CC BY
38
УДК 579.68
Д.В. Иванов, В.С. Валиев, Д.Е. Шамаев, Р.Р. Хасанов
Институт проблем экологии и недропользования АН РТ, [email protected]
СИСТЕМА АНАЛИТИЧЕСКИХ АЛГОРИТМОВ ЦИФРОВОЙ ТРАНСФОРМАЦИИ ДАННЫХ ЭКОЛОГИЧЕСКОГО МОНИТОРИНГА
В статье представлена система цифровой трансформации данных мониторинга, позволяющая автоматически рассчитывать удельные комбинаторные индексы загрязненности воды и донных отложений водных объектов и получать их обобщенные оценки с указанием приоритетных загрязнителей и наиболее загрязненных сред. Результаты исследования направлены на обеспечение внедрения в систему экологического мониторинга современных алгоритмов обработки непрерывных потоков данных о содержании загрязняющих веществ в окружающей среде.
Ключевые слова: мониторинг; качество воды и донных отложений; индексы загрязненности; цифровизация.
DOI: https://doi.Org/10.24852/2411-7374.2022.3.21.29
Введение
Внедрение современных алгоритмов обработки непрерывных потоков данных, в том числе данных о содержании в окружающей среде загрязняющих веществ, является одним из приоритетных направлений научных исследований в области экологического мониторинга. Существенной особенностью мониторинга водных объектов является необходимость одновременной оценки взаимодействующих потоками вещества и энергии природных сред - воды и донных отложений. Это обстоятельство обусловливает разработку расчетных систем, способных агрегировать оценку состояния множества определяемых показателей в виде единой интегральной характеристики, обеспечить ее однозначную интерпретацию и возможность для анализа пространственно-временного распределения загрязняющих веществ в системе вода-донные отложения.
На сегодняшний день результаты мониторинга донных отложений представляются в виде абсолютных концентраций загрязняющих веществ (тяжелых металлов, нефтепродуктов, ПАУ, пестицидов и т.д.), иногда дополняемых расчетами коэффициентов загрязнения и суммарного показателя загрязнения. Возможности применения результатов мониторинга донных отложений в системе управления природопользованием ограничены отсутствием нормативно закрепленных критериев загрязненности, а также соответствующих алгоритмов, формализующих в единый показатель весь спектр содержащихся в осадках загрязняющих веществ. Проблема осложняется игнорированием природной вариации состава и
свойств донных отложений, формирующих фоновые концентрации веществ двойного генезиса и их сорбционные свойства в отношении токсикантов, накапливающихся в осадках в результате техногенного поступления.
Гидрохимическая характеристика поверхностных вод основывается на интегральных обобщениях, приводящих весь спектр аналитических параметров к качественным характеристикам, необходимым для простых логических интерпретаций многомерных определений. Оценка качества вод по гидрохимическим показателям производится по величине удельного комбинаторного индекса загрязненности (УКИЗВ) (Никаноров, Емельянова, 2005), алгоритм расчета которого сформулирован в РД 52.24.643-2002 «Методические указания. Метод комплексной оценки степени загрязненности поверхностных вод по гидрохимическим показателям». УКИЗВ - это условная безразмерная величина, отражающая долю загрязняющего эффекта, вносимого каждым из устанавливаемых по результатам мониторинга показателей загрязненности воды, приведенная к средневзвешенному значению. Для каждого из учитываемых в расчете показателей качества вод используются такие характеристики, как кратность превышения предельно допустимых концентраций, а также частота обнаружения концентраций, превышающих ПДК. Расчетный алгоритм базируется на вероятностных оценках величин отдельных показателей. Методология вероятностных характеристик, лежащая в основе расчета удельного комбинаторного индекса загрязненности вод, позволяет адаптировать ее и к оценке загрязненности дон-
20
российский журннл мной экологии
Таблица 1. Классификация качества донных отложений качества содержит 5 классов и 9 разно значению удельного комбинаторного индекса загрязненности рядов КаЧесТВа донных отаожений
(YKH3flO)
Table 1. Classification of sediments quality by the specific combinatorial pollution index (SCPI)
УКИЗДО SCPI Класс и разряд Class and discharge Характеристика состояния загрязненно сти донных отложений Sediments pollution characteristics state
<1 1 Условно чистые
1-3 2 Слабо загрязненные
3-6 3 Загрязненные
3-5 3а Загрязненные
5-6 3б Очень загрязненные
6-12 4 Грязные
6-8 4а Грязные
8-9 4б Грязные
9-10 4в Очень грязные
10-12 4г Очень грязные
>12 5 Экстремально грязные
ных отложений.
