CC BY
18
УДК 681.2:543.08.089.6
Ю. А. Тунакова, Р.А. Шагидуллина, В. С. Валиев, И. Г. Григорьева, О. Н. Кузнецова
ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ БИОЛОГИЧЕСКИХ ОБЪЕКТОВ И ТЕОРИИ РИСКА
ДЛЯ ПРОГНОЗА УРОВНЯ ЭКОЛОГИЧЕСКОГО РИСКА
НА УРБАНИЗИРОВАННОЙ ТЕРРИТОРИИ (СООБЩЕНИЕ 1)
Ключевые слова: аккумулирующие внутренние среды организма, металлы, экологический риск, вероятность.
Приводятся теоретические обоснования и результаты апробации методологии оценки экологического риска с использованием биологических маркеров на урбанизированной территории.
Keywords: heat-sink internal environments of an organism, metals, environmental risk, probability.
Theoretical justifications and results of approbation of methodology of an assessment of an environmental risk with use of biological markers in the urbanized territory are given.
Введение
Понятие «риск» имеет различные трактовки в литературе: риск определяют как действие, событие, ситуацию, неопределенность, вероятность, что нашло свое отражение в обзорах, приведенных в работах [1-4]. Понятие экологического риска трактуется как:
- вероятность возникновения отрицательных изменений в окружающей природной среде;
- вероятность наступления события, имеющего неблагоприятные последствия для окружающей среды и здоровья населения, обусловленного прогнозируемым негативным воздействием хозяйственной и иной деятельности [1-6]. То есть экологический риск включает в себя оценку вероятности негативных изменений в состоянии здоровья населения, вызванных антропогенной деятельностью.
Методология оценки риска здоровью населения, проживающего на территории с высоким уровнем антропогенной нагрузки, регламентируется Р 2.1.10.1920-04 [7]. Но не разработан нормативный документ, который позволяет количественно оценить вероятность наступления события, имеющего неблагоприятные последствия для окружающей среды и здоровья населения, то есть экологический риск. Для упрощенных оценок можно оперировать только вероятностью события, вероятностью проявления факторов риска, способами оценки ущерба от их проявления.
В работах [8-13] приводится описание математических моделей, применяемых за рубежом для расчета экологических рисков. Среди вероятностных методов учета неопределенности при оценке экологических рисков применяются такие подходы как моделирование методом Монте-Карло 1-го и 2-го порядка (first- and second-order Monte Carlo simulation), анализ чувствительности (sensitivity analysis), интервальный анализ (interval analysis), качественное моделирование (Qualitative Modelling), Байесовские методы (hierarchical Bayesian techniques), информационный критерий Акаике (Aikake Information Criteria), вероятностный анализ границ (Probability Bounds Analysis), теория информационного дефицита (Information Gap Theory). В
данных работах отмечено, что вероятностный подход обеспечивает точность и реалистичность оценок, которые недостижимы для детерминированных методов и, кроме того, позволяет учесть кумулятивный эффект множественных источников неопределенности. В отношении вероятностного подхода к оценке экологических рисков авторы отмечают, что применение аппарата теории вероятностей позволяет успешно решать проблемы учета неопределенностей. Применение вероятностного подхода целесообразно, поскольку цель оценки уровня рисков состоит в транслировании сложной научной информации в доступном виде лицам, принимающим природоохранные решения. В некоторых случаях, когда данных мало, целесообразно применение метода Монте-Карло или обоснованно выбранных теоретических распределений (например, распределения Пуассона, Гаусса и др.). Для апостериорных аудитов принятия решений наибольшую эффективность и м е е т байесовский подход.
В процессе оценки экологического риска мерой риска считается отношение уровня концентрации химического вещества к его пороговому значению (предельно допустимой концентрации, фоновой концентрации, безопасной дозы и др.) в детерминированной трактовке [2].
К существующим ограничениям традиционных подходов оценки экологического риска [15] относят оценку по небольшому числу воздействующих (химических) агентов на ограниченное число объектов воздействия. Но реализующиеся подходы оценки экологического риска ориентированы на большие территории со значительным числом источников воздействия и множественными объектами воздействия и опираются на модель относительного риска.
На основании мирового и отечественного опыта оценки экологического риска нами предлагается методология с использованием вероятностных подходов и теоремы Байеса. Оптимальным способом, масштабирующим разноразмерные переменные, является соотнесение каждого фактора риска к его пороговому значению, что является проявлением события, вероятность которого, в случае целого ряда событий описывается теоремой Байеса, учитывающей как априорные, так и апостериорные веро-
ятности [15, 16]. В качестве приоритетных химических агентов нами рассматривались металлы, систематические наблюдения за которыми обязательны во всех средах, которые имеют высокую биологическую активность в относительно низких концентрациях, обладают способностью к миграции и депонированию в компонентах урбоэкосистем [17, 18].
