Science & Technology Development Journal: Science of the Earth & Environment

An official journal of Institute for Environment and Resources, Viet Nam National University Ho Chi Minh City, Viet Nam

Skip to main content Skip to main navigation menu Skip to site footer

 Original Research

HTML

827

Total

252

Share
Land use influencing the pesticides concentration in Ma river and its tributaries in Thanh Hoa province






 Open Access  

Downloads

Download data is not yet available.

Abstract

Surface water frequently contains pesticide residues, which could be a hazard to freshwater ecosystems and biodiversity. Pesticides can enter waters through a number of different pathways, but oncentrations is runoff from irrigation or precipitation. This study presents an investigation of banned pesticides used across the range of land use in catchments of the Ma river and its tributaries in Thanh Hoa province, Vietnam in period of time 2011-2015. Applying principal component analysis (PCA), we investigated the relationship between specific pesticides and land use. Besides, the method of aggregating monitoring locations known as cluster analysis (CA) has also been applied in this study. All ten banned pesticides including eight insecticides (aldrin/dierin, BHC, chlordane, endrin, heptachlor, lindan, malathion, and parathion) and two herbicides (2,4D and paraquat) studied still occur in surface water due to their persistence and remobilization during floods, runoff and not presumably influenced by the fraction of land uses area in the catchments. Clustering results revealed banned pesticides still occurs in some areas.

Giới thiệu

Dư lượng thuốc bảo vệ thực vật trong nước mặt là một trong những yếu tố gây ảnh hưởng chính đối với hệ sinh thái nước ngọt 1 . Dư lượng thuốc bảo vệ thực vật thường được phát hiện ở các vùng nước mặt trên thế giới. Stone và cộng sự, (2014) 2 báo cáo rằng 61% các con suối được lấy mẫu có một hoặc nhiều hóa chất trừ sâu vượt quá tiêu chuẩn an toàn đối đời sống thủy sinh ở các vùng nông nghiệp ở Mỹ từ năm 2002 đến năm 2011. 90% các mẫu nước bề mặt được kiểm tra trong chương trình giám sát chất lượng nước quốc gia của Canada từ năm 2003 đến 2005 có chứa thuốc diệt cỏ 2-metyl-4-chlorophenoxyacetic acid 3 , trong khi với quốc gia Đức, Pháp, Hoa Kỳ và Hà Lan, nơi MCPA được tìm thấy là 22,5, 43,2, 0,4 và 44,4% số địa điểm, tương ứng 4 . Đa dạng sinh học nước ngọt ở các nước thuộc Liên minh Châu Âu cũng bị đe dọa bởi nồng độ thuốc bảo vệ thực vật trong các dòng suối 1 , 5 . Một phần tư (26%) tổng số các mẫu nước mặt của Đức chứa một hoặc nhiều loại thuốc bảo vệ thực vật vượt quá nồng độ cho phép theo quy định ít nhất một lần trong giai đoạn giám sát 10 năm (2005 - 2015) 6 trong khi 45% tổng số mẫu được thu thập từ năm 2002 đến năm 2012 trong chương trình giám sát môi trường của Thụy Điển bao gồm một hoặc nhiều chất vượt quá ngưỡng được dùng để đánh giá chất lượng môi trường nước mặt 7 . Các loại thuốc bảo vệ thực vật như diuron, MCPA, 2,4-D, simazine và triclopyr đã được phát hiện trong hơn 50% mẫu từ một cuộc điều tra dài hạn trên nhiều lưu vực về thuốc bảo vệ thực vật trong nước mưa đô thị ở Úc 8 . Các sáng kiến giám sát ở các nước nhiệt đới như Brazil, Chile và Barbados đã tìm thấy một số loại thuốc bảo vệ thực vật tương đối phân cực trong lượng mưa, dòng chảy bề mặt và nước ngầm 9 , 10 , 11 , 12 , 13 . Thật vậy, thuốc bảo vệ thực vật là nguyên nhân gây ô nhiễm nước ngọt cho nhiều vùng nước ở châu Á và châu Phi 14 , 15 .

Sau cải cách ruộng đất năm 1988, năng suất nông nghiệp ở Việt Nam đã tăng lên, và kết quả là lượng thuốc bảo vệ thực vật được sử dụng đã tăng gấp đôi trong những thập kỷ tiếp theo, đạt xấp xỉ 50.000 tấn mỗi năm 16 . Bên cạnh đó, các loại thuốc bảo vệ thực vật được sử dụng cũng tăng lên với 77 loại hoạt chất khác nhau vào năm 1991 và 300 loại thuốc bảo vệ thực vật vào năm 2010 17 . Sau khi thải ra ngoài môi trường, thuốc bảo vệ thực vật có thể ảnh hưởng đến các hệ sinh thái gần đó như sông và suối 18 và liên quan đến sự suy giảm chất lượng nước, mất đa dạng sinh học không thể khắc phục và suy thoái các dịch vụ hệ sinh thái 19 , 20 . Hầu hết các nghiên cứu liên quan đến thuốc bảo vệ thực vật ở Việt Nam là về việc sử dụng và áp dụng thuốc bảo vệ thực vật 21 và chỉ được thực hiện ở các vùng trồng lúa lớn của sông Mê Kông và đồng bằng sông Hồng. Ví dụ, Carvalho và cộng sự, 2008 22 đã tiến hành một cuộc khảo sát về dư lượng thuốc bảo vệ thực vật ở sông Mê Kông với giá trị nằm trong khoảng từ 0,003 đến 0,043 mg l -1 trong phần lớn các mẫu nước. Tương tự, một loạt các dấu vết thuốc bảo vệ thực vật đã được phát hiện trong các thủy vực đồng bằng sông Cửu Long với nồng độ isoprothiolane cao nhất lên đến 11,24 μg l -1 23 .

Bên cạnh các loại thuốc bảo vệ thực vật được phép sử dụng, các loại thuốc bảo vệ thực vật bị cấm vẫn đang được sử dụng ở Việt Nam. Thủy và cộng sự (2012) 24 , Nguyễn và cộng sự (2020) 25 phát hiện ra rằng nông dân Việt Nam đã vi phạm các quy định về thuốc bảo vệ thực vật và sử dụng các loại thuốc bảo vệ thực vật bị cấm (ví dụ như 2,4 D, paraquat methyl parathion, methamidophos và carbofuran) để bảo vệ cây trồng của họ do các loại thuốc bảo vệ thực vật này có sẵn và giá thành tương đối rẻ. Một cuộc thanh tra toàn quốc đã phát hiện 2500 kg thuốc bảo vệ thực vật bị cấm và 5645 kg thuốc bảo vệ thực vật không đăng ký được nhập khẩu vào năm 2000 26 . Hùng và Thiemann (2002) 27 đã điều tra sự xuất hiện của dư lượng của 15 loại thuốc bảo vệ thực vật đã bị cấm ở Việt Nam từ năm 1990 tại các vùng nước mặt ở các quận Hà Nội. Kết quả cho thấy, các loại thuốc bảo vệ thực vật bị cấm vẫn tồn tại trong nước mặt, và ô nhiễm thuốc bảo vệ thực vật ở sông cao hơn ở các kênh, hồ, giếng thủy lợi. Nồng độ Dichlorodiphenyltrichloroethane (DDT) được đo lên đến 0,32 mg l -1 , trong khi những chất khác được giới hạn trong phạm vi ng l -1 . Trong nghiên cứu của Thị Huệ và cộng sự (2018) 28 , paraquat được tìm thấy ở hầu hết các điểm lấy mẫu trong các mẫu nước mặt ở huyện Mai Châu, tỉnh Hòa Bình, miền bắc Việt Nam cho thấy nồng độ trung bình của paraquat là 30,69 μg l -1 và tối đa là 134,08 μg l -1 . Nồng độ thuốc diệt cỏ có xu hướng cao nhất vào mùa khô do lượng mưa ít nhất và tốc độ bốc hơi nước trong suối cũng cao nhất. Trong khi đó, nồng độ thuốc bảo vệ thực vật nhóm clo hữu cơ trong tất cả các mẫu nước mặt đều nằm dưới giới hạn phát trong một nghiên cứu thực hiện ở xã Minh Đài (Phú Thọ) và quận Hoàng Liệt (Hà Nội). 29