Ранее (Валиев, Иванов, Шагидуллин, 2019) нами была показана возможность применения алгоритма расчета удельного комбинаторного индекса загрязненности воды для комплексной оценки загрязненности донных отложений тяжелыми металлами (ТМ). Предложенная схема расчета использует частотные характеристики рядов данных о содержании валовых и подвижных форм ТМ в отложениях, балльную оценку этих характеристик и приведение их к соответствующим классам загрязненности, аналогичным классам загрязненности воды. Комплексными показателями загрязненности донных отложений являются: 1) удельный комбинаторный индекс загрязненности донных отложений (УКИЗДО), 2) класс качества донных отложений, 3) степень загрязненности донных отложений.
Оценочная шкала формируется с учетом класса опасности загрязняющих веществ, а также реально наблюдаемых диапазонов их концентраций в донных отложениях. Границами шкалы служат осредненные частотные характеристики вариационных рядов содержаний загрязняющих веществ в пробах отложений, отнесенные к их медиане. Уровень загрязненности донных отложений оценивается относительной характеристикой, рассчитанной сопоставлением фактических концентраций с региональными фоновыми значениями. Неоднородность гранулометрического состава отложений в алгоритме расчета УКИЗДО корректирует расчет интегрального показателя с помощью соответствующих коэффициентов. Шкала
- от «чистых» 1 класса до «экстремально грязных» 5 класса (табл. 1).
Оценка загрязненности донных отложений водного объекта может быть проведена для любого водного объекта (участка) за любой определенный промежуток времени и по любому набору показателей. Количество показателей, которое используется в расчетах УКИЗДО, определяется наличием пороговых значений (нормативов содержания).
Для донных отложений водных объектов Республики Татарстан установлены нормативы фонового содержания 8 ТМ (кислотораство-римые и подвижные формы) (Региональные ... 2019) и нефтепродуктов (Региональные ..., 2020), таким образом, максимальное количество показателей, которые можно использовать в расчетах УКИЗДО, равно 17.
Комбинаторные индексы загрязненности донных отложений могут быть рассчитаны по содержанию: а) валовых (кислоторастворимых) форм ТМ, б) подвижных форм ТМ, в) нефтепродуктов, г) по совокупности показателей загрязненности. С целью сравнения качества донных отложений различных водных объектов по величине УКИЗДО для его расчетов должен использоваться один и тот же перечень показателей.
Прикладная реализация комплексной экологической оценки состояния водного объекта по результатам мониторинга требует создания системы взаимосвязанных алгоритмов, обеспечивающих хранение, обработку и интерпретацию получаемых данных. Нами разработана аналитическая система, позволяющая решать широкий спектр подобных задач, важнейшими из которых являются: сравнительная оценка загрязненности водных объектов, пространственная характеристика загрязненности водного объекта, характеристика загрязненности водного объекта во времени, определение приоритетных показателей загрязнения (факторов риска). С целью автоматизации расчета показателей загрязненности воды и донных отложений было разработано локальное приложение «УКИЗВ-Р1ш», реализованное в виде трех модулей, осуществляющих расчет удельных комбинаторных индексов загрязненности воды и донных отложений, комплексную оценку загрязненности водного объекта и вероятностную оценку загрязнения. Программа написа-
на на языке Object Pascal в среде Delphi 10 и представляет собой компактное приложение Windows, выполненное в виде формы, на которой размещен соответствующий интерфейс (Валиев, Хасанов, Шамаев, 2021).
Для характеристики качества воды и донных отложений по показателям загрязненности в программном комплексе заложен алгоритм расчета удельного комбинаторного индекса загрязненности воды (РД 52.24.643-2002), а также методика расчета удельного комбинаторного индекса загрязненности донных отложений ТМ и нефтепродуктами (Валиев, Иванов, Шагидуллин, 2019), в качестве пороговых значений использующая их региональные фоновые нормативы.
Весовые коэффициенты, корректирующие вклады различных индексов (УКИЗВ, УКИЗДО) в итоговую интегральную характеристику, рассчитываются по числу учитываемых в каждой среде водного объекта показателей следующим образом:
где wi -весовой коэффициент 1-ого индекса (вода, ТМ в донных отложениях, нефтепродукты в донных отложениях), П1 - число параметров ¿-го индекса; ^ п - сумма параметров всех индексов.
