BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  22,931,472
  • Công bố khoa học và công nghệ Việt Nam

Thuỷ văn; Tài nguyên nước

Đỗ Thị Nhung(1), Nguyễn Thị Diễm My, Nguyễn Thị Hồng, Bùi Quang Thành, Lưu Thị Phương Mai, Phạm Văn Mạnh(2)

Ước tính định lượng rủi ro ô nhiễm nước mặt dựa trên dữ liệu viễn thám quang học và phương pháp phân tích đa tiêu chí

Estimation risk of surface water pollution based on optical remote sensing data and multi-criteria decision analysis method

Tạp chí Khoa học - Đại học Sư phạm TP Hồ Chí Minh

2021

12

2283-2296

1859-3100

Đông Triều – Uông Bí, Viễn thám, Ô nhiễm nước mặt, Chỉ số chất lượng nước

Dong Trieu – Uong Bi, Remote sensing, Surface water pollution, Water quality index

Ô nhiễm nước mặt là một trong những vấn đề môi trường mà các quốc gia trên thế giới đang phải đối mặt. Khu vực Uông Bí – Đông Triều, tỉnh Quảng Ninh hiện đang phải đối mặt với những thách thức như vậy. Dữ liệu viễn thám có khả năng cung cấp nhanh những thông tin về chất lượng nước và giám sát nước mặt hiệu quả hơn. Nghiên cứu phân tích liên quan đến: (1) Phân tích sự thay đổi chất lượng nước mặt ở khu vực Uông Bí – Đông Triều giai đoạn 2000-2020; (2) Lựa chọn mô hình ước tính chỉ số đánh giá chất lượng nước từ dữ liệu viễn thám; và (3) Đánh giá định lượng rủi ro ô nhiễm nước mặt tại khu vực nghiên cứu. Kết quả cho thấy, các chỉ số (BOD5, COD, TSS) dự đoán có hệ số R2 tương đối tốt đều có giá trị trên 0,75. Trong đó, mức độ Rủi ro cao đối với ô nhiễm nước mặt tăng từ 8% năm 2000 lên 16% năm 2020 và tỉ lệ gia tăng của khu vực Rủi ro rất cao lần lượt từ 3% lên 10%. Nghiên cứu này nhấn mạnh việc sử dụng dữ liệu viễn thám đa thời gian kết hợp với số liệu đo đạc hiện trường có thể theo dõi các chỉ số đánh giá chất lượng mặt ở sông suối và ao hồ. Hơn nữa, nghiên cứu hiện tại có thể áp dụng cho các khu vực nước mặt ở quy mô rộng hơn.

Surface water pollution is one of the environmental problems that countries around the world are facing. The Uong Bi – Dong Trieu area, Quang Ninh province is currently facing such challenges. Remote sensing data can quickly provide information on surface water quality and monitor water quality more effectively. The analysis research involves: (1) analysis of changes in surface water quality in the Uong Bi - Dong Trieu area in the period 2000-2020, (2) select a model to estimate water quality assessment index from remote sensing data; and (3) quantitative assessment of surface water pollution risks in the research area. The results show that the predictive coefficients of determination (R2) for water quality (BOD5, COD, and TSS) are higher than 0.75 in all three parameters. In particular, the area with high-risk to surface water pollution increased from 8% in 2000 to 16% in 2020, and the increasing percentage for the area with very high-risk was from 3% to 10%, respectively. This study emphasizes the use of multi-temporal remote sensing data with field measurements that can monitor several surface quality indicators in rivers, streams, and lakes. Furthermore, this study can be applied to surface waters on a broader scale.

