بررسی خودپالایی و مدل‌سازی تغییرات نیتروژن و فسفر در طول رودخانه دز (بازه سد دز تا پل بند قیر)

علوم و تکنولوژی محیط زیست، دورهبیست و دوم، شماره سه، خرداد ماه 99

بررسی خودپالایی و مدل­سازی تغییرات نیتروژن و فسفر در طول رودخانه دز

(بازه سد دز تا پل بند قیر)

امید بابامیری[1]

صفر معروفی[2] ^*

smarofi@yahoo.com

آرش آذری[3]

چکیده

زمینه و هدف: برای تعیین عکس­العمل قابل­انتظار رودخانه بر اثر ورود آلاینده، استفاده از مدل­های ریاضی ضروری است. این مدل­ها قادرند آثار بارگذاری­های موجود و آینده را شبیه­سازی نموده و مدیران و مسئولان را در تصمیم­گیری­های خود یاری نمایند. هدف از مطالعه حاضر شبیه­سازی و آگاهی از روند تغییرات نیتروژن و فسفر در طول رودخانه ذر (بازه سد دز تا پل بند قیر ) با مدل Qual2kw و همچنین محاسبه درصد خودپالایی رودخانه می­باشد.

روش بررسی: در این مطالعه با توجه به آمار و داده­های اندازه­گیری شده در مورد کیفیت آب رودخانه دز در سه ایستگاه دزفول، حرمله و بامدژ و مقایسه آنها با استانداردهای موجود، وضعیت این رودخانه مورد بررسی قرار گرفت. مدل شبیه­ساز رودخانه با ورود مشخصات کمی و کیفی در ایستگاه­های تعیین شده و پساب­های ورودی به آن در فصل کم آب ساخته و کالیبره شد.

یافته­ها: نتایج نشان داد که قدرت خودپالایی رودخانه کم است، بیشترین مقدار خودپالایی مربوط به پارامتر N-NH₄ در سال 2014 معادل 45% می­باشد. میزان فسفر غیرآلی در طول رودخانه روند رو به رشدی داشته است.

بحث و نتیجه­گیری: میزان نیتروژن نیتراتی و نیتروژن آمونیاکی در بازه کیلومتر 173 تا 90 رودخانه، به علت هجوم فاضلاب­ها روند افزایشی دارد. بهترین شبیه­سازی برای پارامتر N-NH₄  در سال  2016  می باشد که خطای استاندارد آن معادل 02/0 می­باشد.

واژهای کلیدی: شبیه­سازی، کیفیت آب ، N-NH₄، N-NO₃، P-PO₄ و Qual2kw

An Investigation into Self-Purification and Modeling of Changes in Nitrogen and Phosphor along Dez River

 (The Distance between Dez Dam and Band Ghir Bridge)

Omid Babamiri[4]

Safar Marofi[5]^*

smarofi@yahoo.com

Arash Azari[6]

Abstract

Background and Objective: It is necessary to use mathematical models to determine the expected reaction of a river to the effects of entrance of pollutants. Such models can simulated the effects of current and future loadings and help managers and authorities make their final decisions. The purpose of this study is to simulate and be aware of the trend of nitrogen and phosphorus changes along the Dez River (Dez Dam to Ghir Dam Bridge) using the Qual2kw model and also to calculate the percentage of river self-purification.

Method: The present study was aimed at measuring and comparing the data of the quality of Dez River water collected from three stations. Self-purification model of the river was determined by inserting qualitative and quantitative data retrieved from the stations, and the entering wastewaters in the dry season were created and calibrated.

Findings: The results of the present study showed that the river has poor self-purification power. The highest self-purification power was related to N-NH₄ parameter in 2014 (45%). The level of non-organic phosphor along the river had an increasing trend.

Discussion and Conclusion: The level of nitrate nitrogen and ammonia nitrogen within the distance of 173 to 90 km of the river had an increasing trend due to influx of sewage. The best modelling for N-NH­₄ parameter was related to 2016 with a standard error of 0.02.

Keywords: N-NH₄, N-NO₃, P-PO_4, Simulation and Water Quality.

