اشتقاق و اعتبارسنجی توابع انتقالی طیفی برای پیش‌بینی غلظت برخی فلزات سنگین در محدوده طیف مرئی تا مادون قرمز

سابقه و هدف ارتباط مستقیم بین افزایش غلظت فلزات سنگین خاک و ابتلا به سرطان‌های مختلف برای افرادی که در معرض آلودگی این فلزات هستند، توسط محققان مختلفی گزارش شده است. بنابراین پایش سریع و دوره‌ای گسترش مکانی این فلزات، بسیار با اهمیت است. اگرچه روش-های معمول اندازه‌گیری غلظت فلزات سنگین خاک که مبتنی بر روش هضم در اسیدهای غلیظ و قرائت توسط دستگاه ICP-OES و یا AAS انجام می‌گیرد از دقت کافی برخوردار است، این روش‌ها عمدتاً وقت‌گیر و پرهزینه بوده و نیاز به مواد شیمیایی و کارشناسان آموزش دیده دارند. توسعه روش‌های اسپکتروسکوپی در دامنه طیف‌های مرئی تا مادون قرمز نزدیک می‌تواند روش جایگزین مناسبی برای انجام تخمین محتوی فلزات سنگین خاک باشد. این روش جز روش‌های غیرتخریبی تقسیم بندی شده، احتیاج به حداقل آماده‌سازی نمونه پیش از انجام آزمایش داشته و نیازمند به استفاده از هیچ گونه مواد شیمیایی( خطرناک ) نیست. همچنین قرائت‌های این روش حداکثر چند ثانیه طول کشیده و همزمان می‌توان چندین ویژگی خاک را از یک قرائت تخمین زد. اطلاعات چندانی در زمینه استفاده از بازتاب‌های طیفی در تخمین فلزات سنگین آرسنیک و مولیبدن با استفاده از بازتاب‌های طیفی در محدوده مادون قرمز نزدیک و میانی در کشور وجود ندارد. بنابراین هدف این پژوهش بررسی قابلیت شبکه های عصبی مصنوعی در تخمین غلظت این عناصر بر اساس مطالعه بازتاب‌های طیفی در محدوده مادون قرمز نزدیک و میانی است. مواد و روش‌ها تعداد 58 نمونه سطحی از جزیره هرمز جمع‌آوری و غلظت فلزات سنگین مولیبدن و آرسنیک با استفاده از روش هضم چهار اسید (16) و توسط دستگاه ICP-OES تعیین شد. به منظور ‌اندازه‌گیری داده‌های طیفی نمونه‌های خاک، از دستگاه اسپکترورادیومتر زمینی(Field Spec 3, Analytical Spectral Device, ASD Inc) استفاده و بازتاب طیفی نمونه‌های سطحی در محدوده مادون قرمز نزدیک و میانی به دست آمد. سپس با استفاده از روش شبکه عصبی مصنوعی اقدام به استخراج توابع انتقالی طیفی و تخمین غلظت فلزات آرسنیک و مولیبدن گردید. یافته‌ها نتایج نشان داد که روش شبکه عصبی مصنوعی دارای قابلیت بالا در تخمین غلظت فلزات سنگین مورد مطالعه با استفاده از داده‌های طیفی می‌باشد. مقادیر ضریب همبستگی(R2) برای هر دو عنصر، مطلوب و بیشتر از 9/0 بوده است که نشان‌دهنده همراستایی بالای داده های واقعی و پیش‌بینی شده توسط مدل شبکه عصبی برای پیش‌بینی فلزات سنگین مورد مطالعه بوده است، در عین‌حال نتایج حاصل از سایر شاخص‌ها نشان داد که توانایی شبکه عصبی مصنوعی برای پیش‌بینی غلظت مولیبدن بهتر از آرسنیک بوده است، به طوری که نتایج نشان داد که مقدار خطای باقی مانده برای این عنصر کم (CRM=0.11)، ضریب آکائیک منفی(AIC=-345.8) و کارایی مدل‌سازی برای این عنصر نزدیک به یک بوده است (EF=0.97). نتیجه گیری در این تحقیق از بازتابش‌های طیفی در محدوده مادون قرمز در تخمین محتوای مولیبدن و آرسنیک خاک استفاده شد. همچنین شبکه های عصبی مصنوعی به عنوان ابزار برقراری ارتباط بین بازتابش‌های طیفی و میزان فلزات سنگین به کار گرفته شد. بطور کلی نتایج نشان داد که روش شبکه عصبی مصنوعی می‌تواند به عنوان روشی کارا در اشتقاق توابع انتقالی طیفی و تخمین قابل اعتماد غلظت مولیبدن و آرسنیک در غلظت‌های بالا به کار گرفته شود.