Индекс загрязненности водного объекта (WSPI) вычисляется как сумма произведений индексов загрязненности воды и донных отложений с их весовыми коэффициентами:
\VSPI = ^ IV;
где Si - индексы загрязненности воды (донных отложений).
Классификация загрязненности водного объекта по величине индекса WSPI использует соответствующие диапазоны значений УКИЗВ (РД 52.24.643-2002) и также содержит 5 классов качества: от «условно чистых» 1 класса до «экстремально грязных» 5 класса.
Цель работы: апробация методики сравнительной оценки загрязненности водных объектов по показателям качества воды и донных отложений с применением программного комплекса «УКИЗВ-Иш».
Материалы и методы исследования
В работе использованы результаты мониторинга качества воды рек Казанка и Мелекеска, осуществляемого Министерством экологии и
природных ресурсов РТ, а также собственные данные, характеризующие качество воды и донных отложений указанных водных объектов за период 2014-2018 гг.:
264 пробы воды и 13 проб донных отложений р. Казанка,
46 проб воды и 24 пробы донных отложений р. Мелекеска.
Река Казанка - левый приток р. Волга, длина реки 140 км. Ее нижнее течение находится в подпоре Куйбышевского водохранилища, образуя Казанский залив. Казанка принимает промышленные и ливневые сточные воды г. Казани, а также значительные объемы диффузного стока с водосборной территории (Валиев и др., 2018).
Река Мелекеска - левый приток р. Кама второго порядка, длина реки 22 км. Нижнее течение реки находится в подпоре Нижнекамского водохранилища и подвержено влиянию неочищенных ливневых сточных вод с территории г. Набережные Челны. Степень загрязнения донных отложений р. Мелекеска нефтепродуктами и ТМ изменяется от умеренной до высокой (Иванов и др., 2020).
Анализ качества воды и донных отложений рек Казанка и Мелекеска выполнен по:
а) 19 гидрохимическим показателям (растворенный кислород, ХПК, БПК5, фенолы, нитраты, нитраты, аммоний, нефтепродукты, Cd, Pb, Co, Cu, Ni, Zn, Cr, Mn, железо, хлориды, сульфаты),
б) 17 показателям состава донных отложений (Cd, Pb, Co, Cu, Ni, Zn, Cr, Mn (кислотораствори-мые и подвижные формы), нефтепродукты).
Концентрации кислоторастворимых форм ТМ в донных отложениях определяли в вытяжке 5М HNO3, подвижных форм - в вытяжке ацетатно-ам-монийным буфером с рН 4.8. Концентрацию металлов в растворе измеряли атомно-абсорбцион-ным методом на приборе AAnalyst 400 (Perkin Elmer). Концентрацию нефтепродуктов в донных отложениях определяли по ПНД Ф 16.1:2.2.22-98.
В качестве пороговых значений использовали предельно допустимые концентрации загрязняющих веществ в воде (ПДКрх) и фоновые концентрации загрязняющих веществ (верхний предел) в донных отложениях, соответствующие их типу в указанных водных объектах (Региональные ..., 2019; Региональные ... 2020).
Результаты и их обсуждение
Значения обобщенных оценочных баллов и комбинаторных индексов загрязненности воды рек Казанка и Мелекеска представлены в таблице 2.
Весовой коэффициент воды в общем показате-
22
российский журнал ним экологии
Таблица 2. Показатели загрязненности вод рек Казанка и загрязнение нефтепродуктами, р. Мелеке-
Мелекеска
Table 2. Indicators of water pollution in Kazanka and Melekeska rivers
Показатели Indicators S6 об S * gen
р. Казанка Kazanka river р. Мелекеска Melekeska river
Аммоний / Ammonia 5.59 2.86
БПК5 / BOD 6.7 3.78
Fe 8.06 6.64
Cd 0 0
Кислород / Oxygen 4.27 1.62
Co 0 0
Mn 10.91 11.96
Cu 7.42 5.65
Нефтепродукты / Petroleum hydrocarbons 6.63 0
Ni 2.23 3.19
Нитраты / Nitrates 0 0
Нитриты / Nitrites 5.15 2.92
Pb 6.1 0
Сульфаты / Sulfates 9.37 0
Фенолы / Phenols 7.24 8.00
Хлориды / Chlorides 0 0
ХПК/COD 2.26 0
Cr 0 4.95
Zn 4.18 4.99
Syn (УКИЗВ) Ssp** (Water specific pollution index) 4.53 2.98
Характеристика загрязненности, класс качества Pollution characteristics, quality class Грязная, 4а класс Polluted, 4а class Очень загрязненная, 3б класс Very polluted, 3b class
* Sgen - generalized pollution index.