Nghiên cứu này được thực hiện để kiểm tra có hay không ảnh hưởng của tỷ lệ diện tích các loại hình sử dụng đất trong lưu vực đến sự xuất hiện và phân bố của thuốc bảo vệ thực vật trong nước mặt ở các vùng khác của Việt Nam. Phân tích thành phần chính (PCA) đã được áp dụng để điều tra mối tương quan giữa từng hợp chất thuốc bảo vệ thực vật với việc tỷ lệ sử dụng đất để điều tra sự hiệu quả của các chính sách về thuốc bảo vệ thực vật, và cuối cùng, chúng tôi áp dụng phân tích cụm (CA) để nhóm các trạm giám sát theo sự tương đồng về nồng độ thuốc bảo vệ thực vật.

Phương pháp nghiên cứu

Khu vực nghiên cứu

Tỉnh Thanh Hóa nằm ở Bắc Trung Bộ Việt Nam (Vĩ độ: 19°18'N - 20°40'N, Kinh độ: 104°22'E - 106°05'E) ( Figure 1 ), và là một trong những tỉnh lớn nhất các tỉnh ở Việt Nam với diện tích 11.106 km 2 . Thanh Hóa có địa hình đồi núi, hệ thống sông ngòi dày đặc, là nơi tiếp giáp biển Đông. Thanh Hóa có khí hậu nhiệt đới với nhiệt độ trung bình hàng năm là 27,3°C và lượng mưa hàng năm là 1957 mm theo Niên giám thống kê của Thanh Hóa năm 2021 30 . Sông Mã bắt nguồn từ Tây Bắc Việt Nam với tổng chiều dài khoảng 512 km. Nó chảy qua Việt Nam, Lào rồi ngược về Việt Nam, gặp biển ở Vịnh Bắc Bộ. Sông Chu, sông Bưởi và sông Cầu Chày hợp với sông Mã ở tỉnh Thanh Hóa tạo nên lưu vực sông Mã với diện tích lưu vực 28.400 km 2 , là lưu vực lớn thứ năm ở Việt Nam, sau đồng bằng sông Cửu Long, sông Hồng, sông Thái Bình, Đồng Sông Nai và sông Cả 31 . Toàn tỉnh Thanh Hóa có 243.122 ha đất sản xuất nông nghiệp, chiếm 21,9% tổng diện tích tự nhiên, trong đó diện tích đất trồng lúa hơn 138.900 ha (57,1%), đất trồng cây hằng năm khác gần 58.540 ha (24,07%), đất trồng cây lâu năm gần 45.700 ha (18,83%) (Niên giám thống kê của Thanh Hóa, 2021), đặc trưng của lưu vực là hoạt động nông nghiệp chiếm 35% GDP trong khu vực. Ngành công nghiệp chính là mía đường và sản xuất lâm sản với Nhà máy Xi măng Nghi Sơn và Khu công nghiệp Nghi Sơn là hai đơn vị công nghiệp lớn trên địa bàn.

Figure 1 . Vị trí địa lý tỉnh Thanh Hóa

Figure 1 Vị trí địa lý tỉnh Thanh Hóa

[Download figure]

Cách tiếp cận

Trong nghiên cứu trước Lê và cộng sự, 2022, chúng tôi đã phân loại độ che phủ/loại hình sử dụng đất (LULC) cho giai đoạn 2011-2015 ở tỉnh Thanh Hóa, Việt Nam, sử dụng mô hình Random forest 32 được xây dựng trên chuỗi thời gian của chỉ số thực vật (NDVI) và địa hình. Mô hình được tập huấn sử dụng các dữ liệu khảo sát thực địa do chính quyền Thanh Hóa cung cấp. Mô hình phân loại Random forest (RFC) đã đạt được độ chính xác dự đoán tổng thể là 91% và hệ số Kappa (K) là 0,89 trên tám lớp phủ đất khác nhau. Trong nghiên cứu này, chúng tôi áp dụng hai loại phương pháp thống kê đa biến, bao gồm phân tích thành phần chính (PCA) để điều tra mối tương quan giữa từng hợp chất thuốc bảo vệ thực vật với phân trăm diện tích các loại hình sử dụng đất và phân tích theo cụm (CA) để nhóm các trạm giám sát theo mức độ tương đồng của nồng độ thuốc bảo vệ thực vật tương ứng.

Dữ liệu

a. Dữ liệu nồng độ thuốc bảo vệ thực vật

Nồng độ thuốc bảo vệ thực vật được đo sáu lần (hai tháng một lần) trong giai đoạn 2011-2015, dọc theo sông Mã (TH05 - TH08, và TH47) và ba phụ lưu của nó, bao gồm sông Chu (TH13 - TH15, TH48), sông bưởi (TH20, TH49) và sông Cầu Chay (TH16-TH18). Nồng độ thuốc bảo vệ thực vật và vị trí của 14 điểm lấy mẫu do Sở Tài nguyên và Môi trường Thanh Hóa, Việt Nam cung cấp 33 ( Figure 1 ). Tổng số loại thuốc bảo vệ thực vật được phân tích trên tất cả các vị trí quan trắc là mười loại thuốc bảo vệ thực vật bị cấm, bao gồm tám loại thuốc bảo vệ thực vật (aldrin/dierin, BHC, chlordane, endrin, heptachlor, lindan, malathion, và parathion) và hai loại thuốc diệt cỏ (2,4 D và Paraquat).

b. Dữ liệu loại hình sử dụng đất

Về dữ liệu không gian, thông tin địa lý về các loại hình sử dụng đất được trích xuất từ Lê và cộng sự, 2022 34 . Phương pháp tiếp cận đa hướng dòng chảy 35 như được triển khai trong GRASS GIS 7 được sử dụng để chia ra các lưu vực thượng nguồn cho mỗi vị trí lấy mẫu từ độ cao kỹ thuật số mô hình (DEM) 36 , 37 , 38 . Trong quá trình phân định lưu vực thượng nguồn, chúng tôi cũng trích xuất diện tích các loại hình sử dụng đất cho từng lưu vực.

