Παρακολούθηση ποιότητας της επιφάνειας των υδάτων του ποταμού Τίγρη με χρήση δεδομένων τηλεπισκόπησης και τεχνικών GIS
Από RemoteSensing Wiki
Πρωτότυπος τίτλος: Tigris River water surface quality monitoring using remote sensing data and GIS techniques
Συγγραφείς: Wael Ahmed, Suhaib Mohammed, Adel El-Shazly, Salem Morsy
1 Τμήμα Δημοσίων Έργων, Σχολή Μηχανικών, Πανεπιστήμιο Καΐρου, Γκίζα 12613, Αίγυπτος 2 ENV. Μηχανικός, Υπουργείο Περιβάλλοντος, Karada, Βαγδάτη 10062, Ιράκ 3 School of Ocean Technology, Fisheries and Marine Institute of Memorial University of Newfoundland, St. John’s NL A1C 5R3, Καναδάς
Δημοσιεύθηκε: The Egyptian Journal of Remote sensing and Space Sciences, 2023.
Σύνδεσμος πρωτότυπου κειμένου: [[1]]
Λέξεις-κλειδιά: ποιότητα νερού, ποταμός Τίγρης, τηλεπισκόπηση, μοντέλα πρόβλεψης αλλαγών
Εισαγωγή
Ο ποταμός Τίγρη αποτελεί μία τις κύριες πηγές νερού στο Ιράκ. Δεδομένης της πρόσφατης υδατικής κρίσης στην περιοχή, έχει καταστεί επιτακτική η ανάγκη αξιολόγησης της ποιότητας του νερού του Τίγρη. Αξίζει να σημειωθεί ότι, η ποιότητα του νερού του Τίγρη επηρεάζεται από την κλιματική αλλαγή (μειωμένες βροχοπτώσεις και αύξηση θερμοκρασίες), από την ύπαρξη φραγμάτων και έργων άρδευσης, που είναι υπό τον έλεγχο γειτονικών κρατών όπως η Τουρκία και το Ιράν κ.λπ. Τις τελευταίες δεκαετίες, οι ειδικοί έχουν επικεντρωθεί στη μελέτη του ποταμού Τίγρη για να εξετάσουν τις επιπτώσεις των φυσικών φαινομένων και των ανθρώπινων δραστηριοτήτων στην ποιότητα του νερού. Το νερό είναι ζωτικής σημασίας για την ανθρώπινη υγεία και τις γεωργικές δραστηριότητες. Για την εκτίμηση της ποιότητας του νερού πρέπει να μετρηθούν πολλές παράμετροι και γι’αυτό χρησιμοποιείται ο δείκτης ποιότητας νερού (WQI) που αποτελεί μια ενιαία τιμή, συνδυάζοντας τη μέτρηση διαφορετικών παραμέτρων. Οι μετρήσεις πεδίου για την εκτίμηση της ποιότητας νερού είναι ακριβείς όμως έχουν υψηλό κόστος. Σήμερα έχουν αναπτυχθεί μεθοδολογίες δορυφορικής τηλεπισκόπησης για την αξιολόγηση της ποιότητας του νερού, λόγω της οικονομικής αποδοτικότητάς της και της υψηλής χωροχρονικής ανάλυσης σε μεγάλες γεωγραφικές περιοχές. Αν και η τηλεπισκόπηση δεν παρέχει άμεσες μετρήσεις, έχουν αναπτυχθεί αρκετοί αλγόριθμοι και μαθηματικές εξισώσεις για την πρόβλεψη της ποιότητας του νερού με τα δεδομένα που λαμβάνονται από τηλεαισθητήρες.
Στόχος
Ο στόχος της μελέτης είναι η διερεύνηση της αποτελεσματικότητας της χρήσης δεδομένων τηλεπισκόπησης με δορυφορικές εικόνες για την πρόβλεψη των παραμέτρων ποιότητας του νερού και η επιβεβαίωση των αποτελεσμάτων μέσω της επιτόπιας συλλογής δειγμάτων νερού από σταθμούς κατά μήκος του ποταμού Τίγρη στο Ιράκ. Η παρούσα μελέτη στοχεύει να αναπτύξει και να επικυρώσει μια μεθοδολογία αξιολόγησης της ποιότητας του νερού με βάση την τηλεπισκόπηση χρησιμοποιώντας ελεύθερα διαθέσιμα δεδομένα ποιότητας νερού και δορυφορικές εικόνες Landsat 8. Επιπλέον, επιδιώκει να καθορίσει τη σχέση μεταξύ των παραμέτρων του νερού και των φασματικών ζώνών του Landsat 8.
Περιοχή Μελέτης
Η παρούσα μελέτη επικεντρώνεται σε τμήμα του ποταμού Τίγρη στη Βαγδάτη (Εικ. 1). Αυτός διασχίζει την πόλη, χωρίζοντας την σε δύο διακριτές περιοχές: την Al Rusafa και την Al Karkh. Ο ποταμός Τίγρης, που εκτείνεται σε μήκος 1900 χλμ., πηγάζει από τα ανατολικά βουνά της Τουρκίας και ρέει προς τα νότια προτού διασχίσει από βορρά προς νότο το έδαφος του Ιράκ.
