Un sistem de clasificare a cursurilor de apă pentru Statele Unite ale Americii

Vizualizare generală a abordării

În cadrul SCS, elementele constitutive ale habitatului cursurilor de apă sunt reprezentate ca o serie de straturi, fiecare dintre acestea reprezentând diferite categorii de caracteristici fizice (de exemplu, dimensiune, gradient). Fiecare strat este alcătuit din mai multe clase (de exemplu, headwater, pârâu, gradient scăzut, gradient ridicat). Straturile au fost construite folosind abordări inductive bazate pe modele din datele empirice, spre deosebire de abordările deductive care se bazează pe regionalizarea peisajului. Sursele de date empirice utilizate pentru a deriva clasele de cursuri de apă sunt furnizate în tabelul 1. În urma analizelor anterioare și a solicitării din partea unui grup de conservaționiști și ecologiști ai cursurilor de apă6,25, am selectat șase straturi de habitate ale cursurilor de apă care ar putea fi cartografiate la nivelul de rezoluție al cursului de apă și despre care s-a emis ipoteza că exercită un control puternic asupra funcției ecologice și a compoziției comunităților ecologice. Acestea au inclus (în ordinea descrescătoare a importanței ecologice): dimensiunea, gradientul, hidrologia, temperatura, bifurcația rețelei de cursuri de apă și confinarea văilor.

Un considerent major în selectarea straturilor și determinarea partițiilor între clase a fost disponibilitatea metodelor documentate pentru abordările de clasificare și a pragurilor între clase. Prin urmare, am selectat cu predilecție straturile susținute de clasificări preexistente și publicate sau, dacă clasificările anterioare nu erau disponibile, ne-am bazat pe literatura de specialitate pentru a determina pauzele și pragurile pentru a împărți valorile (de exemplu, gradientul) în clase, atunci când erau disponibile. Deoarece rezultatele clasificării sunt influențate de abordarea adoptată, am utilizat mai multe abordări alternative, dacă erau disponibile, în dezvoltarea claselor în cadrul straturilor.

Compilarea variabilelor predictive

Informațiile privind dimensiunea, gradientul și bifurcația rețelei au fost obținute din setul de date NHDPlus V2. Cu toate acestea, observațiile discrete in situ ale hidrologiei, temperaturii și caracteristicilor canalului râului (confinarea văii) au necesitat elaborarea unor modele pentru a extrapola aceste clase la nivelul tronsonului de râu. Un total de 66 de variabile peisagistice, climatice, topografice și pedologice au fost asamblate pentru bazinele de drenaj care contribuie la fiecare stație de măsurare a cursurilor de apă și pentru întreaga rețea de drenaj în amonte de fiecare tronson de curs de apă din SUA (tabelul 2 (disponibil numai online)). Dintre acestea, 44 au fost furnizate de baza de date Stream Cat26 (https://www.epa.gov/national-aquatic-resource-surveys/streamcat), 21 din setul de date NHDPlus V2 și una din WorldClim (http://worldclim.org/version2) (Tabelul 2 (disponibil numai online)). În aproximativ 2 % din observații, lipseau valorile pentru variabilele rezumate pentru rețelele de drenaj de deasupra fiecărui segment de curs de apă (în principal date StreamCat). Am utilizat pachetul Multivariate Imputation by Chained Equation (MICE) din mediul de programare R27 pentru a estima cele mai probabile valori pentru variabilele lipsă pe baza valorilor prezente pentru alte variabile. Pentru fiecare variabilă cu valori lipsă, am specificat o matrice binară care indică ce subset de predictori ar trebui să fie utilizat pentru a estima valorile lipsă în timpul imputării. Pentru fiecare variabilă incompletă au fost elaborate modele predictive de potrivire a mediilor distincte27.

