کمی سازی تغییر فضایی و زمانی در کاربری زمین و پوشش زمین و دسترسی به کیفیت آب: مطالعه موردی حوضه آبخیز میسوری زیرمنطقه جیمز، داکوتای شمالی

اثرات علی مکانی بر کیفیت آب در شناسایی حوضه های آبخیز آسیب پذیر ضروری است. مدل‌سازی متغیرهای کاربری زمین یک روش مؤثر برای پیش‌بینی آسیب موضعی است. این مطالعه یک شاخص یکپارچه را ارائه می‌کند که برای سنجش توانایی یک حوزه آبخیز کد واحد هیدرولوژیکی 8 رقمی در توانایی آن برای تولید آب تمیز طراحی شده است. این شاخص، I _APCW ، می تواند با موفقیت بر روی یک پلت فرم جغرافیایی اعمال شود. در این مطالعه ما از I _APCW برای پرداختن به پویایی پوشش جنگلی یک حوضه آبخیز آسیب دیده، یعنی منطقه فرعی جیمز حوضه میسوری در داکوتای شمالی استفاده کردیم. توابع پارامتری خاص در یک رابط GIS سفارشی برای ارائه یک تکنیک ساختاریافته چند وجهی برای استخراج I _{APCW تجزیه و تحلیل و ترکیب شدند.}. اینها شامل پوشش جنگلی محیطی، تراکم مسکن، زمین کشاورزی، فرسایش پذیری خاک و تراکم جاده می شود. می توان به وضوح مشخص کرد که در جایی که پوشش جنگلی غالب تحت فرآیندهای تبدیل قرار می گیرد، اثر ثانویه ممکن است باعث افزایش نمایی در هزینه های تصفیه آب شود. این پارامترها زمانی که روابط زمانی و مکانی پویایی کاربری اراضی/پوشش زمین با غلظت مواد مغذی به ویژه آنهایی که در دهانه حوضه ذکر می شوند، تایید شده است. در این مطالعه، ما دریافتیم که سطوح کل جامدات محلول (TDS) برای سال‌های 2014 تا 2016 با افزایش قابل‌توجه اثر قلیایی در حوضه بسیار بالاتر بود. وقتی من _APCWبا منبع غیر نقطه‌ای کشاورزی سالانه (AnnAGNPS) مقایسه شد، توزیع فضایی تولید شده توسط مطالعه AnnAGNPS نشان داد که مناطق آیش مقادیر قابل‌توجهی بارهای رسوبی را از زیرحوضه تولید می‌کنند. همین مکان ها در این مطالعه یک _APCW پایین را ایجاد کردند .

کلید واژه ها

تحلیلگر فضایی , شاخص توانایی تولید آب پاک , کاربری اراضی , کیفیت آب

1. مقدمه

تامین آب و رسوب و مدیریت آنها برای بسیاری از عملیات پروژه های هیدرولیک حیاتی است. تجزیه و تحلیل روند داده های کیفیت آب یک تشخیص زیست محیطی ضروری یک جریان است که امکان ارزیابی چگونگی واکنش بدنه آبی به تغییر کاربری زمین در یک دوره زمانی را فراهم می کند. تغییر کاربری و پوشش زمین به طور مستقیم بر استفاده پایدار از مخازن، کیفیت آب و زیستگاه ساحلی تأثیر می گذارد [ 1] . با این حال، ما با ابزارها و روش‌شناسی موجود برای درک تأثیرات آتی در مقیاس بزرگ‌تر محدود شده‌ایم. عرضه آب و رسوب تنها در مکان های محدود و در یک دوره زمانی محدود اندازه گیری شده است و از این رو نیاز رو به رشد به مدل های پیش بینی شده است. سکار و راندیر (2007) نقشه های اولویت بندی را برای توصیف پتانسیل برداشت مشترک آب که بر اساس مزایا و هزینه ها است، توسعه دادند [ 2 ]. نتایج مطالعه آنها نشان می دهد که می توان از یک استراتژی برداشت متغیر مکانی برای به حداقل رساندن تلفات رواناب و افزایش ذخایر آب استفاده کرد.

تغییرات در ترکیب خاک به دلیل تغییر در پوشش زمین کاربری (LULC) رخ می دهد. LULC یک اصطلاح یکپارچه است که شامل هر دو دسته LULC می شود و تجزیه و تحلیل تغییرات برای درک بسیاری از مشکلات اجتماعی، اقتصادی و زیست محیطی از اهمیت بالایی برخوردار است [ 3 ]. کاربری زمین (LU) و پوشش زمین (LC) دو مؤلفه اساسی هستند که محیط زمینی را در رابطه با فرآیندهای طبیعی و انسانی توصیف می کنند [ 4 ] [ 5 ] [ 6 ]. تغییرات محیطی در سرتاسر جهان بیشتر به دلیل تغییرات LU و LC ایجاد می شود، بنابراین به عنوان یک سوال کلیدی تحقیقاتی ظاهر می شود [ 7 ]] . کمی سازی الگوهای منظر ما را قادر می سازد تا تغییرات زمانی را شناسایی و ارزیابی کنیم و امکان مطالعه اثرات الگو بر فرآیندهای اکولوژیکی را فراهم کنیم [ 8 ]. جنسن در تحقیقات خود در مورد منظر شهری، استفاده از زمین را راهی برای استفاده انسان از زمین در حالی که پوشش زمین به عنوان یک سیستم محیطی طبیعی وجود دارد، درک کرد [ 9 ]. تکنیک‌های سنجش از دور و علم اطلاعات جغرافیایی (GIS) برای شناسایی و تعیین کمیت تغییرات دوره‌ای در چشم‌انداز و اثرات زیست‌محیطی متعاقب آن به‌طور مؤثر مورد استفاده قرار گرفته‌اند [ 10 ]. پوشش اراضی یک پارامتر مهم برای پایش مدل‌سازی کشاورزی، هیدرولوژیکی و آبخیزداری است که ابزار لازم برای توسعه، برنامه‌ریزی و مدیریت منابع طبیعی در یک منطقه خاص را تشکیل می‌دهد.10 ] .

