Komponen yang paling penting dari sebuah kerangka kerja untuk pemantauan daerah aliran sungai adalah pengembangan dan penggunaan pendekatan terpadu untuk pemantauan yang menarik pada perencanaan yang berbasis risiko dan juga analisis, pemodelan dan statistik sampling dan desain. Pendekatan ini mengakui simbiosis antara penilaian risiko, pemantauan, pemodelan dan penelitian. Penilaian risiko digunakan untuk memprioritaskan dan mengukur resiko kesehatan dan lingkungan, pemantauan memberikan masukan dan kredibilitas untuk model-model serta potensi baru untuk mendeteksi atau masalah atau kondisi tak terduga, model memberikan wawasan dan kemampuan prediktif, dan penelitian yang digunakan untuk meningkatkan metode analitik dan memberikan informasi tambahan mengenai sifat dan besarnya resiko kesehatan lingkungan. Pendekatan harus memberikan penilaian tentang alam dan sumber antropogenik stres dengan sistem penilaian kualitas air tren dalam menanggapi tekanan bertindak dalam konser, baik atas pendek (> 1-5 thn) dan lebih lama (5 thn) istilah; penilaian terhadap kesehatan manusia dan risiko lingkungan yang diajukan oleh berbagai sistem tekanan dan dampak dari tindakan-tindakan manajemen dilaksanakan untuk memperbaiki sistem sumber yang stres di sepanjang daerah aliran sungai.
Sebuah pendekatan berbasis risiko yang harus digunakan untuk mengidentifikasi dan memprioritaskan masalah-masalah potensi di DAS, sebagian melalui penentuan tekanan yang menimbulkan risiko terbesar bagi kesehatan manusia dari integritas ekologi, dan untuk tekanan yang terbesar ada ketidakpastian. Kesehatan manusia dan metode penilaian risiko ekologis telah dijelaskan oleh Dewan Riset Nasional (NAS, 1983) untuk bahan kimia, oleh Risk ILSI Science Institute (1996) untuk patogen, dan oleh US
EPA (1992) dan Suter (1993) untuk efek ekologi (termasuk penilaian risiko dalam konteks analisis tingkat DAS). Metode ini memberikan dasar-dasar untuk pemantauan berbasis risiko, sebagaimana ditunjukkan dalam TVA's Holton River Basin (Chen et al., 1996).
EPA (1992) dan Suter (1993) untuk efek ekologi (termasuk penilaian risiko dalam konteks analisis tingkat DAS). Metode ini memberikan dasar-dasar untuk pemantauan berbasis risiko, sebagaimana ditunjukkan dalam TVA's Holton River Basin (Chen et al., 1996).
Informasi mengenai kesehatan manusia tertentu atau risiko ekologi harus mendorong pengembangan kompartemen yang tepat dari sistem-model yang luas. Kebutuhan sistem-model yang luas, atau kompartemen, kemudian akan membimbing pengembangan dan pelaksanaan program pemantauan untuk masalah tertentu atau risiko. Sebagai contoh, pendekatan ini dapat mengidentifikasi pestisida sebagai sumber risiko yang signifikan bagi kesehatan manusia atau ekosistem. Dalam hal ini, sebuah kompartemen khusus dari model untuk seluruh sistem harus menangani sumber, nasib dan pengangkutan pestisida, dan pemantauan data untuk pestisida harus dikumpulkan untuk memenuhi kebutuhan sistem-model yang luas, termasuk kalibrasi dan validasi model. Selain pengembangan model informasi, pemantauan berbasis risiko yang harus menyediakan data untuk memfasilitasi penentuan tingkat risiko yang dapat diterima dan relatif risiko dan untuk menilai efektivitas kegiatan manajemen yang dirancang untuk mengurangi atau menghilangkan risiko.