Dimensiuni

În comparație cu alte clase, dezvoltarea schemelor de clasificare pentru dimensiuni și gradient nu s-a bazat pe observații in situ sau pe dezvoltarea de modele predictive (de exemplu, hidrologie). Am utilizat două variabile relevante pentru mărime disponibile prin intermediul setului de date NHDPlus V2 pentru a oferi clasificări alternative ale mărimii cursurilor de apă: Strahler stream order și debitul mediu anual (reprezentativ pentru condițiile de impact uman minim). Ordinul cursurilor de apă descrie natura dendritică a mediilor cursurilor de apă28 și este utilizat în mod obișnuit pentru a caracteriza distribuția de frecvență a dimensiunilor cursurilor de apă în regiuni mari sau la nivel global29. Cu toate acestea, limitările ordinii cursurilor de apă constau în faptul că ordinea poate fi influențată de scara hidrografiei cartografiate30 și că debitul poate varia foarte mult între regimurile climatice pentru un anumit ordin. De asemenea, utilizarea zonei de drenaj pentru a caracteriza dimensiunea poate fi, de asemenea, problematică, deoarece debitul pe unitatea de suprafață variază, de asemenea, în mod dramatic între regiuni cu un climat foarte diferit30. Alternativ, dimensiunea unui curs de apă poate fi caracterizată prin debitul pe care îl transportă. Cu toate acestea, acest lucru necesită stabilirea unei abordări standardizate pentru împărțirea claselor pe baza debitului. Deoarece legile geometrice care guvernează organizarea cursurilor de apă (de exemplu, frecvența, lungimea cursurilor de apă, zona de drenaj) se bazează pe ordinea cursurilor de apă31 , ordinea oferă un model fizic universal pentru a împărți variația continentală largă a debitului pe baza unor praguri coerente. Pentru a dezvolta o clasificare a mărimii bazată pe debit, am calculat debitul median pentru toate porțiunile de curs de apă NHDPlus V2 în conformitate cu ordinea Strahler a cursurilor de apă și apoi am folosit punctele medii dintre aceste valori pentru a crea pauze de debit ca praguri ale clasei de mărime. (Notă: variabilele utilizate în clasificarea hidrologică sunt standardizate în funcție de debitul mediu anual și, prin urmare, nu sunt influențate de dimensiunea râului).

Gradient

Valorile de gradient (adică panta albiei cursului de apă) au fost, de asemenea, furnizate ca un atribut al liniilor de curgere NHDPlus V2. Pantele cursurilor de apă au fost măsurate pentru fiecare linie de curgere ca proporție a creșterii înălțimii în raport cu distanța liniei de curgere32. Datele de altitudine netezite au fost derivate din modelele digitale de altitudine (DEM) de 10 m pentru întreaga țară. Cotele maxime și minime au fost utilizate pentru a determina creșterea, care a fost împărțită la lungimea totală a liniei de curgere. După cunoștințele noastre, cele mai utilizate praguri de gradient sunt cele furnizate de Rosgen4, care distinge morfologiile canalelor pe baza gradientului, a raportului lățime/profunditate, a îngustării și a sinuozității. Mai multe eforturi de clasificare a cursurilor de apă s-au bazat, de asemenea, pe aceste praguri de gradient pentru a împărți clasele6,9,25. Noi am adoptat aceste pauze pentru a dezvolta tipuri de gradient și le-am cartografiat pe acestea pentru segmente de curs de apă.

Hidrologie

În ultimele două decenii, numeroase clasificări hidrologice la scară regională până la scară globală au fost dezvoltate pe baza observațiilor discrete ale stațiilor de monitorizare a debitului cursurilor de apă2,18,33. În general, dezvoltarea clasificărilor hidrologice inductive necesită asamblarea observațiilor in situ ale debitului, rezumarea debitului în statistici hidrologice și apoi gruparea observațiilor pe baza similitudinilor în ceea ce privește proprietățile hidrologice22. Recent, McManamay et al.34 au elaborat o clasificare hidrologică pentru întreaga SUA pe baza modelelor naturale de curgere a cursurilor de apă la 2 600 de stații de măsurare a cursurilor de apă ale USGS (USGS), cu bazinele hidrografice din amonte reprezentând starea cea mai puțin perturbată pentru regiunea respectivă. În urma descompunerii a 110 statistici hidrologice în 13 scoruri de componente cu ajutorul analizei componentelor principale (PCA), gările de măsurare a cursurilor de apă au fost atribuite probabilistic la una dintre cele 15 clase hidrologice folosind algoritmi optimi de grupare a modelelor mixte gaussiene determinați cu ajutorul inferenței bayesiene34. Aceste clase reprezintă variația modelelor hidrologice, spre deosebire de variația volumului de descărcare, deoarece toate statisticile hidrologice legate de magnitudine au fost standardizate prin debitul mediu zilnic înainte de PCA și de clusterizare.