Phân tích thành phần chính (PCA) và phân tích cụm (CA)

Các kỹ thuật thống kê đa biến (Multivariate Statistical Technique - MST) khác nhau, bao gồm phân tích cụm (Cluster Analysis - CA), phân tích thành phần chính (Principal Component Analysis - PCA), phân tích nhân tố (Factor Analysis - FA),... hiện thường được áp dụng để đánh giá sự phân bố không gian và thời gian của chất lượng nước và các hệ thống sinh thái, cũng như các nguồn gây ô nhiễm tiềm ẩn trong các thủy vực 39 , 40 , 41 , 42 .Việc áp dụng kết hợp các MTS khác nhau ngày càng được sử dụng nhiều hơn trong việc đánh giá chất lượng nước 43 , 44 .

a. Phân tích thành phần chính

Mối liên quan giữa các loại hình sử dụng đất và thuốc bảo vệ thực vật được xác định bằng phương pháp phân tích các thành phần chính (PCA). PCA là một kỹ thuật phân tích thống kê đa biến hỗ trợ giảm thiểu độ phức tạp và số lượng chiều trong tập dữ liệu. Phương pháp này có thể được sử dụng để xác định loại hình sử dụng đất nào ảnh hưởng nhiều nhất đến nồng độ từng loại thuốc bảo vệ thực vật. Trước khi áp dụng PCA, tất cả dữ liệu đã được chuẩn hóa (hệ số Z) vì các biến là các đơn vị đo lường khác nhau. Mục đích của bước này là chuẩn hóa phạm vi của các biến ban đầu liên tục để mỗi biến trong số chúng đều đóng góp như nhau vào phân tích. Cụ thể hơn, nếu có sự khác biệt lớn giữa các phạm vi của các biến ban đầu, thì những biến có phạm vi lớn hơn sẽ chiếm ưu thế so với những biến có phạm vi nhỏ (Ví dụ: một biến nằm trong khoảng từ 0 đến 100 sẽ chiếm ưu thế so với một biến có phạm vi từ 0 đến 1), điều này sẽ dẫn đến kết quả sai lệch. Vì vậy, việc chuyển đổi dữ liệu sang các thang đo có thể so sánh được có thể ngăn chặn vấn đề này. Về mặt toán học, điều này có thể được thực hiện bằng cách trừ giá trị trung bình và chia cho độ lệch chuẩn cho mỗi giá trị của mỗi biến.

Khi quá trình chuẩn hóa được thực hiện, tất cả các biến sẽ được chuyển đổi về cùng một thang đo. Tiếp theo, chỉ số Kaiser-Meyer-Olkin (KMO) đã được thực hiện để kiểm tra tính phù hợp của các bộ dữ liệu cho PCA 45 . Eigenvalues and eigenvectors trong các thành phần chính (PC), phản ánh sự phân tán của nhiều thông số quan sát, được suy ra từ hiệp phương sai hoặc ma trận chéo 46 . Các thành phần chính là các biến mới được xây dựng dưới dạng tổ hợp tuyến tính hoặc hỗn hợp của các biến ban đầu. Các kết hợp này được thực hiện theo cách mà các biến mới (tức là các thành phần chính) không có liên quan và hầu hết chứa thông tin trong các biến ban đầu được nén hoặc nén vào các thành phần đầu tiên. Tổ chức thông tin trong các thành phần chính theo cách này, sẽ cho phép giảm kích thước mà không làm mất nhiều thông tin, và điều này bằng cách loại bỏ các thành phần có thông tin thấp và coi các thành phần còn lại là các biến mới.

Sơ đồ scree đã được áp dụng để xác định có bao nhiêu thành phần chính còn lại trong PCA. Chúng tôi tìm kiếm "điểm khuỷu tay" nơi phương sai được giải thích giảm có ý nghĩa thống kê (significant). Giải pháp PCA được quay bằng cách sử dụng xoay VARIMAX sau khi chiết xuất các thành phần quan trọng nhất để tạo điều kiện thuận lợi cho việc giải thích các thành phần chính. R 4.2.0 được sử dụng để thực hiện tất cả các phép tính và đồ họa 47 .

b. Phân tích cụm (CA)

Tương tự như PCA, phân tích cụm (CA) là một kỹ thuật thống kê đa biến được sử dụng để nhóm hoặc phân cụm (chẳng hạn như vị trí lấy mẫu) theo các tiêu chí cụ thể. Phương pháp phổ biến nhất, phân cụm phân cấp kết hợp, thiết lập các mối quan hệ tương tự trực quan giữa các mẫu/vị trí trong tập dữ liệu 48 . Để phân tích sự phân bố địa lý của thuốc bảo vệ thực vật trong chất lượng nước, phân tích cụm thứ bậc được áp dụng trong nghiên cứu này để chia 14 vị trí lấy mẫu thành các nhóm dựa trên nồng độ thuốc bảo vệ thực vật. Khoảng cách Euclide làm thước đo độ tương đồng được chọn để xác định sự tương đồng giữa các quan sát. Khoảng cách Euclide cung cấp sự giống nhau giữa các cặp mẫu/vị trí “sự không giống nhau” giữa các mẫu/vị trí. Biểu đồ Dendrogram, cho thấy hình ảnh các quá trình phân nhóm và làm giảm kích thước của tập dữ liệu gốc, thường được sử dụng để xác định kết quả phân cụm 45 . Để đánh giá phân nhóm, hệ số hình bóng (SC) và tổng bình phương (SS) đã được áp dụng 49 , 50 . SC gần với 1 biểu thị các cụm được phân biệt rõ ràng với nhau và cách xa nhau, trong khi SC gần với -1 biểu thị các cụm được phân bổ không chính xác. Tuy nhiên, SC cao trên một số liệu nội bộ không đảm bảo truy xuất thông tin thành công. Do đó, để xác định số lượng cụm, chúng tôi kết hợp SC và SS 51 . Thông thường, số lượng các cụm hiệu quả hơn và được coi là tối ưu khi SC lớn hơn và SS ít hơn 52 .

