ارزیابی و رتبه بندی مخاطره فلزات سنگین در رسوبات معدن مس سرچشمه با استفاه از روش های FDAHP و ELECTRE

علوم و تکنولوژی محیط زیست، دوره هجدهم، ویژه نامه شماره2، پاییز 1395

ارزیابی و رتبه­بندی مخاطره فلزات سنگین در رسوبات معدن مس سرچشمه

با استفاه از روش­های FDAHP و ELECTRE

محمد رضا توکلی محمدی [1]*

r.tavakoli @acecr.ac.ir

علی رضایی [2]

محمد حیاتی [3]

حسین حسنی[4]

چکیده

زمینه و هدف: فلزات سنگین به دلیل پایداری، تجزیه ناپذیری و مشکلات دسترس­پذیری زیستی، از آلاینده­های مهم و خطرناک محیط­زیست به شمار می­روند. رسوبات معدن مس سرچشمه ایران، حاوی غلظت­های بالایی از این آلاینده­ها می­باشد. هدف اول این پژوهش، ارزیابی مخاطره زیست محیطی فلزات سنگین این رسوبات با تعیین شاخص­ ضریب آلودگی، شاخص بار آلودگی، شاخص غنی­شدگی و شاخص زمین­انباشتگی و هدف دوم، رتبه­بندی این فلزات بر اساس میزان بحرانیت با استفاده از روش­های تصمیم­گیری چند شاخصه است.

روش بررسی: در این تحقیق، ابتدا با تعیین شاخص­های ارزیابی مخاطره به بررسی میزان آلودگی فلزات سنگین (Co، Cu، Mo، Zn، Cr، Mn، Ni، Pb، Ti و Fe) در رسوبات معدن مس سرچشمه منتهی به سد باطله پرداخته شده است. در ادامه، با جمع آوری نظرات خبرگان در خصوص میزان اهمیت نسبی هر کدام از شاخص­های یاد شده و تعیین وزن نهایی شاخص­ها با استفاده از فرایند تحلیل سلسله مراتبی دلفی فازی، رتبه­بندی و خوشه­بندی فلزات سنگین رسوبات در منطقه مورد مطالعه، با استفاده از روش الکتر صورت گرفته است.

نتیجه گیری: بر اساس نتایج سنجش شاخص­های ارزیابی مخاطره، شدت آلودگی منطقه به فلزات سنگین، به صورتZn> Cu> Fe>Mo> Pb >Mn>Cr می­باشد و کلیه فلزات رسوبات به جز مس، روی و آهن تقریبا در محدوده غیرآلوده قرار داشتند. همچنین بر اساس نتایج رتبه­ بندی، مخاطره­های 10 گانه در 7 دسته خوشه­بندی شدند، به­طوری که مس، آهن و روی به ترتیب بالاترین میزان آلایندگی و بحرانیت مخاطره را در بین فلزات سنگین رسوبات مورد مطالعه داشتند.

واژه­های کلیدی: فلزات سنگین، ارزیابی و رتبه­بندی مخاطره، فرایند تحلیل سلسله مراتبی دلفی فازی، روش الکتر، معدن مس سرچشمه.

Risk Assessment and Ranking of Heavy Metals in the Sediments of Sarcheshmeh Copper Mine

Using FDAHP and ELECTRE Methods

Mohammad Reza Tavakoli Mohammadi [5]*

r.tavakoli@acecr.ac.ir

Ali Rezaei [6]

Mohammad Hayaty [7]

Hossein Hasani [8]

Abstract

Background and Objective: Heavy metals are considered the serious pollution source for the environment because of their stability, atomic and biological accessibility problems. The sediments of Sarcheshmeh copper mine in Iran contain high concentrations of these pollutants. Thus, environmental evaluation and ranking them based on emission levels are important for timely environmental measures with the lowest operating costs. The first aim of this study is to evaluate the environmental risk of these sediments by determining the contamination factor, pollution load index, enrichment factor and Geoaccumulation index. The second aim is ranking these metals based on the level of risk critical using the Multi-Attribute Decision Making (MADM) method.

Method: In this study, first, by determining risk evaluation indices, heavy metals contamination (Co , Cu , Mo , Zn , Cr , Mn , Ni , Pb , Ti and Fe ) in the sediments of Sarcheshmeh copper mine which conduce to the tailings dam was assessed. Then, by collecting expert opinions on the relative importance of each indicator mentioned in the environmental contamination risk of heavy metals, through final weighting of the indices using Fuzzy Delphi Analytic Hierarchy Process (FDAHP), ranking and clustering of heavy metals in the sediments of the study area were performed using ELECTR method.

Results: Based on the results measuring the risk evalution indices, the intensity of contamination related to these metals was in order of Zn> Cu> Fe> Mo> Pb > Mn > Cr, and all the metals except for copper, zinc and iron were almost cited to be in the unpollutant limit. Also based on ranking results, the ten risks were clustered in seven categories with copper, iron and zinc having the highest pollution and critical risk amongst the heavy metals in the studied sediments, respectively.

Conclusion: Considering the boilers with high energy consumption and low efficiency in this factory, the replacement of old boiler with the new one through CDM project is cost effective.

Keywords: Heavy metals, Risk assessment and ranking, Fuzzy Delphi Analytic Hierarchy Process (FDAHP), ELECTR method, Sarcheshmeh copper mine.

مقدمه

فلزات سنگین اجزای طبیعی تشکیل دهنده پوسته زمین هستند ولی فعالیت­های انسان، چرخه زمین­شیمی و بیوشیمیایی تعادل این فلزات را به هم زده و باعث انتشار آن­ها در محیط زیست می­شود و در اغلب کاربردهای رایج، این واژه به فلزاتی اشاره دارد که وزن مخصوص آن­ها بیش از 5/4 گرم بر سانتی­متر مکعب باشد (1).

فلزات سنگین از آلاینده­های پایدار و بادوام محیط زیست به شمار می­آیند، چون مانند آلوده‌کننده‌های آلی، از طریق شیمیایی یا فرآیندهای زیستی در طبیعت تجزیه نمی­شوند. این فلزات، با ایجاد سازو کارهای متعدد، سبب به هم خوردن تعادل در موجودات زنده به ویژه انسان می‌شوند و طیف گسترده­ای از عوارض و اختلالات را به وجود می­آورند. این عوارض و اختلالات در تمامی بافت­ها دیده می­شوند و شاخص­های مختلفی از جمله نوع فلز در آن­ها دخالت دارند. از مهم­ترین اختلالات و عوارض آن­ها می­توان به سرطان­زائی, اثر بر سیستم اعصاب مرکزی و محیطی, اثر بر روی پوست, اثر بر روی سیستم خون­ساز, اثر بر سیستم قلبی و عروقی, آسیب به کلیه‌ها و تجمع در بافت­ها اشاره کرد. شناسایی عوارض خطرناک این آلاینده­ها، منجر به تحقیقات گسترده­ای جهت کاهش میزان مخاطره ناشی از حضور آن­ها در بخش­های مختلف محیط زیست از جمله رسوبات معدنی شده است (2و3).

