Θαλάσσιος Ευτροφισμός
Από RemoteSensing Wiki
1. ΕΙΣΑΓΩΓΗ
1.1 Θαλάσσιος Ευτροφισμός
Ο θαλάσσιος ευτροφισμός, αν και αποτελεί ένα φυσικό φαινόμενο, τα τελευταία χρόνια είναι στενά συνδεδεμένος με την έννοια της ρύπανσης του θαλάσσιου οικοσυστήματος, αν λάβει ανεξέλεγκτες διαστάσεις. Μπορεί λοιπόν να θεωρηθεί ως επίπτωση της ρύπανσης στους θαλάσσιους αποδέκτες, μαζί με την αισθητική ρύπανση (σκουπίδια, αλλοίωση του χρώματος του νερού, δυσάρεστη οσμή κ.α.), τη μεταβολή της θερμοκρασίας (θερμική αλλοίωση), το διαλυμένο οξυγόνο, την οξεία ή χρόνια τοξικότητα στους οργανισμούς, τη μεταβολή της βιοποικιλότητας και τη μεταβολή του pH. Πρόκειται για ένα φαινόμενο θαλάσσιας ρύπανσης το οποίο παρατηρείται κυρίως σε παράκτιες περιοχές (Μιχελακάκη, 2006).
Ο γενικός μηχανισμός δημιουργίας του φαινομένου του θαλασσίου ευτροφισμού είναι η εισροή θρεπτικών, η οποία έχει ως αποτέλεσμα την ανάπτυξη και ανώτερων μορφών φυτικής ζωής.
Συγκεκριμένα, ο μηχανισμός αυτός χωρίζεται σε τρία στάδια:
α) στην εισροή θρεπτικών στο θαλάσσιο περιβάλλον,
β) στην αλληλεπίδραση των θρεπτικών στο περιβάλλον αυτό και
γ) στις συνέπειες που έχει στο θαλάσσιο οικοσύστημα.
Οι θρεπτικές ουσίες που καταλήγουν στο θαλάσσιο περιβάλλον δεσμεύονται από τους φυτοπλαγκτονικούς οργανισμούς και βάσει της φωτοσύνθεσης, παρουσία ηλιακής ενέργειας, αναπτύσσονται ταχύρρυθμα, έχοντας σαν αποτέλεσμα τις ανθήσεις των φυτοπλαγκτονικών οργανισμών (algae blooms).
Καθότι ο ευτροφισμός, όπως προαναφέρθηκε, είναι ένα πολυδιάστατο φαινόμενο, πρωταρχικό βήμα για την μελέτη του θεωρείται η επιλογή ενός κατάλληλου δείκτη ποσοτικοποίησής του. Οι παράμετροι κλειδιά, όσον αφορά στη στήλη του νερού, φαίνονται να είναι οι συγκεντρώσεις των διάφορων θρεπτικών και/ή η συγκέντρωση της χλωροφύλλης α, η οποία πρέπει να παρακολουθείται και να ελέγχεται χωρο-χρονικά (Kowalewska, 2004).
1.2 Επιπτώσεις Θαλάσσιου Ευτροφισμού
Ο ευτροφισμός επιδρά αρνητικά στα περισσότερα από τα χαρακτηριστικά του νερού, με άμεση συνέπεια την υποβάθμιση της ποιότητάς του. Ως φυσικά χαρακτηριστικά του νερού ορίζονται: α) η διαύγεια του (μετριέται με το δίσκο Secchi), η οποία μειώνεται όταν επικρατεί το φαινόμενου του ευτροφισμού, β) τα στερεά υλικά που περιέχει, γ) η οσμή του (δυσάρεστες οσμές που προέρχονται από το νερό υποδηλώνουν παρουσία οργανικού υλικού σε αποσάθρωση ή παραγωγή υδρόθειου), δ) η θερμοκρασία του και ε) το χρώμα του (πρασινωπός χρωματισμός του νερού παραπέμπει σε συνθήκες ευτροφισμού).
