پایش تغییرات مکانی – زمانی کیفیت آب‌های سطحی درحوضة رودخانة بالخلی‌چای منتهی به سدّ یامچی (شهرستان اردبیل)

بیاتی خطیبی, مریم; صادقی, مریم; کاکاپور, وحید

doi:10.22111/gdij.2024.45003.3499

پایش تغییرات مکانی – زمانی کیفیت آب‌های سطحی درحوضة رودخانة بالخلی‌چای منتهی به سدّ یامچی (شهرستان اردبیل)

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ استاد ژئومورفولوژی، گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده برنامه‌ریزی و علوم محیطی دانشگاه تبریز، تبریز، ایران

² دانشجوی دکتری سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده برنامه ریزی و علوم محیطی دانشگاه تبریز، تبریز، ایران

10.22111/gdij.2024.45003.3499

چکیده

آب‌های سطحی به لحاظ ماهیّت پویای خود و همچنین گذر از مسیرهای مختلف، بهراحتی آلودهشده و در مدت کوتاهی، آلودگی را به محیط‌های دیگر منتقل می‌کنند. از دیدگاه‌های مختلف، پایش مداوم تغییر در کیفیت آب‌های سطحی مخصوصا زمانی که به پشت سدها منتهی می‌شوند، از نظر سلامت محیطی و انسانی، بسیار مهم است. با توجه به اهمیت پایش مداوم کیفیت آب‌های سطحی منتهی به آب‌های جمعشده در پشت سدها، در این مطالعه سعی شده است تا با استفاده از روش‌های مناسب، کیفیت آبهای سطحی در حوضة رودخانة یامچی مورد مطالعه قرارگیرد. بهمنظور بررسی تغییرات در کیفیت آب‌های سطحی در محدودة فضایی(در مسیر رودخانة بالخلیچای تا سدّ یامچی) –زمانی(در بازة زمانی مطالعاتی 1390-1400)، از داده‌ها و اطلاعات سازمان‌ها، نمونه‌های میدانی و همچنین از شاخص‌های مختلف، استفاده شد. برای بررسی کیفیت آب، از شاخص کیفی آب، شاخص برآورد ذرات معلق یعنی؛ SPM (بر اساس داده‌های Landsat-8) و همچنین از شاخص تفاوت نرمال و اصلاحشدة آب، یعنی MNDWI(مشتقشده از تصاویر در محیط موتور گوگل ارث انجنین) برای دورة زمانی مورد مطالعه، استفاده گردید. در این مطالعه، برای بررسی تغییرات زمانی- فضایی کیفیت آب در دورة مطالعاتی از دادههای کیفی (شامل : pH، EC، TDS، کدورت، Ca2+، DO، Mg2، Na+، Cl، HCO3، SO4، نیترات، فسفات، BOD، COD، کلیفرم کل و کلیفرم مدفوعی) استفاده گردید. برای رسیدن به هدف مطالعه، از 18 پارامتر کیفی آب مانند : pH، EC، TDS، کدورت، Ca2+، DO، Mg2، Na+، Cl، HCO3، SO4، نیترات، فسفات، BOD، COD، کلیفرم کل و کلیفرم مدفوعی) استفاده شد. در پایان نیز نتایج با استفاده از امکانات سیستم اطلاعات جغرافیایی بهصورت نقشه‌های پهنه‌بندی ارائهگردید. نتایج بررسی‌ها در محدودة سد یامچی اردبیل، نشانداد که پارامتر EC و TDS، سختی، کلیفرم کل و DO از حد استاندارد تعیینشدة سازمان بهداشت جهانی بالاتر است. بررسی شاخص کیفی آب (WQI) و استفاده از آنتروپی شانون نیز نشانداد که کیفیت آب محدودة مورد بررسی براساس طبقه‌بندی استاندارد جهانی در فصل مرطوب، مطلوب بوده ولی در فصل خشک نامطلوب است. همچنین بررسی نتایج ارائهشده در نقشه‌های تهیهشده با استفاده از محاسبة شاخص SPM برای حوضة یامچی، بیانگر وجود مقدار بالای ذرات جامد معلق برای دورة مرطوب نسبت به دورة خشک در رودخانة یامچی می‌باشد. مقایسة بازه‌های زمانی نشان می‌دهد که مقدار تغییرات SPM در سال 1393 برای دورة مرطوب و در سال 1397 برای دورة خشک شدید‌تر است که دلیل آن میتواند متاًثر از عوامل طبیعی و انسانی در محدودة حوضه باشد. بررسی میزان کدورت نیز، بیانگر تغییرات شدید در دوره‌های مشابه است. بررسی‌ها همچنین نشانداد که پارامترهای مورد بررسی با شاخص SPM یا مقدار ذرات معلق، همبستگی بالایی با یکدیگر دارند. بررسی روند تغییرات مقدار حاصل از بهکارگیری شاخص MNDWI نیز نشانداد که روند صعودی مقادیر منتج، منطبق بر دورة مرطوب و روند نزولی نیز منطبق بر دورة فصل خشک است و میزان این تغییرات در سطح حوضه در حدود 4 کیلومتر میباشد.

