Ijerph 17 05823

Machine Translated by Google
Jurnal Internasional
Penelitian Lingkungan dan
Kesehatan Masyarakat
Artikel
Peran Mangrove dalam Retensi Berat

Metal (Chromium): Studi Simulasi di Thi
Daerah Aliran Sungai Vai, Vietnam
1,* 1 2 dan Otto Richter
Anh Nguyen , Bao VQ Le
1
Institut Lingkungan dan Sumber Daya, Universitas Nasional Vietnam Kota Ho Chi Minh,
142 To Hien Thanh, Distrik 10, Kota Ho Chi Minh 72506, Vietnam; levuquocbao.env@gmail.com
2
Institut Geoekologi, Universitas Teknik Braunschweig, 38106 Braunschweig, Jerman; o.richter@tu-
bs.de * Korespondensi: anhnguyen.ier@gmail.com; Tel.: +84-763-323-328
Diterima: 27 Mei 2020; Diterima: 16 Juli 2020; Diterbitkan: 12 Agustus 2020
Abstrak: Pada penelitian ini, retensi kromium (Cr) oleh mangrove di DAS Thi Vai yang terletak di selatan
Vietnam disimulasikan menggunakan model kopel model hidrodinamik Delft3D dengan transpor Cr dan
model serapan Cr oleh mangrove. Model berpasangan ini dikalibrasi dan divalidasi menggunakan data dari
empat stasiun hidrodinamika dan data dari studi fitoremediasi.
Untuk menganalisis pengaruh mangrove dalam mengurangi pencemaran Cr, tiga skenario dijalankan oleh model.
Skenario 1 (SC1) didasarkan pada situasi aktual mengenai debit dan sebaran mangrove. Skenario 2 (SC2)
mensimulasikan memburuknya situasi aktual dengan deforestasi di tepi barat dan pembentukan lebih banyak zona
industri di tepi timur. Skenario 3 (SC3) mensimulasikan pembangunan ramah lingkungan yang terdiri dari penyaluran
air limbah melalui lahan basah yang dibangun dengan mangrove sebelum dibuang ke sungai. Hasil simulasi
menunjukkan serapan Cr total oleh mangrove di SC3 lebih tinggi dibandingkan dua skenario lainnya. Secara total,
33 kg Cr dalam air diserap oleh lahan basah yang dibangun di SC3 dalam waktu satu bulan. Hasil simulasi membantu
mengatasi kesulitan dan tantangan dalam menilai kapasitas hutan mangrove dalam retensi kromium pada skala
tangkapan.
Kata kunci: pohon bakau; polusi logam berat; model matematika; fitoremediasi;
Rhizophora apiculata
1. Perkenalan
Pencemaran di muara mangrove, khususnya pencemaran logam berat, telah ditangani secara luas di
seluruh dunia karena efek sampingnya yang nyata terhadap ekosistem dan kesehatan manusia [1]. Banyak
peneliti dalam beberapa tahun terakhir berfokus pada konsentrasi logam berat dan distribusinya, sumber dan
nasibnya di lingkungan muara [2,3]. Kelebihan konsentrasi elemen sedimen yang mengarah pada potensi risiko
kesehatan ekosistem merupakan tantangan sehingga banyak upaya mencoba untuk mengurangi dan
membersihkan polutan di lingkungan yang sangat dinamis ini.
Pohon mangrove memiliki kemampuan menyimpan logam, memindahkan unsur-unsur tersebut dari
sedimen dan mengkonsentrasikannya dalam jaringannya [4]. Mereka dapat berfungsi sebagai sarana untuk
imobilisasi dan penghilangan polutan. Fungsi ini telah dipelajari dan terbukti menjadi metode praktis yang
baik untuk menangani polutan [5]. Dikatakan bahwa mangrove dapat berfungsi sebagai sistem pengolahan
air limbah alami [6-8], yang dapat dianggap sebagai proses fitoremediasi.
Fitoremediasi adalah metode pengobatan yang berkaitan dengan penggunaan vegetasi yang tumbuh pada
lingkungan tercemar baik mengandung, menghilangkan atau membuat kontaminan lingkungan beracun tidak berbahaya [9].
Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823; doi:10.3390/ijerph17165823 www.mdpi.com/journal/ijerph
Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 2 dari 22
Fitoremediasi telah mendapatkan perhatian lebih dari para peneliti meskipun bukan merupakan konsep baru
karena biayanya yang rendah dibandingkan dengan sistem remediasi fisiko-kimia [10].
Studi tentang transfer dan akumulasi logam pada tanaman mangrove telah dilakukan secara intensif
di seluruh dunia. Kemampuan mangrove mengakumulasi bahan pencemar tergantung pada jenis
pencemar, jenis tumbuhan dan kondisi lingkungan [11,12]. Wen-jiao dkk. [13] menemukan bahwa
Rhizophora stylosa di teluk Yinglou (Cina) menyerap konsentrasi tinggi kadmium (Cd) (dengan koefisien
akumulasi tinggi 1,4, dibandingkan dengan logam lain). Ketika menganalisis penghilangan logam berat
oleh spesies mangrove, Fengzhong et al. [14] menemukan bahwa Avicennia marina memiliki kinerja
penyisihan timbal yang tinggi (Pb, 83,8%) dan Cd (74,2%), Kandelia candel memiliki kemampuan
menyerap tembaga (Cu, 70,5%) dan nikel (Ni, 50,5%). MacFarlane dkk. [15] melakukan eksperimen dan
melaporkan bahwa Cu terakumulasi dalam jaringan akar A. marina di bawah batas konsentrasi tertentu
(200 g/g). Ditemukan hubungan linier logam berat yang diserap oleh tanaman mangrove dan
konsentrasinya dalam sedimen. Efek penghambatan pada tinggi semai dan jumlah daun diamati pada konsentrasi Cu yang
Rhizophora apiculata dalam penelitian Kamaruzzaman et al. [17] di Malaysia menunjukkan potensi akumulasi
logam. Konsentrasi di akar spesies ini lebih tinggi daripada di kulit kayu dan di daun. Rata-rata konsentrasi pada
daun, kulit kayu dan akar masing-masing adalah 2,73 mg/L, 3,94 mg/L dan 5,21 mg/L untuk Cu dan 1,43 mg/L,
1,38 mg/L dan 2,05 mg/L untuk Pb. Dalam karya Nazli dan Hashim [18], mereka menemukan akumulasi Cu dan
Pb di akar dan daun Sonneratia caseolaris (konsentrasi Pb dan Cu untuk daun adalah 35,5µg/g dan 26,8 g/g dan
untuk akar adalah 92,9 g /g dan 31,2 g/g) dan sampai pada kesimpulan bahwa akar spesies ini memiliki kapasitas
tinggi dalam menyerap logam berat dan dapat menjadi spesies fitoremediasi potensial untuk pengolahan logam
berat di ekosistem mangrove Malaysia. Dalam laporan mereka tentang respon fisiologis Sonneratia apetala
terhadap logam berat, Zhang et al. [19] melakukan percobaan pengolahan polutan oleh tanaman dengan air limbah
buatan pada konsentrasi dan kondisi lingkungan yang berbeda. Mereka menggambarkan bahwa tidak ada gejala
berbahaya yang ditemukan pada kondisi konsentrasi logam tinggi (Pb: 10 mg/L; Cu: 20 mg/L; Cd: 1 mg/L) dan
kandungan nutrisi dalam air limbah meningkatkan pertumbuhan Sonneratia apetala [19] . Richter dkk. [20]
memberikan kinerja fitoremediasi Rhizophora apiculata muda dalam mengolah Cr dalam air limbah industri dan
menunjukkan serapan Cr maksimum oleh spesies ini (pada 500 mg/L Cr dalam air) adalah 326,72 mg/kg setelah
3 bulan dan 126,9 mg/kg setelah 6 bulan. Titah dan Pratikno [21] membahas bahwa Avicennia alba dapat
dipertimbangkan untuk digunakan dalam pemantauan fito dan fitoremediasi Cr di wilayah pesisir. Chowdhury dkk.
[22] menyimpulkan bahwa spesies Sonneratia apetala dan A. officinalis berpotensi sebagai hiperakumulator yang
mengakumulasi Cu konsentrasi tinggi (25,89 mg/kg), Fe (1376,7 mg/kg) dan Cr (2,85 mg/kg) di pneumatofor.
Mereka juga menyimpulkan bahwa Rhizophoraceae dan R. apiculata berpotensi sebagai akumulator Hg dan Pb.
Namun, dalam percobaan laboratorium dan rumah kaca ini, heterogenitas spasial mengenai sifat
tanah dan tingkat kontaminan awal tetap rendah, yang biasanya tidak terjadi di lapangan.
Distribusi kontaminan yang tidak merata merupakan tantangan yang sering ditemui dalam studi lapangan, yang
menghasilkan data yang tersebar. Ini juga bermasalah dalam hal standar peraturan karena keberhasilan remediasi
sering dinilai berdasarkan poin demi poin, daripada rata-rata poin data dari seluruh lokasi [23].
Ada potensi besar dalam penerapan model matematika untuk mensimulasikan proses tersebut,
karena sejumlah besar data lapangan dan bahkan data dari eksperimen tersedia. Terdapat beberapa
model matematika untuk proses fitoremediasi. Burken dan Schnoor [24] mengembangkan model
matematis untuk menggambarkan mekanisme fisik, kimia dan biologis dari fitoremediasi pohon poplar
dari data eksperimen. Chiou dkk. [25] mengembangkan model matematika untuk fitoremediasi, dengan
mempertimbangkan faktor lingkungan. Shashi [26] mensimulasikan fitoremediasi Cd oleh tanaman
menggunakan sistem persamaan transpor zat terlarut, ditambah dengan persamaan Richard satu
dimensi dengan istilah ekstraksi akar. Untuk pemodelan fitoremediasi mangrove, Richter et al. [20]
mengembangkan model fitoremediasi untuk spesies mangrove Rhizophora apiculata berdasarkan data
eksperimen. Hanya ada beberapa model untuk retensi logam berat oleh mangrove pada skala tangkapan. Pendekatan da
Nguyen dan Richter [27] menunjukkan bahwa penggabungan hidrodinamika dengan model nasib lingkungan
untuk kromium dalam domain tanah-tanaman adalah layak; namun, model ini berada pada tahap teoretis
dan tidak dikalibrasi untuk situasi nyata.
Ketertarikan kami dalam penelitian ini adalah untuk mengembangkan model matematis dan
menerapkan model ini untuk memprediksi fitoremediasi mangrove dari distribusi kontaminan yang tidak
merata di lapangan menggunakan data tersebar yang tersedia. Model ini dapat membantu untuk: (i)
menghitung jumlah logam berat yang diserap oleh hutan mangrove di tingkat lanskap; (ii) mengevaluasi
berbagai alternatif rejim pengelolaan di kawasan mangrove; (iii) mendukung rancangan sistem fitoremediasi
di lapangan. Tujuan dari pendekatan yang disajikan dalam makalah kami adalah untuk menutup
kesenjangan antara konsep teoretis dan aplikasi pada masalah lingkungan nyata di daerah tangkapan. Ini
dicapai dengan kalibrasi dan validasi model menggunakan data lapangan dan eksperimen yang tersedia di
Sungai Thi Vai (data diperoleh dari pekerjaan Nguyen sebelumnya [28], Richter et al. [20] dan Costa-
Boddeker et al. [29]) . Konsep tersebut diwujudkan dengan menerapkan model kompartemen untuk
transportasi zat dalam domain tanah-tanaman ke dalam model hidrodinamik Delft3D untuk transportasi
sungai. Model ini digunakan untuk mensimulasikan distribusi kromium di air, tanah dan pohon bakau untuk skenario pengelola
Konsentrasi Chromium (Cr) terdeteksi terutama di daerah penelitian kami, DAS Thi Vai, yang terletak di
Vietnam Selatan. Sungai Thi Vai memisahkan hutan mangrove Can Gio di Barat dan kawasan industri di Timur.
Sungai ini dan sekitarnya telah sangat tercemar karena pembuangan langsung air limbah dari perusahaan industri.
Nguyen [28] menemukan konsentrasi logam berat yang tinggi, terutama kromium, terakumulasi di dalam tanah dan
di berbagai organ pohon bakau di sepanjang sungai ini (konsentrasi tertinggi di permukaan tanah adalah 634 mg/
kg dan di akar pohon adalah 90,6 mg/kg. ). Dalam lingkungan akuatik, Cr memiliki dua keadaan oksidasi utama—
Cr(III) dan Cr(VI). Cr(VI) dianggap sebagai senyawa yang sangat beracun karena kelarutannya, potensi oksidasi
dan kemampuannya untuk melintasi membran sel [30]. Dalam penelitian kami, bentuk oksidasi Cr tidak ditentukan;
namun, secara umum, kedua bentuk spesiasi—Cr(III) dan Cr(VI)—terjadi di daerah ini. Costa-Boddeker dkk. [29]
melaporkan bahwa konsentrasi Cr terukur dalam air Thi Vai jauh lebih tinggi dibandingkan dengan daerah muara
lainnya di Asia dan muara tropis di Brasil (nilai rata-rata 0,01 mgL-1). Ini sekitar enam kali lipat lebih tinggi dari yang
dicatat oleh Kumar et al. [31] di Teluk Victoria, Brasil Tenggara. Cr banyak digunakan oleh industri yang berlokasi
di daerah tangkapan air Thi Vai, seperti manufaktur tekstil, elektroplating dan penyamakan kulit, antara lain, yang
membuang air limbah ke sungai Thi Vai. Industri penyamakan kulit telah dianggap sebagai salah satu industri paling
berpolusi di Vietnam. Sekitar 65% penyamakan kulit tidak sesuai dengan Standar Vietnam tentang air limbah
industri karena sebagian besar mengabaikan peraturan untuk memasang sistem pengolahan air limbah [29]. Di
daerah penelitian kami beberapa penyamakan kulit terletak di sepanjang sungai Thi Vai dan mungkin berkontribusi
terhadap konsentrasi Cr di dalam air. Pencemaran perairan pantai dengan Cr(III) dan Cr(VI) telah dikaitkan dengan
operasi penyamakan kulit di seluruh dunia (misalnya, Gardner dan Ravenscroft [32], Suprapti et al. [33], Abdulla et
al. [34]).
2. Model Numerik Terintegrasi
2.1. Model Kompartemen untuk Transportasi Polutan di Domain Air–Tanah–Tumbuhan
Versi sederhana dari model kompartemen yang diberikan oleh penelitian kami sebelumnya [27] dikembangkan,
yang terdiri dari konsentrasi dalam air, dalam fase cair dan padat tanah dan di pohon bakau, seperti yang
ditunjukkan pada Gambar 1. Domain tanaman tidak lebih jauh dibedakan menjadi organ tanaman tunggal seperti
pada model kami sebelumnya [27].
Pada skala lanskap, perlu untuk menyatukan model transportasi Cr dalam sistem sungai nyata dan
model nasib lingkungan untuk Cr dalam sistem tanah-tanaman. Ini melibatkan penggabungan persamaan
diferensial parsial (transportasi) dengan sistem persamaan diferensial biasa. Untuk domain air, kami
menerapkan persamaan air dangkal dua dimensi yang digabungkan dengan persamaan difusi konveksi
untuk transportasi dan reaksi polutan menggunakan kode sumber Delft3D. Delft3D dikembangkan oleh WL
Belanda, Delft Hydraulics. Delft3D-Flow adalah salah satu yang paling banyak digunakan
Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, x 4 dari 23

