The effect of water and sediment parameters on the biological value index of benthic invertebrates in Chaghakhor International Wetland

Subject Areas :

Sarmad Mahdi Kadhum Alghanimi ¹ (Environmental Science and Engineering Department, College of Agriculture and Natural resources, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran. )
Atefeh Chamani ² (Agriculture department,Islamic Azad University of Esfehan)
Ahmed Najm Abdallh Al-Mosawy ³ (University of Karbala, Iraq)
Kamran Rezaei Tavabe ⁴ ( Department of Fisheries, Natural Resources Faculty, University of Tehran, Karaj, Iran)

Received: 2024-04-13 Accepted : 2024-05-29 Published : 2024-08-16

Keywords: Agricultue landuse, Artificial neural network, Biological assessment, Chaghakhor International Macrobenthos, Wetland.,

Abstract :

Biological indicators play a pivotal role in enhancing our comprehension of the ecological status and health of wetland ecosystems. This study investigated the ecological status of Chaghakhor International Wetland utilizing the biological value index Z at 10 water and sediment sampling sites. The Z index results revealed a Beta-mesosaproby status (Z = 2.30 ± 0.03) with moderate pollution. The findings from the artificial neural network model, displaying a determination coefficient of 0.943, indicated that elevated levels of parameters such as sediment electrical conductivity (553.97 ± 18.43), chemical oxygen demand (15.18 ± 0.44), biological oxygen demand (8.23 ± 0.52), and total dissolved solids (173.66 ± 7.63) in water significantly influenced changes in the biodiversity index Z. Human activities surrounding the wetland, particularly the expansion of agricultural lands, appear to have exerted a substantial impact on the present conditions. Consequently, improving agricultural land management, specifically through agricultural system reform, and preventing agricultural runoff from infiltrating the wetland environment are indispensable strategies for ecosystem preservation. Additionally, continuous monitoring of benthic communities in Chaghakhor Wetland and assessment of seasonal variations are crucial for formulating necessary conservation programs.

References:

قریب خانی، م. و تاتینا م. (1387) توان تولید طبیعی رودخانه لوندویل آستارا بر اساس جوامع کفزیان. مجله شیلات، 4(2): 1-17.
قلندرزاده، س.، رضایی توابع، ک.، سیدمحمد شربازی، ر. و صمدی ب. (1399) بررسی تغییرات غلظت فلزات سنگین کادمیوم، کروم و روی در آب و رسوب و تعیین شاخص ارزش زیستی کفزیان (Z) در رودخانه کرج. محله شیلات، منابع طبیعی ایران، 73 (2): 199- 212.
Abolhasani, F., Heydarnejad, M. S., Tabatabaei, S. N., Bakhtiarifar, A. & Hashemzadeh Segherloo, I. (2020) Comparison of the body shape of Aphanius vladykovi populations (Teleostei: Aphaniidae) using geometric morphometric method. Iranian Journal of Animal Biosystematics, 16 (2), 145-154.
Baur, W. H. (1980) Gewässergüte bestimmen und beurteilen: praktische Anleitung für Gewässerwarte und alle an der Qualität unserer Gewässer interessierten Kreise; 16 Tabellen. Parey.
Cinar, A. C. (2020) Training feed-forward multi-layer perceptron artificial neural networks with a tree-seed algorithm. Arabian Journal for Science and Engineering, 45 (12), 10915-10938.
Day, L., Le Bris, H., Saulnier, E., Pinsivy, L. & Brind’Amour, A. (2020) Benthic prey production index estimated from trawl survey supports the food limitation hypothesis in coastal fish nurseries. Estuarine, Coastal and Shelf Science, 235, 106594.
Dehghani, I., Peykanpourfard, P. & Daniali, S. (2019) The effect of physico-chemical variations on phytoplankton status in the margin of choghakhor wetland, iran. Applied Ecology and Environmental Research, 17 (2), 5173-5192.
Derycke, S., Maes, S., Van den Bulcke, L., Vanhollebeke, J., Wittoeck, J., Hillewaert, H., Ampe, B., Haegeman, A., Hostens, K. & De Backer, A. (2020) Optimisation of metabarcoding for monitoring marine macrobenthos: primer choice and morphological traits determine species detection in bulkDNA and eDNA from the ethanol preservative. Authorea Preprints.
Hettige, N. D., Hashim, R. B., Ash’aari, Z. H., Kutty, A. A. & Jamil, N. R. (2021) Multivariate statistical approaches to benthic macroinvertebrates and water quality for farming impact assessment in Selangor River, Malaysia.
Huang, Y., Li, Y., Chen, Q., Huang, Y., Tian, J., Cai, M., Huang, Y., Jiao, Y., Yang, Y. & Du, X. (2021) Effects of reclamation methods and habitats on macrobenthic communities and ecological health in estuarine coastal wetlands. Marine pollution bulletin, 168, 112420.
Khari, M., Dehghanbanadaki, A., Motamedi, S. & Armaghani, D. J. (2019) Computational estimation of lateral pile displacement in layered sand using experimental data. Measurement, 146, 110-118.
Lowe, V., Frid, C. L., Venarsky, M. & Burford, M. A. (2022) Responses of a macrobenthic community to seasonal freshwater flow in a wet-dry tropical estuary. Estuarine, Coastal and Shelf Science, 265, 107736.
Naqsyabandi, S., Riani, E. & Suprihatin, S. (2018) Impact of batik wastewater pollution on macrobenthic community in Pekalongan River. AIP Conference Proceedings. AIP Publishing.
Obot, O., Ekpo, I. E. & Esau, E. F. (2014) Physico-chemical parameters and macro-benthos of Ediene stream, AkwaIbom State, Nigeria. Journal of American Biology and Life Science, 2 (5), 112-121.
Pirali Zefrehei, A. R., Hedayati, A., Pourmanafi, S., Beyraghdar Kashkooli, O. & Ghorbani, R. (2020) Environmental vulnerability assessment of Choghakhor International Wetland during 1985 to 2018. Lakes & Reservoirs: Research & Management, 25 (1), 49-60.
Reza, P. Z. A., Aliakba, H., Saeid, P., Omid, B. K. & Rasoul, G. (2020) Detection and prediction of water body and aquatic plants cover changes of choghakhor international wetland, using landsat imagery and the cellular automata–Markov Model. Contemporary Problems of Ecology, 13, 545-555.
Villalobos, V. I., Valdivia, N., Försterra, G., Ballyram, S., Espinoza, J. P., Wadham, J. L., Burgos-Andrade, K. & Häussermann, V. (2021) Depth-dependent diversity patterns of rocky subtidal macrobenthic communities along a temperate fjord in Northern Chilean Patagonia. Frontiers in Marine Science, 8, 635855.
Wang, Q., Duarte, C., Song, L., Christakos, G., Agusti, S. & Wu, J. (2021a) Effects of ecological restoration using non-native mangrove Kandelia obovata to replace invasive Spartina alterniflora on intertidal macrobenthos community in Maoyan Island (Zhejiang, China). Journal of Marine Science and Engineering, 9 (8), 788.
Wang, Y., Liu, J.-J., Liu, W., Feng, Q., Li, B.-l., Lu, H. & Wang, S. (2021b) Spatial variation in macrobenthic assemblages and their relationship with environmental factors in the upstream and midstream regions of the Heihe River Basin, China. Environmental Monitoring and Assessment, 193, 1-22.
Wissinger, S. A., Klemmer, A. J., Braccia, A., Bush, B. M. & Batzer, D. P. (2021) Relationships between macroinvertebrates and detritus in freshwater wetlands. Freshwater Science, 40 (4), 681-698.

