پهنه‏ بندی پارامترهای کیفی در رودخانه با استفاده از تصاویر ماهواره ‏ای به‌منظور پرورش آبزیان

نوع مقاله : پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی و مدیریت منابع آب، گروه مدیریت ساخت و آب، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی،‌ تهران، ایران

2 استادیار گروه مهندسی عمران، دانشکدۀ فنی و مهندسی، دانشگاه صنعتی قم، ایران

3 استادیار پژوهشکدۀ مطالعات و تحقیقات منابع آب، مؤسسۀ تحقیقات آب، تهران، ایران

چکیده

به‌منظور استفاده از پتانسیل آب‌های سطحی برای پرورش آبزیان، انتخاب بازه‏های مناسب یک رودخانه از نظر کیفیت آب و غلظت آلاینده‏ها، که کمترین آثار منفی زیست‌محیطی را در پی داشته باشد، بسیار مهم است. مطالعۀ حاضر، برای انتخاب بازه‏هایی از رودخانه که غلظت کمتری از پارامترهای آلایندۀ رودخانه داشته باشد، انجام گرفته است. تصاویر ماهواره‏ای لندست، برای تطبیق وضعیت کیفی آب رودخانه، استفاده شد و با نتایج نمونه‏برداری کیفی آب در 12 ایستگاه نمونه‏برداری واقع در طول رودخانۀ بشار در استان کهگیلویه و بویراحمد، در 4 دورۀ زمانی، ‌تحلیل شد. تحلیل همبستگی بین نتایج بازتابش تصاویر ماهواره‏ای و غلظت آلاینده‏ها به دو روش انجام شد. در روش نخست، همبستگی بین غلظت پارامتر کیفی درون‏یابی‌شده در طول رودخانه و بازتابش باندهای تصاویر ماهواره‏ای ارزیابی شد. در روش دوم، همبستگی غلظت پارامترهای کیفی در ایستگاه نمونه‏برداری و بازتابش در همان ایستگاه بررسی شد. نتایج نشان داد برای ارزیابی هریک از پارامترهای کیفی، باندهای متفاوتی از تصاویر ماهواره‏ای مناسب است. برای دمای آب باند حرارتی، برای pH و نیترات در فصل گرم به‌ترتیب باندهای 5 و 4 و در فصل سرد باندهای 4 و 2، برای TDS باند 3 و برای کدورت باند 3 یا 5 مناسب است. رابطۀ رگرسیونی با روش‌های رگرسیون تک‌متغیره و چندمتغیرۀ خطی تعیین شده و براساس آن پارامترهای کیفی آب در طول رودخانه برآورد شد. براساس نتایج، محدوده‏هایی از رودخانه که کیفیت آب بهتری نسبت به سایر بازه‏ها دارند، به عنوان مناطق مستعد پرورش ماهی انتخاب شدند.

کلیدواژه‌ها


عنوان مقاله [English]

The Zoning of Quality Parameters in the River Using Satellite Imagery for Aquaculture

نویسندگان [English]

  • Reza Sasan Aghababa 1
  • Bayramali Mohammadnezhad 2
  • Hamid Kardan Moghaddam 3
1 Master of Science Student, Department of Civil Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
2 Assistant Professor, Department of Civil Engineering, Qom University of Technology (QUT), Qom, Iran
3 Assistant Professor, Department of Water Resources Research, Water Research Institute, Ministry of Energy, Tehran, Iran
چکیده [English]