Ως χημικά χαρακτηριστικά του νερού ορίζονται: α) τα ανιόντα και κατιόντα που περιέχει (πρόβλημα στην ποιότητα του νερού υφίσταται όταν οι συγκεντρώσεις που παρατηρούνται είναι υψηλότερες των φυσικά μετρούμενων), β) τα μη-ιοντικά στοιχεία του (προβληματική θεωρείται η παρουσία διοξειδίου του πυριτίου σε αιωρούμενα στερεά, κυρίως σε περιοχές βιομηχανικών εργασιών), γ) τα ανόργανα στοιχεία ανθρώπινης προέλευσης που περιέχει (κυρίως βαρέα μέταλλα που προκαλούν τοξικότητα στους διάφορους οργανισμούς), δ) τα θρεπτικά συστατικά ανθρωπογενούς προέλευσης που περιέχει (κυρίως νάτριο και φώσφορος), τα οποία και βρίσκονται είτε σε οργανική, είτε σε ανόργανη μορφή, ε) η ραδιενέργεια (ραδιενεργές ουσίες ενδέχεται να βρεθούν σε επιφανειακά στρώματα νερού είτε προερχόμενες από λύματα πυρηνικών εργοστασίων, είτε ως αποτέλεσμα χρήσης πυρηνικών όπλων), στ) το pH, ζ) η ισορροπία άνθρακα, η) η αλκαλικότητα και η αγωγιμότητα του, ι) η σκληρότητα του, ια) το οργανικό υλικό που διαθέτει και ιβ) το διαλυμένο οξυγόνο (Μιχελακάκη, 2006)
Συγκεκριμένα, οι επιπτώσεις του ευτροφισμού στο θαλάσσιο σύστημα αναφέρονται ως εξής (ΕΕΑ, 2001):
- Αλλαγές στη δομή και λειτουργία του θαλάσσιου οικοσυστήματος
- Ελάττωση βιοποικιλότητας
- Ελάττωση του φυσικού πλούτου βαθύβιων ψαριών και μαλακίων
- Υποβαθμισμένη ποιότητα ψαριών και μαλακίων που προέρχονται από μονάδες υδατοκαλλιέργειας
- Υποβάθμιση τουριστικών περιοχών
- Αύξηση του κινδύνου δηλητηρίασης των ζώων, συμπεριλαμβανομένου και του ανθρώπου, από τοξίνες αλγών
1.3 Εκτίμηση Θαλάσσιου Ευτροφισμού με χρήση Τηλεπισκόπησης
Οι δορυφόροι της ΝΟΑΑ, αλλά και οι νεότεροι δορυφόροι ENVISAT και TERRA, πραγματοποιούν, με συγκεκριμένους αισθητήρες, μετρήσεις χρώματος θάλασσας. Στην περίπτωση του ευτροφισμού, το φυτοπλαγκτόν που έχει αναπτυχθεί στο επιφανειακό στρώμα της θάλασσας και περιέχει χλωροφύλλη α, παρουσιάζει έντονη απορροφητικότητα στη μπλε και κόκκινη περιοχή του ηλεκτρομαγνητικού φάσματος. Οι τιμές ακτινοβολίας που καταγράφονται από τους δέκτες βαθμονομούνται κατάλληλα, έτσι ώστε να προκύπτουν οι αντίστοιχες τιμές συγκεντρώσεων χλωροφύλλης α.
Μετρήσεις χρώματος θάλασσας πραγματοποίησε το όργανο CZCS (Coastal Zone Color Scanner) του δορυφόρου NIMBUS στην δεκαετία του ’80. Σήμερα λειτουργεί για το σκοπό αυτό ο δέκτης SeaWiFS (Sea-Viewing Wide Field of View), των δορυφόρων της ΝΟΑΑ, το δορυφορικό σύστημα τηλεπισκόπισης Landsat TM της NASA και ο δέκτης MODIS.
2. ΕΦΑΡΜΟΓΕΣ
2.1. Μελέτη Περίπτωσης: Bohai Sea (Κίνα) (Εικόνα 2.1.1)
(Πηγή: NOWAP CEARAC (Special Monitoring and Coastal Environmental Assessment Regional Centre), “Eutrophication Monitoring Guidelines by Remote Sensing for the NOWAP Region”, Report, 2007)
Στη συγκεκριμένη εφαρμογή χρησιμοποιήθηκαν εικόνες MODIS, SeaWiFS και AVHRR. Για την εκτίμηση του ευτροφισμού έγινε δειγματοληψία σε 173 σημεία της περιοχής μελέτης, των οποίων η θέση φαίνεται στην Εικόνα 2.1.2.