K ết quả và thảo luận

Mô tả dữ liệu của thuốc bảo vệ thực vật

Giá trị nồng độ thuốc bảo vệ thực vật được phát hiện trong các mẫu nước sông Mã và các sông nhánh của tỉnh Thanh Hóa giai đoạn 2011-2015 được trình bày trong Figure 2 và Bảng 1. Phân tích cho thấy nồng độ Lindan và Parathion trong các sông theo thứ tự dao động trong khoảng 0,026 và 0,044 μg l -1 , 0,032 đến 0,077 μg l -1 so với các loại thuốc bảo vệ thực vật khác. Kết quả chỉ ra rằng nhiều loại thuốc bảo vệ thực vật bị cấm ngày nay vẫn tồn tại. Nồng độ trung bình của endrin, malathion, và parathion trong sông Mã và các phụ lưu của nó vào mùa mưa (tương ứng là 0,075 μg l -1 , 0,051 μg l -1 , 0,053 μg l -1 ) cao hơn một chút so với mùa khô (tương ứng là 0,071 μg l -1 , 0,048 μg l -1 , 0,052 μg l -1 ) ( Figure 2 ) do sự gia tăng dòng chảy bề mặt (chảy tràn) và sự xói mòn đất vận chuyển thuốc bảo vệ thực vật trong trầm tích do mưa vào nước sông 53 , 54 . Trong khi nồng độ trung bình của thuốc bảo vệ thực vật còn lại trên các sông vào mùa mưa thấp hơn trong mùa khô 55 ( Figure 2 , Hình Figure 7 ). Điều này có khả năng do lượng nước thấp hơn, do đó mức độ pha loãng vào mùa khô thấp hơn so với mùa mưa. Thêm vào đó, so với thuốc trừ sâu (‘insecticides’ là Endrin, malathion, và parathion ) thì thuốc diệt cỏ (herbicides) và thuốc diệt nấm (fungicides), thường tìm thấy có nồng độ cao hơn trong nước do tính chất háo nước và tính phổ biến và dễ áp dụng của chúng trong bảo vệ thực vật, nghĩa là thông qua việc phun vào đất và phun cho cây trong giai đoạn đầu của trồng trọt 2 , 56 , 57 . Các loại thuốc bảo vệ thực vật được phân tích đã được nhập khẩu và sử dụng để bảo vệ cây trồng/lúa, diệt muỗi và các loại côn trùng khác từ năm 1957 đến năm 1994 27 . Sau đó, chúng chính thức bị cấm ở Việt Nam do có độc tính cao và tồn tại lâu trong môi trường. Các loại thuốc bảo vệ thực vật này đã được sử dụng để tiêu diệt sâu bệnh gây hại trong nông nghiệp, các hoạt động có dự hiện diện của cỏ (ví dụ sân gôn, công viên), kiểm soát dịch bệnh do sâu hại trong nhà riêng và các khu vườn, và sử dụng chất diệt khuẩn sinh học trong ngành công nghiệp 58 . Bên cạnh đó, các chất chuyển hóa và sản phẩm chuyển hóa sau đó có thể được chuyển hóa ngược trở lại thành các hợp chất thuốc bảo vệ thực vật trong quá trình sinh học trong nước. Các dẫn xuất của chúng trong nhiều trường hợp ổn định và bền hơn so với các thuốc bảo vệ thực vật gốc. Ví dụ, endrin có thể được chuyển hóa thành dichlorodiphenyldichloroethylene (DDE) và 1,1-dichlor-2, 2-bis (4-chlorophenyl) ethane (DDD) trong môi trường (Kezios và cộng sự, 2013). Ngoài ra, dòng chảy bề mặt và sự xói mòn đất vận chuyển thuốc bảo vệ thực vật trong trầm tích và vào nước sông 53 , 54 .

Figure 2 . Nồng độ thuốc bảo vệ thực vật endrin, heptachor, lindan, và malathion tại các điểm quan trắc trong hai mùa. Xem những các loại thuốc trừ sau khác trong phần phụ lục trong Hình S1

Figure 2 Nồng độ thuốc bảo vệ thực vật endrin, heptachor, lindan, và malathion tại các điểm quan trắc trong hai mùa. Xem những các loại thuốc trừ sau khác trong phần phụ lục trong Hình S1

[Download figure]
Table 1 Phạm vi dao động nồng độ thuốc bảo vệ thực vật (μg l -1 ) trong nước mặt sông Mã và các phụ lưu

Tỷ lệ các loại hình sử dụng đất trong lưu vực

Dựa trên 14 vị trí lấy mẫu, lưu vực được chia thành 14 lưu vực (Bảng 2, Figure 3 ).

Table 2 Thông tin lưu vực cho từng vị trí quan trắc

Figure 3 . a) Phân định lưu vực dựa trên các vị trí giám sát chất lượng nước. b) Tỷ lệ LULC trong các lưu vực vào năm 2015, xem các năm khác trong phần phụ lục Hình S2. Lớp đất phủ; BR: đất trống; CR: đất nông nghiệp; FO: rừng; GR: đồng cỏ; MR: rừng ngập mặn; UB: đất đô thị và đất xây dựng; WB: mặt nước

Figure 3 a) Phân định lưu vực dựa trên các vị trí giám sát chất lượng nước. b) Tỷ lệ LULC trong các lưu vực vào năm 2015, xem các năm khác trong phần phụ lục Hình S2. Lớp đất phủ; BR: đất trống; CR: đất nông nghiệp; FO: rừng; GR: đồng cỏ; MR: rừng ngập mặn; UB: đất đô thị và đất xây dựng; WB: mặt nước

[Download figure]

Tỷ lệ phần trăm diện tích của từng loại LULC cho mỗi lưu vực được trình bày trong Figure 3 và Figure 8 . Nhìn chung, việc sử dụng đất chủ yếu của lưu vực Thanh Hóa là diện tích rừng giảm từ thượng nguồn xuống hạ lưu, trong khi nông nghiệp và đô thị tăng lên. Hơn nữa, ở thượng nguồn lưu vực Thanh Hóa, những năm qua có một tỷ lệ diện tích rừng trồng tăng do cần gỗ cho ngành công nghiệp giấy. Tại các lưu vực S14, S18, S47 và S49, một phần của lưu vực bị chiếm đóng bởi các khu vực đô thị (thành phố chính của toàn vùng, thành phố Thanh Hóa, nằm ở đây) trong khi đó, một tỷ lệ rừng tự nhiên và các vùng nước có thể được tìm thấy tại các lưu vực S05, S13, S16. Thuốc bảo vệ thực vật xâm nhập vào các con sông có thể từ các mục đích sử dụng nông nghiệp hoặc phi nông nghiệp như xử lý chất thải không đúng cách và rò rỉ ngẫu nhiên; hay do sự bất cẩn trong quá trình chiết rót và làm sạch; sử dụng thuốc bảo vệ thực vật trong đô thị như quản lý cỏ (ví dụ, sân gôn, công viên) và kiểm soát dịch hại trong nhà riêng và vườn, và sử dụng chất diệt khuẩn trong ngành công nghiệp 58 . Struger và cộng sự. (2017) 59 cho thấy các loại cây trồng, đặc biệt là đậu nành và ngô tương quan thuận với thiamethoxam và clothianidin, nhưng hoạt động trong nhà kính, trồng rau và nông nghiệp khác, chẳng hạn như vườn nho và vườn cây ăn quả, về cơ bản có tương quan với imidacloprid và acetamiprid.

