساده ، گرفته تا مدلهای عادی سازی ژئوشیمیایی پیچیده تر استفاده می شود.

ساده ترین روش برای عادی سازی ، مقایسه غلظت کل نمونه های سطح با سطح پس زمینه است که با استفاده از گزینه های نشان داده شده قبلاً تخمین زده می شود. باید در چنین ارزیابی ای در نظر گرفته شود که اندازه گیری مستقیم مقادیر پس زمینه ، یا در رسوبات معادل بافت یا کسری اندازه ، دقیق تر از مقادیر به دست آمده از ادبیات است. برخی از تخمین میزان آلودگی فلز در رسوبات را می توان با استفاده از شاخص آلودگی بار (LPI) ، تعریف شده توسط Tomlinson و همکاران محاسبه کرد.(1980) به عنوان میانگین هندسی عوامل غنی سازی (EF):

لب = e f 1 x e f 2 x e f 3… .. e f n 1 / n که در آن ef = c n / b n

یا با استفاده از شاخص ژئوآکولوژیک (من_{جغرافیایی}) همانطور که توسط مولر (1979) پیشنهاد شده است. این شاخص به این صورت تعریف شده است:

i geo = lo g 2 c n / 1. 5 b n

در هر دو شاخص c_nغلظت اندازه گیری شده فلز "N" ، در بخش رسوب یا اندازه است. شرح_nغلظت پس زمینه فلزی "N" را نشان می دهد ، که در ادبیات یافت می شود ، یا در رسوبات غیر آلوده از نظر بافتی معادل یا کسری اندازه اندازه گیری می شود. فاکتور 1. 5 به عبارت معرفی شده است تا تغییرات در مقادیر پس زمینه به دلیل اثرات لیتوژنیک را به خود اختصاص دهد. شاخص ژئوآکولوژیک شامل هفت درجه یا کلاس است: از بدون فشار (من_{جغرافیایی} جغرافیایی <3); moderately polluted (3 جغرافیایی <4); highly polluted (4 جغرافیایی <5); to very highly polluted (5 جغرافیایی <6). The highest-grade (6) indicates a 100-fold enrichment, above the background data. The indices and classes are listed in Table 12.3 . The I_{جغرافیایی}در ابتدا برای غلظت فلز در<2 μm fractions, together with background global standard shale values. However, several researchers have extended the above expression, to metal concentrations in <63 μm fraction and to regional background values ( Ramos et al. , 1990; Sola et al. , 1990a, b; Rubio et al. , 2000 ; and Ruiz, 2001 ). In Table 12.3 are shown the I_{جغرافیایی}مقادیر برای چندین فلز ، با استفاده از<63 μm fraction and the background shale average data. The values for Oria, Deba, and Pasaia estuaries (Gipuzkoa, N Spain) have been calculated taking into account data from the study of Arambarri et al. (2003) , together with the average shale data shown in Table 12.1 . The superficial sediments of these localities provided high I_{جغرافیایی}ارزش ها ، به ویژه برای روی ، سرب و مس. این مقادیر قابل مقایسه با سایر مناطق آلوده است (Salomons and Förstner ، 1984 ؛ Ruiz ، 2001). نتایج به دست آمده از تمرینات بین المللی بین المللی ، استفاده از یک روش عادی سازی دو لایه ، از جمله غربال مرطوب را توصیه می کند (<63 μm); this is followed by an additional geochemical co-factor normalization ( Kersten and Smedes, 2002 ).

جدول 12. 3. شاخص های جغرافیایی ، برای فلزات در رسوبات رودخانه بندر و رودخانه. کلید: 1 سالومونز و فورستنر (1984) ؛2 رویز (2001) ؛و 3 Arambarri و همکاران.(2003).

غربال به عنوان بخشی از یک روش عادی سازی اولیه ، نه تنها برای فلزات بلکه برای آلاینده های آلی پیشنهاد شده است ، زیرا این امر واریانس ناشی از اختلاف اندازه دانه را به حداقل می رساند ، همانطور که در فصل 11 نشان داده شده است. مواد معدنی رس به طور طبیعی دارای فلزی هستند و از طریق فرآیندهای جذب بالا ، محتوای آلاینده اضافی را به دست می آورند. از این رو ، محتوای خاک رس ، در رسوبات می تواند به عنوان بخشی از روش عادی سازی اولیه در نظر گرفته شود. با این حال ، جداسازی کسر خاک رس (<2 μm) is somewhat laborious and, therefore, other larger mesh sizes have been preferred. The most widespread size used is the <63 μm fraction, which divides the silt (and clay) from the sand content.

