مراقبة الإثراء الغذائي لبحيرة سد الموصل باستخدام نموذج استرجاع معتمد على بيانات التحسس النائي

القسم: Articles
إصدار
مجلد 4 عدد 2 (2026): Journal of Rafidain Environment
الصفحات
50-62

الملخص

   يُعد الإثراء الغذائي من أكثر المشكلات البيئية إلحاحاً التي تواجه موارد المياه السطحية على مستوى العالم، وينتج بصورة رئيسة عن تراكم المغذيات، ولا سيما مركبات النيتروجين والفوسفور. لذلك فإن الفحص والرصد المستمران للمغذيات في الموارد المائية السطحية يُعدان خطوة أساسية في أي خطة لمعالجة هذه المشكلة. في هذا البحث، تم اشتقاق معادلات تجريبية لمؤشرات الإثراء الغذائي في بحيرة سد الموصل بالاعتماد على بيانات التحسس النائي المتمثلة بمرئيات القمر الصناعي لاندسات 8 (Landsat 8).  وقد جرى قياس مؤشرات قرص سيكي (Secchi Disk) والعكارة والكلوروفيل في البحيرة خلال شتاء عام 2024 وصيف عام 2025. أظهرت النتائج أن نموذج الاسترجاع متعدد الحدود للعكارة المعتمد على الحزم الطيفية الرابعة والخامسة والسادسة كان الأفضل في استرجاع البيانات، إذ بلغت قيم مؤشرات تقييم الدقة لهذا النموذج 0.83 و3.27 و3.66 لكل من معامل التحديد (R²) وجذر متوسط مربع الخطأ (RMSE) والخطأ المعياري (SE) على التوالي. كما أظهرت نتائج التقييم الكلي لمؤشرات التنبؤ الخاصة بنماذج الإثراء الغذائي المشتقة والمستخدمة في هذا البحث قيماً بلغت 0.81 لمعامل التحديد (R²)، و2.45 لجذر متوسط مربع الخطأ (RMSE)، و2.33 للخطأ المعياري (SE). وتشير هذه النتائج إلى إمكانية استخدام نموذج الاسترجاع المختبر في هذه الدراسة بكفاءة وفاعلية في مراقبة بحيرة سد الموصل.