مقدمه

امروزه توسعه صنعتی و افزایش جمعیت و شهرک­ها، آثار مخرب و زیان­آوری بر محیط زیست در سراسر جهان از جمله کشورمان گذاشته است(1). به دنبال رشد اقتصادی سریع و استفاده بیش­تر از محیط­زیست توجه و نگرانی  به مسایل زیست محیطی به شدت افزایش یافته است (1). آب از مهمترین کالای تولیدی محیط زیست است که بسته به فعالیت، اهمیت آن متغیر است. آلودگی آب، پدیده­ای است که در آن کیفیت شیمیایی، فیزیکی و بیولوژیکی آب­های طبیعی به­واسطه ورود فاضلاب­ها، زباله­ها و دیگر زائدات ناشی از فعالیت­های صنعتی کشور اهمیت توجه به کیفیت منابع آبی موجود را بیش از پیش نمایان ساخته است (2). ورود مواد مغذی و آلاینده­های تجزیه­پذیر بیولوژیکی به رودخانه خصوصا فاضلاب بهداشتی، پساب­های کشاورزی و صنعتی باعث آلودگی رودخانه­ و ایجاد اختلال در توازن اکسیژن محلول می­شود. برای تعیین عکسل­العمل قابل انتظار رودخانه بر اثر ورود آلاینده­ها، استفاده از مدل­های ریاضی ضروری است. این مدل­ها قادرند تا آثار بارگذاری موجود و آتی را شبیه­سازی کنند و مدیران و مسئولان را در تصمیم­گیری­های خود یاری نمایند. با توجه به این­که مشکلات زیست محیطی مرتبط با آب رودخانه ‌سبب نگرانی‌های گسترده‌ای شده است، لذا ارزیابی کیفیت آب به‌عنوان هدف اصلی در مدیریت حوضه رودخانه‌ها شناخته شده است (1). برای داشتن آبی با کیفیت مطلوب، ظرفیت پذیرش رودخانه‌ها باید در طول رودخانه در حد قابل قبول باقی بماند. دست‌یابی به این مهم به یکی از روش‌های کنترل نرخ جریان رودخانه (3)، کنترل بارهای آلودگی فاضلاب و استفاده از اکسیژناتور  ممکن می‌باشد. در این زمینه استفاده از ابزارهای مدیریتی از جمله مدل‌های شبیه‌سازی کیفیت آب، می­تواند بسیار سودمند باشد (4). انواع مختلفی از این مدل‌ها در طول چند دهه گذشته توسعه یافته‌اند. برخی از مدل‌ها پیچیده و برخی دیگر نسبتاً ساده می‌باشند. مدل‌های ساده  توانایی توصیف فرایندهای پیچیده هیدرودینامیکی را نداشته، بنابراین نتایج شبیه‌سازی شده آن‌ها ممکن است قابل اعتماد نباشد. از طرفی اجرای مدل‌های پیچیده  نیز نیازمند تعدادی از پارامترهای خاص بوده که به آسانی قابل اندازه‌گیری نمی‌باشند (1). نمونه‌ای از مدل‌‌‌های پیچیده شامل برنامه شبیه‌سازی و تجزیه و تحلیل کیفیت آب (WASP)، هیدرودینامیک و مدل کیفیت آب (CE-QUAL-W2)، کیفیت آب برای سیستم‌های رودخانه-مخزن (WQRRS)، و غیره می‌باشد.

