یک ابزار جدید به حفاظت و کنترل آلودگی در رودخانه گنگ کمک می کند

ویرایش شده توسط گابی کلارک، بررسی توسط اندرو زینین

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

تخمین زده می شود که روزانه 6 میلیارد لیتر (1.6 میلیارد گالن) فاضلاب تصفیه نشده به حوضه رودخانه گنگ که محل سکونت 650 میلیون نفر است، تخلیه می شود. همراه با سیل فصلی موسمی، فاضلاب و سایر آلاینده‌ها، از جمله پسماندهای کشاورزی و زباله‌های صنعتی، یک تهدید بزرگ برای سلامت عمومی ایجاد می‌کنند.

در یک مطالعه جدید به رهبری ییل، محققان یک مدل تحلیلی برای شناسایی مناطقی در امتداد یک راهروی 1330 کیلومتری (826 مایلی) و 20 کیلومتری عرض (12 مایلی) از حوضه رودخانه که بیشترین آسیب پذیری را در برابر آلودگی دارند، توسعه دادند. آنها دریافتند که مناطق شهری روی رودخانه بیشترین آسیب پذیری را دارند.

به گفته محققان، این مدل، روشی جدید برای تجسم آسیب‌پذیری آلودگی، می‌تواند به سیاست‌گذاران و طراحان منظر کمک کند تا تلاش‌های حفاظتی و کنترل آلودگی و مداخلات هدفمند، مانند ارتقای زیرساخت‌ها یا منطقه‌بندی حفاظتی را در مکان‌هایی روی رودخانه که بیشترین تأثیر را دارند، اولویت‌بندی کنند.

Anthony Acciavatti، دانشیار Diana Balmori در دانشکده معماری ییل و نویسنده اصلی این مطالعه گفت: «داده‌های خوب برای محافظت و جوان‌سازی حوضه رودخانه گنگ حیاتی است. شناسایی منابع آلودگی کافی نیست؛ ما به داده‌هایی نیاز داریم که کجا مداخلات را هدف قرار دهیم و چه نوع مداخلاتی مورد نیاز است. مدل ما می‌تواند این نوع تصمیم‌ها را هدایت کند.»

این مطالعه در مجله PLOS Water منتشر شد. Acciavatti و همکارانش اعضای آزمایشگاه Ganges of Collaborative Earth هستند، یک سازمان غیرانتفاعی که دانشمندان، مهندسان و دیگر کارشناسان را گرد هم می آورد تا راه حل های عملی برای مشکلات زیست محیطی ایجاد کنند که رفاه جوامع محلی را بهبود می بخشد.

منطقه مورد مطالعه برای تحقیقات جدید، اوتار پرادش، پرجمعیت ترین ایالت هند و مجموعه ای از مناظر شهری و کشاورزی را در بر می گیرد که خانه 235 میلیون نفر است. تجزیه و تحلیل 10 کیلومتر (6.2 مایل) در دو طرف رودخانه گنگ را پوشش داد و حدود 26600 کیلومتر مربع را در بر گرفت.

برای این مطالعه، محققان از فرآیند تحلیل سلسله مراتبی (AHP) استفاده کردند، یک روش چند معیاره که چندین فاکتور را با توجه به اهمیت نسبی آنها می سنجد. به گفته محققان، این فرآیند، هنگامی که با سنجش از دور و داده‌های مکانی همراه شود، از تجزیه و تحلیل سیستم‌های بزرگ محیطی پشتیبانی می‌کند.

در این مورد، مدل برای ارزیابی شش عامل موثر بر آسیب‌پذیری در برابر آلودگی استفاده شد: تراکم جمعیت منطقه. کاربری زمین و پوشش زمین؛ میانگین بارندگی؛ تراکم زهکشی؛ شیب توپوگرافی؛ و دمای متوسط

مدل AHP حدود 84 درصد از منطقه مورد مطالعه را به عنوان دارای آسیب پذیری کم طبقه بندی کرد، در حالی که 3.5 درصد از کریدور، متمرکز در اطراف مناطق شهری، به شدت آسیب پذیر تشخیص داده شد. آسیب‌پذیرترین مکان‌ها شهرهای واقع در سواحل رودخانه بودند، مانند بنارس، پرایاگراج و کانپور. در مقابل، این مدل نشان داد که مناظر جنگلی و کشاورزی با تراکم جمعیت نسبتا کم کمتر در برابر آلودگی آسیب‌پذیر هستند.

اما به گفته محققان، تراکم جمعیت به تنهایی آسیب پذیری در برابر آلودگی را توضیح نمی دهد. به گفته آنها، از جمله عوامل دیگری که بر آسیب پذیری تأثیر می گذارد، تراکم زهکشی منطقه یا ترکیبی از نهرها و رودخانه هایی است که در یک چشم انداز حرکت می کنند.

محققان خاطرنشان کردند در حالی که یافته‌های جدید می‌تواند به سیاست‌گذاران کمک کند تا مناطق با آسیب‌پذیری بالا را برای کاهش آلودگی، بهبود زیرساخت‌ها و نظارت بر محیط‌زیست اولویت‌بندی کنند، اما آنها همچنین مناطق کم‌آسیب‌پذیری را شناسایی می‌کنند که از برنامه‌های حفاظتی و توسعه پایدار سود می‌برند.

برای توضیح محدودیت‌های بالقوه رویکرد AHP، محققان چهار روش تحلیلی دیگر را برای مقایسه نتایج و ساخت یک تحلیل ترکیبی آزمایش کردند. کامپوزیت بخش‌هایی از رودخانه را شناسایی کرد که طبق همه مدل‌ها، به ویژه در برابر آلودگی آسیب‌پذیر هستند.

به عنوان مثال، مناطق دارای شهرها سطوح بالاتری از آسیب پذیری را در بین مدل ها داشتند. اما این کامپوزیت همچنین نشان داد که مناطق جنگلی و زراعی با تراکم جمعیت کم با افزایش بارندگی در برابر آلودگی آسیب‌پذیرتر هستند، که نشان‌دهنده نیاز به اتخاذ رویکردهای جامع برای ترسیم آسیب‌پذیری در برابر آلودگی در طول رودخانه است.

آچیاواتی، مدیر آزمایشگاه گنگ، گفت: «داده‌های مربوط به کیفیت آب و تأثیرات صنعتی و کشاورزی برای این منطقه کمیاب است. "مدل ما برای ارائه پایه ای برای ارزیابی ریسک است که می توان بر آن بنا نهاد. این اولین گام به سوی هدف حفاظت و احیای سیستم رودخانه ای است که یکی از آلوده ترین آبراه های جهان است."

Anthony Acciavatti و همکاران، مدیریت پایدار رودخانه با استفاده از فرآیند سلسله مراتبی تحلیلی بر روی داده‌های سنجش از راه دور: برآورد آسیب‌پذیری چشم‌انداز رودخانه برای Ganga، پرجمعیت‌ترین حوضه رودخانه جهان، PLOS Water (2026). DOI: 10.1371/journal.pwat.0000394

کارشناسی ارشد زبان انگلیسی، ویرایشگر کپی از سال 2021 با تجربه در آموزش عالی و محتوای بهداشتی. تقدیم به اخبار معتبر علمی. نمایه کامل →

فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →