Monitoring the Water Quality of the Karun Bozorg River Based on the IRWQIsc Index in the Spring of 2022

Alranaei, Mehrdad; Pourmanafi, Saeid; Nemati Varnosfaderany, Mohammad; Lotfi, Ali

doi:10.22108/gep.2025.140054.1622

Monitoring the Water Quality of the Karun Bozorg River Based on the IRWQIsc Index in the Spring of 2022

Document Type : Research Paper

Authors

¹ Ph.D. student of Environmental Science and Engineering, Department of Environment, Faculty of Natural Resources, Isfahan University of Technology, Isfahan, Iran

² Associate professor, Department of Environment, Faculty of Natural Resources, Isfahan University of Technology, Isfahan, Iran

³ Assistant professor, Department of Environment, Faculty of Natural Resources, Isfahan University of Technology, Isfahan, Iran

10.22108/gep.2025.140054.1622

Abstract

Abstract
This study assessed the water quality of the Karun Bozorg (greater) River, from the junction of the Dez River to the junction with the Arvand River, using the IRWQIsc index. Twelve sampling stations were established at relatively equal distances (between 25 and 35 km) based on the main access points to the river. To analyze the relationships between water quality parameters and their distribution, we employed Spearman's correlation coefficient, hierarchical cluster analysis, and land use regression using the support vector machine method. The calculated IRWQIsc values ranged from 30.65 to 48.98 within the study area. The results indicated that, with the exception of two stations (1: Dehkhoda Sugarcane Cultivation and Industry and 4: Ahvaz City Entrance) that exhibited average conditions (48.98 and 46.32, respectively), the remaining stations were in relatively poor conditions. Furthermore, BOD and electrical conductivity levels at all stations exceeded Iran's drinking water quality standards. Phosphate concentrations ranged from 0.006 to 0.021 mg/L, while ammonium levels varied from 0.4 to 2.08 mg/L, with significant increases observed at downstream stations. Spearman’s correlation analysis revealed a strong relationship between electrical conductivity and total hardness (0.81). The hierarchical clustering of the stations indicated that Stations 9 to 12 experienced the highest pollution levels, primarily due to the influx of agricultural, industrial, and urban pollutants. The land use regression analysis demonstrated an R² value of 0.78, suggesting that spatial patterns of water quality could be effectively predicted. These findings underscored the necessity for improved pollutant management and continuous monitoring to enhance the river's water quality.

Keywords: Water Resource, Water Quality Classification, Cluster Analysis, Physicochemical Parameters, Land Use Regression.

Introduction
Water bodies, particularly rivers, are vital for the sustainability and development of human societies. Therefore, maintaining water quality within permissible limits is essential, depending on the characteristics of surface water and its intended use. Previous studies on the water quality of the Karun River have typically been limited in scope, focusing on a small number of sampling stations primarily located around major cities like Ahvaz and Khorramshahr. As a result, they fail to capture the changes occurring along the entire length of the Karun Bozorg (greater) River. This river, which extends from the junction of the Dez and Karun Rivers to the junction with the Arvand River, is crucial for supplying water to cities, villages, large industries, fisheries, and agricultural activities. Given the fluctuations in water volume over the past few years, this study aimed to achieve the following objectives: (1) to map and display the current status and spatial variations of water quality parameters along the Karun Bozorg River, (2) to investigate the relationships between these water quality parameters, and (3) to cluster sampling stations based on their water quality.

Materials & Methods
In this study, the water quality index of the Karun Bozorg River was calculated by establishing 12 sampling stations at relatively equal distances from one another based on the main access points to the river—from the Dez River inlet to the outlet at the Arvand River. Sampling was conducted on May 13, 2022, during which 11 parameters were measured: BOD5, COD, Electrical Conductivity (EC), Dissolved Oxygen Percentage (DO%), turbidity, Total Water Hardness (TWH), phosphate, nitrate, ammonium, temperature, and pH. To analyze the relationships among the measured parameters, Spearman's correlation coefficient was employed to group them based on their degree of similarity. Hierarchical cluster analysis was then utilized to categorize the sampling stations. Additionally, to visualize the spatial distribution of water quality in the Karun River, land use regression was conducted using the support vector machine method in R software. For this analysis, Bands 1 to 7 of Sentinel 2 satellite images, which were captured from the study area at 2-day intervals, were utilized. Given the limited number of sampling stations, the data collected from all stations were used for modeling and validation. The accuracy of the constructed model was assessed using R² and RMSE statistics.

Research Findings
The assessment of water quality in the Karun Bozorg River revealed significant insights based on the IRWQIsc index, with calculated values ranging from 30.65 to 48.98 across 12 sampling stations. Notably, only two stations (1: Dehkhoda Sugarcane Cultivation and Industry and 4: Ahvaz City Entrance) demonstrated an average status (48.98 and 46.32, respectively), while the remaining stations were classified as being in relatively poor conditions. Key findings included:

BOD and EC: All sampling stations exhibited BOD and EC levels that exceeded Iran's drinking water quality standards, indicating serious concerns regarding water safety.
Nutrient Levels: Phosphate concentrations ranged from 0.006 to 0.021 mg/L and ammonium levels ranged from 0.4 to 2.08 mg/L with significant increases observed at downstream stations.
Correlation Analysis: Spearman’s correlation coefficient revealed a strong positive relationship between EC and TWH (0.81), as well as between ammonium and EC (0.87). This suggested that as conductivity increased, so did hardness and ammonium levels.
Cluster Analysis: Hierarchical clustering categorized the sampling stations, revealing that Stations 9 to 12 had the highest pollution levels primarily attributed to urban, agricultural, and industrial runoff.
Land Use Regression: The land use regression analysis, with an R² value of 0.78, showed that the spatial patterns of water quality could be effectively predicted, highlighting the influence of land use on water quality dynamics.

The results underscored the urgent need for improved pollutant management and continuous monitoring to enhance the water quality of the Karun Bozorg River. The integration of spatial distribution maps aids decision-makers in visualizing and addressing the deteriorating conditions of the river's water quality, emphasizing the necessity for critical conservation measures and better agricultural practices.

Discussion of Results & Conclusion
The calculated Water Quality Index (WQI) results indicated a decreasing trend from Station 1 to Station 12, with WQI values ranging from 30.65 at Station 12 to 48.98 at Station 1. The findings revealed that all stations were in relatively poor conditions with the exception of two stations (1 and 4), which exhibited mediocre water quality. Notably, fecal coliform and phosphate parameters had the highest average effective weights compared to other factors. This situation was primarily attributed to the inflow of urban, rural, and hospital sewage, along with the discharge from extensive industrial activities along the river. Correlation matrix analysis showed a significant positive correlation between ammonium and EC (0.87), as well as between TWH and EC (0.81). Cluster analysis further revealed that Stations 1 (Dehkhoda Sugarcane Cultivation and Industry) and 12 (Khoramshahr) differed significantly from the other sampled stations. Additionally, mapping the river's water quality status using the support vector machine method demonstrated an accuracy of 78%, highlighting the efficacy of this approach even with a limited number of training points.
The correlation results indicated that EC, ammonium, TWH, and phosphate levels increased from Station 1 (upstream of the Dez River junction) to Station 12 (Khoramshahr). While phosphate concentrations remained below the standard at all stations, other parameters exceeded acceptable limits at several locations. The tidal phenomenon might also exacerbate sudden spikes in EC, particularly at Station 12.
Due to the adverse effects of human pollutants, the water quality of the Karun Bozorg River was deteriorating. Consequently, it is imperative for responsible managers and decision-makers to implement critical conservation measures, such as improved agricultural practices, in conjunction with planned river usage. Spatial distribution maps can enhance the effectiveness of this information, enabling decision-makers to visualize the river's water quality conditions more clearly in the study area.

Keywords

Main Subjects

مدیریت عرصه های طبیعی

Full Text

مقدمه

آب با‌کیفیت و به مقدارکافی یکی از مهم‌ترین الزامات توسعۀ‌ سالم و پایدار جامعۀ‌ انسانی و بوم‌سازگان‌های طبیعی است (Vörösmarty et al., 2010). پهنه‌های آبی به‌خصوص رودخانه‌ها عنصر مهمی برای پایداری و توسعۀ جوامع انسانی است. با رشد چشمگیر جمعیت جهان و توسعۀ‌ سریع شهرنشینی در کشورهای در‌حال توسعه بسیاری از طرح‌های مرتبط با هیدرولوژی برای پاسخگویی به نیازهای مصرف خانگی، تولید‌های صنعتی و آبیاری کشاورزی ساخته شده است (Niu et al., 2019). طرح‌هایی مانند سدها، مخازن و کانال‌های آبرسانی محیط حوضۀ رودخانه را تغییر می‌‌دهد‌ و بر کاربری اراضی، ساختار گیاهان و تراکم جمعیت تأثیر می‌گذارد. این طرح‌ها از عواملی هستند که می‌توانند وضعیت کیفیت آب را پیچیده‌تر کنند (;Putro et al., 2016 Todd et al., 2012). به‌علاوه، بسیاری از صنایع نیز وابسته به آب بوده است؛ در‌نتیجه در نزدیکی رودخانه‌ها احداث می‌شود. این واقعیت انکار‌ناپذیر است که پساب تولید‌شده با صنایع (فرآیندهای شیمیایی) و نواحی شهری یکی از مهم‌ترین عوامل مخرب کیفیت آب است؛ از این‌رو باید بر‌اساس ویژگی‌های آب‌های سطحی و نحوۀ مصرف در حد مجاز باشد (Bostanmaneshrad et al., ;2018 Emamgholizadeh et al., 2014). بنابراین اتخاذ مدیریت مؤثر برای جلوگیری و کنترل افت کیفیت آب ناشی از تمامی موارد گفته‌شده اهمیت بسیار زیادی دارد. مدیریت کیفیت آب مستلزم جمع‌آوری و تجزیه‌و‌تحلیل مجموعه داده‌های بسیار زیاد در این زمینه است که ارزیابی و در نتیجه سنتز آن‌ها را دشوار می‌کند. در همین راستا، طیف وسیعی از ابزارها برای ارزیابی داده‌های کیفیت آب توسعه یافته‌ است. مدل شاخص کیفیت آب (WQI) (Water Quality Index) یکی از این ابزارهاست که مبتنی بر توابع تجمعی و به تجزیه‌و‌تحلیل مجموعه داده‌های کیفیت آب پرداخته است تا یک مقدار واحد تولید کند. WQI به‌طور کلی با فرآیندی تعریف می‌شود که به‌دلیل استفاده از تعداد زیادی از پارامترهای کیفیت آب (WQPs) (Water Quality Parameters) (DO (Dissolved Oxygen)، COD (Chemical Oxygen Demand)، BOD (Biological Oxygen Demand)، کلیفرم مدفوع، pH، دما، فسفات‌ها، نیترات، کدورت، هدایت الکتریکی و سختی کل درجۀ زیادی از پیچیدگی را دارد. طی پنج دهۀ گذشته طیف وسیعی از روابط تجربی و نمودارها برای تخمین WQI در‌مقیاس ملی توسعه یافته است (Khan & Abbasi, 1997; Sargaonkar et al., 2008, P. 1262 ; Wang et al., 2019). با وجود این، تأیید کیفیت آب با استفاده از این روابط نشان‌دهندۀ مناسب‌بودن آب برای آشامیدن نیست؛ از این رو محققان یک شاخص کیفیت آب را برای ارزیابی کیفیت آب به‌منظور هدف‌های آشامیدنی بسیار کارآمد و مؤثر فرموله کردند. WQI غلظت اندازه‌گیری‌شدۀ پارامترهای کیفیت آب را به‌صورت تک‌رقمی جمع می‌کند که به‌راحتی قابل درک است. این شاخص به‌علت استفادۀ آسان و تبدیل مجموعه داده‌های پیچیدۀ کیفیت آب به یک ارزش واحد که به‌راحتی برای مسئولان و مدیران قابل درک باشد، جذابیت زیادی دارد. این موضوع دربارۀ رودخانه‌های بزرگ که کارکردهای مختلفی برای جوامع انسانی دارند، اهمیت ویژه‌ای می‌یابد. در این زمینه مطالعات بسیار زیادی در کشورهای مختلف انجام گرفته است ( Barakat et al., 2016 ; Haldar et al., 2020; Roy et al., 2018). رودخانۀ کارون بزرگ (حاصل از اتصال دو رودخانۀ کارون و دز) یکی از مهم‌ترین و بزرگ‌ترین رودخانه‌های ایران است. الحاق رودخانه‌های شور واقع در این محدوده به‌همراه فاضلاب صنایع و زهاب‌های کشاورزی که بدون تصفیه به‌طور مستقیم وارد رودخانه می‌شوند، موجب افت کیفیت آب رودخانۀ کارون به‌ویژه در ماه‌های کم‌آب تابستان شده و در سال‌های اخیر نگرانی‌هایی را از‌نظر تخریب کیفی این منبع حیاتی ایجاد کرده است.

