Водораздел Планирование в рамках структурного анализа количественного сценария

Резюме

Существует острая необходимость в инструментах и ​​методологий, способных управлять водными системами в условиях неопределенных будущих условий. Мы предлагаем методы проведения целенаправленной водораздел оценки, которая позволяет менеджерам ресурсов для производства на основе ландшафтно-моделей кумулятивных эффектов для использования в рамках управления анализа сценариев.

Аннотация

Существует острая необходимость в инструментах и ​​методологий, способных управлять водными системами в пределах сильно пострадавших водосборных бассейнов. В настоящее время усилия часто не в результате неспособности количественно оценить и прогнозировать сложные кумулятивные эффекты текущих и будущих сценариев использования земель в соответствующих пространственных масштабах. Целью этой рукописи является предоставление методики проведения целенаправленной водораздел оценки, которая позволяет менеджерам ресурсов для производства на основе ландшафтно-моделей кумулятивных эффектов для использования в рамках управления анализа сценариев. Сайты сначала выбраны для включения в водоразделе оценки по выявлению участков, которые падают вдоль независимых градиентов и комбинаций известных факторов стресса. Методы полевых и лабораторных затем используются для получения данных о физических, химических и биологических эффектов многих видов деятельности землепользования. Множественный линейный регрессионный анализ затем используется для производства на основе ландшафтно-моделей кумулятивных эффектов для прогнозирования акваческие условия. И, наконец, способы введения кумулятивных моделей эффектов в рамках анализа сценариев для направления управления и регулирующих решений (например, выдачи разрешений и смягчение последствий) в рамках активно развивающихся водосборных бассейнов обсуждаются и продемонстрированы на 2 суб-водоразделов в пределах вершины горы горного региона центральной Аппалачей. Подход к оценке водосборных бассейнов и управления представлено здесь позволяет менеджерам ресурсов в целях содействия экономическому и развития деятельности при одновременной защите водных ресурсов и получения возможности для чистых экологических выгод за счет целенаправленного восстановления.

Введение

Антропогенное изменение природных ландшафтов является одним из самых больших современных угроз для водных экосистем по всему миру ^1. Во многих регионах, продолжающаяся деградация при нынешних темпах приведет к непоправимому повреждению водных ресурсов, в конечном счете, ограничивает их способность оказать неоценимую и незаменимые экосистемных услуг. Таким образом, существует острая необходимость в инструментах и методологий , способных управлять водными системами в развивающихся водоразделов ^2-3. Это особенно важно, учитывая, что менеджеры часто поставлена ​​задача сохранения водных ресурсов в условиях социально-экономических и политических давлений продолжать деятельность в области развития.

Управление водных систем в активно развивающихся регионах требует способности прогнозировать возможные последствия планируемой деятельности в области развития в контексте уже существующего природного и техногенного ландшафта атрибутов ^{3, 4.} Основной проблемой для aquatIC управления ресурсами в сильно деградировавших водосборных бассейнов является возможность количественной оценки и управления сложными (т.е. аддитивными или интерактивными) кумулятивное воздействие нескольких стрессоров землепользования в соответствующих пространственных масштабах ^{2, 5.} Несмотря на существующие проблемы, тем не менее, оценки кумулятивных эффекты включаются в нормативным требованиям по всему миру ^5-6.

Целенаправленные оценки водораздела , предназначенные для выборки полного спектра условий в отношении нескольких стрессоров землепользования могут производить данные , способные моделировать сложные кумулятивные эффекты ^7. Кроме того, включение таких моделей в рамках анализа сценариев [прогнозирования экологических изменений при различных реалистической или предложенного развития или управления водосборных бассейнов (восстановление и смягчение) сценариев] имеет потенциал , чтобы значительно улучшить управление водных ресурсов в пределах сильно пострадавших водоразделов ^{3, 5, 8 -9.} В частности, анализ сценариев предусматриваетрамки для добавления объективности и прозрачности в принятии управленческих решений путем включения научной информации (экологические взаимосвязи и статистические модели), нормативные цели, и субъектов деятельности в единую структуру принятия решений ^{3, 9.}