نوشادی و حاتمی‌زاده (1389) (5) در تحقیقی به بررسی کیفیت آب رودخانه کر در بازه‌ای به طول 187 کیلومتر با استفاده از مدل QUAL2K پرداختند. نتایج نشان داد که دقت شبیه‌سازی در ماه‌های کم آب بیشتر از ماه‌های پر آب است که دلیل آن افزایش روان آب در ماه‌های پر آب می‌باشد. شهریاری و همکاران (1390) (6) تاثیر تغییرات میزان جریان بر کیفیت آب رودخانه کارون را با مدل ریاضی QUAL2KW شبیه­سازی نمودند. نتایج شبیه­سازی این محققان حاکی از نامطلوب بودن کیفیت رودخانه در ماه­های خشک و کم آب می­باشد. رزاقیان و همکاران (1394) (7) وضعیت کیفی رودخانه قره­سو در محدوده شهرستان کرمانشاه را با استفاده از مدل QUAL2KW مورد بررسی قرار داده و پارامترهایDO ،BOD ، نیتروژن کل و فسفر کل را در دو ماه مرداد (خشک­سالی) و بهمن (تر سالی) کالیبره و صحت­سنجی نمودند. از طرفی مطالعاتی با مدل QUAL2KW برای شبیه‌سازی کیفیت آب رودخانه‌ها و حوضه‌ها با استفاده از پارامترهای اکسیژن مورد نیاز بیوشیمیایی (BOD) (8 و 9)، نیتروژن، فسفر و اکسیژن مورد نیاز شیمیایی (COD) (10)، DO، CBOD، NH₄-N و NO₃-N (11)، انجام یافته است. نتایج شبیه‌سازی، یک ابزار مدیریتی مفید است که می‌تواند به سیاست­گذاران در تعیین استراتژی‌های واقع‌بینانه با در نظر گرفتن شرایط خاص هر حوضه و همچنین در پیش‌بینی اثر تخلیه تصادفی یا بارهای آلاینده اضافی یاری رساند (12). گوپتا[7] و همکاران (2013) (13) نیز نشان دادند که مدل Qual2k بعد از کالیبراسیون و اعتبارسنجی برای شبیه­سازی DO و BOD در رودخانه کشپیرا در هند خوب عمل کرده و به عنوان ابزار مدیریتی قابل اعتماد، مورد استفاده است. به طور مشابه. همچنین در تحقیقی دیگر حسین^[8] و همکاران (2014) (14) شبیه‌سازی کیفیت آب رودخانه تونگاک مالزی را با استفاده از مدل QUAL2KW در دو فصل تر و خشک انجام دادند. تحقیقات این محققان نشان داد که به دلیل ورود پساب‌های صنعتی غلظت DO در تمام نقاط رودخانه بسیار پایین و غلظت‌های BOD و COD نسبت به استاندارد مالزی بسیار بیشتر می‌باشد. باقریان و همکاران (2014) (15) از مدل Qual2k برای شبیه­سازی DO وBOD رودخانه کارون در ایران استفاده کردند. ابتدا این مدل با داده­های برداشت شده از این رودخانه کالیبره و اعتبارسنجی شد، سپس از این مدل برای گرفتن تصمیم­های مدیریتی با استفاده از سناریوهای مختلف استفاده شد. نتایج این مطالعه نشان داد که با تغییر مکان ورود آلاینده­ها به رودخانه، می­توان از اثرات مخرب زیست­محیطی آنها کاست.کلبرگی^[9] و همکاران (2015) (2) با به کارگیری مدل کیفیت آب QUAL2K برای رودخانه گاتاپراب‌ها^[10] در کشور هند پس از کالیبراسیون و صحت­سنجی مقادیر پارامترهای DO و BOD به پیش­بینی کیفیت آب تحت شرایط مختلف داده­ها پرداختند و دریافتند که مقادیر پیش­بینی شده توسط مدل با مقادیر اندازه‌گیری شده تطابق نزدیکی دارد. مهراسبی و فرهمندکیا (2015) (16) به مدل­سازی کیفیت آب رودخانه کینه­ورس در مجاورت شهرستان زنجان پرداختند. نتایج شبیه­سازی آنها نشان داد که داده­های به­دست آمده از مدل Qual2k معتبر بوده واین مدل ابزار ساده برای مدیریت و تصمیم­گیری در زمینه کیفیت آب این رودخانه است.  ویوین[11] و همکاران (2016) (17)، در مطالعه خود با استفاده از نرم‌افزار QUAL2Kw به شبیه‌سازی پارامترهای کیفی آب شامل دما، pH، DO، BOD، TSS، نیترات (NO3)، آمونیوم (NH4) و فسفات (PO4) در رودخانه کالی سورابایا (Kali Surabaya) پرداختند. نتایج نشان داد حداکثر ظرفیت پذیرش NH4 بین100 کیلوگرم بر روز تا 3563 کیلوگرم بر روز و NO3 در بازه 976 تا 14306 کیلوگرم بر روز می‎باشد. دولایمی(2017) (18) از مدل QUAL2K برای شبیه­سازی پارامترهای DO و BODدر رودخانه دیالا در کشور عراق استفاده کرد. نتایج این مطالعه نشان داده است که، DO در طول رودخانه موردنظر کمتر از 4 میلی­گرم در لیتر بوده است. 

 باتوجه به پیشینه پژوهش به نظر می­رسد مطالعه جامعی در زمینه درصد خودپالایی و شبیه­سازی کیفیت آب رودخانه دز انجام نگرفته است. بنابراین، هدف از این تحقیق شبیه­سازی و آگاهی از روند تغییرات کیفیت آب در طول رودخانه دز و همچنین محاسبه درصد خودپالایی رودخانه در فصل خشک می­باشد.

روش بررسی

رودخانه دز یکی از منابع آبی با ارزش کشور محسوب می­شود که از لحاظ تامین آب اصلی مصارف شهری، روستایی، کشاورزی و صنعت نقش مهمی دارد. در این پژوهش بازه سد دز تا بند قید مورد مطالعه قرار گرفت. شکل (1) موقعیت رودخانه یادشده در منطقه مورد مطالعه را نشان می­دهد.

شکل 1- موقعیت منطقه مورد مطالعه در ایران و استان خوزستان

Figure 1. The geographical location of the study area in the Iran and Khozestan province.