با توجه به اهمیت کارون بزرگ مطالعات فراوانی به‌ویژه در سال‌های اخیر بر این رودخانه صورت پذیرفته است که همه دال بر آلودگی این رودخانه و افزایش بحران در آن است. با توجه به تعداد بسیار زیاد مطالعات انجام‌شده بر کیفیت آب رودخانۀ کارون منابع بررسی‌شده در جدول 1 ارائه می‌شود.

پیشینۀ پژوهش

جدول1: خلاصۀ منابع بررسی‌شده

Table1: Abstract of reviewed articles

ردیف	نویسندگان	هدف مقاله	مواد و روش‌ها	نتایج
1	دادالهی و ارجمند (1389)	بررسی اثر‌های پساب کارخانۀ صابون‌سازی خرمشهر بر کیفیت آب رودخانۀ کارون	نمونه‌برداری از 3 ایستگاه در 50 متری بالادست، 50متری و 500 متری پایین‌دست در 10 ماه	پارامترهای BOD، COD و کلرید پساب به‌ترتیب با میانگین 1300، 8/196 و 9/4042 ppm از حداکثر مجاز استاندارد بیشتر است. شاخص کیفیت آب در 3 ایستگاه به‌ترتیب 63/54، 29/40 و 71/45 به‌ترتیب در رده‌های متوسط و بد قرار می‌گیرد.
2	سالاری و همکاران (1391)	ارزیابی کمّی و کیفی منابع آب رودخانۀ کارون	استفاده از شاخص NSFWQI و وزن‌دهی پارامترهای استفاده‌شده بر‌اساس روش AHP در 4 ایستگاه اهواز، دارخوین، کوت‌امیر و زرگان	ایستگاه‌ها به‌ترتیب با 05/45، 44/47، 15/47، 5/46 در وضعیت بد تا متوسط قرار دارد. بیشترین ارزش وزنی را پارامترهای اکسیژن محلول، کلیفرم و COD دارد. فاضلاب یکی از پارامترهای اصلی درآلودگی رودخانه است.
3	مددی‌نیا و همکاران (1393)	بررسی کیفیت آب رودخانۀ کارون در بازۀ اهواز در‌طول سال 1386	استفاده از شاخص NSFWQI و داده‌های ماهانه در 4 ایستگاه کیان‌آباد، ملی‌راه، پل‌سیاه و کوت‌عبداله	کیفیت ماهانۀ آب در گسترۀ‌ 57 تا 70 متغیر بوده است؛ بنابراین در وضعیت متوسط قرار می‌گیرد. بدترین وضعیت در ایستگاه کوت‌عبداله (پایین‌دست) با شاخص سالانه 5/62 و بهترین وضعیت در ایستگاه کیان‌آباد (بالادست) با شاخص سالانه 25/65 مشاهده شد.
4	حسینی‌زارع و همکاران (1395)	شناسایی و بررسی وضعیت کمّی، کیفی و تعیین بار آلودگی زهکش‌های کشاورزی در دز و کارون	نمونه‌برداری میدانی در 4 فصل از 24 نقطۀ ورودی زهاب درسال‌های 1392 تا 1393 (درمجموع 96 نمونه)	آلاینده‌های کشاورزی با حجمی معادل 2374 میلیون مترمکعب در سال باعث ایجاد بار آلودگی از‌نوع TDS و NO3 به‌ترتیب با حجم 11862 و 51/65 تن در روز شده است. بازۀ‌ رودخانۀ دز بیشترین سهم را از‌نظر حجم زهاب و بار آلودگی دارد.
5	نوری و همکاران (1395)	بررسی مهم ترین پارامترهای کیفی در تغییرات فصلی کیفیت آب رودخانۀ کارون	استفاده از دو روش PCA و PFA بررسی داده‌های 9 پارامتر فیزیکی -شیمیایی در 5 ایستگاه پایش کیفی طی سال‌های 1379 تا 1382	مهم‌ترین پارامترها در فصل بهار شامل EC و کدورت، در فصل تابستان شامل COD، EC و TDS در فصل پاییز شامل COD، ، pH و TDS و در فصل زمستان شامل EC، ، pH، دما و TDS بوده است.
6	مروج و همکاران (1396)	ارزیابی کیفیت آب رودخانۀ کارون و مدل‌سازی سری زمانی کیفیت آب	استفاده از شاخص NSFWQI و روش میان‌یابی کریجینگ برای نقشه‌سازی داده‌های ماهانه در طی سال‌های 1386 تا 1391 برای 4 ایستگاه گتوند، ملاثانی، اهواز و دارخوین	مقدار‌های متوسط شاخص در ایستگاه‌ها به‌ترتیب برابر با 78/60، 4/56، 27/56 و 3/57 است. ایستگاه‌های گتوند و دارخوین در زمستان بهترین کیفیت را دارد؛ در‌حالی که ایستگاه‌های ملاثانی و اهواز در همین فصل در پایین‌ترین سطح کیفی قرار دارد.
7	حسین‌نژاد و همکاران (1397)	بررسی روند تغییرات کمّی و کیفی در حوضۀ کارون بزرگ از بالادست تا پایین‌دست	داده‌ها در 16 ایستگاه در دورۀ زمانی 37 ساله (1353 تا 1397) بررسی شد.	کیفیت آب شرب در ایستگاه‌ها از بالادست به‌سمت خروجی حوضۀ کارون بزرگ کاهش یافته و بدترین کیفیت مربوط به ایستگاه‌های اهواز، گتوند و شوشتر است.
8	شطی و آخوند علی (1398)	ارزیابی روند تغییرات هدایت الکتریکی آب رودخانۀ کارون برای بررسی تأثیرات آبگیری سد گتوند علیا بر کیفیت آب در بازۀ زمانی 1380 تا 1395	استفاده از آزمون من-کندال و تیپت به‌ترتیب برای بررسی روند و تعیین نقطۀ شکست استفاده از شاخص SDI برای محاسبۀ خشکسالی هیدرولوژیک سری‌های زمانی	علت اصلی افزایش چشمگیر هدایت الکتریکی کاهش شدید جریان رودخانه از سال آبی 1386-1387 و تداوم آن بوده است. کیفیت آب در محل سد تنظیمی گتوند تغییر ملموسی نسبت به شرایط قبل از آبگیری نداشته است.
9	هوشمند و اگدرنژاد (1400)	ارزیابی کیفی رودخانۀ کارون بر‌اساس داده‌های 10 ساله (1388 تا 1397)	استفاده از شاخص IRWQIsc و NSFWQI در 3 ایستگاه ملاثانی، اهواز و فارسیات	کیفیت رودخانه بر‌اساس شاخص IRWQIsc بین 39 تا 48 و بر‌اساس شاخص NSFWQI بین 55 تا 62 قرار داشته است که به‌ترتیب در گروه به‌نسبت بد-متوسط و متوسط جای می‌گیرد.
10	آقاجانلو و همکاران (1401)	ارزیابی کیفیت آب رودخانۀ کارون در‌طول سال 1397	بررسی کیفیت آب رودخانۀ کارون با استفاده از دو شاخص IRWQI و WAWQI در 2 ایستگاه ملاثانی و اهواز	بدترین و بهترین وضعیت برای شاخص IRWQI 75/32 (آذرماه اهواز) و51/42 (تیرماه ملاثانی) و بدترین و بهترین وضعیت برای شاخص WAWQI 89/85 (اردیبهشت ماه اهواز) و 04/49 (تیرماه ملاثانی) بوده است. وضعیت رودخانه به‌سمت پایین‌دست به‌دلیل ورود فاضلاب‌های صنعتی به‌ویژه واحدهای کشت و صنعت، کارخانه‌های نیشکر و نیروگاه‌های حرارتی حاشیه افت می‌کند. به‌دلیل مقدار‌های بیشتر از حد مجاز پارامترهای کلیفرم مدفوعی، کدورت و TDS در هر 2 ایستگاه آب رودخانه برای هیچ یک از کاربری‌های شرب، کشاورزی و حفظ اکوسیستم مناسب نیست.
11	ایلدرمی و همکاران (1402)	ارزیابی تناسب کیفیت آب رودخانۀ کارون و دز برای مصرف‌های شرب و کشاورزی	در 12 ایستگاه (8 ایستگاه در کارون و 4 ایستگاه در دز) از 12 پارامتر کیفیت آب در بازۀ زمانی 17 ساله (1398-1382) استفاده شد.	- کیفیت آب رودخانۀ کارون و دز از سال 1382 تا 1386 به‌ترتیب در طبقۀ بسیار ضعیف و ضعیف (75 -100) از سال 1387 تا 1397 در طبقۀ نامناسب و بسیار ضعیف (بیشتر از 100) است. - منشأ اصلی کیفیت نامناسب آب فعالیت‌های انسانی مانند تخلیۀ زباله و فاضلاب خانگی، پساب صنایع و استفادۀ بیش از حد از کود و سموم دفع آفات در کشاورزی است.
12	انصاری و یوسفی (1403)	تحلیل روند تغییرات کیفیت آب رودخانۀ کارون در بازۀ زمانی 20 ساله (1377 تا 1396) در دو فصل مرطوب و خشک	5 پارامتر در 4 ایستگاه گتوند، شوشتر، ملاثانی و اهواز بررسی شد. از آزمون من-کندال و GIS به‌ترتیب برای بررسی روند کیفیت آب رودخانه و ترسیم نقشه‌های آن استفاده شد.	پارامترهای TDS، Na، Cl و EC روندی افزایشی داشته که نشان‌دهندۀ ورود فاضلاب و پساب‌های صنعتی و کشاورزی است. کمترین مقدار شوری در فصل مرطوب مربوط به ایستگاه گتوند با 701 میکرو زیمنس بر سانتی‌متر در سال 81-82 و بیشترین مقدار مربوط به ایستگاه اهواز با 2806 میکرو زیمنس بر سانتی‌متر در سال 88-87 در فصل خشک است. خشکسالی‌های اخیر که سبب کاهش دبی شده نیز در افزایش میزان املاح مؤثر بوده است.
13	خدابخشی و مازندرانی (1403)	بررسی تأثیر طرح جامع فاضلاب شهر اهواز بر کیفیت آب رودخانۀ کارون	استفاده از مدل QUAL2Kw برای شبیه‌سازی تغییرات کیفی آب در 28 کیلومتر از مسیر رودخانۀ کارون (حد فاصل زرگان و کوت‌عبداله)	اجرای کامل طرح جامع فاضلاب شهر اهواز می‌تواند باعث کاهش BOD، نیتروژن آلی و فسفر آلی به‌ترتیب به مقدار 5/3 میلی‌گرم بر لیتر، 191 و 100 میکروگرم بر لیتر شود.
14	نژاد افضلی و بیاتانی (1403)	پهنه‌بندی پارامترهای کیفیت رودخانۀ کارون در حیطۀ کلانشهر اهواز و ارائۀ نقشه‌های توزیع مکانی-زمانی هر‌یک	استفاده از شاخص NSFWQI بررسی داده‌های سالانه در سال‌های 1392 تا 1394 در 6 ایستگاه عرب‌اسد، ولی‌آباد، بام‌دژ، ملاثانی، اهواز و فارسیات	مقدار‌های شاخص NSFWQI در رودخانۀ کارون برای سال 1392 بین 45 تا 53 (وضعیت متوسط تا بد)، برای سال 1393 بین 45 تا 50 (وضعیت متوسط تا بد) و برای سال 1394 بین 45 تا 47 (وضعیت بد) است.

