ارزیابی فیزیکوشیمیایی و تحلیل مکانی کیفیت آب رودخانه‌های پارک ملی لار با رویکرد آماری چندمتغیره

نوع مقاله : پژوهشی

نویسندگان

1 گروه محیط زیست، دانشکده کشاورزی، منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

2 گروه تنوع زیستی و مدیریت اکوسیستم، پژوهشکدة علوم محیطی، دانشگاه شهید بهشتی، تهران، ایران.

3 گروه علوم و مهندسی محیط زیست، دانشکده منابع طبیعی، دانشگاه تهران، تهران، ایران

چکیده

هدف: این پژوهش به ارزیابی جامع کیفیت فیزیکوشیمیایی و پایش طولی آب رودخانه‌های پارک ملی لار در دو تابستان متوالی (۱۳۹۶ و ۱۳۹۷) می‌پردازد.
روش پژوهش: نمونه‌های آب از ۲۰ ایستگاه در 10 رودخانه و چشمه جمع‌آوری شد. 9 پارامتر اصلی شامل دما، اسیدیته (pH)، اکسیژن محلول (DO)، اکسیژن‌خواهی زیستی (BOD₅)، نیتروژن کل، فسفر کل، کدورت، هدایت الکتریکی (EC) و مواد جامد محلول کل (TDS) اندازه‌گیری شدند و دو شاخص مشتق‌شده (نسبت‌های BOD/DO و N/P) نیز محاسبه شد. تحلیل‌های آماری شامل همبستگی اسپیرمن، تحلیل خوشه‌بندی سلسله‌مراتبی و آزمون کروسکال ـ والیس با استفاده از نرم‌افزار R انجام شد.
یافته‌ها: نتایج نشان داد کیفیت کلی آب مطلوب است (میانگین 0/27 ≥ BOD₅ و 7/32 ≤ DO میلی‌گرم در لیتر) و میانگین EC در محدودۀ ۳۴۵µS/cm  قرار داشت؛ با این‌حال، ناهمگونی طولی معنا‌داری مشاهده شد. بخش‌های پایین‌دست، به‌ویژه رودخانۀ سیاه‌پلاس، فشار انسان‌زاد شدیدی را نشان دادند؛ به ‌طوری ‌که فسفر کل در ایستگاه LNP11 در سال ۱۳۹۷ به حداکثر 0/59 میلی‌گرم در لیتر و کدورت در ایستگاه LNP12 به NTU 9/2 رسید.
نتیجه‌گیری: همبستگی منفی معنا‌داری بین ارتفاع و نیتروژن کل مشاهده شد (0/004=p، 0/45=r). علاوه بر این، آزمون کروسکال ـ والیس تفاوت‌های فضایی معنا‌داری را میان گروه‌های بالادست، میانی و پایین‌دست برای نیتروژن کل (0/001>p) و هدایت الکتریکی (0/01>p) آشکار ساخت که تأییدکننده تجمع آلاینده‌های انسان‌زاد در پایین‌دست است. این یافته‌ها بر ضرورت مدیریت هدفمند و مبتنی بر منطقه‌بندی فضایی در پارک ملی لار تأکید دارد.