کلیدواژه‌ها

موضوعات

محیط زیست و توسعه

عنوان مقاله [English]

Monitoring Spatial-Temporal Changes in Surface Water Quality in Balkhali Chai River Basin Leading to Yamchi Dam (Ardebil city)

نویسندگان [English]

Maryam Bayati khatibi ¹
Maryam Sadegi ²
Vahid Kakapour ²

¹ Professor of Geomorphology, Department of GIS and RS, Faculty of Planning and Environment Science, Tabriz University, Tabriz, Iran

² Ph. D Student of GIS and RS, Faculty of Planning and Environment Science, Tabriz University, Tabriz, Iran

چکیده [English]

One of the suitable methods for evaluating water quality is the use of water quality indicators. Qualitative indicators are a powerful management tool for different levels of decision-making. With the availability of satellite images, besides the use of field data, it is possible to study the quality of surface water with greater power and increase the dimensions and scope of the work and reduce the cost of the study. Therefore, in this research, considering Taking the mentioned cases and with the aim of investigating the spatial-temporal changes in the water quality of Yamchi Dam under the Balkhali Chai river basin and using the WQI water quality index and remote sensing, a quantitative study has been done in the area of the informed case. The area investigated in this research is under the river basin leading to Yamchi dam located in Ardabil province. Yamchi dam is closed on the path of Balkhali Chai river from the main branches of Qara-Su river. The main branches of Yamchi Dam are one of the important dams due to passing through important residential areas such as Nair and villages in the region, as well as the location of some industrial and recreational centers near the boundaries of these rivers and because of the provision of drinking water and agriculture in the region. The region is Azerbaijan. Due to the prevailing conditions and serious threats caused by industrial effluents and domestic sewage, it is always under the threat of pollution.

کلیدواژه‌ها [English]

Water quality index
remote sensing
SPM
MNDWI
Yamchi Dam

مراجع

بیاتی‌خطیبی، مریم؛ مریم شهبازی؛ آحمد حیدری (1393). پیش‌یابی و تحلیل روند تغییرات کیفیت آب رودخانه اهر و بررسی تاثیر احتمالی آن بر سلامت انسان، نشریه هیدروژئومورفولوژی. دوره 1، شماره 1. صفحات 109-93.

https://hyd.tabrizu.ac.ir/article_3277.html, 20.1001.1.23833254.1393.1.1.6.6

عزت‌آبادیپور، حمید ( 1395) . معرفی تصاویر ماهواره سنتینل- 2. سومین کنفرانس بین‌المللی نوآوریهای اخیر در مهندسی عمران، معماری و شهرسازی، 18 تا 19 شهریور. تهران. 8 صفحه. موسسه آموزش عالی نیکان.

https://civilica.com/l/6011/.

فیضی، اتابک؛ رضا آقاجانی (1399) . تخصیص و مدیریت منابع آب حوضه آبریز سد یامچی با رویکرد تحلیل سناریوها با استفاده از مدل WEAP، مقاله پژوهشی علوم و تکنولوژی محیط زیست. دوره 23. شماره 9. صفحات 100-98.

https://jest.srbiau.ac.ir/article_17513.html.