به منظور شناسایی موقعیت رودخانه دز، حوضه آبریز این رودخانه، زمین‌های کشاورزی، راه‌های دسترسی به رودخانه و منابع آلاینده نقطه‌ای صنعتی، کشاورزی و فاضلاب شهری آن‌ها بر روی نقشه‌های تپوگرافی 25000/1 تعیین گردید. برای شبیه‌سازی کیفی رودخانه دز، دبی، شیب طولی رودخانه بین هر ایستگاه، ضریب مانینگ، عرض کف، شیب دیواره، فاصله بین هر کدام از ایستگاه‌ها، دمای متوسط هوا، دمای نقطه شبنم، دمای آب، سرعت باد، اکسیژن محلول، BOD، COD، NH4، NO3، PO4، EC، PH تعداد روزهای ابری، درصدی از رودخانه که در اثر کوه‌ها و پوششش گیاهی زیر سایه قرار گرفته‌اند و این­که آیا در کف رودخانه جلبک وجود دارد یا خیر، مورد نیاز مدل می‌باشد که بر اساس بازدیدهای محلی در زمان‌های مختلف این شاخص‌ها تعیین گردیدند. داده­ها از اداره کل محیط زیست استان خوزستان اخذ شد. طول دوره آماری چهار ساله 2013 تا 2016 و در فصل خشک می­باشند.

اصولا شکل ریاضی همه مدل­های شبیه­ساز یکسان بوده و همه آنها دارای مجموعه­ای از معادلات دیفرانسیل و همچنین معادلاتی برای هر ماده هستند که بایستی به طور واضح در چهارچوب مدل منظور گردند. انتخاب مدل مناسب بستگی به هدف مطالعات و پروژه مورد نظر دارد (19). دستورالعمل­های انتخاب مدل را می­توان به دو گروه کلی دستورالعمل­های فنی و دستورالعمل­های کاربردی طبقه­بندی کرد. دستورالعمل­های فنی در ارتباط با قابلیت مدل در تعریف فرایندهای فیزیکی و بیوشیمیایی سیستم واقعی است. این فرایندها شامل تعیین مکانیسم­ها و فرایندهای مهم در سیستم واقعی، بررسی مدل­های موجود، قابلیت آنها و بالاخره مقایسه مشخصات و خصوصیات مهم سیستم واقعی با قابلیت­های مدل است (19).

مدل QUAL2KW

مدل QUAL2KW آخرین مدل از سری مدل­های QUAL می­باشد که در سال 2006 ارائه و امروزه به طور گسترده­ای جهت شبیه­سازی کیفیت آب رودخانه­ها مورد استفاده قرار می­گیرد. در رابطه با قابلیت مدل در تعریف فرایندهای مختلف سیستم واقعی  و نیز در نظر گرفتن انواع پارامترها و موجودات زنده در مدل، در حال حاضر مدل QUAL2KW را می­توان به عنوان جامع­ترین مدل شبیه­ساز معرفی نمود(16). مدل QUAL2KW رودخانه را به بازه­های مختلفی تقسیم­بندی می­کند که هر یک از این بازه­ها دارای شرایط هیدرولیکی یکسانی می­باشند (مانند شیب طولی، عرض کف، شیب دایواره­ها و غیره). همان­طور که در شکل2 دیده می­شود، این بازه­ها به ترتیب از بالادست به پایین­دست شماره­گذاری می­شوند و منابع نقطه­ای یا غیرنقطه­ای می­توانند در هر قسمت رودخانه وارد شده و یا از آن خارج گردند. هر یک از بازه­های تعیین شده برای مدل، به منظور رسیدن به نتیجه مطلوب­تر و ظرافت بیشتر در ترسیم نمودارها می­تواند به المان­های مساوی تقسیم شود (شکل­های 3 و 4). چنانچه هر بازه به تعدادی المان مساوی تقسیم­بندی شود موازنه جرم و حرارت برای هریک از المان­ها صورت می­گیرد (19). برای هر المان موازنه جریان رودخانه در حالت  پایدار صورت می­گیرد.

شکل 2- نحوه بازه­بندی مسیر رودخانه

Figure 2. Modeling of river direction ranges.

شکل 3- نحوه المان­بندی هر بازه در رودخانه

Figure 3. Modeling of each range in river.

شکل 4- موازنه جریان برای هر المان

Figure 4. Flow balance in each range.

که در آن: Q_i میزان جریان خروجی از المان i به المان i+1 بر حسب [m³/d]، Q_i-1 میزان جریان خروجی از المان i-1 بر حسب [m³/d]، Q_in,Iکل جریان ورودی از منابع نقطه­ای و غیرنقطه­ای به i بر حسب [m³/d] و Q_out,iکل جریان خروجی از المان i به صورت نقطه­ای یا غیرنقطه­ای بر حسب [m³/d] می‌باشد. در روابط بالا منظور از ps منبع نقطه­ای و nps منبع غیرنقطه­ای می­باشد.

در این تحقیق رودخانه به 144 مقطع تقسیم بندی شد (طول رودخانه 173 کیلومتر می­باشد) و برای تعیین عمق و سرعت جریان در هر بازه از روش معادلات مانینگ  استفاده شد.

واکنش­های بیوشیمیایی

برای نشان دادن واکنش­های شیمیایی و بیولوژیکی که در مدل­سازی اتفاق می­افتد از روابط و معادلات زیر استفاده شد:

واکنش­های پارامترهای کیفی

1-نیتروژن آمونیاکی

نیتروژن آمونیاکی در طول فرایند هیدرولیز نیتروژن آلی و تنفس فیتوپلانکتون­ها افزایش می­یابد. مقدار این پارامتر در اثر فرایندهای نیتریفیکاسیون و فتوسنتز گیاهان کاهش پیدا می­کند.

