Статистический анализ содержания тяжелых металлов в воде на примере реки Миасс Челябинской области
Автор: Верхотурцева А.С.
Журнал: Вестник Красноярского государственного аграрного университета @vestnik-kgau
Рубрика: Биологические науки
Статья в выпуске: 10, 2016 года.
Бесплатный доступ
Статистические методы являются эф-фективным инструментом сбора и анализа информации и позволяют на основе этого вы-рабатывать оптимальные управленческие решения. В работе приведены результаты исследования данных о содержании тяжелых металлов в воде реки Миасс Челябинской об-ласти с 1977 по 2014 г. методами многофак-торного анализа, анализа автокорреляцион-ной функции временных рядов и методом спектрального анализа Фурье. В работе рас-смотрены 8 металлов: Fe, Zn, Al, Mn, Cu, Cr, Pb, Ni. Временные ряды данных о концентра-циях металлов проанализированы на наличие статистически достоверных трендов, сезон-ной, гармонической и случайной составляю-щих. Выявлено, что напряженность экологи-ческой ситуации на реке Миасс обусловлена главным образом действием антропогенного фактора, показана утрата речной экосисте-мой способности к самовосстановлению. Вы-явлен ряд специфических закономерностей поведения металлов в воде реки Миасс. Дина-мика концентраций Fe, Mn, Zn, Al, Cr, Cu, Pb в воде реки Миасс имеет скачкообразный ха-рактер, определяемый поступлением сточных вод от промышленных предприятий города различного состава в различное время. Кон-центрации марганца в воде подвержены цик-лическим сезонным изменениям. Сезонная со-ставляющая временных рядов концентраций в воде железа, никеля, алюминия, цинка, хрома, свинца, меди не выявлена. Обнаружен тренд к постепенному снижению количества марганца и цинка в воде. Достоверных трендов для ос-тальных металлов не выявлено. Выявлено 3 основных фактора, объясняющих 50,9 % об-щей дисперсии, остальные 49,1% приходятся на долю случайной составляющей.
Тяжелые металлы, за-грязнение поверхностных вод, река миасс, факторный анализ
Короткий адрес: https://sciup.org/14084520
IDR: 14084520
Текст научной статьи Статистический анализ содержания тяжелых металлов в воде на примере реки Миасс Челябинской области
Введение . Известно, что на содержание тяжелых металлов в воде оказывает влияние множество факторов: антропогенное загрязнение; геохимические особенности территории; гидрологический режим водного объекта; процессы самоочищения водной экосистемы, вторичного загрязнения, аэрогенного переноса; поступление поллютантов с паводковыми водами с близлежащих территорий и др. К настоящему времени основные закономерности поведения тяжелых металлов водных экосистемах в основном изучены. Вместе с тем водные объекты имеют свои специфические черты, которые оказывают влияние на экологическую обстановку и должны учитываться при принятии административных решений в области охраны окружающей среды. Применение статистических методов анализа позволяет выявлять скрытые взаимосвязи между эмпирическими данными, привнося тем самым научную новизну работе и расширяя возможности для административного воздействия.
В литературных источниках есть ограниченные данные о применении методов анализа временных рядов и факторного анализа применительно к водным объектам [4, 6–8], что делает данную область перспективной для дальнейших исследований.
Цель работы . Выделение и интерпретация факторов, оказывающих наибольшее влияние на содержание тяжелых металлов в воде на примере реки Миасс Челябинской области, с помощью методов статистического анализа.