model hidrodinamik untuk simulasi aliran sungai (misalnya, di Javernick et al. [35], Williams et al. [36]) dan
untuk simulasi kualitas air (misalnya, di Duy Vinh et al. [37]). Performanya sebanding dengan yang lain
untuk simulasi kualitas air (misalnya, di Duy Vinh et al. [37]). Kinerjanya sebanding dengan sistem lain (misalnya, dengan
Mike 21 [38]). Selanjutnya, Delft3D adalah perangkat lunak open source. Modelnya mampu
sistem (misalnya, dengan Mike 21 [38]). Selanjutnya, Delft3D adalah perangkat lunak open source.
Model tersebut memprediksi fenomena hidrolik di sungai simulasi dengan hasil yang koheren sesuai dengan
mampu memprediksi fenomena hidrolis pada sungai yang disimulasikan dengan hasil yang koheren sesuai
dengan sistem pengaturan persamaan diferensial parsial. Variabel keadaan kompartemen tanah dan tanaman
ke sistem pemerintahan persamaan diferensial parsial. Variabel keadaan tanah dan tanaman
dimasukkan
kompartemenke dalamke
tertanam kode Delft3D.
dalam Kopling
kode Delft3D. dimediasi
Kopling melalui
dimediasi konsentrasi
melalui dalam air,model
c(x,y). Penyematan
kompartemen tanah-tanaman ke dalam model hidrodinamika Delft3D
konsentrasi dalam air, c(x,y). Penanaman model kompartemen tanah-tanaman ke dalam dilakukan
dengan menggunakan perangkat lunak pemrograman Matlab R2018b.
model hidrodinamika Delft3D dilakukan dengan menggunakan perangkat lunak pemrograman Matlab R2018b.
Gambar 1. Skema kompartemen untuk transportasi materi dalam domain air-tanah-tanaman; parameter kij adalah
Gambar 1. Skema kompartemen untuk transportasi materi dalam domain air-tanah-tanaman; parameter kij
konstanta kinetik.
adalah konstanta kinetik.
Dengan asumsi kinetika linier, persamaan keseimbangan massa untuk Cr dalam tiga kompartemen diberikan oleh:
Dengan asumsi kinetika linier, persamaan keseimbangan massa untuk Cr dalam tiga kompartemen diberikan oleh:
Sl =k01c ( k12 + +13 k10)Sl (1)

01 ( = +12k13 + 10) + k21Ss
21 (1)
t
= (2)
Ss 12 21
t = k12Sl k21Ss _ (2)

= 13 (3)
Pl
= k13Sl (3)
dimana: c—Cr dalam air; Sl—Cr dalam fase cair tanah; tSs—Cr dalam fase padat tanah; Pl—Cr dalam tanaman; ki,j—
dimana: c—Cr
konstanta dalam
kinetik. air; Sl—Cr
Perhatikan dalam
bahwa fase cair tanah;
konsentrasi dalamSs—Cr dalam fase
air, c, diberikan padat
oleh tanah; Pl—Cr
persamaan dalam
transpor (10).tanaman; ki,j—kinetik
konstanta. Perhatikan bahwa konsentrasi di dalam air, c, disediakan oleh Persamaan transportasi (10).
2.2. Model Hidrodinamika dan Kualitas Air Delft3D
2.2. Model
SepertiHidrodinamika
dijelaskan di dan
atas,Kualitas Air Delft3D kompleksitas nasib polutan di lingkungan
untuk menghadapi
Seperti
air, tanah dandijelaskan
tanaman, di dua
atas,modul
untuk hidrodinamika
menghadapi kompleksitas
dan kualitasnasib polutan
air dari di lingkungan
Delft3D adalah air,
tanah dan tanaman,
diterapkan dua modul hidrodinamika
untuk mensimulasikan dandalam
transportasi materi kualitas air dari Delft3D
lingkungan diterapkan
air (domain air dalam model
untuk mensimulasikan
kompartemen dijelaskanpengangkutan
pada Gambar materi
1). di lingkungan air (domain air di kompartemen
Dalam
model yang modul
dijelaskan hidrodinamik
pada Delft3D-Flow, solusi numerik dari keadaan tidak tunak menjadi dangkal
Gambar 1).
Dalam modul
persamaan hidrodinamika
air dalam Delft3D-Flow,
dua (kedalaman solusi
rata-rata) ataunumerik dari keadaan
tiga dimensi tidak
disediakan tunak menjadi
berdasarkan dangkal
persamaan
air hingga
metode dalam dua
elemen. (rata-rata
Dalam kedalaman)
pendekatan atau tiga momentum
ini, persamaan dimensi disediakan berdasarkan
vertikal direduksi elemen
menjadi hingga
metode
hidrostatik.
hubungan Dalam
tekanan.pendekatan
Percepatan ini, vertikal
persamaan momentum
diasumsikan vertikal
kecil direduksi menjadi
dibandingkan dengantekanan
hubunganhidrostatik
gravitasi.
percepatanPercepatan vertikal dianggap
dan tidak diperhitungkan. kecil yang
Persamaan dibandingkan dengan
mengatur yang percepatan
diberikan gravitasi
oleh Luijendijk [39]dan adalah
tidak
diperhitungkan. Persamaan yang mengatur yang diberikan oleh Luijendijk [39] adalah persamaan kontinuitas:
persamaan kontinuitas:
(+)
(d++ )u + (d( + +) )v= (4)
+ + 0= (4)
dt x 0y
dan persamaan momentum:
dan persamaan momentum:
++++
2
+
2
(+) (+) ( 2 2)=0 (5)

u u u bx Fx 2u _
+ 2u _
+ kamu + v + g fv + K 2 2 (5)
t x+ + + +y + x w(d + ) w(d + )( x+2
(+) (+) 2 2 y) =20! = 0 (6)
di mana d—kedalaman air (m); —ketinggian air di atas bidang referensi horizontal (datum) (m); f—parameter Coriolis (1/s);
Fx, Fy—x-, y- komponen gaya luar (N/m2 ); u, —kecepatan fluida dalam arah xy- (m/s); — massa jenis air (kg/m3 ); —
viskositas pusaran air (m2 /s); g—gravitasi percepatan (m/s2 ); y- komponen tegangan geser dasar (N/m2 ). , -x
vvv+u+vtx oleh + fu + + g y 2v _ 2v _
x w(d + ) K+x2y (6)
Fy w(d + ) 2!=0
di mana d—kedalaman air (m); —ketinggian air di atas bidang referensi horizontal (datum) (m); f—
parameter Coriolis (1/s); Fx, Fy—x-, y- komponen gaya luar (N/m2 ); u, v—kecepatan fluida dalam
arah xy- (m/s); w—densitas massa air (kg/m3 ); K—viskositas pusaran air (m2 /s); g—gravitasi
2
percepatan (m/s Kekasaran dasar dalam program Delft3D-FLOW dapat didefinisikan dalam beberapa
); bx,y—x- y- komponen tegangan geser dasar (N/m2 ).
cara. Untuk aliran rata-rata kedalaman (2D), tegangan geser pada dasar dalam arah x dan y
diinduksi oleh aliran turbulen diberikan oleh hukum gesekan kuadrat:
|U|u
bx = wg (7)
C2
|U|v
oleh = wg (8)
C2
Koefisien 2D-Chézy C bergantung pada koefisien Manning n:
6 jam
C= (9)
n
22+v 1/2
di mana U—magnitudo mutlak dari kecepatan total; U = (u ) (MS); h—total kedalaman air (m).
Delft3D juga dilengkapi dengan modul kualitas air (D-WAQ) untuk pemodelan dan prediksi transportasi
polutan dalam air (dalam hal ini Cr). Transportasi polutan rata-rata kedalaman dalam model dua dimensi
ini diberikan oleh persamaan adveksi-dispersi:
2C 2C C C C
x + y x x 2Dx
y y_ Dy + 2
= F(x, y, t ) k01c + k10sl (10)
t
di mana Dx,y—koefisien dispersi dalam arah x, y (m2 /s); —kecepatan (m/s); c—konsentrasi dalam air (g/
m3 ); F(x, y, t)—sumber debit; k01, k10—konstanta kinetik. Perhatikan bahwa persamaan ini digabungkan
dengan model kompartemen melalui dua istilah terakhir.
3. Deskripsi Situs
3.1. Area Studi

Sungai Thi Vai terletak di muara sistem Sungai Dong Nai–Sai Gon di selatan Vietnam, seperti
yang ditunjukkan pada Gambar 2, dari 10ÿ280 LU hingga 10ÿ390 LU dan 107ÿ000 BT hingga
107ÿ140 BT Panjang total sungai sekitar 76 km dengan kedalaman rata-rata 10-20 m, kedalaman
maksimum sekitar 60 m. Rezim hidrologi di daerah tersebut didominasi oleh rejim semi-diurnal
dengan amplitudo tinggi. Sungai Thi Vai dipilih sebagai daerah penelitian kami karena sungai ini
merupakan salah satu sungai yang paling tercemar di Vietnam. Daerah di tepi timur sungai ini telah
sangat terindustrialisasi dalam dua dekade terakhir—lebih dari 14 zona industri dan pelabuhan internasional didirikan.
Air limbah yang tidak terkendali dibuang langsung ke sungai dari kegiatan industri. Costa-Boddeker dkk. [29]
menemukan bahwa sedimen di DAS sungai ini telah tercemar berat oleh logam berat.
Kromium ditemukan sebagai salah satu logam berat yang paling kaya di daerah ini [40]. Selain itu, daerah
tangkapan ini berbatasan dengan Cagar Biosfer Can Gio, yang telah terdaftar sebagai cagar biosfer oleh
UNESCO. Selain itu, data batimetri dan debit, model elevasi digital dan data konsentrasi kromium tersedia
untuk daerah tangkapan ini.
Gambar
Gambar 2.2.DAS
DASThiThi
VaiVai
dandan lokasi
lokasi pengambilan
pengambilan sampelsampel (peta
(peta dasar dasar
diambil dari
dari Google
peta GoogleEarth
Earth Terrain
Terrain
map 2018).
2018).
3.2. Data Batimetri