Mối tương quan của việc sử dụng đất với sự phân bố thuốc bảo vệ thực vật ở sông Mã và các phụ lưu của sông

Kết quả KMO là 0,74 và kết quả của Bartlett nhỏ hơn 0,001, điều đó cho thấy tính độc lập của dữ liệu và có thể được áp dụng cho PCA. PCA được sử dụng để phân tích ô nhiễm thuốc bảo vệ thực vật ở các LULC khác nhau. Thành phần chính đầu tiên (PC1) giải thích 45,42% sự khác nhau của nồng độ thuốc bảo vệ thực vật và tỷ lệ phần trăm LULC và chứa nhiều thông tin nhất. PC1 thể hiện tải âm (negative loadings) với thuốc bảo vệ thực vật, cụ thể 2,4D (-0,35), BHC (−0,36), chlordane (-0,31), endrin (-0,34), lindan (-0,35), paraquat (-0,36), và parathion (-0,30) ( Figure 4 và Table 4 ) trong khi thành phần chính thứ hai (PC2) giải thích 20% sự khác nhau giữa các biến. Thành phần này chủ yếu giải thích thích sự khác nhau liên quan đến tỷ lệ LULC, với rừng (-0,52), đồng cỏ (-0,43), lúa (0,36), rừng ngập mặn (0,44), đô thị và xây dựng (0,31), và các vùng nước (-0,32). Ngoài ra, từ PC thứ hai, có thể thấy rõ rằng đã có sự chuyển dịch từ các khu vực rừng, cỏ và vùng nước sang các khu vực đô thị và trồng lúa. Thành phần chính thứ ba (PC3), giải thích 7,61% sự khác nhau, thể hiện tải âm với chlordance (-0,29) và tải dương với heptachor (0,38). Điều này có thể phản ánh mối tương quan âm giữa hai loại thuốc bảo vệ thực vật chlordance và heptachlor, được giải thích Chlordane trong những điều kiện nhất định trong môi trường để tạo thành Heptachlor. Sau đó, một phản ứng trong môi trường là heptachlor oxi hóa thành heptachlo bền hơn, và điều này được ghi nhận trong các báo cáo trong các nghiên cứu ở các nước Châu Á bao gồm Trung Quốc, Nhật Bản và Thái Lan 60 , 61 , 62 . Bên cạnh đó, aldrine/dieldrin và endrin là đồng phân lập thể; do đó, trong một số trường hợp, aldrine được ghi nhận thay vì endrin, điều này giải thích mối tương quan nghịch giữa hai loại thuốc bảo vệ thực vật trong PC3.

Figure 4 . Tải trọng biến đổi trong các thành phần chính (a, b, c); d: Phân tích thành phần chính (PCA) của các hình thức sử dụng đất và nồng độ thuốc bảo vệ thực vật trong nước mặt. Ghi chú: LULC: Sử dụng đất và lớp phủ đất; BR: đất trống; CR: đất nông nghiệp; FO: rừng; GR: đồng cỏ; MR: rừng ngập mặn; UB: đất đô thị và đất xây dựng; WB: mặt nước

Figure 4 Tải trọng biến đổi trong các thành phần chính (a, b, c); d: Phân tích thành phần chính (PCA) của các hình thức sử dụng đất và nồng độ thuốc bảo vệ thực vật trong nước mặt. Ghi chú: LULC: Sử dụng đất và lớp phủ đất; BR: đất trống; CR: đất nông nghiệp; FO: rừng; GR: đồng cỏ; MR: rừng ngập mặn; UB: đất đô thị và đất xây dựng; WB: mặt nước

[Download figure]

Nồng độ thuốc bảo vệ thực vật ở sông Mã và các sông nhánh ở tỉnh Thanh Hóa, Việt Nam không bị ảnh hưởng bởi diện tích đất che phủ của lưu vực như đã được phỏng đoán, điều này có thể được giải thích bởi nhiều lý do sau. Thứ nhất, các loại thuốc bảo vệ thực vật trong nghiên cứu, tuy đã bị cấm sử dụng hơn một thập kỷ, vẫn được phát hiện trong các mẫu nước mặt do chúng tồn tại và loại bỏ trong lũ lụt (Altenburger và cộng sự, 2015), thông qua sự khuếch tán, dòng chảy bề mặt và xói mòn đất 53 , 54 . Thứ hai, tỷ lệ phát hiện thuốc bảo vệ thực vật dựa trên lấy mẫu lấy mẫu (grab sampling) cũng có thể bị ảnh hưởng bởi một số thông số giám sát bổ sung. Do tính di động thấp trong pha nước và tốc độ hấp phụ cao vào trầm tích, thuốc bảo vệ thực vật có hệ số phân chia octanol-nước cao (KOW) ít được phát hiện trong lấy mẫu 63 . Phương pháp tiếp cận mẫu khác, bao gồm lấy mẫu trầm tích hoặc lấy mẫu thụ động (passive sampling) với những pha tiếp nhận, có thể được sử dụng cho các hợp chất ưa béo 57 , 64 , và có thể phù hợp hơn để phát hiện thuốc bảo vệ thực vật có KOW cao một cách đáng tin cậy. Bundschuh và cộng sự. 2011; Müller và cộng sự, 2002; Petersen và cộng sự, 2012; Rabiet và cộng sự, 2010 65 , 66 , 67 , 68 khuyến nghị rằng lấy mẫu theo tỷ lệ thời gian hoặc tỷ lệ lưu lượng tự động có thể cải thiện khả năng phát hiện thuốc bảo vệ thực vật vì mức độ phơi nhiễm cao nhất trong hoặc sau các sự kiện mưa bão.

Sự phân bố theo không gian của thuốc bảo vệ thực vật ở sông Mã và các phụ lưu

Sử dụng phân tích cụm (Cluster analysis, CA), các trạm lấy mẫu được phân nhóm dựa trên sự tương đồng/khác biệt về không gian của mười nồng độ thuốc bảo vệ thực vật trong nước bề mặt. Kết quả cho thấy rằng khi số lượng cụm tăng lên, hệ số Silhouette (SC) và tổng bình phương (SS) giảm ( Figure 5 ). SC đạt đỉnh ở hai cụm, nhưng nó giảm mạnh ở ba cụm. Mặt khác, SS giảm từ từ theo số lượng cụm, giảm nhanh chóng khi số lượng cụm nhỏ hơn hai và từ từ khi số lượng cụm lớn hơn 2. Nghĩa là, khi số lượng cụm bằng 2, nó là một điểm khuỷu của đường cong SS. Sẽ thuận lợi hơn nếu chọn 2 cụm để phân tích cụm tiếp theo với SC lớn hơn và SS nhỏ hơn.

Figure 5 . Đường đứt nét màu xanh lam hiển thị hai cụm theo hệ số hình bóng (SC) và tổng bình phương (SS)

Figure 5 Đường đứt nét màu xanh lam hiển thị hai cụm theo hệ số hình bóng (SC) và tổng bình phương (SS)

[Download figure]

14 trạm mẫu được chia thành hai nhóm ( Figure 6 ). Nhóm 2 bao gồm các vị trí lấy mẫu TH08 và TH18 nằm ở phần hạ lưu của sông Cauchay (một trong những phụ lưu của sông Mã) và sông Mã. Mười hai trạm lấy mẫu còn lại trong Nhóm 1 được bố trí trên các kênh chính và ở hạ lưu của hai phụ lưu (3 trạm, Figure 1 ). Nồng độ thuốc bảo vệ thực vật ở nhóm 2 cao hơn so với nhóm 1 (xem Bảng 3) có thể được giải thích là do thuốc bảo vệ thực vật có thể có nguồn gốc từ các khu công nghiệp (TH08 gần khu công nghiệp Lễ Môn) và khu dân cư (TH18, thành phố chính của toàn vùng, thành phố Thanh Hóa, nằm ở đây) có thể thải ra một lượng các chất ô nhiễm này, gây ô nhiễm nước trong khu vực 69 .

