CC BY
30
РАЗДЕЛ II. БИОЛОГИЧЕСКИЕ НАУКИ
УДК 582.272.46(265.52)
Е.В. Касперович1, В.А. Швецов2, О.Е. Петренко1, Д.А. Арчибисов1'2, М.С. Лякишев1
'Камчатская дирекция по техническому обеспечению надзора на море, Петропавловск-Камчатский, 683031;
2Камчатский государственный технический университет, Петропавловск-Камчатский, 683003 e-mail: kasperovichev@mail. ru
КОРРЕЛЯЦИОННЫЕ ЗАВИСИМОСТИ СОДЕРЖАНИЯ ЗАГРЯЗНЯЮЩИХ ВЕЩЕСТВ В ДОННЫХ ОТЛОЖЕНИЯХ НА ПРИМЕРЕ АВАЧИНСКОЙ ГУБЫ
В статье рассматривается проблема мониторинга донных отложений водных объектов, подверженных хроническому загрязнению на примере Авачинской губы (Камчатский край). В качестве альтернативного метода определения загрязненности донных отложений предложен корреляционно-регрессионный анализ содержания загрязняющих веществ. Рассматривается применимость полученных результатов для целей оценки загрязненности донных отложений Авачинской губы.
Ключевые слова: Авачинская губа, донные отложения, тяжелые металлы, нефтепродукты, корреляционно-регрессионный анализ.
E.V. Kasperovich1, V.A. Shvetsov2, O.E. Petrenko2, D.A. Archibisov1, 2, M.S. Lyakishev1 ^Kamchatka's Directorate for Technical Supply of Sea Supervision, Petropavlovsk-Kamchatskу, 683031, 2Kamchatka State Technical University, Petropavlovsk-Kamchatsky, 683003) Correlation dependences of the pollutant content in bottom deposits on the example of Guba Avachinskaya
The article deals with the monitoring problem of bottom deposits in water bodies liable to chronic pollution on the example of Guba Avachinskaya (Kamchatsky Krai). As an alternative method to define the content of polluting substances in the bottom deposits, the correlation and regression analysis is offered. The article presents the application of the results received to estimate the pollution of bottom deposits of Guba Avachinskaya.
Key words: Guba Avachiskaya, bottom deposits, heavy metals, petrochemicals, correlation and regression analysis.
DOI: '0.'72'7/2079-0333-20'6-36-63-73
Как известно, исследование донных отложений морей требует значительных финансовых затрат на отбор и анализ проб. Высокая стоимость анализа проб донных отложений приводит к тому, что часто при мониторинге морских водных объектов не учитывается состояние донных отложений. В соответствии с Руководящим документом [1]: «любая информация о состоянии водных объектов без учета загрязненности их донных отложений может быть ошибочной». Поэтому для повышения эффективности мониторинга необходимо существенно снизить стоимость опробования донных отложений. Нами предложено снизить количество необходимых химических анализов путем выявления корреляционных зависимостей между содержаниями загрязняющих веществ в донных отложениях морского водного объекта. Для установления этих зависимостей может быть использован метод корреляционно-регрессионного анализа [3, 4]. Наличие корреляционных связей между содержаниями компонентов донных отложений отмечалось ранее в работах [5, 6], но авторы не предложили построить уравнения регрессии, которые можно было бы использовать для оценки уровня загрязнения дна водного объекта. Таким образом, в том числе на основе анализа [2, 5, 6], нами выдвинуты гипотезы:
а) о существовании корреляционных зависимостей между содержаниями загрязняющих веществ в донных отложениях бухты Авачинская губа,
б) о возможности использования регрессионных моделей для прогнозирования состава донных отложений.
Цель работы - разработка метода оптимизации мониторинга водных объектов, подверженных хроническому антропогенному загрязнению, на основе выявления корреляционных зависимостей между содержаниями загрязняющих веществ в донных отложениях.
