banner

Notícias

May 26, 2024

Mudanças na qualidade da água dos rios da China desde 1980: implicações de gestão do desenvolvimento sustentável

npj Clean Water volume 6, Número do artigo: 45 (2023) Citar este artigo

863 Acessos

Detalhes das métricas

As atividades humanas e as alterações climáticas ameaçam a qualidade da água nos rios da China. Simulamos as concentrações mensais de nitrogênio total fluvial (TN), nitrogênio amoniacal (NH3-N), fósforo total (TP) e demanda química de oxigênio (CODMn) em 613 subbacias hidrográficas das 10 principais bacias hidrográficas do país durante a década de 1980. –Período de 2050 com base em um conjunto de dados de monitoramento de 16 anos (2003–2018) usando modelos de aprendizado de máquina empilhados. Os resultados mostraram que a qualidade da água melhorou acentuadamente, com excepção da concentração de TN, o que provavelmente se deveu à falta de uma meta de controlo e de um sistema de avaliação de TN. A análise quantitativa indicou que os fatores antropogênicos foram os controles primários em comparação com os fatores climáticos e geográficos para as concentrações de TN, TP e NH3-N. Com base em todos os 17 objectivos de desenvolvimento sustentável (ODS) relevantes para a qualidade da água na China, os recursos hídricos, o ambiente hídrico, a ecologia aquática e a segurança hídrica devem ser considerados colectivamente para alcançar melhorias no estado ecológico dos rios da China.

Os rios são canais importantes para a migração e transporte de matéria entre a terra e os lagos ou oceanos, fornecendo abundantes recursos de água doce para água potável, irrigação, aquicultura, navegação e geração de energia1,2. No entanto, os ecossistemas fluviais estão a sofrer uma deterioração generalizada e estão globalmente ameaçados pelas actividades antropogénicas e pelas alterações climáticas3,4. Um estudo global revelou que quase 80% (4,8 mil milhões) da população mundial (em 2000) vive em áreas com uma elevada incidência de ameaças (>75%) à segurança humana da água5. Pior ainda, um terço da população mundial não tem acesso a água potável6. Face aos desafios actuais, é urgente diagnosticar as ameaças à qualidade da água dos rios numa vasta gama de escalas de tempo e espaço, remediar as suas causas subjacentes e limitar as ameaças provenientes da fonte para proteger os recursos de água doce dos rios5.

Os rios da China sofreram profundas deficiências na qualidade da água devido à inegável pressão do desenvolvimento económico sobre o ambiente desde a Reforma e Abertura da China em 19787. Foi confirmado que a poluição da água na China é uma das principais causas de 40 mil milhões de metros cúbicos de escassez de água na China. China por ano8. A elevada entrada de nutrientes antrópicos é uma causa crítica da redução da qualidade da água nos rios chineses. De acordo com estimativas de modelos multiescala, a entrada total de nitrogênio dissolvido (TDN) e fósforo total dissolvido (TDP) nos rios da China em 2012 foi de 28 Tg e 3 Tg, respectivamente9. Além disso, o excesso de nutrientes dos rios foi transportado para os lagos e para o oceano, resultando em episódios frequentes de florações e marés vermelhas, colocando em perigo a saúde humana e aquática e os serviços ecossistémicos10. Felizmente, a qualidade da água interior em toda a China apresentou uma melhoria acentuada ou foi mantida em níveis favoráveis ​​em todo o país entre 2003 e 2017, o que é atribuído a reduções na descarga de nutrientes11,12. Em 2022, uma investigação nacional de 3.641 locais de amostragem em rios, lagos e reservatórios em toda a China mostrou que 12,1% dos locais de amostragem tinham qualidade da água inferior à Classe III de acordo com o Padrão de Qualidade Ambiental de Águas Superficiais da China (GB3838-2002), enquanto 0,7 % de locais apresentavam uma condição mais grave e pior do que a Classe V13. Ao longo das últimas quatro décadas desde a Reforma e Abertura, no contexto do equilíbrio entre o desenvolvimento económico e a protecção ambiental, é essencial identificar os padrões de qualidade da água e os mecanismos subjacentes nos rios da China para fornecer referências e informações para a protecção da qualidade da água dos rios em países em desenvolvimento7.

Vários estudos foram dedicados aos padrões de qualidade da água nos rios da China e aos seus factores associados, tais como a quantificação de entradas de N e P nos rios chineses de diferentes fontes em múltiplas escalas9, o ciclo de nutrientes nos sistemas fluviais, incluindo fontes, transformação e fluxo14,15, e os padrões espaciais de qualidade da água e covariáveis ​​críticas de comprometimento do rio12,16,17,18. No entanto, ainda existem lacunas na compreensão da variação espaço-temporal e do mecanismo subjacente da qualidade da água dos rios da China nas últimas quatro décadas. Em primeiro lugar, a falta de dados de monitorização regular a longo prazo a nível nacional é o principal obstáculo no estudo dos impactos na qualidade da água dos rios, porque os dados de monitorização rastreáveis ​​e disponíveis apenas se estendem a partir de 200312,19. Em segundo lugar, a identificação dos mecanismos impulsionadores da variação da qualidade da água do rio está sujeita à resolução em escala temporal e espacial de modelos fatoriais e variáveis ​​explicativas (incluindo características geográficas naturais, indicadores socioeconômicos, dados de uso da terra e fatores meteorológicos)12,17. Finalmente, é um desafio superar as barreiras à investigação científica e às aplicações de gestão, e aplicar a compreensão da variação histórica da qualidade da água dos rios e dos mecanismos de condução para a futura gestão da qualidade da água e a consecução dos objectivos de desenvolvimento sustentável (ODS)7,10.

 35%) on the two nutrient levels (TP and NH3-N) in the Yellow and Pearl River Basins17, which is different from our study. Anthropogenic N and P inputs had higher contributions to the variability of both nutrients in the Songhua, Haihe, Huaihe, Yangtze, Southwest, and Northwest Inland rivers, where a somewhat higher contribution was registered with the regression coefficient of >1 (Fig. 3e–h). The results suggested that with socio-economic growth, the rivers in western and inland regions of China (except eastern regions) have registered severe water quality impairments, which should be given more attention in the future./p> 0.25; (2) deletion of the prediction variables with collinearity (Spearman correlation analysis, R > 0.8); (3) retainment of the prediction index that has a high correlation with a response index (Spearman correlation analysis, R > 0.4). The general processes inherent in the models are depicted in Fig. 1. We utilized the model stacking method, which provided a composite prediction based on the results of multiple base models (that is, RF, SVM, and KNN)20. The model stacking algorithm uses a two-layered learning framework where the outputs generated by individual base models are input into another model to generate final predictions39,40. The learning process of the stacking model is categorized into three steps: stacking generation, stacking pruning, and stacking integration. The phase of stacking generation mainly refers to the generation of base models, whereas the last two steps optimally combine the base model predictions to form a final set of predictions using a second-level algorithm./p>

COMPARTILHAR