بر اساس فرآیندهای هیدرودینامیکی و شرایط زیست محیطی (pH، شوری و دما)، رسوبات معدنی به عنوان منشا مهم فلزات سنگین در سامانه­های آبی شناخته شده­اند، ولی با تغییر در شیمی رسوبات، می­تواند فلزات و آلاینده­ها را به آب روی رسوب خود انتقال داده و با تحرک دوباره آلاینده­ها در بوم سامانه، به عنوان منبع آلودگی عمل کند (4). به همین دلیل، تعیین غلظت فلزات سنگین در رسوبات معدنی، برای ارزیابی کیفیت محیط زیست ضروری است.

فلزات سنگین موجود در رسوبات معدنی دارای دو منشا طبیعی و انسان­ساز هستند و انباشتگی و توزیع آن­ها در رسوبات، تحت تاثیر عواملی چون بافت رسوبات، ترکیب کانی­شناسی فرآیندهای جذب و پس­دهی و همچنین نقل و انتقال فیزیکی می­باشد (5و6). فرآیند­های طبیعی که در مناطق معدنی، با کاهش پایداری و مقاومت سنگ­ها، باعث حضور طبیعی فلزات سنگین در رسوبات معدنی می­شوند، دگرسانی و هوازدگی هستند. انواع فعالیت­های معدن­کاری، فرایندهای ذوب و تغلیظ نیز از عوامل انسان ساز حضور فلزات سنگین در رسوبات معدنی محسوب می­شوند که به مراتب نقش موثرتری در آلودگی این رسوبات نسبت به عوامل طبیعی بازی می کنند (7-9).

امروزه، یکی از مهم­ترین اقدامات کنترلی برای جلوگیری از انتشار گسترده مواد باطله و آلاینده حاصل از فعالیت­های معدن­کاری، بالاخص در معادن روباز، احداث سدهای باطله می­باشد. از آن­جاکه در حین عملیات کارخانه تغلیظ، پساب­های آلاینده­ای حاوی انواع مواد شیمیایی، یون­های فلزات سنگین سمی و ذرات ریز معلق تولید می­شوند، لذا طراحی سدهای باطله، به منظور کنترل آلودگی ناشی از باطله‌ها و حفاظت از متابولیسم طبیعی، امری حیاتی می‌باشد. اما در مقابل، حضور طولانی مدت فلزات سنگین سمی در این سدها نیز نوعی تهدید زیست محیطی محسوب می­شود، زیرا اگر سدهای باطله از پایداری لازم در طراحی برخوردار نباشند، نفوذ این عناصر آلاینده به داخل آب­های زیرزمینی، خسارات زیست محیطی جبران ناپذیری را به دنبال خواهد داشت (10). بنابراین، از آنجا که اقدامات پیشگیرانه به مراتب بهتر از اقدامات کنترلی برای جلوگیری از انتشار آلودگی می­باشد، لذا ارایه راهکارهای متمرکز و راهبردی جهت شناسایی منابع این رسوبات و ارزیابی مخاطره زیست محیطی آلاینده­های آن­ها می­تواند در جلوگیری و یا کاهش میزان آلایندگی آن­ها موثرتر باشد. در واقع، شناسایی عوامل مخاطره­انگیز و آگاهی از میزان و نوع تاثیرات آن­ها در رسوبات از یک سو و رتبه بندی درست آن­ها از سوی دیگر، گامی اساسی در جهت ارزیابی صحیح و پاسخ دهی به موقع و مناسب به مخاطره­های زیست محیطی ناشی از آلایندگی آن­ها می­باشد و کاهش خسارت­های آن­ها را در صورت وقوع به دنبال خواهد داشت (11).

زمانی­که توزیع ژئوشیمیایی عناصر در محیط، ناشی از عوامل طبیعی و انسان­ساز می­باشد، عمدتا برای ارزیابی روند تغییرات غلظت آلاینده در مطالعات زیست محیطی، از شاخص­هایی نظیر ضریب آلودگی، شاخص بار آلودگی، شاخص غنی­شدگی و شاخص زمین­ انباشتگی استفاده می­شود (12-15). که در این پژوهش ضمن محاسبه شاخص­های یاد شده برای رسوبات معدن مس سرچشمه، از آن ها به عنوان شاخص­های ارزیابی مخاطره آلایندگی ناشی از فلزات سنگین استفاده شده است. نظریه­ مجموعه‌های فازی قادر است بسیاری از مفاهیم و متغیرها و سیستم‌هایی را که نادقیق و مبهم هستند، صورت‌بندی ریاضی ببخشد و زمینه را برای استدلال، استنتاج، کنترل و تصمیم‌گیری در شرایط عدم اطمینان فراهم سازد (3).

 بدین منظور جهت در نظر گرفتن تاثیر توام و همزمان میزان همه شاخص­ها – به ازای عناصر مختلف– در ارزیابی­ها از روش­های تصمیم­گیری چند شاخصه نظیر الکتر استفاده شده است که استفاده از این قبیل روش ها نقاط قوت بسیاری از قبیل امکان در نظر گرفتن همزمان چندین شاخص، لحاظ نمودن وزن­های متفاوت برای شاخص‌ها، تبادل بین شاخص­ها، انعطاف­پذیری روش و نیز تحلیلی بودن نتایج را شامل می­شود. و با توجه به این­که از ملزومات استفاده این روش محاسبه وزن اهمیت نسبی شاخص­های مورد نظر می­باشد، از روش تحلیل سلسله مراتبی در تلفیق با منطق فازی تحت عنوان FDAHP نیز استفاده شده است.

معدن مس سرچشمه ایران، یکی از بزرگ­ترین معادن مس سولفیدی دنیا است. رسوبات سد باطله این معدن، به علت هوازدگی و دگرسانی سنگ­ها و تولید حجم قابل توجهی از زهاب­های اسیدی، ناشی از فعالیت­های معدن­کاری و فرایندهای تغلیظ طی سالیان متمادی، حاوی مقادیر بالایی از فلزات سنگین آلاینده و سمی می­باشد و مطالعه میزان غنی­شدگی و انباشتگی این آلاینده­ها در رسوبات آن، برای تشخیص فعالیت­های تاثیرگذار انسان­ بر روی محیط زیست منطقه بسیار حایز اهمیت است. هدف اول این پژوهش، بررسی شاخص­های ارزیابی نظیر ضریب شاخص آلودگی[9]، شاخص بار آلودگی[10]، شاخص غنی­شدگی[11] و شاخص زمین­انباشتگی[12]، به منظور ارزیابی مخاطره میزان آلودگی ناشی از فلزات سنگین (Co، Cu، Mo، Zn، Cr، Mn، Ni، Pb، Ti و Fe) در رسوبات این معدن می­باشد. هدف دوم، رتبه­بندی این فلزات بر اساس میزان بحرانیت یا مخاطره بالای آلایندگی  با بررسی تاثیرات همه شاخص­ها در ارزیابی به طور همزمان با استفاده از روش های تصمیم­گیری چند شاخصه[13] است. در این راستا، با جمع آوری نظرات خبرگان در خصوص میزان اهمیت نسبی هر کدام از شاخص­های یاد شده در میزان مخاطره آلودگی زیست محیطی و تعیین وزن نهایی شاخص­ها با استفاده از روش تحلیل سلسله مراتبی دلفی فازی[14]، رتبه­بندی و خوشه­بندی فلزات سنگین رسوبات در منطقه مورد مطالعه با استفاده از روش الکتر[15]  صورت گرفته است تا بتوان با توجه به رتبه های به دست آمده و محدودیت­های زمانی و مالی موجود، اقدامات زیست محیطی مناسب را برای کاهش مخاطره و میزان آلایندگی ناشی از آن ها انجام داد.

روش بررسی

منطقه مورد مطالعه

معدن مس سرچشمه در 160 کیلومتری جنوب‌غربی استان کرمان و 50 کیلومتری شهر رفسنجان قرار دارد (16). موقعیت جغرافیایی مجتمع مس سرچشمه در شکل 1 نشان داده شده است. سد باطله معدن در 17 کیلومتری شمال­شرق مجتمع مس سرچشمه قرار دارد. این سد به منظور ذخیره باطله واحد تغلیظ و استفاده مجدد از آب آن احداث شده است. از جمله ورودی­های این دریاچه، رودخانه شور می­باشد که سرچشمه آن زهاب اسیدی معدن می­باشد و در بین راه فاضلاب­های مجتمع و آب تعدادی چشمه نیز به آن اضافه می­شود. رسوبات حاصل، ترکیبات گوناگونی از انواع کانی­ها و ذرات آلی می­باشند که نقش مهمی در تشخیص الگوهای آلودگی سامانه­های آبی دارند. این مواد هم حمل­کننده و هم مخزنی برای آلاینده­ها محسوب می­گردند(17و18).

شکل 1- موقعیت جغرافیایی مجتمع مس سرچشمه.

Figure 1- Geographic location of Sarcheshmeh copper complex.

روش نمونه­برداری

نمونه­برداری از رسوبات مجتمع مس سرچشمه منتهی به سد باطله در 20 ایستگاه در مرداد ماه 1387، انجام یافت. شکل 2، موقعیت ایستگاه­های نمونه­برداری را نشان می­دهد. نمونه­برداری از جریان کم­عمق توسط بیلچه پلاستیکی و از هر ایستگاه، یک نمونه برداشت گردید و نمونه­های به دست آمده در کیسه­های پلی اتیلنی ایزوله شدند. از آن­جائی که کانی­های رسی و ذرات ریزدانه، توانایی زیادی در جذب عناصر سنگین دارند، پس از انتقال نمونه­ها به آزمایشگاه و خشک­ کردن (در دمای اتاق) و همگن­سازی آن­ها، ذرات کوچک­تر از 63 میکرون نمونه توسط الک جدا شدند. تقسیم نمونه­ها به روش چهارقسمتی (Quartering) صورت گرفت و برای آنالیز عناصر سنگین به روش نشر اتمی جرمی به آزمایشگاه Acme کانادا ارسال شدند. برای اندازه­گیری غلظت کل عناصر سنگین از روش هضم نمونه­های خاک  با HCLO₄، HNO₃، HF، H₂O₂ و HCL استفاده شد[19] و برای اندازه­گیری غلظت قابل جذب آن­ها از عصاره­گیر DTPA استفاده شد[20] و غلظت­های کل و قابل جذب عناصر سنگین با دستگاه نشر اتمی جرمی قرائت گردید. برای اطمینان از دقت و صحت آنالیزهای انجام یافته، 10 نمونه تکراری نیز ارسال شد. مقایسه میانگین دو سری اندازه­گیری با استفاده از آزمون آماری ستیودنت-t در نرم افزار SPSS.17 انجام گرفت. با استفاده از این آزمون، مشخص شد که اختلاف معناداری بین نتایج آزمایشگاه وجود ندارد و صحت نتایج نیز مورد تایید است.

روش تحلیل سلسله مراتبی فازی دلفی

هر زیر مجموعه فازی A در مجموعه مرجع X را می­توان به وسیله تابع مشخصه­ای تعریف کرد. این تابع مشخصه که تابع عضویت نامیده می­شود، برای هر عضو x از مجموعه­ مرجع X، یک عدد در بازه بسته [0,1] قرار می­دهد که مبین درجه عضویت  xدر مجموعه فازی A می­باشد. بنابراین، توابع عضویت را می­توان به صورت زیر تعریف کرد:

(1)                                                  

شکل 2- نقشه موقعیت ایستگاه­های نمونه­برداری در رسوبات مجتمع مس سرچشمه.

Figure 2- Map of sampling stations of sediments in Sarcheshmeh copper complex.

مطابق با شکل 3، عدد فازی مثلثی[16] (TFN) ã_ij به صورت (α_ij,δ_ij,γ_ij) نشان داده می­شود که در آن، α_ij، δ_ijوγ_ij به ترتیب نشان دهنده حد پایین نظرات داوران، بیش­ترین مقدار محتمل و حد بالای نظرات داوران هستند و علامت "~" بیان کننده مجموعه فازی می­باشد. هر عدد فازی مثلثی، در نقطه مرکزی دارای بیش­ترین درجه عضویت می­باشد و هر چه به طرف چپ یا راست این مقدار حداکثر حرکت کنیم درجه عضویت به صورت خطی کاهش می­یابد تا به صفر برسد (6).

شکل 3- عدد فازی مثلثی a_ij (11)

Figure 3- Triangular fuzzy number of a_ij (11)

در روش دلفی، پیش‌بینی‌های ارایه شده توسط افراد خبره در قالب اعداد قطعی بیان می‌شوند، در حالی که استفاده از اعداد قطعی برای پیش‌بینی‌های بلند مدت، نتایجی دور از واقعیت را به دنبال دارد. از طرفی، افراد خبره از شایستگی‌ها و توانایی‌های ذهنی خود برای پیش بینی استفاده می­کنند، لذا بهتر است که با استفاده از مجموعه‌های فازی (با به کارگیری اعداد فازی) به پیش­بینی بلند مدت و تصمیم‌گیری در دنیای واقعی پرداخته شود. بدین ترتیب، باید اطلاعات لازم را در قالب زبان طبیعی از خبرگان اخذ نموده و مورد تحلیل قرار داد. این روش تحلیل، روش دلفی فازی نامیده می‌شود. در این روش، با توجه به شکل3، مولفه­های یک عدد فازی به صورت روابط 2 تا 5 تعریف می‌شوند (5).