Full-Text:



مجله تحقیقات منابع طبیعی تجدیدشونده، سال پانزدهم، شماره1بهار و تابستان1403(پیاپی چهل و یک )، ص 57-47، نوع مقاله : علمی پژوهشی/1

 

 

 

 

 

بررسی ارتباط برخی پارامترهای آب و رسوب با شاخص ارزش زیستی بی­مهرگان کفزی در تالاب بین­المللی چغاخور

 

سرمدمهدی کاظم­الغانمی1، عاطفه چمنی2*، احمدنجم عبداله­الموسوی3 و کامران رضائی­توابع4

 

1)       دانشجوی دکتری رشته علوم و مهندسی محیط زیست، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران.

2)       دانشیار گروه علوم و مهندسی محیط زیست، مرکز تحقیقات پسماند و پساب، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران.

 *رایانامه نویسنده مسئول مکاتبات: [e-mail]

3)       استاد دانشکده کشاورزی، دانشگاه کربلا، عراق.

4)       دانشیار گروه شیلات، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.

 

تاریخ دریافت: 25/01/1403                تاریخ پذیرش: 09/03/1403

 

چکیده

شاخص­های زیستی نقش مهمی در افزایش درک بشر از وضعیت بوم­شناختی و سلامت بوم­سازگان­های تالاب ایفا می­کنند. در این مطالعه، وضعیت بوم­شناختی تالاب بین­المللی چغاخور با استفاده از شاخص ارزش زیستی Z در 10 نقطه نمونه­برداری آب و رسوب بستر مورد بررسی قرار گرفت. برای این منظور، برخی از پارامترهای شیمیایی آب و رسوب محاسبه و در نهایت ارتباط این پارامترها با شاخص زیستی z با استفاده از شبکه عصبی مصنوعی بررسی گردید. نتایج شاخص Z نشان‌دهنده­ وضعیت بتامزوساروپ تالاب (03/0±30/2 =Z) با آلودگی متوسط بود. نتایج مدل شبکه عصبی مصنوعی با ضریب تعیین 943/0 نشان داد افزایش سطح پارامترهایی مانند هدایت الکتریکی رسوب ( µs/cm43/18±97/553) و همچنین اکسیژن­خواهی شیمیایی (mg/l 44/0±18/15) و زیستی (mg/l 52/0±23/8) و کل جامدات محلول (mg/l 63/7±66/173) در آب به­طور قابل‌توجهی بر تغییرات شاخص تنوع زیستی Z تاثیرگذار بوده است. این­طور به نظر می­رسد فعالیت­های انسانی پیرامون تالاب به­خصوص گسترش اراضی کشاورزی در شرایط کنونی در این امر نقش عمده­ای داشته است. بنابراین، بهبود مدیریت اراضی کشاورزی، به­ویژه اصلاح سیستم کشاورزی و جلوگیری از ورود رواناب کشاورزی به محیط تالاب از راهبردهای ضروری جهت حفاظت از بوم­سازگان خواهد بود. همچنین پایش مستمر جوامع کفزی در تالاب چغاخور و ارزیابی تغییرات فصلی برای توسعه برنامه‌های حفاظتی لازم و ضروری است.  

 

واژه­های کلیدی: ارزیابی زیستی، بی­مهرگان کفزی، تالاب بین­المللی چغاخور، شبکه عصبی مصنوعی، کاربری کشاورزی.

 

 

مقدمه

پویایی تالاب­ها در گرو عملکرد بهینه گونه­های مختلف گیاهی و جانوری آن است. بی­مهرگان کفزی یکی از مهمترین گروه­های جانوری هستند که نقش مهمی در عملکرد بوم­شناختی بوم­سازگان­های تالاب ایفا کرده و همواره به­عنوان شاخص­های مهمی از کیفیت آب و آلودگی آن به­شمار می­آیند (Huang et al., 2021). تالاب‌هایی با جمعیت بی‌مهرگان کفزی متنوع و پویا به سلامت و ثبات کلی بوم­سازگان کمک می‌کنند. تجزیه مواد آلی برای بازیافت مواد مغذی (Wissinger et al., 2021)، حفظ بهره­وری تالاب (Lowe et al., 2022) و ایفای نقش طعمه برای بسیاری از گونه­های ماهی و سایر موجودات آبزی (Day et al., 2020) از جمله مهمترین نقش­هایی است که این موجودات در بوم­سازگان­های آبی و تالابی بر عهده دارند.

بی­مهرگان کفزی تقریبا ساکن همه­ بوم­سازگان­های آبی هستند که در مجموعه­های متنوعی از محیط­ها از اعماق اقیانوس­ها تا جریان­های کم­عمق آب شیرین درون خشکی­ها یافت می­شوند (Wang et al., 2021a). با این حال، ترکیب و توزیع این موجودات بسته به بسیاری از پارامترهای محیطی از جمله عمق بستر، دمای آب، شوری، نوع بستر و در دسترس بودن غذا به­طور قابل توجهی متفاوت هستند (Villalobos et al., 2021). این توزیع گسترده و حساسیت بالا به عوامل محیطی، بی­مهرگان کفزی را به شاخص­های ارزشمندی از سلامت بوم­سازگان و کیفیت محیط تبدیل کرده است. از این رو درک پویایی جوامع کفزی برای درک عملکرد و انعطاف­پذیری بوم­سازگان­های آبی در پاسخ به اختلالات طبیعی و انسانی لازم و ضروری است.