تحقیقات گذشته نشان داده است که افزایش استفاده از زمین های کشاورزی پیامد مستقیمی بر رسوب گذاری، مواد مغذی و آفت کش ها در رودخانه ها دارد [ 11 ] [ 12 ]. بنابراین تشخیص تغییر کاربری زمین یک نیاز حیاتی برای ارزیابی اثرات بالقوه زیست محیطی و توسعه مدیریت موثر زمین و استراتژی های برنامه ریزی است [ 13 ]. آب های سطحی گیرندگان بالقوه آلودگی های موجود در رواناب سطحی از حوضه های خود هستند [ 14 ]. این امر نظارت بر کیفیت آب های سطحی را به یک پارامتر مهم تبدیل می کند. منابع محدودی برای حفاظت وجود دارد که می توان آنها را به فرسایش مناطق مستعد اختصاص داد. این مناطق را می توان از طریق نقشه برداری، نظارت و اولویت بندی برجسته کرد [ 15] . نقشه برداری خطر فرسایش منطقه می تواند تصمیم گیرندگان را قادر سازد تا مناطق مستعد را برای اقدامات حفاظتی مطابق با سطح آسیب پذیری اولویت بندی کنند [ 16 ]. با توجه به خدمات جنگلداری USDA، حفاظت و مدیریت جنگل ها در حوضه های آبخیز منبع، بخشی ضروری از استراتژی های آینده برای تامین آب آشامیدنی سالم است. شاخصی از توانایی تولید آب پاک (APCW) را می توان از طریق تجزیه و تحلیل پوشش GIS برای اولویت بندی حوزه های آبخیز آسیب دیده ایجاد کرد. تصمیم گیری چند معیاره فضایی (MCDM) نیز به یکی از مفیدترین روش ها برای برنامه ریزی کاربری اراضی و محیط زیست و همچنین مدیریت آب و کشاورزی تبدیل شده است [ 17 ].

2. شرح منطقه مطالعه

حوضه فرعی رودخانه میسوری در چهار شهرستان داکوتای شمالی به نام های فاستر، کیدر، استاتسمن و ولز در منطقه میسوری-زیر منطقه رودخانه جیمز [ 22 ] گسترش می یابد. رودخانه جیمز، میپل ریور، نهر پایپستم، نهر بیور و نهر اسپرینگ در این زیرحوضه قرار دارند ( شکل 1 ). نهر پایپستم از سد پایپستم در پایین دست تا تلاقی آن با رودخانه جیمز که حدود 5.6 مایل است شروع می شود. میانگین بارندگی سالانه بین 13 تا 22 اینچ است. میانگین دمای سالانه هوا بین 37 درجه فارنهایت تا 16 درجه فارنهایت برای میانگین ارتفاع از 1280 تا 2560 فوت متغیر است. نوع خاکی که در این مکان یافت می شود، لوم Williams-Bowbells است که یک خاک رسی با زهکشی خوب و غیر شور با کربنات کلسیم حدود 20 درصد است. شکل 2بخشی از حوضه آبخیز نزدیک پینگری، داکوتای شمالی را نشان می دهد که یکی از مکان های نمونه برداری بوده است. شکل 3 نمایی از حوضه آبخیز را نشان می دهد. جنگل های ساحلی ( شکل 4 ) در کنار رودخانه ها غالب هستند.

3. مواد و روشها

3.1. پردازش داده ها و تجزیه و تحلیل GIS

از داده‌های تاریخی نهر Pipestem برای انجام یک تحلیل فضایی و شناسایی مناطق آسیب‌دیده محلی در حوضه استفاده شد. پوشش جنگلی شامل جنگل های ساحلی و داده های کاربری اراضی کشاورزی از خدمات آمار کشاورزی ملی وزارت کشاورزی ایالات متحده (NASS) به دست آمد. مجموعه داده فرسایش پذیری خاک از سرویس حفاظت از منابع ملی وزارت کشاورزی ایالات متحده (NRCS) به دست آمد. داده های شبکه جاده و داده های تراکم مسکن سال 2000 از مرکز GIS داکوتای شمالی به دست آمد. کاربری زمین و پوشش زمین با استفاده از سیستم طبقه بندی اندرسون طبقه بندی شد [ 23] . داده های NLCD، یک مجموعه داده شطرنجی، به ArcMap® 9.3، یک نرم افزار GIS، که در آن تنها منطقه مورد مطالعه برش داده شد، وارد شد. هر مجموعه داده مشخصه به صورت جداگانه پردازش شد تا یک شبکه شطرنجی تولید شود. برای خلاصه کردن پوشش جنگلی، تابع “Tabulate Areas” در ArcMap® 9.3 برای محاسبه سطح زمین جنگلی برای حوضه استفاده شد. درصد حوضه ای که جنگلی است با تقسیم سطح زمین جنگلی بر کل سطح زیرکشت حوضه محاسبه شد [ 24 ]. نتایج در فیلد ویژگی این شکل فایل ذخیره شد که سپس به یک مجموعه داده شطرنجی 30 متری تبدیل شد ( شکل 5 ). درصد جنگل به چهار دسته مجدد طبقه بندی شد ( جدول 1(آ)). نقاط شکست رده به عنوان نیمی از اعداد صحیح بین فواصل وارد شد. به عنوان مثال، مقدار 24.5 نقطه شکست برای درصد زمین های جنگلی است که به عنوان کم یا متوسط ​​امتیاز داده شده است. نتایج در فیلد ویژگی مربوطه ذخیره شد. زمین کشاورزی با استفاده از مقادیر شبکه از مجموعه داده NLCD 2001 داکوتای شمالی خلاصه شد. همین روش برای جدول بندی مناطق زیر زمین کشاورزی تکرار شد. درصد زمین کشاورزی به چهار دسته خلاصه شده در جدول 1 (ب) مجدداً طبقه بندی شد. نقاط شکست رده به عنوان نیمی از اعداد صحیح بین فواصل وارد شد. به عنوان مثال، 30 آستانه برای درصد زمین کشاورزی بود که به عنوان امتیاز پایین بود. نتایج در فیلد ویژگی این شکل فایل ذخیره شد که سپس به مجموعه داده شطرنجی 30 متری تبدیل شد ( شکل 6). برای پوشش جنگل ساحلی، سطح زیرکشت زمین جنگلی ساحلی بر کل سطح زیرکشت بافر ساحلی در حوضه تقسیم شد. درصد پوشش جنگل های ساحلی به چهار دسته خلاصه شده در جدول 1 (ج) مجدداً طبقه بندی شد. نقاط شکست رده به عنوان نیمی از اعداد صحیح بین فواصل وارد شد. مقدار 29 نقطه شکست برای درصد جنگل های ساحلی بود که به عنوان پایین نمره گذاری شد. نتایج در فیلد ویژگی این شکل فایل ذخیره شد که سپس به یک مجموعه داده شطرنجی 30 متری تبدیل شد ( شکل 4 ). مجموعه داده راه های ملی داکوتای شمالی به شرق تقسیم شد