Pemantauan berbasis risiko untuk efek ekologis biasanya harus berfokus pada ikan, invertebrata, dan ganggang (termasuk periphyton) di kedua waduk dan sungai pengumpan. Organisme perairan ini dapat digunakan untuk mengintegrasikan pengaruh kumulatif stres pada ekosistem dan komponen. Sejak biologis integritas ekosistem air tergantung pada sejumlah faktor, termasuk kualitas air, habitat, aliran, energi dan interaksi biotik, sebuah pendekatan berbasis risiko untuk pemantauan harus mencakup penilaian terhadap integritas biotik, melalui penggunaan Index of biotik Integritas ( IBI), sebuah Bioassessment Rapid Protokol, atau pendekatan yang serupa (misalnya, lihat Novotny dan Witte, 1997; US EPA, 1997a; Plafkin et al., 1989; atau US EPA draft Dukungan Teknis Streaming Wadeable Dokumen untuk dikembangkan oleh Tim Biocriteria EPA Office of Air).
Parameter fisika dan kimia, serta patogen juga harus dipantau untuk memberikan informasi tentang kesehatan ekologi (status) dari ekosistem perairan, mengenai potensi resiko kesehatan manusia, dan pada kemanjuran kegiatan pengelolaan baik bagi kesehatan manusia dan ekologi risiko. Namun perlu dicatat, bahwa parameter kimia dan fisik mungkin terkait dengan skala daerah aliran sungai lebih besar daripada properti lanskap pola pada penggunaan lahan lokal. Tanah, geologi dan topografi adalah fitur daerah yang harus dipertimbangkan dalam penafsiran dan penggunaan data lanskap. Sebagai contoh, permeabilitas, kedalaman dan porositas tanah dan batuan dasar latar belakang mempengaruhi tingkat nutrisi dan ion terlarut (Couch, 1997; Hippe dan Garrett, 1997; Holmbeck-Pelham dan Rasmussen, 1997; US EPA, 1997a). Demikian pula, kemiringan mempengaruhi tingkat erosi, kedalaman tanah dan tingkat pelapukan. Ini adalah pertimbangan penting dalam pengembangan model dan lanskap dalam menggunakan data untuk menilai risiko penurunan kualitas air di daerah-daerah tertentu di dalam daerah aliran sungai.
Program pemantauan yang komprehensif dan terpadu harus didasarkan pada sistem kedalaman, model hidrologi, informasi, atau dipandu oleh penilaian risiko kuantitatif. Model dapat digunakan untuk memandu pengumpulan dan sintesis informasi mengenai sumber, nasib, transportasi dan kontaminan dan efek dari stres yang lain, dan pada tingkat sistem efek dari tindakan dan strategi manajemen. Sebuah model untuk seluruh sistem harus mencakup darat terkait pemuatan, hidrologi dan kualitas air permukaan model, dan harus mampu pemodelan nasib dan transportasi dari semua faktor yang menimbulkan risiko bagi kesehatan manusia dan lingkungan, seperti polusi yang menyebabkan eutrofikasi, patogen dan beracun. Meskipun model pendekatan bagi beberapa parameter masih dalam tahap pengembangan (misalnya, untuk patogen dan THMs), tujuan jangka panjang untuk setiap program monitoring harus mengembangkan model kemampuan untuk semua parameter kualitas air kritis. Kemampuan pemodelan yang sesuai harus mencakup kalibrasi dan langkah-langkah validasi serta penilaian terhadap output pada model ketidakpastian dan perbandingan ketidakpastian dengan toleransi terhadap ketidakpastian dalam tindakan pengelolaan.
Dasar bagi seluruh sistem model baik dikalibrasi model hidrologi yang menggunakan informasi meteorologi seperti peristiwa untuk memprediksi waktu-variabel aliran dan konsentrasi polutan. Para model hidrologi akan memberikan komprehensif penentuan sifat hidrolik sistem di bawah berbagai keadaan termasuk kejadian ekstrim seperti banjir dan kekeringan. DAS akurat dan tingkat sistem anggaran hidrologi prasyarat untuk prediksi yang akurat kualitas air permukaan (U.S EPA, 1995, 1997a).
