بررسی غلظت مس در منابع آب زیرزمینی دشت رزن استان همدان
Publish place: The first electronic congress of new findings in the environment and agricultural ecosystems
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 458
This Paper With 10 Page And PDF and WORD Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGROCONGRESS01_463
تاریخ نمایه سازی: 16 خرداد 1394
Abstract:
هدف:ایران در کمربند خشک و نیم خشک جهان قرار گرفته و بیشتر آب شیرین مورد نیاز در کشور از منابع آب زیرزمینی تامین می شود. با توجه به آلودگی روز افزون منابع آب قابل بهره برداری و اهمیت پایش مداوم آن ها، این پژوهش با هدف ارزیابی غلظت عنصر مس منابع آب زیرزمینی دشت رزن و تهیه نقشه توزیع مکانی این عنصر در طی فصول بهار و تابستان 1391 انجام یافت. روش: به طور تصادفی از 20 حلقه چاه در سطح دشت نمونه برداری و پارامترهای pH و دما در محل اندازه گیری شد. غلظت مس در نمونه ها بعد از طی مراحل آماده سازی آزمایشگاهی توسط دستگاه نشر اتمی قرائت شد. نتیجه تحقیق:نتایج نشان داد که میانگین غلظت عنصر مس نمونه ها در فصول بهار و تابستان به ترتیب برابر با 21/2±10/32 ، 63/3±55/25 ppb می باشد. نتایج مقایسه میانگین غلظت تجمع یافته عنصر مس با رهنمود WHO بیانگر آن است که میانگین غلظت این عنصر کم تر از استاندارد می باشد. نتایج مقایسه تغییرات میانگین غلظت مس بین فصول، بیانگر فقدان اختلاف معنی دار است (05/0>p). همچنین نتایج تعیین همبستگی بین pH و دمای آب با میانگین غلظت تجمع یافته این عنصر در نمونه ها بیانگر عدم همبستگی بین پارامترها با غلظت تجمع یافته مس است.می توان اذعان نمود گرچه در حال حاظر منابع آب زیرزمینی دشت رزن در معرض آلودگی بیش از حد مجاز به عنصر مس نیست، اما استفاده بی رویه و طولانی مدت از نهاده های کشاورزی و همچنین استقرار صنایع آلاینده می تواند ضمن تهدید منابع آب زیرزمینی این منطقه، تبعات غیر قابل جبرانی را نیز به دنبال داشته باشد.
Keywords:
Authors
هاله اسدی
دانش آموخته کارشناسی ارشد محیط زیست، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد همدان. همدان.استاد دانشگاه پیام نورواحد بهار
نواب قبادی
عضو هیئت علمی دانشگاه پیام نور صندوق پستی ۱۹۳۹۵۳۶۹۷ تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :