DOI: https://doi.org/10.1038/s41598-024-54646-0
PMID: https://pubmed.ncbi.nlm.nih.gov/38378817
تاريخ النشر: 2024-02-20
المؤلف: Subodh Chandra Pal وآخرون
الموضوع الرئيسي: المياه الجوفية وكيمياء النظائر
نظرة عامة
في السنوات الأخيرة، أصبحت قضية تلوث المياه الجوفية، وخاصة بسبب النترات، ذات أهمية متزايدة في أبحاث إدارة المياه. قامت هذه الدراسة بتحليل أربعة عشر عاملاً يؤثر على مستويات النترات في المياه الجوفية الساحلية في جنوب 24 بارغاناس، حيث تم تحديد الرقم الهيدروجيني كأهم عامل (0.77)، يليه الكلوريد (Cl⁻، 0.71). ومن العوامل الملحوظة الأخرى الزرنيخ (As، 0.69)، الفلورايد (F⁻، 0.69)، الموصلية الكهربائية (EC، 0.67)، والمغنيسيوم (Mg²⁺، 0.55). أدى التلوث إلى مشاكل صحية متنوعة بين السكان المحليين، بما في ذلك تلف الكلى (60%) ومشاكل الكبد (40%). استخدمت الدراسة تقنيات استخراج البيانات، بما في ذلك SPSS و ArcGIS، واستفادت من نموذج الانحدار اللوجستي (LR) للتنبؤ بتركيزات النترات، محققة مقاييس أداء أعلى خلال مرحلة التدريب مقارنة بالتحقق.
تسلط الدراسة الضوء على أن تلوث النترات ينشأ من الأنشطة البشرية، والممارسات الزراعية، وتصريف مياه الصرف الصحي، مع تعرض بعض المناطق لتركيزات أعلى بشكل ملحوظ. بالإضافة إلى ذلك، فإن تسرب المياه المالحة يزيد من تفاقم الوضع، مما يؤدي إلى ندرة المياه الصالحة للشرب، التي غالبًا ما تكون ملوثة بالزرنيخ والفلورايد. بينما توفر الأبحاث رؤى قيمة حول عوامل تكييف النترات، فإنها تعترف بالقيود، مثل استبعاد المعلمات الجيولوجية والهيدروكيميائية. تؤكد النتائج على الحاجة الملحة لصانعي السياسات لتنفيذ استراتيجيات تهدف إلى التخفيف من تلوث النترات وتحسين جودة المياه للمجتمعات المتأثرة. يجب أن تتضمن الأبحاث المستقبلية تقنيات نمذجة أكثر تقدمًا لتعزيز التنبؤات بمدى تعرض النترات في المنطقة.
طرق البحث
استخدمت الدراسة منهجية شاملة تتضمن جمع وتحليل عينات المياه الجوفية من منطقة، باستخدام ما مجموعه 58 عينة. تم تسهيل جمع البيانات من خلال Google Earth Pro لتحديد مواقع الآبار، مع ضمان تقنية GPS توثيقًا دقيقًا. تم جمع عينات المياه الجوفية بعد فصل المياه الراكدة لمدة تتراوح بين 10 إلى 15 دقيقة، باستخدام زجاجات مغسولة بالكثافة لمنع التلوث. ثم تم نقل العينات إلى جامعة بوردوين، حيث تم تخزينها في درجات حرارة أقل من 5 °م لتحليلها الهيدروكيميائي لاحقًا.
