| تعداد نشریات | 285 |
| تعداد نشریات سازمان | 83 |
| تعداد شمارهها | 3,115 |
| تعداد مقالات | 34,688 |
| تعداد مشاهده مقاله | 49,906,947 |
| تعداد دریافت فایل اصل مقاله | 80,224,960 |
برآورد احتمال وقوع آلودگی نیترات آب زیرزمینی با استفاده از الگوریتم تقویت گرادیان شدید | ||
| پژوهش های آبخیزداری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 31 شهریور 1404 | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/wmrj.2025.370560.1631 | ||
| نویسندگان | ||
| مهدی هاشمی* 1؛ علی دسترنج2 | ||
| 1سازمان تجقیقات، آموزش و ترویج کشاورزی | ||
| 2سازمان تحقیقات، آموزش و ترویج کشاورزی | ||
| چکیده | ||
| آبهای زیرزمینی به عنوان یک منبع حیاتی آب شیرین، نقشی اساسی در تأمین نیازهای شرب، کشاورزی و صنعتی در بسیاری از مناطق خشک و نیمهخشک جهان دارند. با این حال، افزایش فعالیتهای انسانی و صنعتی، منجر به تشدید آلودگی این منابع ارزشمند شده است. در این میان، آلودگی ناشی از نیترات، به دلیل حلالیت بالا و تحرک زیاد در آب، به عنوان یکی از جدیترین تهدیدات برای سلامت انسان و اکوسیستمهای آبی شناخته میشود. مصرف آب آلوده به نیترات میتواند منجر به بروز بیماریهای مختلفی از جمله متهموگلوبینمی (سندرم نوزاد آبی) در نوزادان و حتی برخی از سرطانها در بزرگسالان شود. علاوه بر این، ورود نیترات به آبهای سطحی میتواند به پدیده اوتروفیکاسیون و تخریب زیستبومهای آبی منجر گردد. با توجه به اهمیت موضوع و ضرورت حفاظت از منابع آب زیرزمینی، این پژوهش با هدف توسعه یک چارچوب یکپارچه و جامع برای برآورد احتمال وقوع آلودگی آبهای زیرزمینی، به ویژه با تمرکز بر آلاینده نیترات، در منطقه دشت لنجانات واقع در استان اصفهان ایران انجام شد. این چارچوب با استفاده از رویکردهای نوین مدلسازی و تحلیل فضایی، به شناسایی مناطق مستعد آلودگی و ارائه راهکارهای مدیریتی مؤثر جهت کاهش خطرات ناشی از آلودگی آبهای زیرزمینی کمک خواهد کرد. نتایج حاصل از این پژوهش میتواند مبنایی برای برنامهریزیهای آتی در زمینه مدیریت پایدار منابع آب و حفاظت از سلامت جامعه باشد. در این مطالعه، به بررسی دقیق دادههای مربوط به غلظت نیترات در منابع آب زیرزمینی پرداخته شد. بدین منظور، اطلاعات حیاتی از ۱۰۲ حلقه چاه در دشت لنجانات استان اصفهان جمعآوری گردید که هر یک نمایندهای از وضعیت نیترات در سفرههای آب زیرزمینی منطقه مورد مطالعه بودند. برای تحلیل این حجم از دادهها و استخراج الگوهای پنهان در آنها، از مدل تقویت گرادیان شدید استفاده شد. این مدل به دلیل توانایی بالای آن در شناسایی روابط پیچیده و غیرخطی بین متغیرها و نیز عملکرد و دقت قابل قبول آن در پیشبینی انتخاب شد. علاوه بر دادههای غلظت نیترات، ده عامل محیطی و انسانی کلیدی که به طور بالقوه بر آلودگی نیترات در آبهای زیرزمینی تأثیرگذار هستند، شناسایی و در مدل تحلیلی لحاظ شدند. این عوامل شامل شیب زمین، ارتفاع، تراکم زهکشی، شاخص رطوبت توپوگرافی، رده خاک، فاصله از آبراهه، نوع سنگشناسی منطقه و کاربری اراضی بودند. با گنجاندن این هشت عامل در مدل تقویت گرادیان شدید، شناسایی مهمترین عوامل مؤثر بر آلودگی نیترات و همچنین برآورد مکانی میزان احتمال آلودگی نیترات در آبهای زیرزمینی میسر شد. نتایج اثربخشی و کارایی تقویت گرادیان شدید را در برآورد آلودگی نیترات در آبهای زیرزمینی به وضوح نشان داد. این مدل، با دستیابی به دقت کلی 86/0، توانست به خوبی وضعیت آلودگی را در سطح منطقه مورد مطالعه تفکیک کند. علاوه بر این، سایر معیارهای ارزیابی عملکرد مدل نیز حاکی از توانایی بالای آن در شناسایی صحیح موارد آلوده و غیرآلوده بود؛ به طوری که مقدار سطح زیر منحنی ROC برابر با 85/0 بود. همچنین، بازیابی مدل با مقدار 80/0 بیانگر این است که مدل توانسته 80 درصد از کل موارد آلوده واقعی را به درستی تشخیص دهد. در نهایت، آماره F1-score که یک معیار ترکیبی از دقت و بازیابی است، با مقدار 83/0، نشاندهنده تعادل خوب بین این دو معیار و عملکرد کلی قابل اعتماد مدل است. تحلیل حساسیت مدل نشان داد که برخی از متغیرهای ورودی، تأثیر بسزایی در روند برآورد مکانی آلودگی نیترات آب زیرزمینی داشتهاند. در میان ده عامل محیطی و انسانی مورد بررسی، متغیرهای بارش (21%) و تغییرات ارتفاعی (18%) به عنوان اثرگذارترین و مهمترین متغیرها در تعیین الگوی مکانی آلودگی نیترات شناخته شدند. این یافتهها اهمیت خصوصیات طبیعی و ژئومورفولوژیکی منطقه را در کنترل انتشار و تجمع نیترات در آبهای زیرزمینی برجسته میسازد و میتواند راهنمای مفیدی برای مطالعات آتی و تدوین راهبردهای مدیریتی هدفمند باشد. یکی از دستاوردهای مهم این مطالعه، تولید نقشههای خطر بود که به وضوح مناطق با ریسک بالای آلودگی نیترات را در بخش مرکزی دشت مورد مطالعه مشخص کردند. این نقشهها، ابزار ارزشمندی برای مدیران منابع آب و برنامهریزان شهری و روستایی فراهم میآورند تا اقدامات پیشگیرانه و کنترلی را در مناطق حساس متمرکز کنند. جالب توجه آنکه، همپوشانی معنادار این مناطق پرخطر با کاربری اراضی کشاورزی، به طور قاطعانه نقش فعالیتهای انسانی را در افزایش خطر آلودگی نیترات تأیید کرد. این یافته، بر لزوم مدیریت پایدار فعالیتهای کشاورزی (مانند استفاده بهینه از کودهای نیتروژنی) برای حفاظت از منابع آب زیرزمینی تأکید میکند. | ||
| کلیدواژهها | ||
| آب زیرزمینی؛ دشت لنجانات؛ نیترات؛ احتمال وقوع؛ XGBoost | ||
| عنوان مقاله [English] | ||
| Estimating the probability of occurrence of nitrate pollution in groundwater using the extreme gradient boosting algorithm | ||
| نویسندگان [English] | ||
| Mehdi Hashemi1؛ Ali Dastranj2 | ||
| 1AREEO | ||
| 2AREEO | ||
| چکیده [English] | ||