کلیدواژه‌ها

موضوعات

مراجع

  • Adelana, S. M. A. (2005). Nitrate health effects. Water Encyclopedia, 4, 30–42. https://doi.org/1002/047147844X.dw21
  • Ahmed, M. F., Mokhtar, M. B., Lim, C. K., & Majid, N. A. (2022). Identification of water pollution sources for better Langat River basin management in Malaysia. Water, 14(12), 1-20. https://doi.org/3390/w14121904
  • Ahmed, N., Mohammad, A., Knuteson, S. L., & Samara, F. (2025). Evaluating temporal changes in water quality due to urbanization: a multi-year observational study in Khalid Khor, Sharjah, UAE. Frontiers in Marine Science, (12), 1-20. https://doi.org/10.3389/fmars.2025.1538897
  • Andersen, I. M., Taylor, J. M., Graeber, D., Kelly, P. T., Hoke, A. K., Robbins, C. J., & Scott, J. T. (2025). Redfield revisited: Insights into freshwater seston carbon: nitrogen: phosphorus stoichiometry. Limnology and Oceanography. 70(S2), S14-S26.
  • https://doi.org/10.1002/lno.70133
  • Anupama, P., Kumar, E. V., Ajanth, S., Anugna, K., & Venkatesh, J. (2025). ML-Based Predicting of Dissolved Oxygen Levels for Sustainable River Ecosystem Management. Journal of Science Engineering Technology and Management Sciences, 2(8), 590–601. https://doi.org/64771/jsetms.2025.v02.i08.pp590-601
  • (2017). Standard Methods for the Examination of Water and Wastewater (23rd ed.). Washington DC: American Public Health Association.
  • Arrahmah, S., Masluka, L., & Nugroho, D. (2025). Analisis Bahan Organik dan Keterkaitannya terhadap Parameter Lingkungan Di Muara Sungai Banger, Pekalongan. Buletin Oseanografi Marina, 14(2), 181–189. https://doi.org/10.14710/buloma.v14i2.54195
  • Bai, X., Jiang, Z., Fang, Y., Zhu, L., & Feng, J. (2022). Effects of environmental concentrations of total phosphorus on the plankton community structure and function in a microcosm study. International Journal of Environmental Research and Public Health, 19(14), 1-17. https://doi.org/10.3390/ijerph19148412
  • Bestion, E., Schaum, C., & Yvon‐Durocher, G. (2018). Nutrient limitation constrains thermal tolerance in freshwater phytoplankton. Limnology and Oceanography Letters, 3(6), 436–443. https://doi.org/10.1002/lol2.10096
  • Bukaveckas, P. A., Buikema, L., & Stewart, C. (2023). Effects of climate change and variability on thermal regime and dissolved oxygen resources of oligotrophic lakes in the Adirondack Mountain region. Aquatic Sciences, 86(9). https://doi.org/10.1007/s00027-023-01021-2
  • Çetin, M., Alsenjar, O., Hiuhu, A., Gölpınar, M. S., & Can, M. E. (2024). Assessing the Relationship Between Electrical Conductivity and Total Dissolved Solids of Different Water Resources in a Large-scale Irrigation Scheme in the Eastern Mediterranean Basin of Turkiye. Çukurova Tarım ve Gıda Bilimleri Dergisi, 39(2), 254–266. https://doi.org/36846/CJAFS.2024.148
  • Chapra, S. C. (2008). Surface water-quality modeling. Waveland press. Long Grove.Illinoise. 866.
  • Davies-Colley, R. J. (2013). River water quality in New Zealand: an introduction and overview. Ecosystem Services in New Zealand: Conditions and Trends. Manaaki Whenua Press, Lincoln, 432–447.
  • Deng, L., Li, W., Liu, X., Wang, Y., & Wang, L. (2023). Landscape patterns and topographic features affect seasonal river water quality at catchment and buffer scales. Remote Sensing, 15(5). 1-12 https://doi.org/3390/rs15051438
  • Dumbre, A., Koli, D., Vaivude, P., & Dumbre, S. (2023). Utilizing machine learning within artificial intelligence to enhance dissolved oxygen estimation in the Mississippi River via temperature-driven polynomial regression. International Journal for Research in Applied Science & Engineering Technology, 11(XI), 811–821. https://doi.org/22214/ijraset.2023.56636