(2)                                             

(3)                                

(4)                                 

(5)                             

که، نشان دهنده اهمیت نسبی پارامتر i بر پارامتر j از دیدگاه متخصص kام می­باشد.

در این تحقیق، جهت تعیین اوزان اهمیت نسبی فاکتورهای ارزیابی مخاطره از این روش تحلیل استفاده شده است.

روش الکتر

روش الکتر، یکی از مهم­ترین تکنیک­های MADM و از گروه مدل­های جبرانی[17] است که در آن­، تبادل بین شاخص­ها صورت می­گیرد و تغییر در یک شاخص، توسط تغییری مخالف در شاخص یا شاخص­های دیگر جبران می­شود. این تکنیک که روش مجموعه­های هماهنگ نیز نامیده می­شود بر مبنای مفهوم روابط غیر­رتبه­ای[18] بنا نهاده شده و کلیه گزینه­ها در آن، با استفاده از مقایسه­های غیر رتبه­ای مورد ارزیابی قرار می­گیرند. برتری این تکنیک نسبت به برخی دیگر از روش­ها در ایجاد تعامل با تصمیم­گیرنده است. در واقع، بر خلاف روش­های دیگر که در آن­ها، پس از جمع­آوری داده­ها و وزن­ها، تصمیم­گیرنده هیچ ارتباطی با اطلاعات خروجی نداشته و اطلاعات حاصل به عنوان ملاک تصمیم­گیری قرار می­گیرد، در این روش، تصمیم­گیرنده در سه مرحله می­تواند در شیوه تحلیل دخالت کند و تحلیل را  جهت­دهی نماید (33). این برتری به‌واسطه امکان در نظر گرفتن همزمان چندین شاخص، لحاظ نمودن وزن­های متفاوت برای شاخص‌ها، تبادل بین شاخص­ها، انعطاف­پذیری روش و نیز تحلیلی­تر بودن نتایج آن می­باشد (34).

یافته­ها

تعیین شاخص­های ارزیابی مخاطره رسوبات

نتایج کمی آنالیز رسوبات مورد مطالعه، بیانگر غلظت متغیر فلزات سنگین موجود در آن­ها بود و لذا  از  شاخص­های  آماری اشاره شده در جدول1، برای نشان دادن گستره آن­ها در ایستگاه­های مورد نمونه­برداری استفاده شد.

جدول 1- پارامترهای آماری فلزات سنگین در رسوبات منطقه مورد مطالعه (mg/kg)

Table 1- Statistical parameters of heavy metals in sediments of the region under study (mg/kg)

محاسبه ضریب آلودگی (CF)

به منظور محاسبه ضریب آلودگی از رابطه 6 استفاده شد. در واقع، ضریب آلودگی، نسبت غلظت عنصر در نمونه برداشت شده به غلظت همان عنصر در نمونه زمینه است که در مقادیر بزرگ­تر از یک، بیانگر آلودگی رسوبات به فلز سنگین می­باشد:

 (6)                                                                                                                                                                         

در این رابطه: n تعداد فلزات، C_sample غلظت عنصر در نمونه و C_background غلظت عنصر در نمونه زمینه است. نمونه زمینه از مقایسه رسوبات منطقه با رسوبات محلی توسط روش­های آماری در منطقه مورد مطالعه به دست می­آید (21و22). در جدول 2، ضریب آلودگی رسوبات معدن مس سرچشمه ارایه شده است.

شاخص بار آلودگی (PLI)

برای محاسبه این شاخص از معادله زیر استفاده شده است:

  (7)                                                                                                       

مقادیر بیش از یک این شاخص، بیانگر آلودگی رسوب و مقادیر نزدیک به یک آن، نشان دهنده مشابه بودن غلظت آلاینده در نمونه­های مورد مطالعه و زمینه می­باشد (22و23). مقدار محاسبه شده PLI در این پژوهش، 75/1 به دست آمد.

شاخص غنی­شدگی (EF)

برای محاسبه شاخص غنی شدگی(EF)، غلظت عنصر مدنظر در نمونه­های آلوده و زمینه مقایسه می­گردد و برای حذف برخی غنی­شدگی­ها، تاثیر غلظت عناصری مانند Fe، Ti، Y، Sc، Al (15) و Sr (24) در رابطه غنی­شدگی، در نظر گرفته می­شود. این شاخص طبق رابطه زیر محاسبه شده است:

EF = M_x X Fe_b / M_b X Fe_x           (8)                         

که در آن، M_X و Fe_X به ترتیب غلظت فلزات سنگین نمونه­های رسوب و فلز آهن (فلز نرمالیزه شده) و M_b و Fe_b به

ترتیب غلظت فلزات سنگین نمونه­­های زمینه و مرجع می­باشند (15،25). از آن­جائی­که آهن به طور معمول غلظت طبیعی بالایی دارد و توزیع آن نسبت به بقیه فلزات سنگین متناسب نیست، در محاسبه EF از آن به عنوان فلز نرمالیزه شده استفاده شده است. نتایج سنجش EF فلزات سنگین برای رسوبات منطقه مورد مطالعه و طبقه بندی آن­ها بر اساس استاندارد در جدول 2 ارایه شده است (26). طبق نتایج به دست آمده، بالاترین مقادیر EF محاسبه شده، به ترتیب مربوط به فلزات مس و آهن بودند.

شاخص زمین­انباشتگی (I_geo)

شاخص دیگری که برای ارزیابی مخاطره فلزات سنگین در رسوبات به کار برده می­شود I_geoیا اندیس مولر می­باشدکه به صورت زیر بیان می­شود (27-30).

 (9)                                                                                                                                                        

در این رابطه، C_n، غلظت اندازه­گیری شده عنصر در نمونه و B_n، غلظت همان عنصر در نمونه زمینه است. ضریب 5/1 نیز برای حذف تغییرات احتمالی زمینه به علت تاثیرات زمین­شناختی اعمال می­شود (31و32). در جدول 2، مقادیر محاسبه شده این شاخص برای فلزات سنگین رسوبات و شدت آلودگی منطقه بر اساس آن آمده است (5).