منبع: نگارنده

بررسی‌های صورت‌گرفته نشان می‌دهد که مطالعات دربارۀ کیفیت آب رودخانۀ کارون با تعداد ایستگاه‌های کم و محدود و بیشتر پیرامون شهرهای بزرگی همچون اهواز و خرمشهر انجام گرفته است و تغییرات رخ‌داده تمامی طول رودخانۀ کارون بزرگ را پوشش نمی‌دهد. به‌علاوه در بیشتر مطالعات انجام‌شده وضعیت کیفیت آب تنها در محل ایستگاه‌های نمونه‌برداری بررسی‌ و از ارائۀ نمایی برای بررسی کلی وضعیت رودخانه صرف‌نظر شده است.

با توجه به نقش مهم رودخانۀ کارون بزرگ (از محل اتصال دو رودخانه دز و کارون تا اتصال به اروند رود) در تأمین آب شهرها، روستاها، صنایع بزرگ، شیلات و کشاورزی و نیز با توجه به تغییرات حجم آب در طی چند سال گذشته محققان در این مطالعه به بررسی و پهنه‌بندی کیفیت آب رودخانۀ کارون بزرگ پرداخته‌اند. در این زمینه، 11 پارامتر استفاده‌شده در شاخص کیفیت آب IRWQIsc در 12 نقطه نمونه‌برداری در‌طول منطقۀ مطالعه‌شده پایش شد. هدف‌های این مطالعه شامل پهنه‌بندی و نمایش وضعیت موجود و تغییرات مکانی پارامترهای کیفیت آب در‌طول رودخانۀ کارون بزرگ با استفاده از روش رگرسیون کاربری زمین، بررسی میزان رابطۀ میان پارامترهای کیفیت آب و گروه‌بندی ایستگاه‌های نمونه‌برداری بر‌اساس میزان کیفیت است.

معرفی منطقۀ مطالعه‌شده

منطقۀ بررسی‌شده در این مطالعه رودخانۀ کارون بزرگ بوده که حاصل اتصال دو سرشاخه از رودخانۀ کارون به رودخانۀ دز است (شکل 1). کاربری‌های صنعتی، شهری و کشاورزی بزرگ و چشمگیری در مسیر این رودخانه قرار گرفته است و موجب آلودگی آن می‌شود. حوضۀ رودخانۀ کارون وسعتی قریب 45221 کیلومتر مربع دارد (ادارۀ کل حفاظت محیط زیست استان خوزستان، 1383). قسمتی از این حوضه که در استان خوزستان واقع شده است آب‌وهوای گرم و خشک همراه با سازندهای تبخیری و شورکننده در دامنه‌های جنوبی زاگرس دارد. حوضۀ آبریز کارون و دز درمجموع، بیش از 70 درصد از جمعیت و 80 درصد از صنایع استان خوزستان را در خود جای داده که برخی از آن‌ها مانند قند دزفول، کاغذسازی پارس، کشت و صنعت نیشکر و غیره از‌جمله طرح‌های عظیم در این قسمت است. در حال حاضر، حجم بسیار زیادی از زهاب اراضی کشاورزی و فاضلاب‌های صنعتی، بیمارستانی و انسانی به این رودخانه تخلیه می‌شود که باعث ایجاد مشکلات جدّی در کیفیت آب مصرفی برای شرب و حتی مصرف‌های کشاورزی و صنعتی می‌شود.

شکل 1: محدودۀ مطالعه‌شده و ایستگاه‌های نمونه‌برداری (منبع:نگارنده)

Figure 1: Study area and sampling stations

نمونه‌برداری و محاسبۀ شاخص کیفیت آب

به‌طور کلی، هدف پژوهش حاضر شناخت وضعیت موجود کیفیت آب رودخانۀ کارون بوده است. بر این اساس، 11 نقطه نمونه‌برداری از رودخانۀ کارون بزرگ و 1 نقطه در ابتدای ورودی رودخانۀ دز به کارون در‌نظر گرفته شد و در 23 اردیبهشت ماه سال 1401 از آنها نمونه‌برداری شد. به‌طور کلی، مکان نقاط نمونه‌برداری به‌گونه‌ای تعیین شد که علاوه‌بر پراکندگی مناسب در‌طول رودخانۀ مطالعه‌شده با محل ورود آلاینده‌ها به رودخانه نیز مرتبط باشد. از‌جمله مهم‌ترین منابع آلایندۀ محدودۀ مطالعه‌شده می‌توان به شهرهای اهواز، ملاثانی، کشت و صنعت‌های وسیع نیشکر و شهرک‌های صنعتی پیرامون شهرهایی همچون آبادان و خرمشهر اشاره کرد. برای هر‌یک از نمونه‌ها پارامترهای اکسیژن‌خواهی زیستی (BOD5)، اکسیژن‌خواهی شیمیایی (COD)، هدایت الکتریکی (EC) (Electrical Conductivity)، اکسیژن محلول (DO)، کدورت (TURB) (Turbidity)، کلیفرم مدفوعی (FC) (Fecal Coliform)، سختی کل (THAR) (Total Hardness)، فسفات (PO₄^-)، نیترات ( )، آمونیوم (NH₄⁺)، دما (Temp) (Temperature) و pH اندازه‌گیری شد. دما، هدایت الکتریکی، اکسیژن محلول و pH به‌طور مستقیم در محل نمونه‌برداری تعیین شد. نمونه‌های آب به‌صورت دستی از قسمت‌هایی که جریان آب زیاد بود، جمع‌آوری شد تا نمونه‌های همگن و معرّف وضعیت منطقه به دست آید (Rakotondrabe et al., 2018). نمونه‌ها پس از جمع‌آوری در دمای کمتر از 4 درجۀ سانتی‌گراد به آزمایشگاه (اطمینان آزما گستران جنوب) منتقل شد. پیش تیمار و تعیین سایر پارامترها در آزمایشگاه با استفاده از تجهیزات مختلف مانند هدایت‌سنج، اسپکتروفتومتر (نیترات، آمونیوم، فسفات)، انکوباتور (کلیفرم مدفوعی، نیاز بیولوژیکی اکسیژن)، COD سنج و کدورت‌سنج انجام گرفت.

کیفیت آب به ویژگی‌های فیزیکی، شیمیایی و بیولوژیکی آب گفته می‌شود که نشان‌دهندۀ وضعیت آب در ارتباط با نیازهای یک یا چند‌گونۀ زیستی یا انسانی یا هر هدف دیگری است. در این مطالعه از شاخص کیفیت آب IRWQIscکه به‌عنوان یک شاخص مبنای کیفیت برای آب‌های سطحی ایران است، استفاده شد. برای محاسبۀ شاخص کیفیت آب بر‌اساس 11 متغیر و وزن‌های جدول 2 ابتدا مقدار هر زیرشاخص با استفاده از منحنی‌های رتبه‌بندی مربوط به دست آمد و در‌نهایت، شاخص کیفیت آب بر‌اساس رابطۀ زیر محاسبه شد.

جدول 2: متغیرهای استفاده‌شده در شاخص کیفیت آب IRWQIsc و وزن هریک

Table 2: The variables used in the IRWQIsc water quality index and their weighting

متغیر	وزن	متغیر	وزن
کلیفرم مدفوعی	140/0	سختی کل	059/0
نیترات	108/0	هدایت الکتریکی	096/0
اکسیژن محلول	97/0	BOD₅	117/0
آمونیوم	090/0	COD	093/0
فسفات	087/0	pH	051/0
کدورت	62/0

منبع: سازمان حفاظت محیط زیست، 1392ب

در اینجا wi وزن متغیر i ام،n تعداد متغیرها،Ii مقدار شاخص برای متغیرهای i ام از منحنی رتبه‌بندی و y جمع وزن متغیرهاست.