و بخش های غربی با استفاده از فایل های شکل مرزی شهرستان. ابزار “Repair geometry” برای مجموعه داده های جاده های شرقی و غربی برای تعمیر خطوط خود متقاطع استفاده شد. ابزار “چند بخشی به تک بخش” در هر مجموعه داده برای پیوستن به خطوط چند بخشی استفاده شد. هر شکل فایل جاده به یک قوس پوششی تبدیل شد. یک ابزار “Simplify Line” روی هر کدام اجرا شد

لایه برای حذف رئوس بیش از حد. تحمل ساده سازی روی 10 متر تنظیم شد. تابع “چگالی خط” روی هر یک از پوشش های حاصل اعمال شد. پارامترها به عنوان اندازه سلول 30 متر، شعاع جستجو 565 متر (برابر مساحت جستجوی تقریباً 1 کیلومتر مربع ⁾ و واحدها به عنوان کیلومتر مربع تنظیم شدند. در نهایت، رستر چگالی خط شرق و غرب در یک مجموعه داده شطرنجی ادغام شد ( شکل 7 ). نتایج در چهار چارک طبقه بندی شدند و با مقادیر 1 – 4 مطابق جدول 1 طبقه بندی شدند.(د). برای خلاصه کردن نقشه فرسایش پذیری خاک، ابتدا مجموعه داده خاک به مرز حوضه بریده شد. سپس این مجموعه داده با استفاده از فیلد kffact به عنوان مقدار شبکه به فرمت شطرنجی تبدیل شد. میدان kffact عامل k در خاک است که حاوی مقادیر فرسایش پذیری در مجموعه داده است. سپس شبکه ( شکل 8 ) همانطور که در جدول 1 نشان داده شده است مجدداً طبقه بندی شد . برای کاهش حجم فایل، فایل داده های مسکن خام به 15 کلاس طبقه بندی شد. طبقه بندی مورد استفاده بر اساس داده های بلوک اداره سرشماری ایالات متحده (SFI) در سال 2000 است که توسط آزمایشگاه اکولوژی منابع طبیعی [ 24 ] توسعه یافته است.] . به هر یک از 15 کلاس یک محدوده ارزشی از تراکم مسکن اختصاص داده شد، به عنوان مثال، کلاس 5 از 32 تا 49 متغیر بود. برای خلاصه کردن داده‌های تراکم مسکن، داده‌های تراکم مسکن خام 2000 به منطقه حوضه بریده شد و از 100 متر نمونه‌برداری شد. شبکه به یک شبکه 30 متری ( شکل 9 ). مقادیر شبکه خام در واحد در هکتار با استفاده از رابطه [ 24 ] به هکتار/واحد تبدیل شد:

(1)

این یک مجموعه داده جدید طبقه بندی شده با 15 کلاس ایجاد کرد. 15 طبقه ارزشی به چهار کلاس تراکم مسکن طبقه‌بندی شدند: روستایی، برون شهری، حومه‌شهری و شهری که روستایی از 1 تا 8 متغیر بود و ارزش طبقه‌بندی مجدد 4 را به خود اختصاص داد. exurban بود 9 تا 10 اختصاص داده شده ارزش 3; حومه شهر 11 تا 12 بود که مقدار 2 و برای طبقه شهری از 13 تا 15 مقدار 1 تعیین شد. بنابراین وزن به اندازه

بر این اساس همانطور که در جدول 1 (f) نشان داده شده است، امضا شده است. استفاده از تابع افزودن ماشین حساب شطرنجی برای شش شطرنجی، منجر به خروجی شبکه با مقادیری از 6 تا 24 برای هر سلول شبکه 30 متری شد. با استفاده از ArcMap® 9.3 Spatial Analyst، یک پوشش وزنی با استفاده از داده هایی که شامل زمین های جنگلی، پوشش ساحلی، تناسب زمین کشاورزی، فرسایش پذیری خاک، تراکم جاده و داده های تراکم مسکن بود، انجام شد. معادله 1 مفهوم اساسی را در فرآیند همپوشانی وزنی نشان می دهد [ 24 ]:

(2)

جایی که، F = زمین جنگلی (درصد)؛ الف = زمین کشاورزی (درصد)؛ R = پوشش جنگلی ساحلی (درصد)؛ D = تراکم جاده (چارتیل)؛ S = فرسایش پذیری خاک (عامل k); H = تراکم مسکن (جریب در هر واحد مسکونی در سال 2000). I _APCW شاخص توانایی تولید آب پاک است. تمامی متغیرها در چهار کلاس کم، متوسط، زیاد و خیلی زیاد طبقه‌بندی شدند. این کار برای حفظ نفوذ یکسان انجام شد. ابزار همپوشانی وزنی یک مجموعه داده شطرنجی نهایی را ایجاد کرد که یک میانگین امتیاز ترکیبی بر اساس حوضه بود. شکل 10 نقشه منطقه مورد مطالعه را با شاخص APCW نشان می دهد. شاخص APCW در ابتدا در مطالعه ای که توسط بارنز و همکاران انجام شد، در سال 2009 [ 24 ] استفاده شد، جایی که این شاخص برای حوزه آبخیز در سطح منطقه ای تولید شد.

3.2. تجزیه و تحلیل داده های خاک

نمونه‌های خاک در سال 2011 از لایه بالایی خاک (6-0 اینچ) برای جذب یون‌های قابل شستشو در حوضه آبخیز Pipestem Creek جمع‌آوری شد. محل های نمونه گیری به گونه ای انتخاب شدند که کل منطقه مورد مطالعه را در بر می گرفت. مناطقی که امتیاز ترکیبی پایینی را در نقشه I _APCW نشان می‌دادند ( شکل 10 ) در هنگام انتخاب نقاط نمونه مورد توجه قرار گرفتند. آزمایش خاک برای تجزیه و تحلیل 12 عنصر مختلف انجام شد که شامل

سدیم، پتاسیم، کلسیم، منیزیم، مس، کلر، نیترات، فسفات، روی، آهن، منگنز و گوگرد. برای تعیین غلظت نیترات در خاک از روش الکترود نیترات استفاده شد که در آن 20 گرم از نمونه خاک به 50 میلی لیتر از محلول عصاره گیری اضافه شد. سوسپانسیون با یک همزن مغناطیسی هم زده شد و سپس روی یک pH/ion متر خوانده شد. کلریدها نیز با استفاده از pH/ion متر برآورد شدند. از آزمون اولسن برای تشخیص سطوح فسفر در خاک استفاده شد که در آن از رنگ سنج برای ایجاد یک منحنی شدت و استاندارد برای تعیین غلظت فسفر در خاک استفاده می شود. تخمین پتاسیم موجود در خاک با استفاده از طیف سنج جذب/گسیل اتمی انجام شد که منحنی استانداردی برای پتاسیم بر اساس انتشار می دهد. نتیجه در 10 ضرب شد تا ppm در خاک بدست آید (mg・K/kg). تخمین‌های کلسیم و منیزیم قابل تبادل نیز با استفاده از طیف‌سنج جذب/انتشار اتمی با جذب و تخمین‌های سدیم با انتشار به دست آمد. پلاسمای جفت شده القایی (ICP) برای اندازه گیری سطح سولفات در محلول، و همچنین S آلی و معدنی استفاده شد. مزیت ICP در خطاهای استاندارد پایین آن است.25 ] . ریزمغذی‌ها مانند روی، آهن، منگنز و مس با استفاده از دستگاه جذب اتمی اندازه‌گیری شدند.