طبق نتایج به دست آمده، شدت آلودگی عناصر سنگین رسوبات معدن مس سرچشمه به صورت Zn> Cu> Fe>Mo> Pb >Mn>Cr است و کلیه فلزات رسوبات به جز مس، روی و آهن تقریبا در محدوده غیرآلوده قرار می­گیرند. پیش بینی می­شود آلودگی منطقه به فلزات یاد شده ناشی از فعالیت­های معدن­کاری و فرایندهای ذوب و تغلیظ باشد. خردایش کانه برای فرآوری، سطح تماس سنگ با آب را افزایش داده و امکان هوازدگی شیمیایی آن را بالا برده است. لذا با اکسید شدن سنگ­های سولفیدی و تولید اسید سولفوریک، زهاب­های اسیدی حاوی فلزات سنگین سمی به وجود آمده­اند و متعاقبأ سبب غنی­شدگی و زمین انباشتگی فلزات آلاینده شده­اند.

جدول 2- نتایج محاسباتی میانگین شاخص­های مخاطره برای فلزات سنگین رسوبات منطقه مورد مطالعه

Table 2- Calculation results of average of risk indicators for heavy metals in sediments of the region under study

نتایج مراحل روش تحلیل سلسله مراتبی فازی دلفی

نظرسنجی از متخصصان

در این مرحله، به منظور ارزیابی مخاطره آلودگی فلزات سنگین و رتبه­بندی آن­ها با استفاده از تکنیک­های کمی تصمیم­گیری چند شاخصه، ضریب اهمیت نسبی شاخص­های چهارگانه با استفاده از نظرات خبرگان تعیین گردید. بدین منظور، با استفاده از طیف وزن­دهی آمده در جدول 3، اقدام به جمع آوری نظرات خبرگان در مورد شاخص­های مخاطره گردید. جدول 4، نظرات افراد خبره و کارشناس را در مورد اهمیت نسبی این فاکتورها نشان می­دهد.

جدول 3- مقایسة 9 کمیتی ساعتی برای مقایسة دو دویی معیارها

Table 3- Comparison of 9 quantites of the Satty for pair wise comparison of indicators

جدول 4- اهمیت نسبی فاکتورهای ارزیابی با توجه به نظرات خبرگان

Table 4- Relative importance of risk assessment indicators according to expert opinions

محاسبه اعداد فازی

برای محاسبه اعداد فازی (ã_ij)، نتایج نظرسنجی از متخصصان به طور مستقیم مدنظر قرار می‌گیرد. بدین منظور، بعد از جمع­آوری نظرات خبرگان، برای هر فاکتور با توجه به میزان برتری آن، یک عدد فازی مثلثی در نظر گرفته می­شود. میزان برتری هر فاکتور نسبت به فاکتور دیگر، از تقسیم دو عدد فازی مثلثی نسبت به هم به دست می­آید. در این تحقیق، با در نظر گرفتن ، اعداد فازی بر اساس تابع عضویت مثلثی محاسبه شدند.

تشکیل ماتریس معکوس فازی

در این مرحله، هر یک از فاکتورها باید به وسیله یک ماتریس مقایسه زوجی نسبت به هم سنجیده ­شوند. با توجه به اعداد فازی به دست آمده در مرحله قبل، ماتریس مقایسه زوجی فازی بین فاکتورهای مختلف طبق رابطه 10 تشکیل شد. ماتریس حاصل، در جدول 5 نشان داده شده است.

     (10)                             

جدول 5- ماتریس مقایسه زوجی فاکتورها

Table 5- Pair wise comparison matrix of factors

محاسبه وزن فازی نسبی فاکتورها

بعد از تشکیل ماتریس مقایسه زوجی، وزن فازی نسبی فاکتورها از رابطه زیر محاسبه شد:

 (11)                                 

که در آن،   بوده و ، نماد ضرب اعداد فازی،، نماد جمع اعداد فازی و ، یک بردار سطری است که نشان دهنده وزن فازی پارامتر iام می‌باشد. در جدول 6، وزن نسبی معیار (شاخص) آمده است.

جدول6- وزن فازی نسبی فاکتورها

Table 6- Relative fuzzy weight of factors

غیر فازی کردن وزن فاکتورها

پس از یافتن وزن فازی نهایی هر یک از فاکتورها (شکل 4)، کلیه اعداد به دست آمده با استفاده از رابطه 12 به حالت غیر
فازی تبدیل شدند و تنها به صورت یک عدد بیان گردیدند که نتایج این تبدیل در جدول 7 آمده است.

 (12)                                                    

شکل 4- وزن فازی نهایی فاکتورها

Figure 4- Final fuzzy weight of factors.

جدول7- وزن غیر فازی نهایی فاکتورها

Table 7- Final defuzzy weight of factors

نتایج مراحل اجرای روش الکتر

نرمال سازی

در این مرحله، ماتریس تصمیم با استفاده از نرم اقلیدسی[19] به یک ماتریس تصمیم بی‏مقیاس شده[20] (N_D) به صورت زیر تبدیل می­شود:

N_D = [n_ij] =  (13)                                   

که m، تعداد شاخص­ها، n، تعداد گزینه­ها و N_D ماتریسی است که امتیازات شاخص­ها در آن بی­مقیاس و قابل مقایسه شده است.

تشکیلماتریسبی­مقیاسوزنی[21]

ماتریس بی­مقیاس وزنی طبق رابطه زیر به دست می­آید:

(14)         

که W_m­n ماتریسی قطری است و فقط عناصر قطر اصلی آن غیر صفر می­باشد. وزن شاخص­ها که عناصر قطر اصلی ماتریس هستند، معمولا توسط روش­هایی مانند آنتروپی شانون[22]، بردار ویژه[23] و کم­ترین مجذورات وزنی، به تنهایی و یا ترکیب با منطق فازی تعیین می­شوند. در این پژوهش، از روش تحلیل سلسله مراتبی دلفی فازی استفاده شده است.

مشخصنمودنمجموعههماهنگوناهماهنگ

در این مرحله، کلیه گزینه­ها به صورت زوجی نسبت به تمام شاخص­ها ارزیابی شده و مجموعه­های هماهنگ و ناهماهنگ تشکیل می­شوند.

(15)                           

مجموعه هماهنگ S_KL مشتمل بر کلیه شاخص­هایی است که بر اساس آن گزینه  Kبر گزینه L ارجحیت و مطلوبیت بیشتری دارد و برای مجموعه نا­هماهنگ D_KL حالت عکس وجود دارد.

محاسبهماتریسهماهنگ

ماتریس هماهنگ، ماتریسی است به ابعاد m×m که قطر آن فاقد عنصر و سایر عناصر از مجموع وزن­های به دست آمده برای شاخص­های متعلق به مجموعه هماهنگ K و L حاصل می­شود و مؤلفه­های آن به صورت زیر تعریف می­شوند:

(16)                                           

معیارهای هماهنگی ، منعکس کننده اهمیت نسبی گزینه K به گزینه L می­باشند به طوری­که  خواهد بود.

