Бесплатный автореферат и диссертация по наукам о земле на тему

Методика и геоинформационная технология оценки источников загрязнения на основе данных мониторинга атмосферных выпадений

ВАК РФ 25.00.35, Геоинформатика

Автореферат диссертации по теме "Методика и геоинформационная технология оценки источников загрязнения на основе данных мониторинга атмосферных выпадений"

На правах рукописи

□□3465824

СМИРНОВ Леонид Игоревич

МЕТОДИКА И ГЕОИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ОЦЕНКИ ИСТОЧНИКОВ ЗАГРЯЗНЕНИЯ НА ОСНОВЕ ДАННЫХ МОНИТОРИНГА АТМОСФЕРНЫХ ВЫПАДЕНИЙ

Специальность: 25.00.35 - Геоинформатика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва, 2009 г.

003465824

Работа выполнена в Объединенном Институте Ядерных Исследований (ОИЯИ г. Дубна)

Научный руководитель:

Научный консультант:

Официальные оппоненты:

Черемисина Евгения Наумовна, доктор технических наук, профессор (ВНИИгеосистем, г. Москва)

Фронтасьева Марина Владимировна, кандидат физико-математических наук, (Объединенный институт ядерных исследований, г. Дубна)

Веселовский Александр Владимирович, доктор технических наук, профессор (Институт геологии рудных месторождений, петрографии, минералогии и геохимии Российской Академии Наук (ИГЕМ РАН, г. Москва)

Ведущая организация

Финкелынтейн Михаил Янкелевич, доктор технических наук (ВНИИгеосистем, г. Москва)

Институт минералогии, геохимии и кристаллографии редких элементов (ИМГРЭ, г. Москва)

Защита состоится 28 апреля 2009 г. в 1400 часов на заседании диссертационного совета Д.216.011.01 при Всероссийском научно-исследовательском институте геологических, геофизических и геохимических систем в конференц-зале ВНИИгеоситем по адресу Варшавское шоссе, д.8, Москва, 117105.

Автореферат разослан 27 марта 2009 г.

С диссертацией можно ознакомиться в библиотеке ВНИИгеосистем.

Ученый секретарь диссертационного совета, доктор геолого-минералогических наук

Муравьев В.В.

Актуальность проблемы.

На сегодняшний день проблемы техногенных выбросов и дальнейшей миграции различных загрязняющих веществ принадлежат к самым актуальным. Один из наиболее опасных источников загрязнения окружающей среды - выбросы в атмосферу. Поэтому мониторинг техногенной нагрузки на воздушную среду является важнейшей задачей устойчивого развития экосистем. Особенно актуальна данная задача для промышленно развитых регионов с интенсивным и разнородным воздействием на окружающую среду. В этих условиях требуется комплексный учет многих факторов, влияющих на качество атмосферы. Каждый из этих факторов имеет свои специфические особенности, что приводит к необходимости использования для их учета разных математических моделей.

Один из способов оценки и контроля техногенной нагрузки на воздушную среду - это мониторинг пространственно-временной изменчивости элементного состава атмосферных выпадений и распределения природных и техногенных эмиссий от конкретных источников загрязнения. Выпадения загрязнителей на поверхность почвы или растительности измеряют либо in situ, анализируя собранные сухие и влажные атмосферные осадки, либо путем пробоотбора и анализа биосубстратов, подверженных атмосферным выпадениям (биомониторинг).

Важным информационным звеном системы мониторинга и прогноза загрязнения атмосферы является геоинформационная подсистема (ГИС), которая обеспечивает ввод, обработку, интерпретацию и отображение пространственно-привязанных данных для их эффективного анализа и решения задач моделирования экологической ситуации. Специфической особенностью ГИС является тесная интеграция модулей, обеспечивающих ведение геоинформационной базы данных, с модулями математического моделирования загрязнения атмосферы. Используемая математическая модель получает исходные данные из базы данных ГИС, а результаты ее работы заносятся обратно в эту базу в виде соответствующих картографических-и фактографических информационных слоев.

Однако в методической и технологической части этих задач до сих пор остаются определенные проблемы. Недостаточно проработаны вопросы количественного описания исследуемых факторов, оценки точности их расчета и математический аппарат для их обработки. Стандартные ГИС, используемые в качестве программно-аналитического обеспечения исследовательских и производственных проектов, несмотря на широкий круг функциональных возможностей, требуют дополнительной адаптации к особенностям геоэкологических задач.

Всем этим определяется актуальность разработки методики и геоинформационной технологии оценки источников загрязнения на основе данных мониторинга атмосферных выпадений.

Целью настоящей работы является создание методики и геоинформационной технологии оценки регионального загрязнения территорий и его источников на основе данных биомонигоринга атмосферы.

Для достижения заданной цели в диссертационной работе последовательно решены следующие основные задачи.

1. Обзор и анализ существующих методик мониторинга распространения техногенных эмиссий в атмосфере и оценки источников загрязнения и определение возможностей информационных технологий в их реализации.

2. Разработка способа расчета локальных вариаций наблюдаемых параметров в данных пространственного биомониторинга на основе ГИС-методов.

3. Создание комплексной методики и геоинформационной технологии оценки источников загрязнения территории на основе рецепторной (факторной) модели пространственного распределения атмосферных выпадений, метода вариаций Монте-Карло исходных данных (алгоритмы обработки данных) и ГИС-технологий с учетом локальных вариаций признакового пространства.

