Iranian Journal of Applied Ecology
بوم شناسي كاربردي
Iranian Journal of Applied Ecology
Agriculture
http://ijae.iut.ac.ir
1
admin
2476-3128
2476-3217
doi
fa
jalali
1393
6
1
gregorian
2014
9
1
3
8
online
1
fulltext
fa
مدل سازی آلودگی غیرنقطه ای با استفاده از سیستم اطلاعات جغرافیایی (GIS) برای ارائه بهترین شیوه های مدیریت (BMP) در حوضه آبخیز گرگانرود
Non-point Source Pollution Modeling Using Geographic Information System (GIS) for Representing Best Management Practices (BMP) in the Gorganrood Watershed
عمومى
General
پژوهشي
Research
مهمترین آلایندههایی که باعث ایجاد آلودگی آب میشوند، نیتروژن و فسفر موجود در رواناب کشاورزی هستند که به آلودگی غیرنقطه-ای (NPS)، موسوم هستند. برای رفع این مشکل، شیوههای مدیریتی بهکار میروند که به BMP ها یا بهترین شیوههای مدیریت معروفند. یکی از روشهای متداول پیشبینی آلودگی غیرنقطهای مدلسازی آن است. بهوسیله مدلسازی میتوان راندمان بسیاری از این شیوهها را قبل از
بهکارگیری، آزمایش کرد. در مطالعه حاضر، ابتدا تغییرات کاربری اراضی در سالهای 1984 تا 2010 بررسی شد که نشاندهنده افزایش اراضی کشاورزی از 52/516908 به 19/630737 هکتار، جادهها از 07/9666 به 24/11430 و توسعه شهری از 87/5237 به 59/15487 هکتار بود. با انجام مدل L-THIA (از مدلهای آلودگی غیرنقطهای) برای هر دو کاربری میزان آلودگی و حجم رواناب محاسبه شد که رشد چشمگیری را نشان میداد. سپس، با محاسبه آلودگی هر یک از زیرحوضهها، زیرحوضه هفت بهعنوان یک منطقه بحرانی شناخته شد. در انتها با استفاده از ارزیابی چند معیاره (MCE) بهمنظور مکانیابی اراضی کشاورزی، تغییر کاربری بهعنوان یک BMP مدنظر قرار گرفت و نقشه بهینه کاربری ایجاد شد. پس از تهیه نقشه کاربری جدید مدل L-THIA مجدداً انجام شد و نتیجه مدل با کاربری کنونی مقایسه شد تا اثر این BMP بررسی شود. حجم رواناب از 5/367 به 6/308 مترمکعب در هکتار و میزان نیتروژن موجود در رواناب از 26/3 به 58/1 میلیگرم در لیتر و اکسیژن خواهی زیستی یا BOD آب نیز از 61/3 به 13/2 میلیگرم در لیتر رسید. سایر آلایندهها از قبیل فسفر، روی کادمیوم و کروم نیز کاهش شدیدی را نشان دادند. در انتها، تغییر کاربری بهعنوان یک BMP موثر، جهت کاهش آلودگی غیرنقطهای تایید شد.
The most important pollutants that cause water pollution are nitrogen and phosphorus from agricultural runoff called Non-Point Source Pollution (NPS). To solve this problem, management practices known as BMPs or Best Management Practices are applied. One of the common methods for Non-Point Source Pollution prediction is modeling. By modeling, efficiency of many practices can be tested before application. In this study, land use changes were studied from the years 1984 till 2010 that showed an increase in agricultural lands from 516908.52 to 630737.19 ha and expansion of cities from 5237.87 to 15487.59 ha and roads from 9666.07 to 11430.24 ha. Using L-THIA model (from nonpoint source pollution models) for both land use categories, the amount of pollutant and the volume of runoff were calculated that showed high growth. Then, the seventh sub-basin was recognized as a critical zone in terms of pollution among the sub-basins. In the end, land use change was considered as a BMP using Multi-Criteria Evaluation (MCE) based on which a more suitable land use map was produced. After producing the new land use map, L-THIA model was run again and the result of the model was compared to the actual land use to show the effect of this BMP. Runoff volume decreased from 367.5 to 308.6 M3/ha and nitrogen in runoff was reduced from 3.26 to 1.58 mg/L and water BOD from 3.61 to 2.13 mg/L. Other pollutants also showed high reduction. In the end, land use change is confirmed as an effective BMP for Non-Point Source Pollution reduction.
رواناب, مکانیابی, ارزیابی چند معیاره (MCE), مدل L-THIA
Runoff, Location, Multi-Criterion Evaluation (MCE), L-THIA model.
43
54
http://ijae.iut.ac.ir/browse.php?a_code=A-10-1-57&slc_lang=fa&sid=1
Z.
Pasandidehfard
زهرا
پسندیده فرد
zahra_pasandidehfard@yahoo.com
10031947532846004393
10031947532846004393
Yes
A.
Salman Mahini
عبدالرسول
سلمان ماهینی
10031947532846004394
10031947532846004394
No
S. H.
Mirkarimi
سید حامد
میرکریمی
10031947532846004395
10031947532846004395
No
M.
Akbari
مرتضی
اکبری
10031947532846004396
10031947532846004396
No
M.
Gholamalifard
مهدی
غلامعلی فرد
10031947532846004397
10031947532846004397
No