محاسبهماتریس ناهماهنگ

ماتریس ناهماهنگ، ماتریسی است به ابعاد m×m که قطر آن فاقد عنصر و سایر عناصر آن با استفاده از عناصر ماتریس بی مقیاس وزنی V طبق رابطه زیر به دست می­آیند:

(17)                               

ماتریس  نسبت عدم مطلوبیت مجموعه ناهماهنگ K و L را به کل نا­هماهنگی در شاخص­ها بیان می­کند. در واقع، این ماتریس بیانگر عدم مطلوبیت نسبت به مجموعه ناهماهنگ می­باشد.

ایجادماتریسهماهنگمؤثر

برای ایجاد این ماتریس، نیاز به تعریف حد آستانه[24] تصمیم­گیری () می­باشد.  مشخص کننده حدی است که در مقادیر بیش­تر از آن، تصمیم­گیرنده گزینه K را به گزینه L ترجیح دهد. یکی از روش­های متعارف برای محاسبه آن، متوسط­گیری از ماتریس هماهنگ طبق رابطه زیر می­باشد:

(18)                                

اگر هر عنصر ماتریس I بزرگ­تر از آستانه باشد، آن عنصر واحد در ماتریس F (ماتریس هماهنگ موثر) مقدار یک و در غیر این صورت مقدار صفر خواهد گرفت، یعنی:

IF  ,                                 IF   (19)                              

قطر ماتریس F فاقد عنصر خواهد بود، بنابراین، هر عنصر واحد در این ماتریس نشان دهنده یک گزینه موثر و مسلط بر دیگری است. با توجه به مقدار حد آستانه بدست آمده () در این تحقیق، ماتریس F طبق جدول 8 بدست آمد.

ایجادماتریسناهماهنگمؤثر

ماتریس ناهماهنگ مؤثر با حد آستانه  سنجیده می­شود. برای محاسبه  نیز از روش میانگین­گیری از ماتریس ناهماهنگ طبق رابطه زیر استفاده می­شود:

(20)                             

اگر هر عنصر ماتریس  بزرگ­تر از آستانه باشد آن عنصر واحد در ماتریس G (ماتریس ناهماهنگ موثر) مقدار صفر و در غیر این صورت مقدار یک خواهد گرفت، یعنی:

IF ,    

IF (21)                          

با توجه به مقدار حد آستانه به دست آمده () در این تحقیق، ماتریس G طبق جدول 9 به دست آمد.

مشخصنمودنماتریسکلیمؤثر(H)

در این مرحله، ماتریس H، طبق رابطه زیر به دست می­آید:

(22)                                      

این ماتریس که از عناصر مشترک دو ماتریس F و G تشکیل شده، نشان دهنده ترتیب ارجحیت­های نسبی از گزینه­ها می­باشد. برای مثال، اگر  باشد، گزینه K بر گزینه L هم از نظر معیار هماهنگی و هم از نظر معیار ناهماهنگی ارجح است.

حذفگزینه­هاینامؤثر

شرط این­که گزینه K یک گزینه موثر باشد آن است که برای حداقل یک L،  و به ازای کلیه Lها،  باشد. معمولا احتمال رخداد دو شرط فوق به طور همزمان کم است و گزینه موثر را می­توان به سادگی تعیین کرد. همچنین بهتر است هر ستون از ماتریس H که حداقل یک عنصر واحد دارد حذف ­شود، زیرا آن ستون تحت تسلط ردیف یا ردیف­هایی می­باشد. لذا گزینه مطلوب و ارجح گزینه ای است که ستون آن دارای حداکثر صفر یا سطر آن دارای حداکثر یک باشد. جدول 10، ماتریس H به دست آمده در این تحقیق را نشان می­دهد. با توجه به این ماتریس، امتیاز و ترتیب ارجحیت (میزان بحرانیت) عناصر، از نظر مخاطره آلایندگی زیست محیطی، بر اساس تعداد یک در سطر مربوط به هر یک از آن­ها می­باشد، بدین معنی عنصری که امتیاز بالاتری کسب کرده باشد در رتبه بالاتری (نزدیک به یک) قرار می گیرد و بحرانیت بیش­تری از نظر آلودگی زیست محیطی دارد. چنان­که اشاره شد، هدف کلی از انجام این پژوهش، ارزیابی و رتبه­بندی مخاطره آلایندگی ناشی از فلزات سنگین در رسوبات معدن مس سرچشمه بر اساس چهار شاخص موثر و مهم در تعیین میزان آلایندگی آنها بود، تا اقدامات زیست محیطی مناسب برای کاهش مخاطره آن­ها با توجه به محدودیت­های زمانی و مالی موجود انجام شود. جدول 11، نتایج رتبه­بندی و خوشه­بندی فلزات سنگین را در رسوبات معدن مس سرچشمه نشان می­دهد.

جدول10- ماتریس کلی مؤثر و رتبه نهایی هر عنصر

Table 10- Total effective matrix and final ranking of each element

جدول 11- خوشه­بندی و رتبه­بندی فلزات سنگین رسوبات بر اساس روش الکتر

Table 11- Clustring and ranking of heavy metals in sediments based on ELECTRE method

مطابق با این جدول، مخاطره­های 10 گانه در 7 دسته خوشه­بندی شده­اند و مس، آهن و روی به ترتیب بالاترین میزان آلایندگی و بحرانیت مخاطره را در بین فلزات سنگین رسوبات مورد مطالعه دارند. لازم به ذکر است که عناصری که دارای امتیاز یکسانی می باشند در خوشه واحدی قرار می­گیرند. بر مبنای نتایج حاصله، مدیریت پروژه می­تواند جهت ارایه پاسخ مناسب و به موقع به این مخاطره­ها برنامه­ریزی کند و کمک شایانی به انجام هرچه موفق­تر فرایند مدیریت مخاطره ­نماید.