Для достижения поставленной цели были выполнены следующие работы (в рамках природоохранного мероприятия [7]):
1. Отобрана 21 проба донных отложений в местах бункеровки флота нефтепродуктами. Отбор проб проводили в соответствии с требованиями нормативного документа [8]. Точки отбора проб донных отложений изображены на рис. 1.
2. Пробы были доставлены в аналитическую лабораторию ОАО «Камчатгеология» в изотермических сумках «Camping World 30 L Snowbag» или компрессорном автохолодильнике «WAECO CoolFreeze CF-110» в течение не более 28 ч после отбора.
3. Был проведен химический анализ проб донных отложений. Получены результаты анализа для следующих компонентов: Cu, Zn, Pb, Ni, Cd, нефтепродукты и фенолы.
Установленные содержания загрязняющих веществ были подвергнуты статистическому анализу [9], результаты которого представлены в табл. 1.
Таблица 1
Результаты статистического анализа содержаний компонентов донных отложений
Компоненты донных отложений Статистические параметры
Минимум, мг/кг Максимум, мг/кг Среднее значение, мг/кг Стандартное отклонение, мг/кг Дисперсия, (мг/кг)2
Cu 20 243 97,76 74,74 5586,79
Zn 52 447 166,67 112,99 12767,33
Pb 1 344 55,62 90,97 8275,18
Ni 3,5 64 34,69 16,04 257,16
Cd 0,1 2,37 0,753 0,562 0,316
Нефтепродукты 100 14430 3280,29 3641,68 13261863
Фенолы 0,5 1,5 0,548 0,218 0,048
В программной среде MS Excel был проведен корреляционный анализ [3, 4] для всех перечисленных компонентов, кроме фенолов. Содержания фенола в пробах не использовались в корреляционном анализе, так как они находились на пределе обнаружения (<0,5 мг/кг). В результате корреляционного анализа были установлены значения коэффициента парной корреляции, приведенные в табл. 2.
Таблица 2
Значения коэффициента парной корреляции Пирсона
Значения коэффициента Значения коэффициента корреляции компонента
Компоненты корреляции компонента с тяжелыми металлами
с нефтепродуктами Cu Zn Pb Ni
Cu 0,770* - - - -
Zn 0,778* 0,933* - - -
Pb 0,686* 0,881* 0,915* - -
Ni -0,316 -0,226 -0,336 -0,267 -
Cd 0,689* 0,503* 0,411 0,341 -0,054
Далее была оценена значимость полученных коэффициентов. Для этого значения из табл. 2 сравнивали с критическим значением [2]. При уровне значимости а = 0,05 и степенях свободы f = 19 критическое значение составляет 0,433. В тех случаях, когда критическое значение меньше абсолютного значения найденного коэффициента корреляции, принять нуль -гипотезу об отсутствии линейной связи между анализируемыми компонентами нельзя [2]. Значимые значения коэффициента корреляции обозначены в табл. 2 звездочкой.
Установленные авторами линейные зависимости между компонентами донных отложений описываются уравнениями линейной регрессии вида Y = a + bX [2]. Для нахождения уравнений регрессии требуется определить значения коэффициентов регрессии a и b. С этой целью был проведен регрессионный анализ в среде MS Excel [3, 4]. Выходные данные регрессионного анализа приведены в табл. 3.