3.3. تجزیه و تحلیل داده های کیفیت آب

نمونه‌های آب از 8 مکان مختلف در امتداد منطقه فرعی Pipestem Creek-James رودخانه میسوری در سال 2011 جمع‌آوری شد. باز هم، مناطقی که امتیاز ترکیبی پایینی را در نقشه I _APCW نشان می‌دادند ( شکل 10 ) در هنگام انتخاب در نظر گرفته شدند. نقاط نمونه برداری اینها به طور مستقل در یک آزمایشگاه دارای گواهی EPA (آزمایشگاه محیطی بهداشت عمومی فارگو کاس در داکوتای شمالی) با استفاده از روش‌های استاندارد EPA، اصول رنگ‌سنجی صدا و کروماتوگرافی یونی (IC) آزمایش شدند. روش EPA 300.0 [ 26] برای تجزیه و تحلیل مقادیر نیترات-نیتریت، سولفات، کلرید و فلوراید در آب استفاده شد. تمام نمونه هایی که حاوی ذرات بزرگتر از 0.45 میکرون و محلول های معرف حاوی ذرات بزرگتر از 0.20 میکرون بودند قبل از هر گونه تجزیه و تحلیل IC فیلتر شدند. این روش شامل معرفی 2 تا 3 میلی لیتر از نمونه آب به یک کروماتوگرافی یونی است که در آن آنیون های مورد نظر با استفاده از یک سیستم متشکل از یک ستون محافظ، ستون تحلیلی، دستگاه سرکوبگر و آشکارساز رسانایی جدا شده، اندازه گیری می شوند. 1 میلی‌لیتر از شوینده غلیظ (7.3 100×) تا 100 میلی‌لیتر از هر استاندارد و نمونه برای وجود پیک‌های منفی در نزدیکی پیک فلوراید که معمولاً با افزودن معادل آن حذف می‌شود، اضافه شد. روش EPA 200.7 [ 27] برای تعیین کمیت مقادیر کلسیم، آهن، منگنز، منیزیم، سدیم، پتاسیم و سختی کل استفاده شد. این روش شامل تعیین‌های چند عنصری توسط طیف‌سنجی انتشار اتمی پلاسمای جفت القایی (ICP-AES) با استفاده از ابزارهای متوالی یا همزمان است. این ابزارها طیف‌های انتشار خط اتمی مشخصه را با طیف‌سنجی نوری اندازه‌گیری می‌کنند. روش تیتراسیون SM2320 B برای کربنات ها، بی کربنات ها، هیدروکسیدها و قلیاییت کل استفاده شد که در آن از pH متر استفاده شد [ 28 ].] . این روش شامل هیدرولیز املاح است که با افزودن اسید استاندارد واکنش نشان می دهد در حالی که قلیاییت به pH مورد استفاده بستگی دارد. مقدار کل جامدات محلول (TDS) با استفاده از روش SM2540C مورد تجزیه و تحلیل قرار گرفت که در آن یک نمونه به خوبی مخلوط شده از طریق یک فیلتر الیاف شیشه ای استاندارد فیلتر می شود و فیلتر تا خشک شدن در یک ظرف وزن شده تا وزن ثابت در دمای 180 درجه سانتیگراد تبخیر می شود. افزایش وزن ظرف نشان دهنده کل مواد جامد محلول است [ 29 ].

4. نتایج و بحث

امتیازدهی همپوشانی وزنی GIS ( شکل 10) در یک شبکه 30 متری شاخصی تولید کرد که حوضه را بر اساس توانایی آن در تولید آب تمیز رتبه بندی کرد (بالا به پایین). نتایج به دست آمده در درجه اول توسط استفاده از زمین وابسته هدایت می شد. مناطقی که تیره تر هستند با امتیاز ترکیبی بالا از 25 تا 30 نشان دهنده مناطقی در حوضه آبخیز هستند که توانایی بالاتری برای تولید آب پاک دارند که مربوط به پوشش ساحلی زیاد، پوشش جنگلی زیاد، فرسایش پذیری کم خاک، مساحت زمین کشاورزی کم، تراکم جاده کم و تراکم مسکن کم به طور مشابه، مناطقی که رنگ روشن‌تر دارند و دارای امتیاز ترکیبی پایین از 5 تا 15 هستند، مناطقی هستند که توانایی بسیار پایینی در تولید آب پاک دارند که مربوط به پوشش کم ساحلی، پوشش جنگلی کم، فرسایش‌پذیری بالای خاک، زمین‌های کشاورزی بالا، بالاست. تراکم جاده و تراکم بالای مسکن. این نشان دهنده ارتباط مستقیم جغرافیایی بین جنگل ها است،30 ] . پوشش جنگلی ( شکل 5 ) در قسمت جنوبی حوضه تقریباً ناچیز است زیرا بیشتر مزارع کشاورزی در آنجا قرار دارند. این منطقه _APCW I بسیار کم را نشان می دهد . کل حوضه دارای یک بافر ساحلی بسیار کم است ( شکل 4 ) برای محافظت از نهرها از کاربری های مجاور. توانایی فرسایش خاک در حوضه در شکل 8 نشان داده شده است که در آن مناطق تیره تر احتمال فرسایش خاک بسیار بالا را نشان می دهند در حالی که مناطق روشن تر احتمال فرسایش خاک بسیار پایین را نشان می دهند. شکل 6 درصد اراضی کشاورزی را نشان می دهد. مناطق تیره تر نشان دهنده درصد بیشتری از زمین های آیش است در حالی که مناطق روشن تر نشان دهنده عملکرد کمتر کشاورزی است. شکل 7 و شکل 9اطلاعات تراکم مسکن و تراکم جاده را به طور متوالی نشان می دهد. این متغیرها به دلیل اینکه منطقه مورد مطالعه عمدتاً یک حوضه آبخیز کشاورزی با زمین های مسکونی بسیار کم و جاده های فلزی مناسب است، اطلاعات واضحی را نشان نمی دهند.