Мы представляем методологию для оценки и управления кумулятивный эффект нескольких видов деятельности землепользования в рамках анализа сценариев. Сначала мы опишем, как надлежащим образом целевых сайтов для включения в водоразделе оценки, основанной на известных стрессоров землепользования. Описаны методы полевых и лабораторных для получения данных об экологических последствиях деятельности нескольких землепользования. Кратко опишем методы моделирования для создания на основе ландшафтно-моделей кумулятивных эффектов. И наконец, мы рассмотрим , как включить накопительные модели эффектов в рамках анализа сценариев и продемонстрировать полезность этой методологии в помощи регулирующих решений (например, выдачи разрешений и отдыхOration) в интенсивно добытого водораздела на юге Западной Вирджинии.

Access restricted. Please log in or start a trial to view this content.

протокол

1. Целевые сайты для включения в Уотершед оценки

1. Определить доминирующие деятельность землепользования в пределах целевого 8-значный код Гидрологический блок (HUC) водоразделе, которые воздействующего физико - химические и биологические условия ^{3, 7.}
   Примечание: Эта методика предполагает уже существующие знания о важных стрессоров в пределах водораздела интереса. Тем не менее, консультации регулирующих органов или водоразделов группы знакомы с системой может помочь в этих усилиях.
2. Выбор меры на основе ландшафтно-доминантных видами землепользования [например, 2011 Национальная земельная Обложка базы данных (NLCD)] ^{3, 7.}
   1. Обратитесь к опубликованной литературы , чтобы помочь определить лучшие меры на основе альбомной для каждого использования земель деятельности ^10. Контакты природных ресурсов учреждения для выявления и получения конкретного региона ландшафта наборов данных, которые доступны для использования. Тем не менее, это может быть необходимо, чтобы создать новые переменные ландшафта или наборов данных.
3. Сведите растительного покрова и использование атрибутов к 1: 24000 или 1: 100000 национальный гидрография набор данных (NHD) водосбора с использованием программного обеспечения географической информации (ГИС).
   1. Убедитесь, что каждый 1: 24000 или 1: 100000 водосбора имеет уникальный идентификатор. Используйте любой определяемый пользователем числовой или категорическое идентификатор в качестве уникального идентификатора.
   2. Сведите векторные данные (например, точки или линии) , выпадающих в пределах каждого водосбора.
      1. Обобщить все векторные объекты в пределах каждого водосбора с помощью инструмента Tabulate Пересечения внутри набора инструментов статистического анализа инструментов. Выберите водосбора слой NHD как функцию ввода зоны, водосборного уникального идентификатора в качестве поля зоны, а вектор набора данных интереса в качестве входного класса пространственных объектов.
      2. Присоединяйтесь к табулированная пейзаж атрибуты водосборного слоя. Щелкните правой кнопкой мыши на слое водосбора в таблице содержания и выберите Соединения и Связывает из выпадающего меню и присоединиться от Subsequent меню. Выберите уникальный идентификатор в качестве поля, что объединение будет основано, сигнал на выходе таблица из 1.3.2.1 как таблицы должны быть соединены, и уникальный идентификатор в качестве поля в таблице, что объединение будет основана.
   3. Сведите растровые данные , используя инструмент Tabulate области , расположенной в пределах зонального набор инструментов из набора инструментов Spatial Analyst.
      1. Загрузите Пространственное расширение Analyst. Выберите Расширения в меню Настройка. В диалоговом окне расширений, установите флажок, соответствующий расширения Spatial Analyst.
      2. В диалоговом окне Tabulate Area, выберите водосбора шейп NHD в качестве входных данных растровых или зоны особенность, уникальный идентификатор (например, FeatureId) в качестве поля зоны и почвенно - растительного покрова набора данных (например, NLCD) в качестве входного растра или функции данные о классе.
      3. Присоединяйтесь к табулированная пейзаж атрибуты водосборного слоя следующих протоколов на этапе 1.3.2.2, с TabulateРезультаты область таблицы, как присоединиться к таблице.
4. Накопить ландшафта атрибуты для всех водосборов NHD.
   1. Скачать NHDPlusV2 водосборных атрибутов Распределение и накопления Tool (CA3TV2) в http://www2.epa.gov/waterdata/nhdplus-tools. Используйте функцию накопления CA3TV2 для накопления атрибутов для 1: 100000 NHD водосбора ^11.
      Примечание: Мы использовали пользовательские написанный код , который аккумулирует пейзаж атрибуты для 1: 24000 масштаба NHD водоразделы ^12. Подробные инструкции по использованию CA3TV2 интегрированы в инструмент и могут быть доступны с помощью функции Help.
5. Выберите NHD дренажи как изучение сайтов на основе накопленных ландшафтных атрибутов.
   1. Создать график рассеяния всех водосборов NHD относительно накопленных значений основных видов деятельности землепользования (Рисунок 1А).
   2. Выберите исследование сайтов (около 40 сайтов на 8-значного HUC водоразделе), чтобы представить полный гАнж влияния из доминирующих видов деятельности землепользования , найденных в пределах целевого водораздела (рис 1B). Выберите участки в пределах независимых градиентов стрессорных (то есть, под влиянием одного землепользования деятельности) и их комбинаций стрессорных (т.е. под влиянием нескольких видами землепользования) (Рисунок 1В).
   3. Убедитесь в том, что учебные сайты пространственно распределены по всей мишени водоразделе и независимо друг от друга по отношению к потоку дренажа. Убедитесь в том, что сайты, попадающие в каждом отдельном и комбинированном градиенте стрессора также имеют аналогичные средние области бассейна.