Ы г V" *'' Ш \
130 НО Г, 10,11°
•■а \ ju^* «¿ti
6. Авачинская губа
ООб
30 4,5
Авачинский залив
Data SIO, NOAA. Ü.S Navy, NGA, GEBCO image £ 2014 DigilalGloDe Image ©bou CNES I Aslnum
Рис. 1. Точки отбора проб донных отложений
Выходные данные регрессионного анализа в MS Excel
Параметры регрессии нефтепродукты/Cu
Множественный R 0,77
R-квадрат Нормированный 0,59 0,57 2379,43
R-квадрат Стандартная ошибка
df SS MS F Значимость F
Регрессия 1 157665082,3 157665082,3 27,85 4,3 10-5
Остаток 19 107572191,9 5661694,31
Итого 20 265237274,3
Коэффициенты Стандартная ошибка t-статистика P-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
Y-пересечение -392,04 868,26 -0,45 0,66 -2209,34 1425,26 -2209,34 1425,26
Cu 37,56* 7,12 5,28 4,310-5 22,67 52,46 22,67 52,46
Параметры регрессии нефтепродукты/Zn
Множественный R 0,78
R-квадрат 0,61
Нормированный
0,59
R-квадрат
Стандартная ошибка 2343,9
df SS MS F Значимость F
Регрессия 1 160853517,8 160853517,8 29,28 3,210-5
Остаток 19 104383756,5 5493881,92
Итого 20 265237274,3
Стандартная ошибка
Коэффициенты t-статистика P-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
Y-пересечение -902,82 926,96 -0,97 0,34 -2842,98 1037,34 -2842,98 1037,34
Zn 25,1* 4,64 5,41 3,210-5 15,39 34,81 15,39 34,81
Параметры регрессии нефтепродукты/Pb
Множественный R 0,69
R-квадрат Нормированный 0,47 0,44 2716,03
R-квадрат Стандартная ошибка
df SS MS F Значимость F
Регрессия 1 125077362,8 125077362,8 16,96 5,8610-4
Остаток 19 140159911,5 7376837,45
Итого 20 265237274,3
Коэффициенты Стандартная ошибка 1-статистика Р-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
У-пересечение РЬ 1751,15* 27,49* 699,42 6,68 2,5 4,12 0,02 5,8610-4 287,25 13,52 3215,05 41,46 287,25 13,52 3215,05 41,46
Параметры регрессии нефтепродукты/Си
Множественный R 0,69
Я-квадрат 0,48
Нормированный R-
0,45
квадрат
Стандартная ошибка 2706,83
л/ М5 Значимость F
Регрессия 1 126025361,7 126025361,7 17,2 5,47-10-4
Остаток 19 139211912,6 7326942,77
Итого 20 265237274,3
Стандартная ошибка
Коэффициенты 1-статистика Р-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
У-пересечение -80,64 1002,81 -0,08 0,94 -2179,54 2018,27 -2179,54 2018,27
еа 4464,22* 1076,41 4,15 5,47-10-4 2211,27 6717,18 2211,27 6717,18
Параметры регрессии Си/нефтепродукты
Множественный R 0,77
Я-квадрат Нормированный 0,59 0,57 48,84
Я-квадрат Стандартная ошибка
л/ 55 М5 Значимость F
Регрессия Остаток 1 19 66419,15 45316,65 66419,15 2385,09 27,85 4,3 10-5
Итого 20 111735,8
Коэффициенты Стандартная ошибка 1-статистика Р-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
У-пересечение Нефтепродукты 45,85* 0,02* 14,5 2,310-3 3,16 5,28 5,14-10-3 4,310-5 15,5 9,5510-3 76,21 0,02 15,5 9,5510-3 76,21 0,02
Параметры регрессии СиЖп
Множественный R 0,93
Я-квадрат 0,87
Нормированный
0,87
Я-квадрат
Стандартная ошибка 27,41
л/ 55 М5 Значимость F
Регрессия 1 97462,58 97462,58 129,74 6,22-10-10
Остаток 19 14273,23 751,22
Итого 20 111735,81
Стандартная ошибка
Коэффициенты 1-статистика Р-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