4. Апробация методики и программно-технологического обеспечения на примере биомониторинга атмосферных выпадений тяжелых металлов (ТМ), радионуклидов (РН) и других элементов. Идентификация источников загрязнения на территории с интенсивным антропогенным воздействием (Челябинская и юг Свердловской обл., Южный Урал).

Научная новизна.

1. Впервые предложен способ расчета локальных вариаций в данных пространственного биомониторинга на основе ГИС- методов интерполяции.

2. Создана комплексная методика и геоинформационная технология оценки источников загрязнения на основе ГИС, факторного анализа и метода вариаций Монте-Карло с учетом локальных вариаций признакового пространства.

3. Уточнены данные о пространственных распределениях 35 химических элементов, включая редкоземельные и рассеянные элементы, в атмосферных выпадениях и полях загрязнения идентифицированных техногенных и природных источников на Южном Урале на основе созданного геоинформационного проекта «Геоэкологический атлас Южного Урала».

Практическая значимость.

Разработанная технология нашла применение в научно-исследовательском проекте МАГАТЭ: «Биомониторинг атмосферных выпадений тяжелых металлов и радионуклидов в Челябинской области (Урал, Россия): временные и пространственные тренды». В результате апробации получены уточненные данные о пространственном распределении 35 химических элементов (в том числе радионуклидов) в атмосферных выпадениях и полей загрязнения идентифицированных источников загрязнения на Южном Урале.

Защищаемые положения.

1. Определение локальных вариаций концентраций химических элементов методом кригинга существенно снижает экономические издержки при проведении пространственного биомониторинга.

2. Разработанная геоинформационная технология позволяет идентифицировать, источники загрязнения и районировать исследуемые территории на основе данных об элементном составе выбросов и оценок парциальных вкладов разных факторов в общее загрязнение.

3. Созданный в работе геоинформационный проект «Геоэкологический атлас Южного Урала» обеспечивает оценку современной геоэкологической обстановки в регионе.

Апообацпп работы.

Разработанная технология апробирована в научно-исследовательском проекте МАГАТЭ: «Биомониторинг атмосферных выпадений тяжелых металлов и радионуклидов в Челябинской области (Урал, Россия): временные и пространственные тренды».

Основные результаты диссертации докладывались: на III-VII научных конференциях молодых ученых и специалистов (г. Дубна, 1998-2003), на международных конференциях «Nuclear Analytical Methods in the Life Sciences» (Antalya, Turkey, 2002) и «Environmental Physics» (Minya, Egypt, 2004), на X-XII международных семинарах по взаимодействию нейтронов с ядрами, «International Seminars Fundamental Interactions & Neutrons, Nuclear Structure, Ultracold Neutrons, Related Topics» (г. Дубна, 2002-2004), на международных совещаниях НАТО «Мониторинг природных и техногенных отходов радионуклидов и тяжелых металлов в окружающей среде» (г.Дубна, 1999-2000), на координационных совещаниях МАГАТЭ «Validation and Application of Plants as Biomonitors of Trace Element Atinospheric Pollution, Analyzed by Nuclear and Related Techniques» (Lisbon, Portugal, 2002) и на первом координационном совещании по перспективам развития наук о жизни в ядерных центрах (Riviera, Golden Sand, Bulgaria, 2003).

Работа «Изучение атмосферных выпадений тяжелых металлов и радионуклидов на Южном Урале» была удостоена второй премии ОИЯИ на Конкурсе работ молодых ученых ОИЯИ на VII конференции молодых ученых и специалистов (г. Дубна, 3-8 февраля 2003 г.). Цикл работ по биомониторингу атмосферных выпадений тяжелых металлов с участием Л.И. Смирнова удостоен первой Премии на конкурсе лучших работ ОИЯИ 2003 года в номинации «Научно-технические прикладные исследования».

Публикации п личный вклад автора в решение проблемы.

Диссертация основана на методических и технологических исследованиях, выполненных автором в период с 1999-2006 г. Основные экспериментальные данные получены автором, включая анализ образцов методами нейтронного ак-тивационного анализа и гамма-спектрометрии, а также разработку методики и геоинформационной технологии оценки источников загрязнения на основе ГИС-моделирования, факторного анализа и метода вариаций Монте-Карло с учетом локальных вариаций признакового пространства. Разработка карты пробоотбора, опробование, атомно-абсорбционная спектрометрия проводилась совместно с

к.ф-м.н. M.B. Фронтасьевой, д-ром Э. Стайнесом, д.т.н. В.Д. Черчинцевым, к.г-м.н. С.М. Ляпуновым. По результатам выполненных исследований автором опубликовано 9 печатных работ, в том числе две статьи опубликованы в «Journal of Radioanalylical and Nuclear Chemistry» и две в журналах, рекомендованных ВАК Министерства образования и науки РФ («Геоинформатика» и «Атомная энергия»).

Структура и объем работы.

Диссертация состоит из введения, четырех глав, заключения, списка литературы и двух приложений. Работа содержит 103 страниц текста, включая 18 таблиц, 15 графиков и 40 рисунков и список литературы из 83 наименований.