** Ssp - specific pollution index.
ле загрязненности исследуемых водных объектов равен 0.53. Согласно расчетам, воды р. Казанка в целом загрязнены сильнее, чем воды р. Мелеке-ска. Обобщенные оценочные баллы по Cr, Zn, Ni, Mn и фенолам были выше для вод р. Мелекеска. По четырем показателям (Cd, Co, нитраты, хлориды) их концентрации в воде не превышали ПДК за весь период наблюдений. Критическим показателем загрязненности вод р. Мелекеска является Mn, вод р. Казанка - Mn и сульфаты, которые здесь имеют природное происхождение, связанное с питанием реки подземными водами, насыщенными соединениями гипса. Особенностью вод р. Казанка также является их значительное
ска - хромом.
Исследованные донные отложения рек в основном представлены песчанистыми и глинистыми илами с содержанием органического вещества менее 12%.
Весовой коэффициент ТМ, присутствующих в составе донных отложений водных объектов, равен 0.44. В донных отложениях р. Мелекеска обобщенные оценочные баллы по кислотораствори-мым (за исключением Cd) и подвижным (за исключением № и Cd) формам ТМ оказались выше, чем в р. Казанка (табл. 3). По кислоторастворимым формам ТМ наибольший вклад в загрязненность донных отложений р. Казанка вносят РЬ и Cd, р. Мелекеска - 2п, РЬ и Мп. По подвижным формам это, соответственно, № и 2п в Казанке, 2п, Со и Мп в Мелекеске.
Весовой коэффициент нефтепродуктов, присутствующих в донных отложениях водных объектов, равен 0.03. Показатель загрязненности донных отложений в р. Мелекеска нефтепродуктами существенно выше, чем в р. Казанка (табл. 3).
По совокупности анализируемых загрязняющих веществ донные отложения обеих рек отнесены к 3 классу - загрязненные (табл. 3). Приоритетными загрязняющими веществами для них являются нефтепродукты ^об 5.07-8.53) и цинк ^об 3.92-8.88).
Интегральная оценка водного объекта по всем анализируемым показателям и средам выполнена путем агрегирования комбинаторных индексов с коррекцией весовыми коэффициентами.
Расчетная величина индекса загрязненности (WSPI) р. Казанка равна 4.10, р. Мелекеска - 4.14, что соответствует категории «грязный» 4а класса. Таким образом, оба водных объекта оцениваются как «грязные», однако характеристика и особенности загрязнения разных сред в них различаются. Для р. Казанка характерно большее загрязнение воды (табл. 2), а для р. Мелекеска - донных отложений (табл. 3).
Получаемые в результате расчетов комбинаторные индексы загрязненности будут справедливы только для конкретной совокупности исследуемых проб донных отложений. Более точную характеристику распределения в них загрязняющих веществ можно получить на основании сочетан-ных оценок, включающих, наряду с осредненны-ми и медианными, также и частотные показатели
Таблица 3. Показатели загрязненности донных отложений рек Казанка и Мелекеска Table 3. Indicators of sediments pollution in Kazanka andMelekeska rivers
Показатели Indicators р. Казанка, Sq6 Kazanka river, S * ' gen р. Мелекеска, Sq6 Melekeska river, S gen
Кислоторастворимые формы Acid-soluble forms Подвижные формы Movable forms Кислоторастворимые формы Acid-soluble forms Подвижные формы Movable forms
Pb 4.21 4.32 5.78 5.94
Cd 4.10 0 2.69 0
Zn 3.92 5.02 6.15 8.88
Cu 3.81 4.87 4.89 5.16
Co 3.54 3.72 5.04 7.55
Mn 2.74 2.64 5.62 7.36
Ni 2.64 5.78 4.89 5.11
Cr 1.94 3.27 4.40 4.32
(ТМ) „ Ssp (Heavy metals) ** 3.53 5.24
Характеристика загрязненности ТМ, класс качества Heavy metals pollution characteristics, quality class Загрязненные 3 а класс Очень загрязненные 3б класс
S (нефтепродукты) Sgen (petroleum hydrocarbons) 5.07 8.53
Характеристика загрязненности нефтепродуктами, класс качества Petroleum hydrocarbons pollution characteristics, quality class Очень загрязненные 3б класс Грязные 4б класс
Sw (УКИЗДО) Ssp (Specific combinatorial pollution index) 3.62 5.43
Характеристика загрязненности ТМ и нефтепродуктами, класс качества Heavy metals and petroleum hydrocarbons pollution characteristics, quality class Загрязненные 3 а класс Очень загрязненные 3б класс
* S ш - generalized pollution index.
