ارزیابی تغییرات ساختار سیمای سرزمین تالاب بین‌المللی انزلی بر مبنای شاخص تروفی و ارایه مدل GA-GMDH
محورهای موضوعی : محیط زیست
رباب احمد زاده
1
,
محمد دهدار درگاهی
2
*
,
نعمت الله خراسانی
3
,
فروغ فرساد
4
,
محمدرضا رحیمی بشر
5
,
علیرضا میرزاجانی
6
1 - دکتری محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2 - استادیار گروه محیط زیست، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
3 - استاد گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه تهران، ایران.
4 - گروه محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
5 - استادیار گروه بیولوژی دریا، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران.
6 - دانشیار گروه اکولوژی، سازمان ترویج آموزش و تحقیقات کشاورزی، موسسه تحقیقات علوم شیلاتی کشور، پژوهشکده آبزی‌پروری آب‌های داخلی کشور، بندرانزلی، ایران.
کلید واژه: تالاب بین‌المللی انزلی, تروفی, دریای کاسپین, سیمای سرزمین.,
چکیده مقاله :
تالاب‌ها به‌عنوان زیستگاهی بدون جایگزین بسیاری از گونه‌های گیاهی و جانوری را حمایت می‌کنند و این بوم‌سازگان‌های ارزشمند به‌واسطه فعالیت‌های انسانی دچار افت کیفیت زیستگاه می‌شوند. پرغذایی ناشی از ورود مواد آلی یکی از عوامل مهم تغییر ساختار سیمای سرزمین تالاب‌ها است. این پژوهش با هدف بررسی روند پرغذایی بر سیمای سرزمین تالاب انزلی صورت گرفت. در این تحقیق فاکتورهاي فیزیکی و شیمیایی آب شامل دما، هدایت الکتریکی (EC)، pH و اکسیژن محلول (DO)، نیتروژن کل (TN)، فسفر کل (TP) و کلروفیلa ، در 5 ایستگاه به‌صورت فصلی و سالانه اندازه‌گیری شد و سپس سطح تروفی (TSI) با استفاده از متغیرهای فسفات کل (TP)، نیتروژن کل (TN)، عمق دید سکشی (SD) و کلروفیل a تعیین شد. جهت بررسی تغییرات پوشش زمین از داده‌های ماهواره‌ای در بازه‌های زمانی 1994، 2002، 2014 و 2018 و سپس متریک‌های سیمای سرزمین محاسبه شد و در ادامه جهت مدل‌سازی جهت پیش‌بینی روند تغییراتTSI و ارتباط آن با تغییرات سیمای سرزمین از روش شبکه عصبیGMDH استفاده گردید. نتایج پژوهش نشان دادTSI کل در تمام چهار دوره مورد نظر تحقیق در مرحله یوتروف قرار دارد. نتایج بررسی متریک‌های سیمای سرزمین نشان داد کمترین مساحت پهنه آبی 92/4183 هکتار و بیشترین مساحت پوشش گیاهی برابر با 31/11696 هکتار در سال 2018 بوده است. شاخص شکل لکه نشان داد بیشترین مقدار عددی این شاخص در پهنه آبی برابر با 49/1 در سال 1994 بوده و بیشترین مقدار در خصوص پوشش گیاهی مربوط به 1994 و 2014 برابر با 35/1 است. در خروجی سنجه‌ها از مدل‌سازی با کمک الگوریتمGA-GMDH نشان‌دهنده کاهش مساحت پهنه آبی بوده و مساحت پوشش گیاهی تفاوت محسوسی را نشان نمی‌دهد.
Wetlands support several plant and animal species as an irreplaceable habitat, and these valuable ecosystems are suffering from a decline in habitat quality due to human activities. Eutrophication due to enrichment with organic matter is one of the most important in changes of landscape structure. This study aims to investigate the eutrophication process on the landscape of Anzali Wetland. In this study, physical and chemical factors of water including temperature, electrical conductivity (EC), pH, dissolved oxygen (DO), total nitrogen (TN), total phosphorus (TP), and chlorophyll a were measured at 5 stations seasonally and annually, and then the trophic level (TSI) was determined using the variables total phosphate TP, total nitrogen TN, depth of view SD, and chlorophyll a. Satellite data was used to examine land cover changes in the periods of 1994, 2002, 2014 and 2018, and then landscape metrics were calculated, Next, the GMDH neural network method was used for modeling to predict the trend of TSI changes and its relationship with landscape changes. The research results show that the total TSI is in the eutrophic level in all four periods of the wetland. The results of the landscape metrics show that the lowest area of the water area was 4183.92 hectares and the highest area of vegetation cover was 11696.31 hectares in 2018. The mean patch shape index shows that the highest numerical value of this index in the water area it was 1.49 in 1994 and the highest value for vegetation cover was 1.35 in 1994 and 2014. The output of the indicators from modeling with the help of the GA-GMDH algorithm shows a decrease in the area of the water area, Also the area of the vegetation cover does not show a significant difference.