حضور و تنوع بی­مهرگان کفزی در بوم­سازگان­های آبی تحت تاثیر ترکیب پیچیده­ای از پارامترهای مختلف کیفیت آب قرار دارد. به­طور مثال، کربنات کلسیم¹ برای تشکیل پوسته در برخی از نرم­تنان و سخت­پوستان ضروری است و در دسترس بودن آن در آب می­تواند بر رشد و بقای این گونه­ها تاثیرگذار باشد (Derycke et al., 2020). علاوه بر این، گونه­های مختلف بی­مهرگان کفزی مقاومت­های متفاوتی نسبت به سطوح مختلف اسیدیته از خود نشان می­دهند. مقادیر بالای جامدات محلول در آب و هدایت الکتریکی نیز نقش مهمی در تنظیم اسمزی این موجودات آبزی، به‌ویژه آنهایی که با محدوده‌های شوری خاص سازگار شده­اند، دارد (Wang et al., 2021b). ورود بیش از حد مواد مغذی که اغلب با فعالیت­های انسانی مانند کشاورزی یا تخلیه فاضلاب مرتبط است، می­تواند به شکوفایی جلبکی منجر شده و سطح اکسیژن را در طول تجزیه کاهش دهد. در این شرایط، تنها گونه­های خاصی تحت شرایط غنی از مواد مغذی توانایی رشد و بقا دارند درحالی­که فراوانی برخی دیگر از گونه­ها کاهش می­یابد. این تغییر در فراوانی و نوع گونه­ها به­عنوان شاخص­هایی برای ارزیابی سلامت بوم­سازگان آبی در نظر گرفته می­شود. به­طور مثال، Hettige و همکاران (2021) نشان دادند با افزایش اکسیژن­خواهی شیمیایی و زیستی در محیط­های آب شیرین، از فراوانی و تنوع بی­مهرگان کفزی به شدت کاسته خواهد شد. نتایج مطالعه Obot و همکاران (2014) نیز نشان داد با افزایش جامدات محلول در آب، بسیاری از گونه­های حساس بی­مهره کفزی از بوم­سازگان حذف شده و محیط تحت تاًثیر حضور برخی از گونه­های مقاوم در خواهد آمد. تغییرات مشاهده شده در این مطالعات عموما به­دلیل افزایش و تشدید فعالیت­های انسانی در پیرامون بوم­سازگان آبی، به­خصوص ورود رواناب­های شهری و کشاورزی به داخل محیط بوده است.

شاخص ساپروبی یکی از مهمترین ابزارهای پایش زیستی برای مدیریت منابع آبی است که از توان بالایی برای تعیین شرایط کیفی آب (شور و شیرین) و وضعیت آلودگی به مواد آلی و سمی برخوردار است. به­طور کلی، این شاخص­ می­تواند شدت تجزیه مواد آلی موجود در آب را مشخص کند (قلندرزاده و همکاران، 1399). برقراری تعادل و سلامت بوم­سازگان­های آبی به­خصوص تالاب­های آب شیرین در گرو آگاهی از وضعیت پارامترهای زیستی و غیرزیستی آن در سطوح مختلف است. تالاب بین­المللی چغاخور یکی از پویاترین و منحصر به فردترین بوم­سازگان­های تالابی در دل رشته کوه­های زاگرس در ایران است (Reza et al., 2020). این بوم­سازگان به­دلیل تشدید فعالیت­های کشاورزی و توریسم متمرکز در سال­های گذشته به شدت تحت تاثیر فعالیت­های انسانی قرار گرفته و آگاهی از وضعیت بوم­شناختی آن، کمک قابل توجهی در برنامه­ریزی مدیریت و حفاظت آن ایفا خواهد کرد. از این رو، هدف از این مطالعه شناسایی وضعیت سلامت و آلودگی بخش­های مختلف رسوب و آب تالاب چغاخور با استفاده از شاخص زیستی Z و شناسایی اثر ویژگی­های مختلف شیمیایی رسوب و آب تالاب محیط بر شاخص زیستی است.

 

مواد و روش­ها

منطقه مورد مطالعه

تالاب بین­المللی چغاخور در دل رشته کوه زاگرس در جنوب­غربی ایران در مختصات جغرافیایی 31 درجه و 45 دقیقه عرض شمال و 50 درجه و 54 دقیقه طول شرقی واقع شده است (شکل 1). سطح آب این تالاب کم­عمق (حداکثر بین 5 تا 6 متر) اما دایم است که در زمان پرآبی، وسعتی برابر با 15 کیلومترمربع را در برمی­گیرد. متوسط بارندگی در محدوده تالاب به­صورت متوسط سالانه برابر با 380 میلی­متر است که اکثرا در ماهای سرد سال می­بارد. متوسط دمای سالانه آب این تالاب برابر با 14 درجه سانتی­گراد است (Dehghani et al., 2019). در اوایل دهه 1370 شمسی، احداث سد خاکی بر دهانه خروجی این تالاب توانست به افزایش سطح آب تالاب و امکان آبرسانی بیشتر به اراضی پیرامون منجر شود. این امر امکان گسترش اراضی باغی و زراعی در کنار تالاب را ممکن ساخت. چنانچه در شکل (1) نشان داده شده است، تمام اراضی پیرامون این تالاب به­جز نواحی پرشیب کوهستانی به زیر کشت رفته­اند. همچنین، این شرایط باعث شده تا این تالاب پذیرای تعداد بسیار زیادی از گونه­های مختلف گیاهی و جانوری باشد. در حال حاضر، حدود 47 گونه مختلف از پرندگان به صورت مهاجر زمستانه و مقیم دایم در این تالاب به ثبت رسیده است که گویای جایگاه مهم این تالاب از نظر کارکردهای بوم­شناختی در استان چهارمحال و بختیاری است. فعالیت­های کشاورزی و توریسم متمرکز، از مهمترین فعالیت­های انسانی در منطقه به­شمار می­آید که اثرات مهمی بر کارکرد اکولوزیکی این تالاب در سال­های گذشته داشته است (Abolhasani et al., 2020).

