مدل‌سازی تغییرات غلظت هیدروکربن‌های نفتی در عمق‌های گوناگون خاک آلوده طی فرایند گیاه‌پالایی با استفاده از منطق فازی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دکتری علوم محیط‌زیست، دانشکدۀ کشاورزی و منابع طبیعی، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران

2 استاد، دانشکدۀ مهندسی عمران، دانشگاه صنعتی خواجه نصیر طوسی، تهران، ایران

3 استادیار، دانشکده کشاورزی، دانشگاه ولی عصر (عج) رفسنجان، رفسنجان، ایران

چکیده

گیاه‌پالایی یکی از روش‌های زیستی ارزان، مؤثر و دوستدار محیط‌زیست برای کاهش آلودگی‌های نفتی خاک است، اما اندازه‌گیری کمّی غلظت هیدروکربن‌های نفتی خاک‌های آلوده طی این فرایند مشکل، وقت‌گیر و هزینه‌بر است. بنابراین، استفاده از مدلی که به محدودیت‌های موجود، صورت‌‌بندی ریاضی ببخشد و آن‌‌ها را رفع کند، بسیار مفید خواهد بود. لذا در این پژوهش، غلظت هیدروکربن‌‌های نفتی در ستون خاک طی فرایند گیاه‌‌پالایی با استفاده از منطق فازی مدل‌‌سازی شد. بدین‌منظور ستون‌‌هایی به ارتفاع 130 سانتی‌‌متر از خاک آلوده به ترکیبات نفتی جمع‌‌آوری‌شده از اطراف مخازن نفت پالایشگاه اصفهان، تهیه و بذر دو گونۀ گیاهی سورگوم و جو در 3 تکرار کشت شد. پس از گذشت 17 هفته، غلظت هیدروکربن‌‌های نفتی در اعماق 25، 50، 75 و 100 سانتی‌‌متری ستون‌‌های خاک تعیین شد. با استفاده از روش منطق فازی با تعریف دو ورودی عمق و زمان و مشخص‌کردن توابع عضویت و قوانین فازی برای سه تیمار جو، سورگوم و شاهد، غلظت هیدروکربن‌‌های نفتی در عمق‌‌های گوناگون خاک طی فرایند گیاه‌‌پالایی مدل‌‌سازی شد. نتایج مدل فازی با مقادیر اندازه‌‌گیری‌شده مطابقت خوبی داشتند. بنابراین، استفاده از روش منطق فازی برای مدل‌‌سازی تغییرات غلظت آلاینده‌‌ها طی فرایند گیاه‌‌پالایی برای سایر مناطق آلوده پیشنهاد می‌‌شود.

کلیدواژه‌ها


بسالت‌پور، ع. ا.، حاج‌عباسی، م. ع.، خوش‌گفتارمنش، ا. م.، شیخ‌الاسلام، و. 1390. «تصمیم‌‌گیری فازی براساس الگوریتم ژنتیک برای انتخاب گیاه مناسب جهت گیاه پالایی خاک‌‌های آلوده به هیدروکربن‌‌های نفتی»، مجلۀ پژوهشهای خاک (علوم خاک و آب)، شمارۀ 25، صص 61-70.

Black, C.A., Evans, D.D., White, J.L., Ensminger, L.E. and Clark, F.E. 1965. Methods of soil analysis. Part 2. American Society of Agronomy, Madison, Wis.

 

Bremner, J. and Mulvaney, C. 1982. Nitrogen total. Methods of Soil Analysis. Part 2. Chemical and Microbiological Properties, pp. 595-624.

 

Chaineau, C.H., Morel, J.L. and Oudot, J. 1997. Phytotoxicity and plant uptake of fuel oil hydrocarbons, Journal of Environmental Quality, 26(6): pp.1478-1483.‏

 

Cheema, S.A., Khan, M.I., Tang, X., Zhang, C., Shen, C., Malik, Z., Ali, S., Yang, J., Shen, K., Chen, X. and Chen, Y. 2009. Enhancement of phenanthrene and pyrene degradation in rhizosphere of tall fescue (Festuca arundinacea), Journal of Hazardous Materials, 166(2): pp.1226-1231.

 

Fang, C., Radosevich, M. and Fuhrmann, J.J. 2001. Atrazine and phenanthrene degradation in grass rhizosphere soil, Soil Biology and Biochemistry, 33(4): pp.671-678.‏

 

Fisher, B. 2003. Fuzzy environmental decision-making: applications to air pollution, Atmospheric Environment, 37(14): pp. 1865-1877.

 

Gong, L. and Jin, C. 2009. Fuzzy comprehensive evaluation for carrying capacity of regional water resources, Water resources management, 23(12): pp. 2505-2513.

 

Haiyan, W. 2002. Assessment and prediction of overall environmental quality of Zhuzhou City, Hunan Province, China, Journal of Environmental Management, 66(3): pp. 329-340.

 

Hutchinson, S.L., Banks, M.K. and Schwab, A.P. 2001. Phytoremediation of aged petroleum sludge, Journal of Environmental Quality, 30(2): pp. 395-403.