این احتمال وجود دارد که به دلیل تفاوت در ترکیب رسوبات ، واریانس باقی بماند. از این رو ، علاوه بر عادی سازی گرانولومتریک ، نتایج باید با استفاده از یک روش ژئوشیمیایی نرمال شود. دومی مبتنی بر رابطه ریاضی بین غلظت فلزات سنگین و آنهایی است که از یک عنصر محافظه کارانه نمایانگر یک بخش معدنی خاص از رسوبات است. عنصر انتخاب شده باید با ذرات ریز دانه (مربوط به اندازه دانه) همراه باشد و غلظت آن نباید از نظر انسان شناسی تغییر می کرد. چندین عنصر محافظه کارانه در تحقیقات فلزات سنگین از جمله آلومینیوم ، لیتیوم ، سزیم و آهن مورد استفاده قرار گرفته است (لورینگ و رانتالا ، 1992 ؛ هت و همکاران ، 1993 ؛ لی و همکاران ، 1998 ؛ دوهرتی و همکاران ، 2000 ؛ و Aloupi و Aloupi و AloupiAngelidis ، 2001). انتخاب مناسب ترین عنصر محافظه کارانه برای استفاده در هر منطقه باید پس از تجزیه و تحلیل دقیق شرایط غالب محلی انجام شود. فرض اصلی اتخاذ شده برای استفاده از عادی سازی ژئوشیمیایی به یک عنصر محافظه کار ، وجود یک رابطه خطی بین عنصر محافظه کار و سایر فلزات است. به طور مشابه یک رابطه خطی باید بین Normaliser و درصد رسوب ریزه شده در نمونه ها وجود داشته باشد. پس از آن ، می توان نقشه ای از غلظت فلز و محافظه کارانه رسوبات طبیعی منطقه را انجام داد. این می تواند برای ایجاد نمونه هایی که بیش از دامنه طبیعی غلظت هستند استفاده شود.

تجربه کمتری برای عادی سازی ترکیبات آلی در دسترس است. به دلیل آبگریز بودن آنها ، بین ماده آلی (OM) و آلاینده های آلی ، یک میل شدید بین ماده آلی (OM) و آلاینده های آلی وجود دارد ، اما هیچ توافقی در مورد پارامتر نماینده برای تعریف محتوای OM وجود ندارد. چندین تعاریف از این دست استفاده شده است: کل کربن آلی (TOC). کربن ارگانیک ابتدایی (EOC) ؛کربن آلی ذرات (POC) ؛و از دست دادن احتراق (LOI) ، در دماهای مختلف (Kemsten and Smedes ، 2002).

استفاده از همان نرمال کننده برای هر نظرسنجی لازم نیست. به همین ترتیب ، در هر مناسبت که داده های هر مکان فردی ارزیابی می شود ، از همان نرمال کننده استفاده نمی شود. با این وجود ، استفاده از یک روش عادی سازی مستلزم جمع آوری داده های تحلیلی با کیفیت بالا است که شرایط ژئوشیمیایی خاصی برآورده می شود ، قبل از اینکه سطح غیر عادی تشخیص داده شود (Loring and Rantala ، 1992). یکی از مضرات روش عادی سازی قبلی این است که عنصر فلز/عادی به جای غلظت مطلق ، مقدار نسبت را به دست می آورد. این می تواند با استفاده از یک عامل غنی سازی (EF) غلبه کند. برخی از نویسندگان از این عامل در رابطه با فراوانی متوسط عنصر در پوسته زمین استفاده کرده اند. با این حال ، این عبارت هنگام مقایسه با سطح پس زمینه منطقه ای مفیدتر است (لی و همکاران ، 1998 ؛ روبیو و همکاران ، 2000). اگر EF از وحدت بالاتر باشد ، نشان می دهد که این فلز در رسوب در نظر گرفته شده غنی شده است. EF با استفاده از عبارت زیر محاسبه می شود:

ef = m x n x: m bs n bs

جایی که [m] و [n] به ترتیب غلظت فلز و عنصر طبیعی هستند. X و BS نمونه و رسوبات پس زمینه را نشان می دهند.