Figure 6 . Biểu đồ phân cấp thể hiện 2 nhóm trạm quan trắc được nghiên cứu

Figure 6 Biểu đồ phân cấp thể hiện 2 nhóm trạm quan trắc được nghiên cứu

[Download figure]
Table 3 Nồng độ trung bình thuốc bảo vệ thực vật trong từng nhóm

Kết luận

Theo kết quả nghiên cứu, nồng độ thuốc bảo vệ thực vật ở sông Mã và các sông nhánh ở tỉnh Thanh Hóa, Việt Nam không bị ảnh hưởng bởi tỷ lệ diện tích đất che phủ trong lưu vực. Tuy nhiên, chúng tôi đã đánh giá nồng độ thuốc bảo vệ thực vật tại sông Mã và các phụ lưu bằng kết quả phân nhóm và kết luận hai điểm TH08 (gần khu công nghiệp Lễ Môn) và TH18 (tại thành phố Thanh Hóa) có nồng độ thuốc bảo vệ thực vật bị cấm cao hơn các điểm khác. Điều này có thể được giải thích là do thuốc bảo vệ thực vật có thể xuất phát từ hai khu công nghiệp và khu dân cư này trong giai đoạn nghiên cứu.

Lời cảm ơn

Nhóm nghiên cứu xin chân thành cảm ơn trường đại học Thủ Dầu Một đã cấp tài trợ cho nghiên cứu này. Nhóm nghiên cứu cũng đánh giá cao Sở môi trường và tài nguyên tỉnh Thanh Hóa đã cung cấp dữ liệu tham chiếu trong quá trình nghiên cứu.

Xung đột lợi ích

Nhóm tác giả không có xung đột lợi ích với cá nhân hay tổ chức nào liên quan đến bài nghiên cứu

Đóng góp của các tác giả

T.D.H.L: đóng góp vào việc thu thập dữ liệu, trích xuất dữ liệu; phân tích và giải thích dữ liệu, soạn thảo bài báo và sửa đổi bản thảo. L.H.P: đã giúp soạn thảo bản thảo và chỉnh sửa. Q.T.D: đã giúp soạn thảo bản thảo và chỉnh sửa. Tất cả các tác giả đã phê duyệt cuối cùng để xuất bản.

KINH PHÍ

Nghiên cứu này được tài trợ bởi Trường Đại học Thủ Dầu Một trong đề tài mã số DT.21.2-006.

PHỤ LỤC

Table 4 , Figure 7 , Figure 8 .

Table 4 Tải trọng của các biến trên các thành phần chính

Figure 7 . Nồng độ các loại thuốc bảo vệ thực vật tại các trạm đo trong 2 mùa khô và mùa mưa.

Figure 7 Nồng độ các loại thuốc bảo vệ thực vật tại các trạm đo trong 2 mùa khô và mùa mưa.

[Download figure]

Figure 8 . Phần trăm diện tích từng loại sử dụng đất ở các tiểu lưu vực qua các năm

Figure 8 Phần trăm diện tích từng loại sử dụng đất ở các tiểu lưu vực qua các năm

[Download figure]