Объекты и методы исследования. Для анализа были взяты данные о содержании 8 металлов в воде реки Миасс: железа, алюминия, меди, цинка, никеля, марганца, хрома и свинца. Для отбора проб выбран участок реки с максимальным уровнем загрязнения (ниже г. Челябинска 0,3 км) [5, 6], который содержит сточные воды от всех источников загрязнения г. Челябинска. Вода здесь характеризуется как экстремально грязная (5-й класс), индекс УКИЗВ составляет 6,77 и более – по данным Министерства экологии за 2014 г. [2]. В работе были проанализированы данные МУП «ПОВВ» г. Челябинска с января 1977 г. по декабрь 2014 г.: всего 2290 элемент-определений методом ААС-ЭА. Отбор проб производился каждый месяц. Статистическая обработка данных была проведена с помощью программного пакета «STATISTICA 10». Для выявления достоверных трендов сезонных и случайных составляющих временных рядов концентраций металлов в воде применялись анализ автокорреляционной функции и спектральный анализ Фурье, в качестве разведочного метода применялся корреляционный анализ, для выявления основных факторов, объясняющих дисперсию показателей, применялся метод главных компонент, расположение факторов в факторном пространстве определялось с помощью метода вращения «варимакс», а также применялись графические методы [1, 3, 9].
Результаты и их обсуждение. При анализе данных выявлено несколько особенностей поведения металлов в речной воде. Тяжелые металлы образуют следующий ряд убывания по значениям усредненных концентраций: Fe-Zn-Al-Mn-Cu-Cr-Pb-Ni. Данные усредненных концентраций металлов за период с 1977 по 2014 г. приведены в таблице 1.
Таблица 1
Данные усредненных концентраций металлов за период исследований с 1977 по 2014 г., мг/м3
Металл |
Средние концентрации |
Fe |
1,682 |
Cu |
0,038 |
Zn |
0,328 |
Cr |
0,029 |
Ni |
0,0029 |
Pb |
0,0094 |
Al |
0,1759 |
Mn |
0,112 |
Динамика изменения концентраций металлов в период с 1997 по 2014 г. имеет пилообразный характер, с отдельными пиками концентраций, что говорит о неравномерности поступления загрязняющих веществ во времени и первостепенном влиянии антропогенного фактора на водный объект. Период наблюдений с 70-х по 90-е гг. характеризуется чрезвычайно высокими уровнями загрязнения воды железом, медью, никелем, хромом, цинком, алюминием (рис. 1). В период с 90-х по 2014 год концентрации этих металлов в воде постепенно уменьшаются. Перечисленные металлы характерны для сточных вод предприятий металлургического, перерабатывающего и энергетического комплексов Челябинска, являющихся основными поставщиками тяжелых металлов в воды реки. Снижение среднегодовых уровней их концентраций в речной воде свидетельствует о постепенной модернизации очистных установок промышленных предприятий города.

—•— Fe, мг/м3
Рис. 1. График динамики среднегодовых концентраций железа в воде р. Миасс за период 1977–2014 гг.
Максимумы концентраций в воде железа (7,48 мг/м3 – 1986 г.), меди (0,48 мг/м3 – 1985 г.), хрома (0,20 мг/м3 – 1986 г.) приходятся на 1985– 1986 гг. Максимальное значение концентрации марганца (0,18 мг/м3) в воде наблюдается в 2011 г.; максимальные значения цинка (2,3 мг/м3) – в 1991 г.; алюминия (0,31 мг/м 3) – в 2006 г.; свинца (0,025 мг/м3) – в 2005 г.
Концентрация свинца в воде снижается только с 2010 года. Общеизвестным является тот факт, что основным источником загрязнения окружающей среды свинцом является автотранспорт. Вероятно, снижение концентрации свинца в воде реки связано с отказом от использования этилированного бензина в Российской Федерации, завершившимся в 2000-х гг.
