پایش میزان کلروفیل-آ، کربن آلی، شوری و دمای سطح آب در سواحل سیستان و بلوچستان با استفاده از داده های سنجش از دور

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 139

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_GIRS-12-4_006

تاریخ نمایه سازی: 20 شهریور 1400

Abstract:

پیشینه و هدف دریاها و اقیانوس ها نقش به سزایی در شرایط آب و هوایی و همچنین تغییرات اقلیم ایفا می کنند. علاوه بر این پدیده های فیزیکی و زیستی از مهم ترین عوامل تاثیرگذار بر شیمی و محیط زیست دریا هستند. از همین رو شناخت فرآیندهای فیزیکی حاکم بر دریاها و اقیانوس ها و همچنین همبستگی بین این خصوصیات با خصوصیات زیستی از اهمیت بالایی برخوردار است. الگوریتم های سنجش از دور از محدوده آبی، سبز، زرد، قرمز و مادون قرمز نزدیک استفاده می کنند و بنابراین نظارت بر کلروفیل- آ که رنگ دانه فیتوپلانگتون آب های اقیانوسی و ساحلی است می تواند با استفاده از فناوری نوین سنجش از دور اندازه گیری و ارزیابی شود.مواد و روش ها در این مطالعه از قابلیت روش های سنجش از دور در بررسی وضعیت ویژگی های کیفی آب های ساحلی استان سیستان و بلوچستان استفاده شده است. بدین منظور برای بررسی وضعیت کلروفیل-آ با استفاده از الگوریتم های بیواپتیکی OC۳ درENVI  و همچنین قابلیت های پلت فرم گوگل ارث انجین استفاده شده است. گوگل ارث انجین یک پلت فرم تحلیل مکانی و متن باز است که کاربران را قادر می سازد تصاویر ماهواره ای سیاره زمین را تجسم و تجزیه و تحلیل کنند. با استفاده از این سامانه می توان انواع پردازش های طیفی را بر روی پدیده های مختلف سطح زمین با داده های ماهواره ای متفاوت انجام داد. همچنین می توان بر روی حجم زیادی از داده ها بدون نیاز به سامانه های پرقدرت، محاسبات را انجام داد. پارامتر شوری از ماهواره SMOS سنجنده MIRAS در نرم افزار SNAP، بررسی پارامترهای کلروفیل، دما و کربن آلی با استفاده از تصاویر ماهواره مودیس سنجنده Terra استفاده شد. زمان مطالعه در تصاویر مورداستفاده و نمونه برداری میدانی اردیبهشت ماه سال ۱۳۹۹ است. به منظور استخراج غلظت کلروفیل-آ از الگوریتم های بیواپتیکی مبتنی بر باندهای آبی و سبز (OC۳) در نرم افزار ENVI استفاده شد. مدل های بیواپتیک اندازه گیری های نوری بازتاب یا تابش را با پارامترهای بیولوژیکی مانند غلظت کلروفیل، کیفیت آب و سایر موارد به هم پیوند می دهند. دمای آب یکی از مهم ترین عوامل حاکم بر وضعیت زندگی درون دریا است، به طوری که جانوران دریایی تنها در یک بازه مشخصی از دمای آب می توانند زنده بمانند و تولیدمثل کنند. به همین دلیل فیتوپلانگتون ها بسیار به تغییرات دمای آب حساس بوده و واکنش نشان می دهند و دمای سطح آب می تواند تعیین کننده فراوانی و پراکنش آن ها باشد. در این پژوهش پروداکت MIR_OSUDP۲ ماهواره SMOS سنجنده MIRAS در تاریخ ۳ می ۲۰۲۰ برای منطقه موردمطالعه از سایت https://smos-diss.eo.esa.int استفاده شد.نتایج و بحث در کنار سواحل میزان کلروفیل-آ بیشتر است و ایستگاه های کنارک جود و خور میدانی دارای غلظت بالاتری از کلروفیل-آ هستند. خروجی های حاصل از دو روش متفاوت در تخمین میزان کلروفیل-آ در منطقه مورد مطالعه مشابهت دارد. همچنین نتایج نشان داد که در ایستگاه های چابهار، کنارک، جود و گواتر در سال های اخیر میزان کلروفیل-آ افزایش یافته است. در مناطق چابهار و کنارک در طول ده سال این افزایش چشمگیر بوده و افزایش ناگهانی کلروفیل در سال اخیر در ایستگاه های جود و خور میدانی نیاز به مطالعات بیشتری جهت شناخت علل دارد و باید مورد توجه قرار گیرد. نمودار میزان تغییرات کلروفیل-آ در طی سال ۲۰۱۹ تا ۲۰۲۰ نشان می دهد که میزان کربن آلی از میزان کلروفیل-آ پیروی می کند و در مناطقی مانند چابهار و کنارک میزان کربن آلی بالاتری را شاهد هستیم.  