تجزیه‌و‌تحلیل‌های آماری

ضریب همبستگی

ضریب همبستگی یک ابزار آماری مهم برای ارائۀ درجۀ وابستگی یک متغیر به متغیرهای دیگر است (Belkhiri et al., 2011). مقدار ضریب همبستگی از 1 + تا 1- بسته به رابطۀ‌ خطی مستقیم یا معکوس دو پارامتر متغیر است. در این مطالعه برای گروه‌بندی پارامترهای بررسی‌شده بر‌اساس میزان شباهت و با توجه به عدم پیروی داده‌ها از توزیع نرمال از ضریب همبستگی اسپیرمن در نرم‌افزار R استفاده شد.

خوشه‌بندی

خوشه‌بندی در زیرمجموعـۀ یادگیری بدون نظارت قرار دارد و فرآیند خودکاری است که طی آن نمونه‌ها به دسته‌ (خوشه)‌هایی که اعضای آن مشابه یکدیگر است، تقسیم می‌شود. در تحلیل خوشه‌ای مشـاهده‌های هـر خوشـه بیشترین شباهت و مشـاهده‌های خوشه‌های مختلف کمترین شباهت را به یکدیگر دارند. در تحلیل خوشه‌ای از روش‌های مختلفی برای تعیین فاصلۀ اعضا از یکدیگر استفاده می‌شود. یکی از این روش‌ها میانگین است. این روش نسبت به داده‌های پرت نیز حساسیت کمتری و به پیوستن خوشه‌ها با واریانس‌های کوچک نیز گرایش دارد. در این مطالعه برای گروه‌بندی ایستگاه‌های مطالعه‌شده از الگوریتم خوشه‌بندی سلسله‌مراتبی با روش تعیین فاصلۀ میانگین در نرم‌افزارR و نیز پارامترهای بررسی‌شده استفاده شد.

نقشه‌های توزیع فضایی

ادغام سیستم‌های اطلاعات جغرافیایی (Geographic Information System) با شاخص‌های کیفیت آب یکی از محبوب‌ترین و پیشرفته‌ترین تکنیک‌ها برای کمک به نمایش بهتر کیفیت آب در‌طول پهنه‌های آبی است. نقشه‌های توزیع فضایی به پژوهشگران این امکان را می‌دهد که یافته‌ها و اطلاعاتی را منتقل کنند که بیان شفاهی آنها دشوار بوده یا اطلاعاتی را که توصیف آنها در کلمات طولانی‌تر است، فشرده‌تر کنند. در همین راستا و برای نمایش توزیع مکانی کیفیت آب رودخانۀ کارون بزرگ از رگرسیون کاربری زمین (LUR) (Land Use Regression) با روش ماشین‌بردار پشتیبان (SVM) (Support Vector Machine) در نرم‌افزار R استفاده شد. رگرسیون کاربری زمین یک روش آماری است که از داده‌های مکانی برای توسعۀ مدل‌های پیش‌بینی در علوم محیطی و بهداشتی استفاده می‌کند. اصل اساسی LUR این است که یک کمیت اندازه‌گیری‌شده (غلظت آلاینده، سطح آلودگی آب) در یک مکان معین را می‌توان با حضور، شدت و تأثیر منابع توضیح داد که به‌ترتیب کمیت اندازه‌گیری‌شده را افزایش و کاهش می‌دهد. رویکرد LUR قابلیت استفاده از طیف وسیعی از روش‌های رگرسیون خطی و غیرخطی را داراست.

مدل‌های LUR با استفاده از داده‌های اندازه‌گیری‌شده در تعداد محدودی ایستگاه که از متغیر مدنظر نمونه‌برداری می‌کنند، توسعه می‌یابند. متغیر مورد علاقه به‌عنوان متغیر وابسته عمل می‌کند و داده‌های محیط اطراف به‌عنوان متغیرهای مستقل تعریف می‌شود.

ماشین‌های بردار پشتیبان روش‌های ناپارامتریک آماری است که در سال‌های اخیر کاربرد زیادی در مباحث سنجش از دوری پیدا کرده است. به‌طور کلی، هدف ماشین بردار پشتیبان یک طبقه‌بندی دوتایی (Binary) با تعریف یک ابر صفحه است؛ به‌گونه‌ای که بیشترین حاشیه را از دو کلاس به وجود بیاورد (Vapnik, 1995).

SVM ها بر‌اساس اصلی به نام کاهش ریسک ساختاری (SRM) (Structural Risk Minimization) پایه‌گذاری شده است که حاشیۀ میان ابر صفحۀ جدا‌کننده و داده‌های نقطه‌ای نزدیک‌تر به ابر صفحه را به حداکثر می‌رساند.

در این مطالعه از باندهای 1 تا 7 تصویر ماهوارۀ سنتینل2 که با فاصلۀ زمانی 2 روز از نمونه‌برداری از منظقۀ مطالعه‌شده برداشت شده است، برای انجام‌دادن رگرسیون کاربری زمین استفاده شد (Peterson et al., 2020).

با توجه به تعداد کم ایستگاه‌های نمونه‌برداری از داده‌های برداشت‌شده در تمامی ایستگاه‌ها برای مدل‌سازی و صحت‌سنجی استفاده شد. در این راستا، از آماره‌های R² (R Square) و RMSE (Root Mean Square Error) برای بررسی صحت مدل ساخته‌‌شده استفاده شد.

تجزیه‌و‌تحلیل و یافته‌های پژوهش

در این پژوهش پارامترهای لازم شاخص کیفیت آب IRWQIsc در محدودۀ رودخانۀ کارون بزرگ برای 12 ایستگاه نمونه‌برداری در اردیبهشت ماه سال 1401 اندازه‌گیری شد. نتایج اندازه‌گیری در جدول 3 آورده شده است. روند تغییرات پارامترهای کیفیت آب سطحی نسبت به استاندارد آب‌های سطحی برای شرب در شکل 1 ارائه شده است. نتایج نشان داد که مقدار‌های کلیفرم مدفوعی در ایستگاه‌های نمونه‌برداری رودخانۀ کارون بزرگ در زمان نمونه‌برداری از 20 تا 1200 در 100 میلی‌لیتر متغیر است. در این رابطه و بر‌اساس استاندارد کیفیت آب‌های ایران (سازمان حفاظت محیط زیست، 1392الف) برای شرب تنها ایستگاه 3 در استاندارد گروه اول قرار داشته است و سایر ایستگاه‌ها در گروه دوم جای می‌گیرد.

جدول3: نتایج اندازه‌گیری پارامترهای شاخص IRWQI

Table 3: Measurement results of IRWQI index parameters

اسم ایستگاه/ پارامتر	ایستگاه1	ایستگاه2	ایستگاه3	ایستگاه4	ایستگاه5	ایستگاه6	ایستگاه7	ایستگاه8	ایستگاه9	ایستگاه10	ایستگاه11	ایستگاه12
FC (MPN/100)	150	210	20	240	1200	240	240	1200	150	150	210	1100
BOD5 (mg/L)	20	30	29	20	27	22	31	26	33	34	23	29
NO3 (mg/L)	1.185	1.42	1.57	1.49	1.9	1.74	1.92	2.15	2.77	1.768	1.75	1.367
EC (mS/cm)	2010	2230	2220	2330	2620	2670	2730	2860	2990	3170	3360	4840
COD (mg/L)	48	72	70	52	66	54	75	63	81	83	57	73
PO4 (mg/L)	0.006	0.008	0.01	0.009	0.014	0.01	0.006	0.008	0.017	0.021	0.009	0.018
TURB (NTU)	9.45	24	17	12.3	16	11.2	24.8	20.4	26	55	12.5	24
THAR (mg/L)	397	220	260	397	320	348	387.5	418	510	450	680	925
pH	8.2	7.95	7.76	7.86	7.93	7.87	7.98	7.83	7.85	8.1	8.11	8.16
NH4⁺ (mg/L)	0.4	0.58	0.9	0.67	1.48	1.05	1.74	1.057	2.01	1.35	1.99	2.08
DO (mg/L)	8.44	8.76	7.4	8.13	6.4	7.18	7.01	6.41	7.21	7.76	7.22	8.47
Temp(°C)	23	23.7	25.3	25.4	25	25.5	25.7	25	26.8	27	25.9	26.8

منبع: نگارنده

نتایج نشان داد ایستگاه‌های نمونه‌برداری 5، 8 و 12 که به‌ترتیب در پایین‌دست شهرهای اهواز، روستاهای طرفایه، مکسر، فارسیات، مزبان، ادریسیه، دارسیه و شهر خرمشهر که جمعیت زیادی دارد، قرار گرفته است، بیشترین مقدار‌های کلیفرم مدفوعی را به‌ترتیب با مقدار‌های 1200، 1200 و 1100 در 100 میلی‌لیتر در زمان نمونه‌برداری داشته است.

BOD₅ مقدار اکسیژنی است که زیستمندان کوچک برای تجزیۀ ترکیبات آلی به‌مدت 5 روز در آزمایشگاه استفاده می‌کنند (Tian et al., 2019). از این رو، BOD₅ نشان‌دهندۀ آلودگی‌های آلی است؛ به‌طوری که مقدار‌های بیشتر آلودگی‌های بیشتری را نشان می‌دهد (Bora & Goswami, 2017). این پارامتر در رودخانۀ کارون بزرگ دامنه‌ای میان 20 تا 34 میلی‌گرم بر لیتر دارد که از آستانۀ استاندارد کیفیت آب‌های ایران برای شرب گروه سوم (7 میلی‌گرم در لیتر) نیز بیشتر است. COD نیاز به اکسیژن را در‌طول اکسیداسیون مواد شیمیایی معدنی و تجزیۀ مواد آلی پیش‌بینی می‌کند. مقدار‌های COD در این مطالعه از 48 تا 83 میلی‌گرم بر لیتر متغیر بود که به‌طور کلی در دسته‌های کیفیت متوسط و ضعیف بر‌اساس استاندارد کیفیت آب‌های ایران قرار می‌گیرد.