Диссертация выполнена под научным руководством д.т.н. проф. Череми-синой E.H., которой автор выражает глубокую благодарность, а также благодарит научного консультанта, к.ф-м.н. Фронтасьеву М.В., д.т.н. Черчинцева В.Д., д-ра Стейннеса Э., д-ра Волтербика X., к.г-м.н. Ляпунова С.М., Павлова С.С. за консультации и помощь в работе.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулирована цель и основные задачи исследований. Показана новизна и практическая значимость полученных результатов, даны сведения об объеме и струюуре диссертации, публикациях, апробации основных результатов диссертации на конференциях.

Глава 1 Обзор современных методик мониторинга атмосферных выпадений и характеристики источников загрязнения атмосферы.

Традиционный способ изучения атмосферных выпадений загрязнителей, таких как тяжелые металлы, - это анализ элементного состава атмосферных осадков. Он имеет ряд недостатков: сбор осадков ограничивается мальм числом площадок пробоотбора, концентрации большинства элементов в осадках очень низки, есть возможность дополнительного загрязнения образца во время пробоотбора. Сбор образцов колонок снега во время зимнего периода представляет собой альтернативную возможность измерениям интегральных выпадений при условии стабильной холодной погоды в изучаемый период.

Одним из методов измерения интегральных выпадений аэрозолей является использование наземных мхов, растущих в лесах и в других природных средах. Мхи эффективно концентрируют большинство тяжелых металлов и других микроэлементов из воздуха и осадков. Более того, они не имеют корневой системы и, следовательно, вклад других источников, кроме атмосферных выпадений, в большинстве случаев ограничен. Этот факт подтверждается хорошими корреляционными зависимостями (R=0,8-0,9) между содержанием большинства

элементов во мхах и в суммарных атмосферных выпадениях, полученных in situ. Некоторые типы мхов распространены в широком интервале температурных зон, а их растущая часть такова, что годовой прирост может быть легко идентифицирован. Сбор образцов прост, анализ мхов значительно проще, чем осадков, период экспозиции может быть точно определен - обычно для анализа берется трехлетний прирост мха. Этот метод регулярно используется, в течение последних 25 лет, в Скандинавских странах для рутинного мониторинга атмосферных выпадений металлов на очень больших пространствах, а в последнее время он нашел широкое распространение и в странах Западной и Восточной Европы. В России использование метода мхов для мониторинга выпадения металлов ограничивалось Ленинградской областью и Кольским полуостровом. Метод мхов-биомониторов позволяет определять относительные ареалы выпадений интересующих металлов. При этом переход к абсолютным уровням выпадений достигается путем непосредственной калибровки данных относительно суммарных осадков.

Традиционные методы для изучения переноса атмосферных аэрозолей используют модели рассеяния. В России стандартизирована методика ОНД-86, основанная на модели Гаусса, автором которой является М.Е. Берлянд. Использование этих моделей требует контроля большого количества параметров - скорость, состав, химическая форма и дисперсность выброса, климатические условия (температура, давление, скорость и направление ветра), топографические особенности местности и др., что в большинстве случаев представляется трудной задачей.

Более перспективным представляется использование так называемых ре-цепторных моделей. Рецепторные модели разделяют на две группы - модели на основе баланса масс и многомерные статистические модели. Их подробные описания можно найти в подробных обзорах Норке. Главное отличие между группами в том, что решение уравнений баланса масс не позволяет получить информацию о временных вариациях наблюдаемых концентраций в рецепторе и на выходе из источника, хотя большинство многомерных статистических моделей позволяют это сделать. Главными недостатками этих методик рассеяния является неоднозначность интерпретации результатов анализа и возможность оценки только качественного состава выбросов без определения парциальных вкладов различных источников в общее загрязнение.

Проведенный обзор позволил обосновать актуальность совершенствования методики и компьютерной технологии идентификации и характеристики источников загрязнения на основе ГИС, факторного анализа и метода вариаций Монте-Карло.

Основные направления исследований сфокусированы на:

1) разработке методов определения локальных вариаций в данных пространственного биомониторинга;

2) создании комплексной методики и технологии для оценки количества источников загрязнения, элементного состава их выбросов и парциальных вкладов в общее загрязнение исследуемой территории.

Глава 2. Методика определения локальных вариаций в данных пространственного биомонпторинга.

Методика биомониторинга атмосферных выпадений при помощи мхов и почв достаточно хорошо развита на сегодняшний момент. Существуют методические рекомендации для всех этапов пространственного биомониторинга, от планирования до выявления закономерностей распределения параметров. Однако остаются вопросы, связанные с оценкой неопределенности параметров в единичной точке пробоотбора.

В задачах пространственного биомониторинга, точка пробоотбора является фундаментальной единицей исследования. В большинстве существующих работ на данную тему отсутствует обсуждение вопросов, связанных с точностью и репрезентативностью результатов в точке пробоотбора. На практике эта точка представляет собой площадку определенных размеров, много меньших, чем площадь всего исследования. Точнее подразумевается, что точка пробоотбора много более гомогенна, чем в целом исследуемая территория. Локальные вариации наблюдаемых параметров зависят от всех аспектов исследования (выбор биомониторов, определение точки проотбора, пробоотбор, пробоподготовка). Для исследования природы локальных вариаций искомых параметров в элементарной ячейке пробоотбора в работах Х.Волтербика сравнивали аналитическую погрешность при определении концентраций химических элементов в образцах биомониторов (элементный анализ) с наблюдаемыми локальными вариациями этих элементов в единичной точке исследования. Выяснилось, что увеличение аналитических ошибок не ведет к существенному увеличению локальных вариаций. Следовательно, в задачах регионального пространственного биомониторинга любые попытки улучшить точность элементного анализа могут оказаться бесполезными. Необходимо заметить, что выбор биомониторов на основе эффекта аккумуляции (который может приводить к лучшей аналитической воспроизводимости) не всегда ведет к улучшению в качества исследования. Как таковая, локальная дисперсия не дает информации о качестве анализа. Поэтому мы не можем рассматривать ее в качестве критерия при выборе биомонитора. Однако, как и точка пробоотбора, она может быть отнесена к элементарной единице исследования. Следовательно, локальная дисперсия должна быть мала по сравнению с дисперсией всего исследования.