بیشترین افزایش دما در تمامی سه دوره مورد بررسی در بخش های بندر چابهار و کنارک بوده است، که فعالیت های انسانی یکی از عوامل اصلی آن است. با بررسی روند ده ساله تغییرات افزایشی دما در بندرهای خور میدانی و جود نیز قابل مشاهده است. روند کلی دما همان گونه که انتظار می رود به سمت شرق کاهشی است زیرا به آب های آزاد نزدیک تر است. فصولی که دمای آب کمتر است میزان کلروفیل-آ بالاتر بوده است. نتایج نقشه های کلروفیل-آ توسط نرم افزارهای ENVI و پلت فرم گوگل ارث انجین، غلظت کلروفیل-آ در فصل پاییز و زمستان نسبت به بهار و تابستان بیشتر بوده است، بالا بودن مقدار غلظت کلروفیل-آ در فصول سرد آب های گرمسیری و نیمه گرمسیری رایج است. همچنین غلظت کلروفیل-آ در مناطق مورد بررسی در امتداد ساحل بیشتر از مناطق دور از ساحل است که این ویژگی در ارتباط با الگوریتم برداشت کلروفیل-آ در آب های نوع یک است؛ به عبارت دیگر، مناطق ساحلی به دلیل عمق کم، بالا بودن کدورت و رسوبات معلق نسبت به مناطق دور از ساحل دارای مقدار بیشتری است. چون در این منطقه تخلیه رودخانه ای وجود ندارد، این مناطق بیشتر تحت تاثیر فرآیندهای هیدرودینامیکی مانند جهت وزش باد و جریان های دریایی هستند. حداقل میزان غلظت کلروفیل-آ در منطقه در ماه می تا سپتامبر مشاهده شد که این تغییرات مخالف نوسانات دمای سطحی آب بود، که می تواند به دلیل جریانات بالارونده باشد. میزان کربن آلی از مهم ترین عوامل کلیدی برای ارزیابی کارکرد بوم سازگان آبی محسوب می شود که موجب تعیین توان پتانسیل بوم سازگان برای فرآورده های شیلاتی می شود؛ نتایج حاصل از بررسی میزان کربن آلی نشان داد که مقدار کربن آلی همانند کلروفیل-آ در دو فصل پاییز و زمستان بیشتر از بهار و تابستان بود به طوری که، روند تغییرات کربن آلی نیز از روند تغییرات کلروفیل-آ تبعیت داشت.  بین نوسانات دما و میزان کلروفیل-آ همبستگی وجود دارد، این همبستگی نشان دهنده اهمیت دمای سطح آب در تغییرات میزان رشد فیتوپلانگتون ها به عنوان یکی از عوامل اقلیمی است و باعث شده است مهم ترین پارامتر تاثیرگذار روی کلروفیل-آ، دمای سطحی آب باشد. بر اساس نتایج به دست آمده روند تغییرات دما در ده سال اخیر افزایشی و گرم ترین ایستگاه ها ایستگاه های چابهار و کنارک هستند. ازلحاظ شوری نیز مناطقی که شوری کمتری را داشتند دارای میزان کلروفیل-آ بالاتری بودند. مقایسه داده های حاصل از این تحقیق با موارد فوق گویای آن است که دامنه نوسانات ثبت شده پارامترهای کیفی مورد بررسی در محدوده طبیعی آب های منطقه با مطالعات مشابه در منطقه موردمطالعه توسط سایر متخصصین مطابقت دارد.نتیجه گیری نتایج این پژوهش نشان دهنده دقت قابل قبول نتایج حاصل در مقایسه با داده های پژوهش های مشابه برکنار سرعت و سهولت روش کار است. بنابراین می توان با کمک گرفتن از علم سنجش از دور با پایش به موقع پارامترهای کیفی پهنه های آبی از ایجاد بحران های بزرگ پیشگیری و در هزینه و زمان صرفه جویی کرد، مشکلاتی که ممکن است در صورت وقوع برگشت ناپذیر باشند.