** Sn - specific pollution index.
анализируемых рядов, важнейшими из которых являются вероятности превышения заданных порогов - фоновых концентраций.
Для получения таких оценок предлагается использовать алгоритм расчета относительной вероятности (R) превышения установленного порога в каждом образце по отношению к исследуемой выборке, рассчитываемого как доля показателей в образце, превышающая установленный порог (Валиев и др., 2021 а,Ь). Показатель относительной вероятности учитывает долю превысивших порог показателей в конкретном образце, а также долю этих показателей среди всех подобных пре-
вышений во всех образцах, то есть вес конкретного образца во всей их совокупности. Показатель Я есть вероятность того, что в конкретном образце (объекте) будет отмечено превышение порога хотя бы по одному анализируемому показателю.
Вероятности можно использовать в качестве исходных для построения интегральных критериев и оценок конкретных объектов исследования (локаций) с учетом состояния других аналогичных объектов. При этом подобные характеристики могут использоваться как в качестве самостоятельных вероятностных характеристик, так и в виде весовых коэффициентов, указывающих ме-
Таблица 4. Комбинаторные индексы загрязненности ТМ донных отложений озер Верхний, Средний и
Нижний Кабан
Table 4. Combinatorial indices of heavy metals pollution in sediments of Upper, Middle and Lower Kaban
lakes
ТМ Metals Верхний Кабан, S* Upper Kaban, S rr 5 gen Средний Кабан, S Middle Kaban, S ° gen Нижний Кабан, S „ ' об Lower Kaban, S gen
Кислото-растворимые формы Acid-soluble forms Подвижные формы Movable forms Кислото-растворимые формы Acid-soluble forms Подвижные формы Movable forms Кислото-растворимые формы Acid-soluble forms Подвижные формы Movable forms
Cd 2.33 3.97 9.11 9.71 6.79 6.56
Pb 5.02 4.74 4.86 5.41 5.45 6.02
Co 4.76 3.97 1.78 5.30 2.17 6.55
Cu 4.57 3.63 6.65 9.99 2.77 5.98
Ni 4.70 4.04 1.81 8.15 0 8.02
Zn 5.70 7.22 5.04 9.34 5.01 8.81
Cr 4.73 3.56 1.81 9.29 0 5.06
Mn 5.80 5.52 4.93 4.57 0 3.92
S g sp 4.64 6.11 4.57
Характеристика загрязненно сти, класс качества Pollution characteristics, quality class Загрязненные За класс Грязные 4a класс Загрязненные За класс
* S en - generalized pollution index. ** S>n - specific pollution index.
сто и вес того или иного объекта в общей картине загрязнения, оцененной с помощью показателя риска, рассчитанного для совокупности объектов.
С целью тестирования возможностей пространственной вероятностной оценки данных мониторинга водных объектов был проведен анализ распределения загрязненности ТМ донных отложений озер Верхний, Средний и Нижний Кабан г. Казани. Озера Кабан испытывают мощную техногенную нагрузку, принимая сточные воды промышленных предприятий и ливневой канализации (Шагидуллин и др., 2012). Их донные отложения загрязнены ТМ и нефтепродуктами (Иванов, 2012).
Для расчета удельного комбинаторного индекса загрязненности поверхностных (0-20 см) донных отложений озер использовались 54 образца, представленных минеральными глинистыми осадками (потери при прокаливании <12%, содержание частиц <0.01 мм >30%).
Максимальные показатели загрязнённости донных отложений ТМ отмечены в оз. Средний Кабан (табл. 4). Значительный вклад в уровень загрязнения вносят подвижные формы Сг, 2п и Си, а также соединения Cd.
Наименьшая загрязненность обеими формами
металлов наблюдается в оз. Нижний Кабан. Здесь также основной вклад в загрязненность вносят подвижные формы ТМ. Содержание кислоторас-творимых форм №, Сг и Мп не превышало региональный фон.
В оз. Верхний Кабан наблюдается стабильный и относительно небольшой уровень загрязненности как подвижными, так и кислоторастворимы-ми формами ТМ. Донные отложения озер Верхний и Нижний Кабан относятся к 3 классу - загрязненные.