Локальная точка.

На практике планирование плотности сетки пробоотбора в пространственном биомониторинге основано на имеющихся технических, финансовых и временных ресурсах. В некоторых случаях априорная информация о территории пробоотбора позволяет создать нерегулярную сетку с увеличением плотности точек в местах более интересных исследователю. Например, в промышленно развитых районах плотность точек может быть выше, чем на остальной территории пробоотбора. Кроме того, возможно планирование пробоотбора «на месте» если имеются сложности с обнаружением необходимого биомонитора. Эти фак-

торы приводят к нерегулярности сетки пробоотбора и/или использованию разных видов биомонитора. Очевидно, что риск при использовании разных видов биомониторов значительно выше, чем при изменении сетки пробоотбора. Погрешность возникаемая в случае использования различных биомонигоров может достигать 50% и даже более. В процессе проведения пространственного биомониторинга можно выделить две основные проблемы, одна из которых - выбор точки пробоотбора и вторая - репрезентативность выборки. Далее рассмотрены вопросы, связанные с репрезентативностью выборки в локальной точке. В параграфе описаны методы интерполяции, основанные на получении желаемой информации о локальной точке на основе анализа соседних точек.

Локальные вариации.

Для анализа качества исследования при помощи локальной вариации необходимо рассмотреть вопросы точности и воспроизводимости результатов в локальной точке. В большинстве работ, посвященных пространственному биомониторингу, информация о воспроизводимости результатов в точке априорно недоступна, так как образцы, собранные на локальной площадке смешиваются в один общий образец для проведения дальнейшего анализа. Зачастую результаты, полученные в локальной точке на основе небольшого числа образцов не дают достоверной информации о ее репрезентативности в сетке пробоотбора. Подразумевая некоторый уровень гомогенности, наблюдаемые величины могут быть частью локального нормального распределения, но небольшое число образцов, объединяемых в единый образец, может привести к не всегда корректному определению среднего и дисперсии в точке.

В последних работах посвященных пространственному биомониторингу загрязнения атмосферы для определения локальной дисперсии использовалась методика отбора и раздельного анализа пяти образцов. Изучались как локальные средние значения, так и их дисперсии. Для проверки данного подхода отобирали 25 образцов мхов и 25 образцов почвы на локальной площадке на Южном Урале в районе г. Магнитогорска (см. табл. 1). Локальные популяции концентраций элементов были оценены из полной совокупности данных методом бутстрепа. Бутстреп-метод, предложенный в 1977 году Б. Эфроном, является одним из методов рандомизированной обработки данных. Сущность данного метода состоит в том, что по имеющимся наблюдениям за случайной величиной моделируется процесс их получения следующим образом. Предполагается, что имеющиеся N значений образуют генеральную совокупность, из которой извлекаются выборки с возвращением объема N с равными вероятностями (1/И) извлечения каждого значения. Всего извлекается В выборок, по каждой из них строится оценка интересующего параметра исходной случайной величины, а затем полученные оценки усредняются. В нашем случае из всех образцов 500 раз случайным образом выбиралось 5. Совпадение бутстреп-оценки и исходных данных в пределах погрешностей позволяет сделать вывод о достаточности выборки пяти образцов в единичной точке пробоотбора.

Таблица 1

Средние значения н стандартные отклонения концентраций элементов __в локальной точке (мг/кг)_

Мох (п=25) Почва (п=25)

элемент исходные бутстреп исходные бутстреп

Аз 0,38±0,12 0,38±0,02 6,7±1,9 б,7±0,4

Ва 92±23 91±1

Вг 8.4±1,5 8,0±1,5 30±6 30±2

Сг 15±4 15±2

СУ 0,24±0,06 0,24±0,02 0,8±0,2 0,8±0,03

Си

Fe 565±87 566±18 3678±558 3716±109

К 5173±242 5220±233 3060±1277 3017±234

мх 1533±242 1557±44

2п 73±7 74±1 77±30 78±7

В таблице 2 приведены средние и максимальные дисперсионные отношения Р, на которые нужно умножить локальную дисперсию для совместимости с реальной локальной популяцией концентрации элементов. Применение Ьтеста Стьюдента предполагает строгий контроль результатов каждой выборки, хотя качество исследования зависит только от локальной вариации. В табл. 2 также приведено число событий Е, в которых Р Ф 1. Из результатов, приведенных в таблице 2 можно заключить, что выборка, состоящая из 5 образцов, удовлетворительно описывает популяцию в 90% случаев. В оставшихся 10% случаев появляется существенное отклонение характеристик выборки от популяции (напр. для Аб в 33 [7% от 500] выборках Е ф 1 и макс Е =32).