جداول داده های نمونه های آب جمع آوری شده را نشان می دهد. وجود جامدات محلول کل (TDS) در مقادیر زیاد از 852 میلی گرم در لیتر تا 1020 میلی گرم در لیتر را می توان مشاهده کرد ( جدول 2 ). سطوح بالاتر سولفات (SO ₄ ) در محدوده 96 mg/l تا 533 mg/l مشاهده شد ( جدول 3 ). حد توصیه شده سولفات در آب برای آب مورد استفاده به عنوان منبع آب خانگی زیر 250 میلی گرم است. اگرچه چنین سطوح بالایی مستقیماً برای انسان سمی نیستند، اما نشانگر آلودگی غیر نقطه‌ای در یک حوضه هستند [ 31 ]. بی کربناتها در آب از 87 میلی گرم در لیتر تا 250 میلی گرم در لیتر در اکثر سایت ها وجود داشتند ( جدول 3). بنابراین، سختی کل آب بسیار بالا بود و بین 150 تا 500 میلی گرم در لیتر بود که به نوبه خود باعث افزایش قلیایی آب شد. سطوح نیترات، فسفات و کلرید به اندازه کافی معنی دار نبود که گزارش شود. نمونه‌های خاک حاوی نمک‌های محلول مانند سدیم (Na ⁺ )، پتاسیم (K ⁺ )، کلسیم ( ^Ca2+ ) و منیزیم (Mg2 ⁺ ) همراه با آنیون‌های کلرید (Cl- ⁾ ، سولفات ( 4 )، نیترات ( 2 ) بود. بی کربنات ( ) و کربنات (). از این میان، کلسیم در سطوح بسیار بالایی از 2000 ppm تا 2900 ppm و پس از آن منیزیم و سدیم یافت شد. از آنجایی که حوضه در داخل زمین های کشاورزی محصور شده است، بقایای کودهای شسته شده از مزارع مجاور می تواند به این سطوح بالاتر مواد مغذی نسبت داده شود. کاربری‌های کشاورزی در حوضه‌های آبخیز با افزایش غلظت مواد مغذی در آب رودخانه‌ها از طریق فاضلاب، استفاده از کود، کشت محصولات تثبیت‌کننده نیتروژن و رسوب اتمسفر مرتبط است [ 31 ]. محتوای کاتیونی ( جدول 4 ) در آب، وجود کلسیم در محدوده 37 تا 87 میلی گرم در لیتر، سدیم از 53 تا 122 میلی گرم در لیتر و منیزیم بین 20 تا 68 میلی گرم در لیتر را نشان داد که به طور معنی داری زیاد نیست، اما می توانند انباشته شوند. منجر به نسبت جذب سدیم بالا در آب می شود.

مقایسه داده‌های کیفیت آب در این مطالعه برای تأیید و کمیت داده‌های کیفیت آب انجام شد ( جدول 5 (الف) و جدول 5 (ب)). بارگذاری بیش از حد مواد مغذی باعث اتروفیکاسیون دریاچه ها و نهرها می شود [ 32 ]. افزایش غلظت مواد مغذی و جلبک می تواند منجر به مشکلات کیفیت آب شود، زمانی که این غلظت ها آب را کاهش دهند

وضوح، آسیب به حیات وحش و کاهش استفاده های تفریحی [ 33 ]. جلبک های پوسیده غلظت اکسیژن محلول را کاهش می دهند و نهرها و دریاچه ها قادر به حمایت از ماهی و سایر آبزیان نیستند [ 33 ]. غلظت بالاتری از جامدات محلول کل (TDS) همراه با سختی کل (TH) و قلیایی کل (TA) ذکر شده است ( جدول 1 ). داده های صحرایی از سال 2011 و داده های میدانی USGS از سال 2013 تا 2016 از Pingree در داکوتای شمالی با هم مقایسه شدند که سطوح بسیار بالایی از TDS را در محدوده 1130 میلی گرم در لیتر تا 1340 میلی گرم در لیتر همراه با سختی کل از 618 میلی گرم در لیتر تا 1130 میلی گرم تولید کردند. /L. مقررات ثانویه EPA حداکثر سطح آلودگی (MCL) 500 میلی گرم در لیتر را برای TDS توصیه می کند [ 34 ]] . به طور کلی، سطوح بالای TDS ناشی از وجود پتاسیم، کلرید و سدیم است که از داده‌های جمع‌آوری‌شده در نهر Pipestem مشهود است. نمک های سولفات یکی از آلاینده های اصلی آب های طبیعی هستند. نتایج حاصل از داده های میدانی نشان می دهد که میزان سولفات در حوضه بسیار بالا است. مشکلات ناشی از سولفات ها اغلب مربوط به توانایی آنها در تشکیل اسیدهای قوی است که باعث تغییر pH می شود [ 35 ]. یون‌های سولفات همچنین در واکنش‌های کمپلکس رسوبی که بر حلالیت فلزات و سایر مواد تأثیر می‌گذارد، دخیل هستند [ 35 ]] . غلظت بالای سدیم موجود در نمونه‌های آب نشان‌دهنده pH بالا، کمبود اکسیژن مواد مغذی کافی در آب است. این منطقه شکوفه جلبکی بیش از حد قابل توجهی دارد. سطوح بالای بی کربنات پیدا شد که ممکن است شاخص نسبت جذب سدیم (SAR) آب را افزایش داده باشد. SAR نسبتی است که غلظت نسبی سدیم به کلسیم و منیزیم را اندازه گیری می کند. این شاخص نشان دهنده اثر قلیایی در حوضه است [ 36 ]. مخزن اسناد فائو بیان می کند که سدیم بیش از حد در آب باعث پراکندگی خاک و تجزیه ساختاری می شود که می تواند منجر به مشکلات نفوذ آب به دلیل پراکندگی خاک و مسدود شدن و آب بندی منافذ سطحی مشابه آب با قلیائیت کم شود [ 37 ]] . فعالیت های کشاورزی فشرده بر کیفیت اکولوژیکی و زیست محیطی تأثیر می گذارد و بر کیفیت آب تأثیر می گذارد [ 38 ]. یکی از مهم ترین تأثیرات ناشی از افزایش بار آلودگی غیر نقطه ای است که در دهه های اخیر باعث مشکلات جدی آلودگی آب شده است [ 39 ]. نمونه های خاک تجزیه و تحلیل شده نتایج مشابهی را به دست آوردند که نشان می دهد خاک بیش از حد قلیایی با حضور مقادیر زیادی نمک های محلول است. اینها ممکن است اثرات استفاده از زمین باشد که شامل الگوهای آبیاری مانند استفاده از نمک اضافی در مزارع کشاورزی یا استفاده بیش از حد کود است. این حوضه را می توان به دلیل اینکه منبع آلودگی غیرنقطه ای ناشی از مزارع کشاورزی وسیع است، آسیب دیده نامید [ 39 ].] . زمین شناسی سطحی این منطقه اساساً از یخبندان تشکیل شده است که عمدتاً از خاک رس است و به طور طبیعی سیلیکات آلومینیوم وجود دارد [ 40 ]. خاک رس انعطاف پذیری می دهد و نسبتاً غیر قابل نفوذ به آب است و باعث می شود این منطقه به درستی رواناب سطحی را تسهیل کند و به مواد مغذی اجازه دهد تا به داخل جریان جریان پیدا کنند.

