Evaluation and comparison of IDW, RBF, GPI and kriging methods for generating spatial distrubutions of heavy metals for small surface areas

• Autorzy: Rozpondek R. , Rozpondek K. , Kacprzak M.

Warianty tytułu

PL

Porównanie metod krigingu, IDW, RBF i GPI w generowaniu rozkładu przestrzennego metali ciężkich do opracowań małoobszarowych na przykładzie przemysłu hutniczego

• Języki publikacji: EN

Abstrakty

EN

In the work, the problem of presenting the spatial distribution of contamination with heavy metals in small-scale areas has been described. Two study areas have been chosen, located near industrial areas in south Poland – The “Miasteczko Śląskie” Zinc Smelter and the “Częstochowa” Steel Mill. A network of measurement points was planned, where from the top layer of soil, total of 108 samples have been taken. The content of three heavy metals was determined and included: Zn, Pb, Ba. Six methods of generating spatial models were selected: IDW, RBF, GPI, Ordinary Kriging, Simple Kriging and Universal Kriging. Two main criteria of evaluation were adopted: accuracy and visual quality of interpolation methods. In terms of accuracy analysis, no significant differences between the different methods have been observed. In the case of visual evaluation, it was found that the most suitable methods are IDW and RBF

PL

Przeprowadzone badania dotyczyły problemu generowania rozkładów przestrzennych zanieczyszczeń metalami ciężkimi do opracowań małoobszarowych. Wybrano dwa obszary badań usytuowane w okolicy terenów przemysłowych – Huty Cynku “Miasteczko Śląskie” i Huty Stali “Częstochowa”. Zaplanowano sieć punktów pomiarowych, na podstawie której pobrano dwie prób-ki gleb z wierzchniej warstwy. Wyznaczono zawartość trzech metali ciężkich: Zn, Pb, Ba. Wybrano sześć metod interpolacji: IDW, RBF, GPI, kriging zwyczajny, kriging zwykły i kriging uniwer-salny. Przyjęto dwa główne kryteria oceny – dokładności lokalizacji oraz jakości wizualnej. W przypadku dokładności nie zauważono znaczących różnić między metodami. Lepszą jakość wizualną uzyskano natomiast za pomocą metody IDW oraz RBF

• Wydawca: -
• Czasopismo: Polish Journal of Natural Sciences
• Rocznik: 2018
• Tom: 33
• Numer: 2
• Opis fizyczny: p.301-317,fig.,ref.

Twórcy

autor

Rozpondek R.

• Institute of Environmental Engineering, Czestochowa University of Technology, Dabrowskiego 73, 42-200 Czestochowa, Poland

autor

Rozpondek K.

• Institute of Environmental Engineering, Czestochowa University of Technology, Czestochowa, Poland

autor

Kacprzak M.

• Institute of Environmental Engineering, Czestochowa University of Technology, Czestochowa, Poland

