Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Planowanie działu wodnego w ramach ilościowej analizy scenariuszy

7.9K wyświetleń

⸱

DOI:

10.3791/54095

⸱

24 lipca 2016

 ,  , 
1Division of Forestry and Natural Resources, West Virginia University, 2Division of Resource Management, West Virginia University

W tym artykule

Podsumowanie

Istnieje krytyczne zapotrzebowanie na narzędzia i metodologie zdolne do zarządzania systemami wodnymi w obliczu niepewnych przyszłych warunków. Zapewniamy metody przeprowadzania ukierunkowanej oceny zlewni, które umożliwiają zarządzającym zasobami tworzenie modeli skumulowanych skutków opartych na krajobrazie do wykorzystania w ramach zarządzania analizą scenariuszy.

Streszczenie

Istnieje krytyczne zapotrzebowanie na narzędzia i metodologie zdolne do zarządzania systemami wodnymi w silnie dotkniętych zlewniach. Obecne wysiłki często kończą się niepowodzeniem ze względu na niemożność ilościowego określenia i przewidzenia złożonych skumulowanych skutków obecnych i przyszłych scenariuszy użytkowania gruntów w odpowiednich skalach przestrzennych. Celem tego manuskryptu jest przedstawienie metod przeprowadzania ukierunkowanej oceny działu wodnego, która umożliwia zarządzającym zasobami tworzenie modeli skumulowanych skutków opartych na krajobrazie do wykorzystania w ramach zarządzania analizą scenariuszy. Lokalizacje są najpierw wybierane do włączenia do oceny działu wodnego poprzez identyfikację miejsc, które leżą wzdłuż niezależnych gradientów i kombinacji znanych czynników stresogennych. Techniki terenowe i laboratoryjne są następnie wykorzystywane do uzyskania danych na temat fizycznych, chemicznych i biologicznych skutków wielu działań związanych z użytkowaniem gruntów. Wielokrotna analiza regresji liniowej jest następnie wykorzystywana do tworzenia modeli skumulowanych efektów opartych na krajobrazie w celu przewidywania warunków wodnych. Na koniec omówiono i zademonstrowano metody włączania modeli skumulowanych skutków do ram analizy scenariuszy w celu kierowania decyzjami zarządczymi i regulacyjnymi (np. pozwoleniami i łagodzeniem) w aktywnie rozwijających się działach wodnych dla 2 poddziałów wodnych w górskim regionie górniczym w środkowych Appalachach. Przedstawione w niniejszym dokumencie podejście do oceny i zarządzania zlewnią umożliwia zarządzającym zasobami ułatwianie działalności gospodarczej i rozwojowej przy jednoczesnej ochronie zasobów wodnych i tworzeniu możliwości uzyskania korzyści ekologicznych netto poprzez ukierunkowaną remediację.

Wprowadzenie

Antropogeniczne zmiany naturalnych krajobrazów są jednym z największych obecnie zagrożeń dla ekosystemów wodnych na całym świecie1. W wielu regionach dalsza degradacja w obecnym tempie spowoduje nieodwracalne szkody w zasobach wodnych, co ostatecznie ograniczy ich zdolność do świadczenia bezcennych i niezastąpionych usług ekosystemowych. W związku z tym istnieje pilne zapotrzebowanie na narzędzia i metodologie zdolne do zarządzania systemami wodnymi w rozwijających się zlewniach2-3. Jest to szczególnie ważne, biorąc pod uwagę, że osoby zarządzające często mają za zadanie ochronę zasobów wodnych w obliczu presji społeczno-ekonomicznej i politycznej zachęcającej do kontynuowania działań rozwojowych.

Zarządzanie systemami wodnymi w aktywnie rozwijających się regionach wymaga umiejętności przewidywania prawdopodobnych skutków proponowanych działań rozwojowych w kontekście istniejących wcześniej atrybutów krajobrazu naturalnego i antropogenicznego3, 4. Głównym wyzwaniem w zakresie zarządzania zasobami wodnymi w silnie zdegradowanych zlewniach jest zdolność do ilościowego określania i zarządzania złożonymi (tj. addytywnymi lub interaktywnymi) skumulowanymi skutkami wielu czynników stresogennych związanych z użytkowaniem gruntów w odpowiednich skalach przestrzennych2, 5. Jednak pomimo obecnych wyzwań oceny skumulowanych skutków są włączane do wytycznych regulacyjnych na całym świecie5-6.

Ukierunkowane oceny zlewni, mające na celu próbkowanie pełnego zakresu warunków w odniesieniu do wielu czynników stresogennych związanych z użytkowaniem gruntów, mogą dostarczyć danych zdolnych do modelowania złożonych skumulowanych skutków7. Co więcej, włączenie takich modeli do ram analizy scenariuszy [przewidujących zmiany ekologiczne w ramach szeregu realistycznych lub proponowanych scenariuszy rozwoju lub zarządzania zlewnią (odbudowa i łagodzenie)] może potencjalnie znacznie poprawić zarządzanie zasobami wodnymi w silnie dotkniętych zlewniach3, 5, 8-9. Przede wszystkim analiza scenariuszowa zapewnia ramy do dodawania obiektywizmu i przejrzystości do decyzji zarządczych poprzez włączenie informacji naukowych (relacji ekologicznych i modeli statystycznych), celów regulacyjnych i potrzeb interesariuszy w jedną ramę decyzyjną3, 9.