Временные ряды концентраций металлов в воде были проанализированы на наличие тренда, сезонной, гармонической и случайной составляющих с помощью автокорреляционной функции и спектрального анализа Фурье. Данные виды анализа позволяют выявить скрытые гармонические составляющие и тренды, которые сложно проследить из-за всплесков концентраций, вызванных случайными факторами [1, 3, 9]. Выявлено, что временные ряды железа, никеля, алюминия, хрома, свинца, меди не имеют статистически достоверных трендов и сезонной компоненты. Концентрации данных металлов в воде являются непрогнозируемыми функциями, что, в свою очередь, говорит о поступлении данных металлов от антропогенных источников. Концентрации марганца и цинка в воде постепенно снижаются. Концентрация марганца подвержена циклическим сезонным колебаниям. На рисунке 2 изображена автокоррелограмма функции концентрации марганца в воде. Функция имеет приближенно вид синусоиды, что говорит о ее периодичности, и на лаге 1 видно наибольшее значение коэффициента корреляции, что говорит о наличии тренда. Все коэффициенты автокорреляции являются статистически значимыми (р < 0,05).
Autocorrelation Function
Mn, мг/л
(Standard errors are white-noise estimates)
Lag
Corr. S.E.
+,457 +,270 +,142
-
-
-
-
-
-
,082 ,191 ,264 ,166 ,099 ,028
+,028 +,079
-
,002
+,009
-
-
-
-
-
-
-
-
,080 ,147 ,103 ,152 ,171 ,179 ,118 ,005
+,115
+,086
+,063
+,125
+,074
+,002
-
,007
+,003
-
-
,090 ,001
+,021 +,027
,1154 ,1146 ,1138 ,1130 ,1121 ,1113 ,1105 ,1096 ,1087 ,1079 ,1070 ,1061 ,1052 ,1043 ,1034 ,1025 ,1016 ,1007 ,0997 ,0988 ,0978 ,0969 ,0959 ,0949 ,0939 ,0929 ,0919 ,0909 ,0898 ,0888 ,0877 ,0866 ,0856 0

Q 15,70 21,24 22,79 23,31 26,21 31,84 34,09 34,90 34,97 35,03 35,58 35,58 35,59 36,18 38,20 39,21 41,46 44,35 47,56 48,99 48,99 50,39 51,19 51,62 53,40 54,03 54,04 54,04 54,04 55,06 55,06 55,12 55,22 0
p ,0001 ,0000 ,0000 ,0001 ,0001 ,0000 ,0000 ,0000 ,0001 ,0001 ,0002 ,0004 ,0007 ,0010 ,0008 ,0010 ,0008 ,0005 ,0003 ,0003 ,0005 ,0005 ,0006 ,0009 ,0008 ,0010 ,0015 ,0022 ,0032 ,0035 ,0050 ,0068 ,0091
-1,0 -0,5 0,0 0,5 1,0
Conf. Limit
Рис. 2. Автокорреляционная функция концентрации марганца в воде (фрагмент 2011–2014 гг.)
Эмпирические данные были проанализированы с помощью факторного анализа. Расположение элементов в факторном пространстве определялось с помощью ортогонального вращения, максимизирующего дисперсию «вари-макс». На рисунке 3 представлено расположение металлов в факторном пространстве. С помощью метода «каменистой осыпи» выделено 3 основных фактора, объясняющих 50,9 % общей дисперсии. Остальные 49,1 % приходятся на долю случайной составляющей. Что еще раз подтверждает весомую роль антропогенных источников и сложность прогнозирования функций концентраций металлов в воде. В первый фактор вошли железо, алюминий, цинк и медь, во второй - хром и марганец, в третий - свинец и никель. На долю первого фактора приходится 21,4 % общей дисперсии; на долю второго -16,9; третьего - 12,6 %
В таблице 2 представлена факторная нагрузка на отдельные металлы, металлы довольно четко разделились на 3 фактора.