4.1. مقایسه با مدل توزیع شده

مدل سالانه منبع غیر نقطه‌ای کشاورزی (AnnAGNPS) برای ارزیابی آلودگی منبع غیر نقطه‌ای در حوزه‌های آبخیز آسیب‌دیده استفاده می‌شود. در حال حاضر توسط بسیاری از آژانس های ایالات متحده برای بررسی مشکلات آلودگی غیر نقطه ای استفاده می شود. ویژگی پارامتر توزیع شده مدل امکان شبیه سازی فضایی را فراهم می کند [ 41 ]. پیز و همکاران (2010) از مدل AnnAGNPS برای تعیین وضعیت مواد مغذی نهر Pipestem در داکوتای شمالی، ایالات متحده استفاده کرد [ 41 ]] . همچنین برای پیش بینی رواناب کل استفاده شد. اثربخشی مدل بر این واقعیت متکی است که آن را تنها می‌توان به طور موثر برای یک حوزه بزرگ کشاورزی اعمال کرد. رواناب پیش بینی شده توسط مدل AnnAGNPS برای حوضه آبخیز نهر Pipestem بین سال های 2004 و 2006 مقدار ضریب 3.17 را نشان داد. این مقدار ضریب نسبتا پایین نشان داد که مدل AnnAGNPS رواناب از حوضه را به طور رضایت بخشی پیش بینی می کند [ 41] . برای اعتبار بیشتر مطالعه حاضر، مدل AnnAGNPS که یک مدل توزیع شده است با مدل فضایی ما در پیش‌بینی مناطق آسیب‌دیده در حوضه مقایسه شد. یک عملیات Boolean “And” با استفاده از 3D Analyst در ArcMap 10.4.1 اجرا شد. اگر هر دو مقدار ورودی درست تشخیص داده شوند، عملیات ریاضی مقدار خروجی 1 را ایجاد می کند. متوسط ​​داده‌های بار رسوب سالانه از مدل AnnAGNPS با داده‌های امتیاز I _APCW برای ایجاد یک مجموعه داده شطرنجی جدید ترکیب شد. مجموعه داده جدید در ArcMap بریده شد تا تصویر همان وسعت منطقه ای مورد استفاده در مدل AnnAGNPS را نشان دهد. شکل 11 تصویر حاصل را نشان می دهد که در آن نواحی با بار رسوب بالا با _{APCW کم I همپوشانی دارند.}. داده ها در یک جدول توزیع فراوانی طبقه بندی شدند که در آن فاصله کلاس برای دو کلاس اول 3 نگه داشته شد. این کار برای ایجاد یک مقیاس مقایسه بین I _APCW و بار رسوب در منطقه انجام شد که بار رسوب را به مناطق زیاد، متوسط ​​و کم طبقه‌بندی می‌کند. در نهر Pipestem، مناطقی که زمین زراعی کمتری تولید می‌کنند، مربوط به مناطقی با افزایش بار رسوب است. رسوب پیش‌بینی‌شده توسط مدل AnnAGNPS مقادیر محدودی را نشان می‌دهد، اما با مقایسه میانگین بارهای رسوب سالانه با لایه داده کاربری، به نظر می‌رسد که مناطق غیر زراعی به طور قابل‌توجهی در هیچ بار رسوبی نقش ندارند. توزیع فضایی تولید شده توسط مطالعه AnnAGNPS نشان داد که مناطق آیش مقادیر قابل توجهی از بارهای رسوبی را از حوضه تولید می کنند. همین مکان ها در این مطالعه

_{یک APCW} کم I تولید کرد . سطوح نیتروژن و فسفر مقایسه نشدند زیرا این مدل سطوح پایین مواد مغذی را به دلیل رواناب سطحی پیش‌بینی می‌کرد. AnnAGNPS یک مدل توزیع شده است که از داده های صریح استفاده می کند بنابراین با حوزه های آبخیز کوچک سازگار نیست [ 42 ].

5. نتیجه گیری ها

سطوح TDS در داده‌های سال‌های 2014 تا 2016 نسبت به سال 2011 بسیار بالاتر است که نشان می‌دهد اثر قلیایی در حوضه افزایش یافته است.

هدف از این مطالعه برای شناسایی مناطق آلودگی NPS تحت شرایط داده محدود که ممکن است عملی و معتبر باشد، استفاده شد.

با توجه به هزینه‌های متحمل شده و محدودیت‌های زمانی در پایش یک حوضه، این روش یک روش مقدماتی مقرون‌به‌صرفه برای شناسایی آسیب‌دیدگی در یک حوضه کوچک کشاورزی مانند نهر Pipestem ارائه می‌کند.

این مقاله متغیرهای جغرافیایی و انسانی را برای مکان یابی مناطق آسیب دیده در یک حوضه ترکیب کرد. ما می‌توانیم استنباط کنیم که روش مورد استفاده در این مطالعه را می‌توان برای یک حوضه آبخیز کوچک اعمال کرد، اگرچه مدل محدود به نوع داده است و یک جزء زمانی را در نظر نمی‌گیرد.

ادغام داده های بلادرنگ در محیط ArcGIS قابلیت اطمینان شاخص توانایی تولید خروجی آب پاک را بهبود بخشیده و عملکردهای GIS موجود را گسترش داده است. پیاده سازی این ابزار به تصمیم گیرندگان این امکان را می دهد تا از یک روش جامع و در عین حال آسان برای بررسی حساسیت وزن در معیارها و فضای جغرافیایی پیروی کنند. مخزن Pipestem به عنوان حداکثر بار روزانه (TMDL) برای مواد مغذی و اوتروفیکاسیون فهرست شده است. اقدامات حفاظتی که می تواند برای رسیدگی به این مسائل کیفیت آب مورد استفاده قرار گیرد شامل مدیریت چرا، کنترل فرسایش، مدیریت مواد مغذی و آفات، و همچنین، مدیریت پسماند کشاورزی، و بافرهای ساحلی است.