Так как показатель Я рассчитывается для всей совокупности исследуемых образцов, это позволяет использовать его для наглядного представления особенностей пространственного распределения вероятности загрязнения тех или иных участков водного объекта.
Для интерполяции был выбран метод обратных взвешенных расстояний IDW, поскольку он является предпочтительным в случаях, когда в качестве входных данных используется нерегулярная сетка значений.
Карта распределения вероятностей загрязнения донных отложений озер системы Кабан ТМ представлена на рисунке.
Наибольшая суммарная вероятность превы-
Рис. Пространственное распределение относительной вероятности загрязнения (R) ТМ донных отложений озер
системы Кабан Fif. Spatial distribution of the relative probability ofpollution (R) with heavy metals in Kaban lakes sediments
шения регионального фона хотя бы по одному металлу наблюдается в оз. Верхний Кабан - 46%. Территориально участки с высоким показателем вероятности расположены ближе к западным границам водоема, что может быть обусловлено наличием здесь выпусков ливневой канализации. Наименьшее значение Я характерно для участков у юго-восточного берега озера, где установленный порог (фон) не превышен.
В оз. Средний Кабан общая вероятность загрязнения ТМ составляет 35%. Донные отложения озера характеризуются наибольшим значением УКИЗДО по сравнению с другими озерами систе-
мы (табл. 4). Участки с наибольшей вероятностью превышения природного геохимического фона расположены в районе водозабора ТЭЦ-1 (северная часть озера) и у п. Воскресенское в юго-западной части акватории. Наименьшая вероятность превышения нормативов (0.005) наблюдается вдоль восточной границы озера у гребного канала и танкового училища.
В озере с наименьшим удельным комбинаторным индексом загрязненности донных отложений - Нижний Кабан - установлена и наименьшая общая вероятность превышения фона - 19%. Наиболее вероятно превышение нормативов фонового содержания ТМ в донных отложениях северного и южного участков акватории. Наименьшая вероятность загрязнения (0.01) - в центральной части озера.
При прогнозе ситуации значение суммарной вероятности система трактует как относительную степень загрязненности водного объекта при заданном наборе наблюдений. Так как три водных объекта (озера) при одинаковом числе образцов с превышениями порогов имели бы по 0.33 суммарной вероятности (1/3), то сравнение этого значения с реально наблюдаемыми показателями позволяет корректировать рассчитанные классы загрязненности. Прогнозный комбинаторный индекс загрязненности донных отложений рассчитывается как средневзвешенное значение фактического и откорректированного 8,т(8,тх(К/(1ЛЧ)):
пр
где 8пр - прогнозный комбинаторный индекс загрязненности донных отложений 1-го водного объекта, 8уд - удельный комбинаторный индекс загрязненности донных отложений, Я - суммарная вероятность превышения регионального фона в донных отложениях водного объекта хотя бы по одному показателю, N - количество срав-
ниваемых водных объектов.
Тогда,
для оз. Верхний Кабан
= (4.64+(4.64х(0.46/0.33)))/2=5.55;
для оз. Средний Кабан
5пр = (6.11+(6.11х(0.35/0.33)))/2=6.29;
для оз. Нижний Кабан
5пр = (4.57+(4.57х(0.19/0.33)))/2=3.61.
Прогнозный комбинаторный индекс указывает на то, что экологическая ситуация на оз. Средний Кабан (по показателям загрязненности донных отложений) в перспективе вероятнее всего сохранится без изменений (5 и 5 практически рав-
у пр уд Г г
ны), на Нижнем Кабане ситуация возможно улучшится (5пр<5уд), а на Верхнем Кабане, вероятно,
ухудшится (5пр>5уд).
Заключение
Проведенное тестирование показало высокую сходимость результатов, представленных разработанной системой алгоритмов, с экспертными оценками. Алгоритмы, используемые в системе, являются удобным инструментом для быстрого и легкого проведения рутинных вычислений удельных комбинаторных индексов загрязнения воды и донных отложений. Кроме расчета индексов и коэффициентов, система позволяет рассчитать пространственное распределение вероятности и дает прогноз. Результаты тестирования показали, что структура аналитической системы, при которой отдельные относительно простые алгоритмы связываются в группы, реализующие конкретные задачи, наиболее часто встающие перед аналитиками, продемонстрировала хорошие возможности.
Таким образом, цифровая трансформация потока мониторинговых данных в простые индексы интегральных оценок является перспективным направлением развития аналитических блоков в системах принятия решений, позволяя получать интегральную оценку загрязненности водных объектов.