 

ISO (International Organization for Standardization). 2006. Soil quality-Determination of polycyclic aromatic hydrocarbons (PAH) - Gas chromatographic method with mass spectrometric detection (GC-MS), ISO 18287:2006, International Organization for Standardization, Geneva.

 

Kamath, R., Rentz, J.A., Schnoor, J.L. and Alvarez, P.J.J. 2004. Phytoremediation of hydrocarbon-contaminated soils: principles and applications, Studies in surface science and catalysis, 151: pp. 447-478.

Lermontov, A., Yokoyama, L., Lermontov, M. and Machado, M.A.S. 2009. River quality analysis using fuzzy water quality index: Ribeira do Iguape river watershed, Brazil, Ecological Indicators, 9(6): pp. 1188-1197.

 

Liste, H.H. and Alexander, M. 2000. Accumulation of phenanthrene and pyrene in rhizosphere soil, Chemosphere, 40(1): pp. 11-14.

 

Liu, L., Zhou, J., An, X., Zhang, Y. and Yang, L. 2010. Using fuzzy theory and information entropy for water quality assessment in Three Gorges region, China, Expert Systems with Applications, 37(3): pp. 2517-2521.

 

Lu, X., Li, L.Y., Lei, K., Wang, L., Zhai, Y. and Zhai, M. 2010. Water quality assessment of Wei River, China using fuzzy synthetic evaluation, Environmental Earth Sciences, 60(8): pp. 1693-1699.

 

Mirabbasi, R., Mazloumzadeh, S.M. and Rahnama, M.B. 2008. Evaluation of irrigation water quality using fuzzy logic, Research Journal of Environmental Sciences, 2(5): pp. 340-352.

 

Muhammetoglu, A. and Yardimci, A. 2006. A fuzzy logic approach to assess groundwater pollution levels below agricultural fields, Environmental monitoring and assessment, 118(1-3): pp. 337-354.

 

Newman, L.A. and Reynolds, C.M. 2005. Bacteria and phytoremediation: new uses for endophytic bacteria in plants, Trends in Biotechnology, 23(1): pp. 6-8.

 

Ocampo-Duque, W., Ferre-Huguet, N., Domingo, J.L. and Schuhmacher, M. 2006. Assessing water quality in rivers with fuzzy inference systems: A case study, Environment International, 32(6): pp. 733-742.

 

Olsen, S.R. and L.E. Sommers. 1982. Phosphorus. In: Methods of soil analysis, Part 2, pp. 403-431 American Society of Agronomy, Madison, Wis.

 

Onkal-Engin, G., Demir, I. and Hiz, H. 2004. Assessment of urban air quality in Istanbul using fuzzy synthetic evaluation, Atmospheric Environment, 38(23): pp. 3809-3815.

 

Peng, S., Zhou, Q., Cai, Z. and Zhang, Z. 2009. Phytoremediation of petroleum contaminated soils by Mirabilis Jalapa L. in a greenhouse plot experiment, Journal of Hazardous Materials, 168(2): pp. 1490-1496.

 

Pourghasemi, H.R., Moradi, H.R., Fatemim Aghda, S.M., Mahdavifar, M.R.  and Mohammdi, M. 2009. Landslide Hazard Assessment Using Fuzzy Multi Criteria Decision-Making Method, Iranian journal of Watershed Management Science & Engineering, 3(8): pp. 51-63.

 

Shu, C. and Burn, D.H. 2004. Homogeneous pooling group delineation for flood frequency analysis using a fuzzy expert system with genetic enhancement, Journal of Hydrology, 291(1): pp. 132-149.

 

Smith, M.J., Flowers, T.H., Duncan, H.J. and Alder, J. 2006. Effects of polycyclic aromatic hydrocarbons on germination and subsequent growth of grasses and legumes in freshly contaminated soil and soil with aged PAHs residues, Environmental Pollution, 141(3): pp. 519-525.‏

 

Sowlat, M.H., Gharibi, H., Yunesian, M., Tayefeh Mahmoudi, M. and Lotfi, S. 2011. A novel, fuzzy-based air quality index (FAQI) for air quality assessment, Atmospheric Environment, 45(12): pp. 2050-2059.

 

Tang, J., Lu, X., Sun, Q.  and Zhu, W. 2012. Aging effect of petroleum hydrocarbons in soil under different attenuation conditions, Agriculture, Ecosystems & Environment, 149: pp. 109-117.

 

Wang, J., Lu, X., Tian, J. and Jiang, M. 2008. Fuzzy synthetic evaluation of water quality of Naoli River using parameter correlation analysis, Chinese Geographical Science, 18(4): pp. 361-368.

 

Zadeh, L.A. 1971. Quantitative fuzzy semantics. Information sciences, 3(2): pp. 159-176.

 

Zhao, Y.W. and Yang, Z.F. 2009. Integrative fuzzy hierarchical model for river health assessment: A case study of Yong River in Ningbo City, China, Communications in Nonlinear Science and Numerical Simulation,14(4): pp. 1729-1736.