Средние н максимальные дисперсионные

Таблица 2

Е (мох) Е (почва)

эл. среднее макс. Е среднее макс. Е

Аз 1,20 11 42 1ДЗ 9 25

Вг 1,32 16 46 1,07 7 14

Сг 1,18 9 43

Су 1,08 6 24 1,16 13 33

Си

Fe 1,07 10 10 1,04 5 17

К 1,14 8 33 1,12 9 22

Мя 1,17 8 38

2п 1Д7 29 18 1,03 7 6

Определение локальной вариации данных с использованием соседних

точек.

Локальная дисперсия, рассчитанная на основе исходных данных, в большой степени зависит от количества имеющихся образцов с локальной точки. В данном параграфе рассматриваются возможности определения локальной вариации на основе «соседних» точек пробоотбора. Для этого необходимо интерполировать данные, наблюдаемые в соседних точках на нужный нам участок. Для этих целей использовались реальные концентрации Ыа во мхах (Южный Урал). Локальные вариации Иа определялись интерполяцией соседних точек с использованием весовых факторов 1/г2 и 1/г3 и кригинга (без нуггет эффекта, без сдвига, линейная вариограмма).

Результаты, представленные на рис. 1, показывают, что локальная вариация концентрации Иа, рассчитанная на основе кригинга совпадает в большинстве случаев с данными, полученными методом множественного пробоотбора в пределах 10%. Кроме того, необходимо заметить, что точность определения методом множественного пробоотбора напрямую зависит от количества проб, что существенно увеличивает расходы на проведение исследования.

Рис. 1. Диаграмма рассеяния расчетной (кригинг) и измеренной (множественный пробоотбор) локальной дисперсии для Иа в мхах Южного Урала

Таким образом, формулируется первое защищаемое положение: Определение локальных вариаций концентраций химических элементов методом кригинга существенно снижает экономические издержки при проведении пространственного биомониторинга.

Глава 3. Комплексная методика н компьютерная технология оценки источников загрязнения воздуха па основе анализа данных биомоннторпига атмосферных выпадений и ГИС моделирования

В третьей главе описывается методика и компьютерная технология (алгоритмы расчетов) идентификации и характеристики источников загрязнения воздуха на основе анализа данных биомониторинга атмосферных выпадений и ГИС моделирования с учетом локальных вариаций параметров в единичной точке проботбора.

В данном случае под источниками загрязнения подразумеваются любые факторы, обуславливающие пространственно-временную изменчивость наблюдаемых параметров, которые с учетом закономерностей распространения примесей в атмосфере и их выпадений, могут быть отнесены к определенным техногенным или природным процессам.

Основные этапы предложенной автором технологии приведены в блок-схеме на рис. 2.

Подготовка входной информации.

Первый этап включает постановку задач и априорный анализ геоэкологического состояния для выделения основных факторов влияющих на состояние воздушной среды региона и их взаимосвязи. Формируется информационная база.

Второй этап включает в себя разработку методики опробования (выбор монитора(ов), аналитических методов, создание карты пробоотбора) в зависимости от поставленных задач и имеющейся априорной информации о возможных источниках загрязнения.

Третий этап состоит из экспериментального определения требуемых параметров в точках наблюдения. Аналитические методы выбираются в соответствии с наперед заданной точностью определения параметров, с имеющимися финансовыми и временными возможностями.

Четвертый этап состоит из определения вариаций требуемых параметров в единичной точке наблюдения. Это необходимо для возможности оценки и исключения из дальнейших действий локальных факторов, не относящихся непосредственно к задаче исследования. Оценка «шумовой» части дисперсии данных производится на основе либо множественных замеров искомых параметров в точке наблюдения либо на основе кригинг-интерполяции имеющихся данных с последующим усреднением.

На основе полученных данных по концентрациям элементов, погрешностям и координатам точек наблюдения создается база данных, которая служит входной информацией для дальнейшего анализа.

Рис. 2. Блок-схема технологии

В основу пятого этапа технологии положена рецепторная многомерная модель. Рецепторные модели основаны на измерении параметров аэрозоля в точках-рецепторах и определении вкладов различных источников, используя известные композиции аэрозоля на выходе из источника и в рецепторе. В основе всех рецепторных моделей, разработанных для определения источников загрязнения и их вкладов в рецепторе, лежит простой закон сохранения масс. Если р -число источников, Од - концентрация элемента / в источнике у, -вкладу-го источника в точке-рецепторе, то концентрация элемента / в точке наблюдения у будет равна:

Однако, в данном виде модель не учитывает локальных факторов влияющих на значения параметров и в основном зависящих от технологии планирования и пробоотбора.

Для учета неопределенностей предложено использовать следующую модель:

т

к=I

где - стандартизированная концентрацияу'-го (/=1,...и) элемента в /-ой точке (/-1....Л/), определяется как линейная сумма ш общих независимых факторов (источников); - факторные нагрузки, представляющие корреляцию у'-го элемента с фактором к и определяющие состав фактора; /и - значение фактора к в /-ой точке, определяет вклад каждого фактора в каждой точке; сЩч - остаточная погрешность, которая не объясняется выбранными т факторами. В матричном виде факторная модель записывается так: 2=АР + £)£/.

Учитывая существование т общих независимых факторов, матрица^ находится методом главных компонентов, который состоит в сингулярном разложении редуцированной матрицы корреляций исходных признаков (концентраций).

Однако, значения нагрузок как и значения факторов могут принимать как положительные так и отрицательные значения.