 

 

 

---

[1]  CaCO3

 

 

شکل 1. موقعیت تالاب بین­المللی چغاخور و نقاط نمونه­برداری

 

برداشت و تحلیل نمونه­های رسوب

 

در این مطالعه، 10 نقطه نمونه­برداری به­صورت سیستماتیک از بستر تالاب تعیین گردید (شکل 1 و جدول 1). به­منظور برداشت نمونه، از یک لوله پی­وی­سی با طول بیش از 5 متر و قطر 20 سانتی­متر به­عنوان دستگاه هسته­گیر¹ استفاده شد تا نمونه­ها به­صورت عمودی از سطح آب و با استفاده از قدرت مکش ایجاد شده، برداشت شود. این ابزار به­دلیل تراکم بسیار بالای گیاهان آبزی در بستر تالاب، نتایج بهتری نسبت به دستگاه­های گرب به همراه داشت. در هر محل، سه نمونه به­صورت مستقل به­عنوان سه تکرار در اوایل فصل بهار 1402 برداشت شد. در این فصل، سطح آب تالاب به­واسطه بارش­های زمستانه در بیشترین حالت خود قرار داشته و فعالیت­های بیولوژیکی به­منظور بررسی شاخص­های زیستی در شرایط بهینه خود قرار دارد. نمونه­ها پس از برداشت به سرعت به آزمایشگاه منتقل و در دمای 4 درجه سانتی­گراد نگهداری شد. از نمونه­های آب برداشت شده، کل ذرات جامد محلول²، آمونیوم³، فسفات⁴، نیترات⁵ و تقاضای اکسیژن خواهی شیمیایی⁶ و زیستی⁷ محاسبه گردید. از نمونه­های رسوب نیز مقادیر اسیدیته⁸، هدایت الکتریکی⁹ (در واحد µs/cm) و درصد مواد آلی¹⁰ محاسبه شد. کل ذرات جامد محلول، هدایت الکتریکی و اسیدیته نمونه­ها با استفاده از دستگاه قابل­حمل Aquaread (ایتالیا) اندازه­گیری شد. اکسیژن­خواهی زیستی با استفاده از دستگاه HANA (آمریکا) محاسبه شد. اکسیژن­خواهی شیمیایی با استفاده از روش تقطیر برگشتی، فسفات در شرایط اسیدی از طریق واکنش با هپتامولیبدات آمونیوم، نیترات از طریق کاهش با کادمیوم و سپس واکنش با اسیدسولفانیلیک و آمونیوم با استفاده از روش فتومتری محاسبه شدند (Rao et al,. 2018). همچنین از روش والکی- بلک (Walkley & Black, 1934) برای محاسبه درصد مواد آلی استفاده گردید. سپس توزیع نرمال و همگنی واریانس مقادیر محاسبه شده به­ترتیب با استفاده از آزمون­ کولموگروف- اسمیرنوف و آزمون لوین مورد بررسی قرار گرفت. به­دلیل عدم توزیع نرمال این مقادیر، از آزمون اسپیرمن برای بررسی همبستگی میان متغیرهای مستقل استفاده شد.

برای محاسبه معیاری از شرایط زیستی تالاب، از شاخص Z (Baur, 1980) استفاده شد. این شاخص، وضعیت زیستی تالاب را بر اساس رابطه (1) محاسبه می­کند که در آن، o، b، a و p به­ترتیب بیانگر حضور گونه­های الیگوساروپ، بتامزوساپروب، آلفامزوساپروب و پلی­ساپروب در نمونه­ها است. برای ارزش­گذاری نمونه­ها در این روش، نمونه­هایی با فراوانی منفرد ارزش 1، نمونه­هایی با فراوانی متوسط (2 تا 7 عدد)، ارزش 2، و نمونه­هایی با فراوانی زیاد (7 تا 20) و خیلی­زیاد (بیش از 20)، به­ترتیب ارزش برابر با 3 و 4 خواهند داشت. مقادیر این شاخص بین محدوده عددی 1 تا 4 قرار دارد که مقدار 1 تا 5/1، گویای ناحیه الیگوساروپ با آلودگی کم، 5/1 تا 5/2 ناحیه بتامزوساروپ با آلودگی متوسط، 5/2 تا 5/3 ناحیه آلفامزوساپروب با آلودگی شدید و 5/3 تا 4 ناحیه پلی­ساپروب با شدیدترین مقدار آلودگی است.

 

 

مدل­سازی شاخص زیستی

بر اساس فرض این مطالعه، ارتباط معنی­داری بین شرایط بوم­شناختی تالاب و شاخص زیستی آن وجود دارد که شناسایی آن منجر به مدیریت بهتر این بوم­سازگان خواهد شد. برای این منظور، از مدل شبکه عصبی مصنوعی به­عنوان یک مدل ریاضی- محاسباتی (Almawla et al., 2022) استفاده شد تا اثر هر یک از فاکتورهای مستقل بر تغییرات شاخص Z مشخص شود. بر این اساس، معیارهای اسیدیته، هدایت الکتریکی، کل ذرات جامد محلول، آمونیوم، فسفات، نیترات و اکسیژن­خواهی شیمیایی و زیستی محاسبه شده به­عنوان متغیرهای پیش­بینی کننده و مقادیر شاخص Z به­عنوان متغیر وابسته در نظر گرفته شد. با توجه به ماهیت پیچیده و توزیع غیرنرمال متغیرهای مستقل از رویکرد شبکه عصبی مصنوعی پرسپترون چند لایه¹¹ استفاده شد. این مدل، یک الگوریتم یادگیری نظارت شده با تابع غیرخطی که شامل سه لایه اساسی ورودی، پنهان و خروجی است، از یک مکانیسم انتشار به عقب پیش‌خور استفاده می‌کند تا معیار خطا بین هدف و خروجی مدل را به حداقل برساند (Cinar, 2020). قبل از اجرای این مدل، از ضریب همبستگی برای شناسایی و حذف متغیرهایی دارای هم­خطی استفاده شد. تعداد لایه‌های پنهان و نورون‌های آنها از طریق اعتبارسنجی متقابل، با استفاده از 70 درصد داده‌ها برای آموزش و 30 درصد باقی‌مانده برای آزمایش انجام شد. وزن شبکه در طول فرآیند آموزش با استفاده از روش مینی­بچ تنظیم شد. هر دو مرحله آموزش و آزمایش، مجموع مربعات خطا¹² و خطای نسبی¹³ محاسبه و در نهایت از ضریب تعیین¹⁴ برای بررسی عملکرد مدل استفاده شد. همچنین، اهمیت نسبی متغیرهای پیش­بینی­کننده با استفاده از الگوریتم گارسون ارزیابی شد (Khari et al., 2019).