| Groundwater, as a vital source of fresh water, plays a fundamental role in supplying drinking, agricultural, and industrial needs in many arid and semi-arid regions worldwide. However, increased human and industrial activities have led to the exacerbation of pollution in these valuable resources. Among these, nitrate pollution, due to its high solubility and mobility in water, is recognized as one of the most serious threats to human health and aquatic ecosystems. Consumption of nitrate-contaminated water can lead to various diseases, including methemoglobinemia (blue baby syndrome) in infants and even some cancers in adults. Furthermore, the entry of nitrates into surface waters can result in eutrophication and the degradation of aquatic ecosystems. Given the importance of the issue and the necessity of protecting groundwater resources, this research was conducted with the aim of developing an integrated and comprehensive framework for predicting the probability of groundwater pollution, especially with a focus on nitrate contaminant, in the Lenjanat Plain region located in Isfahan Province, Iran. This framework, using novel modeling and spatial analysis approaches, will help identify areas susceptible to pollution and provide effective management solutions to reduce the risks associated with groundwater contamination. The results of this research can serve as a basis for future planning in the sustainable management of water resources and the protection of community health. This study meticulously investigated nitrate concentration data in groundwater sources. To this end, crucial information was collected from 102 wells, each representing the nitrate status in the groundwater aquifers of the studied region. To analyze this extensive dataset and extract hidden patterns, the Extreme Gradient Boosting was employed. This model was chosen due to its high capability in identifying complex and non-linear relationships between variables, as well as its acceptable prediction precision. In addition to nitrate concentration data, ten key environmental and anthropogenic factors potentially influencing nitrate contamination in groundwater were identified and incorporated into the analytical model. These factors included land slope, elevation, drainage density, topographic wetness index, soil order, distance from streams, lithology, and land use. By integrating these eight factors into the Extreme Gradient Boosting model, it was possible to identify the most significant factors affecting nitrate contamination and also to spatially predict the probability of nitrate contamination in groundwater. The results of this study clearly demonstrated the effectiveness and efficiency of the Extreme Gradient Boosting in predicting nitrate contamination in groundwater. This model, with an overall precision of 0.86, was able to distinguish the contamination status across the studied area. In addition, other performance evaluation criteria of the model also indicated its high ability to correctly identify contaminated and uncontaminated cases; so that the area under the ROC curve was equal to 0.85. Also, recall metric with a value of 0.80 indicates that the model was able to correctly identify 80% of all real infected cases. Finally, the F1-score statistic, which is a combined measure of precision and recall, with a value of 0.83, indicates a good balance between these two measures and the overall reliable performance of the model. Sensitivity analysis of the model revealed that some input variables had a significant impact on the spatial prediction process of groundwater nitrate contamination. Among the ten environmental and anthropogenic factors examined, precipitation and elevation changes were identified as the most influential and important variables in determining the spatial pattern of nitrate contamination. These findings highlight the importance of natural and geomorphological characteristics of the region in controlling the dispersion and accumulation of nitrates in groundwater and can serve as a useful guide for future studies and the development of targeted management strategies. One of the significant achievements of this study was the generation of hazard maps, which clearly delineated areas with high nitrate contamination risk in the central part of the studied plain. These maps provide valuable tools for water resource managers and urban and rural planners to focus preventive and control measures on sensitive areas. Notably, the significant overlap of these high-risk areas with agricultural land use unequivocally confirmed the role of human activities in increasing the risk of nitrate contamination. This finding emphasizes the necessity of sustainable management of agricultural activities (such as optimal use of nitrogen fertilizers) to protect groundwater resources. | ||
| کلیدواژهها [English] | ||
| Groundwater, Lenjanat Plain, Nitrate, Occurrence Probability, XGBoost | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 302 |
||