References

  1. Malaj E, von der Ohe PC, Grote M, Kühne R, Mondy CP, Usseglio-Polatera P et al. Organic chemicals jeopardize the health of freshwater ecosystems on the continental scale. Proc Natl Acad Sci U S A. 2014;111(26):9549-54. . ;:. PubMed Google Scholar
  2. Stone WW, Gilliom RJ, Ryberg KR. Pesticides in U.S. streams and rivers: occurrence and trends during 1992-2011. Environ Sci Technol. 2014;48(19):11025-30. . ;:. PubMed Google Scholar
  3. Government of Canada, PS, PC. Presence and levels of priority pesticides in selected Canadian aquatic ecosystems; 2011. . ;:. Google Scholar
  4. Schreiner VC, Szöcs E, Bhowmik AK, Vijver MG, Schäfer RB. Pesticide mixtures in streams of several European countries and the USA. Sci Total Environ. 2016;573:680-9. . ;:. PubMed Google Scholar
  5. Stehle S, Schulz R. Pesticide authorization in the EU-environment unprotected? Environ Sci Pollut Res Int. 2015;22(24):19632-47. . ;:. PubMed Google Scholar
  6. Szöcs E, Brinke M, Karaoglan B, Schäfer RB. Large scale risks from agricultural pesticides in small streams. Environ Sci Technol. 2017;51(13):7378-85. . ;:. PubMed Google Scholar
  7. Lindström B, Larsson M, Boye K, Gönczi M, Kreuger J. Resultat från miljöövervakningen av bekämpningsmedel (växtskyddsmedel); 2015. . ;:. Google Scholar
  8. Rippy MA, Deletic A, Black J, Aryal R, Lampard JL, Tang JY et al. Pesticide occurrence and spatio-temporal variability in urban run-off across Australia. Water Res. 2017;115:245-55. . ;:. PubMed Google Scholar
  9. Dores EFGC, Carbo L, Ribeiro ML, De-Lamonica-Freire EM. Pesticide levels in ground and surface waters of Primavera do Leste Region, Mato Grosso, Brazil. J Chromatogr Sci. 2008;46(7):585-90. . ;:. PubMed Google Scholar
  10. Hill MJ, Sayer CD, Wood PJ. When is the best time to sample aquatic macroinvertebrates in ponds for biodiversity assessment? Environ Monit Assess. 2016;188(3):194. . ;:. PubMed Google Scholar
  11. Laabs V, Amelung W, Pinto AA, Wantzen M, da Silva CJ, Zech W. Pesticides in surface water, sediment, and rainfall of the northeastern Pantanal basin, Brazil. J Environ Qual. 2002;31(5):1636-48. . ;:. PubMed Google Scholar
  12. Lewis SE, Silburn DM, Kookana RS, Shaw M. Pesticide behavior, fate, and effects in the tropics: an overview of the current state of knowledge. J Agric Food Chem. 2016;64(20):3917-24. . ;:. PubMed Google Scholar
  13. Palma G, Sánchez A, Olave Y, Encina F, Palma R, Barra R. Pesticide levels in surface waters in an agricultural-forestry basin in Southern Chile. Chemosphere. 2004;57(8):763-70. . ;:. PubMed Google Scholar
  14. Hasanuzzaman M, Rahman MA, Islam MS, Salam MA, Nabi MR. Pesticide residues analysis in water samples of Nagarpur and Saturia Upazila, Bangladesh. Appl Water Sci. 2018;8(1):8. . ;:. Google Scholar
  15. Panuwet P, Siriwong W, Prapamontol T, Ryan PB, Fiedler N, Robson MG et al. Agricultural pesticide management in Thailand: status and population health risk. Environ Sci Policy. 2012;17:72-81. . ;:. PubMed Google Scholar
  16. FAO. Pesticide residues in food 2004 - Report 2004: report of the Joint Meeting of the FAO Panel of Experts on Pesticide Residues in Food and the Environment and the WHO Core Assessment Group on Pesticide Residues, Rome, Italy, 20-29 September 2004. Food and Agriculture Organization and WHO; 2004. . ;:. Google Scholar
  17. Van Hoi P, Mol A, Oosterveer P. State governance of pesticide use and trade in Vietnam. NJAS Wageningen J Life Sci. 2013;67(1):19-26. . ;:. Google Scholar
  18. Schulz R. Field studies on exposure, effects, and risk mitigation of aquatic nonpoint-source insecticide pollution: a review. J Environ Qual. 2004;33(2):419-48. . ;:. PubMed Google Scholar
  19. European Commission. Development, evaluation and implementation of a standarized fish-based assessment method for the ecological status of European rivers: a contribution to the water framework directive; 2015. European Commission. . ;:. Google Scholar
  20. Sebesvari Z, Le HTT, Van Toan P, Arnold U, Renaud FG. Agriculture and water quality in the Vietnamese Mekong Delta. In: Renaud FG, Kuenzer C, editors. The Mekong Delta system. Springer Netherlands; 2012. p. 331-61. . ;:. Google Scholar
  21. Lamers M, Anyusheva M, La N, Nguyen VV, Streck T. Pesticide pollution in surface- and groundwater by paddy rice cultivation: A case study from Northern Vietnam. CLEAN Soil Air Water. 2011;39(4):356-61. . ;:. Google Scholar
  22. Carvalho FP, Villeneuve JP, Cattini C, Tolosa I, Thuan DD, Nhan DD. Agrochemical and polychlorobyphenyl (PCB) residues in the Mekong River Delta, Vietnam. Mar Pollut Bull. 2008;56(8):1476-85. . ;:. PubMed Google Scholar
  23. Toan PV, Sebesvári Z, Bläsing M, Rosendahl I, Renaud FG. Pesticide management and their residues in sediments and surface and drinking water in the Mekong Delta, Vietnam. Sci Total Environ. 2013;452-453:28-39. . ;:. PubMed Google Scholar
  24. Thuy PT, Van Geluwe S, Nguyen V-A, Van der Bruggen B. Current pesticide practices and environmental issues in Vietnam: management challenges for sustainable use of pesticides for tropical crops in (South-East) Asia to avoid environmental pollution. J Mater Cycles Waste Manag. 2012;14(4):379-87. . ;:. Google Scholar
  25. Nguyễn TG, et al. Hiện trạng sử dụng thuốc bảo vệ thực vật tại xã Tân Thạnh. Huyện Thới Lai, Thành phố Cần Thơ. Tạp chí Khoa học Tài nguyên và Môi trường 100-110 (2020). . ;:. Google Scholar
  26. Van HPV, Mol APJ, Oosterveer P, van den Brink PJ. Pesticide distribution and use in vegetable production in the Red River Delta of Vietnam. Renew Agric Food Syst. 2009;24(3):174-85. . ;:. Google Scholar
  27. Hung DQ, Thiemann W. Contamination by selected chlorinated pesticides in surface waters in Hanoi, Vietnam. Chemosphere. 2002;47(4):357-67. . ;:. PubMed Google Scholar
  28. Thi HN, Nguyen TPM, Nam H, Tung H, N. Paraquat in surface water of some streams in Mai Chau Province, the Northern Vietnam: concentrations, profiles, and human risk assessments. J Chem. 2018:e8521012. . ;:. Google Scholar
  29. Pham MH, Sebesvari Z, Tu BM, Pham HV, Renaud FG. Pesticide pollution in agricultural areas of Northern Vietnam: case study in Hoang Liet and Minh Dai communes. Environ Pollut. 2011;159(12):3344-50. . ;:. PubMed Google Scholar
  30. Cục thống kê tỉnh Thanh Hóa. Niên giám thống kê Thanh Hóa 2021. (Nhà xuất bản thống kê; 2021). . ;:. Google Scholar
  31. World B. Development projects. Vietnam Managing Natural Hazards Project; 2007. . ;:. Google Scholar
  32. Breiman L. Random forests. Mach Learn. 2001;45(1):5-32. . ;:. Google Scholar
  33. Sở tài nguyên và Môi trường. Báo cáo hiện trạng môi trường tỉnh thanh hóa giai đoạn 2011-2015. 2015. . ;:. Google Scholar
  34. Le TDH, Pham LH, Dinh QT, Hang NTT, Tran TAT. Rapid method for yearly LULC classification using Random Forest and incorporating time-series NDVI and topography: a case study of Thanh Hoa province, Vietnam. Geocarto Int. 2022;0:1-16. . ;:. Google Scholar
  35. Holmgren P. Multiple flow direction algorithms for runoff modelling in grid based elevation models: an empirical evaluation. Hydrol Processes. 1994;8(4):327-34. . ;:. Google Scholar
  36. European environment & agency. Digital elevation model over Europe (EU-DEM). . ;:. Google Scholar
  37. Metz M, Mitasova H, Harmon RS. Efficient extraction of drainage networks from massive, radar-based elevation models with least cost path search. Hydrol Earth Syst Sci. 2011;15(2):667-78. . ;:. Google Scholar
  38. Neteler M, Bowman MH, Landa M, Metz M. GRASS GIS: A multi-purpose open source GIS. Environ Modell Softw. 2012;31:124-30. . ;:. Google Scholar
  39. Andrade Costa D, Soares de Azevedo JP, Dos Santos MA, Dos Santos Facchetti Vinhaes Assumpção R. R. Water quality assessment based on multivariate statistics and water quality index of a strategic river in the Brazilian Atlantic Forest. Sci Rep. 2020;10(1):22038. . ;:. PubMed Google Scholar