بحث و نتیجه­گیری

فلزات سنگین به علت عدم تجزیه پذیری شیمیایی و زیستی، از آلاینده­های پایدار و بادوام محیط زیست به شمار می­آیند. این فلزات، از طریق آب، خاک و هوا به واسطه منابع مختلف طبیعی و مصنوعی به چرخه طبیعت منتقل می شوند و اثرات کوتاه مدت و بلند مدت خطرناکی در آن­ها ایجاد کرده و در نتیجه، به عنوان یک مخاطره جدی در ادامه حیات موجودات زنده تلقی می‌شوند. در تحقیق حاضر، از شاخص­های مخاطره ضریب آلودگی، ضریب بار آلودگی، شاخص غنی­شدگی و شاخص زمین­انباشتگی، برای ارزیابی آلایندگی فلزات سنگین (Co، Cu، Mo، Zn، Cr، Mn، Ni، Pb، Ti و Fe) در رسوبات منتهی به سد باطله مجتمع مس سرچشمه استفاده گردید. بر اساس نتایج به دست آمده، ضریب آلودگی برای فلزات Cu، Mo، Zn، Mn، Pb و Fe، بالاتر از یک بود که نشان دهنده افزایش غلظت­ این آلاینده­ها ناشی از تاثیر عوامل انسان­ساز (نظیر پساب تولیدی کارخانه تغلیظ و زهاب اسیدی معدن) علاوه بر عوامل طبیعی بود. نتایج همچنین بیانگر غنی­شدگی فلزات سنگین Cu، Mo، Zn، Mn، Pb و Fe در رسوبات منطقه مورد مطالعه بودند. غنی شدگی صورت گرفته برای برخی از فلزات ناشی از تاثیر فرآیندهای طبیعی و عمدتا تولید پساب­های مختلف در حین عملیات کارخانه تغلیظ مجتمع مس سرچشمه در سال­های اخیر بوده است. محیط ژئومورفولوژی نیز بر شرایط و مسایل زیست محیطی منطقه موثر بوده است. از آن­جائی­که محیط ژئومورفولوژی منطقه، آب باران را به صورت جریان­های سطحی و زیرزمینی به سمت معدن و سد باطله و داخل سرباره­های معدنی هدایت می­کند، لذا امکان آلوده شدن منابع آب و انتقال آلودگی را فراهم ساخته است. از سوی دیگر، رهاسازی حجم قابل توجهی کانسنگ و باطله در بستر آبراهه­ها و کاهش شیب آن­ها نیز باعث افزایش نفوذپذیری آب، هوازدگی شیمیایی و تولید زهاب­های اسیدی معدنی گردیده و بالطبع، غنی شدگی فلزات سنگین در رسوبات منطقه را به دنبال داشته است. شاخص­ زمین­انباشتگی (I_geo) محاسبه شده برای فلزات سنگین نیز بیانگر آلودگی شدید رسوبات توسط فلزات سنگین Cu، Zn و Fe و عدم آلودگی آنها توسط فلزات سنگین Mn،  Niو Ti بودند. فعالیت­های معدنی، زهاب اسیدی معدن و باطله­های حاصل از کارخانه فرآوری و ذوب منشا عمده این آلودگی محسوب می­شوند. تنوع آلاینده­های موجود در رسوبات و محدودیت­های زمانی و مالی برای انجام اقدامات زیست محیطی مناسب، جهت کاهش مخاطره و پیامدهای منفی جبران­ناپذیر آن­ها بر محیط زیست، منجر به اقدام برای رتبه­بندی مناسب این آلاینده­ها جهت موفقیت بیش­تر فرایند مدیریت مخاطره شد. لذا با جمع آوری نظرات خبرگان با تکنیک­های تصمیم­گیری گروهی و تجمیع آن­ها با روش تحلیل سلسله مراتبی دلفی فازی، به رتبه­بندی و خوشه­بندی فلزات سنگین رسوبات با روش  الکتر پرداخته شد. بر اساس نتایج به دست آمده، مخاطره­های 10 گانه در 7 دسته خوشه­بندی شدند و مس، آهن و روی به ترتیب بالاترین میزان آلایندگی و بحرانیت مخاطره را در بین فلزات سنگین رسوبات مورد مطالعه داشتند. روش الکتر، رتبه­بندی قابل اعتمادی ارایه داده و نتایج خوشه­بندی توسط این روش، بر اساس میزان بحرانی بودن و نزدیکی تاثیر و تاثرات عناصر صورت گرفته است. این اعتبار به‌واسطه امکان در نظر گرفتن همزمان چندین شاخص، لحاظ نمودن وزن­های متفاوت برای شاخص‌ها، تبادل بین شاخص­ها، انعطاف­پذیری روش و نیز تحلیلی بودن نتایج آن می­باشد. همچنین استفاده از روش تحلیل سلسله مراتبی در تلفیق با منطق فازی از دیگر نقاط قوت این پژوهش بوده است، زیرا از یک سو، اوزان اهمیت شاخص­ها به صورت کیفی و بر اساس نظرات خبرگان تعیین شده است و از سوی دیگر، عدم قطعیت و ابهام ذاتی موجود در متغیرهای بیانی و قضاوت­های کیفی، جهت در نظر گرفتن عدم قطعیت­ها در ارزیابی و اتخاذ نتایج دقیق­تر و علمی­تر از منطق فازی استفاده شده است. پیش­بینی می­شود مدیریت پروژه با شناسایی این عوامل مخاطره و آگاهی از میزان آلایندگی آن­ها بتواند جهت ارایه پاسخ به موقع و مناسب به این مخاطره­­ها برنامه­ریزی کند و موفق به انجام هرچه بهتر فرایند مدیریت مخاطره و کاهش زیان رویدادها در صورت وقوع شود.

تشکر و قدردانی

در خاتمه، نگارندگان مقاله بر خود لازم می­دانند از معاونت پژوهشی دانشگاه صنعتی امیرکبیر، هسته پژوهشی مهندسی محیط زیست دانشگاه شهید باهنرکرمان و شرکت ملی صنایع مس ایران به دلیل حمایت مالی در جهت انجام این پژوهش تشکر و قدردانی نمایند.

منابع

1-      Fenglian Fu., Wang Qi, 2011. “Removal of Heavy Metal Ions from Wastewater: A Review”, Journal of Environmental Management, Vol. 92, pp. 407-418.

2-      Sengupta, A.K. 2002. “Environmental Separation of Heavy Metals: Engineering Processes”, Lewis Publishers.

3-      Prasad, M.N.V, 2004. “Heavy Metal Stress in Plants: from Biomolecules to Ecosystems”, Springer.

4-      Zhang, W., 2009, “Heavy metal contamination in surface sediments of Yangtze River intertidal zone: An assessment from different indexes”, Environmental Pollution, Vol. 1-11.

5-      Gonzales- Macias, C., Schifter, I., Liuch- Cota, D.B., endez- Rodriguez, L., Hernandez- Vazquez, S., 2006. “Distribution, enrichment and accumulation of heavy metals in coastal sediments of Salina Cruz Bay, Mexico”, Environmental Monitioring and Assessment, Vol. 118, pp. 211- 230.

6-      Wang, Sh., Cao, Z., Lan, D., Zheng, Z., Li, G., 2008, “Concentration distribution and assessment of several heavy metals in sediments of west- four Pearl River, Estuary”, Environmental Geology l55, pp.963- 975.

7-   اسلامی، محمد، اسدی پور میبدی، مرتضی، طاهری، علی، «تأثیر دگرسانی و هوازدگی بر مقاومت سنگ­های معدن مس سرچشمه»، دومین کنفرانس معادن روباز ایران، 1384، 117-111.

8-      Gonzalez, A., Rodriguez, M., Sanchez, J.C., Espinosa, A.J., La Rosa, F.J., 2000. “Assessment of metals in sediments in a tributary of GUADALQUIVIR river (Spain). Heavy metal partitioning and relation between the water and sediment system water”, Air and soil pollution, Vol. 121, pp. 11-29.