 

نتایج

نتایج حاصل از تحلیل خصوصیات شیمیایی نمونه­ها در جدول (2) نشان داده شده است. مقدار CaCO3 بین 127 و 140 میلی­گرم در لیتر آب به­دست آمد. pH محیط نیز در محدوده خنثی قرار گرفت (01/0±00/7). مقادیر آمونیوم، فسفات و نیترات نیز به­طور متوسط برابر با 067/0، 264/0 و 84/1 میلی­گرم بر لیتر به­دست آمد. از نظر اکسیژن­خواهی شیمیایی و زیستی نیز مقادیر به­دست آمده نیز به­ترتیب برابر با 44/0± 18/15 و 52/0±23/8 بودند. درصد کربن آلی نمونه­های رسوب بین دو مقدار 01/3 و 61/4 قرار داشت. به­جز داده های هدایت الکتریکی و اکسیژن­خواهی شیمیایی، سایر متغیرها دارای توزیع غیرنرمال بودند که این امر، ناقض فرض­های اغلب مدل­های رگرسیونی برای مدل­سازی و پیش­بینی تغییرات متغیرهای وابسته است. متوسط مقدار شاخص Z برابر با 03/0±30/2 به­دست آمد که نشان دهنده­ ناحیه بتامزوساروپ با آلودگی متوسط است. کمترین مقدار این شاخص در ایستگاه 3 برابر با 01/0±11/2 و بیشترین آن در ایستگاه اول برابر با 15/0±47/2 بود که از نظر ایستگاهی نیز تمام بخش­های رودخانه در محدوده­ بتامزوساروپ قرار می­گیرند.

 

 

 

 

(1)

---

[1]  Corer

[2]  TDS

[3]  NH4

[4]  PO4

[5]  NO3

[6]  COD

[7]  BOD

[8]  pH

[9]  EC

[10]  OC

[11]  MLP-ANN

[12]  SEE

[13]  RE

[14]  R2

 

جدول 1. مختصات جغرافیایی نقاط نمونه­برداری

شماره ایستگاه	طول شرقی	عرض شمالی	شماره ایستگاه	طول شرقی	عرض شمالی
1	8889/50	9361/31	6	8998/50	9134/31
2	8894/50	9133/31	7	9103/50	9286/31
3	8890/50	9253/31	8	9106/50	9172/31
4	8992/50	9362/31	9	9199/50	9187/31
5	8995/50	9253/31	10	9296/50	9188/31

 

 

 

جدول 2. آماره توصیفی پارامترهای رسوب و آب و نتایج آزمون نرمالیته (کولموگروف- اسمیرنوف)

و همگنی واریانس (آزمون لوین)

همگنی واریانس		نرمالیته		آماره توصیفی				واحد	متغیر
معنی داری	آماره	معنی داری	آماره	انحراف استاندارد	متوسط	حداکثر	حداقل
297/0	301/1	014/0	181/0	267/3	467/133	140	137	mg/l	CaCO3
024/0	871/2	005/0	197/0	635/7	667/173	185	160	mg/l	TDS
001/0	936/4	000/0	237/0	010/0	067/0	09/0	05/0	mg/l	NH4
002/0	559/4	000/0	459/0	375/0	264/0	0/1	06/0	mg/l	PO4
105/0	938/1	000/0	263/0	130/0	843/1	2/2	6/1	mg/l	NO3
187/0	586/1	200/0	094/0	447/0	183/15	1/16	2/14	mg/l	COD
000/0	254/1	000/0	261/0	524/0	233/8	8/8	8/5	mg/l	BOD
141/0	756/1	001/0	168/0	101/0	001/7	2/7	8/6	بدون واحد	pH
188/0	582/1	032/0	097/0	432/18	970/553	0/587	0/520	µs/cm	EC
007/0	747/2	000/0	115/0	360/0	786/3	61/4	01/3	درصد	OC

 

 

شکل 2. مقادیر شاخص ارزش زیستی Z در نقاط نمونه­برداری

 

 

 

از نظر همبستگی، اکثر متغیرهای مستقل ضرایب همبستگی غیرمعنی­دار را نشان دادند. تنها ضریب همبستگی در سطح معنی­داری 01/0 بین آمونیوم و CaCO3 به­دست آمد (01/0p-value<، 658/0=r). تنها ضرایب همبستگی منفی نیز بین OC و PO4 (05/0p-value<، 260/0-=r) و pH و PO4 (05/0p-value<، 164/0-=r) به­دست آمد همچنین، مقدار شاخص Z هیچ رابطه خطی معنی­داری با متغیرهای مورد مطالعه در این تحقیق نداشت. بهترین ساختار شبکه عصبی با یک لایه پنهان و 5 نورون از طریق اعتبارسنجی متقابل به­دست آمد (شکل 3-ج). این مدل عملکرد قابل قبولی از خود نشان داد، به­طوری­که مقدار ضریب تعیین مدل برابر با 943/0 (شکل 3)، مقادیر SEE کمتر از 10 و مقادیر RE کمتر از 45/0 برای هر دو مرحله آموزش و تست فرآیند مدل‌سازی به­دست آمد. تجزیه و تحلیل اهمیت نسبی متغیرها در فرآیند مدل‌سازی در شکل 4-الف نشان داده شد. بر اساس این نتایج، پارامتر هدایت الکتریکی با اهمیت نسبی 220/0 مهمترین نقش را در پیش­بینی مقدار شاخص زیستی Z داشته است. پس از آن، دو پارامتر کل جامدات محلول و اکسیژن­خواهی زیستی به­ترتیب با 144/0 و 140/0 به­عنوان مهمترین پارمترهای اثرگذار شناخته شدند. متغیرهایی مانند CaCO3، فسفات و نیترات نیز دارای کمترین اثر در تعیین مقادیر شاخص زیستی Z بودند.