Prezentujemy metodologię oceny i zarządzania skumulowanymi efektami wielu działań związanych z użytkowaniem gruntów w ramach analizy scenariuszy. W pierwszej kolejności opisujemy, w jaki sposób odpowiednio ukierunkować lokalizacje, które mają zostać włączone do oceny działu wodnego w oparciu o znane czynniki stresogenne związane z użytkowaniem gruntów. Opisano techniki terenowe i laboratoryjne służące do pozyskiwania danych na temat skutków ekologicznych wielorakich działań związanych z użytkowaniem gruntów. Pokrótce opisujemy techniki modelowania do tworzenia modeli skumulowanych efektów opartych na krajobrazie. Na koniec omówiliśmy, w jaki sposób włączyć modele skumulowanych skutków do ram analizy scenariuszy i wykazać użyteczność tej metodologii we wspomaganiu decyzji regulacyjnych (np. pozwoleń i rekultywacji) w intensywnie wydobywanym dziale wodnym w południowej Wirginii Zachodniej.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

1. Miejsca docelowe do uwzględnienia w ocenie zlewni

  1. Zidentyfikuj dominujące rodzaje użytkowania terenu w obrębie docelowego 8-cyfrowego kodu jednostki hydrologicznej (HUC) zlewni, które wpływają na stan fizykochemiczny i biologiczny3, 7.
    Uwaga: Niniejsza metodologia zakłada wcześniejszą wiedzę na temat istotnych stresorów w obrębie analizowanej zlewni. Jednakże konsultacje z organami regulacyjnymi lub grupami zajmującymi się zlewniami, które znają dany system, mogą pomóc w tym procesie.
  2. Wybierz miary użytkowania terenu w skali krajobrazowej [np. National Land Cover Database (NLCD) z 2011 r.] 3, 7.
    1. Przeanalizuj opublikowaną literaturę, aby pomóc w identyfikacji najlepszych miar krajobrazowych dla każdego rodzaju użytkowania terenu10. Skontaktuj się z agencjami zajmującymi się zasobami naturalnymi, aby zidentyfikować i pozyskać regionalne zestawy danych krajobrazowych dostępnych do użytku. Może jednak okazać się konieczne stworzenie nowych zmiennych lub zestawów danych krajobrazowych.
  3. Ztabuluj atrybuty pokrycia i użytkowania terenu dla zlewni z krajowego zestawu danych hydrograficznych (NHD) w skali 1:24 000 lub 1:100 000, korzystając z oprogramowania do systemów informacji geograficznych (GIS).
    1. Upewnij się, że każda zlewnia w skali 1:24 000 lub 1:100 000 posiada unikalny identyfikator. Jako unikalny identyfikator można zastosować dowolny zdefiniowany przez użytkownika identyfikator numeryczny lub kategoryczny.
    2. Ztabuluj dane wektorowe (np. punkty lub linie) znajdujące się w obrębie każdej zlewni.
      1. Podsumuj wszystkie obiekty wektorowe w obrębie każdej zlewni, korzystając z narzędzia Tabulate Intersection w zestawie narzędzi Statistics z narzędziowni Analysis. Wybierz warstwę zlewni NHD jako Input Zone Feature, unikalny identyfikator zlewni jako Zone Field oraz interesujący zestaw danych wektorowych jako Input Class Feature.
      2. Dołącz ztabulowane atrybuty krajobrazowe do warstwy zlewni. Kliknij prawym przyciskiem myszy warstwę zlewni w spisie treści, wybierz z menu rozwijanego opcję Joins and Relates, a następnie z kolejnego menu opcję Join. Wybierz unikalny identyfikator jako pole, na którym zostanie oparty join, tabelę wynikową z kroku 1.3.2.1 jako tabelę do dołączenia oraz unikalny identyfikator jako pole w tabeli, na którym zostanie oparty join.
    3. Ztabuluj dane rastrowe, korzystając z narzędzia Tabulate Area znajdującego się w zestawie narzędzi Zonal narzędziowni Spatial Analyst.
      1. Wczytaj rozszerzenie Spatial Analyst. Wybierz Extensions z menu Customize. W oknie dialogowym Extensions zaznacz pole odpowiadające rozszerzeniu Spatial Analyst.
      2. W oknie dialogowym Tabulate Area wybierz plik shapefile zlewni NHD jako dane wejściowe rastra lub strefy obiektów (input raster or feature zone data), unikalny identyfikator (np. FEATUREID) jako pole strefy (zone field) oraz zestaw danych pokrycia terenu (np. NLCD) jako dane wejściowe rastra lub klasy obiektów (input raster or feature class data).
      3. Dołącz ztabulowane atrybuty krajobrazowe do warstwy zlewni zgodnie z protokołami w kroku 1.3.2.2, przyjmując tabelę wyników tabulacji obszaru jako tabelę dołączenia.
  4. Zaakumuluj atrybuty krajobrazowe dla wszystkich zlewni NHD.
    1. Pobierz narzędzie NHDPlusV2 Catchment Attribute Allocation and Accumulation Tool (CA3TV2) ze strony http://www2.epa.gov/waterdata/nhdplus-tools. Użyj funkcji akumulacji narzędzia CA3TV2 do akumulacji atrybutów dla zlewni NHD w skali 1:100 000 11.
      Uwaga: Użyliśmy specjalnie napisanego kodu, który akumuluje atrybuty krajobrazowe dla zlewni NHD w skali 1:24 00012. Szczegółowe instrukcje dotyczące korzystania z CA3TV2 są zintegrowane z narzędziem i dostępne za pomocą funkcji Help.
  5. Wybierz zlewnie NHD jako obszary badań na podstawie zaakumulowanych atrybutów krajobrazowych.
    1. Utwórz wykres punktowy wszystkich zlewni NHD w odniesieniu do zaakumulowanych wartości głównych rodzajów użytkowania terenu (Rycina 1A).
    2. Wybierz obszary badań (około 40 stanowisk na jedną 8-cyfrową zlewnię HUC), aby reprezentowały pełny zakres wpływu dominujących rodzajów użytkowania terenu występujących w docelowej zlewni (Rycina 1B). Wybierz stanowiska w obrębie niezależnych gradientów stresorów (tj. pod wpływem jednego rodzaju użytkowania terenu) oraz kombinacji stresorów (tj. pod wpływem wielu rodzajów użytkowania terenu) (Rycina 1B).
    3. Upewnij się, że obszary badań są rozmieszczone przestrzennie w całej docelowej zlewni i są od siebie niezależne pod względem odpływu w dół rzeki. Upewnij się, że stanowiska w obrębie każdego indywidualnego i połączonego gradientu stresorów mają również podobne średnie powierzchnie dorzeczy.