Στο εργαστήριο χρησιμοποιήθηκε η τεχνική της ΗPL Χρωματογραφίας (High Performance Liquid Chromatography), καθώς και φθοριομετρικός προσδιορισμός, για την ανάλυση των δειγμάτων και τον υπολογισμό των συγκεντρώσεων chl – a.
Οι μετρήσεις των δύο μεθόδων παρουσιάζουν κάποιες διαφορές, οι οποίες όμως ελαχιστοποιήθηκαν όταν οι συγκεντρώσεις χλωροφύλλης εκτιμήθηκαν στη λογαριθμική κλίμακα (Εικόνα 2.1.3).
Σε αυτή την εφαρμογή έγινε προσπάθεια εκτίμησης της θέσης και της έκτασης (Πίνακας 2.1.1) «κόκκινης παλίρροιας» στην περιοχή, που είναι άμεση επίπτωση/ένδειξη ευτροφισμού. Για το σκοπό αυτό χρησιμοποιήθηκαν εικόνες SeaWiFS (Εικόνα 2.1.5), MODIS (Εικόνα 2.1.6) και AVHRR (Εικόνα 2.1.4).
Πρέπει να σημειωθεί, ότι οι τηλεπισκοπικές μέθοδοι έχουν μεγαλύτερη αποδοτικότητα και ακρίβεια, όταν εφαρμόζονται στην ανοιχτή θάλασσα, σε αντίθεση με την παράκτια ζώνη, όπου οι επιδράσεις του πυθμένα είναι έντονες και παραμορφώνουν τις δορυφορικές εικόνες, προκαλώντας συχνά μεγάλα σφάλματα.
Για αυτό τον λόγο, στην παρούσα μελέτη, σχεδιάστηκε και εφαρμόστηκε ένα μοντέλο για την απομάκρυνση των επιδράσεων του πυθμένα.
2.2 Μελέτη Περίπτωσης: Αιγαίο Πέλαγος (Ελλάδα)
(Πηγή: Hatzichrostofas F., Karydis M. and Hatzopoulos J., “Eutrophication Assessment in the Aegean Sea based on satellite data”, Department of Environmental Studies and Department of Marine Sciences, University of the Aegean, Greece 2001)
Στην παρούσα εργασία χρησιμοποιήθηκαν 23 δορυφορικές εικόνες του δέκτη CZCS, από το 1982 έως το 1983. Συλλέχθηκαν δείγματα (Εικόνα 2.2.1) από την περιοχή του Σαρωνικού Κόλπου και της Ρόδου, για την εκτίμηση της συγκέντρωσης chl – a, βάσει των οποίων δημιουργήθηκε κλίμακα ευτροφισμού (Πίνακας 2.2.1).
Οι θεματικοί χάρτες που προέκυψαν για τα έτη 1982 και 1983 φαίνονται στις εικόνες 2.2.3 και 2.2.4, αντίστοιχα. Τα υψηλότερα επίπεδα ευτροφισμού παρατηρήθηκαν τον Νοέμβριο του 1982 και τον Οκτώβριο του 1983, ενώ τα χαμηλότερα τον Ιούλιο του 1982 και τον Αύγουστο του 1983.
Οι σχετικά υψηλές συγκεντρώσεις χλωροφύλλης α στις ακτές της Μακεδονίας και της Θράκης, οφείλονται εν μέρει στις αποθέσεις θρεπτικών των πολυάριθμων ποταμών της περιοχής.
Επιπλέον, η κίνηση των θαλασσίων μαζών, που κινούνται με νοτιοδυτική διεύθυνση από τα Στενά των Δαρδανελλίων προς τις ακτές της Αττικής και της Πελοποννήσου (κυκλωνική κίνηση), δικαιολογούν τις παρατηρούμενες τιμές θρεπτικών και χλωροφύλλης στην περιοχή.