 

 

 

 

جدول 3. ضرایب همبستگی اسپیرمن بین متغیرهای مستقل و متغیر وابسته (شاخص ارزش زیستی Z)

Z
214/0	OC
356/0	088/0	CaCO3			**
051/0-	190/0	129/0-	pH				*
329/0	197/0	678/0	132/0	EC	*
319/0	123/0	658/0	325/0	335/0	NH4			*	*
049/0-	131/0-	361/0	169/0-	154/0	340/0	TDS
167/0-	260/0-	077/0	169/0-	121/0	164/0-	047/0	PO4
229/0	273/0	347/0	121/0	234/0	513/0	090/0	173/0-	NO3
067/0-	095/0	242/0	211/0	129/0	566/0	096/0	194/0-	243/0	COD	*
151/0-	148/0-	166/0-	148/0	032/0-	043/0-	184/0-	056/0-	230/0	394/0	BOD

        ** معنی­داری در سطح 1 درصد، * معنی­داری در سطح 5 درصد

 

(الف)
(ب)	(ج)

شکل 3. ساختار شبکه عصبی مصنوعی، اهمیت نسبی و عملکرد مدل در پیش­بنی اثر عوامل محیطی

در شاخص ارزش زیستی Z

 

 

بحث و نتیجه­گیری

شاخص­های زیستی یکی از عوامل مهم و تاثیرگذار در بهبود درک بشر از وضعیت بوم­شناختی و سلامت بوم­سازگان­های تالابی است. این شاخص­ها را می­توان به­صورت معیاری وابسته به تغییر در شرایط محیطی نیز مورد بررسی قرار داد تا اطلاعات جامعی از اثر متغیرهای تاثیرگذار بر شاخص­های زیستی و در نتیجه، مدیریت آنها برای حفظ سلامت تالاب انجام داد. در این مطالعه، نتایج شاخص Z نشان داد تالاب چغاخور در وضعیت بتامزوساروپ با آلودگی متوسط قرار دارد. در شرایط بتامزوساروپی، مواد آلی موجود در محیط در شرایط متوسط قرار دارد (Makhlough et al., 2017). گونه­های جانوری که در این بخش قرار می­گیرند نیز به خوبی توان تحمل مقدار متوسط مواد آلی در محیط را دارا هستند، اما با افزایش شدت مواد آلاینده، جای خود را به سایر گونه­های به شدت مقاوم خواهند داد. قلندرزاده و همکاران (1399) نیز بخش­هایی از رودخانه کرج را در این گروه از شاخص زیستی طبقه­بندی کردند. نقطه مشترک در این مطالعات، حضور گسترده زمین­های کشاورزی و زهکش این اراضی به داخل محیط آبی است که در نهایت موجب بروز آلودگی متوسط در این بوم­سازگان­های آبی شده است.Kim  و همکاران (2023) نیز در مطالعه خود نشان دادند حضور فعالیت­های انسانی به­دلیل ورود مواد آلاینده به داخل محیط می­تواند موجب بروز شرایط بتامزوساپروبی شود.

نتایج حاصل از مدل شبکه عصبی مصنوعی نشان داد پارامتر هدایت الکتریکی رسوب و کل جامدات محلول آب، مهمترین اثر بر تغییرات شخص ارزش زیستی Z داشته است. Obot و همکاران (2014) نیز نشان دادند با افزایش مقادیر نمک و جامدات محلول در بوم­سازگان­های آب­های شیرین، فراوانی و تنوع بی­مهرگان کفزی به شدت کاهش پیدا می­کند. سطوح بالای این پارامترها در آب­های شیرین اغلب به­دلیل بروز آلودگی ناشی از رواناب­های شهر و کشاورزی است. همچنین نفوذ آب شور به تالاب­ها یا وجود رخنمون­های با شوری و املاح بالا می­تواند منجر به افزایش هدایت الکتریکی و کل جامدات محلول شود. به­نظر می­رسد در منطقه مورد مطالعه، اثر رواناب­های کشاورزی که در سال­های اخیر نیز بر وسعت و شدت آن نیز افزوده شده است (Pirali Zefrehei et al., 2020)، یکی از مهمترین دلایل در این زمینه باشد. Alum و همکاران (2020) نیز نشان دادند با افزایش شدت فعالیت­های کشاورزی، مقدار مواد محلول در آب نیز روند افزایشی خواهد گرفت. هنگامی که مقدار جامدات محلول در آب افزایش پیدا می­کند، رسوب و ته­نشین شدن نمک­ها در بستر نیز افزایش می­یابد که این امر می­تواند ساختار فیزیکی زیستگاه را تغییر داده و آن را برای برخی از گونه­های خاص بی­مهرگان که به انواع بسترهای خاصی برای سرپناه و غذا متکی هستند، کمتر مناسب کند. این امر در مطالعه حاضر باعث شده تا غالبیت گونه­های کفزی به سمت گونه­های معرف شرایط بتامزوساروپ گرایش داشته باشد.

همانند هدایت الکتریکی و کل جامدات محلول، همبستگی بین تقاضای اکسیژن شیمیایی و زیستی نیز رابطه منفی با شاخص ارزش زیستی Z از خود نشان دادند. افزایش مقادیر این دو پارامتر نشانی از بروز آلودگی ارگانیک است (Naqsyabandi et al., 2018) و افزایش آن در منطقه را می­توان به­طور مستقیم به ورود رواناب­های اراضی کشاورزی نسبت داد که تماما محدوده­ ورودی جریان­های سطحی به دورن تالاب را اشغال کرده­اند. همسو با نتایج این تحقیق، Hettige و همکاران (2021) نشان دادند به­دلیل افزایش فعالیت­های کشاورزی در پیرامون بوم­سازگان­های آبی، افزایش مقادیر اکسیژن­خواهی شیمیایی و زیستی دور از انتظار نخواهد بود و این امر به­طور مستقیم بر جوامع زیستی به­خصوص فراوانی و تنوع بی­مهرگان کفزی اثر خواهد گذاشت. به عبارت دیگر، این شرایط می­تواند بر غالبیت گونه­های کفزی اثر گذاشته و محیط را برای گونه­هایی که توان بالاتری برای تحمل شرایط آلودگی متوسط به مواد آلی دارد، مناسب کند. این­طور به نظر می­رسد مصرف شدید اکسیژن در ستون آب توسط فعالیت­های میکروبی منجر به بروز شرایط بی­هوازی با مقادیر بالای اکسیژن­خواهی همراه بوده است که این شرایط برای بسیاری از گونه­های جانوری به­خصوص بخش بسیاری از گونه­های بی­مهره کفزی غیرقابل تحمل بوده و در نتیجه منجر به کاهش فراوانی و تنوع آنها و غالب شدن گونه­های بتامزوساروپ شده است.