مطالعات پیچیده تر شامل عادی سازی چند عنصر است. در این مطالعات ، مؤلفه های اصلی ، فلزات ردیابی ، اندازه دانه و پارامترهای دیگر اندازه گیری شده است. این رویکرد اجازه می دهد تا روابط بین متغیرها به صورت ماتریس همبستگی برقرار شود. پس از آن ، تجزیه و تحلیل مؤلفه اصلی (PCA) و تجزیه و تحلیل عاملی (FA) اعمال می شود ، که متغیرهای اصلی را در گروه ها (مؤلفه ها یا عوامل) که ارتباط متغیرهای بسیار همبسته هستند ، شامل می شود (کورالت و همکاران ، 1999 ؛ روبیو و همکاران ، 2000). از این رو ، متغیرهایی که بر محتوای فلز ردیابی تأثیر دارند ، ممکن است از مجموعه داده ها استنباط شوند. FA در مطالعه انجام شده توسط Arambarri و همکاران استفاده شد.(2003) در مورد رسوبات سطحی رودخانه ای از Gipuzkoa. نتایج نشان داد که چندین ارتباط بین فلزات (SN-CU-ZN-PB و CR-FE-NI) ، منابع آلودگی متفاوتی را نشان می دهد.

نتایج به دست آمده تحت برنامه نظارت بر کیفیت آب Littoral اطلاعاتی در مورد الگوی تکامل LPI جهانی ارائه می دهد ، برای کلیه فلزات مورد تجزیه و تحلیل در رسوبات هر رودخانه ساحل باسک از سال 1995 تا 2000 و همچنین تکاملLPI به دست آمده برای هر فلز مورد تجزیه و تحلیل در مدت مشابه. این داده ها در بخش 12. 5 درباره آنها اظهار نظر می شود.

URL: https://www. sciencedirect. com/science/article/pii/s0422989404800503

آلودگی خاک و آب توسط عناصر بالقوه خطرناک: تاریخچه موردی از هند

Pradip K. Govil ، Aradhi K. Krishna ، در ژئوشیمی محیط زیست (چاپ دوم) ، 2018

4. 4 آلودگی فلزی در خاک های اطراف منطقه صنعتی مانالی ، چنای

غلظت PHE (به عنوان ، BA ، CO ، CR ، CU ، NI ، MO ، PB ، SR ، V و Zn) در خاک مورد بررسی قرار گرفت تا آلودگی فلزات را به دلیل صنعتی شدن و شهرنشینی در اطراف منطقه صنعتی مانالی در چنای ، جنوبی درک کند. هند (کریشنا و گویل ، 2008). این منطقه تحت تأثیر فعالیت های صنعتی قرار گرفته و توسط صنایعی مانند پتروشیمی ، پالایشگاه ها و کودهای تولید کننده ضایعات خطرناک اشباع شده است. آلودگی خاک ها بر اساس شاخص جغرافیایی ، فاکتور غنی سازی (EF) ، فاکتور آلودگی و میزان آلودگی مورد بررسی قرار گرفت. نمونه های خاک از منطقه صنعتی مانالی از لایه 10 سانتی متری خاک جمع آوری شد. نمونه های خاک برای PHE با استفاده از یک طیف سنجی فلورسانس پرتونگاری X Philips PRO-2440 با استفاده از PHES MAGIX PRO-2440. داده ها غلظت بالایی از CR (149. 8-418. 0 میلی گرم در کیلوگرم) ، مس (22. 4-372. 0 میلی گرم در کیلوگرم) ، نیکل (11. 8-78. 8 میلی گرم در کیلوگرم) ، روی (63. 5-213. 6 میلی گرم در کیلوگرم) و MO (2. 33-15. 3 میلی گرم در کیلوگرم). غلظت سایر عناصر مشابه سطح پوسته زمین بود یا به کاهش فلز در خاک اشاره داشت (EF<1). The high EFs for some PHEs obtained in the soil samples show that there is a considerable pollution, which could be correlated with the industries. Contamination sites pose significant environmental hazards for terrestrial and aquatic ecosystems. They are important sources of pollution and may result in ecotoxicological effects on terrestrial, groundwater, and aquatic ecosystems. From this perspective, there is a need for safe waste disposal in order to minimize environmental pollution.

URL: https://www. scienceirect. com/science/article/pii/b9780444637635000239

ترکیبی از شاخص های آلودگی و شاخص ارزیابی ریسک زیست محیطی برای ارزیابی سطح آلودگی در رسوبات

وینود کومار ،. Artemi Cerda ، در فلزات سنگین در محیط ، 2021

6. 2 روش شناسی شاخص های مختلف آلودگی برای ارزیابی کیفیت رسوب

رویکردهای متنوعی برای ارزیابی آلودگی HM در رسوبات اعمال شده است. رویکردهای مختلفی که برای تعیین سطح آلودگی در رسوبات استفاده می شود در اینجا مورد بحث قرار گرفته است.