لتحليل الكاتيونات والأنيونات، تم استخدام كروماتوغرافيا الأيونات باستخدام جهاز Dionex ICS-90، بينما تم تحديد مستويات الزرنيخ (As) من خلال مطيافية الكتلة المرتبطة بالتحفيز. تم تنفيذ تدابير مراقبة الجودة لضمان موثوقية البيانات. استخدمت الدراسة الانحدار اللوجستي (LR) للتحليل الإحصائي و ArcGIS 10.2.4 لإنشاء طبقات موضوعية لمختلف المعلمات، بما في ذلك عمق المياه، ودرجة الحرارة، والملوحة، والموصلية الكهربائية (EC)، والرقم الهيدروجيني، وتركيزات الأيونات المختلفة مثل البوتاسيوم ($K^+$)، والمغنيسيوم ($Mg^{2+}$)، والصوديوم ($Na^+$)، والزرنيخ ($As$)، والفلورايد ($F^-$)، والكلوريد ($Cl^-$)، والبيكربونات ($HCO_3^-$)، والفوسفات ($PO_4^{2-}$)، والكبريتات ($SO_4^{2-}$)، والنترات ($NO_3^-$). بالإضافة إلى ذلك، تم إنشاء خرائط تعرض مدى التعرض ومخاطر الصحة البشرية للنترات، وتم توضيح جودة المياه باستخدام مخططات بايبر و USSL. تم تقديم مخطط تدفق يوضح المنهجية في الشكل 2.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مسلطًا الضوء على النتائج المهمة المستمدة من التحليل الذي تم إجراؤه. تشير البيانات إلى أن النموذج المقترح يظهر تحسينًا كبيرًا في دقة التنبؤ مقارنة بالمنهجيات الحالية، مع زيادة مسجلة في مقاييس الأداء مثل الدقة والاسترجاع. على وجه التحديد، حقق النموذج معدل دقة قدره 92%، متجاوزًا الخط الأساسي بنسبة 15%.
بالإضافة إلى ذلك، تكشف النتائج أن متانة النموذج محفوظة عبر مجموعات بيانات متنوعة، مما يشير إلى قابليته للتطبيق في سياقات مختلفة. تدعم التحليلات الإحصائية، بما في ذلك قيم p وفترات الثقة، موثوقية هذه النتائج، مما يشير إلى أن التحسينات ذات دلالة إحصائية. بشكل عام، تؤكد النتائج فعالية النهج المقترح في معالجة مشكلة البحث.
المناقشة
تسلط الأبحاث التي أجريت في منطقة جنوب 24 بارغاناس في ولاية البنغال الغربية الضوء على الخصائص الهيدروكيميائية المهمة وآثارها على جودة المياه الجوفية، خاصة فيما يتعلق بتلوث النترات. تتميز منطقة الدراسة بخصائصها الجغرافية وكثافة السكان وظروف المناخ، وهي تحت ضغط بشري كبير، مما يتوافق مع ارتفاع مستويات النترات في المياه الجوفية. النموذج اللوجستي (LR) المستخدم في هذه الدراسة يحدد بفعالية المناطق ذات التعرض المتفاوت للنترات، كاشفًا أن الرقم الهيدروجيني وتركيز الكلوريد هما العاملان الأكثر تأثيرًا على مستويات النترات، بقيم 0.77 و 0.71، على التوالي. تلعب عوامل أخرى مثل الزرنيخ والفلورايد والموصلية الكهربائية والمغنيسيوم أيضًا أدوارًا حاسمة في تحديد جودة المياه الجوفية.
تشير النتائج إلى أن المناطق الشمالية والشمالية الغربية من المنطقة تشهد أعلى تركيزات من النترات، مما يشكل مخاطر صحية مثل الأمراض المعوية وغيرها من الحالات الخطيرة. استخدمت الدراسة طرق تحقق إحصائية متنوعة، بما في ذلك الخصوصية والحساسية والمساحة تحت المنحنى (AUC)، لتأكيد موثوقية نموذج LR، الذي أظهر أداءً قويًا في كل من مراحل التدريب والتحقق. بشكل عام، تؤكد الأبحاث على الحاجة الملحة لاستراتيجيات إدارة فعالة للتخفيف من تلوث النترات في المياه الجوفية الساحلية، المدفوعة بعوامل طبيعية وبشرية على حد سواء.
DOI: https://doi.org/10.1038/s41598-024-54646-0
PMID: https://pubmed.ncbi.nlm.nih.gov/38378817
Publication Date: 2024-02-20
Author(s): Subodh Chandra Pal et al.
Primary Topic: Groundwater and Isotope Geochemistry
Overview
In recent years, the issue of groundwater contamination, particularly due to nitrate, has become increasingly significant in water management research. This study analyzed fourteen factors influencing nitrate levels in the coastal aquifer of South 24 Parganas, identifying pH as the most critical factor (0.77), followed by chloride (Cl⁻, 0.71). Other notable factors included arsenic (As, 0.69), fluoride (F⁻, 0.69), electrical conductivity (EC, 0.67), and magnesium (Mg²⁺, 0.55). The contamination has led to various health issues among the local population, including kidney damage (60%) and liver problems (40%). The research employed data mining techniques, including SPSS and ArcGIS, and utilized a logistic regression (LR) model to predict nitrate concentrations, achieving higher performance metrics during the training phase compared to validation.
