پهنه بندي كيفيت آب رودخانه ها با تكنيك تحليل طبقه بندي فازي مورد مطالعاتي: رودخانه زاينده رود

Water Quality Zoning of Rivers by the Technique of Fuzzy Clustering Analysis

پهنه بندي كيفيت آب رودخانه، از اولين و شايد مهمترين گامها در مديريت كيفيت آب رودخانه به شمار مي‌آيد؛ چرا كه ديد تحليلگر را نسبت به روند و چگونگي تغييرات آلودگي نسبت به زمان، مكان و شرايط خاص روشن مي‌سازد. در اين راستا مسئله مهمي كه وجود دارد، تعيين معياري منطقي و درست براي آلودگي است. در تعيين اين معيار، پارامترهاي مختلفي از كيفيت آب با توجه به نوع آلاينده‌ها و اهداف كنترل آن مي‌توانند مشاركت داشته باشند. در نظر گرفتن توأم همه اين پارامترها براي تحليل كيفيت آب يك رودخانه مي‌تواند مشكل و پيچيده بوده و نهايتاً نياز تحليلگر را به استفاده از ابزارها يا مدلهايي كه هر چه بيشتر به واقعيت مسئله نزديك باشند، ضروري مي‌سازد. در بحث ارزيابي و مديريت كيفيت آب در طرحهاي توسعه و مديريت منابع آب، روش تحليل طبقه بندي فازي را مي‌توان در جايي به كار برد كه تركيبي از پارامترهاي متعدد و مختلف كيفيت كه هر كدام به نحوي بر كيفيت آب مؤثرند در پيش رو قرار گيرند. در چنين حالتي، روش مورد نظر ممكن است به عنوان ابزاري مكمل يا …. براي تحليل كيفيت آب به كار رود. در روش تحليل طبقه‌بندي فازي، طبقه‌بندي كيفيت آب توسط يك رابطه فازي انجام مي‌شود. اساس كار به اين ترتيب است كه پس از تشكيل ماتريس تجانس يا تشابه فازي و تثبيت آن توسط خواص رياضي روابط فازي، نمودار ديناميك طبقه‌بندي ايجاد شود و با مشخص كردن حد آستانه مناسب، طبقه‌بندي قابل قبول و مقتضي ارائه شود. روش مورد بحث نسبتاً ساده است و نتايج به دست آمده مي‌تواند به منظور فراهم آوردن اطلاعاتي با ارزش براي تصميم‌گيري در مديريت كيفيت منابع آب، تفسير و گزارش شوند. براي اولين بار اين روش نوين براي رودخانه زاينده‌رود به كار گرفته شده و نتايج حاصله به شكل پهنه‌بندي كيفيت آب رودخانه ارائه شده است.

Zoning the pollution of a river may be the first or even the most important step in water quality management. In order to resolve its pollution, fuzzy clustering analysis may be used whenever a composite classification of water quality incorporates mutiple parameters In such cases, the technique may be used as a complement or an alternative to comprehensive assessment. In fuzzy clustering analysis, the classification is achieved through a fuzzy relation. After a fuzzy similiarity matrix has been established and the fuzzy relation stabilized, a dynamic clustering chart can be developed. Given a suitable threshold, the appropriate classification is worked out. A general methodology for fuzzy clustering analysis is developed and illustrated with a case study of water quality evaluation for the Zayandeh-Rood river, the results of which have been represented in a pollution zoning manner.