پورکی، ه. (1395) امکان‌سنجی بهره‌گیری از پساب تصفیه‌خانه فاضلاب شهر رشت به‌عنوان يکی از منابع آب تجديدشونده برای مصارف کشاورزی. کنگره علوم و مهندسی آب و فاضلاب ایران (تهران)، دوره اول، تهران، صفحات 1-9.
جایکا (آژانس همکاری‌های بین‌المللی ژاپن، شرکت نیپون کوئه). (1398) طرح میان‌مدت حفاظت از تالاب انزلی از سال 2020 تا 2030، تهیه شده در پروژه مدیریت اکولوژیک تالاب انزلی- فاز دوم، اداره کل حفاظت محیط‌زیست استان گیلان، جمهوری اسلامی ایران، غیر قابل‌انتشار.
جما‌ل‌زاده، ف.، صفت، ع.ا.د. و نظامی، ش. (۱۳۷۸) بررسی وضعیت تروفی تالاب انزلی با استفاده از GIS، شاخص تروفی (TSI). نشریه محیط‌شناسی، 25(23): 1-10.
جمشیدی‌زنجانی، ا. و سعیدی، م. (1392) ارزیابی آلودگی و پهنه‌بندی کیفی رسوبات سطحی تالاب انزلی بر اساس نتایج شاخص‌های سنجش آلودگی فلزات سنگین. محیط‌شناسی، 39(4): 157-170.
زبردست، ل. و جعفری، ح. (1390) ارزيابي روند تغييرات تالاب انزلي با استفاده از سنجش از دور و ارايه راه‌حل مديريتي. نشریه محیط‌شناسی، 57(37): 57-64.
عاشوری، ع. و وارسته‌مرادای، ح. (1393) بررسی تنوع گونه‌ای پرندگان آبزی و کنار آبزی مهاجر زمستان گذران در تالاب بین‌المللی انزلی. اکوبیولوژی تالاب، 6(20): 55-66.
مجنونیان، ه. (1377) تالاب‌ها، طبقه‌بندی و حفاظت تالاب‌ها. تهران: انتشارات سازمان حفاظت محیط زیست، ۱۰۰-۱۱۰ صفحه.
معاونت پژوهشی دانشگاه تهران. (1395) بررسی ترکیب رسوبات در سطح و عمق استاندارد تالاب انزلی، اداره کل حفاظت محیط زیست استان گیلان، صفحات 20-80.
میرروشندل، ا.، خاوندکار، ا. و البنین، ا. (۱۳۹۲) بررسی میزان ازت و فسفر تالاب انزلی در ایجاد پدیده شکوفایی جلبکی. فصلنامه علوم و مهندسی محیط زیست، 2(5): 11-18.
میرزاجانی، ع.، خداپرست، ح.، بابایی، ه.، عابدینی، ع. و دادی‌قندی، ع. (۱۳۸۸) روند فراغنی‌شدن تالاب انزلی با استفاده از اطلاعات ده‌ساله 1371-1381. محیط‌شناسی، 35(52): 65-74.
Abedini, A. and Mirzajani, A. (2018) Physicochemical status of water and nutritional level of Anzali wetland. Iranian Scientific Fisheries Journal, 26(6): 113-123. Retrieved from https://doi.org/10.22092/ISFJ.2018.115765/
Ahmadzadeh, R., Dehdar Dargahi, M., Khorasani, N., Farsad, F. and Rahimibashar, M.R. (2021) Evaluation of changes in physico-chemical parameters and trophic state of Anzali International Wetland based on Carlson Index. Journal of Environmental Science and Technology, 23(10): 261-276.
Aldous, A., Schill, S., Raber, G., Paiz, M.-C., Mambela, E. and Stévart, T. (2021) Mapping complex coastal wetland mosaics in Gabon for informed ecosystem management: use of object-based classification. Remote Sensing in Ecology and Conservation, 7(1): 64-79. Retrived from https://doi.org/https://doi.org/10.1002/rse2.161/
APHA. (American Public Health Association) (2005) Standard Methods for the Examination of Water and Wastewater. Washington DC.
Ashok, A. (2021) Monitoring of dynamic wetland changes using NDVI and NDWI based Landsat imagery. Remote Sensing Applications: Society and Environment, 23: 100547.