2-نیتروژن نیتراتی

مقدار نیتروژن نیتراتی در اثر نیتریفیکاسیون آمونیاک افزایش و در اثر فرایند دنیتریفیکاسیون و فتوسنتز گیاهان کاهش می­باشد.

3- فسفر غیرآلی

میزان فسفر غیرآلی در فرایندهای هیدرولیز فسفر آلی و تنفس فیتوپلانکتون­ها افزایش و در فتوسنتز گیاهان کاهش می­یابد.

به منظور بررسی قدرت خودپالایی رودخانه، دو انتخاب مهم وجود دارد: 1- پارامترهای کیفی و 2- بازه و مقطع مورد مطالعه.

با توجه به برنامه پایش و مواد اندازه­گیری شده در  رودخانه دز (بازه سد دز تا بند قیر) پارامترهای فسفر غیرآلی، امونیاک و نیترات برای بررسی انتخاب گردید، که هر سه پارامتر از آلاینده­های اصلی رودخانه به­شمار می­روند. به منظور  ارزیابی قدرت خودپالایی، نیاز به محاسبه بار ورودی و بار خروجی کل، از ابتدای رودخانه تا محل نقطه کنترل است که به کمک آنها درصد خودپالایی از رابطه زیر محاسبه می­گردد:

 در این رابطه، P_c میزان خودپالایی (به صورت درصد)، L_i و L_o به ترتیب میزان بار ورودی و خروجی کل هستند.

میزان بار ورودی (L_i) در هر بازه از رابطه زیر محاسبه می شود:

که در آن Q و C به ترتیب برابر با دبی (مترمکعب بر ثانیه) و غلظت پارامترهای کیفی (میلی­گرم در لیتر) می­باشد. اندیس­های h، np و p به ترتیب به سراب، منابع غیرنقطه­ای و منابع نقطه­ای اشاره دارد (20).

میزان بار خروجی (L_o) در هر شاخه، با استفاده از رابطه زیر محاسبه می­شود:

که در آن Q و C مانند تعریف قبلی می­باشند و زیرنویس c.p اشاره به نقطه کنترل دارد.

یک مقایسه ساده آماری در کمی کردن دقت مدل، می­تواند مکمل مقایسه­های غیرکمی پروفیل­های اندازه­گیری و محاسبه شده کیفیت آب باشد. به منظور ارزیابی و اعتباریابی نتایج مدل، از شاخص­های آماری ریشه میانگین مربعات خطا (RMSE)[12]و خطای استاندارد (SE)[13] استفاده شد.

شکل ریاضی این آماره­ها در روابط زیر ارائه گردیده است.

 (14)

(15)                                

که Nتعداد نمونه­های مورد مطالعه،  مقادیر اندازه­گیری شده در هر روز،  مقدار پیش­بینی شده با استفاده از مدل،  میانگین داده­های اندازه­گیری شده می­باشد(21).

در این مطالعه با توجه به آمار و داده­های اندازه­گیری شده در مورد کیفیت آب این رودخانه در سه ایستگاه (دزفول، حرمله و بامدژ) وضعیت این رودخانه مورد بررسی قرار گرفت. مدل خودپالایی رودخانه با مشخصات کمی و کیفی رودخانه و پساب­های ورودی به آن در فصل کم آب ساخته و کالیبره شد. سال­های 2013 تا 2015 به عنوان کالیبره کردن و سال آخر (2016) به عنوان صحت­سنجی مدل در نظر گرفته شد. مشخصات جغرافیایی و میانگین داده­های کیفی این سه ایستگاه در جدول 1 ارائه شده است.

جدول1- مشخصات جغرافیایی و پارامترهای اندازه­گیری شده در سه ایستگاه واقع در روی رودخانه دز

Table 1. Geographical characteristics and measured parameter at three stations in Dez river

ستون دوم و سوم جدول، به ترتیب طول و عرض جغرافیایی ایستگاه­های اندازه­گیری پارامترهای کیفی و همچنین ستون چهارم تا ششم جدول ، میانگین پارامترهای اندازه­گیری شده بر حسب میکروگرم در لیتر در ایستگاه­های مورد مطالعه را نشان می­دهد. 

یافته­ها و بحث

نیتروژن آمونیاکی در طول فرایند هیدرولیز نیتروژن آلی و تنفس فیتوپلانکتون­ها، افزایش می­یابد. مقدار این پارامتر در اثر فرایندهای نیتریفیکاسیون و فتوسنتز گیاهان کاهش می­یابد. مقدار نیتروژن آمونیاکی در مدل توسط رابطه (8) محاسبه شد. بالا بودن آمونیاک، نشان دهنده ورود آلاینده­ها به رودخانه است.

