Bafa Gölü için uzaktan algılama teknikleri ile siyanobakterilerin tespiti, izlenmesi, zamansal analizi ve göle ulaşan kirletici yükleriyle ilişkisinin değerlendirilmesi

Abstract

Siyanobakteriyel zararlı alg oluşumları (CyanoHABs) insan ve çevre sağlığı üzerinde ciddi zarar verici etkilere sahiptir. İç sularda farklı türlerde alg patlamalarına neden olan faktörler yıllardır araştırılmaktadır. Artan kanıtlar, küresel iklim değişikliğinin, kontrolsüz kentleşmenin, artan besin yüklemesinin ve düzensiz akış rejimlerinin, CyanoHAB'ların artan sıklığına, şiddetine, kapsamına ve daha geniş coğrafi dağılımına katkıda bulunduğunu göstermektedir. Su kütlelerindeki pigment konsantrasyonlarının izlenmesi ve tahmin edilmesi, erken müdahalede veya önleme yöntemlerinin araştırılmasında kritik bir role sahiptir. Geleneksel izleme teknikleri son derece doğru olmasına rağmen, mekânsal ve zamansal kapsam açısından büyük ölçüde yetersizdir. Geleneksel yöntemin aksine, uzaktan algılama tabanlı yöntemler, mükemmel zamansal ve mekânsal kapsama sahiptir. Gelişmekte olan ve veri temininde sıkıntı yaşanan bölgelerde idealdir. Birleşmiş Milletler Çevre Programı'na (UNEP) göre iklim değişikliğinin sıcak noktası olan Akdeniz Bölgesi'nde yer alan Bafa Gölü, yıllardır CyanoHAB ve kirlilik sorunlarıyla mücadele etmektedir. Ege Bölgesi'nin en büyük gölü olan Bafa, Türkiye'nin önemli sulak alanlarından biridir. Göl hidrolojik projelerle korunmaya çalışılmaktadır. Bafa Gölü, su yönetimi açısından önemli bir nehir havzası olan Büyük Menderes Nehri Havzası'nda (BMN) yer almaktadır. BMN havzası çok sayıda baraj ve sulama yapıları ile hidrolojik olarak yoğun düzenlenmiş, aynı zamanda tarımsal ve endüstriyel kirlilik yükü baskısı altındaki bir havzadır. Bu tez çalışmasının odak noktası, BMN'nin oluşturduğu sığ bir alüvyon set gölü olan Bafa'daki CyanoHAB'ların izlenmesi ve sebeplerinin araştırılmasıdır. 2013, 2014, 2018 ve 2019 yıllarında yerinde ölçülmüş klorofil-a (Chl-a) değerleri ile Landsat-8 OLI Rrc RED, Blue/Green, Rrc SWIR ve Floating Algae Index (FAI) bant/endeksleri kullanılarak, bir rastgele orman algoritması Chl-a (Random Forest Chl-a, RFchl-a) tahmin modeli oluşturulmuştur. Modelde sırasıyla kalibrasyon ve doğrulama için Karesel Ortalama Hata (KOH) 18,10 ve 14,25 µg/L ve normalleştirilmiş KOH yüzdeleri olarak (%KOH) %15,8 ve %29,2 değerleri elde edilmiştir. CyanoHAB eğilim ve frekans değerlerinin belirlenmesi amacıyla Landsat-8 OLI sensörlerinden 2013-2019 yılları arasında bir RFchl-a zaman serisi oluşturulmuştur. CyanoHAB'a sebep olabilecek hidroloji, sediment, nütrient yükleri gibi çevresel faktörler ve meteorolojik çıktılar, ayrıntılı bir havza ölçekli Soil and Water Assessment Tool (SWAT) modelinden elde edilmiştir. Model 2010-2013 yılları için kalibre edilmiş ve 2014-2019 yılları için doğrulanmıştır. Kalibrasyonda akış verileri için R2 (coefficient of determination) 0,64-0,92, NSE (Nash-Sutcliffe Efficiency) 0,63-0,82, sediment verileri için, R2 0,55-0,82, NSE 0,33-0,67, nütrient verileri için R2 0,59-0,79, NSE -1,55 – 0,50'dir. Doğrulama da ise bu değerler akış verileri için R2 0,57-0,97, NSE 0,54-0,92, sediment verileri için, R2 0,66-0,81, NSE 0,10-0,79, nütrient verileri için R2 0,40-0,77, NSE -0,51-0,71 olmuştur. SWAT modeli ve RFchl-a zaman serilerinin birlikte değerlendirilmesi ile elde edilen sonuçlar, RFchl-a değerlerini etkileyen parametrelerin mevsimsel olduğunu göstermiştir. Kurak-sıcak dönemde RFchl-a ile anlamlı korelasyon bulunan parametreler (Pearson korelasyon katsayısı) evapotranspirasyon (0,60), toprak su içeriği (0,59) ve göl hacmi (0,55) olurken; yağışlı-soğuk dönemde perkolasyon (0,70), yağış (0,70) ve yüzey akışı (0,66) olarak ortaya çıkmıştır. Bu çalışmadan elde edilen sonuçlar, Landsat-8 OLI verilerine dayalı Chl-a tahmin modeli ile SWAT modelinin birlikte kullanımının, bir havza ölçeğinde iç su kütlelerinde meydana gelen CyanoHAB olaylarının faktörlerini analiz etme potansiyeline sahip olduğunu ortaya koymuştur.