In order to exploit the potential of surface water for aquaculture, the choice of suitable river reach with allowable water quality and pollutant concentrations was important, which has the least negative environmental impact. This study was performed to designate a river reach with a lower concentration of river pollutant parameters. Landsat satellite imagery was used to adapt the water quality and was analyzed with sampled water quality data over four time periods at 12 stations along the Beshar River in Kohgiluyeh and Boyer Ahmad Province. Correlation analysis between satellite imagery reflectance and pollutant concentrations were evaluated by two methods. In the first method, the correlation between the interpolated quality parameters along the river and the reflectance values was evaluated. In the second method, the correlation between the sampled qualitative parameters at the stations and the reflectance values at the same station was investigated. The results showed that different bands of satellite images are appropriate for evaluating each of the water quality parameters. Imagery bands that are suitable for water quality parameters were obtained as the thermal band for temperature, 5, 4, 4 and 2 for pH and nitrate, respectively, in hot and cold seasons, 3 for TDS and 3 or 5 for turbidity. The regression relationships were determined by two linear univariate and multivariate regression methods, and then by using them, water quality parameters along the river were estimated. Based on the results, the river areas that have good water quality were selected as fish breeding and aquaculture areas.

کلیدواژه‌ها [English]

  • Aquaculture
  • remote sensing
  • Beshar River
  • Water Quality Parameters Correlation
[1]. Guideline manual for assimilative capacity studies in rivers. Islamic Republic of Iran Vice presidency for strategic planning and supervision: Bureau of Engineering Affairs and Technical Standards for Water and Wastewater; Ministry of Energy; 2009. [Persian]
[2]. Noori R, Abdoli MA, Ghasrodashti AA, Ghazizade MJ. Prediction of municipal solid waste generation with combination of support vector machine and principal component analysis: a case study of Mashhad. Environmental Progress & Sustainable Energy. 2009; 28(2): 249-58.
[3]. El-Magd IA, El-Zeiny A. Quantitative hyperspectral analysis for characterization of the coastal water from Damietta to Port Said, Egypt. The Egyptian Journal of Remote Sensing and Space Science. 2014; 17(1): 61-76.
[4]. Gohin F, Stanev E. Annual cycles of chlorophyll-a, non-algal suspended particulate matter, and turbidity observed from space and in-situ in coastal waters. Ocean Science. 2011; 7(5):705-32.
[5]. Cheragi M, Sobhani ardakani S, Lorestani B, Jaffari nobakht F, Tayebi L. Site selection for rainbow trout culture farms in townships of Hamedan provice using Makhdum aquaculture model and GIS. Journal of Environmental Science and Technology (JEST). 2015; online publishing. [Persian].
[6]. Navabian M, Vazifedoust M, Esmaeili Varaki M. Feasibility Study of Anzali wetland quality monitoring using Remote Sensing. Iranian Journal of Soil and Water Research. 2019; 50(7):1813-24. [Persian].
[7]. Dlamini S, Nhapi I, Gumindoga W, Nhiwatiwa T, Dube T. Assessing the feasibility of integrating remote sensing and in-situ measurements in monitoring water quality status of Lake Chivero, Zimbabwe. Physics and Chemistry of the Earth, Parts A/B/C. 2016; 93:2-11.
[8]. Chu H-J, Kong S-J, Chang C-H. Spatio-temporal water quality mapping from satellite images using geographically and temporally weighted regression. International journal of applied earth observation and geoinformation. 2018; 65:1-11.
[9]. Musse MA, Barona DA, Rodriguez LMS. Urban environmental quality assessment using remote sensing and census data. International journal of applied earth observation and geoinformation. 2018; 71:95-108.
[10]. Lillesand TM, Kiefer RW, Chipman JW. Concepts and foundations of remote sensing. Remote Sensing and Image Interpretation; Lillesand, T, Kiefer, R, Chipman, J, Eds. 1987:1-57.
[11]. Du Y, Teillet PM, Cihlar J. Radiometric normalization of multitemporal high-resolution satellite images with quality control for land cover change detection. Remote sensing of Environment. 2002; 82(1):123-34.
[12]. Lenot X, Achard V, Poutier L. SIERRA: A new approach to atmospheric and topographic corrections for hyperspectral imagery. Remote Sensing of Environment. 2009; 113(8):1664-77.
[13]. Aquaculture Quality Standard. 2012. Fisheries Organization. [Persian].