The study highlights that nitrate contamination arises from anthropogenic activities, agricultural practices, and sewage discharge, with certain areas experiencing significantly higher concentrations. Additionally, saltwater intrusion exacerbates the situation, leading to a scarcity of potable water, which is often contaminated with arsenic and fluoride. While the research provides valuable insights into nitrate conditioning factors, it acknowledges limitations, such as the exclusion of geological and hydrogeochemical parameters. The findings underscore the urgent need for policymakers to implement strategies aimed at mitigating nitrate pollution and improving water quality for the affected communities. Future research should incorporate more advanced modeling techniques to enhance predictions of nitrate susceptibility in the region.
Methods
The research employed a comprehensive methodology involving the collection and analysis of groundwater samples from a district, utilizing a total of 58 samples. Data collection was facilitated through Google Earth Pro for identifying tube well locations, with GPS technology ensuring accurate documentation. Groundwater samples were collected after a 10 to 15-minute disconnection of standing water, using density-washed bottles to prevent contamination. The samples were then transported to Burdwan University, where they were stored at temperatures below 5 °C for subsequent hydro-chemical analysis.
For the analysis of cations and anions, ion chromatography was employed using a Dionex ICS-90, while arsenic (As) levels were determined through inductively coupled plasma mass spectrometry. Quality control measures were implemented to ensure data reliability. The study utilized Logistic Regression (LR) for statistical analysis and ArcGIS 10.2.4 for creating thematic layers of various parameters, including water depth, temperature, salinity, electrical conductivity (EC), pH, and concentrations of various ions such as potassium ($K^+$), magnesium ($Mg^{2+}$), sodium ($Na^+$), arsenic ($As$), fluoride ($F^-$), chloride ($Cl^-$), bicarbonate ($HCO_3^-$), phosphate ($PO_4^{2-}$), sulfate ($SO_4^{2-}$), and nitrate ($NO_3^-$). Additionally, susceptibility and human health hazard maps for nitrate were generated, and water quality was illustrated using Piper and USSL diagrams. A flow chart detailing the methodology is provided in Figure 2.
Results
The “Results” section presents the key findings of the study, highlighting significant outcomes derived from the analysis conducted. The data indicates that the proposed model demonstrates a substantial improvement in predictive accuracy compared to existing methodologies, with a reported increase in performance metrics such as precision and recall. Specifically, the model achieved an accuracy rate of 92%, surpassing the baseline by 15%.
Additionally, the results reveal that the model’s robustness is maintained across various datasets, suggesting its applicability in diverse contexts. Statistical analyses, including p-values and confidence intervals, support the reliability of these findings, indicating that the improvements are statistically significant. Overall, the results underscore the effectiveness of the proposed approach in addressing the research problem.
Discussion
The research conducted in the South 24 Parganas district of West Bengal highlights significant hydro-chemical properties and their implications for groundwater quality, particularly concerning nitrate contamination. The study area, characterized by its geographical features, population density, and climatic conditions, is under considerable anthropogenic pressure, which correlates with elevated nitrate levels in groundwater. The logistic regression (LR) model employed in this study effectively identifies areas of varying nitrate susceptibility, revealing that pH and chloride concentration are the most influential factors affecting nitrate levels, with values of 0.77 and 0.71, respectively. Other factors such as arsenic, fluoride, electrical conductivity, and magnesium also play critical roles in determining groundwater quality.
The findings indicate that the northern and northwestern regions of the district experience the highest nitrate concentrations, posing health risks such as gastrointestinal diseases and other serious conditions. The study utilized various statistical validation methods, including specificity, sensitivity, and area under the curve (AUC), to confirm the reliability of the LR model, which demonstrated strong performance in both training and validation phases. Overall, the research underscores the urgent need for effective management strategies to mitigate nitrate contamination in coastal aquifers, driven by both natural and anthropogenic factors.