اثر بسیار معنی­دار اکسیژن­خواهی و املاح موجود در آب تالاب بر گونه­های جانوری آن را می­توان به افزایش فعالیت­های کشاورزی که این بوم­سازگان را احاطه کرده­اند، نسبت داد. مطالعاتی از قبیل Hettige و همکاران (2021) وKim  و همکاران (2023) نیز نشان دادند به­دلیل احاطه اراضی کشاورزی، محیط­های آبی در معرض افزایش اکسیژن­خواهی و املاح قرار خواهند گرفت که موجب بروز شرایط آلودگی مانند شرایط بتامزوساروپی شود. بر این اساس، مدیریت بهتر اراضی کشاورزی به­خصوص اصلاح سیستم­های زراعی در این ناحیه و جلوگیری از ورود رواناب اراضی کشاورزی به داخل محیط تالاب از جمله راهکارهای اساسی برای حفاظت از این بوم­سازگان است. پایش مداوم جوامع کفزی در تالاب چغاخور و بررسی تغییرات فصلی آن نیز از جمله مهمترین اطلاعات برای تدوین برنامه­های حفاظت از آن خواهد بود. بر این اساس پیشنهاد می­شود تا مقیاس زمانی تحقیقات آینده در این تالاب، تمام فصول سال را تحت پوشش قرار دهد. همچنین محاسبه و بررسی اثر مجموعه بزرگتری از متغیرهای پیش­بینی کننده و استفاده از سایر مدل­های آماری برای تعیین اثر آنها بر شاخص­های ارزش زیستی در این تالاب پیشنهاد می­شود.

در نهایت نتایج این مطالعه نشان داد تالاب چغاخور در وضعیت مزوتروفی با آلودگی متوسط قرار دارد که تحت تثیر زمین‌های کشاورزی و زه‌کشی آنها به محیط‌ تالاب بوده و در نتیجه موجب آلودگی در این بوم­سازگان است. علاوه بر این، مدل شبکه عصبی مصنوعی نشان داد پارامترهایی مانند هدایت الکتریکی رسوب، اکسیژن­خواهی شیمیایی و زیستی و کل جامدات محلول به­طور قابل‌توجهی بر تغییرات شاخص ارزش زیستی Z تاثیرگذار است. بدیهی است فعالیت های انسانی پیرامون بوم­سازگان­های تالاب نقش عمده­ای در بروز شرایط کنونی داشته است. بنابراین، بهبود مدیریت زمین کشاورزی، به­ویژه اصلاح سیستم کشاورزی و جلوگیری از ورود رواناب به محیط تالاب، از راهبرد­های اساسی برای حفاظت از این بوم­سازگان است. از این رو، پایش مستمر جوامع کفزی در تالاب چغاخور و ارزیابی تغییرات فصلی برای توسعه برنامه‌های حفاظتی لازم و ضروری خواهد بود.

 

منابع

قلندرزاده، س.، رضایی­توابع، ک.، سیدمحمد شربازی، ر. و صمدی ب. (1399) بررسی تغییرات غلظت فلزات سنگین کادمیوم، کروم و روی در آب و رسوب و تعیین شاخص ارزش زیستی کفزیان (Z) در رودخانه کرج. محله شیلات، منابع طبیعی ایران، 73(2): 199-212.

Abolhasani, F., Heydarnejad, M.S., Tabatabaei, S.N., Bakhtiarifar, A. and Hashemzadeh Segherloo, I. (2020) Comparison of the body shape of Aphanius vladykovi populations (Teleostei: Aphaniidae) using geometric morphometric method. Iranian Journal of Animal Biosystematics, 16(2): 145-154.

Almawla, A.S., Lateef, A.M. and Kamel, A.H. (2022) Modelling the Effects of Hydraulic Force on Strain in Hydraulic Structures Using ANN (Haditha Dam in Iraq as a Case Study). Mathematical Modelling of Engineering Problems, 9(1):150-158.

Alum, O.L. and Okoye, C.O. (2020) Pollution status of major rivers in an agricultural belt in Eastern Nigeria. Environmental Monitoring and Assessment, 192(393): 1-17.

Baur, W.H. (1980) Gewässergüte bestimmen und beurteilen: Praktische Anleitung für Gewässerwarte und alle an der Qualität unserer Gewässer interessierten Kreise, 16 Tabellen, Parey.

Cinar, A.C. (2020) Training feed-forward multi-layer perceptron artificial neural networks with a tree-seed algorithm. Arabian Journal for Science and Engineering, 45(12): 10915-10938.

Day, L., Le Bris, H., Saulnier, E., Pinsivy, L. and Brind’Amour, A. (2020) Benthic prey production index estimated from trawl survey supports the food limitation hypothesis in coastal fish nurseries. Estuarine, Coastal and Shelf Science, 235(235): 106594.

Dehghani, I., Peykanpourfard, P. and Daniali, S. (2019) The effect of physico-chemical variations on phytoplankton status in the margin of choghakhor wetland, iran. Applied Ecology and Environmental Research, 17(2): 5173-5192.

Derycke, S., Maes, S., Van den Bulcke, L., Vanhollebeke, J., Wittoeck, J., Hillewaert, H., Ampe, B., Haegeman, A., Hostens, K. and De Backer, A. (2020) Optimisation of metabarcoding for monitoring marine macrobenthos: Primer choice and morphological traits determine species detection in bulkDNA and eDNA from the ethanol preservative. Authorea Preprints.

Hettige, N.D., Hashim, R.B., Ash’aari, Z.H., Kutty, A.A. and Jamil, N.R. (2021) Multivariate statistical approaches to benthic macroinvertebrates and water quality for farming impact assessment in Selangor River, Malaysia. Preprint.