У-пересечение -5,21 10,84 -0,48 0,64 -27,89 17,48 -27,89 17,48
7и 0,62* 0,05 11,39 6,22-10-10 0,5 0,73 0,5 0,73
Параметры регрессии Си/РЬ
Множественный R Я-квадрат Нормированный Я-квадрат Стандартная ошибка 0,88 0,78 0,77 36,23
а/ М5 Значимость F
Регрессия Остаток Итого 1 19 20 86795,5 24940,31 111735,81 86795,5 1312,65 66,12 1,31-10"'
Коэффициенты Стандартная ошибка 1-статистика Р-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
У-пересечение РЬ 57,48* 0,72* 9,33 0,09 6,16 8,13 6,3910-6 1,3110-7 37,95 0,54 77,01 0,91 37,95 0,54 77,01 0,91
Параметры регрессии Си/Си
Множественный R 0,5
Я-квадрат 0,25
Нормированный
Я-квадрат 0,21
Стандартная ошибка 66,27
а/ 55 М5 Значимость F
Регрессия 1 28295,88 28295,88 6,44 0,02
Остаток 19 83439,93 4391,58
Итого 20 111735,81
Стандартная ошибка
Коэффициенты 1-статистика Р-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
У-пересечение 47,4 24,55 1,93 0,07 -3,98 98,79 -3,98 98,79
еа 66,89* 26,35 2,54 0,02 11,74 122,05 11,74 122,05
Параметры регрессии Zn/нефтепродукты
Множественный R Я-квадрат Нормированный R- квадрат Стандартная ошибка 0,78 0,61 0,59 72,73
а/ 55 М5 Значимость F
Регрессия Остаток Итого 1 19 20 154855,34 100491,32 255346,67 154855,34 5289,02 29,28 3,2-10°
Коэффициенты Стандартная ошибка 1-статистика Р-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
У-пересечение Нефтепродукты 87,41* 0,02* 21,6 4,47-10-3 4,05 5,41 6,8810-4 3,210-5 42,2 0,01 132,61 0,03 42,2 0,01 132,61 0,03
Параметры регрессии 2п/Си
Множественный R 0,93
Я-квадрат 0,87
Нормированный Я-квадрат
0,87
Стандартная ошибка 41,43
а/ М5 Значимость F
Регрессия 1 222728,46 222728,46 129,74 6,22-10-10
Остаток 19 32618,2 1716,75
Итого 20 255346,67
Стандартная ошибка
Коэффициенты 1-статистика Р-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
У-пересечение 28,64 15,12 1,89 0,07 -3 60,29 -3 60,29
Си 1,41* 0,12 11,39 6,22-10-10 1,15 1,67 1,15 1,67
Параметры регрессии 2п/РЪ
Множественный R Я-квадрат Нормированный Я-квадрат Стандартная ошибка 0,92 0,84 0,83 46,52
а/ 55 М5 Значимость F
Регрессия Остаток Итого 1 19 20 214222,95 41123,72 255346,67 214222,95 2164,41 98,98 5,72-10-9
Коэффициенты Стандартная ошибка 1-статистика Р-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
У-пересечение РЬ 103,38* 1,14* 11,98 0,11 8,63 9,95 5,35-10-8 5,72-10-9 78,31 0,9 128,46 1,38 78,31 0,9 128,46 1,38
Параметры регрессии РЬ/нефтепродукты
Множественный R 0,69
Я-квадрат 0,47
Нормированный Я-квадрат
0,44
Стандартная ошибка 67,85
а/ 55 М5 Значимость F
Регрессия 1 78046,14 78046,14 16,96 5,8610-4
Остаток 19 87457,4 4603,02
Итого 20 165503,54
Коэффициенты Стандартная ошибка 1-статистика Р-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
У-пересечение -0,65 20,15 -0,03 0,97 -42,81 41,52 -42,81 41,52
Нефтепродукты 0,02* 4,1710-3 4,12 5,86-10-4 8,43 10-3 0,03 8,43-10-3 0,03
Параметры регрессии РЬ/Си
Множественный R 0,88
Я-квадрат Нормированный 0,78 0,77 44,09
Я-квадрат Стандартная ошибка
а/ М5 Е Значимость F
Регрессия 1 128561,85 128561,85 66,12 1,31-10"'
Остаток 19 36941,69 1944,3