Η περιοχή μελέτης και οι γεωγραφικές θέσεις των σταθμών παρακολούθησης της ποιότητας νερού φαίνονται με κόκκινο κύκλο.
Μέθοδοι και υλικά
Για αυτήν τη μελέτη, καθορίστηκαν 14 σταθμοί δειγματοληψίας κατά μήκος του ποταμού Τίγρη στη Βαγδάτη, κατά την χρονική περίοδο 2018 – 2019 (Εικ. 1) . Το όργανο μέτρησης, μέτρησε 8 παραμέτρους της ποιότητας νερού ήτοι: θερμοκρασία, ηλεκτρική αγωγιμότητα (Cond), TDS, pH, θολερότητα (Turb), Chl_a, μπλε-πράσινα φύκια (BGA), διαλυμένο οξυγόνο (DO). Η παρούσα μελέτη χρησιμοποίησε ελεύθερα δεδομένα δορυφορικών εικόνων τηλεπισκόπησης Landsat 8 (https://earthexplorer.usgs.gov) και 9 φασματικούς δείκτες που προέκυψαν από τις ζώνες Landsat 8 για αυτήν τη μελέτη. Οι φασματικοί δεικτών (DVI), (GNDVI), (MNDWI), (MSAVI, (NDVI) , (NDWI), (NRVI), (SLAVI), (RVI) χρησιμοποιούνται για τη βελτίωση της ποιότητας του νερού και των μοντέλων πρόβλεψης. Η μεθοδολογία που χρησιμοποιείται για την παρακολούθηση των παραμέτρων του νερού απεικονίζεται στην Εικ. 2. Τα κύρια σύνολα δεδομένων που χρησιμοποιούνται για την αξιολόγηση της ποιότητας του νερού είναι οι επιτόπιες μετρήσεις και οι δορυφορικές εικόνες τηλεπισκόπησης (Landsat 8). Η προτεινόμενη μεθοδολογία περιλαμβάνει τρεις φάσεις: αξιολόγηση (assessment) ποιότητας νερού, πρόβλεψη παραμέτρων νερού και δείκτης WQI. Κάθε φάση αναλύεται λεπτομερώς στις επόμενες ενότητες.
- Για την αξιολόγηση της ποιότητας νερού χρησιμοποιήθηκαν δείγματα νερού για την ανάλυση των βασικών στατιστικών στοιχείων. Η αξιολόγηση βασίστηκε σε οπτική ερμηνεία και τυπικές ποσοτικές προσεγγίσεις όπως το R2. - Για την πρόβλεψη ποιότητας νερού χρησιμοποιήθηκε ο ελάχιστος απόλυτος τελεστής συρρίκνωσης και επιλογής (LASSO). Η παλινδρόμηση LASSO είναι λειτουργική για τη μοντελοποίηση δεδομένων με υψηλά επίπεδα πολυσυγγραμμικότητας. Η παλινδρόμηση LASSO χρησιμοποιήθηκε επίσης για την επιλογή των καλύτερων χαρακτηριστικών (k) που περιλαμβάνονται στα μοντέλα παλινδρόμησης για την πρόβλεψη της ποιότητας του νερού στον Τίγρη. Οι πιο σημαντικές παράμετροι για την πρόβλεψη της ποιότητας του νερού επιλέχθηκαν με αλγόριθμο - Τα μοντέλα πρόβλεψης ποιότητας νερού αξιολογήθηκαν ποσοτικά με βάση το ριζικό μέσο τετραγωνικό σφάλμα (RMSE) και το R2. Το RMSE χρησιμοποιήθηκε για την αξιολόγηση της μέσης απόδοσης του μοντέλου, ενώ το R2 χρησιμοποιήθηκε για τη μέτρηση της συσχέτισης μεταξύ των προβλεπόμενων και των παρατηρούμενων μετρήσεων.