Список литературы
1. Валиев В.С., Иванов Д.В., Шагидуллин Р.Р., Хасанов Р.Р., Шамаев Д.Е., Мустафина Л.К., Шурмина Н.В., Богданова О.А. Вероятностная оценка загрязнения поверхностных вод (на примере реки Казанка) // Вода: химия и экология. 2019. №1-2. С. 69-76.
2. Валиев В.С., Хасанов Р.Р., Шамаев Д.Е. Автоматизация обработки первичных данных мониторинга качества вод и донных отложений поверхностных водных объектов // Российский журнал прикладной экологии. 2021а. №3. С. 30-35. БО1: 10.24852/2411-7374.2021.3.30.35.
3. Валиев В.С., Шамаев Д.Е., Иванов Д.В. Вероятностные подходы к оценке загрязненности поверхностных вод // Российский журнал прикладной экологии. 2021Ь. №3. С.36-42. БО1: 10.24852/2411-7374.2021.3.36.42.
4. Иванов Д.В. Донные отложения озера Средний Кабан города Казани // Георесурсы. 2012. №7(49). С. 18-23.
5. Иванов Д.В., Валиев В.С., Зиганшин И.И., Шамаев Д.Е., Хасанов Р.Р., Марасов А.А., Маланин В.В., Богданова О.А. Донные отложения Мелекесского залива Нижнекамского водохранилища // Российский журнал прикладной экологии. 2020. №4. С. 10-18. DOI: 10.24411/24411-7374-202010029.
6. Никаноров A.M., Емельянова В.П. Комплексная оценка качества поверхностных вод суши // Водные ресурсы. 2005. Т. 32, №1. С. 61-69.
7. Региональные нормативы «Фоновое содержание нефтепродуктов в донных отложениях поверхностных водных объектов Республики Татарстан» (утв. Приказом Министерства экологии и природных ресурсов РТ от 20.02.2020 г.)
8. Региональные нормативы «Фоновое содержание тяжелых металлов в донных отложениях поверхностных водных объектов Республики Татарстан» (утв. Приказом Министерства экологии и природных ресурсов РТ от 27.03.2019 г.)
9. РД 52.24.643-2002. Методические указания. Метод комплексной оценки степени загрязненности поверхностных вод по гидрохимическим показателям.
10. Шагидуллин Р.Р., Латыпова В.З., Тарасов О.Ю., Никитин О.В., Яковлева О.Г., Иванов Д.В., Петров А.М., Шаги-дуллина Р.А., Крапивина Н.Ю., Юранец-Лужаева Р.Ч. Природные и антропогенные факторы формирования качества воды озера Средний Кабан г. Казани // Георесурсы. 2012. №7(49). С. 11-17.
References
1. Valiev V.S., Ivanov D.V., Shagidullin R.R., Hasanov R.R., Shamaev D.E., Mustafina L.K., Shurmina N.V., Bogdanova O.A. Veroyatnostnaya ocenka zagryazneniya poverhnostnyh vod (na primere reki Kazanka) [Probabilistic assessment of surface water pollution (using the example of the Kazanka River)] // Voda: himiya i ekologiya [Water: chemistry and ecology]. 2019. No 1-2. P. 69-76.
2. Valiev V.S., Khasanov R.R., Shamaev D.E. Avtomatizaciya obrabotki pervichnyh dannyh monitoringa kachestva vod i donnyh otlozhenij poverhnostnyh vodnyh ob"ektov [Automation of processing of primary data for monitoring the quality of waters and bottom sediments of surface water bodies] // Rossijskij zhurnal prikladnoj ekologii [Russian journal of applied ecology]. 2021a. №3. P. 30-35. DOI: 10.24852/2411-7374.2021.3.30.35.
3. Valiev V.S., Shamaev D.E., Ivanov D.V. Veroyatnostnye podhody k ocenke zagryaznennosti poverhnostnyh vod [Probabilistic approaches to the assessment of surface water pollution] // Rossijskij zhurnal prikladnoj ekologii [Russian journal of applied ecology]. 2021b. №3. P. 36-42. DOI: 10.24852/2411-7374.2021.3.36.42.
4. Ivanov D.V. Donnye otlozheniya ozera Srednij Kaban goroda Kazani [Sediments of the Sredniy Kaban lake in the city of Kazan] // Georesursy [Georesources]. 2012. No 7(49). P. 18-23.
