CC BY
9
УДК 504.06
12Ю.А. Тунакова, 12С.В. Новикова, 2А.Р. Шагидуллин, 2В.С. Валиев
'Казанский национальный исследовательский технический университет
им. А.Н. Туполева - КАИ, juliaprof@mail.ru 2Институт проблем экологии и недропользования АН РТ, podrost@mail.ru
РАСЧЕТ ПОРОГОВЫХ КОНЦЕНТРАЦИЙ МЕТАЛЛОВ В ПОЧВАХ И СНЕЖНОМ ПОКРОВЕ НА ОСНОВЕ ИХ РЕГИОНАЛЬНЫХ РЕФЕРЕНСНЫХ ЗНАЧЕНИЙ В БИОСРЕДАХ ЧЕЛОВЕКА
Предложена и апробирована методология расчета пороговых концентраций эссенциальных и токсичных металлов в снежном покрове и почвах г. Казани, не приводящих к повышению их региональных референсных значений в крови и волосах детей-подростков.
Ключевые слова: металлы; пороговые концентрации, региональные референсные значения; снежный покров; почва; кровь; волосы; нейросетевое моделирование.
Введение
На основании анализа работ основоположников изучения урбоэкосистем (Израэль и др., 1988; Воробейчик и др., 1994; Перельман, Касимов, 2000; Фрумин, 2000), эти системы можно рассматривать как системный набор компонентов, взаимосвязанных между собой потоками вещества: 1) приземный слой атмосферного воздуха; 2) биологические объекты; 3) депонирующие среды.
В качестве компонентов урбоэкосистемы мы рассматривали приземный слой атмосферного воздуха, который формируется под действием стационарных и передвижных источников загрязнения, снежный и почвенный покровы, статичные (волосы) и динамичные (кровь) биосреды организма детей-подростков, высокая чувствительность которых к полиметаллическому загрязнению объектов окружающей среды обоснована в работах (Авцын, 1991; Вельтищев, 1999; Ба-бенко, 2000; Мальцев и др., 2001; Ревич, 2002). Металлы мигрируют в урбоэкосистеме, отражая взаимосвязь между ее компонентами (Добровольский, 1980; Голенецкий, 1981; Елпатьевский, 1993). Приоритетность исследования металлов обусловлена их большой устойчивостью, интенсивностью вовлечения в биогенную миграцию и замедленной элиминацией из организма человека (Зигель Х., Зигель Л., 1993; Ревич, 2002; Скальный, 2004). Доминирующим путем поступления металлов в урбоэкосистемах является аэрогенный путь - с выбросами стационарных и передвижных источников загрязнения. Для него характерна малая интенсивность в течение длительного времени (Экогеохимия ..., 1995). Металлы, как и другие приоритетные загрязняющие вещества,
можно рассматривать в качестве аттракторов, характеризующих изменчивость состояния урбоэ-косистем и позволяющих оценить риск их перехода в неустойчивое состояние (Потапов и др., 2005; Боев, 2007; Тунакова и др., 2014).
Материалы и методы исследования
Расчет пороговых концентраций металлов проводился таким образом, чтобы их содержание в компонентах внешней среды на исследуемой территории не приводило к повышению региональных референсных значений в крови и волосах детей-подростков. Референсные значения были определены статистически (как медиана ранжированного ряда экспериментальных измерений) на основании ретроспективных популя-ционных исследований содержания металлов в биосердах детского населения (9-12 лет) городов Республики Татарстан. Общий объем выборки составил 342 человека.
В качестве исходных данных для расчетов использовали концентрации металлов в снежном покрове (суммарное поступление их растворенных форм и пылевых выпадений), почвах (подвижные формы, экстрагируемые ацетатно-аммо-нийным буфером с рН 4.8), а также результаты анализа крови и волос детей-подростков г. Казани с территориальной привязкой. Апробация системы расчета проводилась для эссенциальных (цинк, медь) и токсичных (свинец, хром) металлов, поступающих в значительных количествах с выбросами стационарных и передвижных источников загрязнения г. Казани.