Αποτελέσματα και Συζήτηση
Η αξιολόγηση της ποιότητας του νερού πραγματοποιήθηκε για πρώτη φορά ως στάδιο προεπεξεργασίας για την εκτίμηση των παραμέτρων του νερού. Τα στατιστικά για τις οκτώ παραμέτρους ποιότητας του νερού υπολογίστηκαν για το 2018 και το 2019 και σημειώνεται ότι οι διακυμάνσεις στις παραμέτρους ποιότητας του νερού μεταξύ των δύο ετών, είναι ασήμαντες εκτός από το Turb. Επίσης διαπιστώθηκε ότι, εκτός από το DO, οι άλλες παράμετροι είχαν υψηλότερη τιμές το καλοκαίρι σε σύγκριση με το χειμώνα και το 2019 ήταν ακόμη μεγαλύτερες. Η γεωργία, οι βιομηχανικές δραστηριότητες, οι ανθρώπινες δραστηριότητες και η κλιματική αλλαγή είναι οι κύριες αιτίες για την υποβάθμιση της ποιότητας νερού σε θέσεις δειγματοληψίας. Από την ανάλυση συσχέτισης μεταξύ των παραμέτρων ποιότητας του νερού φάνηκε ότι υπάρχει ισχυρή, ασθενής και μέτρια συσχέτιση και υποδεικνύεται με το πράσινο, μπλε και το ενδιάμεσο χρώμα, αντίστοιχα. Το σύνολο δεδομένων δεν έδειξε ισχυρές συσχετίσεις. Η ανάλυση συσχέτισης έγινε για να εξεταστεί η αποτελεσματικότητα των φασματικών ζωνών στην αξιολόγηση των παραμέτρων ποιότητας του νερού, με βάση τις αντίστοιχες συγκεντρώσεις τους σε συνδυασμό με δορυφορικά δεδομένα. Στην εικ. 3β φαίνεται η συσχέτιση μεταξύ των δεδομένων Landsat 8 και των συγκεντρώσεων των παραμέτρων ποιότητας του νερού. Οι φασματικοί δείκτες μπορούν επίσης να βοηθήσουν στην πρόβλεψη των συγκεντρώσεων των παραμέτρων του νερού, καθώς μπορούν να ενισχύσουν τη φασματική αντίθεση μεταξύ διαφορετικών στόχων.
Αναπτύχθηκαν μοντέλα πρόβλεψης για τις παραμέτρους νερού χρησιμοποιώντας παλινδρόμηση LASSO μετά την ενσωμάτωση φασματικών ζωνών και δεικτών. Η δειγματοληψία νερού έγινε ταυτόχρονα με τη λήψη δεδομένων εικόνας Landsat 8. Η επικύρωση των μοντέλων βασίστηκε σε ανεξάρτητα δεδομένα που επιλέχθηκαν τυχαία από ολόκληρο το σύνολο δεδομένων. Το μέγεθος διαχωρισμού ήταν 70% για την εκπαίδευση των μοντέλων και το υπόλοιπο 30% για την επικύρωση των μοντέλων. Για την εύρεση του βέλτιστου αριθμό χαρακτηριστικών που θα χρησιμοποιηθούν στο μοντέλο, διεξήχθη ανάλυση ευαισθησίας (4). Αυτή η μελέτη πραγματοποίησε ένα πείραμα για να αξιολογήσει τη βελτίωση της ακρίβειας λόγω της συμπερίληψης φασματικών δεικτών στην πρόβλεψη ποιότητα νερού.
Από την ανάπτυξη των μοντέλων, διαπιστώθηκε ότι τα SWIR2, SVR, SVR, GNDVI, SLAVI, MSAVI, NDVI και SWIR1 ήταν τα πιο σημαντικά χαρακτηριστικά για την: Temp, Cond, TDS, PH, Turb, Chl_a, BGA και DO, αντίστοιχα. Τα NRVI, TIRS2, Κυανό, Κόκκινο, Πράσινο, SVR και SVR ήταν τα λιγότερο σημαντικά χαρακτηριστικά για τις παραπάνω παραμέτρους. Επιπλέον, τα ευρήματα υποδηλώνουν ότι η ενσωμάτωση φασματικών δεικτών στα μοντέλα πρόβλεψης των παραμέτρων ποιότητας του νερού είναι απαραίτητη για τη βελτίωση της απόδοσής τους. Η συμπερίληψη και των φασματικών δεικτών έχει βελτιώσει σημαντικά την αποτελεσματικότητα των μοντέλων LASSO στη διαφοροποίηση διαφόρων στόχων, όπως υποδεικνύεται από έναν μέσο όρο R2- 0,7, σε σύγκριση με μόνο 0,42 όταν χρησιμοποιούνται μόνο φασματικές ζώνες. Όσον αφορά τον δείκτης WQI, τα αποτελέσματα με δεδομένα τηλεπισκόπησης από το 2018 – 2019, έδειξαν ότι ο τόσο το καλοκαίρι όσο και το χειμώνα, κυμαινόταν από φτωχός έως πολύ φτωχός. Η γεωργία, οι βιομηχανικές δραστηριότητες, οι ανθρώπινες δραστηριότητες και η κλιματική αλλαγή είναι οι κύριες αιτίες της υποβάθμισης της ποιότητας του νερού σε διάφορες τοποθεσίες. Αυτή η μελέτη επεδίωξε να κάνει πρόβλεψη των παραμέτρων ποιότητας του νερού χρησιμοποιώντας δορυφορικές εικόνες και να επικυρώσει τα αποτελέσματα μέσω της επιτόπιας συλλογής δειγμάτων νερού από 14 σταθμούς κατά μήκος του ποταμού.