3.2. Data Batimetri
Data
Data batimetri
batimetri untuk
untuk perhitungan
perhitungan kami
kami diperoleh
diperoleh dari
dari berbagai
berbagai sumber,
sumber, termasuk:
termasuk: (1)
(1) tinggi
data
batimetri resolusi tinggi (10 × 10 m) dari dasar sungai yang dikumpulkan di Maritim
resolusi (10×10 m) data batimetri dasar sungai yang dikumpulkan di Perusahaan KeselamatanVietnam Selatan
Maritim
Perusahaan Keselamatan; (2) data batimetri resolusi 100x100m di Teluk Ganh Rai yang dikumpulkan di di
Vietnam Selatan ; (2) Data batimetri resolusi 100 × 100 m di Teluk Ganh Rai dikumpulkan
Perusahaan Keselamatan Maritim Vietnam Selatan; (3) elevasi tanah (50 × 50 m) dari daerah sekitarnya
Korporasi Keselamatan Maritim Vietnam Selatan; (3) elevasi tanah (50x50 m) dari daerah sekitarnya
dikumpulkan di Institut Lingkungan dan Sumber Daya untuk menghasilkan topografi yang dikelilingi
dikumpulkan di Institut Lingkungan dan Sumber Daya untuk menghasilkan topografi daerah Sungai Thi Vai,
termasuk dataran banjir dan pulau-pulau (daerah di mana sumber batimetri lainnya
daerah-daerah yang dikelilingi Sungai Thi Vai, termasuk dataran banjir dan pulau-pulau (daerah di mana daerah
lain tidak memiliki cakupan). Data batimetri dari semua sumber di atas digabungkan untuk membangun a
sumber batimetri tidak memiliki cakupan). Data batimetri dari semua sumber di atas merupakan batimetri kontinu
untuk saluran utama dan dataran banjir yang berdekatan dengan resolusi mulai dari
digabungkan untuk membangun batimetri terus menerus untuk saluran utama dan dataran banjir yang berdekatan
dengan 10 sampai 50 m, seperti yang ditunjukkan pada Gambar 3. Data batimetri ini diinterpolasi ke komputasi 2D
resolusi mulai dari 10 sampai 50 m, seperti yang ditunjukkan pada Gambar 3. Data batimetri ini diinterpolasi grid
(dalam model DELFT3D) untuk membangun model geometri yang diperlukan.
ke grid komputasi 2D (dalam model DELFT3D) untuk membangun geometri model yang diperlukan.
3.3. Data Hidrometri dan Pasang
Data hidrometrik (debit dan tinggi muka air) diperoleh dari Southern Institute of Water Resources Research
(SIWRR), termasuk data hidrometrik per jam (diukur selama 15 hari, pada musim kemarau dan hujan) di empat
stasiun yang terletak di sepanjang Sungai Thi Vai, seperti yang ditunjukkan pada Gambar 2. Berdasarkan data
tersebut, bagian hulu Sungai Thi Vai memberikan aliran air tawar yang terbatas dengan debit rata-rata 580 m3 /
s di musim kemarau dan 647 m3 /s di musim hujan. Pada batas terbuka, komponen astronomi dari data pasang
surut diperoleh dari model Global Inverse Tide (TPXO
7.2). Model Global Inverse Tide (TPXO 7.2) dipilih karena memberikan hasil terbaik untuk kinerja model kami.
Gladkikh dan Tenzer [41] membandingkan beberapa model pasang surut air laut global dan sampai pada
kesimpulan “Kami telah menilai akurasi regional dari model pasang surut air laut global TPXO7.2, GOT00.2,
NAO.99b, FES2004, dan EOT10a di Selandia Baru menggunakan data pengukur pasang surut dari
.
Domain 2D untuk simulasi numerik membentang sekitar 25 km dari hulu ke hilir Sungai
Thi Vai, yang terdiri dari saluran sungai utama dan dataran banjir. Data batimetri yang dijelaskan
dalam Bagian 3.2 diinterpolasi ke dalam grid Cartesian 2D dari 27.901 sel dengan resolusi
mulai
Res. Kesehatan
dari 60 m2 Masyarakat
di hulu hingga2020,
85 m2
17, di
5823
batas
matriks
teluk grid
Ganh adalah
Rai. Dimensi
282 × 240
Int.sel.
J.Lingkungan. 7 dari 22
Gambar
Batimetri3. Batimetri
daerah daerahdan
penelitian penelitian
sebaran dan sebaran
nilai nilai
koefisien koefisien
Manning di Manning
hulu (A), di hulu
(A), Gambar
tengah 3.
(B) dan
hilir (C) lokasi. lokasi aliran tengah (B) dan hilir (C) .
3.3. Data Hidrometri

Pasang dan batas terbuka hulu diambil dari data hidrologi di stasiun empat, seperti
Surut Kondisi
ditunjukkan pada(debit
hidrometrik Gambardan2.tinggi
Kondisi batas
muka air) hilir adalahdari
diperoleh batas terbukaInstitute
Southern laut danofdiadaptasi
PenelitianData
Sumber
Daya Air (SIWRR), termasuk data hidrometrik per jam (diukur selama 15 hari, pada musim kemarau
dan hujan) di empat stasiun yang terletak di sepanjang Sungai Thi Vai, seperti yang ditunjukkan
pada Gambar 2. Menurut data ini, bagian hulu Sungai Thi Vai menyediakan aliran air tawar yang
terbatas dengan debit rata-rata 580 m3 /s di musim kemarau dan 647 m3 /s di musim hujan. Pada
batas terbuka, komponen astronomi dari data pasang surut diperoleh dari model Global Inverse
Tide (TPXO 7.2). Model Global Inverse Tide (TPXO 7.2) dipilih karena memberikan hasil terbaik untuk kinerja model k
Gladkikh dan Tenzer [41] membandingkan beberapa model pasang surut air laut global dan sampai pada
kesimpulan “Kami telah menilai akurasi regional dari model pasang surut air laut global TPXO7.2, GOT00.2,
NAO.99b, FES2004, dan EOT10a di Selandia Baru menggunakan data pengukur pasang surut dari
Wellington, Tauranga, Taranaki, Marsden Point, Jackson Bay, Timaru, dan Port Charmers. Analisis akurasi
mengungkapkan bahwa TPXO7.2 memberikan solusi terbaik untuk bagian dunia ini”. Amplitudo pasang surut
rata-rata di daerah penelitian kami adalah 2,7 m. Data ini digunakan untuk mengatur kondisi batas, kalibrasi
dan validasi untuk model hidrodinamika DELFT3D.
3.4. Data Konsentrasi Kromium dalam Air–Tanah—Domain Tumbuhan
Data konsentrasi kromium dalam domain air-tanah-tanaman di wilayah ini dikumpulkan dari dua sumber.
Pertama, data eksperimental dari pekerjaan kami sebelumnya [20,42]. Richter dkk. [20] dan Nguyen dkk. [42]
melakukan eksperimen untuk menguji fungsi sistem percontohan fitoremediasi spesies bakau muda,
Rhizophora apiculata, dalam ketergantungan pada beban polutan dan variabel lingkungan lainnya. Dalam
percobaan ini, pohon bakau muda ditanam dalam pot yang ditempatkan ke dalam akuarium, masing-masing
berisi 6 kg tanah. Tanah diambil dari dalam hutan bakau di DAS Thi Vai. Konsentrasi Cr dalam air, tanah dan
tanaman dianalisis pada awal percobaan, pada bulan ketiga dan kemudian pada bulan keenam selama
percobaan. Untuk rincian lebih lanjut dari desain eksperimental ini, lihat [20]. Kedua, data pengambilan
sampel lapangan kami diambil pada Januari 2013 di lokasi pengambilan sampel di sepanjang sungai, seperti
yang ditunjukkan pada Gambar 2, dan telah dipublikasikan [27,29]. Logam berat di semua sampel dianalisis dan Cr
ditemukan dengan konsentrasi tinggi di semua sampel air-tanah-tanaman, terutama di bagian tengah hingga
hulu sungai. Data ini digunakan untuk mengkalibrasi dan memvalidasi model kompartemen kami untuk
transportasi zat dalam media air-tanah-tanaman (dijelaskan dalam Bagian 2).
4. Pengaturan Model dan Skenario
Domain 2D untuk simulasi numerik membentang sekitar 25 km dari hulu ke hilir Sungai Thi Vai, yang
terdiri dari saluran sungai utama dan dataran banjir. Data batimetri yang dijelaskan dalam Bagian 3.2
diinterpolasi ke dalam grid Cartesian 2D dari 27.901 sel dengan resolusi mulai dari 60 m2 di hulu hingga 85
m2 di batas teluk Ganh Rai. Dimensi matriks grid adalah 282 × 240 sel.
Kondisi batas terbuka hulu diambil dari data hidrologi di stasiun empat, seperti terlihat pada Gambar 2.
Kondisi batas hilir adalah batas terbuka laut dan diadaptasi dari model Global Inverse Tide (TPXO 7.2) pada
periode yang sama. Waktu simulasi ditetapkan selama satu bulan pada bulan Januari 2013 agar sesuai
dengan data pengamatan.
4.1. Kalibrasi dan Validasi untuk Model
Model yang digabungkan perlu dikalibrasi dan divalidasi sebelum diterapkan untuk menjalankan skenario
yang berbeda. Proses kalibrasi dan validasi model dilakukan dalam dua tahap. Tahap pertama adalah proses
kalibrasi dan validasi model hidrodinamika berdasarkan data batimetri dan pasut dari empat stasiun yang berada
di sepanjang sungai. Langkah kedua adalah estimasi parameter untuk model kompartemen untuk transportasi
Cr dalam domain air-tanah-tanaman berdasarkan data dari studi fitoremediasi kami sebelumnya.
Koefisien Manning terdistribusi secara spasial dan bergantung pada keberadaan tanah dan vegetasi
mangrove. Kami menerapkan nilai koefisien Manning dari karya [43,44]. Nilai koefisien ini adalah 0,005 untuk
dasar sungai dan 0,15 untuk dataran banjir bakau [43,44]—lihat Gambar 3. Koefisien Manning yang digunakan
dalam penelitian kami sering ditemukan dalam literatur. Misalnya, McIvor et al. [45] melaporkan nilai Manning
untuk jenis penggunaan lahan yang berbeda, yang sesuai dengan nilai kami.
Kalibrasi viskositas eddy horizontal dilakukan dengan mensimulasikan hidrodinamika muara dengan nilai
koefisien yang berbeda dalam kisaran [0,5] (m2 /s), yang sering ditemukan dalam literatur (misalnya, Parsapour-
Moghaddam et al. [46 ]). Dalam kasus kami nilai 1 m2 /s memberikan yang paling cocok. Roy dkk. [47] juga
melaporkan nilai 1 m2 /s. Proses kalibrasi ini dilakukan dengan menggunakan data dari stasiun satu dan
empat untuk musim kemarau dan hujan, seperti yang ditunjukkan pada Gambar 4. Dua stasiun lainnya — dua
dan tiga, seperti yang ditunjukkan pada Gambar 5 — digunakan untuk memvalidasi model untuk memverifikasi
akurasi model setelah mengatur parameter model.
Untuk model kompartemen untuk transportasi Cr dalam domain air-tanah-tanaman, titik awal untuk kalibrasi
model adalah nilai parameter dari percobaan Richter et al. [20] dan Nguyen dkk. [42] dilakukan di lahan basah
buatan yang melibatkan tanaman bakau muda. Model yang sesuai dengan kumpulan data percobaan ditunjukkan
pada Gambar 6. Nilai parameter ini diterapkan dalam model untuk lahan basah buatan dalam skenario tiga
dengan mangrove muda. Namun, mangrove di daerah Thi Vai terdiri dari hutan dewasa yang berumur genap
yang ditanam selama periode 1990-1993 dan kemampuan serap pohon dewasa berbeda dengan pohon muda.
Dengan demikian, parameter k13 dari model (yang menggambarkan serapan Cr dari tanah ke mangrove dan
tergantung pada umur dan ukuran pohon) harus disesuaikan dengan situasi lapangan yang sebenarnya dengan
penyetelan. Data lapangan konsentrasi Cr dalam air, tanah dan tanaman digunakan sebagai kondisi awal dan
beban Cr diambil dari data debit lokasi industri.
Untuk mengevaluasi kinerja model, tiga kriteria efisiensi berikut digunakan: Efisiensi Nash-Sutcliffe
(NSE) [48]: NSE = 1 sesuai dengan kecocokan prediksi model dengan data yang diamati. NSE = 0
menunjukkan bahwa prediksi model seakurat rata-rata data yang diamati, sedangkan efisiensi kurang dari nol
(NSE < 0) terjadi ketika rata-rata yang diamati adalah prediktor yang lebih baik daripada model. Nilai ambang
batas untuk menunjukkan model kualitas yang cukup telah disarankan antara 0,5 < NSE < 0,65.
Indeks persetujuan (d): Ukuran standar tingkat kesalahan prediksi model yang
bervariasi antara 0 dan 1. Indeks kesepakatan mewakili rasio kesalahan kuadrat rata-rata dan
kesalahan potensial. Nilai kesepakatan 1 menunjukkan kecocokan yang sempurna, dan 0 menunjukkan tidak ada kesepakatan di
semua [49,50].
Root mean square error (RMSE) [51]: RMSE adalah akar kuadrat dari rata-rata kuadrat error.
RMSE selalu non-negatif, dan nilai 0 (hampir tidak pernah tercapai dalam praktik) akan menunjukkan
Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 9 dari 23 a
x cocok dengan data. Secara umum, RMSE yang lebih rendah lebih baik daripada yang lebih tinggi. 9 dari 23
Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, x
20 Oktober
20 Oktober
20 Oktober
20 Oktober
Gambar 4. Tahap kalibrasi. Menghitung dan mengukur tinggi muka air dan debit pada stasiun-stasiun perwakilan pada musim hujan (stasiun
Gambar
satu: (A) 4.
Gambar danTahap
4.
(C))Tahap kalibrasi.
dan pada kalibrasi.Ketinggian
musim kemarauTinggi dan
(stasiun air debit
dan
empat: (B) debit yangdihitung
air yang dihitungdan dandiukur
diukurpada di perwakilan
dan (D)). stasiun di
musim hujan (stasiun satu: (A,C)) dan di musim kemarau (stasiun empat: (B,D)).
stasiun perwakilan di musim hujan (stasiun satu: (A) dan (C)) dan di musim kemarau (stasiun empat: (B) dan (D)).
20 Oktober
20 Oktober
20 Oktober
20 Oktober
Gambar
Gambar 5. Tahap
5. Tahap Validasi.
Validasi.Ketinggian
Menghitung air dan
dandebit yang dihitung
mengukur tinggi muka dan airdiukur
dan di perwakilan
debit di stasiun- stasiun
pada musim
Gambar
hujan
stasiun perwakilan (stasiun
di musimTinggi
5. Tahap Validasi.
dua:
hujan dan
(stasiun (A,C))
debitdua:
dan
(A) dan
air yang
pada
(C)) dan
dihitung dan di
musim
musim
diukur
kemarau
kemarau
pada (stasiun
dan (D)).
(stasiun
tiga:
stasiun (B) tiga:
perwakilan
(B,D)).
di musim hujan (stasiun dua: (A) dan
(C)) dan di musim kemarau (stasiun tiga: (B) dan (D)).
Gambar
Gambar 6. 6.Model
Modelfit fit untuk
untuk datadata percobaan
percobaan rumahrumah kaca. Konsentrasi
kaca. Konsentrasi dalam air dalam air dalam
dalam mg/L mg/L dan
dan konsentrasi
dalam tanah dan tanaman dalam mg/kg.
konsentrasi dalam tanah dan tanaman dalam mg/kg.
4.2. Deskripsi Skenario