9-      Milenkovic, N., Damjanovic, M., Ristic, M., 2005. “Study of heavy metal pollution in sediments from the Iron Gate (Danube River), Serbia and Montenegro”, Polish Journal of Environmental studies, Vol.14, No. 6, pp. 781-787.

10- شایسته­فر، محمدرضا، رضایی، علی، «ارائه راهکار در کاهش آلودگی زیست محیطی سد رسوبگیر معدن مس سرچشمه با استفاده از داده­های ژئوشیمیایی»، بیست و هفتمین گردهمایی علوم زمین و سیزدهمین همایش انجمن زمین­شناسی ایران، 1388، تهران، 254.

11-  Hwang, C.L., Yoon, K., 1981. “Multiple Attribute Decision Making: Methods and Applications”, Springer-Verlag, Berlin.

12-  Reddy, M., Basha, S., Sravan Kumar, V.G., Joshi, H.V., Ramachandraiah, G., 2004. “Distribution, enrichment and accumulation of heavy metals in coastal sediments of the Alang- Sosiya ship scrapping yard, India”, Marine Pollution Bulletin, Vol. 48, pp. 1055- 1059.

13-  Selvaraj, K., Rom Mohan, V., Szefer, P., 2004; “Evaluation of metal contamination in coastal sediments of the Bay of Bengal, India; geochemical and statistical approaches”, Marine Pollution Bulletin, Vol. 49, pp. 174- 185.

14-  Adama, P., Arienzo, M., Imporato, M., Noimo, D., Nardi, G., Stanzione, D., 2005, “Distribution and partition of heavy metals in surface and sub- surface sediments of Naples city port”, Chemosphere, Vol.  61, pp. 800- 809.

15-  Vard¢es, J., Var Gas, G., Sifeddine, M., 2005, “Distribution and enrichment evaluation of heavy metals in Mejillones Bay (23 AS), Northern Chile: geochemical and statistical approach”, Marine Pollution Bulletin, Vol.  50, pp. 1558- 1568.

16-  Shayestehfar, M.R, KarimiNasab, S., Mohammadalizadeh, H., 2007. “Mineralogy, petrology, and chemistry studies to evaluate oxide copper ores for heap leaching in Sarcheshmeh copper mine, Kerman, Iran”, Journal of Hazardous Materials, pp. 602- 612.

17-  Alkarkhi, A.F.M., Ismai, N., Ahmed, A., Easa, A., 2008. “Analysis of heavy metal concentrations in sediments of selected estuaries of malysia-a statistical assessment”, Environmental Monitoring Assessment, Vol. 151, pp.311- 318.

18-  Cevik, F., Goksu, M., Derici, O., Findik, O., 2009, “An assessment of metals pollution in surface sediments of Seykan dam by using enrichment factor, Geoaccumulation index and statistical analysis”, Environmental Monitoring Assessment, Vol. 152, pp. 309-317.

19-  Baker, D. E., and Amacher, M. C. 1981. The development and interpretation of a digestic soil testing program. Bulletin no. 826, Pensylvania State University Agric. Pesylvania University.

20-  Lindsay, W. L., and Norvel, W. A. 1978. Development of a DTPA soil test for zinc, iron, manganese and copper. J. Soil Science. 42: 421- 428

21-  Abrahim, G.M.S., Parker, R.J., 2008. “Assessment of heavy metal enrichment factors and the degree contamination in marine sediments from Tamaki. Estuary, Auckland, New Zealand”, Environmental Monitoring and Assessment, Vol. 136, pp. 227- 238.

22-  Adomako, D., Nyarko, B.J.B, Dampare, S.B., Serfor- Armah, Y., Osae, S., Fianko, J.R., Akaho, E.H., 2008. “Determination of toxic elements in waters and sediments from River Subin in the Ashanti Region of Ghana”, Environmental Monitoring Assessment, Vol. 141, pp. 165- 175.

23-  Qishlag, A., Moore, F., Forghani, G., 2007. “Impact of untreated wastewater irrigation on soils and crops in Shiraz suburban area, SW Iran”, Environmental Monitiring Assessment, Vol. 149, pp. 254- 262.

24-  Pekey, H., 2006. “The distribution and sources of heavy metals in Izmit Bay surface sediments affected by a Polluted stream”, Marine Pollution Bulletia, Vol. 52, pp. 1197- 1208.

25-  Hernandez, L., Probst, J.L., Ulrich, E., 2003. “Heavy metal distribution in some French Forset soils: for evidence atmospheric contamination”, the science of the Total Environment, Vol. 31, pp. 195- 212.

26-  Cevik, F., Goksu, M., Derici, O., Findik, O., 2009, “An assessment of metals pollution in surface sediments of Seykan dam by using enrichment factor, Geoaccumulation index and statistical analysis”, Environmental Monitoring Assessment, Vol. 152, pp. 309-317.

27-  Muller, G., 1979. “Schwermetalle in den sedimenten des Rheins Veranderungen seit 1971, Umschau”, Vol. 79, No. 24, pp. 778- 783.

28-  Munendra, S., Muller, G., Sinhg, B., 2002. “Heavy metals in freshly deposited stream sediments of rivers associated with urbanization of the Ganga plain, India”, Water, Air Soil Pollut, Vol. 141, pp. 35- 54.

29-  Bermejo Santos, JC., Beltran, R., Gomez Araiza, JL., 2003. “Spatial variations of heavy metals contamination in sediments from Odiel River (southwest Spain)”, Environ Int, Vol. 29, No.1, pp. 69- 77.

30-  Audry, S., Schafer, J., Blanc, G., Jouanneau, JM, 2004. “Fifty- year sedimentary record of heavy metal pollution(Cd, Zn, Cu, Pb) in the Lot River reservoirs(France)”, Environmental Pollution, Vol. 132, No. 3, pp. 413- 426.

31-  Ghrefat, H., Yusuf, N., 2006, “Assessing Mn, Fe, Cu, Zn and Cd pollution in bottom sediments of Wadi AL- Arab Dam, Jordan”, Chemosphere, Vol.  65, pp. 2114- 2121.

32-  Chen, C.W., Kao, C.M., Chen, C.F., & Dong, C.D., 2007. “Distribution and accumulation of heavy metals in the sediments of Kaohsiung Harbor, Taiwan”, Chemosphere, Vol. 66, No. 8, pp. 1431- 1440.

33- میرفخرالدینی، سیدحیدر، «تحلیل داده‌ها در شش‌سیگما با رویکرد MADM، رساله دوره دکتری مدیریت گرایش تحقیق در عملیات»، دانشکده علوم انسانی، دانشگاه تربیت مدرس، 1386، تهران.

34-  اصغرپور، محمدجواد، «تصمیم‌گیری­های چند‌معیاره»، 1377، انتشارات دانشگاه تهران، تهران.