Analiza danych z górnictwa powierzchniowego; wykresy rozproszone przedstawiające kombinacje stresorów w stosunku do gęstości struktury.
Rysunek 1. Hipotetyczny wykres rozproszony zlewni NHD w odniesieniu do wpływu 2 rodzajów użytkowania terenu. Wielkość wpływu 2 rodzajów użytkowania terenu we wszystkich zlewniach NHD w obrębie hipotetycznego dorzecza (n=4,229) (A). Wybrane obszary badawcze (n=40), które reprezentują pełen zakres zaobserwowanych warunków w dorzeczu w odniesieniu do niezależnych i połączonych gradientów stresorów (B). Aby zobaczyć powiększoną wersję tego rysunku, kliknij tutaj.

2. Protokoły terenowe dotyczące gromadzenia danych fizykochemicznych i biologicznych

Uwaga: Wszystkie dane dla każdego stanowiska powinny zostać zebrane podczas tej samej wizyty w terenie, w normalnych warunkach przepływu bazowego. Przedstawione tutaj protokoły stanowią standardowe procedury operacyjne Departamentu Ochrony Środowiska Wirginii Zachodniej (WVDEP)13. W przypadku oceny konkretnego zlewni może być bardziej właściwe zastosowanie procedur uznanych na poziomie stanowym lub federalnym.