Huang, Y., Li, Y., Chen, Q., Huang, Y., Tian, J., Cai, M., Huang, Y., Jiao, Y., Yang, Y. and Du, X. (2021) Effects of reclamation methods and habitats on macrobenthic communities and ecological health in estuarine coastal wetlands. Marine Pollution Bulletin, 168, 112420.

Khari, M., Dehghanbanadaki, A., Motamedi, S. and Armaghani, D.J. (2019) Computational estimation of lateral pile displacement in layered sand using experimental data. Measurement, 146: 110-118.

Kim, S.H., Cho, K.J., Kim, T.S., Lee, C.S., Dhakal, T. and Jang, G.S. (2023) Classifying habitat characteristics of wetlands using a self-organizing map. Ecological Informatics, 75: 102048. 

Lowe, V., Frid, C.L., Venarsky, M. and Burford, M.A. (2022) Responses of a macrobenthic community to seasonal freshwater flow in a wet-dry tropical estuary. Estuarine, Coastal and Shelf Science, 265: 107736. 

Makhlough, A., Saravi, H.N. and Ebrahimzadeh, M. (2017) The water quality of the Shahid Rajaee reservoir (Mazandaran-Iran): Based on phytoplankton community. Iranian Journal of Science and Technology, Transactions A: Science, 41: 627-635.

Naqsyabandi, S., Riani, E. and Suprihatin, S. (2018) Impact of batik wastewater pollution on macrobenthic community in Pekalongan River. AIP Conference Proceedings, AIP Publishing, p: 1-11.

Obot, O., Ekpo, I.E. and Esau, E.F. (2014) Physico-chemical parameters and macro-benthos of Ediene stream, AkwaIbom State, Nigeria. Journal of American Biology and Life Science, 2(5): 112-121.

Pirali Zefrehei, A.R., Hedayati, A., Pourmanafi, S., Beyraghdar Kashkooli, O. and Ghorbani, R. (2020) Environmental vulnerability assessment of Choghakhor International Wetland during 1985 to 2018. Lakes and Reservoirs: Research and Management, 25(1): 49-60.

Rao, K., Zhang, X., Yi, X.J., Li, Z.S., Wang, P., Huang, G.W. and Guo, X.X. (2018) Interactive effects of environmental factors on phytoplankton communities and benthic nutrient interactions in a shallow lake and adjoining rivers in China. Science of the Total Environment, 619: 1661-1672.

Reza, P.Z.A., Aliakba, H., Saeid, P., Omid, B. K. and Rasoul, G. (2020) Detection and prediction of water body and aquatic plants cover changes of choghakhor international wetland, using landsat imagery and the cellular automata–Markov Model. Contemporary Problems of Ecology, 13: 545-555.

Villalobos, V.I., Valdivia, N., Försterra, G., Ballyram, S., Espinoza, J.P., Wadham, J.L., Burgos-Andrade, K. and Häussermann, V. (2021) Depth-dependent diversity patterns of rocky subtidal macrobenthic communities along a temperate fjord in Northern Chilean Patagonia. Frontiers in Marine Science, 8: 635855.

Walkley, A. and Black, I.A. (1934) An examination of the Degtjareff method for determining soil organic matter, and a proposed modification of the chromic acid titration method. Soil Science, 37(1): 29-38.

Wang, Q., Duarte, C., Song, L., Christakos, G., Agusti, S. and Wu, J. (2021a) Effects of ecological restoration using non-native mangrove Kandelia obovata to replace invasive Spartina alterniflora on intertidal macrobenthos community in Maoyan Island (Zhejiang, China). Journal of Marine Science and Engineering, 9(8): 788-788.

Wang, Y., Liu, J.-J., Liu, W., Feng, Q., Li, B.-l., Lu, H. and Wang, S. (2021b) Spatial variation in macrobenthic assemblages and their relationship with environmental factors in the upstream and midstream regions of the Heihe River Basin, China. Environmental Monitoring and Assessment, 193(53): 1-22.

Wissinger, S.A., Klemmer, A.J., Braccia, A., Bush, B.M. and Batzer, D.P. (2021) Relationships between macroinvertebrates and detritus in freshwater wetlands. Freshwater Science, 40(4): 681-698.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

The effect of water and sediment parameters on the biological value index of benthic invertebrates in Chaghakhor International Wetland

        

Sarmad Mahdi Kadhum Alghanimi1, Atefeh Chamani2*, Ahmed Najm Abdallh Al-Mosawy3, Kamran Rezaei Tavabe4

 

 

1)       Ph.D student, Environmental Science and Engineering Department, College of Agriculture and Natural resources, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran.

2)       Associate Professor, Environmental Science and Engineering Department, Waste and Wastewater Research Center, Isfahan (khorasgan)Branch, Islamic Azad University, Isfahan, Iran. *Corresponding Author Email Address: [e-mail]   

3)       Professor, College of Agriculture, University of Karbala, Iraq.

4)       Associate Professor, Department of Fisheries, Natural Resources Faculty, University of Tehran, Karaj, Iran.

 

Date of Submission: 2024/04/13                           Date of Acceptance: 2024/05/29

 

Abstract

Biological indicators play a pivotal role in enhancing our comprehension of the ecological status and health of wetland ecosystems. This study investigated the ecological status of Chaghakhor International Wetland utilizing the biological value index Z at 10 water and sediment sampling sites. The Z index results revealed a Beta-mesosaproby status (Z = 2.30 ± 0.03) with moderate pollution. The findings from the artificial neural network model, displaying a determination coefficient of 0.943, indicated that elevated levels of parameters such as sediment electrical conductivity (553.97 ± 18.43), chemical oxygen demand (15.18 ± 0.44), biological oxygen demand (8.23 ± 0.52), and total dissolved solids (173.66 ± 7.63) in water significantly influenced changes in the biodiversity index Z. Human activities surrounding the wetland, particularly the expansion of agricultural lands, appear to have exerted a substantial impact on the present conditions. Consequently, improving agricultural land management, specifically through agricultural system reform, and preventing agricultural runoff from infiltrating the wetland environment are indispensable strategies for ecosystem preservation. Additionally, continuous monitoring of benthic communities in Chaghakhor Wetland and assessment of seasonal variations are crucial for formulating necessary conservation programs.

 

Keywords: Agricultue landuse, Artificial neural network, Biological assessment, Chaghakhor International Macrobenthos, Wetland.

 

  

 

        

---