شکل6 تغییرات نیتروژن آمونیاکی در طول رودخانه دز سال­های 2013 تا 2016 را نشان می­دهد. با توجه به شکل یادشده در بازه کیلومتر 0 تا 90 با ورود آلاینده­ها به رودخانه میزان این پارامتر افزایش یافته است، سپس از بازه فوق تا انتهای رودخانه به دلیل خودپالایی رودخانه مقدار نیتروژن آمونیاکی کاهش پیدا کرده است.

شکل 6- تغییرات NH₄در طول رودخانه شبیه­سازی شده توسط مدل درماه جولای سال­های 2013 تا 2016.

Figure 6. NH₄ changes along river simulated by model in July (2013 to 2016)

شکل 7 تغییرات نیترات را در طول رودخانه در سال­های 2013 تا 2016 را نشان می­دهد. نیتروژن نیتراتی از طریق فاضلاب شهری، کشاورزی (مصرف کودهای ازته) وارد رودخانه می­شود. مقدار نیتروژن نیتراتی در اثر دنیتریفیکاسیون و فتوسنتز گیاهان کاهش می­یابد. میزان نیتروژن نیتراتی در مدل توسط رابطه (9) محاسبه و تعیین می­شود. میزان نیتروژن در طول رودخانه از ابتدای رودخانه تا کیلومتر 90 روند افزایشی داشته و از کیلومتر 100 تا انتهای رودخانه روند کاهشی داشته است.

شکل 7- تغییرات نیترات در طول رودخانه شبیه­سازی شده توسط مدل در ماه جولای در سال­های 2013 تا 2016.

Figure 7. Nitrate changes along river simulated by model in July (2013 to 2016)

 شکل 8- تغییرات فسفر غیرآلی در طول رودخانه شبیه­سازی شده در ماه جولای سال­های 2013 تا 2016.

Figure 8. Inorganic P changes along river simulated by model in July (2013 to 2016).

شکل 8 تغییرات فسفرغیرآلی را در طول رودخانه در سال­های 2013 تا 2016 را نشان می­دهد. میزان فسفر غیرآلی در فرایندهای هیدرولیز فسفرآلی و تنفس فیتوپلانتکتون­ها افزایش و در اثر فتوسنتز گیاهان کاهش می­یابد. چگونگی محاسبه فسفر غیرآلی توسط مدل از رابطه (10) قابل محاسبه است. در حالت کلی فسفر غیرآلی در طول رودخانه روندکاهشی در سال­های شبیه­سازی داشته است که از علل آن می­توان به کاهش میزان فسفر آلی و خودپالایی در طول رودخانه اشاره کرد.

جدول 2 درصد خودپالایی پارامترهای کیفی مورد مطالعه ( N-NH_4، N-NO3 و P-PO₄) در طول رودخانه را نشان می­دهد.. بیشترین مقدار پالایش مربوط N-NH₄ (45%) در سال 2014 می­باشد و کمترین مقدار پایش مربوط به P-PO₄ در سال 2013، معادل 18% می­باشد.

جدول 2- درصد خودپالایی پارامترهای کیفی مورد مطالعه در سال­های 2013 تا 2016

Table 2. Self-purification percentage of qualitative parameters (2013 - 2016)

به منظور ارزیابی از نتایج حاصل از شبیه­سازی و مقادیر اندازه­گیری در ایستگاه­های اندازه گیری از معیارهای خطای ریشه میانگین مربعات خطا و خطای استاندارد استفاده شد. جدول 3 نتایج حاصل از مقادیر این معیارها را نشان می­دهد.

به­طوریکه از جدول 3 می­توان نتیجه گرفت بیشترین مقدار RMSE پارامتر آمونیوم مربوط به سال 2013، (02/60) می­باشد. برای پارامتر نیترات مربوط به سال 2013 معادل 81/796 (میکرو گرم در لیتر) می­باشد، همچنین برای پارامتر فسفر غیرآلی نیز سال 2013 معادل 77/1 می­باشد.

مقادیر معیار خطای استاندارد بین مقادیر اندازه­گیری شده و شبیه­سازی شده در سال­های 2013 تا 2016 را ارائه می­دهد. بطوری­که می­توان از این جدول استنباط کرد بیشترین مقدار خطای استاندارد مربوط به N-NO₃ در سال 2013 (6/0) و کمترین مقدار آن مربوط به N-NH₄ در سال 2016 معادل 02/0 می­باشد.

جدول 3- مقادیر معیار RMSE محاسبه شده بین مقادیر اندازه­گیری و شبیه­سازی شده در سال­های 2013 تا 2016.