  1. Wyznacz odcinek próbny dla każdego stanowiska jako 40× szerokość czynnego koryta (ACW), z długością maksymalną i minimalną wynoszącą odpowiednio 150 i 300 m3, 7.
  2. Pobierz próbki parametrów jakości wody z miejsc z płynącą wodą, które są charakterystyczne dla całego stanowiska próbnego (np. nie są bezpośrednio pod wpływem dopływów lub odpływów z rur drenarskich).
    1. Wykonaj pomiary doraźne rozpuszczonego tlenu, przewodności właściwej, temperatury i pH za pomocą czujników ręcznych. Kalibruj czujniki przed każdym poborem próbek zgodnie z instrukcjami producenta.
    2. Przepłucz sprzęt do filtracji wodą dejonizowaną przed pobraniem próbek wody.
    3. Przefiltruj 250 ml wody (membrana z mieszanego estru celulozy, rozmiar porów 0,45 µm) do analizy metali rozpuszczonych. Dostosuj pH do poziomu <2, aby zapewnić pozostanie metali w roztworze.
      Uwaga: Odpowiednią ilość kwasu można dodać do próbki wody po jej pobraniu. Alternatywnie, odpowiednią ilość można dodać do butelki przed pobraniem próbki. Objętość wymagana do osiągnięcia pH <2 zależy od stężenia kwasu.
      1. W opisanym tutaj badaniu pobierz jedną próbkę filtrowaną z każdego stanowiska i zakonserwuj ją kwasem azotowym w celu oznaczenia rozpuszczonego Al, Ca, Fe, Mg, Mn, Na, Zn, K, Ba, Cd, Cr, Ni i Se3, 7.
        Uwaga: Wybór analizitów powinien być podyktowany rodzajem użytkowania terenu w obrębie danego dorzecza.
    4. Pobierz próbkę(i) niefiltrowaną o objętości 250 ml, całkowicie zanurzając butelkę na próbkę w kolumnie wody. Delikatnie ściśnij butelkę, aby usunąć pozostałe powietrze, a jednocześnie zakręć butelkę nakrętką. Jeśli jest to konieczne, dostosuj pH próbki do poziomu <2 (np. aby zapobiec wpływowi aktywności biologicznej na składniki odżywcze).
      1. W opisanym tutaj badaniu pobierz dwie próbki niefiltrowane z każdego stanowiska. Pierwszą zakonserwuj kwasem siarkowym do oznaczenia NO2, NO3 oraz całkowitego P. Drugiej próbki niefiltrowanej nie konserwuj i wykorzystaj ją do oznaczenia całkowitej i wodorowęglanowej zasadowości, Cl, SO4 oraz całkowitej zawartości rozpuszczonych ciał stałych3, 7.
        Uwaga: Wybór analizitów powinien być podyktowany rodzajem użytkowania terenu w obrębie danego dorzecza.
    5. Przygotuj ślepą próbę terenową dla każdego utrwalacza użytego podczas każdego poboru próbek. Ślepe próby terenowe przygotuj, stosując wszystkie procedury pobierania próbek (t.j. płukanie, filtrowanie, konserwację), używając wody dejonizowanej jako końcowej próbki.
      Uwaga: Ślepe próby terenowe służą do identyfikacji zanieczyszczeń podczas pobierania i analizy próbek.
    6. Przechowuj wszystkie próbki wody w temperaturze 4 °C do czasu zakończenia wszystkich analiz. Upewnij się, że wszystkie analizity zostaną zmierzone w określonym czasie przechowywania14.
  3. Zmierz przepływ na każdym stanowisku poboru próbek.
    1. Podziel szerokość zwilżonego koryta strumienia na równe przedziały.
    2. Zmierz głębokość i średnią prędkość nurtu w punkcie środkowym każdego przedziału.
      1. Używając pręta pomiarowego, zmierz głębokość jako odległość od dna strumienia do powierzchni wody.
      2. Używając prądomierza, zmierz prędkość wody na wysokości 60% głębokości.
    3. Oblicz przepływ jako sumę iloczynu prędkości, głębokości i szerokości we wszystkich przedziałach.
  4. Pobierz próbki zbiorowiska makrobezkręgowców na każdym stanowisku.
    1. Pobierz próbki metodą „kick-sampling” (sieć o wymiarach 335 × 508 mm2 z oczkiem 500 µm) z 4 oddzielnych, reprezentatywnych bystrzy rozłożonych na całej długości odcinka próbnego.
      1. W każdym miejscu poboru ustaw sieć prostopadle do nurtu strumienia i zmąć obszar dna strumienia o wymiarach 0,50 × 0,50 m2 (t.j. 0,25 m2) bezpośrednio powyżej sieci. Upewnij się, że wszystkie organizmy i detrytus spływają z prądem do sieci.
      2. Połącz organizmy i detrytus z 4 próbek w jedną próbkę zbiorczą (reprezentującą 1,00 m2 dna strumienia) i natychmiast zakonserwuj 95% etanolem.
  5. Zmierz jakość i złożoność fizyczną siedliska na całym odcinku strumienia.
    1. Wykonaj pomiary głębokości wody, typu jednostki hydraulicznej koryta, klasy osadu oraz odległości do obiektu stanowiącego schronienie dla ryb w równomiernie rozmieszczonych punktach wzdłuż talwega (części strumienia, przez którą przepływa główny lub najszybszy nurt). Wykonuj pomiary co 1 ACW dla strumieni o szerokości <5 m i co 0,5 ACW dla strumieni o szerokości >5 m15.
      1. Zaklasyfikuj jednostkę koryta, w której znajduje się każdy punkt talwega (np. bystrze, przełom, dołek lub obszar gładkiego nurtu)16.
      2. Używając pręta pomiarowego, zmierz głębokość jako odległość od dna strumienia do powierzchni wody.
      3. Losowo wybierz fragment osadu i określ jego klasyfikację wielkości według skali Wentwortha (muł, piasek, żwir, otoczaki, głazy)17.
      4. Oszacuj odległość od każdego punktu talwega do najbliższego obiektu stanowiącego schronienie.
        Uwaga: Schronienie dla ryb definiuje się jako każdą strukturę w czynnym korycie zdolną do ukrycia ryby o długości 20,32 cm (8 in)18.
    2. Policz wszystkie kawałki dużego detrytusu drewnianego w czynnym korycie.
    3. Oszacuj jakość siedliska zgodnie z protokołami szybkich wizualnych ocen siedliska (RVHA) Amerykańskiej Agencji Ochrony Środowiska (EPA)19.
  6. Wykonaj powtórne pomiary i pobierz dublety próbek z losowo wybranych 10% stanowisk badawczych. Pomiary powtórzone służą do oceny precyzji pobierania próbek i analiz laboratoryjnych.