Итого 20 165503,54
У-пересечение Си Коэффициенты -49,24* 1,07* Стандартная ошибка 16,09 0,13 1-статистика -3,06 8,13 Р-Значение 6,4410-3 1,3110-7 Нижние 95% -82,92 0,8 Верхние 95% -15,56 1,35 Нижние 95,0% -82,92 0,8 Верхние 95,0% -15,56 1,35
Параметры регрессии Pb/Zn
Множественный R 0,92
Я-квадрат 0,84
Нормированный
0,83
Я-квадрат
Стандартная ошибка 37,45
а/ 55 М5 Е Значимость F
Регрессия 1 138849,1 138849,1 98,98 5,72 10-9
Остаток 19 26654,44 1402,87
Итого 20 165503,54
Коэффициенты Стандартная ошибка 1-статистика Р-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
У-пересечение -67,28* 14,81 -4,54 2,2310-4 -98,28 -36,27 -98,28 -36,27
7и 0,74* 0,07 9,95 5,72-10-9 0,58 0,89 0,58 0,89
Параметры регрессии Cd/Нефтепродукты
Множественный R 0,69
Я-квадрат Нормированный 0,48
Я-квадрат Стандартная ошибка 0,45 0,42
а/ 55 М5 Е Значимость Е
Регрессия Остаток 1 19 3 3,32 3 0,17 17,2 5,47 10-4
Итого 20 6,32
Стандартная
Коэффициенты ошибка 1-статистика Р-Значение Нижние 95% Верхние 95% Нижние 95,0% Верхние 95,0%
У-пересечение 0,4* 0,12 3,25 4,1910-3 0,14 0,66 0,14 0,66
Нефтепродукты 1,0610-4* 2,57-10-5 4,15 5,4710-4 5,27 10-5 1,610-4 5,27 10-5 1,610-4
Параметры регрессии С^Си
Множественный R Я-квадрат Нормированный Я-квадрат Стандартная ошибка 0,5
0,25
0,21
0,5
а/ 55 М5 Е Значимость F
Регрессия Остаток Итого 1 1,6 1,6 6,44 0,02
19 4,72 0,25
20 6,32
Стандартная ошибка
У-пересечение Си Коэффициенты 0,38* 1-статистика Р-Значение 0,05 0,02 Нижние 95% Верхние 95% 0,76 6,91 ■ 10-3 Нижние 95,0% Верхние 95,0%
0,18 2,1 210-3 210-3 0,76
3,7910-3* 1,4910-3 2,54 6,6410-4 6,6410-4 6,91 ■ 10-3
Чтобы оценить значимость коэффициентов регрессии, приведенных в табл. 3, необходимо сравнить полученные для них значения /-статистики с критическим значением [2]. При уровне значимости а = 0,05 и степенях свободы / = 19 критическое значение /-статистики составляет 2,093. Если значение /-статистики, приведенное в табл. 3, больше критического, то коэффициент признается значимым. В противном случае коэффициент исключается из уравнения регрессии. Значимые значения коэффициентов регрессии обозначены в табл. 3 звездочкой. По найденным коэффициентам, приведенным в табл. 3, были построены уравнения регрессии и определены для них доверительные интервалы [2]. Они приведены в табл. 4.
Таблица 4
Уравнения линейной регрессии
Определяемое содержание компонента Уравнения регрессии Доверительный интервал регрессии Д = 5*г(0,05; 19)
Нефтепродукты (НП) НП = 37,564*[Си]; ±4980
НП = 25,099*|Тл]; ±4905
НП = 1751,1 + 27,491*[РЬ]; ±5684
НП = 4464,222*^] ±5665
Си Си = 45,85 + 0,016*[НП]; ±102,2
Си = 0,618*рп]; ±57,4
Си = 57,5 + 0,724*[РЬ]; ±75,8
Си = 66,893*[Са] ±138,7
7п 7п = 87,4 + 0,024*[НП]; ±152,2
7п = 1,412*[Си]; ±86,7
7п = 103,4 + 1,138*[РЬ] ±97,4
РЬ РЬ = 0,017*[НП]; ±142,0
РЬ = 1,073*[Си] - 49,2; ±92,3
РЬ = 0,737*^п] - 67,3 ±78,4
са Са = 0,404 + 0,000106 *[НП]; ±0,875
Са = 0,383 + 0,00379*[Си] ±1,044
Чтобы более подробно проанализировать полученные уравнения регрессии, рассмотрим их графическую интерпретацию (рис. 2).