TTKHCNQG, CTv 138

Xem toàn văn
  • [1] Zhu, H., Zhou, J., Song, T., Feng, H., Liu, Z., Liu, H., & Ren, X. (2020), Influences of natural and anthropogenic processes on the groundwater quality in the Dagujia River Basin in Yantai, China.,Journal of Water Supply: Research and Technology-Aqua 69, 184-196. https://doi.org/10.2166/aqua.2019.113
  • [2] Wang, X., Xie, S., Zhang, X., Chen, C., Guo, H., Du, J., & Duan, Z. (2018), A robust Multi-Band Water Index (MBWI) for automated extraction of surface water f-rom Landsat 8 OLI imagery.,International Journal of Applied Earth Observation and Geoinformation 68, 73-91. https://doi.org/10.1016/j.jag.2018.01.018
  • [3] Wang, G., Li, J., Sun, W., Xue, B., A, Y., & Liu, T. (2019), Non-point source pollution risks in a drinking water protection zone based on remote sensing data embedded within a nutrient budget model,Water Research 157, 238-246. https://doi.org/10.1016/j.watres.2019.03.070
  • [4] Tahiru, A. A., Doke, D. A., & Baatuuwie, B. N. (2020), Effect of land use and land cover changes on water quality in the Nawuni Catchment of the White Volta Basin, Northern Region, Ghana,Appl Water Sci 10, 198. https://doi.org/10.1007/s13201-020-01272-6
  • [5] Pham, V. M., Pham, M. T., Du, V. V. Q., Bui, Q. T., Tran, V. A., Pham, M. H., & Nguyen, N. T. (2019), Integrating Sentinel-1A SAR data and GIS to estimate aboveground biomass and carbon accumulation for tropical forest types in Thuan Chau district, Vietnam.,Remote Sensing Applications: Society and Environment 14, 148-157. https://doi.org/10.1016/j.rsase.2019.03.003
  • [6] Pahlevan, N., Chittimalli, S. K., Balasubramanian, S. V., Vellucci, V. (2019), Sentinel-2/Landsat-8 product consistency and implications for monitoring aquatic systems,Remote Sensing of Environment 220, 19-29. https://doi.org/10.1016/j.rse.2018.10.027
  • [7] Oladipo, J. O., Akinwumiju, A. S., Aboyeji, O. S., & Adelodun, A. A. (2021), Comparison between fuzzy logic and water quality index methods: A case of water quality assessment in Ikare community, Southwestern Nigeria,Environmental Challenges 3, 100038. https://doi.org/10.1016/j.envc.2021.100038
  • [8] Nguyen, T. B. P., Dang, P. V. T., Nguyen, B. D., Nguyen, C. N. (2017), Remote Sensing for Monitoring Surface Water Quality in the Vietnamese Mekong Delta: The Application for Estimating Chemical Oxygen Demand in River Reaches in Binh Dai, Ben Tre.,TCCKHVTD 39, 256-268. https://doi.org/10.15625/0866-7187/39/3/10270
  • [9] Mohammad, G., Melesse, A., & Reddi, L. (2016), A Comprehensive Review on Water Quality Parameters Estimation Using Remote Sensing Techniques,Sensors 16, 1298. https://doi.org/10.3390/s16081298
  • [10] Mamun, M., Kim, J. Y., & An, K. G. (2021), Multivariate Statistical Analysis of Water Quality and Trophic State in an Artificial Dam Reservoir.,Water 13, 186. https://doi.org/10.3390/w13020186
  • [11] Lim, J., & Choi, M. (2015), Assessment of water quality based on Landsat 8 operational land imager associated with human activities in Korea.,Environ Monit Assess 187, 384. https://doi.org/10.1007/s10661-015-4616-1
  • [12] Liang, S., & Wang, J. (2020), Atmospheric correction of optical imagery, in: Advanced Remote Sensing,Elsevier, 131-156. https://doi.org/10.1016/B978-0-12-815826-5.00004-0
  • [13] Khan, A., Khan, H. H., & Umar, R. (2017), Impact of land-use on groundwater quality: GIS-based study f-rom an alluvial aquifer in the western Ganges basin,Appl Water Sci 7, 4593-4603. https://doi.org/10.1007/s13201-017-0612-7
  • [14] Huang, C., Chen, Y., Zhang, S., & Wu, J. (2018), Detecting, Extracting, and Monitoring Surface Water F-rom Space Using Optical Sensors: A Review.,Rev. Geophys, 56, 333-360. https://doi.org/10.1029/2018RG000598
  • [15] Hina, H., Nafees, M., & Ahmad, T. (2021), Treatment of industrial wastewater with gamma irradiation for removal of organic load in terms of biological and chemical oxygen demand.,Heliyon 7, e05972. https://doi.org/10.1016/j.heliyon.2021.e05972
  • [16] Chen, D., Elhadj, A., Xu, H., Xu, X., & Qiao, Z. (2020), A Study on the Relationship between Land Use Change and Water Quality of the Mitidja Watershed in Algeria Based on GIS and RS,Sustainability 12, 3510. https://doi.org/10.3390/su12093510
  • [17] Ac-harya, T., Subedi, A., & Lee, D. (2018), Evaluation of Water Indices for Surface Water Extraction in a Landsat 8 Scene of Nepal.,Sensors 18, 2580. https://doi.org/10.3390/s18082580