المراجع

  1. Ahmad, I., Alasgah, A. A., Zelenakova, M., Dar, M. A., Damtie, M., & Berhan, M. (2025). Quantifying turbidity dynamics in lake water using OLS regression: A Landsat 8 OLI-based remote sensing approach. Journal of Hydrology: Regional Studies, 60, 102523.
  2. Ahmed, A. R., Al-Sharify, Z. T., & Khudhair, W. A. (2023). Studying the environmental impacts of rising and falling water levels in the Mosul Dam Lake. AIP Conference Proceedings, 2787(1), 090024.
  3. Baughman, C. A., Jones, B. M., Bartz, K. K., Young, D. B., & Zimmerman, C. E. (2015). Reconstructing turbidity in a glacially influenced lake using the Landsat TM and ETM+ surface reflectance climate data record archive, Lake Clark, Alaska. Remote Sensing, 7(10), 13692–13710. https://doi.org/10.3390/rs71013692
  4. Brooks, B., Lazorchak, J., Howard, M., et al. (2016). Are harmful algal blooms becoming the greatest inland water quality threat to public health and aquatic ecosystems? Environmental Toxicology and Chemistry, 35(1), 6–13. https://doi.org/10.1002/etc.3220
  5. Caballero, I., Roca, M., Santos‐Echeandía, J., Bernárdez, P., & Navarro, G. (2023). Use of the Sentinel-2 and Landsat-8 satellites for water quality monitoring: An early warning tool in the Mar Menor coastal lagoon. Water, 15(4), 842. https://doi.org/10.3390/w15040842
  6. Carlson, R. E., & Simpson, J. (1996). A coordinator’s guide to volunteer lake monitoring methods. North American Lake Management Society.
  7. Dodds, W. K., Bouska, W. W., Eitzmann, J. L., et al. (2009). Eutrophication of U.S. freshwaters: Analysis of potential economic damages. Environmental Science & Technology, 43(1), 12–19.
  8. Gholizadeh, A., & Karimi, B. (2023). Remote sensing and GIS applications in water quality monitoring: A systematic review. Environmental Science Journal, 28(4), 112–130.
  9. Havens, K. E., & Jeppesen, E. (2018). Ecological responses of lakes to climate change. Water, 10(7), 917.
  10. Hossain, M. A., Anwar, A. H. M. F., & Ryu, D. (2021). Remote sensing of turbidity in the Tennessee River using Landsat 8 satellite. Remote Sensing, 13(18), 3785. https://doi.org/10.3390/rs13183785
  11. Hou, X., Feng, L., Dai, Y., et al. (2022). Global mapping reveals increase in lacustrine algal blooms over the past decade. Nature Geoscience, 15, 130–134. https://doi.org/10.1038/s41561-021-00887-x
  12. Huynh, T. T., Noh, J., Kim, Y., & Park, Y. (2019). Modelling reservoir turbidity using Landsat 8 satellite imagery. Water, 11(7), 1479. https://doi.org/10.3390/w11071479
  13. Jaelani, L. M., Limehuwey, R., Kurniadin, N., Pamungkas, A., Koenhardono, E. S., & Sulisetyono, A. (2016). Estimation of total suspended sediment and chlorophyll-a concentration from Landsat 8 OLI: The effect of atmosphere and retrieval algorithm. IPTEK Journal of Technology and Science, 27, 16–23.
  14. Khalaf, S. K., & Kharofa, H. A. (2020). Simple guide and reference. Iraqi Bulletin of Geology and Mining, 16(1), 1–8.
  15. Khattab, M. F. O., & Merkel, B. J. (2012). Distribution of heterotrophic bacteria and water quality parameters of Mosul Dam Lake, northern Iraq. In C. A. Brebbia (Ed.), Water pollution XI (pp. 195–207). WIT Press.
  16. Lee, Z., Shang, S., Qi, L., Yan, J., & Lin, G. (2016). A semi-analytical scheme to estimate Secchi-disk depth from Landsat-8 measurements. Remote Sensing of Environment, 177, 101–106.
  17. Menendez, I. M. (2021, October 21). Chlorophyll concentration in water samples: Determination by spectrophotometer. Emica Solar.
  18. Meng, H., Zhang, J., & Zheng, Z. (2023). Retrieving inland reservoir water quality parameters using Landsat 8–9 OLI and Sentinel-2 MSI sensors with empirical multivariate regression. Remote Sensing, 15(3), 557.
  19. Mliyeh, M. M., Agnouy, M., & Shitu, K. (2025). Assessing drought dynamics in a semi-arid basin: A multi-index approach using hydrological and remote-sensing indicators. Environmental Sciences Europe, 37, 180.
  20. Mpaka-Iri, K. S., Muthivhi, F. F., Dondofema, F., Munyai, L. F., & Dalu, T. (2024). Chlorophyll-a unveiled: Unlocking reservoir insights through remote sensing in a subtropical reservoir. Environmental Monitoring and Assessment, 196(4), 401.
  21. Ritchie, C. J., Zimba, P. V., & Everitt, J. H. (2003). Remote sensing techniques to assess water quality. Photogrammetric Engineering & Remote Sensing, 69, 695–704.
  22. Rubin, H. J., Lutz, D. A., Steele, B. G., et al. (2021). Remote sensing of lake water clarity: Performance and transferability of both historical algorithms and machine learning. Remote Sensing, 13(8), 1434.
  23. Sriwongsitanon, N., Surakit, K., & Thianpopirug, S. (2011). Influence of atmospheric correction and number of sampling points on the accuracy of water clarity assessment using remote sensing application. Journal of Hydrology, 401(3–4), 203–220.
  24. Topp, S. N., Pavelsky, T. M., Jensen, D., Simard, M., & Ross, M. R. V. (2020). Research trends in the use of remote sensing for inland water quality science: Moving towards multidisciplinary applications. Water, 12(1), 169. https://doi.org/10.3390/w12010169
  25. U.S. Geological Survey. (2021). Landsat 8 OLI/TIRS imagery. EarthExplorer. https://earthexplorer.usgs.gov
  26. Wang, L., Zhang, Y., & Chen, H. (2024). Integrating spectral data and hydrological models for water quality assessment using satellite imagery. Journal of Environmental Monitoring, 32(1), 56–72.
  27. Wang, Y., Zhao, D., Woolway, R. I., et al. (2025). Global elevation of algal bloom frequency in large lakes over the past two decades. National Science Review, 12(3), nwaf011.
  28. Yahya, B. M., & Ahmed, K. A. (2013). Study of land use and land cover changes near Mosul Dam Lake using digital processing. Iraqi National Journal of Earth Sciences, 13(2).
  29. Yang, H., Kong, J., Hu, H., Du, Y., Gao, M., & Chen, F. (2022). A review of remote sensing for water quality retrieval: Progress and challenges. Remote Sensing, 14(8), 1770.
  30. Zhang, Y., Shi, K., Sun, X., & Zhang, Y. (2022). Improving remote sensing estimation of Secchi disk depth for global lakes and reservoirs using machine learning methods. GIS cience & Remote Sensing, 59(1), 1367–1383.

المؤلفون

حنان عبد الرحمن الجبوري

محمد فوزي عمر

حازم جمعة محمود

المعرفات

معرف الكائن الرقمي DOI: 10.33899/jre.v4i2.64225

الإحصائيات

حقوق الطبع والنشر والتراخيص
Creative Commons Licenseهذا العمل مرخص بموجب رخصة المشاع الإبداعي نسب المصنف - غير تجاري 4.0 رخصة دولية.