Для того, чтобы можно было использовать результаты факторного анализа для оценки состава источников загрязнения и их влияния на ту или иную точку наблюдения, необходимо преобразовать матрицу нагрузок А в матрицу В при помощи матрицы поворота Я, В=АК Преобразование должно удовлетворять следующим требованиям:

а) матрица факторных нагрузок не должна содержать отрицательных величин (очевидно источник не выделяет отрицательное количество какого-либо элемента);

б) матрица факторных нагрузок должна объяснять исходные корреляции в наборе данных.

Преобразование выполняется посредством неотрицательного прокрустова вращения на основе стандартного алгоритма Якоби.

Полученные после преобразования данные (матрица факторных нагрузок) имеют только математический смысл. Для получения количественной оценки (сравнение отношений концентраций элементов в факторе) необходимо перевести факторные нагрузки в область концентраций. Так как данные, используемые в ({актор-ном анализе, стандартизированы, то необходимо умножить полученные нагрузки на исходное стандартное отклонение каждого элемента. Затем необходимо привести сумму этих значений для каждого из факторов к одному знаменателю.

Так как концентрации элементов могут отличаться на порядок величины, то для лучшей интерпретируемости результатов предложена следующая методика:

1) По результатам факторного анализа, находится элемент с наибольшей факторной нагрузкой, который является базисным для данного фактора.

2) Остальные факторные нагрузки нормализуются следующим образом:

сЛВ) = -±—-*100%,

ав,к *а

где ав,к - факторная нагрузка базисного элемента; ав, о} -стандартные отклонения базисного и определяемого элемента; сДЙ) - отношение содержания у-го элемента к содержанию базисного элемента.

Следующим шагом является определение значений факторов в каждой точке наблюдения. Для этого использовался метод наименьших квадратов. Так как исходные данные стандартизированы, то значение фактора / для каждой точки наблюдения » равен /1-(Вт1УВ)'1Вт 1У(х,-хт), где: IV -диагональная матрица значений факторов с обратными квадратами погрешностей концентраций элементов на диагонали; х1 - вектор концентраций элементов; хду - вектор

средних концентраций.

Соответственно, значения факторов также могут оказаться положительными и отрицательными. Для достижения неотрицательности значений производился сдвиг матрицы факторных значений, в соответствии с которым наибольшее по модулю отрицательное значение принималось за нулевое с последующим сдвигом остальных значений на эту величину.

Монте-Карло вариации.

Как было сказано выше, факторный анализ чувствителен к качеству данных. Поэтому для достижения стабильности решения и оценки погрешностей определения факторных нагрузок применен метод Монте-Карло вариаций.

Основная идея состоит в том, чтобы сгенерировать большое число исходных матриц концентраций (около 500) с учетом погрешностей определения концентраций элементов:

= .

где Ах,, - погрешность определения концентрации элементов; г/=Лг( 1 ;0) -нормально распределенная случайная величина с нулевым средним и единичной дисперсией.

Затем выполняется факторный анализ каждой из полученных матриц. Во время анализа каждая колонка модифицированной матрицы сравнивается с со ответствующей колонкой исходной матрицы для того, чтобы оценить эквива ленгность матриц. Сравнение основано на принципе геометрического совпаде ния векторов (косинус угла между векторами близок или равен единице). В не которых случаях при выборе излишнего числа факторов наблюдается совпаде ния двух или более колонок с одной колонкой в исходной матрице. Такие случа фиксируются, а модифицированная матрица не берется в дальнейший расчет. Этот эффект предложен для оценки числа компонентов выбираемых в парамет pax факторного анализа.

Следующим шагом полученные данные усредняются, и рассчитываете стандартное отклонение факторных нагрузок.

Для критической оценки данной методики использовали простые искусственно сгенерированные данные. Тест показал, что использование Монте-Карло вариаций приводит к лучшему воспроизведению корреляционных связей и дает дополнительный критерий выбора необходимого числа факторов с учетом вариабельности данных в элементарной ячейке наблюдения.

Конечным результатом использования факторного анализа наряду с Монте-Карло моделированием является создание базы данных по элементному со ставу выявленных факторов и их влиянию на исследуемую территорию.

ГИС-моделирование.

Для выявления закономерностей пространственного распределения как химических элементов в биомониторах, так и техногенных и природных эмиссий на исследуемой территории, и идентификации источников загрязнения создается ГИС-проект который содержит следующие информационные блоки:

1. Картографические данные (координаты населенных пунктов, промышленных объектов и т.д.);

2. Данные пробоотбора (координаты пробоотбора);

3. Данные элементного анализа проб;

4. Результаты факторного анализа (значения факторов).

Результатом ГИС-моделирования является атлас карт пространственного распространения химических элементов в атмосферных выпадениях, локализация обнаруженных источников загрязнения, их состав и пространственная характеристика эмиссий на исследуемой территории.

Сравнительный анализ.

Последним этапом является идентификация источников загрязнения воздуха, их элементная характеристика и оценки влияния на распространенность тех или иных химических элементов в исследуемой области. Он реализуется на основе данных:

1. Факторного анализа;

2. ГИС-моделирования;

3. Сравнительной оценки отношений преобразованных факторных нагрузок с априорными данными для существующих источников загрязнения (идентификация источников загрязнения).