  40. Dutta S, Dwivedi A, Suresh Kumar M. Use of water quality index and multivariate statistical techniques for the assessment of spatial variations in water quality of a small river. Environ Monit Assess. 2018;190(12):718. . ;:. PubMed Google Scholar
  41. Mitra S, Ghosh S, Satpathy KK, Bhattacharya BD, Sarkar SK, Mishra P et al. Water quality assessment of the ecologically stressed Hooghly River Estuary, India: A multivariate approach. Mar Pollut Bull. 2018;126:592-9. . ;:. PubMed Google Scholar
  42. Wang H, Liu C, Zang F, Yang J, Li N, Rong Z et al. Impacts of topography on the land cover classification in the Qilian Mountains, Northwest China. Can J Remote Sens. 2020;46(3):344-59. . ;:. Google Scholar
  43. Alves DD, Riegel RP, de Quevedo DM, Osório DMM, da Costa GM, do Nascimento CA et al. Seasonal assessment and apportionment of surface water pollution using multivariate statistical methods: Sinos River, southern Brazil. Environ Monit Assess. 2018;190(7):384. . ;:. PubMed Google Scholar
  44. Rakotondrabe F, Ndam Ngoupayou JR, Mfonka Z, Rasolomanana EH, Nyangono Abolo AJ, Ako Ako A. Water quality assessment in the Bétaré-Oya gold mining area (East-Cameroon): multivariate Statistical Analysis approach. Sci Total Environ. 2018;610-611:831-44. . ;:. PubMed Google Scholar
  45. Shrestha S, Kazama F. Assessment of surface water quality using multivariate statistical techniques: A case study of the Fuji river basin, Japan. Environ Modell Softw. 2007;22(4):464-75. . ;:. Google Scholar
  46. Bhat SA, Meraj G, Yaseen S, Pandit AK. Statistical assessment of water quality parameters for pollution source identification in Sukhnag stream: an inflow stream of lake Wular (Ramsar site), Kashmir Himalaya. J Ecosyst. 2014;2014:1-18. . ;:. Google Scholar
  47. R Core Team. R: the R Project for Statistical Computing. Vienna: Foundation for Statistical Computing, Austria; 2021. . ;:. Google Scholar
  48. Mckenna J. E. M. An enhanced cluster analysis program with bootstrap significance testing for ecological community analysis. Environ Modell Softw. 2003;18(3):205-20. . ;:. Google Scholar
  49. Rousseeuw PJ. Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. J Comp Appl Math. 1987;20:53-65. . ;:. Google Scholar
  50. Xiong H, Wu J, Chen J. K-means clustering versus validation measures: A data-distribution perspective. IEEE Trans Syst Man Cybern B. 2009;39(2):318-31. . ;:. PubMed Google Scholar
  51. Du X, Shao F, Wu S, Zhang H, Xu S. Water quality assessment with hierarchical cluster analysis based on Mahalanobis distance. Environ Monit Assess. 2017;189(7):335. . ;:. PubMed Google Scholar
  52. Tan P, Steinbach M, Kumar V. Introduction to data mining. In: Cluster analysis: basic concepts and algorithms. Boston: Addison-Wesley. . ;:. Google Scholar
  53. Abbasi Y, Mannaerts CM, Makau W. Modeling pesticide and sediment transport in the Malewa River Basin (Kenya) using SWAT. Water. 2019;11(1):87. . ;:. Google Scholar
  54. Long R, Fulton A, Hanson B. Protecting surface water from sediment-associated pesticides in furrow-irrigated crops. doi: 10.3733/ucanr.8403. (University of California. Agric Nat Resour. 2010). . ;:. Google Scholar
  55. Kruć-Fijałkowska R, Dragon K, Drożdżyński D, Górski J. Seasonal variation of pesticides in surface water and drinking water wells in the annual cycle in western Poland, and potential health risk assessment. Sci Rep. 2022;12(1):3317. . ;:. PubMed Google Scholar
  56. Neumann M, Schulz R, Schäfer K, Müller W, Mannheller W, Liess M. The significance of entry routes as point and non-point sources of pesticides in small streams. Water Res. 2002;36(4):835-42. . ;:. PubMed Google Scholar
  57. Moschet C, Vermeirssen ELM, Seiz R, Pfefferli H, Hollender J. Picogram per liter detections of pyrethroids and organophosphates in surface waters using passive sampling. Water Res. 2014;66:411-22. . ;:. PubMed Google Scholar
  58. Wittmer IK, Bader HP, Scheidegger R, Singer H, Lück A, Hanke I et al. Significance of urban and agricultural land use for biocide and pesticide dynamics in surface waters. Water Res. 2010;44(9):2850-62. . ;:. PubMed Google Scholar
  59. Struger J, Grabuski J, Cagampan S, Sverko E, McGoldrick D, Marvin CH. Factors influencing the occurrence and distribution of neonicotinoid insecticides in surface waters of southern Ontario, Canada. Chemosphere. 2017;169:516-23. . ;:. PubMed Google Scholar
  60. Gao J, Liu L, Liu X, Lu J, Zhou H, Huang S et al. Occurrence and distribution of organochlorine pesticides - lindane, p,p'-DDT, and heptachlor epoxide - in surface water of China. Environ Int. 2008;34(8):1097-103. . ;:. PubMed Google Scholar
  61. Kim YS, Eun H, Katase T, Fujiwara H. Vertical distributions of persistent organic pollutants (POPs) caused from organochlorine pesticides in a sediment core taken from Ariake bay, Japan. Chemosphere. 2007;67(3):456-63. . ;:. PubMed Google Scholar
  62. Poolpak T, Pokethitiyook P, Kruatrachue M, Arjarasirikoon U, Thanwaniwat N. Residue analysis of organochlorine pesticides in the Mae Klong river of Central Thailand. J Hazard Mater. 2008;156(1-3):230-9. . ;:. PubMed Google Scholar
  63. Domagalski JL, Weston DP, Zhang M, Hladik M. Pyrethroid insecticide concentrations and toxicity in streambed sediments and loads in surface waters of the San Joaquin valley, California, USA. Environ Toxicol Chem. 2010;29(4):813-23. . ;:. PubMed Google Scholar
  64. Schäfer RB, Gerner N, Kefford BJ, Rasmussen JJ, Beketov MA, de Zwart D et al. How to characterize chemical exposure to predict ecologic effects on aquatic communities? Environ Sci Technol. 2013;47(14):7996-8004. . ;:. PubMed Google Scholar
  65. Bundschuh M, Pierstorf R, Schreiber WH, Schulz R. Positive effects of wastewater ozonation displayed by in situ bioassays in the receiving stream. Environ Sci Technol. 2011;45(8):3774-80. . ;:. PubMed Google Scholar
  66. Müller K, Bach M, Hartmann H, Spiteller M, Frede HG. Point- and nonpoint-source pesticide contamination in the Zwester ohm catchment, Germany. J Environ Qual. 2002;31(1):309-18. . ;:. PubMed Google Scholar
  67. Petersen J, Grant R, Larsen SE, Blicher-Mathiesen G. Sampling of herbicides in streams during flood events. J Environ Monit. 2012;14(12):3284-94. . ;:. PubMed Google Scholar
  68. Rabiet M, Margoum C, Gouy V, Carluer N, Coquery M. Assessing pesticide concentrations and fluxes in the stream of a small vineyard catchment--effect of sampling frequency. Environ Pollut. 2010;158(3):737-48. . ;:. PubMed Google Scholar
  69. Nowell LH, Norman JE, Moran PW, Martin JD, Stone WW. Pesticide Toxicity Index-A tool for assessing potential toxicity of pesticide mixtures to freshwater aquatic organisms. Sci Total Environ. 2014;476-477:144-57. . ;:. PubMed Google Scholar


Author's Affiliation
Article Details

Issue: Vol 7 No 1 (2023)
Page No.: 619-632
Published: May 15, 2023
Section: Original Research
DOI: https://doi.org/10.32508/stdjsee.v7i1.723

 Copyright Info

Creative Commons License

Copyright: The Authors. This is an open access article distributed under the terms of the Creative Commons Attribution License CC-BY 4.0., which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited.

Funding data


 How to Cite
Le, H., Pham, L., Quang, T., & Nguyen, T. (2023). Land use influencing the pesticides concentration in Ma river and its tributaries in Thanh Hoa province. Science & Technology Development Journal: Science of the Earth & Environment, 7(1), 619-632. https://doi.org/https://doi.org/10.32508/stdjsee.v7i1.723


 Download Citation
 Cited by

Article level Metrics by Paperbuzz/Impactstory
Article level Metrics by Altmetrics

 Article Statistics
HTML = 827 times
PDF   = 252 times
XML   = 0 times
Total   = 252 times