  • Dyer, F., ElSawah, S., Croke, B., Griffiths, R., Harrison, E., Lucena-Moya, P., & Jakeman, A. (2014). The effects of climate change on ecologically-relevant flow regime and water quality attributes. Stochastic Environmental Research and Risk Assessment, 28(1), 67–82. https://doi.org/10.1007/s00477-013-0744-8
  • Elser, J. J., Andersen, T., Baron, J. S., Bergström, A-K., Jansson, M., Kyle, M., Nydick, K. R., Steger, L., & Hessen, D. O. (2009). Shifts in lake N: P stoichiometry and nutrient limitation driven by atmospheric nitrogen deposition. Science, 326(5954), 835–837. https://doi.org/1126/science.1176199
  • Feizizadeh, B., Abdollahi, Z., & Shokati, B. (2022). A GIS-based spatiotemporal impact assessment of droughts in the hyper-saline Urmia Lake Basin on the hydro-geochemical quality of nearby aquifers. Remote Sensing, 14(11), 1-24. https://doi.org/10.3390/rs14112516
  • Goswami, R. (2025). Assessing Anthropogenic Stress on The Hugli Riverine Ecosystem During Monsoon: Associating Environmental Sustainability. IJSAT-International Journal on Science and Technology, 16(3). 1-9 https://doi.org/71097/IJSAT.v16.i3.7895
  • Goudarzi, F., Hedayatiaghmashhadi, A., Kazemi, A., & Fürst, C. (2022). Optimal location of water quality monitoring stations using an artificial neural network modeling in the Qarah-Chay River Basin, Iran. Water, 14(6), 1-16. https://doi.org/10.3390/w14060870
  • Grimm, A. G., Tirpak, R. A., & Winston, R. J. (2024). Monitoring the impacts of rainfall characteristics on sediment loss from road construction sites. Environmental Science and Pollution Research, 31(22), 32428–32440. https://doi.org/10.1007/s11356-024-33361-3
  • Haskins, J. (2017). Standards for water, wastewater updated in book: New edition brings water safety to forefront for public health. American Public Health Association.
  • Holtgrieve, G. W., Schindler, D. E., Branch, T. A., & A’mar, Z. T. (2010). Simultaneous quantification of aquatic ecosystem metabolism and reaeration using a Bayesian statistical model of oxygen dynamics. Limnology and Oceanography, 55(3), 1047–1063. https://doi.org/10.4319/lo.2010.55.3.1047
  • Hrycik, A. R., Almeida, L. Z., & Höök, T. O. (2017). Sub‐lethal effects on fish provide insight into a biologically‐relevant threshold of hypoxia. Oikos, 126(3), 307–317. https://doi.org/10.1111/oik.03678
  • Irani, T., Mostafazadeh, R., & Mousavi Moghanjoghi, S. (2025). Changes in water quality condition at sequential monitoring stations based on IRWQI along the Little Zab River in Northwestern Iran. Scientific Reports, 15(1). https://doi.org/1038/s41598-025-14982-1
  • Jahani, A., & Saffariha, M. (2020). Human activities impact prediction in vegetation diversity of Lar National Park in Iran using artificial neural network model. Integrated Environmental Assessment and Management, 17(1), 42–52. https://doi.org/10.1002/ieam.4349
  • Kendall, C., Elliott, E. M., & Wankel, S. D. (2008). Tracing anthropogenic inputs of nitrogen to ecosystems, p 375–449. Stable Isotopes in Ecology and Environmental Science, 2nd Ed Blackwell Publishing, Oxford, United Kingdom.[Google Scholar].
  • Krishnaveni, B., Shailaja, K., & Chapla, J. (2024). Water quality assessment of Bibinagar Lake by physico-chemical parameters. Environmental Reports. 6(1),1-9. https://doi.org/10.51470/ER.2024.6.1.01
  • Ling, T.-Y., Gerunsin, N., Soo, C.-L., Nyanti, L., Sim, S.-F., & Grinang, J. (2017). Seasonal changes and spatial variation in water quality of a large young tropical reservoir and its downstream river. Journal of Chemistry, 2017(2), 1-16. https://doi.org/10.1155/2017/8153246