Bastami, K.D., Neyestani, M.R., Molamohyedin, N., Shafeian, E., Haghparast, S., Shirzadi, I.A. and Baniamam, M. (2018) Bioavailability, mobility, and origination of metals in sediments from Anzali Wetland, Caspian Sea. Marine pollution bulletin, 136: 22-32.
Bohn, V.Y., Carmona, F., Rivas, R., Lagomarsino, L., Diovisalvi, N. and Zagarese, H.E. (2018) Development of an empirical model for chlorophyll-a and Secchi Disk Depth estimation for a Pampean shallow lake (Argentina). The Egyptian Journal of Remote Sensing and Space Science, 21(2): 183-191.
Březinová, T. and Vymazal, J. (2014) Competition of Phragmites australis and Phalaris arundinacea in constructed wetlands with horizontal subsurface flow – does it affect BOD5, COD and TSS removal. Ecological Engineering, 73: 53–57. Retrieved from https://doi.org/10.1016/j.ecoleng.2014.09.022/
Cadavid-Florez, L., Laborde, J. and Zahawi, R.A. (2019) Using landscape composition and configuration metrics as indicators of woody vegetation attributes in tropical pastures. Ecological Indicators, 101: 679-691.
Carlson, R.E. (1977) A trophic state index for lakes1. Limnology and Oceanography, 22(2): 361-369.
Carlson, R.E. and Simpson, J. (1996) A coordinator’s guide to volunteer lake monitoring methods. North American Lake Management Society, 96: 305-305.
Cigagna, C., Bonotto, D.M., Camargo, A.F.M. and Sturaro, J.R. (2016) Trophic state index (TSI) and physico-chemical characteristics of a shallow reservoir in southeast Brazil. Environmental Earth Sciences, 75(2): 102-102.
Congalton , R.G. and Green, K. (2019) Assessing the accuracy of remotely sensed data: Principles and practices, CRC Press. pp: 50-120.
Cutrim, M.V.J., Ferreira, F.S., Dos Santos, A.K.D., et al. (2019) Trophic state of an urban coastal lagoon (Northern Brazil), seasonal variation of the phytoplankton community and environmental variables, Estuarine. Coastal and Shelf Science, 216: 98-109.
Esmaeilzadeh, M., Karbassi, A. and Moattar, F. (2016) Heavy metals in sediments and their bioaccumulation in Phragmites australis in the Anzali wetland of Iran. Chinese Journal of Oceanology and Limnology, 34(4): 810-820.
Fallah, M., Pirali Zefrehei, A.R. and Hedayati, A. (2021) Evaluating limnological condition of Anzali international wetland during 32 years period using nutrient parameters and TSI indices. Iranian Journal of Fisheries Sciences, 20(2): 370-384.
Foody, G.M. (2020) Explaining the unsuitability of the kappa coefficient in the assessment and comparison of the accuracy of thematic maps obtained by image classification. Remote Sensing of Environment, 239: 111630/ Retrieved from https://doi.org/10.1016/j.rse.2019.111630/
Guo, H., Cai, Y., Yang, Z., Zhu, Z. and Ouyang, Y. (2021) Dynamic simulation of coastal wetlands for Guangdong-Hong Kong-Macao Greater Bay area based on multi-temporal Landsat images and FLUS model. Ecological Indicators, 125: 107559.
Hargalani, F.Z., Karbassi, A., Monavari, S.M. and Azar, P.A. (2014) A novel pollution index based on the bioavailability of elements: A study on Anzali wetland bed sediments. Environmental monitoring and assessment, 186(4): 2329-2348.
Inkoom, J.N., Frank, S., Greve, K., Walz, U. and Fürst, C. (2018).. Suitability of different landscape metrics for the assessments of patchy landscapes in West Africa. Ecological Indicator, 85: 117-127.
JICA, D. (2005) The study on integrated management for ecosystem conservation of the Anzali Wetland in the Islamic Republic of Iran, Draft Final Report, pp. 2-2.
Jie, W.H., Xiao, C.L., Zhang, C., Zhang, E., Li, J.Y., Wang, B., Niu, H.W. and Dong, S.F. (2021) Remote sensing-based dynamic monitoring and environmental change of wetlands in southern Mongolian Plateau in 2000–2018. China Geology, 4(2): 353-363.
Kumar, P., Mahajan, A.K. and Meena, N.K. (2019) Evaluation of trophic status and its limiting factors in the Renuka Lake of the Lesser Himalaya, India. Environmental Monitoring and Assessment, 191(2): 3-11.