Acest stil fuzzy de clasificare (de exemplu, soft clustering) este flexibil, deoarece caracterizează cursurile de apă ca având teoretic o apartenență comună la mai multe clustere33,35. În schimb, tehnicile de grupare „hard”, cum ar fi metodele aglomerative ierarhice bazate pe distanțe (de exemplu, metoda lui Ward)36, sunt relativ simple, mai ușor de înțeles și produc apartenențe imbricate și clare22. Astfel, am folosit metoda aglomerativă a lui Ward pentru a grupa cele 2600 de măsurători USGS folosind cele 13 scoruri PC și apoi am determinat o serie de numere optime de grupe pe baza examinării vizuale a dendrogramei.

Toate măsurătorile USGS ale cursurilor de apă au fost unite din punct de vedere spațial cu porțiunile de curs de apă NHDPlus V2. Utilizând variabilele predictive din tabelul 2 (disponibile doar online), am construit modele de clasificare random forest37 în mediul de programare R pentru a prezice apartenența la clasele hidrologice și apoi am extrapolat clasele hidrologice la toate tronsoanele de cursuri de apă NHDPlus V2.

Temperatura

În comparație cu hidrologia, clasificările de temperatură sunt mai puțin frecvente3,38,39, posibil din cauza datelor mai puține privind temperatura în comparație cu cele privind debitul. Recent, Maheu et al.3 au grupat aproximativ 130 de stații de măsurare (reprezentative pentru condițiile de referință) din SUA în diferite tipuri de regimuri termice pe baza mai multor statistici care descriu amploarea și variația. Această abordare multivariată oferă o alternativă multivariată la clasele univariate de temperatură de vară pe care le-am generat noi. Locațiile gajurilor utilizate în clasificarea lui Maheu et al. au fost obținute de la autori și au fost unite spațial cu porțiunile de cursuri de apă NHDPlus V2. Utilizând 65 de variabile predictive, am dezvoltat un model de pădure aleatorie pentru clasele Maheu et al. pentru a crea clase de cursuri de apă din SUA. Deoarece temperatura este o funcție de mărimea râului, am exclus Qwsa din model (adică debitul mediu anual împărțit la suprafața de drenaj).

Ca alternativă, am dezvoltat o clasificare simplă a temperaturii pe baza valorilor medii naturale ale temperaturii apei de vară. Mai multe studii sugerează că regimurile termice divergente din cursurile de apă sunt influențate în principal de variația naturală a valorilor temperaturii de vară (mediile din iulie-august)3,40,41. În plus, valorile temperaturii în timpul verii se numără printre cele mai ușor accesibile date din surse publice și nepublice. Am compilat datele privind temperatura apei din cursurile de apă pentru 5 907 situri din mai multe surse, inclusiv Deweber & Wagner41 (n = 2893), Hill et al.40 (n = 566), manometrele USGS cu înregistrări zilnice (n = 2184), monitorizarea sezonieră pe teren a USGS (n = 240) și alte date de temperatură de la loggerii implementați de agenții (n = 24) (tabelul 1) (tabelul 1). Determinarea unei lungimi adecvate a înregistrărilor pentru datele de temperatură a necesitat găsirea unui echilibru între minimizarea incertitudinii în mediile din iulie-august și un număr prea mic de eșantioane pentru o reprezentare regională adecvată. De exemplu, Jones și Schmidt42 au oferit recomandări pentru lungimile de înregistrare necesare pentru a minimiza în mod adecvat incertitudinea în estimarea parametrilor regimului termic; cu toate acestea, respectarea acestor orientări ar fi redus doar înregistrările USGS de mai sus (n = 2424) cu 70 până la 90%. În plus, evaluarea lui Jones și Schmidt a inclus maximele, minimele și parametrii de variație lunară, în timp ce analiza noastră s-a bazat pe un parametru mediu bilunar mai grosier (iulie-august), pe care îl considerăm mai puțin susceptibil la variația de la an la an decât temperaturile extreme (Fișier suplimentar 1). Utilizând 22 de măsurători USGS din SUA și benzile de încredere de la Jones și Schmidt, estimăm că 1-2 sezoane de date ar putea estima în mod fiabil temperaturile medii din iulie-august cu o diferență de 1 °C la un nivel de încredere de 80 % și, respectiv, 90 % (fișier suplimentar 1). Am verificat site-urile pentru a ne asigura că perioada de înregistrare se încadrează în intervalul 1995-2015 și că datele au fost disponibile pentru cel puțin 60 de zile consecutive în iulie și august.