Untuk mengevaluasi kinerja model, tiga kriteria efisiensi berikut digunakan:
Untuk lebih
Efisiensi memahami efisiensi
Nash–Sutcliffe mangrove
(NSE) [48]: NSE = 1dalam
sesuaimenangani polutan
dengan prediksi logam
model berat,
yang kami
cocok menerapkan
dengan model
yang dikalibrasi
terhadap dan divalidasi
data yang ini untuk
diamati. NSE menjalankan bahwa
= 0 menunjukkan tiga skenario strategi
prediksi modelmanajemen
seakurat mean yang berbeda.
skenario Pertama
(SC1)
adalah skenario
data yang baseline
diamati, yang mencerminkan
sedangkan efisiensi kurangsituasi sebaran
dari nol (NSE <mangrove
0) terjadi saat ini.rata-rata yang diamati adalah
ketika
aktivitas
prediktorindustri. Skenario
yang lebih dua (SC2)
baik daripada terdiriNilai
model. dariambang
perusakan hutan
batas bakau
untuk di Barat model kualitas yang cukup
menunjukkan
telah menjadiantara
disarankan tepi sungai dan pembentukan
0,5 < NSE < 0,65. lebih banyak zona industri di tepi timur. Skenario tiga (SC3)
Indeks kesepakatan
menggambarkan pembangunan ramah (d): Ukuran
lingkunganstandar
dengan tingkat kesalahan
ciri-ciri sebagai berikut:prediksi model
serangkaian yangyang
mangrove bervariasi
dibangun
lahan
antara basah
0 dandidirikan
1. Indeksdikesepakatan
tepi timur; air limbah rasio
mewakili industri disalurkan
kesalahan melalui
kuadrat lahan dan
rata-rata basah ini
sebelum
dibuang
kesalahanke sungai;
potensial. hutan
Nilai bakau 1masih
kesepakatan ada dikecocokan
menunjukkan
1 tepi Barat. yangGambar
sempurna,7 dan
menunjukkan
0 menunjukkan tidak ada
kesepakatan di Cai Mep tiga skenario yang dijelaskan. Debit dan lokasi air limbah, seperti yang
ditunjukkan pada Tabel 1, dari industri
semua [49,50]. 0.2
Phu
perusahaan
Root saya,
meandiatur
Go Dau
squareuntuk menjadi
error (RMSE) serupa2 di RMSE
[51]: semua skenario. Konsentrasi
adalah akar kuadratawal
dariCr di Sungai
rata-rata Thi Vaierror.
kuadrat adalah
diatur
RMSEkeselalu
nol dinon-negatif,
awal setiapsumber
simulasi
dan untuk memudahkan
nilaipelepasan
0 (hampir perbandingan.
tidak pernah
ditunjukkan tercapai
pada dalam
Gambar 7. praktik) akan menunjukkan a Catatan: posisi
cocok dengan data. Secara umum, RMSE yang lebih rendah lebih baik daripada yang lebih tinggi.
4.2. Deskripsi Skenario
Untuk lebih memahami efisiensi mangrove dalam menangani polutan logam berat, kami menerapkan
model yang dikalibrasi dan divalidasi ini untuk menjalankan tiga skenario strategi pengelolaan yang berbeda.
Skenario pertama (SC1) adalah skenario baseline yang mencerminkan situasi mangrove saat ini
distribusi dan kegiatan industri. Skenario dua (SC2) terdiri dari perusakan hutan bakau
di tepi barat sungai dan pembentukan lebih banyak zona industri di tepi timur.
Skenario tiga (SC3) menggambarkan pembangunan ramah lingkungan dengan ciri-ciri sebagai berikut:
serangkaian lahan basah bakau yang dibangun didirikan di tepi timur; air limbah industri disalurkan
melalui lahan basah ini sebelum dibuang ke sungai; hutan bakau masih ada di tepi Barat. Gambar 7
menunjukkan tiga skenario yang dijelaskan. Debit dan lokasi air limbah, seperti yang ditunjukkan pada Tabel
1, dari perusahaan industri, ditetapkan serupa di semua skenario. Konsentrasi awal Cr di Sungai Thi Vai
ditetapkan ke nol pada awal setiap simulasi untuk memudahkan perbandingan.
Tabel 1. Debit air limbah dari zona industri di Sungai Thi Vai (data berdasarkan investigasi Institute for
Environment and Resource tahun 2008).
Debit Cr (mg/
Sumber
Gambar
Gambar 7.7. Debit
Peta situasi
Peta dari dari
situasi tiga skenario
tiga (gambar
skenario latar darilatar
(gambar Periode
Google Discharge
Earth,dari
diambil 2018).
Google Earth, 2018).
s) 0,5
A2 Air limbah dibuang pada saat pasang surut
5. Hasil dan Pembahasan
A1 1 (sekitar pukul 12:00-14:00 setiap hari)
5.1. Hasil Kalibrasi dan Validasi Model
5.1.1. Kalibrasi dan Validasi Model Hidrodinamika Delft3D

Tabel 1. Debit air limbah dari kawasan industri di Sungai Thi Vai (data berdasarkan investigasi
dari Institut Lingkungan dan Sumber Daya pada tahun 2008).
Debit Sumber Cr Debit (mg/s) Periode Discharge

A2 0,5
A1 1
Air limbah dibuang di neap
Cai Mep 1
pasang (sekitar pukul 12:00–14:00 setiap hari)
Phu My 0.2
Pergi Dau 2
Catatan: posisi sumber debit ditunjukkan pada Gambar 7.
5. Hasil dan Pembahasan
5.1. Hasil Kalibrasi dan Validasi Model
5.1.1. Kalibrasi dan Validasi Model Hidrodinamika Delft3D
Perbandingan variasi temporal antara ketinggian air yang diukur dan disimulasikan pada
stasiun satu dan empat ditunjukkan pada Gambar 4. Stasiun-stasiun ini terletak di 9 km (lokasi hilir,
stasiun satu) dan 22 km (lokasi hulu, stasiun empat) dari Teluk Ganh Rai, seperti yang ditunjukkan pada Gambar 2 untuk
stasiun satu dan empat. Perkiraan ketinggian air dan debit air cukup sesuai dengan
data terukur di dua stasiun pemantauan ini. Asimetri pasang surut yang diamati pada kedua stasiun
cukup direproduksi oleh model. Analisis regresi dilakukan untuk pengukuran dan
simulasi ketinggian air di kedua stasiun. Model berhasil mereproduksi ketinggian air di
sungai dalam amplitudo dan fase dengan NSE dan nilai d lebih besar dari 0,8 dan 0,9 untuk keduanya
lokasi, masing-masing, dan RMSE lebih kecil dari 0,4. Nilai indeks tersebut disajikan pada Tabel 2.
Tabel 2. Kinerja model proses kalibrasi dan validasi.
Musim kemarau Musim hujan

Ketingian air
NSE d RMSE (m) NSE d RMSE (m)
Stasiun 1 0,816 0,953 0,345 0,937 0,984 0.259