محتوای نیترات ( ) آب در محدودۀ مطالعه‌شده بین 185/1 میلی‌گرم در لیتر برای ایستگاه 1 تا 770/2 میلی‌گرم در لیتر برای ایستگاه 9 متغیر بود. در تمامی ایستگاه‌ها مقدار‌های نمونه‌های آب بسیار کمتر از 50 میلی‌گرم در لیتر (مقدار آستانۀ استاندارد کیفیت آب‌های ایران) است. اکسیژن محلول (DO) پارامتری است که بر تغییرات زیستی موجودات بی‌هوازی یا هوازی تأثیر می‌گذارد؛ بنابراین اندازه‌گیری اکسیژن محلول برای حفظ فرآیندهای تصفیۀ هوازی در‌نظر گرفته شده به‌منظور تصفیۀ فاضلاب خانگی مهم است. به‌طور کلی، مقدار استاندارد مناسب برای این پارامتر بیش از 5 میلی‌گرم در لیتر است. مقدار‌های اکسیژن محلول نمونه‌های آب از 4/6 تا 76/8 میلی‌گرم در لیتر متغیر بود. هدایت الکتریکی (EC) آب با غلظت مواد جامد محلول در آب مرتبط است. مقدار‌های EC رودخانۀ کارون بزرگ در محدودۀ 2010 تا 4840 میکروزیمنس بر سانتی‌متر به‌ترتیب برای ایستگاه‌های 1 و 12 متفاوت است که مقدار‌های بیشتر از استاندارد کیفیت آب‌های ایران را برای شرب (2000 میکروزیمنس بر سانتی‌متر) نشان می‌دهد.

مقدار‌های آمونیوم اندازه‌گیری‌شده در پژوهش حاضر در رودخانۀ کارون بزرگ شامل مقدار‌های مابین 4/0 میلی‌گرم در لیتر برای ایستگاه 1 تا 08/2 میلی‌گرم بر لیتر برای ایستگاه 12 است. در این رابطه به‌طور کلی با پیش‌روی به‌سمت پایین‌دست میزان آمونیوم نیز افزایش می‌یابد و در ایستگاه‌های 7، 9 و 12 بیشتر از استانداردهای شرب و کشاورزی قرار می‌گیرد. مقدار‌های اندازه‌گیری‌شده برای فسفات‌ از 006/0 تا 021/0 میلی‌گرم بر لیتر بود که به‌طور کلی مقدار‌ها کمتر از استاندارد شرب (5 میلی‌گرم بر لیتر) است. کدورت در این مطالعه از 45/9 تا 55 NTU متغیر بود که همگی بیشتر از استاندارد کیفیت آب برای شرب (NTU5) است. سختی کل (THAR) مقدار‌هایی میان 220 تا 925 میلی‌گرم بر لیتر را دربر‌می‌گیرد. حداکثر مقدار سختی کل متعلق به ایستگاه 12 است و پس از آن تنها دو ایستگاه 11 (680 میلی‌گرم بر لیتر) و 9 (510 میلی‌گرم بر لیتر) مقدار‌های بیشتر از استاندارد آب شرب (500 میلی‌گرم بر لیتر) را دارند. pH آب ماهیت اسیدی یا بازی آب را نمایش می‌دهد و یک پارامتر حیاتی در مصرف آب آشامیدنی و آبیاری است. به‌علاوه، این پارامتر تأثیرات عمیقی بر کیفیت آب دارد و بر حلالیت فلزات، سختی و قلیایی آب تأثیر می‌گذارد (Şener et al., 2017). مقدار‌های pH نمونه‌های رودخانۀ کارون بزرگ از 76/7 تا 2/8 متغیر بود. این نتایج نشان می‌دهد که نمونه‌های آب رودخانه ویژگی‌های قلیایی دارد و استانداردهای کیفیت آب ایران را در تمامی ایستگاه‌ها رعایت می‌کند.

شکل 2: نمودار روند تغییرات مکانی پارامترهای کیفیت آب و آستانۀ استاندارد برای آب شرب (منبع: نگارنده)

Figure 2: Trend plot of spatial changes in water quality parameters and standard threshold for drinking water

نتایج شاخص WQI محاسبه‌شده از پارامترهای گفته‌شده که در شکل 3 ارائه شده است، نشان‌دهندۀ روندی افزایشی از ایستگاه 1 به‌سمت ایستگاه 12 است. مقدار‌های WQI از 65/30 در ایستگاه 12 تا 98/48 در ایستگاه 1 متغیر بود. بر‌اساس دسته‌بندی ارائه‌شده برای شاخص کیفیت آب ایستگاه‌های 1 و 4 در دستۀ کیفیت متوسط و مابقی ایستگاه‌ها در دستۀ‌ به‌نسبت بد قرار می‌گیرد.

شکل3: تغییرات مکانی شاخص IRWQI در رودخانۀ کارون بزرگ (منبع: نگارنده)

Figure 3: Spatial changes of IRWQI index in the Karun Bozorg River

همبستگی اسپیرمن با استفاده از نرم‌افزار R برای درک تأثیر پارامترهای کیفیت آب اعمال شد. تجزیه‌و‌تحلیل ماتریس همبستگی نشان‌دهندۀ همبستگی مثبت چشمگیر بین آمونیوم و هدایت الکتریکی (87/0) بود. بر این اساس، افزایش غلظت آمونیوم به‌طور مستقیم با افزایش هدایت الکتریکی مرتبط است که احتمالاً ناشی از ورود فاضلاب‌های شهری و صنعتی به رودخانه است. علاوه بر این، همبستگی مثبت دیگری بین سختی کل و هدایت الکتریکی با ضریب 81/0 وجود دارد که نشان می‌دهد افزایش غلظت یون‌های کلسیم و منیزیم در آب به‌طور مستقیم بر افزایش هدایت الکتریکی تأثیر می‌گذارد. این رابطه می‌تواند به‌عنوان یک شاخص مهم برای شناسایی منابع آلاینده‌های معدنی در رودخانۀ کارون بزرگ (فاضلاب‌های صنعتی و رواناب‌های کشاورزی) استفاده شود. این موضوع نشان‌دهندۀ تأثیر مواد معدنی محلول در آب بر افزایش هدایت الکتریکی است. همچنین، همبستگی مثبت بین COD، BOD و کدورت مشاهده شد که نشان‌دهندۀ تأثیر مواد آلی و آلاینده‌های شیمیایی بر کدورت آب است. ورود فاضلاب‌های شهری و صنعتی به رودخانه باعث افزایش غلظت مواد آلی و شیمیایی در آب می‌شود. این مواد به‌صورت ذرات معلق در آب باقی می‌ماند و کدورت آب را افزایش می‌دهد. به‌علاوه، رواناب‌های کشاورزی حاوی کودها و آفت‌کش‌هاست که می‌تواند به‌عنوان مواد آلی و شیمیایی در آب حل شود یا به‌صورت ذرات معلق باقی بماند و کدورت آب را افزایش دهد. پارامترهایی همچون آمونیوم و فسفات، هدایت الکتریکی و فسفات نیز همبستگی به‌نسبت زیادی با یکدیگر دارند. منشأ اصلی این آلاینده‌ها درمنطقه بیشتر شامل فاضلاب‌های شهری، رواناب‌های کشاورزی (حاوی کودهای نیتروژنه و فسفره) و پساب‌های صنعتی می‌شود. علاوه‌بر همبستگی مستقیم زیاد میان برخی از پارامترها و برخی دیگر نیز همبستگی معکوس (منفی) وجود داشت. شکل 4 نشان می‌دهد که pH و درصد اکسیژن محلول همبستگی منفی به‌نسبت خوبی با نیترات دارد که می‌تواند به‌دلیل فرآیندهای اکسیداسیون و کاهش نیترات در حضور اکسیژن محلول باشد.

شکل 4: نمودار همبستگی میان پارامترهای کیفیت آب رودخانۀ کارون بزرگ (منبع: نگارنده)

Figure 4: Correlation plot between water quality parameters of Karun Bozor river

نتیجۀ‌ آنالیز خوشه‌بندی در شکل 5 نمایش داده شده است. بر این اساس، ایستگاه‌های 1 و 12 هر‌کدام در خوشه‌ای جداگانه قرار می‌گیرد که همسو با نتایج به‌دست‌آمده از شاخص کیفیت آب نیز است. ایستگاه 1 کمترین میزان BOD₅،COD ، ، EC، PO₄^-، TURB، NH₄⁺ و بیشترین میزان pH را در‌میان تمامی ایستگاه‌های بررسی‌شده دارد و به شکل چشمگیری متفاوت از سایر ایستگاه‌هاست. ایستگاه 12 نیز در پارامترهای هدایت الکتریکی، سختی کل، آمونیوم و درصد اکسیژن محلول مقدار‌های بیشتر از سایر ایستگاه‌ها را دارد. ایستگاه‌های 9 و 10 نیز در یک خوشه قرار میگیرد و سایر ایستگاه‌ها نیز تنها خوشۀ باقی‌مانده را تشکیل می‌دهد. شکل 5 نشان می‌دهد که ایستگاه 11 بر‌خلاف نزدیکی مکانی به ایستگاه 12 شباهت بیشتری به ایستگاه 1 دارد. این موضوع می‌تواند نشان‌دهندۀ فرصت کافی رودخانه برای خودپالایی آلاینده‌های وارد‌شده به آن از ایستگاه‌های 9 و 10 باشد. علاوه بر این، خوشه‌بندی نشان داد که میانگین COD در خوشۀ ایستگاه‌های 9 و 10 برابر با 81 میلی‌گرم در لیتر و میانگین هدایت الکتریکی برابر با 3080 میکروزیمنس بر سانتی‌متر است که بیشترین آلودگی را نشان می‌دهد. در‌مقابل، میانگین COD در خوشۀ ایستگاه‌های 1 و 2 برابر با 60 میلی‌گرم در لیتر و میانگین هدایت الکتریکی 2120 میکروزیمنس بر ثانیه بود. این تحلیل‌ها نقش خودپالایی رودخانه را در مناطق بالادستی و تشدید آلودگی در مناطق پایین‌دستی را به‌وضوح مشخص کرد. همچنین، ترکیب خوشه‌ها نشان داد که ارتباط میان آلاینده‌ها و موقعیت جغرافیایی تأثیر مستقیمی بر کیفیت آب دارد.

شکل5: نمودار خوشه‌بندی پارامترهای کیفیت آب (منبع: نگارنده)

Figure 5: Clustering plot of water quality parameters

نقشۀ پهنه‌بندی کیفیت آب رودخانۀ کارون بزرگ در شکل 6 ارائه شده است. آماره‌های صحت‌سنجی R² و RMSE به‌ترتیب برابر با 85/78 و 58/3 محاسبه شد. همان‌طور که در شکل 6 نیز مشهود است، بر‌اساس روش رگرسیون کاربری زمین تمامی طول رودخانه در وضعیت به‌نسبت بد پهنه‌بندی شده است. به‌طور کلی، بر‌اساس دسته‌بندی شاخص کیفیت آب ایران وضعیت کیفیت آب از ابتدای رودخانۀ کارون بزرگ تا خرمشهر یکسان بوده است و تغییر چشمگیری در آن مشاهده نمی‌شود. این نتایج نشان می‌دهد که رگرسیون کاربری زمین ابزاری قدرتمند برای مدیریت کیفیت آب به‌ویژه در شناسایی نقاط بحرانی و طراحی راهبردهای مؤثر برای کاهش آلودگی و ارائۀ دیدگاه‌های ارزشمند دربارۀ اثر‌های بالقوۀ تغییرات کاربری زمین و گسترش فعالیت‌های انسانی بر کیفیت آب است.