Table 3. RMSE criteria calculated between measured and simulated values (2013-2016)

در این پژوهش سه سال (2013 تا 2015) برای واسنجی در نظر گرفته شد و برای سال چهارم (2016) صحت­سنجی شد. مطابق شکل­های 6 ، 7 و 8 در سال آخر (2016) مدل تطابق خوبی با نمونه­های واقعی (اندازه­گیری شده) دارد. همچنان که مهراسبی و فرهمندکیا (2015) نشان دادند که داده­های بدست آمده از مدل Qual2k معتبر بوده واین مدل ابزار ساده برای مدیریت و تصمیم­گیری در زمینه کیفیت آب این رودخانه است. ژانگ و همکاران (2012) (22)، با استفاده از مدل Qual2k تاثیرات طیف وسیعی از سناریوهای بهبود کیفیت آب را در رود هونگکی، که یک شاخه آلوده­کننده آب حوضه دریاچه تایهو است، پیش­بینی کردند. نتایج آنها نیز نشان می­دهد که مدل Qual2k می­تواند به عنوان یک ابزار موثر در برنامه­های بهبود کیفیت آب مورد استفاده قرار گیرد.

همان­طور که چانگ و (2004) (23) و کارنی (2009) (24) اشاره کرداند، در این­جا نیز افزایش فعالیت­های انسانی موجب افزایش سهم بار آلودگی به رودخانه دز شده است. نتایج نشان می­دهد علاوه بر طولانی بودن رودخانه که می­تواند موجب کاهش سهم بار آلودگی به دلیل فرایند خودپالایی شود، با افزایش سطح فعالیت­های انسانی سهم بارآلودگی کاهش چشمگیری ندارد. به­ویژه نتایج به­دست آمده با نتایج به­دست آمده از تحقیق مهاما (1998) (25) در زمینه تاثیر کاربری­های شهری، مسکونی و کشاورزی همخوانی دارد.

نتیجه­گیری

رودخانه دز یکی از رودخانه­های بزرگ کشور است، که آب کارخانجات، پرورش ماهی و همچنین آبیاری اراضی وسیع کشاورزی اطراف را در مسیر رودخانه تامین می­کند. از این رو کنترل کیفیت آب آن بسیار مهم و حیاتی است. برای شبیه­سازی این رودخانه از مدل Qual2k استفاده شد که مدلی دقیق می­باشد و نتایج شبیه­سازی واسنجی و صحت­سنجی نیز قابلیت دقیق این نرم­افزار را تایید می­کند. از نتایج به دست آمده با استانداردها نتیجه­گیری می­شود که رودخانه دارای یک روند طبیعی بوده و برای کشاورزی، آبیاری و برای مصارف چهارپایان و آبزیان مناسب است، ولی برای مصارف آشامیدن انسان مناسب نمی­باشد، چرا که با توجه به استانداردهای ایران و سازمان بهداشت جهانی، مقادیر آمونیاک و نیترات در حد استانداردهای آب­های مصرفی چهارپایان و آبزیان بوده و برای مصرف آشامیدن انسان مناسب نیست، مگر اینکه مورد تصفیه فیزیکی و شیمیایی قرار گیرد. رودخانه­ها در مسیرهای گاه طولانی خود دچار تغییر و تحولات بسیاری می­شوند و نیز تا حدی توان خودپالایی دارند، که این امر می­تواند باعث از بین رفتن بسیاری از آلاینده­ها شود. بنابراین باید اقداماتی صورت گیرد که این توان خودپالایی از بین نرفته و بلکه افزایش یابد که این مهم جز با حفظ و نگه­داری این منبع ارزشمند (رودخانه دز) و جلوگیری از آلودگی آن به­خصوص با پساب­های کشاورزی، فاضلاب خانگی و صنعتی امکان­پذیر نیست.

