Wykorzystanie wielowymiarowych metod statystycznych do analizy jakości wód rzecznych

• Autorzy: Sojka M. , Murat-Blazejewska S.

Warianty tytułu

EN

Application of multivariate statistical techniques for the evaluation of the river water quality

• Języki publikacji: PL

Abstrakty

PL

W pracy zastosowano wielowymiarowe metody statystyczne analizy danych, tj. analizę skupień, analizę składowych głównych, analizę czynnikową i analizę dyskryminacyjną, które pozwoliły na wykrycie podobieństw i różnic w składzie fizykochemicznym wód w dziewięciu punktach pomiarowo-kontrolnych, usytuowanych wzdłuż biegu rzeki Maskawy. Zidentyfikowano reprezentatywne wskaźniki jakości wody określające jej czasową i przestrzenną zmienność, wyeksponowano ukryte czynniki objaśniające strukturę danych oraz dokonano oceny wpływu naturalnych i antropogenicznych źródeł zanieczyszczeń na jakość wód. Zastosowana analiza skupień pozwoliła na podział punktów pomiarowo-kontrolnych na trzy statystycznie istotne grupy charakteryzujące się podobnym stanem i zmianami jakości. Analiza składowych głównych potwierdziła istotne różnice w składzie analizowanych parametrów fizykochemicznych wody w punktach kontrolnych usytuowanych poniżej miasta Środa, które znajdują się pod wyraźnym wpływem odprowadzanych nieoczyszczonych ścieków. Zastosowanie analizy dyskryminacyjnej pozwoliło na zredukowanie liczby oznaczanych wskaźników jakości wody z 19 do 10, kluczowych przy ocenie czasowej zmienności składu fizykochemicznego wód w zlewni.

EN

The paper presents the application of multivariate statistical techniques viz. cluster analysis (CA), principal component analysis (PCA), factor analysis (FA) and discriminate analysis (DA) to discover similarities and differences in the physico-chemical composition of water at nine research control points situated along the Maskawa river. In the paper the representative parameters of water quality were identified with regarded to the assessment of its time and spatial variability, hidden factors accounting for the structure of the data were exposed and natural and anthropogenic sources of water pollution were identified. Cluster analysis allowed the division of research control points into three statistically significant groups characterized by a similar state and variability of water quality. Principal component analysis confirmed significant differences in the composition of the analyzed physico-chemical parameters of water at the measurement control point situated below the town of Środa, due to point pollution. The application of discriminate analysis allowed to reduce the number of measured water quality parameters from 19 to 10, crucial for assessment of temporal variability water compounds in the river parameters.

Słowa kluczowe

PL

rzeki; rzeka Moskawa; zlewnie nizinne; jakosc wody; sklad fizykochemiczny; analiza jakosciowa; wskazniki jakosci; analiza danych; metody statystyczne; metody statystyczne wielowymiarowe

EN

river; Moskawa River; lowland catchment; water quality; physicochemical composition; qualitative analysis; quality index; data analysis; statistical method; multidimensional statistical method

• Wydawca: -
• Czasopismo: Zeszyty Problemowe Postępów Nauk Rolniczych
• Rocznik: 2010
• Tom: 548
• Numer: 2
• Opis fizyczny: s.513-524,rys.,tab.,bibliogr.

Twórcy

autor

Sojka M.

• Katedra Melioracji, Kształtowania Środowiska i Geodezji, Uniwersytet Przyrodniczy w Poznaniu, ul. Piątkowska 94, 60-648 Poznań

autor

Murat-Blazejewska S.

Bibliografia

• Astel A., Mazerski J., Polkowska Ż., Namieśnik J. 2004. Application of PCA and time senes analysis in studies of precipitation in Tricity (Poland). Advances in Environmental Research 8: 337-349.
• Kowalkowski T., Zbytniewski R., Szpejna J., Buszewski B. 2006. Application of chemometrics in river water classification. Water Res. 40: 744-752.
• Liu C.W., Lin K.H. Kuo Y.M. 2003. Application of factor analysis in the assessment of groundwater quality in a blackfoot disease in Taiwan. The Since of the Total Environment 313: 77-89.
• Mazerski J. 2000. Fundamental of chemometrie. Gdańsk, Wydawn. Politechniki Gdańskiej. Shrestha S., Kazama F.: 2007.Assessment of surface water quality using multivariate statistical techniques: A case study of the Fuji river basin, Japan. Environmental Modeling and Assessment 22: 464-475.
• Rozporządzenie MŚ 2004. Z dnia 11 lutego 2004 r. w sprawie klasyfikacji dla prezentowania stanu wód powierzchniowych i podziemnych, sposobu prowadzenia monitoringu oraz sposobu interpretacji wyników i prezentacji stanu tych wód. Dz. U. Nr 32, poz. 284.
• Simeonov V., Sarbu C., Massart D.L., Tasakovski S. 2001. Denube river water data modeling by multivariate data analysis. Microchimica Acta 137: 243-248.
• Simeonov V., Stratis J.A., Samara C., Zachariadis G., Voutsa D., Anthemidis A., Sofoniou M., Kouimtzis Th. 2003. Assessment of the surface water quality in Northern Greece. Water Res. 37: 4119-4124.
• Singh K.P., Malik A., Mohan D., Sinha S., Singh V.K. 2005a. Chemometric data analysis of pollutants in wastewater - a case study. Analytical Chimica Acta 532: 15-25.
• Singh K.P., Malik A., Mohan D., Sinha S. 2004. Multivariate statistical techniques for the evaluation of spatial and temporal variations in water quality of Gomti Rivae (India) - a case study. Water Res. 38: 3980-3992.
• Singh K.P., Malik A., Singh V.K. 2005b. Chemometric analysis of hydrochemical data of an alluvial river - a case study. Water, Air and Soil Pollution 170: 383-404.
• Singh K.P., Malik A., Sinha S. 2005c. Water quality assessment and apportionment of pollution sources of Gomti river (India) using multivariate statistical techniques - a case study. Analytical Chimica Acta 538: 355-374.
• Sojka M., Siepak M., Zioła A., Frankowski M., Murat-Błażejewska S., Siepak J. 2008. Application of multivariate statistical techniques to evaluation of water quality in the Mała Wełna River (Western Poland). Environ. Monit. Assess. 147: 159-170.