Data curah hujan, tingkat penguapan (ditentukan baik secara langsung dari air yang dihitung dengan model keseimbangan), kelembaban, ketinggian, jenis tanah dan hidrogeologi yang menyediakan beberapa komponen dasar dari suatu model hidrologi. Selain itu, sumber hidrologi daerah kritis (daerah yang menyumbang air dalam jumlah yang signifikan, atau bertanggung jawab atas dampak yang signifikan, seperti sumbangan polutan, untuk sebuah sistem) harus di identifikasi, yang akan meningkatkan pengembangan model hidrologi serta analisis kemanjuran strategi manajemen. Informasi dari daerah-daerah ini akan membantu menentukan koefisien limpasan sebagai fungsi dari properti, termasuk penggunaan lahan, daerah sumber ini. Para model hidrologi juga harus mampu meramalkan sistem ekstrem (misalnya, volume air dan tempat tinggal kali dalam waduk untuk daerah keduanya yang sangat basah dan tahun yang mengalami kekeringan).
Dasar bagi seluruh sistem model baik dikalibrasi model hidrologi yang menggunakan informasi meteorologi seperti peristiwa untuk memprediksi waktu-variabel aliran dan konsentrasi polutan. Para model hidrologi akan memberikan komprehensif penentuan sifat hidrolik sistem di bawah berbagai keadaan termasuk kejadian ekstrim seperti banjir dan kekeringan. DAS akurat dan tingkat sistem anggaran hidrologi prasyarat untuk prediksi yang akurat kualitas air permukaan (U.S EPA, 1995, 1997a).
Data curah hujan, tingkat penguapan (ditentukan baik secara langsung dari air yang dihitung dengan model keseimbangan), kelembaban, ketinggian, jenis tanah dan hidrogeologi yang menyediakan beberapa komponen dasar dari suatu model hidrologi. Selain itu, sumber hidrologi daerah kritis (daerah yang menyumbang air dalam jumlah yang signifikan, atau bertanggung jawab atas dampak yang signifikan, seperti sumbangan polutan, untuk sebuah sistem) harus di identifikasi, yang akan meningkatkan pengembangan model hidrologi serta analisis kemanjuran strategi manajemen. Informasi dari daerah-daerah ini akan membantu menentukan koefisien limpasan sebagai fungsi dari properti, termasuk penggunaan lahan, daerah sumber ini. Para model hidrologi juga harus mampu meramalkan sistem ekstrem (misalnya, volume air dan tempat tinggal kali dalam waduk untuk daerah keduanya yang sangat basah dan tahun yang mengalami kekeringan).
Sebuah darat atau DAS model loading digabungkan dengan model hidrologi diperlukan untuk secara akurat memprediksi limpasan mengalir dan nasib dan pengangkutan bahan-bahan yang mengalir dari tanah ke sistem reservoir. Model ini akan memungkinkan prediksi dampak praktek pengelolaan dan perubahan penggunaan lahan di daerah aliran sungai. Akhirnya, model kualitas air terkait dengan model hidrologi dan darat diperlukan untuk memprediksi wajah dan transportasi polutan melalui seluruh sistem reservoir.