Authors

الهام شهری

دانشجوی دکتری علوم و مهندسی محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، ایران

محمد حسین صیادی

گروه محیط زیست، دانشکده منابع طبیعی و محیط زیست ، دانشگاه بیرجند، ، ایران

الهام یوسفی

استادیار گروه محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، بیرجند، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Acheampong C. ۲۰۱۸. Deriving algal concentration from Sentinel-۲ through a ...
  • Bouman HA, Jackson T, Sathyendranath S, Platt T. ۲۰۲۰. Vertical ...
  • Cadée GC, Hegeman J. ۱۹۹۱. Phytoplankton primary production, chlorophyll and ...
  • Cui T, Zhang J, Wang K, Wei J, Mu B, ...
  • Deng Y, Zhang Y, Li D, Shi K, Zhang Y. ...
  • Gholamalifad M, Ahmadi B, Nouri P. ۲۰۲۰. Remote Sensing Monitoring ...
  • Gregg WW, Casey NW, McClain CR. ۲۰۰۵. Recent trends in ...
  • Haghparast M, Mokhtarzade M. ۲۰۱۸. Estimation of turbidity and chlorophyll ...
  • Hernandez O, Jouanno J, Echevin V, Aumont O. ۲۰۱۷. Modification ...
  • Hu M, Zhang Y, Ma R, Xue K, Cao Z, ...
  • Huang Y, Jiang D, Zhuang D, Fu J. ۲۰۱۰. Evaluation ...
  • Irwin AJ, Finkel ZV. ۲۰۰۸. Mining a sea of data: ...
  • Kavak MT. ۲۰۱۲. Long term investigation of SST regime variability ...
  • Kessouri F, Ulses C, Estournel C, Marsaleix P, d'Ortenzio F, ...
  • Khebri Z, Nejadkoorki F, Sodaie Zadeh H. ۲۰۱۵. The relationship ...
  • Mahdavifard M, Valizadeh Kamran K, Atazadeh E. ۲۰۲۰. Estimation of ...
  • Martin S. ۲۰۱۴. An introduction to ocean remote sensing. Cambridge ...
  • Mascarenhas V, Keck T. ۲۰۱۸. Marine optics and ocean color ...
  • Mir Alizadehfard SR, Mansouri S. ۲۰۱۹. Evaluation of indicators of ...
  • Moghadam NK, Motesharezadeh B, Maali-Amiri R, Lajayer BA, Astatkie T. ...
  • Moradi M, Kabiri K. ۲۰۱۵. Spatio-temporal variability of SST and ...
  • Nezlin NP, Polikarpov IG, Al-Yamani FY, Rao DS, Ignatov AM. ...
  • Papenfus M, Schaeffer B, Pollard AI, Loftin K. ۲۰۲۰. Exploring ...
  • Poddar S, Chacko N, Swain D. ۲۰۱۹. Estimation of Chlorophyll-a ...
  • Reilly JE, Maritorena S, Siegel DA, O’Brien MC, Toole D, ...
  • Reynolds RM. ۱۹۹۳. Physical oceanography of the Gulf, Strait of ...
  • Simpson JH, Sharples J. ۲۰۱۲. Introduction to the physical and ...
  • Tepanosayn G, Muradyan V, Hovsepyan A, Minasyan L, Asmaryan S. ...
  • Toming K, Kutser T, Laas A, Sepp M, Paavel B, ...
  • Vinh PQ, Ha NTT, Binh NT, Thang NN, Oanh L, ...
  • Watanabe F, Alcantara E, Rodrigues T, Rotta L, Bernardo N, ...
  • نمایش کامل مراجع