  • Liu, Y., Li, H., Cui, G., & Cao, Y. (2020). Water quality attribution and simulation of non-point source pollution load flux in the Hulan River basin. Scientific Reports, 10(1), 3012. https://doi.org/10.1038/s41598-020-59980-7
  • Maghrebi, M., Noori, R., Danandeh Mehr, A., Lak, R., Darougheh, F., Razmgir, R., Farnoush, H., Taherpour, H., Alavai Moghaddam, S. M. R., Araghi, A., & Kløve, B. (2023). Spatiotemporal changes in Iranian rivers’ discharge. Elementa: Science of the Anthropocene, 11(1), 1-16. https://doi.org/10.1525/elementa.2022.00002
  • Rakhshan, M., Mahmoudi, H., Abdoli, A., Veisi, H., & Babrgir, S. (2023). The interaction of local people and natural area in Haraz drainage basin; Case study: Ab-e Ask village. Frontiers in Water, (4), 1-11. https://doi.org/10.3389/frwa.2022.949691
  • REDFIELD, A. (1960). The biological control of chemical factors in the environment. Science Progress, 11, 150–170.
  • Redfield, A. C. (1958). The biological control of chemical factors in the environment. American Scientist, 46(3), 205 – 221.
  • Ren, Z., Niu, D., Ma, P., Wang, Y., Fu, H., & Elser, J. J. (2019). Cascading influences of grassland degradation on nutrient limitation in a high mountain lake and its inflow streams. Ecology, 100(8). https://doi.org/10.1002/ecy.2755
  • Rusydi, A. F. (2018). Correlation between conductivity and total dissolved solid in various type of water: A review. IOP Conference Series: Earth and Environmental Science, 118(1), 1-7. https://doi.org/10.1088/1755-1315/118/1/012019
  • Sanchez, R., Groc, M., Vuillemin, R., Pujo-Pay, M., & Raimbault, V. (2023). Development of a frugal, in situ sensor implementing a ratiometric method for continuous monitoring of turbidity in natural waters. Sensors, 23(4), 1-15. https://doi.org/10.3390/s23041897
  • Sangare, L. O., Ba, S., Toure, A., Samake, M., & Zheng, T. (2023). Assessment of the water quality of the Niger River in Bamako, Mali, based on the Water Quality Index. Water Supply, 23(2), 671–687. https://doi.org/10.2166/ws.2023.029
  • Shousha, S., Maranger, R., & Lapierre, J., F. (2021). Different forms of carbon, nitrogen, and phosphorus influence ecosystem stoichiometry in a north temperate river across seasons and land uses. Limnology and Oceanography, 66(12), 4285–4298. https://doi.org/10.1002/lno.11960
  • Sobhani, P., Esmaeilzadeh, H., Wolf, I. D., Marcu, M. V., Lück, M., & Sadeghi, S. M. M. (2023). Strategies to manage ecotourism sustainably: Insights from a SWOT-ANP analysis and IUCN guidelines. Sustainability, 15(14), 1-23. https://doi.org/10.3390/su151411013
  • Tabatabaei, S. N., Hashemzadeh Segherloo, I., Abdoli, A., Afzali, S. F., Normandeau, E., Laporte, M., Hallerman, E. M., & Bernatchez, L. (2024). eDNA metabarcoding as a means to track distributions of different fish species in a protected area. Environmental DNA, 6(2), 1-15. https://doi.org/10.1002/edn3.505
  • Van Niekerk, H., Silberbauer, M. J., & Maluleke, M. (2014). Geographical differences in the relationship between total dissolved solids and electrical conductivity in South African rivers. Water Sa, 40(1), 133–138. https://doi.org/10.4314/wsa.v40i1.16
  • Yanidar, R., Hartono, D. M., Moersidik, S. S., & Andres, Y. (2023). Mapping the Spatial Variation of Rivers Water Quality using Multivariate Analysis. A Case Study of Greater Jakarta, Indonesia. Indonesian Journal of Urban and Environmental Technology, 6(1), 1–19. https://doi.org/10.25105/urbanenvirotech.v6i1.16198

 

مجله اکوهیدرولوژی
دوره 13، شماره 2
تیر 1405
صفحه 1342-1368

فایل ها

سابقه مقاله

  • تاریخ دریافت: 07 فروردین 1405
  • تاریخ بازنگری: 18 اردیبهشت 1405
  • تاریخ پذیرش: 23 خرداد 1405
  • تاریخ اولین انتشار: 01 تیر 1405
  • تاریخ انتشار: 01 تیر 1405

هم رسانی

ارجاع به این مقاله

آمار