Kalibrasi Stasiun 4 0,86 0,964 0,303 0,867 0,965 0,402
Stasiun 2 0,695 0,897 0,998 0,962 0,99 0.208
Validasi
Stasiun 3 0,865 0,965 0.309 0,946 0,986 0,252
Untuk proses validasi, analisis statistik untuk memverifikasi kinerja model ditunjukkan pada Tabel 2 .
menggunakan data dari stasiun dua dan tiga, seperti yang ditunjukkan pada Gambar 5. Hasil penelitian menunjukkan bahwa simulasi
ketinggian air berada dalam kesepakatan yang dapat diterima dengan ketinggian air yang diukur untuk dua stasiun yang divalidasi,
dua dan tiga, dan pada dua musim dengan NSE > 0.6, d > 0.89 dan RMSE <1.
Untuk hasil simulasi debit air, masih terdapat perbedaan yang lebih besar dari hasil
untuk kasus pada musim kemarau dibandingkan untuk kasus data pada musim hujan pada nilai puncak
mengalir, seperti yang ditunjukkan pada Gambar 4D dan 5B,D. Namun, nilai kesalahan ini dapat diterima, seperti yang ditunjukkan pada:
ukuran kinerja model pada Tabel 2. Masalah ini dibahas oleh banyak penulis, seperti N.
Moriasi dkk. [52] atau Krause et al. [51]. Kinerja dapat ditingkatkan untuk studi masa depan dengan menggunakan
resolusi spasial batimetri yang lebih tinggi.
5.1.2. Estimasi Parameter untuk Model Kompartemen
Dengan prosedur yang dijelaskan di Bagian 4.1, set parameter diperoleh yang menghasilkan
kesepakatan antara hasil simulasi dan pengamatan. Variasi temporal Cr . yang disimulasikan
konsentrasi di 11 stasiun (yang divalidasi dengan data terukur) di sepanjang Sungai Thi Vai
ditunjukkan pada Gambar 8 dan 9. Seperti dapat dilihat pada Gambar 8, konsentrasi Cr yang tinggi terjadi pada
stasiun dekat dengan zona industri (stasiun satu dengan konsentrasi Cr 0,082 mg/L dekat Go
kesepakatan antara e smuaon resus an oservaons. variasi konsentrasi smua r di 11 stasiun (yang divalidasi dengan data
terukur) di sepanjang Sungai Thi Vai ditunjukkan pada Gambar 8 dan 9. Seperti dapat dilihat pada Gambar 8, konsentrasi
Cr yang tinggi terjadi di stasiun-stasiun yang dekat dengan zona industri (stasiun satu dengan konsentrasi Cr 0,082 mg/L
dekat zona industri Go Dau dan My Xuan, stasiun enam dengan konsentrasi 0,028 mg/L dekat Phu My dan Int. J. Environ.
Res.
di hilirPublic
dekat Health 2020,Rai,
Teluk Ganh 17 , seperti
5823 kawasan industri Cai
yang ditunjukkan Mep).
pada Konsentrasi
Gambar Cr terendah
9. Konsentrasi yangditemukan di stasiun
disimulasikan sedikit11, terletak
12 dari 22
di zona
industri Dau dan My Xuan, stasiun enam dengan konsentrasi 0,028 mg/L dekat Phu My dan Cai
lebih rendah dari data yang diukur, tetapi trennya mirip dengan yang diukur di sepanjang sungai.
zonaKonsentrasi
industri yang
Mep). Konsentrasi
terukur Cr terendah
dan yang disimulasikan ditemukan
meningkat di stasiun
dari awal pasang 11,
banjir hingga terletak
pasang tinggi dididekat
hilirTeluk Ganh
Rai, seperti yang ditunjukkan pada Gambar 9. Konsentrasi yang disimulasikan sedikit lebih rendah daripada konsentrasi yang disimulasikan.
dan menurun dari surut ke surut. Model mereproduksi tren ini dengan NSE > 0,8, dan data terukur d, tetapi trennya
serupa dengan tren yang diukur di sepanjang sungai.
nilai > 0,9.
Gambar8.8.Simulasi
Gambar Simulasi perjalanan
perjalanan waktu
waktu konsentrasi
konsentrasi kromium
kromium dalamdalam air di stasiun
air di stasiun 1–6
1–6 yang yang di
terletak terletak
di
datazona industri
terukur. dan
Lokasi data terukur.
stasiun-stasiun Lokasi
Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, x stasiun
tersebut ini ditunjukkan
ditunjukkan pada pada
Gambar Gambar
2. 2. zona industri dan 13 dari 23
Gambar perjalanan
Simulasi 9. Simulasiwaktu
perjalanan waktu konsentrasi
konsentrasi kromium
kromium dalam air di dalam
stasiunair di stasiun
7-11 hilir 7-11 hilir Gambar 9.
sungai Thi
sungai ThiVai
Vaidan
dandata
dataterukur.
terukur.Lokasi
Lokasistasiun-stasiun
stasiun-stasiun tersebut
tersebut ditunjukkan
ditunjukkan pada
pada Gambar
Gambar 2. 2.
Konsentrasi
5.2. Hasil terukur
Simulasi Skenario dan simulasi meningkat dari awal pasang hingga pasang
dan menurun dari surut ke surut. Model mereproduksi tren ini dengan NSE > 0.8, dan nilai d
> 0,9.Model, setelah dikalibrasi dan divalidasi, digunakan untuk mensimulasikan tiga skenario (dijelaskan
pada Bagian 4.2 di atas) untuk menguji kapasitas fitoremediasi tanaman bakau. Kondisi batas dan kondisi
awal model ditetapkan berdasarkan data terukur Cr 5.2. Hasil Simulasi Skenario
konsentrasi dalam air, tanah dan tanaman. Waktu berjalan ditetapkan dari 1 Januari 2013 hingga 30 Januari Model,
setelah dikalibrasi dan divalidasi, digunakan untuk mensimulasikan tiga skenario (dijelaskan
2013 sehingga dapat menutupi waktu pengambilan sampel air dan tanaman di lapangan.
pada Bagian 4.2 di atas) untuk menguji kapasitas fitoremediasi tanaman bakau. Batas
kondisi dan kondisi awal
5.2.1. Konsentrasi modeldalam
Kromium ditetapkan
Air berdasarkan data pengukuran konsentrasi Cr
Simulasi yang ditunjukkan pada Gambar 10 dan 11 dengan jelas menunjukkan peran hutan bakau untuk retensi
logam berat. Dalam skenario dua, konsentrasi Cr dalam air hanya sedikit lebih tinggi daripada skenario dasar. Hal ini
menjelaskan bahwa tidak semua pohon mangrove dapat berperan dalam penanganan polutan. Mangrove hanya
menyerap polutan saat terkena air yang tercemar dan
dalam air, tanah dan tanaman. Waktu berjalan diatur dari 1 Januari 2013 hingga 30 Januari 2013 sehingga
bisa menutupi waktu pengambilan sampel air dan tanaman lapangan.
5.2.1. Konsentrasi Kromium dalam Air

Int. J.Lingkungan. Res. Kesehatan 14 dari 23
Masyarakat 2020, 17, x Simulasi yang ditunjukkan pada Gambar 10 dan 11 dengan jelas menunjukkan peran hutan bakau untuk
retensi logam
air Thi Vai. berat.
Ini juga Dalammengapa
menjelaskan skenario dua,Thikonsentrasi
sungai Cr dalam
Vai sangat tercemar air lalu
di masa hanya sedikit lebih
dibandingkan dengantinggi
skenario baseline. Hal
dan
ini ditandai sebagai
menjelaskan bahwa"Sungai Mati" pohon
tidak semua pada tahun 2004.dapat ikut serta dalam merawat
mangrove
polutan.
UntukMangrove
menganalisis hanya
pengaruh menyerap polutan
media tanah-tanaman saatkonsentrasi
terhadap terkenaCrair danair,pepohonan
dalam yangtanaman
kami mensimulasikan tercemar
yang
tumbuh di lebih
skenario elevasi tanah yang lebih
menghilangkan tinggi
proses tidak menyerap
penyerapan tanah zat
dantersebut
tanaman.di Skenario
dalam air.iniAlasan lainnya
disebut adalah
Non-Eco. bahwa air limbah langsung
dibuang
Gambarke
11sungai di tepi timur
menunjukkan tanpa melewati
konsentrasi mangrove
Cr dalam air yang diperoleh dari empat skenario di area stasiun M5 yang terletak di tepi barat.
(hulu)
Jika dan M1
air limbah (hilir).melalui
dilewatkan Konsentrasi Cr buatan
lahan basah meningkat pada
kedua stasiun. Salah satu yang bisa dibuang ke
sebelumnya
sungai, peran
membedakan mangrove
dengan untuk
jelas antara retensi
empat logam
skenario: menjadi
Tingkat cukup
konsentrasi jelas, seperti
Cr tertinggi di Non-eco yang ditunjukkan dalam skenario tiga,
diskenario
mana konsentrasi Cr jauh
dan terendah padalebih rendah
skenario daripada
tiga, dua konsentrasi
sedangkan skenario lainnya,
diperoleh pada skenario dua dan tiga
berbaring
seperti di antara.pada Gambar 10 dan 11.
yang ditunjukkan
Gambar 10. Konsentrasi kromium dalam

Gambar 10. Konsentrasi airdalam
kromium setelah simulasi
air setelah satu bulan.
simulasi satu bulan.
Gambar
Konsentrasi Cr11. Konsentrasi
dalam air di duaCr dalamdiairhulu
stasiun di dua
(M5stasiun
sepertididitunjukkan
hulu (M5 seperti ditunjukkan
pada (A)) dan di pada (A)) dan pada Gambar 11.
hilir (M1 seperti yang ditunjukkan pada (B)).
hilir (M1 seperti yang ditunjukkan pada (B)).
5.2.2. Konsentrasi Kromium di Tanah

Efek yang menarik adalah tren kenaikan konsentrasi Cr di bagian hulu (Cr
konsentrasi di situsdibandingkan
Ketiga skenario hulu M5 naik hingga
terhadap 0,04 tanah,
konsentrasi mg/L seperti
dan nilai
yang ini di situspada
ditunjukkan hilirGambar
M1 mencapai
12. Nilai tanah
tertinggi pada 0,006
konsentrasi mg/L),
meningkat seperti
seiring yang
waktu, ditunjukkan
seperti pada Gambar
yang ditunjukkan pada11. Hal ini12A,D
Gambar disebabkan oleh karakteristik
sehubungan dengan SC1.gaya pasang surut.
Kandungan
Cr sebagian
ada di area tersebut. Panjang sungai terlalu panjang, sehingga air limbah dibuang ke sungai pada saat air pasang
besar terkonsentrasi di daerah hulu, seperti yang ditunjukkan pada Gambar 12D. Konsentrasi di daerah banjir dan
ketika
lebihsedang dalam perjalanan
tinggi daripada di daerahmenuju
dataranlaut, air pasang
tinggi. datang
Konsentrasi dari laut
kromium dantanah
pada mendorongnya kembali
yang ditumbuhi mangrove berada di bagian
hulu. Kursus
jauh waktu tingkat
lebih rendah Cr antara
dibandingkan dua mangrove
tanpa stasiun yang diukur di hulu
(perbandingan (M5) skenario
antara dan satu dan dua), seperti yang ditunjukkan di
hilirpada
(M1)Gambar
juga berbeda.
12B,E.Sedangkan konsentrasi
Pada skenario meningkat
dua, Cr sangat di stasiun hilir
terkonsentrasi di tanah karena semua mangrove ditebang. Setelah 15
M1,hari, perbedaan
seperti konsentrasi
yang ditunjukkan Cr antara
pada Gambar SC2 dan
11B, SC1 mencapai
mereka 7 ×di10ÿ4
berfluktuasi stasiun hulu M5, seperti yang ditunjukkan pada Gambar 11A.
mg/kg/sel
menerima di daerah
polutan baik tergenang
dari lokasi dan
huluhingga
maupun 4× 10ÿ4
dari mg/kg/sel di daerah hulu. Perbedaan ini disebabkan karena daerah hilir
sekitarnya
itu,meningkat setelah 30 hari
waktu pengangkutan simulasi
polutan (hingga
ke laut 7 × 10ÿ4
tidak cukup lamamg/kg/sel).
untuk Dalam skenario tiga, konsentrasi pembuangan limbah. Selain
semua konsentrasi polutan ke laut. Selanjutnya, daerah ini mendapatlainnya