5. Ivanov D.V., Valiev V.S., Ziganshin I.I., Shamaev D.E., Hasanov R.R., Marasov A.A., Malanin V.V., Bogdanova O.A. Donnye otlozheniya Melekesskogo zaliva Nizhnekamskogo vodohranilishcha [Sediments of the Melekessky Bay of the Nizhnekamsk Reservoir] // Rossijskij zhurnal prikladnoj ekologii [Russian journal of applied ecology]. 2020. No 4. P. 10-18. DOI: 10.24411/24411-7374-2020-10029.
6. Nikanorov A.M., Emel'yanova V.P. Kompleksnaya ocenka kachestva poverhnostnyh vod sushi [Comprehensive assessment of the surface water quality] // Vodnye resursy [Water resources]. 2005. Vol. 32, No 1. P. 61-69.
7. Regional'nye normativy «Fonovoe soderzhanie
nefteproduktov v donnyh otlozheniyah poverhnostnyh vodnyh ob"ektov Respubliki Tatarstan» (utv. Prikazom Ministerstva ekologii i prirodnyh resursov RT 20.02.2020) [Regional standards «Background content of heavy metals in sediments of surface water bodies of the Republic of Tatarstan» (Approved by the Order of the Ministry of ecology and natural resources of the Republic of Tatarstan dated 20.02.2020)]
8. Regional'nye normativy «Fonovoe soderzhanie tyazhelyh metallov v donnyh otlozheniyah poverhnostnyh vodnyh ob"ektov Respubliki Tatarstan» (utv. Prikazom Ministerstva ekologii i prirodnyh resursov RT 27.03.2019). [Regional standards Background content of heavy metals in bottom sediments of surface water bodies of the Republic of Tatarstan (Approved by the order of the Ministry of ecology and natural resources of the Republic of Tatarstan dated 27.03.2019)].
9. RD 52.24.643-2002. Metod kompleksnoj ocenki stepeni zagryaznennosti poverhnostnyh vod po gidrohimicheskim pokazatelyam [A method of complex assessment of the degree of contamination of surface waters by hydrochemical indicators].
10. Shagidullin R.R., Latypova V.Z., Tarasov O.Yu., Nikitin O.V., Yakovleva O.G., Ivanov D.V., Petrov A.M., Shagidullina R.A., Krapivina N.Yu., Yuranec-Luzhaeva R.Ch. Prirodnye i antropogennye faktory formirovaniya kachestva vody ozera Srednij Kaban g. Kazani [Natural and anthropogenic factors in the formation of water quality in the Sredny Kaban Lake, Kazan] // Georesursy [Georesources]. 2012. No 7(49). P. 11-17.
Ivanov D.V., Valiev V.S. Shamaev D.E., Khasa-nov R.R. System of analytical algorithms for digital transformation of environmental monitoring data.
The article presents a system for digital transformation of monitoring data, which allows automatically calculating specific combinatorial indices of water and sediments pollution and obtaining their generalized estimates, indicating priority pollutants and the most polluted environments. The study is aimed at ensuring the introduction of modern algorithms for processing continuous data streams on the content of pollutants in the environment into the environmental monitoring system.
Keywords: monitoring; water and sediments quality; pollution indices; digitalization.
Раскрытие информации о конфликте интересов: Aвтоp заявляет об отсутствии конфликта интересов / Disclosure of conflict of interest information: The author claims no conflict of interest
Информация о статье / Information about the article
Поступила в редакцию / Entered the editorial office: 17.08.2022
Одобрено рецензентами / Approved by reviewers: 29.08.2022
Принята к публикации / Accepted for publication: 08.09.2022
Информация об авторах
Иванов Дмитрий Владимирович, кандидат биологических наук, зам. директора но научной работе, Институт проблем экологии и недропользования AН РХ, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: [email protected].
Валиев Всеволод Сергеевич, старший научный сотрудник, Институт проблем экологии и недропользования AН Р1-, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: [email protected].
Шамаев Денис Eвгеньевич, младший научный сотрудник, Институт проблем экологии и недропользования AН Р1-, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: [email protected].
Хасанов Рустам Равилевич, научный сотрудник, Институт проблем экологии и недропользования AН Р1-, 420087, Россия, г. Казань, ул. Даурская, 28, E-mail: [email protected].
Information about the authors
Dmitrii V. Ivanov, Ph.D. in Biology, Deputy Director, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: [email protected].
Vsevolod S. Valiev, 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: [email protected].
Denis E. Shamaev, Junior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: [email protected].
Rustam R. Khasanov, Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, Russia, 420087, E-mail: [email protected].
28
российский журннл прикладной экологии