Рисунок 1. Гипотетический график рассеяния NHD водосбора относительно влиять от 2 видами землепользования. Масштабы влияния 2 видами землепользования во всех водосборных NHD в гипотетический шatershed (п = 4229) (А). Отдельные исследования сайтов (п = 40) , которые представляют весь спектр наблюдаемых условий в водоразделе в отношении независимых и комбинированных градиентов стрессорных (B). Пожалуйста , нажмите здесь , чтобы посмотреть увеличенную версию этой фигуры.

2. Полевые протоколы для сбора физико-химических и биологических данных

Примечание: Все данные для каждого сайта должны быть собраны в течение того же посещения объекта при нормальных условиях базового потока. Протоколы , представленные здесь представляют собой стандартные рабочие процедуры для Западной Вирджинии Департамент охраны окружающей среды (WVDEP) ^13. Это может быть более целесообразно использовать государственную или федерально признанные процедуры для конкретных водосборных бассейнов оценивается.

1. Очертить охват выборки для каждого сайта в качестве активного ширина 40 × канала (ACW), с максимальной и минимальной длиной 150 и300 м ^{3, 7.}
2. Пример качества воды атрибуты из мест с движущейся воды, которые характерны для всего сайта выборки (например, не непосредственно под влиянием трибутарными или дренажной трубы входов).
   1. Получают мгновенные меры растворенного кислорода, удельной электропроводности, температуры и рН с использованием ручных датчиков. Калибровка датчиков перед каждым видом выборки, следуя инструкциям производителя.
   2. Полоскание оборудование для фильтрации деионизированной водой до сбора проб воды.
   3. Фильтр 250 мл воды (смешанный мембранный фильтр сложный эфир целлюлозы, размер пор 0,45 мкм) для анализа растворенных металлов. Фикс до рН <2, чтобы обеспечить металлы остаются растворенными в растворе.
      Примечание: Правильный объем кислоты, могут быть добавлены к пробе воды следующий для сбора проб. В качестве альтернативы, правильный объем может быть добавлен к бутылке до конференции для отбора проб. Объем должен зафиксировать до рН <2 зависит от силы кислоты.
      1. Для исследования , описанного здесь, собирают единственную отфильтрованную выборку из каждого участка и зафиксировать с помощью азотной кислоты для определения растворенного Al, Ca, Fe, Mg, Mn, Na, Zn, K, Ba, Cd, Cr, Ni и Se ^{3 , 7.}
         Примечание: При выборе аналитов следует руководствоваться водораздела конкретными видами землепользования.
   4. Взять 250 мл нефильтрованное образца (ов), полностью погрузив бутылку образца в толще воды. Слегка сожмите бутылку, чтобы вычеркнуть оставшийся воздух и одновременно поставить крышку на бутылке образца. Закрепить образец (ы) до рН <2 , если это необходимо (например, предотвратить биологическую активность от воздействия питательных веществ).
      1. Для исследования, описанного здесь, собирают две отфильтрованные пробы с каждого участка. Закрепить сначала с серной кислотой для определения NO ₂ и NO ₃ и общей P. Не закрепляйте второй нефильтрованный образец и использовать его для определения общего и бикарбонат щелочность, Cl, SO _4, и общей концентрации растворенного таккрышки ^{3, 7.}
         Примечание: При выборе аналитов следует руководствоваться водораздела конкретными видами землепользования.