شکل 6: وضعیت کیفیت آب بر‌اساس شاخص IRWQI برای محدودۀ مطالعه‌شده در بهار 1401 (منبع: نگارنده)

Figure 6: Water quality zoning map based on IRWQI index for the study area

به‌طورکلی، نتایج به‌دست‌آمده نشان می‌دهد که علت اصلی کاهش کیفیت آب رودخانۀ کارون بزرگ عواملی انسانی مانند رواناب کشاورزی، فاضلاب‌های خانگی و تخلیۀ پساب صنایع است. در این زمینه Barakat et al (2016) با استفاده از داده‌های کیفیت آب از سال 2000 تا 2014 در 14 ایستگاه نمونه‌برداری در‌طول رودخانۀ Oum Er Bia در کشور مراکش مطالعه‌ای انجام دادند و علت تغییرات کیفیت آب را بیشتر به بار آلودگی وارد‌شده از منابع غیرنقطه‌ای همچون تخلیۀ فاضلاب شهری نسبت داده‌اند. به‌علاوه خدابخشی و مازندرانی‌زاده (1403) نیز در مطالعۀ خود نشان دادند که با اجرای کامل طرح فاضلاب شهر اهواز غلظت BOD از مقدار 1/6 به 6/2 میلی‌گرم بر لیتر، غلظت نیتروژن آلی از 425 به 234 میکروگرم بر لیتر، فسفر آلی از 135 به 35 میکروگرم بر لیتر و غلظت اکسیژن محلول از 55/5 به 79/6 میلی‌گرم بر لیتر بهبود خواهد یافت. این در‌حالی است که نتایج به‌دست‌آمده از آنالیز همبستگی نشان‌دهندۀ‌ همبستگی معکوسی میان درصد اکسیژن محلول و میزان کلیفرم مدفوعی است. میزان اکسیژن محلول و میزان pH در چند ایستگاه اول و چند ایستگاه آخر مقدار‌های زیادی را ثبت کرده است و در ایستگاه‌های میانی کاهش زیاد دیده می‌شود. دما و بارندگی بسیار متفاوت میان فصل‌های خشک و مرطوب می‌تواند بر توزیع میزان اکسیژن محلول مؤثر باشد. این نمونه با نتایج Sun et al. (2016) در رودخانۀ Dongjiang در چین جایی که مقدار‌های اکسیژن محلول در فصل خشک در‌مقایسه با فصل مرطوب بیشتر است، مطابقت دارد؛ به‌طوری که تفاوت اکسیژن محلول در فصل خشک و مرطوب بیش از 10 واحد بوده و عدد شاخص WQI را از 59 در فصل خشک به 70 در فصل مرطوب رسانده است. کلیفرم مدفوعی نوسان‌های بسیاری را در‌طول رودخانۀ کارون بزرگ نشان می‌دهد. مقدار‌های زیاد مشاهده‌شده در برخی از ایستگاه‌ها تخلیۀ فاضلاب شهرهایی همچون اهواز و ملاثانی و نیز تخلیۀ زهاب اراضی کشاورزی (به‌ویژه کشت نیشکر) به رودخانه است که با نتایج Mitch et al. (2010) همسوست. Mitch et al. (2010) با مطالعه بر رودخانۀ Quinnipiac در کشور آمریکا به این نتیجه دست یافتند که فاضلاب‌های شهری مهم‌ترین عامل افزایش میزان کلیفرم مدفوعی بوده است و این نمونه به‌ویژه در فصل زمستان منجر به افزایش بیماری‌های مرتبط می‌شود تا جایی که میزان کلیفرم در حالت بیشینه به 5000 در 100 میلی‌لیتر می‌رسد. مقدار‌های WQI محاسبه‌شده بین 65/30 و 98/48 در منطقۀ مطالعه‌شده متغیر بود. نتایج نشان می‌دهد که به‌جزء دو ایستگاه 1 و 4 (با وضعیت متوسط) سایر ایستگاه‌ها در وضعیت به‌نسبت بد قرار دارد. نتایج این بخش با مطالعۀ سالاری و همکاران (1391) و حسین‌نژاد و همکاران (1397) همخوانی دارد. سالاری و همکاران (1391) نشان دادند که 4 ایستگاه بررسی‌شدۀ آنها (اهواز، دارخوین، کوت‌امیر و زرگان) با دامنۀ تغییرات شاخص کیفیت آب NSFWQI بین 05/45 تا 18/47 در وضعیت بد تا متوسط قرار دارد. حسین‌نژاد و همکاران (1397) نیز نشان دادند که ایستگاه‌های اهواز، گتوند و شوشتر در وضعیت C3S1 که از‌نظر کشاورزی نشان‌دهندۀ سدیم کم و شوری زیاد است، قرار دارد. در این مطالعه بیشینه و کمینه شاخص کیفیت آب IRWQIsc در ایستگاه ملاثانی برابر با 46 و 41 و برای ایستگاه اهواز به‌ترتیب برابر با 48 و 40 محاسبه شد؛ با این حال پژوهش حاضر در‌مقایسه با نتایج مطالعۀ هوشمند و اگدرنژاد (1400) کیفیت آب رودخانه در محدودۀ شهر اهواز (از ملاثانی تا فارسیات) افت نسبی داشته و یکدست‌تر نیز شده است؛ به این معنا که مقدار‌های بیشینه و کمینه در این محدوده به یکدیگر نزدیک‌تر شده است. مروج و همکاران (1396) در پژوهش خود علت اصلی کاهش کیفیت آب را از گتوند (کارون) به ملاثانی (کارون بزرگ) به اتصال رودخانۀ‌ دز و ورود آلاینده‌ها در پایین‌دست ایستگاه دزفول (فاصله‌ای حدوداً 100 کیلومتری تا محل اتصال رودخانه‌های دز و کارون) نسبت داده‌اند. در‌صورتی که نتایج مطالعۀ‌ حاضر نشان می‌دهد که کیفیت آب رودخانۀ دز در فاصله‌ای 20 کیلومتری تا اتصال به کارون بزرگ در طبقۀ‌ متوسط قرار دارد و در ایستگاه دوم (ملاثانی) دچار افت کیفیت شدید می‌شود. علت این امر را می‌توان در تخلیۀ پساب کشاورزی پس از ایستگاه اول تا ایستگاه دوم (ملاثانی) جست‌وجو کرد. در این زمینه، ایلدرمی و همکاران (1402) در مطالعۀ خود که بر‌اساس داده‌های 17 ساله از 1382 تا 1398 انجام شده است، نشان دادند که به‌طور میانگین شاخص کیفیت آب سازمان بهداشت جهانی در رودخانۀ کارون در وضعیت نامناسب (WQI>100) و در رودخانۀ دز در وضعیت بسیار ضعیف (75<WQI<100) قرار دارد که علت اصلی آن کیفیت نامناسب در ایستگاه‌های دار خوین سلمانیه ملاثانی اهواز و فارسیات است که همگی در رودخانۀ کارون بزرگ قرار دارند. در مطالعۀ نظری و همکاران (1399) نیز که از شاخص‌های IRWQIsc و NSFWQI برای پایش کیفیت آب رودخانه‌های استان خوزستان در‌طول سال 1397 استفاده شده بود، دامنۀ تغییرات شاخص IRWQIsc در رودخانۀ دز 71 تا 83 و در رودخانۀ کارون 39 تا 55 و دامنۀ تغییرات شاخص NSFWQI در رودخانۀ دز 65 تا 77 و در رودخانۀ کارون 58 تا 68 بوده است که نشان‌دهندۀ‌ کیفیت بهتر آب رودخانۀ دز نسبت به رودخانۀ کارون است.

نتیجه‌گیری

در این پژوهش کیفیت آب رودخانۀ کارون بزرگ از بالادست محل تخلیۀ رود دز به کارون بزرگ تا خروجی به اروندرود در خرمشهر در 12 ایستگاه و بر‌اساس شاخص کیفیت آب ایران ارزیابی شد. با توجه به نتایج همبستگی، پارامترهای هدایت الکتریکی، آمونیوم، سختی کل و فسفات روندی افزایشی از ایستگاه 1 (بالادست محل اتصال رودخانۀ دز به کارون بزرگ) تا ایستگاه 12 (خرمشهر) داشته است. در این زمینه به‌جزء فسفات که در تمامی ایستگاه‌ها مقدار‌های کمتر از استاندارد دارد، سایر پارامترها حداقل در چند ایستگاه مقدار‌های بیشتر از استاندارد را نشان می‌دهد. به‌طور کلی، این نمونه می‌تواند نشان‌دهندۀ‌ تأثیر منفی رواناب جاری‌شده از سمت روستاها (کشاورزی و انسانی) و شهرها (بیشتر انسانی) بر کیفیت آب رودخانه باشد؛ با این حال پدیدۀ جزر و مد هم می‌تواند عاملی تشدید‌کننده برای افزایش ناگهانی و بیش از اندازۀ هدایت الکتریکی به‌ویژه در ایستگاه 12 باشد. به‌طور کلی، کیفیت آب از ایستگاه 9 (دارخوین) تا انتهای رودخانۀ کارون بزرگ تحت‌تأثیر جزر و مد قرار دارد. افزایش دما نیز می‌تواند باعث افزایش مقدار‌های پارامترهای این دسته شود. پارامترهای BOD، COD، نیترات و کدورت مقدار‌های بسیار زیادی را در ایستگاه‌های 9 (دارخوین) و 10 (سلمانیه) ثبت کرده است و پس از آن روندی کاهشی را در‌پی می‌گیرد. این پارامترها در‌طول مسیر خود نوسان‌های زیادی را نشان می‌دهد که علت اصلی آن را می‌توان فاصله از منابع اصلی آلاینده دانست. دلیل اصلی مقدار‌های به‌نسبت زیاد پارامترهای یاد‌شده در ایستگاه‌های 9 و 10 را می‌توان به فعالیت‌های کشاورزی شدید (کشت و صنعت دهخدا) در بالادست نسبت داد. سایر عوامل همچون فاضلاب‌های شهری به‌احتمال، در رتبۀ‌ دوم از‌لحاظ اهمیت قرار می‌گیرد. درصد اکسیژن محلول و میزان pH در چند ایستگاه اول و چند ایستگاه آخر مقدار‌های زیادی را ثبت نکرده است؛ به‌طوری که در ایستگاه‌های میانی کاهش چشمگیری دیده می‌شود. دما و بارندگی بسیار متفاوت میان فصل‌های خشک و مرطوب می‌تواند بر توزیع میزان اکسیژن محلول مؤثر باشد. به‌علاوه، منابع آلایندۀ نقطه‌ای زیاد هم از‌جمله عوامل تأثیرگذار بر این پارامتر است. در‌ادامه، تأثیر پارامترهای کیفیت آب بر WQI ارزیابی شد و نتایج به‌دست‌آمده نشان می‌دهد که بیشترین میانگین وزن مؤثر مربوط به پارامترهای کلیفرم مدفوعی و فسفات در‌مقایسه با سایر پارامترهاست که نشان‌دهندۀ تأثیر زیاد فعالیت‌های انسانی بر رودخانه است؛ بنابراین می‌توان گفت که منابع اصلی آلایندۀ‌ رودخانۀ کارون بزرگ بیشتر انسانی بوده است و می‌تواند شامل فعالیت‌های دامپروری، تخلیۀ زهاب کشاورزی فشرده در حاشیۀ‌ رودخانه و تخلیۀ فاضلاب از قسمت‌های مسکونی و صنعتی منطقۀ مطالعه‌شده باشد. نتایج آنالیز همبستگی اسپیرمن میان پارامترهای نمونه‌برداری‌شده نشا‌ن‌دهندۀ‌ تأثیر بسیار زیاد نمک‌ها بر کیفیت آب رودخانۀ‌ کارون بزرگ است. نتایج آنالیز خوشه‌بندی نشان داد که ایستگاه 1 (دز)، ایستگاه 12 (خرمشهر) و دو ایستگاه 9 (دارخوین) و 10 (سلمانیه) در 3 دستۀ مجزا قرار گرفته است و سایر ایستگاه‌های بررسی‌شده در دستۀ 4 جای می‌گیرد. این موضوع نشان‌دهندۀ‌ وضعیت یکسان آلاینده‌های ورودی در بالادست است. به‌علاوه، تجمیع نتایج نمونه‌برداری و آنالیز خوشه‌بندی گواهی بر وضعیت مناسب رودخانه در ایستگاه‌های 9 و 10 به‌علت ایجاد فاصله میان ورودی آلاینده‌ها تا این ایستگاه‌هاست. کیفیت آب رودخانۀ‌ کارون بزرگ به‌دلیل اثر‌های منفی آلاینده‌های انسانی رو‌به وخامت است و ممکن است اثر‌های مخربی بر سلامت افرادی داشته باشد که از آب آن برای مصرف‌های شرب و آبیاری استفاده می‌کنند؛ در‌نتیجه مدیران و تصمیم‌گیرندگان مسئول باید دربارۀ استفادۀ برنامه‌ریزی‌شده از رودخانه اقدام‌های حفاظتی حیاتی مانند بهبود شیوه‌های کشاورزی انجام دهند. نقشه‌های توزیع فضایی به‌طور مؤثرتری اطلاعات را ارائه می‌دهد و به تصمیم‌گیرندگان کمک می‌کند تا شرایط کیفی آب رودخانه را در منطقۀ مطالعه‌شده بهتر تجسم کنند. در این رابطه روش‌های رگرسیون کاربری زمین با استفاده از اطلاعات مکانی قدرت بیشتری در توصیف دقیق وضعیت کل منطقه نسبت به روش‌های میان‌یابی که مبنای اصلی آنها فاصله از منبع آلاینده است، دارند.

References

منابع

ادارۀ کل حفاظت محیط زیست استان خوزستان (1383). طرح جامع کاهش آلودگی رودخانۀ کارون (گزارش تفصیلی). ادارۀ کل حفاظت محیط زیست استان خوزستان.

آقاجانلو، کامله، حاجی‌زاده، احسان، و آریایی‌زاده، سحر (1401). ارزیابی کیفیت آب رودخانۀ کارون بر‌پایۀ شاخص‌های IRWQI و WAWQI در دو ایستگاه ملاثانی و اهواز. تحقیقات آب و خاک ایران، 53(2)، 367-380. https://doi.org/10.22059/ijswr.2022.333148.669115

انصاری، محمد‌رضا، و یوسفی، اشکان (1403). تحلیل روند تغییرات کیفیت آب رودخانة کارون با بهره‌گیری از آزمون ناپارامتری من-کندال و سامانة اطلاعات جغرافیایی (GIS). مدل‌سازی و مدیریت آب و خاک، 4(2)، 327-342. https://doi.org/10.22098/mmws.2023.13312.1322

ایلدرمی، علیرضا، حسن‌زاده، نسرین، و هدایت‌زاده، فریبا (1402). ارزیابی جامع کیفیت آب‌های سطحی و تناسب آنها برای مصارف شرب و آبیاری: مطالعۀ موردی حوضۀ رودخانۀ کارون و دز. هیدروژئومورفولوژی، 10(34)، 1-31.

https://doi.org/10.22034/hyd.2022.48704.1610

حسین‌نژاد بلکو، محمد‌حسن، ترابی‌پوده، حسن، و شاهی‌نژاد، بابک (1397). بررسی روند تغییرات زمانی و مکانی کیفیت آب در حوضۀ کارون بزرگ. تحقیقات منابع آب ایران، 14(5)، 483–488.

https://www.iwrr.ir/article_63713.html

حسینی زارع، نادر، غلامی، علی، پناه‌پور، ابراهیم، و جعفرنژادی، علیرضا (1395). شناسایی و تعیین بار آلودگی آلاینده‌های کشاورزی در حوضۀ آبریز رودخانه‌های کارون و دز. علوم مهندسی و آبیاری (مجلۀ علمی کشاورزی)، 39(3)، 121-134. https://doi.org/10.22055/jise.2016.12348

خدابخشی، فریبا، و مازندرانی‌زاده، حامد (1403). ارزیابی اثر طرح جامع فاضلاب شهر اهواز بر کیفیت آب رودخانۀ کارون با استفاده از مدل .QUAL2Kw تحقیقات آب و خاک ایران، 55(10)، 1761-1785.

https://doi.org/10.22059/ijswr.2024.379576.669757

دادالهی سهراب، علی، و ارجمند، فرشید (1389). شاخص کیفیت (WQI) آب رودخانۀ کارون به‌عنوان نشان‌دهندۀ اثرات پساب صابون‌سازی خرمشهر. اقیانوس‌شناسی، 1(4)، 21-27.

https://doi.org/10.22059/ijswr.2024.379576.669757

سازمان حفاظت محیط زیست (1392الف). استاندارد کیفیت آب‌های ایران. دفتر آب و خاک معاونت محیط زیست انسانی سازمان حفاظت محیط زیست.

سازمان حفاظت محیط زیست (1392ب). شاخص کیفیت منابع آب کشور و طبقه‌بندی آنها. دفتر آب و خاک معاونت محیط زیست انسانی سازمان حفاظت محیط زیست.

سالاری، مرجان، رادمنش، فریدون، و زارعی، حیدر (1391). ارزیابی کمّی و کیفی منابع آب رودخانهۀ کارون با استفاده از شاخص NSFWQI و روش .AHP انسان و محیط زیست، 10(4)، 13-22.

https://civilica.com/doc/1871670/

شطی، صفورا، و آخوندعلی، علی محمد (1398). تأثیرات آبگیری سد گتوند علیا بر کیفیت آب رودخاۀ کارون. سد و نیروگاه برق آبی ایران، 6(۲۱)، 3۶-2۶. http://journal.hydropower.org.ir/article-1-325-fa.html

مددی‌نیا، مژده، منوری، سید مسعود، کرباسی، عبدالرضا، نبوی، سید محمد باقر، و رجب‌زاده، ابراهیم (1393). بررسی کیفی آب رودخانۀ کارون در بازۀ اهواز با استفاده از شاخص کیفی آب. فصلنامۀ علوم و تکنولوژی محیط زیست، 16(1)، 49-60. https://sid.ir/paper/87628/fa

مروج، مجتبی، کریمی‌راد، ایمان، و ابراهیمی، کیومرث (1396). ارزیابی وضعیت کیفی رودخانۀ کارون بر‌اساس شاخص کیفیت آب و استفاده از GIS. اکوهیدرولوژی، 4(1)، 225-235.

https://doi.org/10.22059/ije.2017.60905

نژادافضلی، کرامت، و بیاتانی، فاطمه (1403). پهنه‌بندی کیفی آب رودخانۀ کارون بر‌مبنای شاخص کیفی NSFWQI و بهره‌گیری از سامانۀ اطلاعات جغرافیایی. مطالعات علوم محیط زیست، 9(2)، 8251-8264.

https://www.jess.ir/article_180301.html

نظری، اسلام، اگدرنژاد، اصلان، جلیل‌زاده، رضا، و ینگجه، رضا (1399). پایش کیفیت آب رودخانه‌های استان خوزستان جهت مصارف شرب، صنعت و کشاورزی با استفاده از شاخص‌های IRWQIsc و NSFWQI. مجلۀ پژوهش در بهداشت محیط، 6(2)، 117-133. https://doi.org/10.22038/jreh.2020.46257.1349

نوری، روح الله، وصالی ناصح، محمدرضا، و اکبرزاده، عباس (1395). بررسی تغییرات فصلی کیفیت آب رودخانۀ کارون با استفاده از تحلیل‌های مؤلفه و فاکتور اصلی. پژوهش‌های محیط زیست، 7(14)، 71-80.

https://www.iraneiap.ir/article_45241.html

هوشمند، سارا، و اگدرنژاد، اصلان (1400). ارزیابی کیفیت آب رودخانۀ کارون بر‌اساس شاخص‌های NSFWQI و IRWQIsc و تعیین وزن پارامترهای مؤثر در این دو شاخص با آنالیز خوشه‌ای و تحلیل سلسله‌مراتبی. اکوبیولوژی تالاب، 13(3)، 47-60. https://jweb.ahvaz.iau.ir/article-1-968-fa.html

References

Aghajanloo, K., Hajizadeh, E., & Ariaeezadeh, S. (2022). Evaluation of karun river water quality based on IRWQI and WAWQI indicators in Molasani and Ahvaz stations. Iranian Journal of Soil and Water Research, 53(2), 367-380. https://doi.org/10.22059/ijswr.2022.333148.669115 [In Persian].

Ansari, M. R., & Yusefi, A. (2024). Trend analysis of water quality variation of the karun river using the Mann-Kendall test and geographic information system (GIS). Water and Soil Management and Modelling, 2(4), 327-342. https://doi.org/10.22098/mmws.2023.13312.1322 [In Persian].