Для расчета пороговых концентраций металлов было необходимо построить модель, способ-
российский журннл ииой экологии
Таблица. Показатели относительных ошибок и ошибок обучения нейросетевых моделей для разных депонирующих сред
№ модели Металл, депонирующая среда Ошибка обучения Среднеквадратическое отклонение Относительная ошибка, %
1 2п, снег 0.21 26.37 7.82
2 2п, почва 0.19 15.87 37.65
3 Си, снег 0.13 10.51 5.98
4 Си, почва 0.28 1.68 34.76
5 РЬ, снег 0.26 5.61 8.95
6 РЬ, почва 0.08 1.48 6.18
7 Сг, снег 0.06 1.06 2.30
8 Сг, почва 0.12 0.16 3.98
ную отражать зависимость между их содержанием в биосредах человека и депонирующих средах. Входные параметры модели: содержание металла в волосах (х1) и в сыворотке крови (х2); выходные параметры: содержание металла в снежном покрове (у1) и в почвах (у2) (подвижные формы).
Следует учесть, что вид регрессионной зависимости не очевиден и имеет явно нелинейный характер. Очевидно, что содержание того или иного металла в крови и в волосах человека взаимосвязано. Однако эта взаимосвязь имеет значительный временной лаг, определяемый коэффициентами биологического накопления тех или иных металлов и скоростью роста волос, что позволяет выявить ее лишь при постоянно действующих (хронических) факторах воздействия (Авцын, 1991; Бабенко и др., 2000; Мальцев и др., 2001; Ревич, 2002; Скальный, 2004). При таких условиях с задачей моделирования лучше всего справляются искусственные нейронные сети, являющиеся универсальными аппроксиматорами, способными отразить произвольную неявную зависимость любой сложности с заданной точностью (Рутковская и др., 2006).
Для задач регрессии наиболее подходящими парадигмами нейросетей признаны многослойные персептроны (МЬР-сети) с линейными (линейные МЬР-сети) и нелинейными нейронами (функциями активации нейронов) (Осовский, 2002). Таким образом, на предварительном этапе моделирования строится коллектив нейросетевых экспертов (Тунакова и др., 2012), который принимает решение своеобразным «голосованием» по точности.
В условиях перманентного воздействия фактора, определяющего поступление металлов в сре-
ду, основные расчетные модели должны строиться с учетом взаимного влияния входов при формировании выхода, то есть в моделях должны присутствовать значения содержания металла в обоих биосредах одновременно.
Для моделирования зависимости между содержанием металлов в снежном и почвенном покровах и содержанием металлов в волосах и крови детского населения заданной территории, были построены нейронные сети типа MLP с двумя входами и одним выходом. Внутренняя структура расчетной MLP-модели для каждого металла подбиралась индивидуально в ходе экспериментов из условия минимизации среднеквадратиче-ской ошибки на обучающем множестве.
Результаты моделирования представлены в таблице и на рисунке 1. При этом ошибка обучения характеризует точность модели на тренировочных данных и используется для оценки адекватности предложенной нейросетевой топологии. Два других параметра - среднеквадратическое отклонение и относительная ошибка - характеризуют точность работы модели на данных, не участвующих в непосредственном обучении. Наиболее информативным является второй из данных параметров, так как он дает представление об отклонениях модельных данных от реальных в масштабе измеряемых величин.
Таким образом, модели, приведенные в таблице, обладают достаточной степенью точности и по результатам анализа признаются адекватными. Всего было построено 8 моделей «содержание металла в биосубстрате-содержание металла в депонирующей среде» с относительными ошибками в диапазоне 2,30%- 37,65%. Далее проводилось непосредственное определение пороговых концентраций металлов в депонирующих средах.
Для дальнейших расчетов были составлены пары входных значений, обрабатываемые последовательно разработанными моделями 1-8, приведенными в таблице. В результате были получены следующие пороговые концентрации металлов в депонирующих средах (рис. 2).