   5. Получить поле пустым для каждого закрепителя, используемого во время каждого события выборки. Получение полей заготовок с соблюдением всех протоколов для сбора образцов (то есть, промывка, фильтрация, фиксация) с использованием деионизированной воды в качестве конечного образца.
      Примечание: Полевые заготовки используются для выявления загрязнения в области сбора и анализа проб.
   6. Хранить все пробы воды при 4 ° С, пока все анализы не будут завершены. Убедитесь , что все анализируемые измеряются в пределах их определенного времени ¹⁴ выдержки.
3. Измерения расхода воды на каждом участке образца.
   1. Разделите смоченную ширину потока на равные по размеру с шагом.
   2. Измерьте глубину и среднюю скорость тока в средней точке каждой секции.
      1. Используя глубиномер стержень, измерить глубину, как расстояние от русла реки к поверхности воды.
      2. Использование Curreнт метр, измерения скорости воды на глубине 60% воды.
   3. Подсчитайте разрядку как сумма произведения скорости, глубины и ширины по всем разделам.
4. Отведайте макробеспозвоночных сообщества на каждом участке.
   1. Получить образцы кик (нетто размеры 335 × 508 мм ² с 500-мкм меш) из 4 -х отдельных представительных ружей , распределенных по всей длине в местах , недоступных для отбора проб.
      1. В каждом месте удар, поместите удар сетку перпендикулярно к потоку потока и беспокоить 0,50 × 0,50 м ² (т.е. 0,25 м ²⁾ площадь русла реки сразу вверх по течению. Убедитесь, что все организмы и мусор вниз по течению потока в кик сетку.
      2. Объединить организмы и мусора с 4 -х образцов кик в один составной образец ( что составляет 1,00 м ² из русла реки) и сразу же сохранить с 95% -ным этанолом.
5. Измерьте физическое качество среды обитанияи сложность на протяжении потока досягаемости.
   1. Провести измерения глубины воды, гидравлического типа канала, блок класса отстой, и расстояние до объекта рыбы покрова на равномерно точках вдоль тальвегом (часть потока, через который происходит основной или наиболее быстрый поток). Проводить измерения каждые 1 ACW для потоков <шириной 5 м и каждые 0,5 ACW для потоков> 5 м в ширину ^15.
      1. Классифицировать модуль канала , внутри которого каждый тальвег местоположение находится (например, желобок, бег, бассейн, или глиссады) ^16.
      2. Используя глубиномер стержень, измерить глубину, как расстояние от русла реки к поверхности воды.
      3. Случайным образом определить часть осадка и определить его размер Wentworth классификации (ил, песок, гравий, булыжник, валун) ^17.
      4. Оцените расстояние от каждой точки тальвеге до ближайшего объекта крышки.
         Примечание: Рыба крышка определяется как любая структура в активном канале, способный скрыть 20,32 см (8 дюймов) рыбы ^18.
   2. Граф все части большого мусора в лесистой активного канала.
   3. Оценка качества среды обитания с Агентством США по охране окружающей среды (EPA) экспресс - оценки зрительных мест обитания (RVHa) протоколов ^19.
6. Получение повторных измерений и образцы из случайно выбранных 10% исследуемых сайтов. Повторяющиеся меры используются для оценки и отбора проб лабораторного анализа точности.

3. Лабораторные протоколы для физико-химических и биологических данных

Примечание: Описание лабораторных протоколов для количественной оценки химического состава воды атрибутов выходит за рамки данной статьи. Тем не менее, данное исследование использовали стандартные химические методы для воды и отходов ^14.