ВЕСТНИК КамчатГТУ
№ 36, июнь 2016 г.
Из графиков, приведенных на рис. 2, видно, что содержания компонентов существенно разбросаны относительно линиЙ регрессии. Это обуславливает высокие значения доверительных интервалов. Для снижения разброса следует выявить сомнительные содержания компонентов. В данном случае таковым является содержание свинца в количестве 344 мг/кг. Из графиков, приведенных на рис. 2, видно, что это значение существенно отклоняет линии регрессии от их наиболее вероятного положения, обусловленного б ольшим числом наблюдаемых значениЙ. Мы исключаем это значение из выборки и проводим повторныЙ анализ по описанноЙ выше схеме. Результаты повторного анализа приведены в табл. 5.
Таблица 5
Результаты повторного регрессионного анализа
Определяемое содержание компонента Уравнения регрессии Доверительный интервал регрессии Д = S*<0,05;1 9)
Нефтепродукты (НП) НП = 37,564*[Cu]; ±4980
НП = 25,099*[Zn]; ±4905
НП = 1246,9 + 47,704*[Pb]; ±4313
НП = 4464,222*[Cd] ±5665
Cu Cu = 45,85 + 0,016*[НП]; ±102,2
Cu = 0,618*[Zn]; ±57,4
Cu = 49,85 + 0,994*[Pb]; ±49,9
Cu = 66,893*[Cd] ±138,7
Zn Zn = 87,4 + 0,024*[НП]; ±152,2
Zn = 1,412*[Cu]; ±86,7
Zn = 89,8 + 1,617*[Pb] ±41,7
Pb Pb = 0,0146*[НП]; ±75,0
Pb = 0,85*[Cu] - 36,0; ±54,5
Pb = 0,598*[Zn] - 52,3 ±25,3
Cd Cd = 0,404 + 0,000106*[НП]; ±0,875
Cd = 0,383 + 0,00379*[Cu] ±1,044
При сравнении доверительных интервалов уравнений регрессии, приведенных в табл. 4 и 5, видно, что точность определения свинца стала примерно в три раза выше. Это подтверждает правильность выбора аномального содержания компонента донных отложений. Несмотря на это, полученные доверительные интервалы слишком широки. Этот факт не позволяет обеспечить необходимую точность определения содержаний компонентов донных отложений на уровне методов химического анализа. Однако повышенное содержание одного из рассматриваемых компонентов свидетельствует о комплексности загрязнения донных отложений Авачинской губы. В данном случае полученные уравнения могут применяться для качественного или полуколичественного определения состава донных отложений. На этом основании могут приниматься решения о проведении более детальных исследований.
Выводы
Результаты выполненной работы позволяют сделать следующие выводы:
1. Между содержаниями загрязняющих веществ в донных отложениях Авачинской губы существуют корреляционные зависимости.
2. На основании этих зависимостей построены уравнения регрессии, которые могут быть использованы для предварительной оценки содержаний загрязняющих веществ в донных отложениях Авачинской губы.
Литература
1. РД 52.24.609-2013. Организация и проведение наблюдений за содержанием загрязняющих веществ в донных отложениях водных объектов. - Ростов н/Д: Росгидромет, 2013. - 43 с.
2. Смагунова А.Н., Карпукова О.М. Методы математической статистики в аналитической химии: учеб. пособие. - Ростов н/Д: Феникс, 2012. - 346 с.
3. Информатика. Базовый курс / под ред. С.В. Симоновича. - 2-е изд. - СПб.: Питер, 2007. -640 с.
4. Горелова Г.В., Кацко И.А. Теория вероятностей и математическая статистика в примерах и задачах с применением Excel. - Ростов н/Д: Феникс, 2005. - 480 с.
5. Тяжелые металлы и углеводороды в донных осадках речной сети на севере Читинской области / Л.В. Замана, М.Т. Усманов, О.В. Глушенкова, И.И. Маринайте // География и природные ресурсы. - 2007. - № 1. - С. 64-69.