6. 2. 1 عامل آلودگی

سهم فعالیت های انسانی در افزودن HMS در رسوبات توسط فاکتور آلودگی (CF) نشان داده شده است (احمد و همکاران ، 2016). توسط هاکانسون (1980) به شرح زیر ارزیابی شد:

cf = hm s hm b

جایی که HM_حرفو HM_شرحبه ترتیب سطح فلز سنگین در رسوبات و محیط مرجع هستند. دسته بندی های مورد استفاده برای یافتن سطح CF نمونه ها در جدول 6. 1 ارائه شده است.

جدول 6. 1. نمرات کیفیت رسوب برای طبقه بندی نمونه ها بر اساس ضریب آلودگی و ضریب غنی سازی.

6. 2. 2 عامل غنی سازی

از ضریب غنی سازی (EF) برای ارزیابی میزان HMS و تأثیر احتمالی عوامل انسانی استفاده شد (کومار و همکاران ، 2019b). محاسبه EF با توجه به یک فلز استاندارد به منظور کاهش تغییرات تولید شده توسط نمونه های متنوع انجام شد. با معادله زیر مشخص شد:

e f = (h m s / f e s) / (h m b / f e b)

جایی که HM_حرفو HM_شرحغلظت فلزات سنگین در رسوبات و محیط مرجع به ترتیب ، در حالی که آهن است_حرفو آهن_شرحمیزان آهن در رسوبات و محیط مرجع به ترتیب است. نمرات مورد استفاده برای طبقه بندی نمونه های مبتنی بر EF در جدول 6. 1 ذکر شده است.

6. 2. 3 شاخص جغرافیایی

شاخص جغرافیایی (من_{جغرافیایی}) توسط مولر (1969) به شرح زیر اندازه گیری شد:

i g e o = log 2 × c n 1. 5 × b n

جایی که ج_nو ب_nبه ترتیب محتوای HM در نمونه ها و محیط مرجع هستند. بر اساس این شاخص ، مولر (1969) سطح آلودگی را به هفت درجه تقسیم کرد (جدول 6. 2).

جدول 6. 2. من_{جغرافیایی}شاخص برای فلزات سنگین در رسوبات.

6. 2. 4 شاخص آلودگی و شاخص آلودگی اصلاح شده

شاخص آلودگی (PI) بر اساس میانگین (CF) است_{در حال}) و حداکثر (cf_حداکثر) مقادیر CF یک HM فردی. این کیفیت رسوب را ارزیابی می کند و توسط Nemerow (1991) به شرح زیر محاسبه شده است:

pi = (c f av) 2 + (c f max) 2 2

جایی که CF_{در حال}و CF_حداکثرمقادیر متوسط و حداکثر فاکتور آلودگی هستند.

شاخص آلودگی اصلاح شده (MPI) به EF بستگی دارد و رفتار غیر حامی HMS را نشان می دهد. توسط معادله زیر محاسبه شده است:

mpi = (e f av) 2 + (e f max) 2 2

جایی که EF_{در حال}و EF_حداکثرمقادیر متوسط و حداکثر ضریب غنی سازی هستند. معیارهای استفاده شده برای طبقه بندی رسوبات بر اساس PI و MPI در جدول 6. 3 ارائه شده است.

جدول 6. 3. دسته بندی کیفیت رسوب برای طبقه بندی رسوبات بر اساس PI و MPI.

6. 2. 5 ارزیابی ریسک اکولوژیکی توسط شاخص ریسک بالقوه اکولوژیکی و شاخص ریسک بالقوه زیست محیطی اصلاح شده

شاخص ریسک (RI) توسط هاکانسون (1980) و براساس ضریب آلودگی هر HM شرح داده شد. توسط معادله محاسبه شد:

ri = tr × cf

جایی که TR عامل پاسخ سم شناسی HMS خاص است. به عنوان مثال ، TR برای CU ، CO ، NI و PB 5 ، برای منگنز و روی 1 است ، زیرا As و Cr 2 است و برای CD 30 است.

شاخص ریسک زیست محیطی بالقوه اصلاح شده (MRI) به EF HM بستگی دارد و توضیحی از HMS در دسترس برای RI ارائه می دهد (وانگ و همکاران ، 2012). MRI توسط معادله تعیین شد:

MRI = tr × ef

نمرات مورد استفاده برای طبقه بندی کیفیت رسوب بر اساس مقادیر RI و MRI در جدول 6. 4 ارائه شده است.