Решение об идентификации источника принимается, если совпадают отношения концентраций химических элементов в неизвестном источнике с соответствующей информацией из базы данных существующих источников и совпадает ах географическое расположение с точностью, зависящей от шага пробоотбора.

Таким образом, формулируется второе защищаемое положение: Разработанная геоинформационная технология позволяет идентифицировать источники загрязнения и районировать исследуемые территории на основе данных об элементном составе выбросов и оценок парциальных вкладов разных факторов в общее загрязнение.

Глава 4. Результаты апробации разработанной технологии для бно-моииторинга атмосферных выпадений на Южном Урале

В главе приводятся данные апробации разработанных программно-технологических средств для проведения биомониторинга атмосферных выпадений тяжелых металлов и радионуклидов и характеристики источников загрязнения в Челябинской и части Свердловской областей.

Детальные аспекты планирования, пробоотбора, анализа можно найти в

[4,6].

Основные цели работы:

• определить степень регионального загрязнения тяжелыми металлами;

• охарактеризовать и количественно описать местные источники загрязнения: предприятия цветной промышленности в Карабаше и других городах;

• охарактеризовать пятна выпадений меди и мышьяка вокруг Карабашского медного комбината;

• выявить и охарактеризовать другие проблемные территории и источники загрязнений тяжелыми металлами на севере Челябинской области;

• сравнить элементный состав поверхностного слоя почвы и мхов для разделения почвенной и атмосферной компонент загрязнения.

• определить пространственные распределения ^Бг и 137Сб в Челябинской области и оценить степень загрязненности этими радионуклидами территорий вне Восточно-Уральского радиоактивного следа (ВУРСа). Разработанная методика оценки источников загрязнения на основе ГИС,

факторного анализа и метода вариаций Монте-Карло применялась для идентификации и характеристики различных источников загрязнения. Определение числа факторов.

Как видно из графика (рис. 3), относительное число совпадений двух и более факторов с базисным фактором (сплошная линия) резко падает при количестве выбранных факторов равным 5. Также для сравнения приведен график

градиента собственных чисел факторов (пунктирная линия), который показывав число необходимых факторов равных 4 согласно критерию Кайзера.

Определение числа факторов

4.0 3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0

о о сл о

н « °

X X

от 5

количество факторов

Рис. 3. Графики кривых совпадений двух и более факторов с базисным фактором (сплошная линия) и собственных значений факторов (критерий Кайзера, пунктирная линия)

Далее, согласно разработанной технологии были рассчитаны факторны нагрузки (табл. 3) и значения факторов в каждой точке пробоотбора. ГИС моделирование полученных данных (ГИС ИНТЕГРО) позволило получить карть пространственного распределения значений факторов (рис. 4).

На основе данных по факторным нагрузкам (табл. 3), коэффициентам картам распределения и априорной информации были сделаны выводы об эле ментном составе эмиссий источников и рассчитаны парциальные вклады в об шее загрязнение (табл. 4).

Кроме того, с использованием разработанной технологии был созда «Геоэкологический атлас Южного Урала» карт распределений на исследуемо территории, примеры из которого для поллютантов 1-ого и 2-ого класса опасно сти совместно с распределением факторных значений даны на рис. 5,6.

Таким образом формулируется третье защищаемое положение: Создан ный в работе геоинформационный проект «Геоэкологический атлас Южног Урала», обеспечивает оценку современной геоэкологической обстановки в ре гионе, и уточнение техногенных и природных аномалий.

Таблица 4

Природные н техногенные источники загрязнения атмосферы

Номер фактора

Источник

Состав выброса

мох

1

Ветровая эрозия серых лесных почв

А1, Са, Бс, Сг, Ре и РЗЭ

Карабашский медный комбинат

Си, гп, Аб, Ag, са, БЬ И Аи

ОАО «Уфалейннкель»

Аварийный выброс радиоак. отходов ПО «Маяк» 1967 г.

Т577

№, Со, са, Аб, БЬ

СвГБгЫа, А1, Се, Ва, и и ТЬ

Учалинский ГОК

М§, V, Мп, Аб, Вг, АЬ\У,Аи

почва

Ветровая эрозия серых лесных почв

А1, Са, Бс, Сг, Бе и РЗЭ

Не определен

Иа, Аб, Бг, БЬ, Ва

Ветровая эрозия подзолистых почв

Ре, Со, А1 и Бс

Учалинский ГОК

М& V, Мп, Аб, Вг, Ав, \У, Аи

Не определен

ОАО «Уфалейникель»

Мй, Са, V, Т1 и Мп

Со, СА, Аб, БЬ

Карабашский медный комбинат

Си, Ъа, Аб, Ag, Сс1, БЬ и Аи

Фактор 2 ч" Екатеринбург щ <02

у Ш

') 7 1 7

\ <*1 ■ к

^^ ^^ ' х 2 2 2 7

Рис. 5. Карты распределений меди, мышьяка и значений фактора 2 (наибольшие нагрузки для Си и Ав) на Южном Урале

<0,2 0,2- 0,7 0,7-1,2

<0,9 0,9-1,2 1,2-1,5 1,5-2

2-3

3-5 5-10 10-20 >20

Фактор 4

2,7-3,2

Рис. 6. Карты распределений урана, тория и значений фактора 4 (наибольшие нагрузки для и и ТЬ) на Южном Урале

Заключение.