Factor Loadings, Factor 1 vs. Factor 2 vs. Factor 3 Rotation: Varimax raw
Extraction: Principal components

Рис. 3. Расположение металлов в факторном пространстве
Таблица 2
Металл |
Фактор 1 |
Фактор 2 |
Фактор 3 |
Fe |
0,801629 |
0,126456 |
-0,171936 |
Cu |
0,490233 |
-0,081223 |
0,062133 |
Zn |
0,722164 |
0,006085 |
0,027122 |
Cr |
0,001591 |
0,917905 |
0,006828 |
Pb |
-0,144541 |
-0,061374 |
-0,774040 |
Ni |
0,141186 |
0,028364 |
-0,779389 |
Al |
0,813276 |
-0,014696 |
0,132863 |
Mn |
0,053274 |
0,924388 |
0,012851 |
Нагрузка на факторы, выделенные методом главных компонент
Интерпретация факторов в данном случае затруднительна, так как понятие фактора здесь имеет сложное содержание. Следует отметить, что первый и второй фактор способствуют повышению концентраций входящих в их состав металлов, в то время как третий фактор способствует их снижению.
Выводы. С помощью обработки данных о содержании металлов в воде реки Миасс статистическими методами выявлены следующие особенности:
-
1. Динамика концентраций Fe, Mn, Zn, Al, Cr, Cu, Pb в воде реки Миасс имеет скачкообразный характер, определяемый поступлением сточных вод от промышленных предприятий города различного состава в различное время.
-
2. Концентрации марганца в воде подвержены циклическим сезонным изменениям. Сезон-
- ная составляющая временных рядов концентраций в воде железа, никеля, алюминия, цинка, хрома, свинца, меди не выявлена.
-
3. Обнаружен тренд к постепенному снижению количества марганца и цинка в воде. Достоверных трендов для остальных металлов не выявлено.
-
4. Выявлено 3 основных фактора, вклад которых в суммарную дисперсию – 50,9 %, 49,1 % общей дисперсии приходится на долю случайного фактора.
-
5. Учитывая вышеперечисленные факты, можно сказать об исчерпании способности речной экосистемы к самовосстановлению и зависимости изучаемой системы главным образом от антропогенного фактора.
Список литературы Статистический анализ содержания тяжелых металлов в воде на примере реки Миасс Челябинской области
- Буреева Н.Н. Многомерный статистический анализ с использованием ППП «STATISTICA»: учеб.-метод. мат-л по про-грамме повышения квалификации «Приме-нение программных средств в научных ис-следованиях и преподавании математики и механики». -Н. Новгород, 2007. -112 с.
- Комплексный доклад о состоянии окру-жающей среды Челябинской области в 2014 году/М-во экологии Челяб. обл. -Че-лябинск, 2015. -207 с.
- Методы и примеры статистических оценок временных рядов: учеб. пособие/сост. С.В. Трофименко. -СПб., 2012. -81 с.
- Нохрин Д.Ю., Грибовский Ю.Г., Давыдова Н.А. Содержание и парагенетические ассо-циации металлов в донных отложениях во-дохранилищ Челябинской области//Охра-на водных объектов Челябинской области. Современные технологии водопользова-ния: сб. докл. и сообщ. обл. науч.-практ. конф. -Челябинск, 2008. -С. 147-152.
- Панина М.В. Роль техногенных факторов в формировании гидрохимического режима реки Миасс: автореф. дис.. канд. геогр. наук. -Челябинск, 2006. -24 с.
- Подходы к идентификации происхождения тяжелых металлов в донных отложениях и проблемы нормирования на примере двух уральских водохранилищ ГРЭС/Д.Ю. Нох-рин, Ю.Г. Грибовский, Н.А. Давыдова //Водные ресурсы. -2008. -Т. 35, № 5. -С. 566-573.
- Применение факторного анализа при изу-чении подземных промышленных йодоб-ромных вод Тимано-Северо-уральского ре-гиона/Т.П. Митюшева, О.Е. Амосова //Вода: химия и экология. -2013. -№ 9. -С. 78-86.
- Факторный анализ динамики гидрохимиче-ских показателей/О.Ю. Евдокимова //Фундаментальные исследования. -2012. -№ 11. -С. 277-282.
- Ханс-Петер Пифо. Статистика. -М.: Изд-во ВНИИА, 2011. -288 с.