3. Protokoły laboratoryjne dla danych fizykochemicznych i biologicznych

Uwaga: Opis protokołów laboratoryjnych służących do ilościowego oznaczania parametrów chemicznych wody wykracza poza zakres niniejszego artykułu. Niemniej jednak w obecnym badaniu zastosowano standardowe metody chemiczne analizy wody i odpadów14.

  1. Pobierz podpróbki organizmów z każdej próbki makrobezkręgowców (pobranej zgodnie z protokołami w sekcji 2.4), aby uzyskać reprezentatywną podpróbkę zespołu makrobezkręgowców dla każdego stanowiska.
    1. Umieść całą zbiorczą próbkę makrobezkręgowców na siatce sortującej o powierzchni 100 in2 (wymiary 5 × 20 in2). Każdemu polu siatki o powierzchni 1 in2 przypisz losowo numer od 1 do 100.
    2. Za pomocą stereomikroskopu policz i zidentyfikuj wszystkie organizmy w losowo wybranych polach o powierzchni 1 in2, aż całkowita liczba posortowanych osobników wyniesie 200 ± 20%. Zidentyfikuj organizmy do poziomu rodzaju, korzystając z kluczy do makrobezkręgowców, takich jak opracowania opublikowane przez Merritt i Cummins20.
    3. Zestaw dane o liczebności na poziomie rodzaju w wskaźniki zespołu [np. całkowitą bogactwo gatunkowe oraz % Ephemeroptera, Plecoptera i Trichoptera (EPT)], aby wykorzystać je jako zmienne objaśniające w modelach statystycznych i późniejszej analizie scenariuszy3, 7.