2.3 Περιοχή Μελέτης: Λίμνη Kasumigaura (Ιαπωνία) (Εικόνα 2.3.1)
(Πηγή: Baruah P.J., Tamura M., Oki K. and Nishimura H., “Neural network modeling of lake surface chlorophyll and sediment content from Landsat TM imagery”, University of Tsukuba, National Institute for Environmental Studies and University of Tokyo, 2001)
Οι συγκεντρώσεις χλωροφύλλης και αιωρούμενων στερεών (Εικόνα 2.3.2) είναι δύο από τις βασικότερες παραμέτρους για την εκτίμηση της ποιότητας του νερού. Όμως, σε αβαθείς περιοχές (παράκτια ζώνη, κόλποι, λίμνες κλπ.), η παρουσία αιωρούμενων στερεών και διαλυμένης οργανικής ύλης, σε μεγάλες συγκεντρώσεις, εμποδίζει την εκτίμησης της συγκέντρωσης της χλωροφύλλης α, «καλύπτοντας» τη φασματική της υπογραφή.
Στην παρούσα μελέτη έγινε μια προσπάθεια εφαρμογής μη – γραμμικής μεθόδου βελτιστοποίησης (non – linear optimization technique), η οποία φαίνεται να αποτελεί μια λύση για τα αβαθή νερά, και χρησιμοποιεί νευρωνικά δίκτυα (Neural Networks).
Αρχικά συλλέχθηκαν δείγματα νερού από 29 διαφορετικά σημεία της λίμνης, στις 19 Ιανουαρίου του 2001, ενώ την ίδια μέρα έγινε λήψη της δορυφορικής εικόνα από τον Landsat TM.
Αν και υπάρχει μια πληθώρα νευρωνικών δικτύων αναλόγως με την εφαρμογή, εδώ επιλέχθηκε το ΒPNN (Back – Propagation Neural Network), του οποίου το βασικό μοντέλο φαίνεται στην Εικόνα 2.3.3.
Στη συγκεκριμένη περίπτωση ως Input layer δόθηκαν οι ψηφιακές τιμές (DN) της εικόνας από τα τέσσερα πρώτα κανάλια του Landsat, των οποίων το εύρος φαίνεται στον Πίνακα 2.3.1.
Ως Output layer θεωρήθηκαν οι τιμές συγκέντρωσης chl – a και αιωρούμενων στερεών, οι οποίες υπολογίστηκαν μέσω του ενδιάμεσου Hidden layer. Στο Hidden layer εφαρμόστηκαν δυο αλγόριθμοι, ώστε να προκύψουν οι τελικές τιμές, οι οποίες και συσχετίστηκαν με τις μετρήσεις των δειγμάτων.
Αποτελέσματα
3. ΣΥΜΠΕΡΑΣΜΑΤΑ
Οι ωκεανοί παίζουν ζωτικό ρόλο στην οικολογική και κλιματική ισορροπία του πλανήτη και απαιτούνται πολιτικές για τη διαχείριση των συγκρουόμενων αναγκών προστασίας του θαλασσίου περιβάλλοντος και εκμετάλλευσης των φυσικών του πόρων.
Η τηλεπισκόπηση αποτελεί μια συνεχώς αναπτυσσόμενη τεχνολογία παρακολούθησης των ωκεανών, η οποία παρέχει δεδομένα επιφανειακού χρώματος θάλασσας (χλωροφύλλη α, ανόργανα αιωρούμενα σωματίδια), στις περισσότερες περιπτώσεις σε σχεδόν πραγματικό χρόνο (Νίττης και Χρόνης, 2003). Τα τελευταία είκοσι χρόνια δεδομένα από δορυφόρους, εφοδιασμένους με αισθητήρες μέτρησης του χρώματος της θάλασσας (ocean color), χρησιμοποιούνται για την εύρεση επιφανειακής συγκέντρωσης χλωροφύλλης α και στη συνέχεια για τη μελέτη του ευτροφισμού.