Reference

1. Hanfeng, Y. E., Shuhai, GUO., Fengmei, LI. And LI. Gang., 2013. Water Quality Evaluation in Tidal River Reaches of Liaohe River Estuary, China Using a Revised QUAL2K Model. Chinese Geographical Science, 23(3): 301–311
   1. Kalburgi, P. B., Shareefa, R. N. and U. B. Deshannavar., 2015. Development and Evaluation of BOD–DO Model for River Ghataprabha near Mudhol (India), using QUAL2K. I.J Engineering and Manufacturing, 5(1): 15-25.
   2. Hayes, D. F., Labadie, J. W., Sanders, T. G. and J. K. Brown., 1998. Enhancing water quality in hydropower system operations. Water Research, 34: 471–483.
   3. Herbay, J. P., Smeers, Y. and D. Tyteca., 1983. Water quality management with time varying river flow and discharger control. Water Research, 19: 1481–1487.
   4. Noshadi, M., Hatmizade, M.R., 2010. Qualitative measurement and simulation of Kor river using the Qual2k model. Iranian Journal of Irrigation and Drainage 3: 338-349. (In Persian).
   5. Shahriari, F., Javadifar, N., Akhondali, A.M. 2010. Changes in flow rate on water quality in Karoon river using Qual2kw model. The fifth national congress and specialized environmental exhibition. Tehran. 50:1-10. (In Persian)
   6. Razaghian. F., Sabziparwar. B., Sarang, A. 2015. Qualitative modeling of Qarasoo river in Kermanshah using Qual2kw model. Tenth international congress on civil engineering Tabriz . 10:1-8. (In Persian)
   7. Xiaobo, F., Jianying, Z., Yingxu, C. and X. Xiangyang. 2008. QUAL2K model used in the water quality assessment of Qiantang River, China. Water Environment Research, 80: 2125–2133.
   8. Fan, C., Ko, C. and W.Wang. 2009. An innovative modeling approach using Qual2K and HEC-RAS integration to assess the impact of tidal effect on River Water quality simulation. Journal of Environmental Management, 90(5): 1824–1832.
   9. Grabiç, J., Bezdan, A., Benka, P. and A. Salvai. 2011. Spreading and transformation of nutrients in the Reacg of the Becej-Bogojeco Canal, Serbia. Carpathian Journal of Earth and Environmental Sciences, 6(1): 277–284.
   10. Rafiee, M., Akhondali, A. M., Moazed. H., Lyon, S. W., Jaafarzadeh, N. e. and B. Zahraie. 2013. A Case Study of Water Quality Modeling of the Gargar River, Iran. Journal of hydraulic structures, 1(2): 10-22.
       1. Oliveira, B., Bola, J., Quinteiro, P., Nadais, H. and L. Arroja. 2012. Application of Qual2Kw model as a tool for water quality management: Cértima River as a case study. Environ Monti Assess, 184: 6197–6210.
       2. Gupta R.C., Gupta A.K and Shrivastava R.K., 2013. Water quality modeling of a stretch of river Kshipra India. Nature Environment and Pollution Technology, 123: 511-516.
       3. Hossain, M. A., Sujaul, I. M. and M. A. Nasly., 2014. Application of QUAL2Kw for water quality modeling in the Tunggak River, Kuantan, Pahang, Malaysia. Research Journal of Recent Sciences, 3(6): 6-14.
       4. Bagherian, Marzouni M., Akhoundalib, A.M., Moazed, H., Jaafarzadeh N., Ahadian J. and Hasoonizadeh, H. 2014. Evaluation of Karun river water quality scenarios using simulation model results. International journal of Advanced Biological and Biomedical Research, 22: 339-358.
          1. Mehrasbi, M.R. and Farahmand, Kia. Z. 2015. Water quality modeling and evaluation of nutrient control strategies using qual2k in the small sivers, J. Hum. Environ. Health Promot. 11: 1-11
          2. Vivin, S.I., Wahyono, H., Masduqi, A. 2016. Identifikasi Daya Tampung Beban Pencemaran Air Kali Surabaya Segmen Jembatan Canggu- Tambangan Bambe dengan Pemodelan QUAL2Kw, JURNAL TEKNIK ITS Vol. 5, No. 2, PP. 857-861. (2016) ISSN: 2337-3539 (2301-9271 Print).
          3. Dulaimi, G.A. 2017. Evaluation of BOD and DO for Diyala River by Using Stream Water Quality Model. International Journal of Environmental Science and Development, Vol 8. N. pp 1-6.
          4. Chapra, S.C., Pelletier, G.J. and H.Tao. 2008. “QUAL2K – a modeling framework for Simulation river and streams water quality (Version 2.11)”. Documentation and User Manual, pp 1-109.
          5. Azimi, M., Gawasie, A., Hashemi, S., Barketin, S. 2010. Assessing the power of self-purification of the river with help of result of qualitative simulation (case study: Sefidrood River). National water conference with clean water approach. University of Water and power industry. 1:1-10. (In Pesian)
          6. Sentelhas, P., Gillespie, T., and Santos, E.A. 2010. Evaluation of FAO Penman-Monteith and alternative methods for estimating reference evapotranspiration with missing data in southern Ontario, Canada. Agricultural Water Management 97: 635-644.
          7. Zhang, R., Qain, X., Li, H., Xingcheng, Y., Rui, Y., 2012. Selection of River Water Basin Chin. Scienee of theTotal Envairoment 431, 278-285.
          8. Chang, H. 2004. Water quality impacts of climate andland use changes on Southeastern Pennsylvania. Theprofessional Geographer. vol. 56. pp. 240­257
          9. Carney, E. 2009. Relative influence of lake age and watershed land use on tropic state and water quality of       artificial lakes in Kansas. J. Lake Reserve. Manage. vol. 25. pp. 199 ­207.
          10. Mahamah, D. S., 1998. Simplifying assumptions in water quality modeling. Ecological Modelling, 109(3): 295–300.