 

منابع

 

[ 1 ]	محمدی، م.، شیخ، وی و سعدالدین، ع. (2013) توسعه و کاربرد مدل هیدرولوژیکی پراکنده GFHM برای مدلسازی هیدروگراف سیل. مطالعه موردی: حوزه آبخیز جعفرآباد، استان گلستان، ایران.
[ 2 ]	Sekar، I. و Randhir، TO (2007) ارزیابی فضایی پتانسیل برداشت آب در سیستم های آبخیزداری. مجله هیدرولوژی، 334، 39-52. https://doi.org/10.1016/j.jhydrol.2006.09.024
[ 3 ]	Pelorosso, R., Leone, A. and Boccia, L. (2009) پوشش زمین و تغییر کاربری زمین در آپنین مرکزی ایتالیا: مقایسه روشهای ارزیابی. جغرافیای کاربردی، 29، 35-48. https://doi.org/10.1016/j.apgeog.2008.07.003
[ 4 ]	Jansen, LJ and Di Gregorio, A. (2002) طبقه بندی پارامتری پوشش زمین و کاربری زمین به عنوان ابزاری برای تشخیص تغییر محیطی. کشاورزی، اکوسیستم ها و محیط زیست، 91، 89-100. https://doi.org/10.1016/S0167-8809(01)00243-2
[ 5 ]	Bender, O., Boehmer, HJ, Jens, D. and Schumacher, KP (2005) تجزیه و تحلیل تغییر کاربری اراضی در آسکتور فرانکونیای بالایی (باواریا، آلمان) از سال 1850 با استفاده از سوابق ثبت زمین. بوم شناسی منظر، 20، 149-163. https://doi.org/10.1007/s10980-003-1506-7
[ 6 ]	Mendoza، ME، Granados، EL، Geneletti، D.، Pérez-Salicrup، DR و Salinas، V. (2011) تجزیه و تحلیل پوشش زمین و فرآیندهای تغییر کاربری اراضی در سطح حوضه: یک مطالعه چند زمانی در حوزه آبخیز دریاچه Cuitzeo، مکزیک (1975) -2003). جغرافیای کاربردی، 31، 237-250. https://doi.org/10.1016/j.apgeog.2010.05.010
[ 7 ]	Xiao, J., Shen, Y., Ge, J., Tateishi, R., Tang, C., Liang, Y. and Huang, Z. (2006) ارزیابی گسترش شهری و تغییر کاربری زمین در شیجیاژوانگ چین توسط استفاده از GIS و سنجش از دور منظر و شهرسازی، 75، 69-80. https://doi.org/10.1016/j.landurbplan.2004.12.005
[ 8 ]	Turner, MG, O’Neill, RV, Gardner, RH and Milne, BT (1989) اثرات تغییر مقیاس فضایی بر تحلیل الگوی منظر. بوم شناسی منظر، 3، 153-162. https://doi.org/10.1007/BF00131534
[ 9 ]	جنسن، جی آر (2009) سنجش از دور محیط: چشم انداز منابع زمین، ویرایش دوم، آموزش پیرسون هند، دهلی نو، 613 ص.
[ 10 ]	Madurapperuma، B.، Rozario، P.، Oduor، P. and Kotchman، L. (2015) شناسایی تغییر کاربری و پوشش زمین در حوضه آبخیز Pipestem Creek، داکوتای شمالی. مجله بین المللی ژئوماتیک و علوم زمین، 5، 416-426.
[ 11 ]	آزبورن، LL و ویلی، MJ (1988) روابط تجربی بین استفاده از زمین / پوشش و کیفیت آب جریان در یک حوضه آبخیز کشاورزی. مجله مدیریت محیط زیست، 26، 9-27.
[ 12 ]	Soranno, PA, Hubler, SL, Carpenter, SR and Lathrop, RC (1996) بارهای فسفر به آبهای سطحی: مدلی ساده برای محاسبه الگوی فضایی استفاده از زمین. کاربردهای زیست محیطی، 6، 865-878. https://doi.org/10.2307/2269490
[ 13 ]	Leh, M., Bajwa, S. and Chaubey, I. (2013) تأثیر تغییر کاربری زمین بر خطر فرسایش: روش سنجش از دور یکپارچه، سیستم اطلاعات جغرافیایی و مدلسازی. تخریب و توسعه زمین، 24، 409-421. https://doi.org/10.1002/ldr.1137
[ 14 ]	چین، ا. (2006) دگرگونی شهری مناظر رودخانه در یک زمینه جهانی. ژئومورفولوژی، 79، 460-487. https://doi.org/10.1016/j.geomorph.2006.06.033
[ 15 ]	Fei, Z., Tiyip, T., Kung, H. and Jianli, D. (2010) تغییر کاربری/پوشش زمین و ویژگیهای الگوی منظر در واحه مناطق خشک: یک کاربرد در جینگه، سین کیانگ. علم اطلاعات جغرافیایی، 13، 174-185. https://doi.org/10.1007/s11806-010-0322-x
[ 16 ]	اقبال، MF و خان، IA (2014) تحلیل تغییر پوشش زمین کاربری فضایی-زمانی و نقشه‌برداری خطر فرسایش آزاد جامو و کشمیر، پاکستان. مجله مصری سنجش از دور و علوم فضایی، 17، 209-229. https://doi.org/10.1016/j.ejrs.2014.09.004
[ 17 ]	Ceballos-Silva، A. and Lopez-Blanco، J. (2003) تعیین مناطق مناسب برای محصولات زراعی با استفاده از یک رویکرد ارزیابی چند معیاره و استفاده از زمین/نقشه پوشش: مطالعه موردی در مکزیک مرکزی. نظام های کشاورزی، 77، 117-136. https://doi.org/10.1016/S0308-521X(02)00103-8
[ 18 ]	کولیاس، وی جی و کالیواس، DP (1998) تقویت سیستم اطلاعات جغرافیایی تجاری (ARC/INFO) با قابلیت های پردازش فازی برای ارزیابی منابع زمین. کامپیوتر و الکترونیک در کشاورزی، 20، 79-95. https://doi.org/10.1016/S0168-1699(98)00010-6
[ 19 ]	چن، YC، Lien، HP و Tzeng، GH (2010) اندازه‌گیری‌ها و ارزیابی برای طرح‌های حوزه آبخیز محیطی با استفاده از یک مدل ترکیبی جدید MCDM. سیستم های خبره با برنامه های کاربردی، 37، 926-938. https://doi.org/10.1016/j.eswa.2009.04.068