Bibliografia

• ACOSTA J.A., FAZ A., MARTINEZ-MARTINEZ S., ZROZNOZA R., CARMONA D.M., KABAS S. 2011. Mul-tivariate statistical and GIS based approach to evaluate heavy metals behavior in mine sites for future reclamation. J. Geochem. Explor., 109(1–3): 8–17.
• BHUNIAA S.G., SHITB K.P., MAITIC R. 2018. Comparison of GIS-based interpolation methods for spatial distribution of soil organic carbon (SOC). Journal of The Saudi Society of Agricultural Sciences, 17(2): 114–126.
• CRESSIE N.A. 2015. Statistics for spatial data. John Wiley and Sons Revised Edition.Cross Validation [Internet]. ArcGIS Desktop, http://desktop.arcgis.com, access 16.11.2016.
• GONGA G., MATTEVADAB S., O’BRYANTB S.E. 2014. Comparison of the accuracy of kriging and IDW interpolations in estimating groundwater arsenic concentrations in Texas. Environ. Res., 130: 59–69.
• GOOVAERTS P. 1993. Characterizing the Geostatistical tools spatial variability for of microbiologi-cal and physico-chemical soil properties. Biol. Fertil. Soils., 27(4): 315–334.
• How global polynomial interpolation works, ArcGIS Pro, from: http://pro.arcgis.com, access: 16.11.2016.
• HU K.L., LI B.G., LU Y.Z., ZHANG F.R. 2005. Comparison of various spatial interpolation methods for non-stationary regional soil mercury content. Huan Jing Ke Xue, 25(3): 132–137.
• Jakość gleby. Ekstrakcja pierwiastków śladowych rozpuszczalnych w wodzie królewskiej. PN-ISO 11466:2002.
• JÄRUP L. 2003. Hazards of heavy metal contamination. Br. Med. Bull., 68(1): 167–182.
• JOHNSTON K., HOEF J.M., KRIVORUCHKO K., LUCAS N. 2001. Using ArcGIS Geostatistical Analyst.ESRI Press. Redlands.
• KACPRZAK M. 2007. Wspomaganie procesów remediacji gleb zdegradowanych. Seria Monografie 128, Częstochowa.
• KISHNÉ A.S., BRINGMARK E., BRINGMARK L., ALRIKSSON A. 2003. Comparison of ordinary and lognormal kriging on skewed data of total cadmium in forest soils of Sweden, Environ. Monit. Asses., 84(3): 243–263.
• KRAVCHENKO A., BULLOCK D. 1999. A comparative study of interpolation methods for mapping soil properties. J. Agron., 91: 393–400.
• MABIT L., BERNARD C. 2007. Assessment of spatial distribution of fallout radionuclides through geostatistics concept. J. Environ. Radioact., 97(2–3): 206–219.
• MEHDI S.M., GHANI S., KHALID M., SHEIKH A.A., RASHEED S., AJMAL S., ASHRAF A. 2013. Spatial variability mapping of soil-ec in agricultural field of Punjab province (Pakistan) using Geographic Information System (GIS) techniques. IJSER, 4(11): 325–338.
• OCIEPA-KUBICKA A., OCIEPA E. 2012. Toksyczne oddziaływanie metali ciężkich na rośliny, zwierzęta i ludzi. Inż. Ochr. Środow., 15: 169–180.
• REZA S.K., SARKAR D., BARUAH U., DAS T.H. 2010. Evaluation and comparison of ordinary kriging and inverse distance weighting methods for prediction of spatial variability of some chemical parameters of Dhalai district. Agropedology, 20(1): 38–48.
• ROBINSON T.P, METTERNICHT G.M. 2006. Testing the performance of spatial interpolation tech-niques for mapping soil properties. Com. Electron. Agr., 50(2): 97–108.
• ROZPONDEK R., WANCISIEWICZ K., KACPRZAK M. 2016. GIS in the studies of soil and waterEnvi-ronment. J. Ecol. Eng., 17(3): 134–142.
• ROZPONDEK R., WANCISIEWICZ K. 2016. Analiza rozkładu zanieczyszczeń w osadach dennychz zastosowaniem GIS w przybrzeżnej strefie zbiornika wodnego Ostrowy na rzece Biała Oksza. Inż. Ochr. Środow., 19(3): 37–49.
• ROZPONDEK R., ROZPONDEK K., KACPRZAK M. 2017. Ocena zanieczyszczeń terenów zdegradowa-nych z wykorzystaniem informacji przestrzennej na przykładzie przemysłu hutniczego, Inż. Ekol., 18(3): 106–113.
• SINGH R., GAUTAM N., MISHRA A., GUPTA R. 2011. Heavy metals and living systems. An overview. Indian J. Pharmacol., 43(3): 246–253.
• SOLLITTO D., ROMIC M., CASTRIGNANO A., ROMIC D., BAKIC H. 2010. Assesing heavy metal con-tamination in soils of the Zagreb region (Northwest Croatia) using multivariate geostatistics.Catena, 80(3): 182–194.
• Understanding how to create surfaces using geostatistical techniques, ArcGIS Desktop, http://desktop.arcgis.com, access: 16.11.2016.
• WARTENBERG D., UCHRIN C., COOGAN P. 1991. Estimating exposure using kriging. A simulation study. Environ. Health. Persp., 94: 75–82.
• XIE T., CHEN B., LEI M., YANG J., GUO Q.J., SONG B., ZHOU X.Y. 2011. Spatial distribution of soil heavy metal pollution estimated by different interpolation methods: accuracy and uncertainty analysis. Chemosphere, 82(3): 468–476.
• ZAWADZKI J. 2011. Metody geostatystyczne dla kierunków przyrodniczych i technicznych. OPW.
• ZHOU Y., MICHALAK A.M. 2009. Characterizing attribute distributions in water sediments by geo-statistical downscaling. Environ. Sci. Technol., 43(24): 9267–9273