جدول 6. 4. طبقه بندی (ER و Mer) و شاخص اکولوژیکی بالقوه برای کیفیت رسوب.

URL: https://www. scienceirect. com/science/article/pii/b9780128216569000067

وضعیت آلودگی فلزات سنگین در آبهای سطح یونان: بررسی با کاربرد و ارزیابی شاخص های آلودگی

ioannis karaouzas ،. Nikolaos Skoulikidis ، در Chemosphere ، 2021

2. 6. 2 شاخص جغرافیایی (من_{جغرافیایی})

شاخص جغرافیایی (من_{جغرافیایی}؛مولر ، 1979) هفت کلاس آلودگی مختلف را ارائه می دهد ، که بین رسوبات عملا غیر آلوده ، به رسوبات بسیار آلوده ، متفاوت است ، همانطور که در جدول 6 ظاهر می شود و به شرح زیر محاسبه می شود:

Eq. (8) i g e o = log 2 c n 1. 5 b n

I_{جغرافیایی}- شاخص جغرافیایی ؛جف_n- غلظت فلز مورد نظر در رسوبات پایین. شرح_n- پیشینه ژئوشیمیایی برای فلز مورد نظر ؛1. 5 - ضریب ابراز تنوع طبیعی در محتوای فلز مورد نظر در محیط (ماچوفسکی و همکاران ، 2019).

من_{جغرافیایی}محاسبات همه در جدول S5 ارائه شده است. من_{جغرافیایی}مقادیر بالای 2. 0 ، که نشان می دهد رسوبات متوسط به شدت آلوده ، از اهمیت زیادی برخوردار هستند.

سطح پس زمینه را می توان با: (الف) مقادیر پوسته ، که نشان دهنده ترکیب متوسط سنگهای سطحی در معرض هوازدگی است ، تخمین زده شود.(ب) میانگین غلظت فلز رسوبات معادل بافتی که در ادبیات گزارش شده است.(ج) اندازه گیری مستقیم غلظت فلز در رسوبات متناسب با بافت و کانی شناسی اخیر از یک منطقه بکر شناخته شده ، و (د) اندازه گیری مستقیم غلظت فلز در نمونه های هسته زیر سطح متناسب با یک معادل متناسب از عمق زیر هرگونه آلودگی یا بیولوژیکی احتمالیمخلوط کردن (لورینگ و رانتالا ، 1992 ؛ سوتو-جیمز ، 2001).

URL: https://www. sciencedirect. com/science/article/pii/s0045653520323870

مروری بر آلودگی فلزات سنگین خاک از معادن در چین: آلودگی و ارزیابی ریسک سلامت

Zhiyuan Li ،. لی هوانگ ، در علوم کل محیط ، 2014

2. 2 شاخص جغرافیایی

شاخص جغرافیایی (من_{جغرافیایی}) توسط مولر (مولر ، 1969) معرفی شد و به طور گسترده در مطالعات فلزی ردیابی اروپا به کار گرفته شده است (جی و همکاران ، 2008). با مقایسه تفاوت بین غلظت های فعلی و پیش تولید ، ارزیابی آلودگی محیطی را امکان پذیر می کند. در ابتدا با رسوبات پایین رودخانه مورد استفاده قرار می گیرد ، همچنین می تواند برای ارزیابی آلودگی خاک اعمال شود (Loska et al. ، 2004). در این مطالعه ، من_{جغرافیایی}برای خاک معادن مورد بررسی با استفاده از معادله زیر محاسبه شد:

(1) i geo = log 2 c n / 1. 5 b n

جایی که ج_nغلظت اندازه گیری شده هر فلز سنگین موجود در خاک معدن (میلی گرم در کیلوگرم) و B است_nمقدار پس زمینه ژئوشیمیایی فلزات سنگین موجود در خاک (میلی گرم/کیلوگرم) است که در جدول S5 آورده شده است (CNEMC ، مرکز ملی نظارت بر محیط زیست چین ، 1990). ثابت 1. 5 به دلیل تغییرات احتمالی در داده های پایه استفاده می شود (Loska et al. ، 2004 ؛ Solgi et al. ، 2012). شاخص جغرافیایی از 7 کلاس یا نمره (جدول 1) تشکیل شده است ، به موجب آن بالاترین کلاس 6 نشان دهنده غنی سازی 100 برابر بالاتر از مقادیر پس زمینه است (Forstner et al. ، 1990). من_{جغرافیایی}مقادیر فلزات سنگین معادن مورد بررسی در جدول S6 ذکر شده است.

میز 1 . هفت کلاس متشکل از شاخص جغرافیایی.