Toate site-urile de temperatură au fost unite spațial cu secțiunile de cursuri de apă NHDPlus V2. Am determinat apoi condițiile de referință pentru siturile de monitorizare folosind indicatori de perturbare a terenurilor și de reglementare a barajelor din amonte. Perturbarea terenului a fost evaluată folosind evaluarea habitatului din 2015 a National Fish Habitat Partnership (NFHP), care oferă scoruri de degradare a habitatului variind de la perturbări „foarte scăzute” la „foarte ridicate” în cadrul segmentelor de curs de apă NHDPlus43. Am evaluat gradul de reglare în amonte de către baraje utilizând gradul de reglare (DOR) (% din debitul anual stocat de barajele din amonte)44, furnizat de StreamCat. Stațiile de monitorizare a temperaturii cu scoruri de evaluare a riscului ca fiind „foarte scăzut” sau „scăzut” și DOR < 4% (indicând o influență redusă a barajelor de acumulare44,45) au fost determinate ca fiind reprezentative pentru condițiile de referință, ceea ce a dus la 1764 de situri care au îndeplinit, de asemenea, criteriile noastre privind lungimea înregistrărilor. Dintre acestea, 70% din observații au fost obținute de la Deweber & Wagner41 (n = 1211) sau Hill et al.40 (n = 33). Din cele 520 de observații rămase, 71,7% au avut cel puțin 2 sezoane de date.

Utilizând același ansamblu de predictori de mai sus, am dezvoltat păduri aleatoare pentru a prezice temperaturile de vară pentru siturile de referință și apoi am extrapolat aceste valori la toate cursurile de apă NHD. Am folosit întreruperi în distribuția de frecvență a temperaturilor apei din SUA pentru a împărți temperaturile de vară în clase. Folosind valorile estimate ale temperaturilor de vară pentru toate cursurile de apă, am utilizat o procedură Jenks Natural Breaks46 pentru a împărți temperaturile în 2 până la 20 de clase și apoi ne-am bazat pe buna potrivire optimă și pe acuratețea tabulară pentru a determina cel mai parcimonios număr de clase care explică majoritatea informațiilor. În absența unei abordări justificate pentru împărțirea claselor pe bază fizică, metoda Jenks este optimă pentru gruparea univariată a informațiilor spațiale, deoarece urmărește să minimizeze variația în cadrul claselor, maximizând în același timp variația între clase46.

Bifurcație de rețea

În timp ce dimensiunea cursului de apă captează variația longitudinală a funcțiilor ecologice de-a lungul continuumului unui curs de apă15, joncțiunile afluenților și divergențele cursurilor de apă sunt, de asemenea, importante, deoarece creează discontinuități în procesele longitudinale47. Joncțiunile cursurilor de apă, în special dimensiunile diferențiate ale cursurilor de apă care cuprind joncțiunile, au influențe mari asupra habitatului și diversității biologice48. În plus, compoziția comunităților ecologice se poate schimba dramatic în funcție de proximitatea joncțiunilor de cursuri de apă49. Pentru a surprinde diferențele în configurațiile de rețea și situațiile de divergență, am creat două clase de bifurcații. În primul rând, am creat clase care au luat în considerare diferite combinații de dimensiuni ale afluenților care formează o confluență la capătul din amonte al fiecărui segment de curs de apă. În al doilea rând, am creat clase care indică faptul că tronsoanele de curs de apă sunt canale principale sau secundare sub divergențe și în cazul în care cursurile de apă au primit debit de la divergențele din amonte.