4. Analizy statystyczne i scenariuszowe

  1. Opracuj uogólnione modele liniowe służące do przewidywania parametrów fizycznych, chemicznych i biologicznych w korycie strumienia na podstawie wskaźników krajobrazowych dominujących form użytkowania terenu.
    Uwaga: Protokoły i analizy zostały przeprowadzone w języku i środowisku R do obliczeń statystycznych (wersja 3.2.1)21.
    1. Przeprowadź testy normalności za pomocą testu Shapiro-Wilka [funkcja shaprio.test() w pakiecie R stats21] i przekształć zmienne, aby spełniały założenia analiz parametrycznych oraz zlinearyzuj relacje.
    2. Dopasuj początkowe modele maksymalne określające oddziaływania dwukierunkowe pomiędzy wszystkimi predyktorami użytkowania terenu [funkcja glm() w pakiecie R stats21].
    3. Zastosuj procedurę usuwania wstecznego (backward deletion), aby zidentyfikować minimalny adekwatny model3, 7, 22.
      1. Zidentyfikuj zmienną najmniej istotną (t.j. wyjaśniającą najmniejszą część wariancji) w modelu maksymalnym [funkcja summary() w pakiecie R stats21] i dopasuj nowy model z wyłączeniem tej zmiennej [funkcja glm () w pakiecie R stats21].
      2. Kontynuuj usuwanie zmiennych do momentu, aż wszystkie pozostałe predyktory będą istotnie różne od 0, a moc wyjaśniająca nie będzie różnić się istotnie od modelu maksymalnego dla każdej zmiennej odpowiedzi, korzystając z tabel analizy dewiancji oraz testów ilorazu wiarygodności [funkcja lrtest() w pakiecie R lmtest23].
  2. Przewiduj aktualne warunki.
    1. Wykorzystaj końcowe modele do przewidywania stanu fizykochemicznego i biologicznego na podstawie aktualnych charakterystyk krajobrazu w obrębie wszystkich nieprzebadanych zlewni NHD w całej docelowej zlewni [funkcja predict() w pakiecie R stats21].
    2. Zwizualizuj prognozy w oprogramowaniu GIS.
      1. Połącz prognozy ze zlewniami NHD. Kliknij prawym przyciskiem myszy warstwę zlewni w spisie treści, wybierz z menu rozwijanego opcję Joins and Relates, a następnie z kolejnego menu opcję Join. Wybierz unikalny identyfikator jako pole, na którym zostanie oparty łącznik, plik z prognozami jako tabelę do połączenia oraz unikalny identyfikator jako pole w tabeli, na którym zostanie oparty łącznik.
      2. Kliknij prawym przyciskiem myszy warstwę zlewni i wybierz Properties. W oknie dialogowym Właściwości warstwy kliknij kartę Symbology i wybierz Quantities. Wybierz interesującą Cię przewidywaną wartość jako pole Value i kliknij Apply.
        Uwaga: Wartości zakresów można zmienić ręcznie, aby dopasować je do uznanych kryteriów ekologicznych, korzystając z przycisku Classify.
  3. Przeprowadź analizy scenariuszowe, aby porównać przewidywane zmiany w warunkach wodnych w różnych scenariuszach użytkowania terenu.
    1. Zaktualizuj aktualny zestaw danych krajobrazowych, aby zasymulować prawdopodobne przyszłe scenariusze rozwoju lub łagodzenia skutków. W przypadku opisanego tutaj badania ręcznie zaktualizuj skumulowane wartości krajobrazowe dla interesującej zlewni w tabeli atrybutów (np. zmień 10 akrów terenu zalesionego na teren wydobywczy).
      1. Wybierz interesującą zlewnię za pomocą funkcji Select by Attribute znajdującej się w menu rozwijanym Selection. W oknie dialogowym Select by Attribute wybierz zlewnie NHD jako Warstwę (Layer). Kliknij dwukrotnie atrybut unikalnego identyfikatora, wybierz =, a następnie wpisz identyfikator interesującej zlewni w polu równania.
      2. Otwórz tabelę atrybutów zlewni NHD, klikając prawym przyciskiem myszy warstwę zlewni w spisie treści i wybierając z menu rozwijanego opcję Open Attribute Table. Wybierz opcję wyświetlania tylko wybranych zlewni.
      3. Przy wyświetlonych tylko wybranych zlewniach kliknij prawym przyciskiem myszy interesującą kolumnę, wybierz Field Calculator i wprowadź nową symulowaną wartość. Uwaga: Można zmodyfikować wiele zlewni, aby zasymulować wiele przestrzennie określonych działań rozwojowych lub zarządczych zachodzących w dużych skalach przestrzennych.
        Uwaga: Alternatywnie, oryginalne zestawy danych wektorowych i rastrowych można zaktualizować poprzez digitalizację nowych obiektów lub modyfikację i usuwanie oryginalnych obiektów, aby zasymulować nową aktywność w zakresie użytkowania terenu lub zarządzanie istniejącym wpływem użytkowania terenu24. Można to osiągnąć za pomocą paska narzędzi Editor.
    2. Ponownie przydziel i skumuluj atrybuty krajobrazowe dla wszystkich zlewni NHD, stosując protokoły przedstawione w krokach 1.3-1.4.
    3. Przewiduj stan fizykochemiczny i biologiczny jako funkcję zaktualizowanego zestawu danych krajobrazowych [funkcja predict() w pakiecie R stats21].
    4. Zwizualizuj przewidywane warunki w alternatywnych scenariuszach użytkowania terenu, stosując protokoły przedstawione w kroku 4.2.2.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Wybrano czterdzieści zlewni NHD w skali 1:24 000 jako obszary badań w dorzeczu rzeki Coal River w Wirginii Zachodniej (Rysunek 2). Obszary badań wybrano tak, aby obejmowały różny zakres wpływu górnictwa odkrywkowego (% powierzchni terenu24), zabudowy mieszkalnej [gęstość zabudowy (no./km2)] oraz górnictwa podziemnego [gęstość pozwoleń krajowego systemu eliminacji zrzutów zanieczyszczeń (NPDES) (no./km2)], tak aby każda z głównych form użyt...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Zapewniamy ramy oceny i zarządzania skumulowanymi skutkami wielu działań związanych z użytkowaniem gruntów w silnie dotkniętych zlewniach. Podejście opisane w niniejszym dokumencie odnosi się do wcześniej zidentyfikowanych ograniczeń związanych z zarządzaniem systemami wodnymi w silnie dotkniętych zlewniach5-6. Przede wszystkim projekt ukierunkowanej oceny zlewni (tj. próbkowanie wzdłuż indywidualnych i połączonych osi stresorów) generuje dane, które dobrze nadają się do ilościowego określania złożony...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy nie mają nic do ujawnienia.