В настоящее время в многочисленных отечественных и зарубежных работах, в том числе и в [46,8] обосновывается, что оценка состояния окружающей среды должна проводиться по комплексу параметров состояния биообъектов, а не по уровням абиотических факторов, которые рассматриваются только как воздействующие на биоту агенты. В ур-боэкосистеме человек рассматривается как информативный биомаркер и состояния окружающей среды, и состояния здоровья населения, а аккумулирующие биообразцы его организма, к которым относятся волосы, характеризуют длительное воздействие факторов внешней среды. Поэтому неблагоприятным событием нами считалось превышение концентраций металлов в волосах детей над их фоновыми значениями.
Экспериментально-расчетная часть
Для оценки фактов превышения некоторого порога, в качестве которого использовались фоновые концентрации, было введено соответствующее отношение фактических концентраций металлов к фоновым: Сфакт/Сфон, которое в дальнейшем мы будем называть коэффициентом опасности (НО). HQ является адаптированным вариантом общепринятого аналогичного показателя коэффициента опасности, рассчитываемого как отношение АС/МС, где АС - средняя концентрация, RfС - референтная (безопасная) концентрация.
В качестве интегрального группирующего признака рассчитывалась медиана всех коэффициентов опасности всех оцениваемых металлов конкретного ряда данных. Полученная в результате интегральная характеристика отражает вероятность превышения над фоном концентраций, как минимум, половины (50%) анализируемых металлов.
Применение HQ, а также медиан всех возможных значений HQ данного ряда (строки) наблюдений, позволяет приводить разные факторы к единой шкале, факт наступления события в которой задается 1. При таких условиях соразмерности, отдельные переменные можно рассматривать не только в качестве факторов риска (то есть, в качестве признаков, которые самостоятельно связаны с вероятностью возникновения негативного события настолько, что могут быть использованы для его прогнозирования), но и в качестве меры, составных частей риска.
Дальнейшие оценки вероятностей относились именно к этому интегральному коэффициенту опасности, а в качестве расчетной методологии использовалась теорема Байеса, учитывающая вероятность рискового события в конкретной точке пространства относительно информации о том, насколько часто это событие происходило во всем пространстве.
Согласно теореме Байеса, если события Data, (i=1, 2, 3...n) образуют полную группу несовместимых событий
п
^ p(Datai) = 1
i=l
при этом событие Q происходит обязательно и происходит в одном из Dataj, то в этом случае вероятность определяется формулой Байеса:
P(DatailQ) = p(Datai)p(QIDatai).
Иными словами, вероятность признака при конкретных условиях равна отношению произведения доли признака при данных условиях с долей относительного числа наблюдений в этих условиях, к сумме всех таких произведений при всех возможных условиях.
В нашем случае, событие Q - это превышение концентрации металла фонового значения (то есть, событие Q произойдет при кратности превышения фона > 1), а событие Datat - превышение произошло при некотором ситуационном (временном, территориальном) условии i, назовем его зоной i. Тогда p(Dataj) = ni/N, где N - сумма всех n (N = П1+П2+...П), а p(Q|DataO = 1.
В результате проведенных расчетов получены следующие вероятностные характеристики распределения интегрального HQ по содержанию металлов в волосах детей, проживающих в разных зонах г. Нижнекамска, приуроченных к стационарным постам МЭПР которые показаны в табл. 1.
Таблица 1 - Значения интегральных коэффициентов опасности и их байесовы вероятности в различных зонах исследования
Зоны Фиксированные значения HQ и их вероятности
0,5 1 1,5 2 2,5
Гагарина 0,200 0,210 0,267 0,700 1,00
Сююмбике 0,157 0,177 0,267 0,300 0,00
Юности 0,143 0,161 0,200 0,000 0,00
Молодежная 0,157 0,145 0,133 0,000 0,00
Южная 0,143 0,129 0,067 0,000 0,00
Спортивная 0,129 0,129 0,067 0,000 0,00
Ямьле 0,071 0,048 0,000 0,000 0,00
Анализ полученных результатов позволяет выделить участки, расположенные в районе ул. Сю-юмбике и Гагарина, как имеющие наибольшую вероятность высоких концентраций металлов в волосах детей.
Если рассматривать вероятность превышения содержания в волосах условного металла в 1,5 раза, то нисходящий ряд значений выстраивается следующим образом: Гагарина, Сююмбике (0,267) > Юности (0,2) > Молодежная (0,133) > Южная, Спортивная (0,067) > Ямьле (0).
Таким образом, самая высокая вероятность больших значений коэффициентов опасности содержания металлов в аккумулирующих внутренних средах организма детей отмечена в районе улиц Га-
гарина и Сююмбике, а самая низкая - в районе улицы Ямьле и Спортивная.
Рассчитанные вероятности можно трактовать следующим образом: "Вероятность одновременного превышения над фоном концентраций в волосах не менее половины из проанализированных металлов наиболее высока у школьников, проживающих в районе ул. Сююмбике и Гагарина (19%), наименьшая вероятность такого события наблюдается среди школьников, проживающих в районе ул. Ямьле (4,8%)".