Majoritatea tronsoanelor de curs de apă individuale din setul de date NHDplus V2 reprezintă caracteristici hidrologice distincte ale rețelelor de râuri definite de originile cursurilor de apă, confluențele afluenților și intersecțiile cu lacurile și rezervoarele50. Relațiile topologice dintre tronsoanele de curs de apă NHDplus V2 sunt furnizate într-un tabel „de la la la” care definește tronsoanele din amonte care contribuie la un anumit tronson (adică de la) și tronsonul din aval care primește debitul (adică la). Cu ajutorul tabelului „de la la”, combinațiile de diferite ordine Strahler ale cursurilor de apă la capătul din amonte al fiecărui tronson au fost combinate pentru a crea o combinație afluent-navigație principală. De exemplu, confluența unui afluent de ordinul 1 și a unui afluent de ordinul 2 la capătul amonte al unui sistem de ordinul 2 ar da următoarea clasă: 2.12 (Fig. 1a). În majoritatea cazurilor, doar 2 afluenți au apărut în amonte. Cu toate acestea, în cazuri rare sau în situații de divergență, 3 sau mai mulți afluenți se unesc în amonte deasupra unui tronson și am inclus până la patru ordine în amonte (de exemplu, Fig. 1b, 5.511). În unele cazuri, porțiunile de curs de apă primesc debit de la mai multe divergențe de canale în amonte, adică diviziuni ale unei porțiuni în două sau mai multe canale în direcția aval (Fig. 1c). Deoarece acestor canale li se atribuie un ordin al cursului de apă și creează joncțiuni care imită confluențele de afluenți, clasificarea bifurcației rețelei necesită includerea divergențelor de canale ca un tip de confluență. În cazurile de divergență a canalelor, NHDplus V2 desemnează tronsoanele ca fiind canale principale (D1) sau secundare (D2) (Fig. 1c). Am utilizat tabelul „de la la la” pentru a identifica tronsoanele de curs de apă care se aflau imediat sub confluențele de divergențe de canale (DU), pentru a le deosebi de confluențele de afluenți. După ce am luat în considerare aceste divergențe, am observat situații de confluențe de afluenți fără sens (de exemplu, 5_5.5) care au apărut deoarece NHDplus V2 nu a desemnat în mod corespunzător toate situațiile de divergență a canalelor. Deoarece a fost dificil de determinat dacă fiecare dintre aceste porțiuni erau canale divergente sau porțiuni care primeau debit de la canale divergente, am atribuit aceste porțiuni la o clasă de divergență generică (D).

Deși majoritatea joncțiunilor de afluenți din NHDPlus V2 sunt relevante din punct de vedere hidrologic, un subset de joncțiuni de cursuri de apă au fost divizate în puncte nesemnificative, cum ar fi limitele hărților de cvadrilater, în timpul digitizării50 (Fig. 1d). În cazul claselor de bifurcație și al divergențelor, aceste diviziuni ar duce la joncțiuni nesemnificative. Pentru a corecta aceste cazuri, Wieferich et al.51 au produs un tabel de identificare a sectoarelor ecologice care a atribuit sectoare divizate unor identificatori ecologici comuni. În aceste cazuri, am atribuit tuturor tronsoanelor aparținând aceleiași unități ecologice cu clasa de bifurcație și de divergență a tronsonului aflat cel mai în amonte (Fig. 1d).