Podziękowania

Dziękujemy licznym pomocnikom terenowym i laboratoryjnym, którzy byli zaangażowani w różne aspekty tej pracy, szczególnie Donnie Hartman, Aaronowi Maxwellowi, Ericowi Millerowi i Alison Anderson. Finansowanie tego badania zostało zapewnione przez US Geological Survey dzięki wsparciu Agencji Ochrony Środowiska USA (EPA) Region III. Badanie to zostało częściowo opracowane w ramach umowy o pomocy stypendialnej Science To Achieve Results o numerze FP-91766601-0 przyznanej przez amerykańską Agencję Ochrony Środowiska. Chociaż badania opisane w tym artykule zostały sfinansowane przez amerykańską Agencję Ochrony Środowiska (EPA), nie zostały poddane wymaganej przez agencję ocenie wzajemnej i politycznej, a zatem niekoniecznie odzwierciedlają poglądy agencji i nie należy wnioskować o jej oficjalnym poparciu.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Zestaw do pobierania próbek odwróconychWildco3-425-N56
Kwadratowe słoiki HDPEUS Plastic Corp6618832 uncje; do przechowywania stałych, złożonych próbek bezkręgowców
Alkohol etylowy 190 ProofPHARMCO-AAPER111000190Do mocowania i przechowywania próbek bezkręgowców
o wymiarach 5 cali na 20 cali. Siatka do subpróbkowania makrobezkręgowcówNIENie dotyczy Tego elementu nie można kupić i należy go wykonać we własnym zakresie
Mikroskop stereoskopowy Stemi 2000 ze stojakiem C LEDZEISS000000-1106-133Do sortowania i identyfikacji makrobezkręgowców
Thermo Scientific Nalgene Uchwyty filtrów wielokrotnego użytku z odbiornikiemFisher Scientific09-740-23A Membrana
transferowa Immobilon-NCMilliporeHATF04700Ekspery z mieszanej celulozy bez trytonu, 0,45  μ m, 47  mm, tarcza
Actron Pompa próżniowa Zestaw odpowietrzania hamulcówZaawansowane części samochodoweCP7835
Roztwór kwasu azotowegoHACH2540491:1, 500  ml
Podłużne butelki NDPE z szerokim otworemThomas Scientific1229Z38250 ml; do pobierania próbek wody
650 Wyświetlacz wieloparametrowy, pamięć standardowaFondriest Environmental650-01
600XL Sonda z czujnikiem temperatury/przewodnościFondriest Pakiet
środowiskowegoFondriest Environmental603824Po 2 litry wzorca przewodności pH 4, 7 i 10
Fondriest Environmental0652701 kwarta, 1,000 i mikro; S
Flo-Mate 2000TTT Środowisko2000-11
Keson Angielski/Metryczny Otwarta szpula Taśma z włókna szklanegoDostawcy leśnictwa40025300'/100 m
ArcGIS 10.3.1ESRI
luzem DOTYCZY do kalibracji pH 065862