Lin, W., Cen, J., Xu, D., Du, S. and Gao, J. (2018) Wetland landscape pattern changes over a period of rapid development (1985-2015) in the ZhouShan Islands of Zhejiang province, China. Estuarine, Coastal and Shelf Science, 213: 148-159. DOI:10.1016/j.ecss.2018.08.024/
Lopes, O.F., Rocha, F.A., de Sousa, L.F., da Silva, D.M.L., Amorim, A.F., Gomes, R.L., Sampaio da Silva Junior, A.L. and de Jesus, R.M. (2019) Influence of land use on trophic state indexes in northeast Brazilian river basins. Environmental Monitoring and Assessment, 191(2): 77-77. DOI: 10.1007/s10661-019-7188-7/
Madanian, M., Soffianian, A.R., Koupai, S.S., Pourmanafi, S. and Momeni, M. (2018) Analyzing the effects of urban expansion on land surface temperature patterns by landscape metrics: a case study of Isfahan city, Iran. Environmental Monitoring and Assessment, 190(189): 1-11.
Mamun, M. and An, K.G. (2017) Major nutrients and chlorophyll dynamics in Korean agricultural reservoirs along with an analysis of trophic state index deviation. Journal of Asia-Pacific Biodiversity, 10(2): 183-191.
Ni, M., Ge, Q., Li, S., Wang, Z. and Wu, Y. (2021) Trophic state index linked to partial pressure of aquatic carbon dioxide in a typical karst plateau lake. Ecological Indicators, 120: 106912. Retrieved from https://doi.org/10.1016/j.ecolind.2020.106912/
Pal, S. and Debanshi, S. (2021) Developing wetland landscape insecurity and hydrological security models and measuring their spatial linkages. Ecological Informatics, 66: 101461. Retrived from https://doi.org/https://doi.org/10.1016/j.ecoinf.2021.101461/
Pedram Jarf, M., Kamali, A., Khara, H., Pourang, N. and Shekarabi, S.P.H. (2024) Microplastic pollution and heavy metal risk assessment in Perca fluviatilis from Anzali wetland: Implications for environmental health and human consumption. Science of The Total Environment, 907: 167978. Retrived from https://doi.org/https://doi.org/10.1016/j.scitotenv.2023.167978/
Penfound, E. and Vaz, E. (2024) Modelling future wetland loss with land use landcover change simulation in the Greater Toronto and Hamilton Area: The importance of continued greenbelt development restrictions. Habitat International, 143: 102974. Retrived from https://doi.org/https://doi.org/10.1016/j.habitatint.2023.102974/
Ramsar List. (2021) The List of Wetlands of International Importance. Retrerived from https://www.ramsar.org/
Stehman, S.V. (1997) Selecting and interpreting measures of thematic classification accuracy. Remote Sensing of Environment, 62(1): 77-89.
Singh, R., Saritha, V. and Pande, C.B. (2024) Monitoring of wetland turbidity using multi-temporal Landsat-8 and Landsat-9 satellite imagery in the Bisalpur wetland, Rajasthan, India. Environmental Research, 241: 117638. Retrived from https://doi.org/https://doi.org/10.1016/j.envres.2023.117638/
Wetzel, R.G. (2001) Limnology: lake and river ecosystems. Gulf Professional Publishing, pp: 220-267.
Wu, C., Chen, B., Huang, X. and Dennis Wei, Y.H. (2020) Effect of land-use change and optimization on the ecosystem service values of Jiangsu province, China. Ecological Indicators, 117: 106507. Retrived from https://doi.org/https://doi.org/10.1016/j.ecolind.2020.106507/
Wu, J. and Hobbs, R. (2002) Key issues and research priorities in landscape ecology: an idiosyncratic synthesis, Landscape Ecology, 17(4): 355-365.
Yan, F., Zhang, S., Liu, X., Yu, L., Chen, D., Yang, J., Yang, C., Bu, K. and Chang, L. (2017) Monitoring spatiotemporal changes of marshes in the Sanjiang Plain, China. Ecological Engineering, 104(A): 184-194.
Yohannes, H., Soromessa, T., Argaw, M. and Dewan, A. (2020) Changes in landscape composition and configuration in the Beressa watershed, Blue Nile basin of Ethiopian Highlands: Historical and future exploration. Heliyon, 6(9): e04859. Retrieved from https://doi.org/10.1016/j.heliyon.2020.e04859/
Zhang, Y., Wang, X., Yan, S., Zhu, J., Liu, D., Liao, Z., Li, C. and Liu, Q. (2021) Influences of Phragmites australis density and groundwater level on soil water in semiarid wetland, North China: Which is more influential. Ecohydrology & Hydrobiology, 22(1): 85-95.
Zhu, L., Zhu, K. and Zeng, X. (2023) Evolution of landscape pattern and response of ecosystem service value in international wetland cities: A case study of Nanchang City. Ecological Indicators, 155: 110987. Retrived from https://doi.org/https://doi.org/10.1016/j.ecolind.2023.110987/