Barakat, A., El Baghdadi, M., Rais, J., Aghezzaf, B., & Slassi, M. (2016). Assessment of spatial and seasonal water quality variation of Oum Er Rbia River (Morocco) using multivariate statistical techniques. International Soil And Water Conservation Research, 4(4), 284–292. https://doi.org/10.1016/j.iswcr.2016.11.002

Belkhiri, L., Boudoukha, A., & Mouni, L. (2011). A multivariate statistical analysis of groundwater chemistry data. International Journal of Environmental Research Res, 5(2), 537–544. https://doi.org/10.22059/IJER.2011.338

Bora, M., & Goswami, D. C. (2017). Water quality assessment in terms of water quality index (WQI): Case study of the Kolong river Assam India. Applied Water Science, 7(6), 3125–3135. https://doi.org/10.1007/s13201-016-0451-y

Bostanmaneshrad, F., Partani, S., Noori, R., Nachtnebel, H. P., Berndtsson, R., & Adamowski, J. F. (2018). Relationship between water quality and macro-scale parameters (land use, erosion, geology, and population density) in the Siminehrood river Basin. Science of The Total Environment, 639(15), 1588–1600. https://doi.org/10.1016/j.scitotenv.2018.05.244

Dadolahi-Sohrab, A., Arjomand, F. (2011). Water quality index of Karoon river as indicator of Khorramshahr soap factory sewage effects. Journal of Oceanography, 1(4), 21-27. https://doi.org/10.22059/ijswr.2024.379576.669757 [In Persian].

Emamgholizadeh, S., Kashi, H., Marofpoor, I., & Zalaghi, E. (2014). Prediction of water quality parameters of Karoon River (Iran) by artificial intelligence-based models. International Journal of Environmental Science And Technology, 11(6), 645-656. https://doi.org/10.1007/s13762-013-0378-x

Environmental protection organization. (2012a). Iran's water quality standard. Water and soil office vice president of human environment of environmental protection organization. [In Persian].

Environmental Protection Organization. (2012b). The country's water resources quality index and their classification. Water and soil office vice president of environment, human life, environmental protection organization. [In Persian].

General department of environmental protection of Khuzestan province. (2004). Comprehensive Plan for reducing pollution of karun river (Detailed Report). General department of environmental protection of khuzestan province. [In Persian]

Haldar, K., Kujawa-Roeleveld, K., Dey, P., Bosu, S., Datta, D. K., & Rijnaarts, H. H. (2020). Spatio-temporal variations in chemical-physical water quality parameters influencing water reuse for irrigated agriculture in tropical urbanized deltas. Science of The Total Environment, 708(14), 134559. https://doi.org/10.1016/j.scitotenv.2019.134559

Hossein Nezhad Bolko, M.H., Torabi Poudeh, H., & Shahinezhad, B. (2019). Investigation of the temporal and spatial variations of water quality in greater karun basin. Iran-Water Resources Research, 14(5), 360-366. https://www.iwrr.ir/article_63713.html [In Persian].

Hosseini Zare, N., Gholami, A., Panah Pour, E., & Jafar Nezady, A. R. (2016). Identifying and determining pollution load of agricultural pollutants in the catchment basin of karun and Dez rivers. Irrigation Sciences and Engineering, 39(3), 121-134. https://doi.org/10.22055/jise.2016.12348 [In Persian]

Houshmand, S., & Egdernezhad, A. (2021). Evaluation of karoon river water quality using nsfwqi and irwqisc and determination of weight values in those indices using cluster analysis and analytical hierarchy process. Journal of Wetland Ecobiology, 13(3), 47-60. https://jweb.ahvaz.iau.ir/article-1-968-fa.html [In Persian].

Ildoromi, A., Hassanzadeh, N., & Hedayetzadeh, F. (2023). Comprehensive assessment of surface water quality and their suitability for drinking and irrigation uses (Case study of karun and Dez river basin). Hydrogeomorphology, 10(34), 31-1. https://doi.org/10.22034/hyd.2022.48704.1610 [In Persian].

Khan, F. I., & Abbasi, S. A. (1997). Accident hazard index: a multi-attribute method for process industry hazard rating. Process Safety and Environmental Protection, 75(4), 217-224. https://doi.org/10.1205/095758297529093

Khodabakhshi, F., & Mazandaranizadeh, H. (2014). Evaluation of the impact of Ahvaz city master plan on water quality of Kar Shahroon River using QUAL2Kw model. Iranian Soil and Water Research, 55(10), 1761-1785. https://doi.org/10.22059/ijswr.2024.379576.669757 [In Persian].

Madadinia, M., Monavari, M., Karbasi, A., Navabi, S. M. B., & Rajabzadeh, E. (2014). Study on water quality of Karun River (Ahvaz Region) using water quality index. Journal of Environmental Science and Technology, 16(1), 49-60. https://sid.ir/paper/87628/en [In Persian].

Mitch, A. A., Gasner, K. C., & Mitch, W. A. (2010). Fecal coliform accumulation within a river subject to seasonally-disinfected wastewater discharges. Water Research, 44(16), 4776-4782. https://doi.org/10.1016/j.watres.2010.05.060

Moravej, M., Karimirad, I., & Ebrahimi, K. (2017). Evaluation of karun river water quality status based on water quality index and involving GIS environment. Journal of Ecohydrology, 4(1), 225-235. https://doi.org/10.22059/ije.2017.60905 [In Persian].

Nazari, E., Egdernezhad, A., & Jalilizadeh Yengejeh, R. (2020). Monitoring of Khuzistan water resources quality for domestic industrial and irrigation usage using irswqisc and nsfwqi indices. Journal of Research in In Environmental Health, 6(2), 117-133. https://doi.org/10.22038/jreh.2020.46257.1349 [In Persian].

Nezhadafzali, K., & Bayatani, F. (2024). Water quality areas of the karun river based on nsfwqi quality index and using geographic information system. Journal of Environmental Science Studies, 9(2), 8251-8264. https://www.jess.ir/article_180301.html [In Persian].

Niu, A., Song, L. Y., Xiong, Y. H., Lu, C. J., Junaid, M., & Pei, D. S. (2019). Impact of water quality on the microbial diversity in the surface water along the Three Gorge Reservoir (TGR) China. Ecotoxicology and Environmental Safety, 181(15), 412-418. https://doi.org/10.1016/j.ecoenv.2019.06.023

Nouri, R., Vesali Naseh, M., & Akbarzadeh, A. (2017). Investigation of seasonal variations in water quality of karoon river using principal component and principal factor analyses. Environmental Researches, 7(14), 71-80. https://www.iraneiap.ir/article_45241.html [In Persian].

Peterson, K.T., Sagan, V., & Sloan, J.J. (2020). Deep learning-based water quality estimation and anomaly detection using Landsat-8/Sentinel-2 virtual constellation and cloud computing. GIScience & Remote Sensing, 57(4), 510-525. https://doi.org/10.1080/15481603.2020.1738061

Putro, B., Kjeldsen, T. R., Hutchins, M. G., & Miller, J. (2016). An empirical investigation of climate and land-use effects on water quantity and quality in two urbanising catchments in the southern United Kingdom. Science of the Total Environment, 548(1), 164-172. https://doi.org/10.1016/j.scitotenv.2015.12.132

Rakotondrabe, F., Ngoupayou, J. R. N., Mfonka, Z., Rasolomanana, E. H., Abolo, A. J. N., & Ako, A. A. (2018). Water quality assessment in the Bétaré-Oya gold mining area (East-Cameroon): Multivariate statistical analysis approach. Science of The Total Environment, 610(1), 831-844. https://doi.org/10.1016/j.scitotenv.2017.08.080

Roy, K., Karim, M. R., Akter, F., Islam, M. S., Ahmed, K., Rahman, M., & Khan, M. S. A. (2018). Hydrochemistry, water quality and land use signatures in an ephemeral tidal river: Implications in water management in the southwestern coastal region of Bangladesh. Applied Water Science, 8(1), 1-16. https://doi.org/10.1007/s13201-018-0706-x

Salari, M., Radmanesh, F., Zarei, H. (2013). Quantitative and qualitative assessment of karoon river water using nsfwqi index and ahp method. Human & Environment, 10(4), 13-22. https://civilica.com/doc/1871670/ [In Persian].

Sargaonkar, A. P., Gupta, A., & Devotta, S. (2008). Dynamic weighting system for water quality index. Water Science and Technology, 58(6), 1261-1271. https://doi.org/10.2166/wst.2008.468

Şener, Ş., Şener, E., & Davraz, A. (2017). Evaluation of water quality using water quality index (WQI) method and GIS in Aksu river (SW-Turkey). Science of The Total Environment, 584(15), 131-144. https://doi.org/10.1016/j.scitotenv.2017.01.102

Shatti, S., Akhoond-Ali, A. (2019). The effects of gotvand olia dam impoundment on the water quality of karun river. Iranian Dam and Hydroelectric Powerplant, 6(21), 26-36. http://journal.hydropower.org.ir/article-1-325-fa.html [In Persian].

Sun, W., Xia, C., Xu, M., Guo, J., & Sun, G. (2016). Application of modified water quality indices as indicators to assess the spatial and temporal trends of water quality in the Dongjiang river. Ecological Indicators, 66(1), 306-312. https://doi.org/10.1016/j.ecolind.2016.01.054

Tian, Y., Jiang, Y., Liu, Q., Dong, M., Xu, D., Liu, Y., & Xu, X. (2019). Using a water quality index to assess the water quality of the upper and middle streams of the Luanhe River northern China. Science of The Total Environment, 667(1), 142-151. https://doi.org/10.1016/j.scitotenv.2019.02.356

Todd, A. S., Manning, A. H., Verplanck, P. L., Crouch, C., McKnight, D. M., & Dunham, R. (2012). Climate-change-driven deterioration of water quality in a mineralized watershed. Environmental Science & Technology, 46(17), 9324-9332. https://doi.org/10.1021/es3020056

Vapnik, V. N. (1995). The nature of statistical learning theory. Springer New York.

Vörösmarty, C. J., McIntyre, P. B., Gessner, M. O., Dudgeon, D., Prusevich, A., Green, P., & Davies, P. M. (2010). Rivers in crisis: Global water insecurity for humans and biodiversity. Nature, 467(15), 555-561.

Wang, P., Yao, J., Wang, G., Hao, F., Shrestha, S., Xue, B., & Peng, Y. (2019). Exploring the application of artificial intelligence technology for identification of water pollution characteristics and tracing the source of water quality pollutants. Science of the Total Environment, 693(1), 133440. https://doi.org/10.1038/nature09440

Monitoring the Water Quality of the Karun Bozorg River Based on the IRWQIsc Index in the Spring of 2022

Full Text

References

Volume 35, Issue 4 - Serial Number 96
February 2025
Pages 165-192

Files

History

Share

How to cite

Statistics

Monitoring the Water Quality of the Karun Bozorg River Based on the IRWQIsc Index in the Spring of 2022

Full Text

References

Volume 35, Issue 4 - Serial Number 96February 2025Pages 165-192

Files

History

Share

How to cite

Statistics

Volume 35, Issue 4 - Serial Number 96
February 2025
Pages 165-192