1. Субсемплировать организмы, содержащиеся в каждом образце макробеспозвоночных (собранные с использованием протоколов в разделе 2.4), чтобы получить представительную подвыборки макробеспозвоночных сообщества на каждом сайте.
   1. Поместите весь образец композитного макробеспозвоночных в 100 в ² с привязкой к сетке сортировки (измерения 5 × 20 в ^2). Случайным присвоить каждому 1 в ² сетки число от 1 до 100.
   2. Используйте стерео микроскоп для подсчета и идентификации всех организмов в случайно выбранных 1 в ² сетки , пока общее число отсортированных лиц не составляет 200 ± 20%. Выявление организмов к роду используя макробеспозвоночных ключи, такие как те , опубликованные Мерритт и Cummins ^20.
   3. Компиляция обилие род уровня данных в метрик сообщества [например, общее богатство и% Ephemeroptera, Plecoptera и ручейников (EPT)] для использования в качестве переменных отклика в статистических моделях и последующего анализа сценариев ^{3, 7.}

4. Статистические и Сценарий Анализы

1. Построить обобщенные линейные модели для прогнозирования в потоке-физических, химических и биологических условий на основе от ландшафтно-indicatoRS доминантных видами землепользования.
   Примечание: Протоколы и анализы были выполнены на языке R и среды для статистических вычислений (версия 3.2.1) ^21.
   1. Тест на нормальность с использованием Шапиро-Wilk [функцию shaprio.test () в R пакете статистика ^21] тесты и преобразования переменных для удовлетворения условиям параметрического анализа и линеаризуем отношений.
   2. Fit начальные максимальные модели , задающие 2-полосная взаимодействия между всеми предсказателей землепользования [GLM () функция в R пакета статистика ^21].
   3. Применить обратную удаление , чтобы определить минимальную адекватную модель ^{3, 7, 22.}
      1. Определить переменную наименее значимый (т.е., объясняет наименьшее количество вариаций) в максимальной модели [краткое описание () функция в R пакете статистика ^21] и установить новую модель с этой переменной исключены [GLM () функция в R пакете STATs ^21] ,
      2. Продолжить удаление переменныхпока все остальные предсказатели не существенно отличаются от 0 и объяснительной силы , существенно не отличается от максимальной модели для каждой переменной отклика с помощью анализа девиантности таблиц и отношения правдоподобия испытаний [() функции lrtest в R пакете lmtest ^23].
2. Предсказать текущих условий.
   1. Использование конечных моделей для прогнозирования физико - химических и биологических условий , данные текущие характеристики ландшафта в пределах всех не-пробы водосборных NHD по всей мишени водораздела [предсказать () функция в R пакета статистика ^21].
   2. Визуализируйте прогнозы в ГИС.
      1. Регистрация прогнозов на NHD водосборов. Щелкните правой кнопкой мыши на слое водосбора в таблице содержания и выберите Соединения и Связывает из выпадающего меню и присоединиться с последующим меню. Выберите уникальный идентификатор в качестве поля, что объединение будет основано на, предсказания файла в виде таблицы, чтобы присоединитьсяИ уникальный идентификатор в качестве поля в таблице, что присоединиться будет основываться на
      2. Щелкните правой кнопкой мыши на слое водосборной и выберите Свойства. В диалоговом окне Свойства слоя, перейдите на вкладку Symbology и выберите Количества. Выберите прогнозируемое значение интерес как поле Значение и нажмите кнопку Применить.
         Примечание: Значения диапазона могут быть изменены вручную , чтобы соответствовать признанным экологических критериев с помощью кнопки Классифицировать.
3. Провести анализ сценариев для сравнения прогнозируемых изменений в водных условиях при различных сценариях землепользования.
   1. Обновление текущего ландшафта набор данных для моделирования правдоподобных будущего развития или смягчения сценариев. Для исследования описанного здесь, ручное обновление суммарных значений ландшафта для водосбора интересов в таблице атрибутов (например, изменить 10 акров лесом с добычей полезных ископаемых земельного покрова).
      1. Выберите водосборной Interesт с помощью Выбор по функции атрибутов , расположенной в пределах выбора выпадающего меню. В Выбор по диалоговом окне атрибутов, выберите дренажи NHD в качестве слоя. Двойной щелчок по уникальным идентификатором атрибута, выберите =, а затем введите идентификатор для водосбора интереса в поле уравнения.
      2. Открыть таблицу атрибутов водосбора NHD щелкнув правой кнопкой мыши на слое водосборных бассейнах таблице содержания и выберите Открыть таблицу атрибутов из выпадающего меню. Выберите, чтобы показать только выбранные дренажи.
      3. С только выбранные водосбор показывая, щелкните правой кнопкой мыши на колонке интереса и выберите Калькулятор поля и введите новое смоделированное значение. Примечание: Несколько водосбора могут быть изменены, чтобы имитировать несколько пространственно явных мероприятий в области развития и управления, возникающие в больших пространственных масштабах.
         Примечание: В качестве альтернативы, оригинальные векторные и растровые наборы данных могут быть обновлены путем оцифровки новых функций или изменения и удаления оригинального Feратуры для имитации нового землепользования деятельность или управление уже существующей землепользования воздействия ^24. Это может быть достигнуто с помощью редактора панели инструментов.
   2. Перераспределять и повторно скапливаются пейзаж атрибуты для всех водосборов NHD с использованием протоколов, представленных на этапах 1,3-1,4.
   3. Предсказать физико - химические и биологические условия в зависимости от обновленного ландшафтного набора данных [предсказать () функция в R пакета статистика ^21].
   4. Visualize предсказал условия, при альтернативных сценариях землепользования с использованием протоколов, представленных на этапе 4.2.2.