di tanah lahan basah buatan lebih tinggi daripada di dua skenario dengan
air pasang lahan
datang basah kosong dan melepaskan
lagi
infrastruktur
dari laut. Diindustri
wilayahdi sepanjang tepi timur, seperti
hulu, konsentrasi Cr yang ditunjukkanoleh
berfluktuasi pada Gambar 12C,F.
mata air yang tinggi dan air yang rendah
Dalam ketiga skenario, konsentrasi kromium dalam tanah secara bertahap meningkat di hulu. Perbankan tanah dari
rezim pasang surut selama sebulan, pertama meningkat dalam waktu sekitar sepuluh hari (mata air tinggi
di tepi timur Sungai Thi Vai di sekitar sumber debit mengumpulkan periode Cr tertinggi) kemudian menurun dalam sepuluh
hari berikutnya (periode perbaniaran air rendah) dan setelah itu meningkat lagi,
konsentrasi dibandingkan dengan daerah lain. Konsentrasi tanah yang meningkat berkorelasi dengan
peningkatan seperti yang ditunjukkan pada Gambar 11A. Namun, kedua stasiun menunjukkan tren kenaikan konsentrasi Cr di
konsentrasi air, seperti yang ditunjukkan pada Gambar 10. Konsentrasi kromium tinggi di tanah pada air Thi Vai yang
tergenang. Ini juga menjelaskan mengapa sungai Thi Vai sangat tercemar di masa lalu dan
daerah. Fitur yang paling penting adalah penghijauan itu, seperti mendirikan lahan basah buatan dengan ditandai sebagai
“Sungai mati” pada tahun 2004.
mangrove di lokasi pembuangan, mengurangi pencemaran tanah di hutan alam di daerah yang berlawanan, Untuk
menganalisis pengaruh media tanah-tanaman terhadap konsentrasi Cr dalam air, kami mensimulasikan satu lagi
seperti yang ditunjukkan pada Gambar 12C,F.
skenario menghilangkan proses penyerapan tanah dan tanaman. Skenario ini disebut Non-Eco. Gambar 11
menunjukkan konsentrasi Cr dalam air yang diperoleh dari empat skenario di stasiun M5 (hulu) dan M1
(hilir), masing-masing. Konsentrasi Cr meningkat pada kedua stasiun. Seseorang dapat dengan jelas membedakan
antara empat skenario: Tingkat konsentrasi Cr tertinggi pada skenario Non-eko dan terendah dalam
skenario tiga, sedangkan konsentrasi yang diperoleh pada skenario dua dan tiga berada di antaranya.
5.2.2. Konsentrasi Kromium di Tanah
Ketiga skenario dibandingkan sehubungan dengan konsentrasi tanah, seperti yang ditunjukkan pada Gambar 12.
Konsentrasi tanah meningkat seiring waktu, seperti yang ditunjukkan pada Gambar 12A,D sehubungan dengan SC1. Isi Cr adalah
sebagian besar terkonsentrasi di daerah hulu, seperti yang ditunjukkan pada Gambar 12D. Konsentrasi di daerah banjir
lebih tinggi daripada di daerah dataran tinggi. Konsentrasi kromium di dalam tanah yang ditumbuhi mangrove adalah
jauh lebih rendah daripada yang tidak memiliki mangrove (perbandingan antara skenario satu dan dua), seperti yang ditunjukkan pada
Gambar 12B,E. Pada skenario dua, Cr sangat terkonsentrasi di tanah karena semua mangrove ditebang.
Setelah 15 hari, perbedaan konsentrasi Cr antara SC2 dan SC1 mencapai 7 × 10ÿ4 mg/kg/sel
di daerah banjir dan hingga 4 × 10ÿ4 mg/kg/sel di daerah hulu. Perbedaan ini meningkat
setelah 30 hari simulasi (hingga 7 × 10ÿ4 mg/kg/sel). Dalam skenario tiga, konsentrasi dalam
tanah lahan basah buatan lebih tinggi daripada di dua skenario lainnya dengan lahan basah gundul dan industri
infrastruktur di sepanjang tepi Timur, seperti yang ditunjukkan pada Gambar 12C,F.
Gambar 12.
Gambar 12. Distribusi
Distribusi kromium
kromium dalam
dalamtanah
tanahsetelah
setelahsatu
satubulan
bulansimulasi
simulasidalam
dalamtiga
tigaskenario.
skenario.Notasi:
Notasi: (A) menunjukkan hasil simulasi dari SC1 dalam setengah bulan (1M menunjukkan
hasil simulasi dari SC1 dalam setengah bulan (1M menunjukkan waktu simulasi dalam sebulan waktu simulasi (A) menunjukkan
dalam
dan bulan
0,5M (30 hari) dan
menunjukkan 0,5Msimulasi
waktu menunjukkan waktu simulasi
dalam setengah bulandalam setengah
(15 hari)). bulan (15 hari)).
(B) menunjukkan efek (B)
darimenunjukkan efek (30 hari)
perbedaan antara SC2 dan SC1 dalam setengah bulan. (C) menunjukkan
dalam setengah bulan. (C) menunjukkan efek dari perbedaan antara efek perbedaan perbedaan antara SC2 dan SC1
antara
SC3 SC1 setengah
dalam dan SC3 dalam
bulan. waktu setengah bulan.
(D) menunjukkan (D) menunjukkan
perbedaan antara SC1 perbedaan
dalam satu antara SC1SC1
bulan dan dalam satusetengah
dalam bulan dana SC1 dan
SC1menunjukkan
(E) dalam waktupengaruh
setengahperbedaan
bulan. (E) menunjukkan
antara SC2 danpengaruh perbedaan
SC1 dalam antara
satu bulan. (F)SC2 dan SC1 dalam satu bulan. (F) bulan.
menunjukkan
menunjukkan
efek efek
perbedaan perbedaan
antara antara
SC1 dan SC1 dan
SC3 dalam SC3
satu dalam satu bulan.
bulan.
Konsentrasi kromium (dalam fase padat dan fase cair) di tanah di dua stasiun M5 (hulu)
dan M1 (hilir) sedikit meningkat setelah satu bulan simulasi. Daerah hulu memiliki konsentrasi
yang lebih tinggi daripada di daerah hilir, seperti yang ditunjukkan pada Gambar 13 (nilai
konsentrasi sekitar 223 mg/Kg/sel pada M5 dan 90 mg/Kg/sel pada M1). Sangat menarik untuk
dicatat bahwa konsentrasi meningkat setelah fase lag, seperti yang dapat dilihat di stasiun M1 karena
Dalam ketiga skenario, konsentrasi kromium dalam tanah secara bertahap meningkat di hulu. Tanah
di tepi timur Sungai Thi Vai di sekitar sumber pembuangan mengumpulkan Cr . tertinggi
konsentrasi dibandingkan dengan daerah lain. Konsentrasi tanah yang meningkat berkorelasi dengan peningkatan air
konsentrasi, seperti yang ditunjukkan pada Gambar 10. Konsentrasi kromium tinggi di tanah di daerah banjir.
Fitur yang paling penting adalah penghijauan itu, seperti menyiapkan lahan basah buatan dengan bakau
di lokasi pembuangan, mengurangi pencemaran tanah di hutan alam di area yang berlawanan, seperti yang ditunjukkan pada
Gambar 12C,F.
Konsentrasi kromium (dalam fase padat dan fase cair) di tanah di dua stasiun
M5 (upstream) dan M1 (downstream) sedikit meningkat setelah satu bulan simulasi. bagian hulu
daerah memiliki konsentrasi yang lebih tinggi daripada di daerah hilir, seperti yang ditunjukkan pada Gambar 13 (konsentrasi
nilainya sekitar 223 mg/Kg/sel pada M5 dan 90 mg/Kg/sel pada M1). Sangat menarik untuk dicatat bahwa
konsentrasi meningkat setelah fase lag, seperti yang dapat dilihat di stasiun M1 karena gaya pasang surut.
Gambar 13.kromium
Konsentrasi Konsentrasi
padakromium
stasiun pada stasiun
perwakilan di perwakilan di hulu
hulu (M5) dan hilir (M5)
(M1).dan hilir Gambar 13.
(M1).
5.2.3. Konsentrasi Kromium di Pohon Mangrove
5.2.3.Hasil
Konsentrasi Kromium di bahwa
simulasi menunjukkan Pohonakumulasi
MangroveCr pada pohon mangrove tertinggi pada skenario tiga
karena,Hasil
dalam skenariomenunjukkan
simulasi ini, lebih banyakbahwa
pohon akumulasi
bakau ditanam
Cr di sepanjang
pada pohonlokasi industritertinggi
mangrove di tepi timur
pada skenario tiga
dari sungai.
karena, dalamHutan hulu
skenario ini,mengakumulasi
lebih banyak pohonCrbakau
lebih ditanam
banyakdidaripada
sepanjang hutan
lokasidiindustri
tengah di dan hilir
bagian Timur .
Konsentrasi kromium
tepi sungai. Hutan di mengakumulasi
hulu pohon di SC1 setelah 15banyak
Cr lebih hari naik hingga 200
daripada hutanmg/kg/sel
di tengahdidan
hulukawasan, 120 mg/kg/
sel di kawasan
bagian tengah dan
hilir. Konsentrasi 20 mg/kg/sel
kromium di kawasan
pada pohon di SC1hilir, seperti
setelah 15 ditunjukkan
hari mencapaipada200 mg/kg/sel
Gambar
di daerah 14A. Kenaikan
hulu, Cr dari hari
120 mg/kg/sel ke 15 sampai
di daerah aliran hari ke 30
tengah paling
dan tinggi di daerah
20 mg/kg/sel hulu hilir,
di daerah (meningkat
hinggake4 atas)
×
10ÿ4 mg/kg/sel),
ditunjukkan seperti yang
pada Gambar ditunjukkan
14A. Kenaikan Cr pada Gambar
dari hari 14C. Lahan
ke 15 sampai hari kebasah buatan
30 paling di pada
tinggi SC3 kapasitas
menunjukkan
daerah hulu hingga
(meningkat dalam menyerap Cr. Efek ini
4×10ÿ4 mg/kg/sel), dapatyang
seperti diamati dengan perbedaan
ditunjukkan pada Gambar konsentrasi Cr antara
14C. Lahan basah buatan di
SC3 menunjukkan kapasitas yang tinggi dalam menyerap Cr. Efek ini dapat diamati dengan perbedaan
konsentrasi Cr antara SC1 dan SC3, seperti yang ditunjukkan pada Gambar 14D. Hal ini juga tercermin dari
tingkat serapan yang mencapai sekitar 2 mg/kg/hari di bagian hulu, seperti terlihat pada Gambar 15A.
SC1 dan SC3, seperti yang ditunjukkan pada Gambar 14D. Hal ini juga tercermin dari tingkat penyerapan, yang mencapai sekitar
2 mg/kg/hari di bagian hulu, seperti yang ditunjukkan pada Gambar 15A.
Gambar 14. Pola sebaran kromium di mangrove pada skenario yang berbeda (A) menunjukkan
Gambar 14. Pola sebaran kromium pada mangrove pada skenario yang berbeda (A) menunjukkan
pola konsentrasi pada pohon pada skenario satu setelah 0,5 bulan. (B) menunjukkan pola dari
pola konsentrasi di pohon di bawah skenario satu setelah 0,5 bulan. (B) menunjukkan pola perbedaan
konsentrasi antara skenario satu dan skenario tiga setelah waktu simulasi 0,5 bulan.
perbedaan konsentrasi antara skenario satu dan skenario tiga setelah waktu simulasi 0,5 (C)
menunjukkan peta perbedaan antara skenario satu pada 1 bulan dan skenario satu pada 0,5 bulan.
bulan. (C) menunjukkan peta perbedaan antara skenario satu pada 1 bulan dan skenario satu pada
0,5 (D) menunjukkan peta perbedaan antara skenario satu pada 1 bulan dan skenario tiga pada 1 bulan.
bulan. (D) menunjukkan peta perbedaan antara skenario satu pada 1 bulan dan skenario tiga pada 1
bulan.
Gambar 15 membandingkan tingkat serapan Cr mangrove di lahan basah buatan dengan serapan Cr
tingkat mangrove di tepi sungai yang berlawanan. Perbedaannya besar—tingkat penyerapan dalam
lahan basah buatan jauh lebih tinggi daripada hutan alam, seperti yang ditunjukkan pada Gambar 15B. Alasannya
adalah mangrove di lahan basah buatan berada pada usia optimal (tanaman mangrove muda) untuk substansi
serapan. Kami menerapkan parameter k13 (yang menyatakan laju penyerapan air dan materi dari tanah
ke pohon, seperti yang ditunjukkan pada Persamaan. 3), diperkirakan dari data eksperimen Richter et al. [20] untuk pohon muda
(k13 = 7 × 10ÿ8 ). Namun, nilai ini harus diturunkan dalam penyetelan untuk situasi lapangan yang sebenarnya,
yang dicirikan oleh hutan bakau dewasa yang berumur genap (seperti yang dijelaskan dalam Bagian 4.1). semakin rendah
nilai k13 tanaman dewasa menyebabkan lebih sedikit materi (termasuk Cr) dan transportasi air ke pabrik
dapat dijelaskan oleh sistem root mereka. Sistem root terdiri dari jaringan individu yang kompleks
akar yang bervariasi dalam usia sepanjang panjangnya [53]. Akar halus adalah bagian akar yang paling permeabel
sistem dan dianggap memiliki kemampuan terbesar untuk menyerap air. Akar tumbuhan berkayu membentuk kulit kayu
seiring bertambahnya usia, seperti batang pohon besar. Pembentukan kulit kayu menurunkan permeabilitas
akar yang lebih tua [53-55]. Selain itu, lahan basah terletak langsung di sumber debit, sedangkan
Konsentrasi Cr lebih rendah di tepi barat di seberang lokasi pembuangan. Jadi, perbedaan besar adalah
dijelaskan baik Res.
Int. J.Lingkungan. olehKesehatan
nilai k13 yang lebih
Masyarakat rendah
2020, 17, x dan beban kromium yang lebih tinggi di lahan basah buatan. 19 dari 23
Gambar
Gambar15.15.(A)
(A)Distribusi
Distribusispasial
spasialtingkat serapan
laju serapan pohon
pohon (mg/kg/hari).
(mg/kg/hari). (B)(B) Laju serapan
Tingkat Cr menurut
penyerapan Cr
bakau di lahan basah buatan di tepi timur dan hutan alam di tepi barat
oleh hutan bakau di lahan basah buatan di tepi timur dan oleh hutan alam di tepi barat
(mg/(kg·hari·m2)).
(mg/(kg·hari·m2 )).
5.3. Penerapan
Gambar 15 Model dan Pengembangan
membandingkan laju serapanLebih Lanjut di lahan basah buatan dengan laju serapan Cr mangrove di
Cr mangrove
bantaran sungai yangperan
membuktikan berlawanan.
penting Perbedaannya besar—tingkat
pohon bakau dalam serapan dalam Hasil dari menjalankan tiga skenario telah
mengurangi
lahan
Total basah buatan
luas lahan jauhterbangun
basah lebih tinggi daripada
yang hutan
dibangun di alam, sepertisekitar
SC3 adalah yang ditunjukkan
3 km2 dan pada Gambar 15B. Polusi .
totalnya
Hal ini dikarenakan
dengan mangrove
luas wilayah penelitiandisekitar
lahan basah buatan
172 km2 berada pada
. Penambahan umur1,7%
sekitar optimal (tanaman
luasan pohonmangrove
mangrovemuda)
menjadi
penyerapan
sesuai dapatzat. Kami menerapkan
membantu mengurangiparameter k13polutan—hingga
jumlah total (yang menyatakan laju pengambilan air dan wilayah studi di lokasi yang
materi
33 kgdarichromium
tanah ke pohon, seperti
setiap yanguntuk
bulan ditunjukkan pada Persamaan.
seluruh 3), diperkirakan
wilayah studi dari data
(ini dihitung darieksperimen Richter et al. [20]
penjumlahan
untuk pohon muda
terakumulasi (k13basah
di lahan = 7 × buatan
10ÿ8 ). di
Namun, nilaiseperti
tepi timur, ini harus diturunkan
yang untuk
ditunjukkan menyesuaikan
pada Gambar 10).kandungan
Hasil ini aktual yang
situasi
Bagianlapangan, yang dicirikan
mengungkapkan potensioleh hutan
hutan bakau
bakau yang
yang dewasa bahkan
menjanjikan berumur (seperti
dalam mengolah yang
air limbah dijelaskan
industri dalam
dan peran
4.1). Nilai k13 lahan
membangun yang lebih
basahrendah dari tanaman
mangrove dewasa menyebabkan
dalam mengurangi lebih
jumlah polutan sedikit
logam materi
berat. (termasuk
Tumbuhan itu Cr) dan transportasi air
untuk tanaman dapat dijelaskan oleh sistem akar mereka. Sistem akar terdiri
lahan basah yang dibangun dapat dengan mudah dikumpulkan dan dirawat nanti. dari jaringan kompleks yang tumbuh di
akar individu yang Sepengetahuan
permeabel. bervariasi dalamkami,
usia sepanjang
belum ada panjangnya [53]. Akar
penelitian serupa yanghalus adalahsimulasi
melakukan bagian yang paling
fitoremediasi.
sistem akar
lanskap dan dianggap
kecuali memilikidan
publikasi Nguyen kemampuan terbesar untuk
Richter sebelumnya [27].menyerap
Namun, air. Proses akar tanaman berkayu pada skala
membentuk
tahap teoritis dan tidak dikalibrasi untuk situasi nyata. Meskipun pohon
kulit kayu seiring bertambahnya usia, seperti batang besar. Formasi kulit kayu menurunkan model ini pada
modelnya
permeabilitas
di sini mampuakar yang lebih tuaskenario
mensimulasikan [53-55].realistis,
Selain itu, lahan basah terbatas
penerapannya yang terletak
padalangsung pada
penanaman debit yang disajikan
bahkan
sumber, sedangkan
hutan usia konsentrasi
dan kromium logam. Cr lebihmemperluas
Untuk rendah di tepi barat di
cakupan seberang
aplikasi lokasi
model, pembuangan.
dapat diandalkanJadi,
perbedaan besar dijelaskan
perkiraan parameter baik oleh serapan
yang mengatur nilai k13logam
yang lebih rendahk13
(parameter dandalam
bebanPersamaan
kromium yang lebihberbagai
3) pada tinggi dalam
lahan basah buatan.
umur pohon dan jenis tanah yang berbeda diperlukan. Ini membutuhkan desain eksperimental yang memadai dengan