Рис. 1. Кумулятивные кривые аппроксимаций разных моделей, указывающих на соответствие реально измеренных и рассчитанных моделью значений
Заключение
Установлено, что в условиях перманентного воздействия факторов, определяющих поступление металлов в среду, основные расчетные модели должны строиться с учетом взаимного влияния входов при формировании выхода, то есть в моделях должны присутствовать значения содержания металла в обоих биосредах одновременно. Упрощение расчетных моделей за счет игнорирования влияния подобной взаимозависимости нецелесообразно. Небольшая, с учетом
сложности моделирования, относительная ошибка позволяет использовать разработанные модели для определения пороговых концентраций металлов в почвенном и снежном покровах, исходя из условия непревышения их региональных референсных концентраций в волосах и крови детского населения. Таким образом, обоснована и апробирована методология расчета пороговых концентраций металлов в депонирующих средах г. Казани, не приводящих к повышению их региональных референсных значений в крови и воло-
58
российски журнал прикладной экологии
Региональные референсные концентрации в биосредах
Zn, волосы - 135.0 мг/кг Zn, кровь - 0.908 мкг/мл
Cu, волосы - 11.3 мг/кг Си, кровь - 0.955 мкг/мл
Pb, волосы - 2.995 мг/кг Pb, кровь - 0.030 мкг/мл
Cr, волосы - 0.510 мг/кг Cr, кровь - 0.031 мкг/мл
Модель Пороговые концентрации в депони рующих средах
1 Zn, снег - 21.16 мкг/л
2 Zn, почва - 2.40 мг/кг
3 Си, снег - 13.59 мкг/л
4 Си, почва - 2.56 мг/кг
5 РЬ, снег - 4.99 мкг/л
6 РЬ, почве - 6.92 мг/кг
7 Сг, снег - 5.10 мкг/л
8 Сг, почва - 0.32 мг/кг
Рис. 2. Референсные концентрации в биосредах и пороговые концентрации металлов
в снежном покрове и почвах г. Казани
сах детей-подростков.
Работа выполнена при финансовой поддержке РФФИ и Правительства Республики Татарстан в рамках научного проекта №18-41-160020/18.
Список литературы
1. Авцын А.П., Жаворонков А.А. Микроэлементозы человека. М.: Медицина, 1991. 496 с.
2. Бабенко О.В., Агапов В.И., Авхименко М.М Экстремальное химическое воздействие соединениями тяжелых металлов: первыми страдают дети // Медицинская помощь. 2000. №6. С. 35-39.
3. Боев В.М., Верещагин Н.Н., Боев М.В., Фролова Е.Г. Региональные особенности межсредового перехода биоэлементов в системе «среда обитания-человек» // Биоэлементы / Матер. II междунар. научно-практ. конф. Оренбург, 2007. С.289-293.
4. Вельтищев Ю.Е. Экологически детерминированные нарушения состояния здоровья детей // Российский педиатрический журнал. 1999. №3. С. 7-8.
5. Воробейчик Е.Л., Садыков О.Ф., Фарафонтов М.Г. Экологическое нормирование техногенных загрязнений наземных экосистем. Екатеринбург: Наука, 1994. 280 с.
6. Голенецкий С.П., Жигаловская Т.Н., Голенецкая С.И. Роль атмосферных выпадений в формировании микроэлементного состава почв и растений // Почвоведение. 1981. №2. С. 41-48.
7. Добровольский В.В. Тяжелые металлы: загрязнение окружающей среды и глобальная геохимия // Тяжелые металлы в окружающей среде М.: Изд-во МГУ, 1980. С. 3-12.
8. Елпатьевский П.В. Геохимия миграционных потоков в природных и природно-техногенных геосистемах. М., 1993. 253 с.
9. Зигель Х., Зигель Л. Некоторые вопросы токсичности ионов металлов. М.: Мир, 1993. 386 с.
10. Израэль Ю.А., Семенов С.М., Кунина И.М. Комплексный подход к экологическому нормированию загрязнения воздуха // Проблемы экологического мониторинга и
моделирования экосистем. Л., 1988. Т. 11. С. 10-23.