رسولی‌اصل، رومینا؛ حسین سعادتی (1396). تحلیل آماری آلودگی آب در حوضه سد یامچی اردبیل ، کارشناسی ارشد. گروه منابع طبیعی. محیط زیست، واحد اردبیل. دانشگاه آزاد اسلامی اردبیل. چهارمین کنفرانس بینالمللی برنامهریزی و مدیریت. خرداد 1396.

https://civilica.com/doc/589543

Avtar, R., Kumar, P., Singh, C.K., Mukherjee, S (2011). A comparative study on hydrogeochemistry of ken and Betwa Rivers of Bundelkhand using statistical approach. Water Qual Expo Health 2, 169-179.

https://doi.org/10.1007/s12403-010-0035-2.

Bhaga, T.D., Dube, T., Shoko, C (2021). Satellite monitoring of surface water variability in the drought prone Western cape, South Africa. Phys. Chem. Earth, parts A/B/C 102914.

https://ui.adsabs.harvard.edu/abs/2021PCE...12402914B/abstrac.

http://www.ijabbr.com/article_7087.html

Clay Barrett D, Frazier A. (2016). Automated method for monitoring water quality using Landsat imagery. Water, 8(6): 257-269.

https://www.mdpi.com/2073-4441/8/6/257.

Deng, C., Liu, L., Li, H.,Peng, D., Wu, Y., Xia, H., Zhang, Z., Zhu, Q. A (2021). Data‐driven framework for spatiotemporal characteristics, complexity dynamics, and environmental risk evaluation of river water quality. Sci. Total. Environ, 785, 147134

https://pubmed.ncbi.nlm.nih.gov/33940408.

Elkiran, G., Nourani, V., Abba, S.I (2019). Muliti-step ahead modlleing of river water quality parameters using ensemple artificial intelligence-based approach. J. Hydrol. 577, 123962.

https://www.cabdirect.org/cabdirect/abstract/20193501942.

Haider, H., Singh, P., Ali, W., Tesfamariam, S., Sadiq, R (2015). Sustainability evaluation of surface water quality management options in developing countries: multicriteria analysis using fuzzy UTASTAR method. Water Resour. Manag. 29, 2987-3013.

https://ideas.repec.org/a/spr/waterr/v29y2015i8p2987-3013.html

Hameed, M., Sharqi, S.S., Yaseen, Z.M., Afsan, H.A., Hussain, A., Elshafie, A (2017). Application of artificial intelligence (AI) techniques in water quality index prediction: a case study in tropical region, Malaysia. Neural Comput. & Applic. 28, 893-905.

https://dl.acm.org/doi/abs/10.1007/s00521-016-2404-7.

Irmadi Nahib, Fahmi Amhar, Yudi Wahyudin , Wiwin Ambarwulan, Yatin Suwarno, Nawa Suwedi, Turmudi Turmudi 1, Destika Cahyana, Nunung Puji Nugroho 3, Fadhlullah Ramadhani, Deddy Romulo Siagian, Jaka Suryanta, Aninda W. Rudiastuti, Yustisi Lumban-Gaol,Vicca Karolinoerita, Farid Rifaie and Munawaroh Munawaroh (2022). Spatial-Temporal Changes in Water Supply and Demand in the CitarumWatershed, West Java, Indonesia Using a Geospatial Approach, Current Research in Environmental Sustainability 4 (2022) 100187.

https://www.mdpi.com/article/10.3390/su15010562.

Ji, L., Zhang, L., & Wylie, B (2009). Analysis of Dynamic Thresholds for the Normalized Difference Water Index. Photogrammetric Engineering & Remote Sensing, 75(11), 1307–1317.

https://doi.org/10.14358/PERS.75.11.1307.

Kumar, P., Dasgupta, R., Dhyani, S., Kadaverugu, R., Johnson, B.A., Hashimoto, S., Sahu, N., Avtar, R., Saito, O., Chakraborty, S., Mishra, B.K (2021). Scenario based hydrological modeling for designing more climate resilient water resource management measures: a case of Brahmani river, Odisha, Eastern India. Sustainability 13, 6339.

https://doi.org/10.3390/su13116339.