[ 20 ]	دیویس، ML و Masten، SJ (2004) اصول مهندسی و علوم محیطی. مک گراو هیل، نیویورک، 704.
[ 21 ]	Ritter, WF and Shirmohammadi, A. (Eds.) (2000) Agricultural Nonpoint Source Pollution: Watershed Management and Hydrology. CRC Press، بوکا راتون.
[ 22 ]	NRCS (2007) لایه های داده SSURGO. https://websoilsurvey.sc.egov.usda.gov/App/HomePage.htm
[ 23 ]	اندرسون، JR (1976) یک سیستم طبقه بندی کاربری و پوشش زمین برای استفاده با داده های سنسور از راه دور. جلد 964، دفتر چاپ دولت ایالات متحده.
[ 24 ]	بارنز، ام.، تاد، ا.، لیلجا، آر دبلیو و بارتن، پی (2009) جنگل‌ها، آب و مردم: تامین آب آشامیدنی و زمین‌های جنگلی در شمال شرق و غرب میانه ایالات متحده.
[ 25 ]	ایستگاه، MAE (1998) روشهای آزمایش شیمیایی خاک را برای منطقه مرکزی شمال توصیه کرد. انتشارات پژوهشی منطقه ای شمال مرکزی شماره 221.
[ 26 ]	Pfaff, JD (1993) روش 300.0 تعیین آنیونهای معدنی با کروماتوگرافی یونی. آژانس حفاظت از محیط زیست ایالات متحده، دفتر تحقیق و توسعه، آزمایشگاه سیستم های نظارت بر محیط زیست.
[ 27 ]	Martin, TD, Brockhoff, CA, Creed, JT and Long, SE (1992). در: اسمولی، کی سی.، ویرایش، روش‌هایی برای تعیین فلزات در نمونه‌های محیطی، CRC Press Inc.، بوکا راتون، 33-91.
[ 28 ]	انجمن بهداشت عمومی آمریکا، انجمن کار آب آمریکا، فدراسیون کنترل آلودگی آب و فدراسیون محیط زیست آب (1915) روشهای استاندارد برای بررسی آب و فاضلاب. جلد 2.
[ 29 ]	Brown, E., Skougstad, MW and Fishman, MJ (1970) روش‌هایی برای جمع‌آوری و تجزیه و تحلیل نمونه‌های آب برای مواد معدنی و گازهای محلول. شماره 05-A1، دفتر چاپ دولت ایالات متحده.
[ 30 ]	Weidner, E. and Todd, A. (2011) From the Forest to the Faucet: Drinking Water and Forests in US. مقاله روشها، خدمات جنگلداری USDA، واشنگتن دی سی.
[ 31 ]	Xia, Y., Ti, C., She, D. and Yan, X. (2016) پیوند غلظت مواد مغذی رودخانه با استفاده از زمین و بارندگی در یک حوضه آبخیز گرادیان کشاورزی-شهری برنج در جنوب شرقی چین. Science of the Total Environment, 566-567, 1094-1105. https://doi.org/10.1016/j.scitotenv.2016.05.134
[ 32 ]	Chislock، MF، Doster، E.، Zitomer، RA و Wilson، AE (2013) Eutrophication: علل، پیامدها و کنترل ها در اکوسیستم های آبی. دانش آموزش طبیعت، 4، 10.
[ 33 ]	Carpenter, SR, Caraco, NF, Correll, DL, Howarth, RW, Sharpley, AN and Smith, VH (1998) آلودگی غیر نقطه ای آبهای سطحی با فسفر و نیتروژن. کاربردهای زیست محیطی، 8، 559-568. https://doi.org/10.1890/1051-0761(1998)008[0559:NPOSWW]2.0.CO;2
[ 34 ]	مقررات، SDW (2012) راهنمای مواد شیمیایی مزاحم. EPA.gov.
[ 35 ]	DeZuane, J. (1997) کتابچه راهنمای کیفیت آب آشامیدنی. جان وایلی و پسران، هوبوکن.
[ 36 ]	کلارک، ام‌ال و میسون، جی پی (2006) ویژگی‌های کیفیت آب، از جمله نسبت‌های جذب سدیم، برای چهار مکان در حوضه زهکشی رودخانه پودر، وایومینگ و مونتانا، سال‌های آب 2001-2004. شماره 2006-5113.
[ 37 ]	Ayers، RS و Westcot، DW (1985) کیفیت آب برای کشاورزی. جلد 29، سازمان غذا و کشاورزی سازمان ملل متحد، رم.
[ 38 ]	Hosono, T., Nakano, T., Igeta, A., Tayasu, I., Tanaka, T. and Yachi, S. (2007) تاثیر کود بر حوضه آبخیز کوچک دریاچه بیوا: استفاده از ایزوتوپ های گوگرد و استرانسیوم در تشخیص محیطی علم کل محیط زیست، 384، 342-354. https://doi.org/10.1016/j.scitotenv.2007.05.033
[ 39 ]	Ouyang, W., Jiao, W., Li, X., Giubilato, E. and Critto, A. (2016) دینامیک بارگذاری آلودگی منبع غیرنقطه ای بلندمدت کشاورزی و همبستگی با ژئوشیمی رسوب خروجی. مجله هیدرولوژی، 540، 379-385. https://doi.org/10.1016/j.jhydrol.2016.06.043
[ 40 ]	NRCS (2005) لایه های داده SSURGO. https://www.nrcs.usda.gov/wps/portal/nrcs/detail/soils/survey/?cid=nrcs142p2_053627
[ 41 ]	Pease، LM، Oduor، P. and Padmanabhan، G. (2010) تخمین بارهای رسوب، نیتروژن و فسفر از حوضه آبخیز Pipestem Creek، داکوتای شمالی، با استفاده از AnnAGNPS. Computers & Geosciences, 36, 282-291. https://doi.org/10.1016/j.cageo.2009.07.004
[ 42 ]	Yu, X., Bhatt, G., Duffy, C. and Shi, Y. (2013) پارامترسازی برای مدلسازی حوضه توزیع شده با استفاده از داده های ملی و الگوریتم تکاملی. کامپیوتر و علوم زمین، 58، 80-90. https://doi.org/10.1016/j.cageo.2013.04.025