faktor umur tanaman, kondisi tanah dan kandungan logam berat.
5.3. Penerapan Model dan Pengembangan Lebih Lanjut
Hasil dari menjalankan tiga skenario telah membuktikan peran penting pohon mangrove dalam mengurangi pencemaran.
Total luas lahan basah terbangun yang dibangun di SC3 adalah sekitar 3 km2 dan total luas wilayah studi adalah sekitar 172
km2 . Penambahan sekitar 1,7% area pohon bakau ke dalam wilayah studi di lokasi yang tepat dapat membantu mengurangi
jumlah total pohon bakau
Mengenai bagian hidrodinamik dari model, masih banyak ketidakpastian pada koefisien Manning
untuk mangrove dengan kelas umur dan kepadatan yang berbeda. Namun, kami telah berhasil
menggabungkan model hidrodinamik Delft3D, yang memberikan hasil yang sangat baik untuk aliran
waktu tingkat air dan debit di sungai Thi Vai, dengan model nasib lingkungan agregat untuk Cr. Dari
sudut pandang teknis, kerangka kerja ini dapat dengan mudah diperluas untuk mengintegrasikan model
nasib lingkungan dengan resolusi lebih tinggi mengenai penggabungan organ tanaman, seperti akar, batang dan daun.
6. Kesimpulan
Hasil simulasi untuk kasus DAS Thi Vai menunjukkan penerapan model terintegrasi kami untuk
analisis, perhitungan, dan alokasi kawasan aforestasi mangrove di lokasi yang sesuai untuk
mempromosikan peran potensi fitoremediasinya. Alat simulasi yang disajikan dalam makalah ini
mampu mendukung para pengelola lingkungan dalam tugas mereka yang sulit untuk melindungi
lingkungan yang seimbang dengan pembangunan ekonomi. Persoalannya, di satu sisi mangrove
memiliki peran dan fungsi penting sebagai sistem perlindungan alam (natural fitoremediasi system);
Namun, di sisi lain ekosistem mangrove sendiri sangat peka terhadap segala macam gangguan.
Oleh karena itu, langkah selanjutnya adalah mengidentifikasi ambang intrinsik dan faktor dampak di
mana peran hutan mangrove dapat dipromosikan di bawah pengaruh kondisi ekstrim. Dalam hal
dampak melebihi daya dukung mangrove, tren degradasi ekosistem mangrove harus diprediksi. Hal
ini akan membantu pengelola untuk menyusun rencana perlindungan dan mengatur reboisasi hutan
mangrove di masa depan. Dengan demikian, pengembangan model lebih lanjut harus menyiratkan
dinamika hutan untuk memprediksi perkembangan jangka panjang hutan bakau di bawah kondisi lingkungan yang ber
Kontribusi Penulis: AN: konseptualisasi, metodologi, perangkat lunak, penulisan, peninjauan dan penyuntingan. BVQL: visualisasi,
investigasi, kurasi data, penulisan—persiapan draf asli. ATAU: supervisi, validasi, penulisan—meninjau dan mengedit. Semua penulis
telah membaca dan menyetujui versi naskah yang diterbitkan.
Pendanaan: Penelitian ini didanai oleh Vietnam National Foundation for Science and Technology Development (NAFOSTED)
dengan nomor hibah 105.99-2017.12.
Konflik Kepentingan: Para penulis menyatakan bahwa mereka tidak mengetahui adanya persaingan kepentingan keuangan atau
hubungan pribadi yang tampaknya dapat mempengaruhi pekerjaan yang dilaporkan dalam makalah ini.
Referensi
1. Rosen, MR Pengaruh Hidrologi pada Catatan Pencemaran Sedimen Lacustrine. Dalam Kontaminan Lingkungan : Menggunakan
Arsip Alami untuk Melacak Sumber dan Tren Polusi Jangka Panjang; Blais, JM, Rosen, MR, Smol, JP, Eds.; Pegas: Heidelberg,
Jerman, 2015.
2. Marchand, C.; Allenbach, M.; Lallier-Vergès, E. Hubungan antara distribusi logam berat dan siklus bahan organik di sedimen
mangrove (Conception Bay, Kaledonia Baru). Geoderma 2011, 160, 444–456.
[CrossRef]
3. Li, G.; Hu, B.; Bi, J.; Leng, Q.; Xiao, C.; Yang, Z. Distribusi dan kontaminasi logam berat pada sedimen
permukaan pesisir Semenanjung Shandong (Laut Kuning). Mar. Polusi. Banteng. 2013, 76, 420–426. [CrossRef]
[PubMed]
4. MacFarlane, GR; Koller, CE; Blomberg, SP Akumulasi dan partisi logam berat di hutan bakau: Sebuah sintesis studi berbasis
lapangan. Chemosphere 2007, 69, 1454–1464. [CrossRef] [PubMed]
5. Pahalawattaarach, V.; Purushothaman, CS; Vennila, A. Potensi fitoremediasi logam Rhizophora
mucronata (Lam.). India J. Mar. Sci. 2009, 38, 178-183.
6. Sodré, V.; Caetano, VS; Rocha, RM; Carmo, Florida; Medici, LO; Peixoto, RS; Rosado, AS; Reinert, F.
Aspek fisiologis mangrove (Laguncularia racemosa) tumbuh dalam mikrokosmos dengan bakteri pendegradasi minyak dan
sedimen terkontaminasi minyak. Mengepung. polusi. 2013, 172, 243–249. [CrossRef] [PubMed]
7. Tansel, B.; Lee, M.; Tansel, DZ Perbandingan profil nasib PAH di tanah, sedimen dan daun bakau setelah tumpahan minyak
oleh QSAR dan QSPR. Mar. Polusi. Banteng. 2013, 73, 258–262. [CrossRef] [PubMed]
8. Ouyang, X.; Guo, F. Paradigma mangrove dalam penanganan pencemaran air limbah antropogenik. Sci. Total
Mengepung. 2016, 544, 971–979. [CrossRef]
9. Das, PK Fitoremediasi dan Nanoremediasi: Teknik Baru untuk Perawatan Asam Tambang
Air Drainase. Def. Ilmu Kehidupan. J. 2018, 3, 190–196. [CrossRef]
10. Cunningham, SD; Berti, WR; Huang, JW Fitoremediasi tanah yang terkontaminasi. Tren Bioteknologi. 1995, 13, 393–397.
[CrossRef]
11. Cheng, S. Logam berat pada tumbuhan dan fitoremediasi. Mengepung. Sci. polusi. Res. 2003, 10, 335–340.
[CrossRef]
12. Saenger, P.; McConchie, D. Logam berat di hutan bakau: Metodologi, pemantauan dan pengelolaan.
Membayangkan Untuk. Banteng. 2004, 4, 52.
13. Wen-jiao, Z.; Xiao-yong, C.; Peng, L. Akumulasi dan siklus biologis unsur logam berat di mangrove Rhizophora stylosa di
Teluk Yingluo, Cina. Mar.Ekol. Prog. Ser. 1997, 159, 293–301.
14. Fengzhong, Z.; Liyu, H.; Wenjiao, Z. Sebuah studi utama tentang adsorpsi logam berat tertentu pada daun serasah
detritus beberapa jenis mangrove. J.Xiamen Univ. (Nat. Sci.) 1998, 37, 137–141.
15. MacFarlane, GR; Pulkownik, A.; Burchett, MD Akumulasi dan distribusi logam berat di mangrove abu-abu, Avicennia marina
(Forsk.)Vierh: Potensi indikasi biologis. Mengepung. polusi. 2003, 123, 139-151. [CrossRef]
16. MacFarlane, GR; Burchett, MD Toksisitas, pertumbuhan dan hubungan akumulasi tembaga, timbal dan seng di mangrove
abu-abu Avicennia marina (Forsk.) Vierh. Lingkungan Mar. Res. 2002, 54, 65-84. [CrossRef]
17. Kamaruzzaman, OLEH; Ong, MC; Jalal, KCA; Syahbudin, S.; Nor, OM Akumulasi timbal dan tembaga di Rhizophora
apiculata dari hutan mangrove Setiu, Terengganu, Malaysia. J.Lingkungan. Biol. 2009, 30, 821.
[PubMed]
18. Nazli, MF; Hashim, NR Konsentrasi Logam Berat dalam Spesies Mangrove Penting, Sonneratia
caseolaris, di Semenanjung Malaysia. Mengepung. Asia 2010, 3, 50–55. [CrossRef]
19. Zhang, J.-E.; Liu, J.-L.; Ouyang, Y.; Liao, B.-W.; Zhao, B.-L. Respon fisiologis tanaman mangrove Sonneratia apetala Buch-
Ham terhadap nutrisi air limbah dan logam berat. Int. J. Fitoremediat. 2011, 13, 456–464.
[CrossRef]
20. Richter, O.; Nguyen, HA; Nguyen, KL; Nguyen, Wakil Presiden; Biester, H.; Schmidt, P. Fitoremediasi oleh pohon bakau:
Studi eksperimental dan pengembangan model. Kimia Ind. J. 2016, 294, 389–399. [CrossRef]
21. Titah, HS; Pratikno, H. Akumulasi Kromium oleh Avicennia alba Tumbuh di Ekowisata Mangrove
Hutan di Surabaya, Indonesia. J.Ekol. Ind. 2020, 21, 222–227. [CrossRef]
22. Chowdhury, R.; Favas, PJC; Jonatan, MP; Venkatachalam, P.; Raja, P.; Sarkar, SK Bioremoval trace metal dari
rhizosediment oleh tanaman bakau di Lahan Basah Sundarban India. Mar. Polusi. Banteng. 2017, 124, 1078–1088.
[CrossRef]
23. Baunthiyal, M. Rekayasa Tanaman untuk Fitoremediasi. Dalam Kemajuan Bioteknologi; Ravi, I., Baunthiyal, M., Saxena, J.,
Eds.; Musim Semi: New Delhi, India, 2014.
24. Burken, JG; Schnoor, JL Fitoremediasi: Tanaman Serapan Atrazin dan Peran Eksudat Akar. J.Lingkungan.
Ind. 1996, 122, 958–963. [CrossRef]
25. Chiou, CT; Sheng, G.; Manes, M. Model Partisi-Terbatas untuk Serapan Tanaman Kontaminan Organik
dari Tanah dan Air. Mengepung. Sci. teknologi. 2001, 35, 1437–1444. [CrossRef] [PubMed]
26. Shashi, M. Pemodelan Fitoremediasi Tanah. Praktek. Periode. Bahaya. Racun dan Radioak. Pengelolaan Sampah. 2004,
8, 286–297. [CrossRef]
27. Nguyen, A.; Richter, O. Pemodelan Serapan Polutan Multiskala oleh Mangrove. Int. J. Multiphys. 2016, 10,
157–176. [CrossRef]
28. Nguyen, HA; Richter, O.; Huynh, DH; Nguyen, KL; Kolb, M.; Nguyen, Wakil Presiden; Bao, TT Akumulasi kontaminan pada
spesies bakau Rhizophora muncul di sepanjang Sungai Thi Vai di Vietnam Selatan.
Dalam EWATEC-COAST: Technologies for Environmental and Water Protection of Coastal Regions in Vietnam:
Contributions to 4th International Conference for Environment and Natural Resources—ICENR 2014; Meon, G., Pätsch,
M., Phuoc, NV, Quan, NH, Eds.; Cuvillier: Göttingen, Jerman, 2014.
29. Costa-Boddeker, S.; Hoelzmann, P.; Thuyen, LX; Hei, HD; Nguyen, HA; Richter, O.; Schwalb, A.
Penilaian risiko ekologis zona pesisir di Vietnam Selatan: Distribusi spasial dan kandungan logam
berat dalam air dan sedimen permukaan Muara Thi Vai dan Hutan Mangrove Can Gio. Mar. Polusi.
Banteng. 2017, 114, 1141–1151. [CrossRef] [PubMed]
30. BaraBkiewicz, D.; Siepak, J. Chromium, Nikel dan Cobalt dalam Sampel Lingkungan dan Norma Hukum yang Ada. Pol.
J.Lingkungan. pejantan 1999, 8, 201–208.
31. Kumar, V.; Sinha, AK; Rodrigues, PP; Mubiana, VK; Blust, R.; De Boeck, G. Menghubungkan konsentrasi
logam berat lingkungan dan gradien salinitas dengan akumulasi logam dan efeknya: Studi kasus pada 3
spesies kerang di muara Vitória dan teluk Espírito Santo, Brasil Tenggara. Sci. Lingkungan Total. 2015, 523, 1–15.
[CrossRef]
32. Gardner, MJ; Ravenscroft, JE Penentuan kromium(III) dan total kromium di perairan laut.
Fresenius' J. Anal. Kimia 1996, 354, 602–605. [CrossRef]
33. Suprapti, NH; Sya'rani, L.; Anggoro, S. Kandungan krom (Cr) dalam air dan jaringan kepiting bakau (Scylla serrata
Forskal.) di tambak air payau di sekitar Muara Sungai Babon wilayah pesisir Semarang di Jawa Tengah, Indonesia.
J. Pantai. Dev. 2012, 16, 62–67.
34. Abdullah, H.; Ahmad, E.; Muhammad, A.; El-Bassuony, A. Penghilangan Kromium dari Air Limbah Penyamakan
Kulit Menggunakan Teknik Kimia dan Biologis Bertujuan Nol Debit Polusi. Tersedia online: https://www.academia.edu/
1018200/CHROMIUM_REMOVAL_FROM_TANNERY_WASTEWATER_
USING_CHEMICAL_AND_BIOLOGICAL_TECHNIQUES_AIMING_ZERO_DISCHARGE_OF_ POLUSI?
otomatis=unduh (diakses pada 17 Juli 2020).
35. Javernick, L.; Hiks, DM; Langkah-langkah, R.; Caruso, B.; Brasington, J. Pemodelan Numerik Sungai Jalinan dengan
Model Medan Berasal Struktur-dari-Gerak. Sungai Res. aplikasi 2016, 32, 1071–1081. [CrossRef]
36. Williams, RD; Brasington, J.; Hiks, M.; Langkah-langkah, R.; Reni, CD; Vericat, D. Validasi hidraulik dari simulasi
dua dimensi aliran sungai yang dikepang dengan data aDcp kontinu spasial. Sumber Daya Air. Res.
2013, 49, 5183–5205. [CrossRef]
37. Duy Vinh, V.; Nguyen Minh, H.; Khanh, D. Dampak pembuangan polusi dari zona industri Dinh Vu terhadap kualitas
air di wilayah pesisir Hai Phong. Vietnam J.Mar. Sci. teknologi. 2020, 20, 173–187. [CrossRef]
38. Andrew Mark, S.; Thomas, V.; Sander, P.; Bart-Jan van der, S.; Johan, H.; Marius, S. Perbandingan antara model
aliran MIKE 21 fm, Delft3d dan Delft3d FM di teluk Western Port, Australia. Pesisir. Ind. Prok. 2017, 1.
[CrossRef]
39. Luijendijk, AP Validasi, Kalibrasi dan Evaluasi Model Delft3DFLOW dengan Pengukuran Ferry; TUDelft: Delft,
Belanda, 2001.
40. Costa-Boddeker, S.; Thuyn, LX; Hoelzmann, P.; Stiker, HCd; Gaver, PV; Huy, H..; Schwalb, A.
Ancaman tersembunyi pencemaran logam berat dalam sedimentasi tinggi dan lingkungan yang sangat dinamis:
Penilaian tingkat akumulasi logam di Muara Thi Vai, Vietnam Selatan. Mengepung. polusi. 2018, 242, 348–356.
[CrossRef]
41. Gladkikh, V.; Tenzer, R. Perbandingan estimasi model perpindahan beban pasang laut di New
Selandia. J. Geod. Sci. 2011, 1, 94-113. [CrossRef]
42. Nguyen, KL; Nguyen, HA; Richter, O.; Pham, MT; Nguyen, VP Respon ekofisiologis spesies bakau muda Rhizophora
apiculata (Blume) terhadap lingkungan yang terkontaminasi kromium berbeda. Sci. Lingkungan Total . 2017, 574,
369–380. [CrossRef]
43. Robertson, AI; Alongi, DM Ekosistem Mangrove Tropis; Serikat Geofisika Amerika: Washington, DC, AS, 1992; Jilid
41.
44. Arcement, GJ; Schneider, Panduan VR untuk Memilih Koefisien Kekasaran Manning untuk Saluran Alami dan
Dataran Banjir; Survei Geologi AS: Reston, VA, AS, 1989.
45. McIvor, A.; Spencer, T.; Möller, saya.; Spalding, M. Pengurangan Gelombang Badai oleh Mangrove.
Tersedia online: http://www.mangrovealliance.org/wp-content/uploads/2018/05/storm-surge-reduction-by
mangroves-1.pdf (diakses pada 16 Juli 2020).
46. Parsapour-moghaddam, P.; Reni, CD; Slaney, J. Simulasi Hidrodinamika Sungai dengan Dasar Kerikil Berliku Tidak
Beraturan : Perbandingan model MIKE 21 FM dan Delft3D Flow. Konfigurasi Web E3S 2018, 40, 0204.
[CrossRef]
47. Roy, B.; Haider, MR; Yunus, A. Kajian perilaku hidrodinamika dan morfologi sungai Padma menggunakan model
Delft3d. Dalam Prosiding Konferensi Internasional ke-3 tentang Teknik Sipil untuk Pembangunan Berkelanjutan
(ICCESD 2016), Khulna, Bangladesh, 12–14 Februari 2016.
48. Nash, JE; Sutcliffe, JV Peramalan aliran sungai melalui model konseptual bagian I—Diskusi tentang prinsip.
J. Hidrol. 1970, 10, 282–290. [CrossRef]
49. Wakil, DR; McCabe, GJJ Mengevaluasi penggunaan ukuran “kesesuaian” dalam validasi model hidrologi dan
hidroklimatik. Sumber Daya Air. Res. 1999, 35, 233–241. [CrossRef]
50. Willmott, CJ Pada evaluasi kinerja model dalam geografi fisik. Dalam Statistik dan Model Spasial; Gaile, GL, Willmott, CJ, Eds.;
Reidel: Dordrecht, Belanda, 1984; hal. 443–460.
51. Krause, P.; Boyle, DP; Bäse, F. Perbandingan kriteria efisiensi yang berbeda untuk penilaian model hidrologi.
Adv. Geosci. 2005, 5, 89–97. [CrossRef]
52. Moriasi, DN; Arnold, JG; Van Liew, MW; Bingner, RL; Harmel, RD; Veith, Pedoman Evaluasi Model TL untuk Kuantifikasi Akurasi
Sistematis dalam Simulasi DAS. Trans. ASABE 2007, 50, 885–900. [CrossRef]
53. McElrone, A.; Choat, B.; Gambetta, G.; Brodersen, C. Penyerapan dan transportasi air pada tumbuhan berpembuluh. Nat.
Pendidikan tahu. 2013, 4, 6.
54. MacFall, JS; Johnson, GA; Kramer, PJ Pengamatan daerah penipisan air di sekitar akar pinus loblolly dengan pencitraan resonansi
magnetik. Prok. Natal akad. Sci. Amerika Serikat 1990, 87, 1203–1207. [CrossRef] [PubMed]
55. Chung, H.-H.; Kramer, PJ Penyerapan Air dan 32P melalui Akar Suberized dan Unsuberized dari
Pinus Lobloli. Bisa. J. Untuk. Res. 1975, 5, 229–235. [CrossRef]
© 2020 oleh penulis. Penerima Lisensi MDPI, Basel, Swiss. Artikel ini adalah artikel akses terbuka yang
didistribusikan di bawah syarat dan ketentuan Creative Commons Attribution
(CC BY) lisensi (http://creativecommons.org/licenses/by/4.0/).