Confinarea văilor

Durata în care văile controlează migrația laterală a canalelor fluviale este un indicator al forței interacțiunii dintre râuri și câmpiile lor inundabile. Am delimitat fundul neconstrâns al văilor (adică poligoane) pentru toate cursurile de apă din NHDPlus V2 utilizând instrumentul Valley Confinement Algorithm (VCA)52 din ArcMap 10.3. VCA estimează adâncimea maximă a canalului pârâului folosind o funcție empirică bazată pe datele regionale privind precipitațiile (http://www.prism.oregonstate.edu/normals) și zona de drenaj pentru fiecare segment de pârâu53. Nagle et al.52 au sugerat o adâncime de 5X adâncimea maximă a malului pentru a determina înălțimea inundației, pe care am considerat-o, de asemenea, adecvată, având în vedere rezoluția spațială a NHDplus și datele DEM de 30 m (https://nationalmap.gov/elevation.html) pentru topografia înconjurătoare. Pe baza terenului înconjurător caracterizat prin intermediul DEM-urilor, programul VCA a utilizat un algoritm pentru a intersecta înălțimea inundației cu panta dealului înconjurător. Corpurile de apă au fost utilizate pentru a evita delimitarea fundului văilor în zonele inundate.

După ce fundul văilor a fost delimitat, sunt necesare praguri pentru a clasifica cursurile de apă ca fiind neconfinate, confinate sau la un nivel intermediar. De exemplu, este posibil ca un fund de vale să nu cuprindă un întreg segment de curs de apă sau să nu se extindă lateral pe o distanță suficientă dincolo de malurile cursului de apă pentru a fi clasificat ca neconfinat. Acest lucru necesită o estimare a lățimii râului pentru fiecare segment de curs de apă. Am compilat atât observații de teren in situ, cât și observații de teledetecție din >52.000 de situri pentru a dezvolta un model empiric pentru a prezice lățimea râului pentru toate tronsoanele de râu din CONUS. Observațiile pe teren ale lățimii râurilor au fost derivate din Evaluarea națională a râurilor și a cursurilor de apă a Agenției de Protecție a Mediului (n = 852) (https://www.epa.gov/national-aquatic-resource-surveys/nrsa), o analiză a literaturii de specialitate privind lățimea cursurilor de apă (n = 243)29 și din setul de date privind lățimea râurilor din America de Nord (n = 50.230) (http://gaia.geosci.unc.edu/NARWidth/). Cu toate acestea, aceste seturi de date au omis în mare parte cursurile mici de apă de cap de râu și sistemele intermitente. Pentru a ne asigura că am estimat în mod corespunzător lățimea pentru aceste tipuri de cursuri de apă, porțiunile de curs de apă au fost stratificate în funcție de mărime (a se vedea Clasificarea mărimii) și un subset aleatoriu (n = 407) a fost selectat din întreaga populație de porțiuni de curs de apă din SUA. Imaginile aeriene au fost utilizate pentru a estima lățimea râului la mijlocul, în amonte și la capetele din aval ale fiecărui tronson și apoi pentru a calcula o lățime medie. Modelele de pădure aleatorie au fost utilizate pentru a prezice lățimea râului și pentru a extrapola estimările la toate sectoarele de râu. Estimările lățimii râurilor au fost apoi folosite pentru a genera tampoane poligonale în jurul tuturor liniilor de curs de apă.

Am suprapus lățimile râurilor și fundul văilor pentru a determina starea de constrângere a văilor. Hall et al.53 au considerat că secțiunile de curs de apă neconfinate dacă lățimea văii din câmpia inundabilă este de cel puțin patru ori mai mare decât lățimea, în timp ce canalele de curs de apă cu o interacțiune moderată cu câmpia inundabilă au un raport între lățimea câmpiei inundabile și lățimea totală a albiei >24. Dincolo de întinderea laterală a câmpiilor inundabile, evaluarea noastră a confinării a necesitat, de asemenea, examinarea lungimii fiecărui segment de curs de apă acoperit de fundul văilor. Tronsoanele de curs de apă au fost clasificate ca fiind „neconfinate” dacă un fund de vale acoperea cel puțin 50% din lungimea tronsonului de curs de apă și avea o lățime de cel puțin patru ori mai mare decât lățimea râului. În cazul cursurilor de apă „moderat confinate”, fundurile de vale aveau o lățime >4X lățimea râului, dar acopereau doar 25-50% din lungimea cursului de apă sau, în cazul unei acoperiri mai mari de 50% din lungimea cursului de apă, fundurile de vale aveau un raport lățime câmpie inundabilă:lățime râu între 2 și 4. Toate celelalte porțiuni de curs de apă au fost definite ca fiind „confinate.”

.