Bibliografia

  1. Allan, J. D. Landscapes and riverscapes: the influence of land use on stream ecosystems. Annu. Rev. Ecol. Evol. Syst. 35, 257-284 (2004).
  2. Merovich, G. T., Petty, J. T., Strager, M. P., Fulton, J. B. Hierarchical classification of stream condition: a house-neighborhood framework for establishing conservartion priorities in complex riverscapes. Freshwater Science. 32, 874-891 (2013).
  3. Merriam, E. R., Petty, J. T., Strager, M. P., Maxwell, A. E., Ziemkiewicz, P. F. Scenario analysis predicts context-dependent stream response to land use change in a heavily mined central Appalachian watershed. Freshwater Science. 32, 1246-1259 (2013).
  4. Petty, J. T., Fulton, J. B., Strager, M. P., Merovich, G. T., Stiles, J. M., Ziemkiewicz, P. F. Landscape indicators and thresholds of stream ecological impairment in an intensively mined Appalachian watershed. J. N. Am. Benthol. Soc. 29, 1292-1309 (2010).
  5. Seitz, N. E., Westbrook, C. J., Noble, B. F. Bringing science into river systems cumulative effects assessment practice. Environ. Impact Asses. 31, 172-179 (2011).
  6. Duinker, P. N., Greig, L. A. The importance of cumulative effects assessment in Canada: ailments and ideas for redeployment. Environ. Manage. 37, 153-161 (2006).
  7. Merriam, E. R., Petty, J. T., Strager, M. P., Maxwell, A. E., Ziemkiewicz, P. F. Landscape-based cumulative effects models for predicting stream response to mountaintop mining in multistressor Appalachian watersheds. Freshwater Science. 34, 1006-1019 (2015).
  8. Duinker, P. N., Greig, L. A. Scenario analysis in environmental impact assessment: improving explorations of the future. Environ. Impact Asses. 27, 206-219 (2007).
  9. Kepner, W. G., Ramsey, M. M., Brown, E. S., Jarchow, M. E., Dickinson, K. J. M., Mark, A. F. Hydrologic futures: using scenario analysis to evaluate impacts of forecasted land use change on hydrologic services. Ecosphere. 3, 1-25 (2012).
  10. Gergel, S. E., Turner, M. G., Miller, J. R., Melack, J. M., Stanley, E. H. Landscape indicators of human impacts to riverine systems. Aquat. Sci. 64, 118-128 (2002).
  11. McKay, L., Bondelid, T., Dewald, T., Johnston, J., Moore, R., Rea, A. NHDPlus Version 2: User Guide. , (2012).
  12. Strager, M. P., Petty, J. T., Strager, J. M., Barker-Fulton, J. A spatially explicit framework for quantifying downstream hydrologic conditions. J. Environ. Manag. 90, 1854-1861 (2009).
  13. WVDEP (Virginia Department of Environmental Protection). Standard operating proceedures. , West Virgina Department of Environmental Protection. Charleston, West Virginia. (2009).
  14. EPA-60014-79-020. USEPA. Methods for chemical analysis of water and wastes. , Environmental Monitoring Systems Support Laboratory, Office of Research and Development, US Environmental Protection Agency. Cincinnati, Ohio. (1983).
  15. Merriam, E. R., Petty, J. T., Merovich, G. T., Fulton, J. B., Strager, M. P. Additive effects of mining and residential development on stream conditions in a central Appalachian watershed. J. N. Am. Benthol. Soc. 30, 399-418 (2011).
  16. Bisson, P. A., Nielsen, J. L., Palmason, R. A., Grove, L. E. A system of naming habitat types in streams, with examples of habitat utilization by salmonids during low streamflow. Acquisition and utilization of aquatic habitat inventory information. Proceedings of a symposium held 28-30 October, 1981. Armentrout, N. D. , Western Division of the American Fisheries Society. Bathesda, Maryland. 62-73 (1982).
  17. Wentworth, C. K. A scale of grade and class terms for clastic sediments. J. Geol. 30, 377-392 (1922).
  18. Petty, J. T., Freund, J., Lamothe, P., Mazik, P. Quantifying instream habitat in the upper Shavers Fork basin at multiple spatial scales. Proceedings of the Annual Conference of the Southeastern Association of Fisheries and Wildlife Agencies. 55, 81-94 (2001).
  19. Barbour, M. T., Gerritsen, J., Snyder, B. D., Stribling, J. B. EPA/841-B-99-022. Rapid bioassessment protocols for use in streams and wadeable rivers: periphyton, benthic macroinvertebrates, and fish. 2nd edition. , US Environmental Protection Agency. Washington, DC. (1999).
  20. An introduction to the aquatic insects of North America. 4th edition. Merritt, R. W., Cummins, K. W. , Kendall/Hunt Publishing Co. Dubuque, Iowa. (2008).
  21. A language and environment for statistical computing. , R Foundation for Statistical Computing. Vienna, Austria, http://www.R-project.org. Available from: http://www.R-project.org (2014).
  22. Crawley, M. J. Statistics: an introduction using R. , Wiley and Sons. Chichester, UK. (2005).
  23. Zeileis, A., Hothorn, T. Diagnostic Checking in Regression Relationships. R News. 2, 7-10 (2002).
  24. Maxwell, A. E., Strager, M. P., Yuill, C., Petty, J. T., Merriam, E. R., Mazzarella, C. Disturbance mapping and landscape modeling of mountaintop mining using ArcGIS. Proceedings of the ESRI International User Conference. , San Diego, California. (2011).
  25. Gerritsen, J., Burton, J., Barbour, M. T. A stream condition index for West Virginia wadeable streams. , Tetra Tech, Inc. Owings Mills, Maryland. (2000).
  26. Pond, G. J., Passmore, M. E., Borsuk, F. A., Reynolds, L., Rose, C. J. Downstream effects of mountaintop coal mining: comparing biological conditions using family- and genus-level macroinvertebrate bioassessment tools. J. N. Am. Benthol. Soc. 27, 717-737 (2008).
  27. Luo, Y., et al. Ecological forecasting and data assimilation in a data-rich era. Ecol. Appl. 21, 1429-1442 (2011).
  28. Petty, J. T., Strager, M. P., Merriam, E. R., Ziemkiewicz, P. F. Scenario analysis and the Watershed Futures Planner: predicting future aquatic condiditons in an intensively mined Appalachian watershed. Environmental Considerations in Energy Productions. Craynon, J. R. , Society for Mining, Metallurgy, and Exploration. Englewood, CO. 5-19 (2013).
  29. Daraio, J. A., Bales, J. D. Effects of land use and climate change on stream temperature I: daily flow and stream temperature projections. J. Am. Water Resour. As. 50, 1155-1176 (2014).
  30. Mantyka-Pringle, C. S., Martin, T. G., Moffatt, D. B., Linke, S., Rhodes, J. R. Understanding and predicting the combined effects of climate change and land-use change on freshwater macroinvertebrates and fish. J. Appl. Ecol. 51, 572-581 (2014).
  31. Piggott, J. J., Townsend, C. R., Matthaei, C. D. Climate warming and agricultural stressors interact to determine stream macroinvertebrate community dynamics. Glob. Change Biol. 21, 1897-1906 (2015).
  32. Elith, J., Leathwick, J. R., Hastie, T. A working guide to boosted regression trees. J. Anim. Ecol. 77, 802-813 (2008).
  33. Mattson, K. M., Angermeier, P. L. Integrating human impacts and ecological integrity into a risk-based protocol for conservation planning. Environ. Manage. 39, 125-138 (2007).
  34. EPA 841-B-11-002. USEPA. Identifying and protecting healthy watersheds. Concepts, assessments, and management approaches. (US, U. S. E. P. A. , US Environment Protection Agency, Office of Water, Office of Wetlands, Oceans, and Watersheds. Washington, DC. (2012).
  35. Merriam, E. R., Petty, J. T., Strager, M. P., Maxwell, A. E., Ziemkiewicz, P. F. Complex contaminant mixtures in multi-stressor Appalachian riverscapes. Environ. Toxicol. Chem. , (2015).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

Modele efektów kumulatywnychocena w oparciu o krajobrazdziałalność związana z użytkowaniem gruntówanaliza GISmodelowanie statystycznesystemy wodnezarządzanie zasobamianaliza zlewni pomocniczych
Planowanie działu wodnego w ramach ilościowej analizy scenariuszy
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.