Ijerph 17 05823

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Ijerph 17 05823

Diunggah oleh

Hak Cipta:

Format Tersedia

Machine Translated by Google

Peran Mangrove dalam Retensi Berat

Diterima: 27 Mei 2020; Diterima: 16 Juli 2020; Diterbitkan: 12 Agustus 2020

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 2 dari 22

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 3 dari 22

2. Model Numerik Terintegrasi

2.1. Model Kompartemen untuk Transportasi Polutan di Domain Air–Tanah–Tumbuhan

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 4 dari 22

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, x 4 dari 23

Sl =k01c ( k12 + +13 k10)Sl (1)

t = k12Sl k21Ss _ (2)

(+) (+) ( 2 2)=0 (5)

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 5 dari 22

Koefisien 2D-Chézy C bergantung pada koefisien Manning n:

3.1. Area Studi

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 6 dari 22

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, x 6 dari 23

3.2. Data Batimetri

3.3. Data Hidrometri dan Pasang

3.3. Data Hidrometri

3.4. Data Konsentrasi Kromium dalam Air–Tanah—Domain Tumbuhan

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 8 dari 22

4. Pengaturan Model dan Skenario

4.1. Kalibrasi dan Validasi untuk Model

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 9 dari 22

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 10 dari 22

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, x 10 dari 23

4.2. Deskripsi Skenario

4.2. Deskripsi Skenario

5.1. Hasil Kalibrasi dan Validasi Model

5.1.1. Kalibrasi dan Validasi Model Hidrodinamika Delft3D

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 11 dari 22

Debit Sumber Cr Debit (mg/s) Periode Discharge

Catatan: posisi sumber debit ditunjukkan pada Gambar 7.

5. Hasil dan Pembahasan

5.1. Hasil Kalibrasi dan Validasi Model

5.1.1. Kalibrasi dan Validasi Model Hidrodinamika Delft3D

Tabel 2. Kinerja model proses kalibrasi dan validasi.

Musim kemarau Musim hujan

Stasiun 1 0,816 0,953 0,345 0,937 0,984 0.259

5.1.2. Estimasi Parameter untuk Model Kompartemen

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 13 dari 22

5.2.1. Konsentrasi Kromium dalam Air

Gambar 10. Konsentrasi kromium dalam

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 14 dari 22

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, x 15 dari 23

5.2.2. Konsentrasi Kromium di Tanah

semua konsentrasi polutan ke laut. Selanjutnya, daerah ini mendapatlainnya

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 15 dari 22

5.2.2. Konsentrasi Kromium di Tanah

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 16 dari 22

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 17 dari 22

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 18 dari 22

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 19 dari 22

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 20 dari 22

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 21 dari 22

Int. J.Lingkungan. Res. Kesehatan Masyarakat 2020, 17, 5823 22 dari 22

(CC BY) lisensi (http://creativecommons.org/licenses/by/4.0/).

Anda mungkin juga menyukai