Access restricted. Please log in or start a trial to view this content.

Результаты

Сорок 1: 24000 NHD водосбора были выбраны в качестве исследовательских центров в пределах реки Уголь, Западная Вирджиния (рисунок 2). Учебные сайты были выбраны , чтобы охватить влияние диапазоне от добычи поверхности (% площади земли ^24), жилой застройки [плотн...

Access restricted. Please log in or start a trial to view this content.

Обсуждение

Мы обеспечиваем основу для оценки и управления кумулятивного эффекта множественных операций землепользования в сильно пострадавших водоразделов. Подход , описанный в настоящем документе адреса ранее определены ограничения , связанные с управлением водными системами в значительной ...

Access restricted. Please log in or start a trial to view this content.

Материалы

Name	Company	Catalog Number	Comments
Slack Invert Sampling Kit	Wildco	3-425-N56
HDPE Square Jars	US Plastic Corp	66188	32 oz; for storing fixed, composite invertebrate samples
Ethyl Alcohol 190 Proof	PHARMCO-AAPER	111000190	For fixing and storing invertebrate samples
5 in. by 20 in. Macroinvertebrate sub-samplilng grid	N/A	N/A	This item cannot be purchased and must be made in house
Stereomicroscope Stemi 2000 with stand C LED	ZEISS	000000-1106-133	For macroinvertebrate sorting and identification
Thermo Scientific Nalgene Reusable Filter Holders with Receiver	Fisher Scientific	09-740-23A
Immobilon-NC Transfer Membrane	Millipore	HATF04700	Triton-free, mixed cellulose exters, 0.45 μm, 47 mm, disc
Actron Vacuum Pump Brake Bleeder Kit	Advanced Auto Parts	CP7835
Nitric Acid Solution	HACH	254049	1:1, 500 ml
Oblong NDPE Wide Mouth Bottles	Thomas Scientific	1229Z38	250 ml; for collection of water samples
650 Multi-parameter display, standard memory	Fondriest Environmental	650-01
600XL Sonde with temperature/conductivity sensor	Fondriest Environmental	065862
pH calibration buffer pack	Fondriest Environmental	603824	2 pints each of pH 4, 7, & 10
conductivity standard	Fondriest Environmental	065270	1 quart, 1,000 µS
Flo-Mate 2000	TTT Environmental	2000-11
Keson English/Metric Open Reel Fiberglass Tape	Forestry Suppliers	40025	300'/100 m
ArcGIS 10.3.1	ESRI