Cyanobacterial harmful algal blooms (CyanoHABs) seriously damaging effects on human and environmental health. Factors that ultimately lead to the formation of different types of algal blooms in inland waters have been investigated for years. Mounting evidence indicates that global climate change, uncontrolled urbanization, increased nutrient loading and irregular flow regimes of freshwater systems are contributing to the increased frequency, severity, extent, and broader geographic distribution of CyanoHABs. Monitoring and estimating pigment concentrations in water bodies has a critical role in the search for early intervention or prevention methods. Traditional monitoring techniques, although highly accurate, are vastly insufficient in terms of spatial and temporal coverage. Unlike the traditional method, remote sensing-based methods have excellent temporal and spatial coverage and are ideal for developing and data-deficient regions. Located in the Mediterranean region, which is the hot spot of climate change according to the United Nations Environment Programme (UNEP), Lake Bafa has been struggling with CyanoHAB and pollution problems for years. The lake is one of the most important wetlands of Turkey and is trying to be protected with hydrological projects. Lake Bafa is located in the Büyük Menderes River Basin (BMN), an important river basin in terms of water management. The BMN basin is a hydrologically highly regulated basin with dense dams and irrigation structures and is also under pressure from agricultural and industrial pollution. This thesis focuses on monitoring and investigating the cause of CyanoHABs in Bafa, a shallow alluvial barrier lake formed by the BMN. A Random Forest Chlorophyll-a (RFchl-a) pigment quantification model was calibrated and validated with a root mean square error (RMSE) of 18.10 and 14.25 µg/L and a normalized percent root mean square error (%NRMSE) of %15.8 and %29.2 respectively, from measured in-situ Chl-a values between 2013, 2014, 2018, and 2019 using Rrc RED, Blue/Green, Rrc SWIR and Floating Algae Index (FAI). A time series of remotely estimated RFchl-a was developed from 2013 to 2019 Landsat-8 OLI sensor data. CyanoHABs drivers related to environmental factors such as nutrient, sediment, hydrological and meteorological outputs were obtained from a detailed non-point source Soil and Water Assessment Tool (SWAT) model. It was calibrated for 2010-2013 and validated for 2014-2019 years. The results for the flow data ranged from R2 (coefficient determination) 0.64-0.92, NSE (Nash-Sutcliffe Efficiency) 0.63-82, and R2 0.57-0.97, NSE 0.54-0.92; for the sediment data, R2 0.55-0.82, NSE 0.33-0.67, and R2 0.66-0.81, NSE 0.10-0.79; for the nutrient data, R2 0.59-0.79, NSE -1.55 - 0.50, and R2 0.40-0.77, NSE -0.51-0.71 obtained for the calibration and the validation period consequently. The evaluation of the SWAT model and RFchl-a time series showed that the parameters affecting RFchl-a values are seasonal. A significant positive correlation (Pearson correlation coefficient) was observed between RFchl-a and the most significant parameters of evapotranspiration (0.603), soil water content (0.592), and reservoir volume (0.550) for the dry season, percolation (0.701), precipitation (0.699), and surface runoff (0.659) for the wet season. Outputs of this study revealed that combining Landsat-8 OLI data and the SWAT model has the potential to analyze the drivers of CyanoHABs spatio-temporal variability of inland water bodies in a basin scale.