Таким образом, с использованием информативных биомаркеров проведена оценка экологического риска, характеризующего вероятность негативных изменений для компонентов урбоэкосистемы и населения, основанная на оценке вероятности повышения содержания металлов в аккумулирующих биологических образцах (волосах) детей, отражающая многосредовое воздействие и учитывающая все пути миграции металлов в урбоэкосистеме и пути поступления металлов в организм.
Публикация осуществлена при финансовой поддержке РГНФ и Правительства Республики Татарстан в рамках научного проекта № 15-16-16008.
Литература
1. Pastorok R. et al. Role of Ecological Modeling in Risk Assessment // Human and Ecological Risk Assessment: Vol. 9, No. 4, 2003. Pp. 939-972.
2. Rak A. et al. A guide to screening level ecological risk assessment / TSERAWG TG-090801, 26, 21 (2008).
3.Акимов В.А., Лесных В.В., Радаев Н.Н.; МЧС России -Риски в природе, техносфере, обществе и экономике, М.: Деловой экспресс, 2004,
4.Авалиани С.Л., Новиков С.М., Шашина Т.А., Скворцова Н.С., Кислицын В.А., Мишина А.Л. Гигиена и санитария, 5, 5-8. (2012).
5. Рахманин Ю.А., Шашина Т.А., Унгуряну Т.Н., Новиков С.М., Скворцова Н.С., Мацюк А.В., Легостаева Т.Б., Антипанова Н.А. Гигиена и санитария, 6, 30-33 (2012).
6.Рахманин Ю.А., Новиков С.М., Шашина Т.А., Скворцова Н.С. Гигиена и санитария, 5, 18-20 (2007).
7.Руководство P 2.1.10.1920-04 Руководство по оценке риска для здоровья населения при воздействии химических веществ, загрязняющих окружающую среду. Москва, 2004.
8.May R. and McLean A. Theoretical Ecology. Principles and Applications / Oxford University Press Inc., New York, 268 (2007).
9.Legendre P., Legendre L. Numerical Ecology. Second English edition / Elsevier Science B.V., Amsterdam, 853 (1998).
10. Gillman, M. An introduction to mathematical models in ecology and evolution: time and space / A John Wiley & Sons, Ltd., 2nd ed. 167 (2009).
11. Hayes K. R. Uncertainty and Uncertainty Analysis Methods. Final report for the Australian Centre of Excellence for Risk Analysis (ACERA) / CSIRO Division of Mathematics, Informatics and Statistics, Hobart, Australia. 130 (2011).
12. Bieda B. Stochastic Analysis in Production Process and Ecology Under Uncertainty / Berlin, New York: Springer, 189 (2012).
13. Pastorok R. et al. Human and Ecological Risk Assessment, 9, 4, 939-972 (2003).
14. O'Brien G. and Wepener V. Regional-scale risk assessment methodology using the Relative Risk Model (RRM) for surface freshwater aquatic ecosystems in South Africa // Water SA., 38, 2, 153-165 (2012).
15. Peter D. Sasieni and Joanna Adams. Standardized Lifetime Risk. American Journal of Epidemiology, 149, 9, 869875 (1999).
16. Тунакова Ю.А., Файзуллин Р.И., Валиев В.С. Гигиена и санитария, 94, 5, 62-65 (2015).
17. Бабенко О.В., Агапов В.И., Авхименко М.М Медицинская помощь, 6, 35-39 (2000).
18. Тунакова Ю.А., Новикова С.В., Файзуллин Р.И., Валиев В.С. В сб. XV Всероссийская конференция «Химия и инженерная экология» с международным участием, 103105 (2015).
© Ю. А. Тунакова - д-р хим. наук, проф., зав. каф. общей химии и экологии Казанского национального исследовательского технического университета-КАИ; [email protected]; Р. А. Шагидуллина - д-р хим. наук, нач. управления государственной экологической экспертизы и нормирования воздействия на окружающую среду Министерства экологии и природных ресурсов РТ, [email protected]; В. С. Валиев - науч. сотр лаб. биогеохимии Института проблем экологии и недропользования АН РТ; И. Г. Григорьева - соискатель, доц. каф. общей химии и экологии КНИТУ им. А.Н. Туполева - КАИ, [email protected]; О. Н. Кузнецова - к.х.н., доцент кафедры технологии пластических масс КНИТУ.
© Y. A. Tunakova - is the Doctor of Chemistry, professor, the department chair of the Common chemistry and ecology of the Kazan national research technical university KAI; [email protected]; R. A. Shagidullina - is the Doctor of Chemistry, the head of department of the state environmental assessment and rationing of environmental impact of the Ministry of ecology and natural resources of the Republic of Tatarstan; [email protected]; V. S. Valiyev - is the research associate of laboratory of biogeochemistry of Institute of environmental problems and subsurface use of Academy of Sciences of the Republic of Tatarstan; I. G. Grigorieva - is the applicant, the associate professor of the Common chemistry and ecology of the Kazan national research technical university KAI, [email protected]; О. N. Kuznetsova - candidate of chemical Sciences. assistant Professor of plastics technology, Kazan national research technological University.
Все статьи номера поступили в редакцию журнала в период с 15.06.16. по 10.09.16.