Liu J, Zhang Y, Yuan D, Song X (2015). Empirical estimation of total nitrogen and total phosphorus concentration of urban water bodies in china using high resolution ikonos multispectral imagery. Water, 7(11): 6551-6573.

https://doi.org/10.3390/w7116551.

Lv, M., Niu, X., Zhang, D., Ding, H., Lin, Z., Zhou, S., Zhu, Y. A (2023). Data-Driven Framework for Spatiotemporal Analysis and Prediction of River Water Quality: A Case Study in Pearl River, China. Water 2023, 15, 257.

https:// doi.org/10.3390/w15020257. https:// doi.org/10.3390/w15020257.

Matta G., Nayak. A., Nayak A., KumarK & Kumar P (2020). Water quality assessment using NSFWQI, OIP and multivariate techniques of Ganga River system, Uttarakhand, India, Applied Water Science, e (2020) 10:206

https://doi.org/10.1007/s13201-020-01288-y

Molekoa, M.D., Avtar, R., Kumar, P., Minh, H.V.T., Kurniawan, A.T (2019). Hydrochemical assessment of groundwater quality of Mokopane area, Limpopo South Africa using statistical approach. Water 11, 1891.

https://doi.org/10.3390/ w11091891.

https://www.mdpi.com/2073-4441/11/9/1891.

Noori, R.; Berndtsson, R.; Hosseinzadeh, M.; Adamowski, J.F.; Abyaneh, M.R (2019). A critical review on the application of the National Sanitation Foundation Water Quality Index. Environ. Pollut. 2019, 244, 575-587.

https://pubmed.ncbi.nlm.nih.gov/30384063/

Osman Salih Yilmaz, Fatih Gulgen, Fusun Balik Sanli & Ali Murat Ates (2023). The Performance Analysis of Different Water Indices and Algorithms Using Sentinel-2 and Landsat-8 Images in Determining Water Surface: Demirkopru Dam Case Study, Arabian Journal for Science and Engineering (2023)Cite this article.

https://www.springerprofessional.de/en/the-performance-analysis-of-different-water-indices-and-algorith/23888002.

Qiu, Z (2013). A simple optical model to estimate suspended particulate matter in Yellow River Estuary. Optics Express, 21(23), 27891. doi:10.1364/oe.21.027891.

https://opg.optica.org/OE/fulltext.cfm?uri=oe-21-23-27891.

Stets, E.G.; Sprague, L.A., Oelsner, G.P., Johnson, H.M.; Murphy, J.C.; Ryberg, K., Vecchia, A.V., Zuellig, R.E., Falcone, J.A (2020). Riskin, M.L. Landscape Drivers of Dynamic Change in Water Quality of U.S. Rivers. Environ. Sci. Technol. 2020, 54, 4336-4343.

https://doi.org/10.1021/acs.est.9b05344.

Wang, B., Wang, Y., Wang, S (2023). Improved water pollution index for determining spatiotemporal water quality dynamics: Case study in the Erdao Songhua River Basin, China. Ecol. Indic. 2021, 129, 107931.

https://doi.org/10.1016/j.ecolind.2021.107931.

Wang, P.; Zhao, H.; Yang, Z.; Jin, Q.; Wu, Y.; Xia, P.; Meng, L (2023). Fast Tailings Pond Mapping Exploiting Large Scene Remote Sensing Images by Coupling Scene Classification and Sematic Segmentation Models. Remote Sens. 2023, 15, 327.

https:// doi.org/10.3390/rs15020327.

Zheng G, DiGiacomo PM (2017). Uncertainties and applications of satellite-derived coastal water quality products. Progress in Oceanography, 159: 45-72.

Zheng, H., Hong, Y., Long, D., Jing, H (2017). Monitoring surface water quality using social media in the context of citizen science. Hydrol. Earth Syst. Sci. 21, 949-961.

https://doi.org/10.5194/hess-21-949-2017.