Παγκόσμιοι χάρτες επιφανειακής συγκέντρωσης χλωροφύλλης α και συνεπώς χάρτες πρωτογενούς παραγωγής φυτοπλαγκτού μπορούν πλέον να επιτευχθούν σε χρονικό διάστημα λίγων ημερών (Barbini et al., 2004). Η κατηγοριοποίηση της μεταβλητότητας της τροφικής κατάστασης του θαλάσσιου νερού είναι χρήσιμη για την ανάλυση δορυφορικών δεδομένων που απεικονίζουν την κατανομή της χλωροφύλλης α στους ωκεανούς, καθώς επίσης και για την αναγνώριση περιοχών οι οποίες ανήκουν σε διαφορετικά επίπεδα ευτροφισμού.
Με τους θεματικούς χάρτες γίνεται σαφής η χωρική κατανομή των επιπέδων ευτροφισμού σε ολόκληρη την περιοχή μελέτης, καθώς και η κίνηση μαζών νερού. Η γνώση που προκύπτει από τη μελέτη του θαλάσσιου ευτροφισμού μέσω τηλεπισκόπησης είναι ιδιαίτερα χρήσιμη σε ερευνητές που ασχολούνται με την αλιευτική διαχείριση, τη διαχείριση της ποιότητας του νερού ή του αέρα, τη διαχείριση παράκτιας ζώνης κ.α. Επίσης, με την τηλεπισκόπηση είναι δυνατή η χρήση και μελέτη χρονοσειρών των εκάστοτε φαινομένων, γεγονός που συμβάλλει ουσιαστικά στην κατανόηση της διαχρονικής του εξέλιξης.
4. ΒΙΒΛΙΟΓΡΑΦΙΑ
Ελληνική Βιβλιογραφία
- Μιχελακάκη Μ., «Εκτίμηση της χωρικής κατανομής του θαλάσσιου ευτροφισμού με χρήση δορυφορικών δεδομένων και εφαρμογή γεω – στατιστικών μεθόδων», Διπλωματική Εργασία, Τμήμα Επιστημών της Θάλασσας, Πανεπιστήμιο Αιγαίου, Μυτιλήνη 2006
- Νίττης Α. και Χρόνης Γ., «Εισαγωγικές σημειώσεις στην Επιχειρησιακή Ωκεανογραφία», Τμήμα Επιστημών της Θάλασσας, Πανεπιστήμιο Αιγαίου, Μυτιλήνη 2003
Ξενόγλωσση Βιβλιογραφία
- Barbini R., Colao F., Dominicis L., Fantoni R., Fiorani L., Palucci A. and Artamonov E.S., ‘Analysis of simultaneous chlorophyll measurements by lidar fluorosensor, MODIS and SeaWiFS’, International Journal of Remote Sensing, 25(11), pp. 2095–2110, 2004
- Baruah P.J., Tamura M., Oki K. and Nishimura H., “Neural network modeling of lake surface chlorophyll and sediment content from Landsat TM imagery”, University of Tsukuba, National Institute for Environmental Studies and University of Tokyo, 2001
- EEA, ‘Eutrophication in Europe’s coastal waters’, European Environment Agency, Environmental Assessment Report No. 7, 2001
- Esaias W.E., Abbott M.R., Barton I., Brown O.B., Cambell J.W., Carder K.L., Clark D.K., Evans R.H., Hoge F.E., Gordon H.R., Balch W.M., Letelier R. and Minnett P.J., ‘An overview of MODIS capabilities for ocean science observations’, IEEE Transactions on Geoscience and Remote Sensing, 36, pp. 1250–1265, 1998
- Hatzichrostofas F., Karydis M. and Hatzopoulos J., “Eutrophication Assessment in the Aegean Sea based on satellite data”, Department of Environmental Studies and Department of Marine Sciences, University of the Aegean, Greece 2001
- Kowalewska G., ‘Algal pigments in sediments as a measure of eutrophication in the Baltic Sea environment’, Quaternary International, vol. 126, 2004
- NOWAP CEARAC (Special Monitoring and Coastal Environmental Assessment Regional Centre), “Eutrophication Monitoring Guidelines by Remote Sensing for the NOWAP Region”, Report, 2007