11. Экогеохимия городских ландшафтов / Под ред. Н.С. Касимова. М.: Изд-во МГУ, 1995. 336 с.
12. Мальцев С.В., Зигангареева Г.Г., Валиев В.С. Региональные различия содержания микроэлементов в биосредах подростков // Современные проблемы геохимической экологии болезней / Материалы и тезисы докладов 1 Международного симпозиума. Чебоксары, 2001. С. 71.
13. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. 344 с.
14. Перельман А.И., Касимов Н.С. Геохимия ландшафта. М.: Астерия-2000, 1999. 768 с.
15. Потапов А.И., Воробьев В.Н., Карлин Л.Н., Муза-левский А.А. Мониторинг, контроль, управление качеством окружающей среды. СПб: РГГМУ, 2005. 600с.
16. Ревич Б.А. К определению перечня приоритетных загрязняющих веществ в окружающей среде городов России // Токсикологический вестник. 2002. №35. С. 6-12.
17. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. М. Горячая линия-Телеком, 2006. 452 с.
18. Скальный А.В. Химические элементы в физиологии и экологии человека. М.: Мир. Оникс 21 век, 2004. 216 с.
19. Тунакова Ю.А., Шагидуллина Р.А., Новикова С.В., Шмакова Ю.А. Распознавание групп неблагоприятных метеорологических условий формирования высокого уровня загрязнения атмосферного воздуха в зонах действия полимерных производств (на примере Нижнекамска). Сообщение 3 // Вестник Казанского технологического университета. 2012. Т. 15, №16. С. 119-121
20. Тунакова Ю.А., Шагидуллина Р.А., Новикова С.В., Валиев В.С. Методология определения нормативов качества для приоритетных загрязняющих веществ в различных средах // Безопасность жизнедеятельности. 2014. № 7. С. 26-29.
21. Фрумин Г. Т. Экологическая химия и экологическая токсикология. СПб: Изд-во РГГМУ, 2000. 198 с.
Yu.A. Tunakova, S.V. Novikova, A.R. Shagidul-lin, VS. Valiev. Calculation of threshold concentrations of metals in soils and snow cover based on their regional reference values in human blood and hair.
The methodology for calculating threshold concentrations of essential and toxic metals in the snow
cover and soils of Kazan, which do not lead to an increase in their regional reference values in the blood and hair of teenage children is proposed and tested.
Keywords: metals; threshold concentrations; regional reference values; snow cover; soil; blood; hair; neural network modeling.
Информация об авторах
Тунакова Юлия Алексеевна, доктор химических наук, профессор, зав. кафедрой, Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ, Россия, 420126, г. Казань, ул. Четаева, 18, E-mail: juliaprof@mail.ru.
Новикова Светлана Владимировна, доктор технических наук, доцент, профессор, Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ, Россия, 420111, г Казань, ул. Большая Красная, 55, E-mail: sweta72@bk.ru.
Шагидуллин Артур Рифгатович, кандидат физико-математических наук, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, Россия, 420087, г. Казань, ул. Даурская, 28, E-mail: Artur.Shagidullin@tatar.ru.
Валиев Всеволод Сергеевич, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г Казань, ул. Даурская, 28, E-mail: podrost@mail.ru.
Information about the authors
Yulia A. Tunakova, D.Sc. in Chemistry, Professor, Head of Department, Kazan National Research Technical University named after A. N. Tupolev - KAI, 18, Chetaeva st., Kazan, 420126, Russia, E-mail: juliaprof@mail.ru.
Svetlana V. Novikova, D.Sc. in Technology, Associate Professor, Professor, Kazan National Research Technical University named after A. N. Tupolev - KAI, 55, Bolshaya Krasnaya st., Kazan, 420111, Russia, E-mail: sweta72@bk.ru.
Artur R. Shagidullin, Ph.D. in in Mathematic, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: Artur.Shagidullin@tatar.ru.
Vsevolod S. Valiev, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, Russia, 420087, E-mail: podrost@mail.ru.
60
российски иол ОРИИОЙ экологии