6. Котельянец Е.А., Коновалов С.К. Распределения тяжелых металлов в донных отложениях Феодосийского залива // Экологическая безопасность прибрежных и шельфовых зон и комплексное использование ресурсов шельфа. - Севастополь: ЭКОСИ-Гидрофизика, 2008. -Вып. 17. - С. 171-175.
7. Установление источников повышенного риска и оценка воздействия на морскую акваторию Авачинской губы в районах мест бункеровки, разработка программы благоустройства мест бункеровки с целью предупреждения ЧС(Н): отчет о разработке природоохранного мероприятия / ФГУ «Камчаттехмордирекция»; координация групп по разработке: Касперович Е.В. - Петропавловск-Камчатский, 2009. - 409 с.
8. ГОСТ 17.1.5.01-80. Охрана природы. Гидросфера. Общие требования к отбору проб донных отложений водных объектов для анализа на загрязненность. - М.: Изд-во стандартов, 1981. - 7 с.
9. Смагунова А.Н., Шмелева Е.И., Швецов В.А. Алгоритмы оперативного и статистического контроля качества работы аналитической лаборатории: метод. руководство. - Новосибирск: Наука, 2008. - 60 с.
Информация об авторах Information about authors
Касперович Екатерина Владимировна - Федеральное государственное бюджетное учреждение «Камчатская дирекция по техническому обеспечению надзора на море»; 683031, Россия, Петропавловск-Камчатский; кандидат биологических наук; директор; kasperovichev@mail.ru
Kasperovich Ekaterina Vladimirovna - Federal State Budgetary Organization «Kamchatka's Directorate for Technical Supply of Sea Supervision»; 683031, Russia, Petropavlovsk-Kamchatskу; Candidate of Biological Sciences; Director; kasperovichev@mail.ru
Швецов Владимир Алексеевич - Камчатский государственный технический университет; 683003, Россия, Петропавловск-Камчатский; доктор химических наук, доцент, профессор кафедры электро- и радиооборудования судов; oni@kamchatgtu.ru
Shvetsov Vladimir Alekseevich - Kamchatka State Technical University; 683003, Russia, Petropavlovsk-KamchatskY; Doctor of Chemical Sciences; Associate Professor, Professor of Electrical and Radio Equipment of Ships Chair; oni@kamchatgtu.ru
Петренко Олег Евгеньевич - Федеральное государственное бюджетное учреждение «Камчатская дирекция по техническому обеспечению надзора на море»; 683031, Россия, Петропавловск-Камчатский; инженер-гидролог отдела информационно-аналитической работы и планирования; poe_kam@mail.ru
Petrenko Oleg Evgenevich - Federal State Budgetary Organization «Kamchatka's Directorate for Technical Supply of Sea Supervision»; 683031, Russia, Petropavlovsk-Kamchatskу; Engineer-hydrologist of Information and Analytical Work and Planning Department; poe_kam@mail.ru
Арчибисов Дмитрий Александрович - Федеральное государственное бюджетное учреждение «Камчатская дирекция по техническому обеспечению надзора на море»; 683031, Россия, Петропавловск-Камчатский; заместитель директора; d.a.archibisov@mail.ru
Archibisov Dmitry Aleksandrovich - Federal State Budgetary Organization «Kamchatka's Directorate for Technical Supply of Sea Supervision»; 683031, Russia, Petropavlovsk-Kamchatskу; Deputy Director; d.a.archibisov@mail.ru
Лякишев Михаил Сергеевич - Федеральное государственное бюджетное учреждение «Камчатская дирекция по техническому обеспечению надзора на море»; 683031, Россия, Петропавловск-Камчатский; кандидат экономических наук; инженер по охране окружающей среды; lyakishev-kstu@mail.ru
Lyakishev Mikhail Sergeevich - Federal State Budgetary Organization «Kamchatka's Directorate for Technical Supply of Sea Supervision»; 683031, Russia, Petropavlovsk-Kamchatskу; Candidate of Economic Sciences; Environmental Engineer; lyakishev-kstu@mail.ru