Penyimpanan, manajemen dan manipulasi data dan informasi untuk model hidrologi, serta pengembangan model itu sendiri, harus dilakukan dalam Sistem Informasi Geografis (GIS) kerangka kerja (US EPA, 1995). Sebagai contoh, sebuah prototipe dari GIS-Modeling ditambah Support System ini dikembangkan dengan mengintegrasikan ARC / INFO dengan pemuatan daerah aliran sungai dan kualitas air model untuk membentuk suatu model sistem pendukung yang disebut GEO-WAMS (geografis berbasis Daerah Aliran Sungai Analisis dan Pemodelan Sistem; DePinto et al ., 1994, 1996). Pendekatan model lain, baru-baru ini dikembangkan di US Geological Survey (USGS), yang disebut Sparrow (spasial Referenced Regression di DAS Atribut; Smith et al., 1997), dirancang untuk menafsirkan data dari jaringan pemantauan kualitas air dalam konteks DAS transportasi. Metode non-linear menggunakan analisis regresi untuk memperkirakan koefisien dalam model tahap perairan darat dan kontaminan transportasi melalui aliran sungai. Persamaan regresi berkaitan dengan tarif transportasi di sungai dan sungai ke deskriptor direferensikan GIS-sumber polusi, karakteristik permukaan tanah dan sungai-saluran jaringan. Model yang dihasilkan dapat digunakan untuk memberikan bias statistik ringkasan dari kondisi kualitas air di daerah aliran sungai dan untuk memprediksi dampak perubahan titik dan non-titik sumber kontaminasi. Karena proses kalibrasi statistik, semua perkiraan yang disertai dengan kesalahan perkiraan. Pendekatan-pendekatan lain untuk model DAS terpadu meliputi sistem GIBSI (Mailhot et al., 1997) dan sistem BSHM (Yu dan Schwartz, 1998).
Kalibrasi dan validasi model, yang sangat penting dalam menangani potensi bias dan ketidakpastian (Korfmacher, 1998), harus terjadi sebagai bagian dari pengembangan dan pelaksanaan model. Klorida atau konduktivitas, yang telah secara luas digunakan di seluruh Great Lakes baskom, mungkin sangat berguna sebagai pelacak untuk kalibrasi dan validasi model (Martin dkk., 1995; DePinto et al., 1995).
Penyimpanan, manajemen dan manipulasi data dan informasi untuk model hidrologi, serta pengembangan model itu sendiri, harus dilakukan dalam Sistem Informasi Geografis (GIS) kerangka kerja (US EPA, 1995). Sebagai contoh, sebuah prototipe dari GIS-Modeling ditambah Support System ini dikembangkan dengan mengintegrasikan ARC / INFO dengan pemuatan daerah aliran sungai dan kualitas air model untuk membentuk suatu model sistem pendukung yang disebut GEO-WAMS (geografis berbasis Daerah Aliran Sungai Analisis dan Pemodelan Sistem; DePinto et al ., 1994, 1996). Pendekatan model lain, baru-baru ini dikembangkan di US Geological Survey (USGS), yang disebut Sparrow (spasial Referenced Regression di DAS Atribut; Smith et al., 1997), dirancang untuk menafsirkan data dari jaringan pemantauan kualitas air dalam konteks DAS transportasi. Metode non-linear menggunakan analisis regresi untuk memperkirakan koefisien dalam model tahap perairan darat dan kontaminan transportasi melalui aliran sungai. Persamaan regresi berkaitan dengan tarif transportasi di sungai dan sungai ke deskriptor direferensikan GIS-sumber polusi, karakteristik permukaan tanah dan sungai-saluran jaringan. Model yang dihasilkan dapat digunakan untuk memberikan bias statistik ringkasan dari kondisi kualitas air di daerah aliran sungai dan untuk memprediksi dampak perubahan titik dan non-titik sumber kontaminasi. Karena proses kalibrasi statistik, semua perkiraan yang disertai dengan kesalahan perkiraan. Pendekatan-pendekatan lain untuk model DAS terpadu meliputi sistem GIBSI (Mailhot et al., 1997) dan sistem BSHM (Yu dan Schwartz, 1998).
Kalibrasi dan validasi model, yang sangat penting dalam menangani potensi bias dan ketidakpastian (Korfmacher, 1998), harus terjadi sebagai bagian dari pengembangan dan pelaksanaan model. Klorida atau konduktivitas, yang telah secara luas digunakan di seluruh Great Lakes baskom, mungkin sangat berguna sebagai pelacak untuk kalibrasi dan validasi model (Martin dkk., 1995; DePinto et al., 1995).
Tidak ada komentar:
Posting Komentar