В результате проведенных исследований разработана методика и геоинформационная технология оценки источников загрязнения воздуха на основе нализа данных биомониторинга атмосферных выпадений и ГИС моделирования учетом локальных вариаций параметров в единичной точке проботбора. При том были получены следующие результаты:

1. Предложено определение локальных вариаций концентраций химических элементов в атмосферных выпадениях методом кригинга, что существенно снижает экономические издержки при проведении пространственного биомониторинга.

2. Создана комплексная методика и геоинформационная технология оценки источников загрязнения территории на базе факторной модели пространственного распределения атмосферных выпадений, вариаций исходных данных методом Монте-Карло и ГИС-технологий, что позволяет идентифицировать источники загрязнения и районировать исследуемые территории на основе данных об элементном составе выбросов и оценок парциальных вкладов разных факторов в общее загрязнение.

3. Создан геоинформационный проект «Геоэкологический атлас Южного Урала», который содержит уточненные данные о пространственных распределениях 35 химических элементов, включая редкоземельные и рассеянные элементы, и поля загрязнения идентифицированных техногенных и природных источников.

Основное содержание диссертации изложено в работах:

1. Биомониторинг загрязнения промышленных зон Южного Урала тяжелыми металлами с использованием ядерно-физических методов анализа // Сборник «Экология промышленных регионов на рубеже XXI века». Магнитогорск. 1999. С. 7-13. (Соавторы: М.В. Фронтасьева, Э. Стайнес, С.М. Ляпунов, В.Д. Черчинцев).

2. Некоторые результаты биомониторинга атмосферных выпадений тяжелых металлов на Южном Урале, полученные ядерно-физическими методами анализа// J. Radioanal. Nucl. Chem. 2000.Vol. 245. No. 2. , p. 415-420. (Соавторы: М.В. Фронтасьева, Э. Стайнес, С.М. Ляпунов, В.Д. Черчинцев).

3. Содержание 90Sr и 137Cs в почве районов сопредельных с Восточно-Уральским радиоактивным следом Proceedings of NATO ARW «Man-Made Radionuclides and Heavy Metals in the Environment». Edts M.V. Frontasyeva, P. Vater and V.P. Peregygin. Kluwer Academic Publishers. NATO Science Series. 2001, IV. Earth and Environmental Sciences - Vol. 5. p. 29-36. (Соавторы: М.В. Фронтасьева, Э. Стайнес, С.М. Ляпунов, В.Д. Черчинцев, С.А. Романов).

4. Биомониторинг атмосферных выпадений рассеянных элементов в Челябинской области // Third (Final) Research Co-ordination Meeting (RCM) for the Co-ordinated Research Project (CRP) on Validation and Application of

Plants as Biomonitors of Trace Element Atmospheric Pollution, Analysed b Nuclear and Related Techniques, Lisbon, Portugal, 30 September- 4 Octobe 2002. (Соавторы: M.B. Фроигасьева, Э. Стайнес, С.М. Ляпунов, В.Д. Чер чинцев).

5. L.I. Smirnov, M.V. Frontasyeva, Е. Steinnes, S.M. Lyapunov, V.D. Cherchin sev Изучение атмосферных выпадений // Journal of Radioanalytical and N clear Chemistiy. 2004.Vol. 259. No. 1. p. 19-26.

6. Пространственное распределение тяжелых металлов и радионуклидов н Южном Урале // Препринт ОИЯИ, Р14-2003-134, 2003. (Соавторь М.В. Фронтасьева, Э. Стейннес, С.М. Ляпунов, В.Д. Черчинцев, С.А. Ро манов, В. Т. Самосадный).

7. Л.И. Смирнов, М.В. Фронтасьева, Э. Стейннес, С.М. Ляпунов, В.Д. Че чинцев, С.А. Романов, В.Т. Самосадный. Многомерный статистически анализ концентраций тяжелых металлов и радионуклидов во мхах и поч Южного Урала // Атомная энергия, т. 97, вып.1, 2004. (Соавторы: Е.Н. Ч ремисина, М.В. Фронтасьева, Э. Стейннес, С.М. Ляпунов, В.Д Черчинце С.А. Романов, В.Т. Самосадный).

8. Радионуклиды и тяжелые металлы во мхах и почве Южного Урала //1 ternalional Environmental Physics Conference (EPC-04), Minya, Egypt, 24-2 February, 2004. (Соавторы: E.H. Черемисина, M.B. Фронтасьева, Э. Стей нес).

9. Л. И. Смирнов. Компьютерная технология оценки источников загрязнени воздуха на основе анализа данных биомониторинга атмосферных выпад ний и ГИС (на примере Южного Урала) // Геоинформатика. - 2008. - № - С. 55-60.

Подписано в печать 23.03.2009 г. Заказ 5. Тираж 100 экз. 117105, Москва, Варшавское шоссе, 8, ВНИИгеосистем

Содержание диссертации, кандидата технических наук, Смирнов, Леонид Игоревич

Введение.

Глава 1. Обзор современных методик для мониторинга атмосферных выпадений и оценки источников загрязнения.

1.1 Атмосферный воздух и источники загрязнения.

1.2 Методы исследования элементного состава атмосферы.

1.2.1 Аспирационные методы исследования атмосферного воздуха.

1.2.2 Седиментационные методы.

1.3 Биомониторинг.

1.4 Методы элементного анализа биологических образцов.

1.4.1 Атомно-абсорбционная спектрометрия.

1.4.2 Нейтронный активационный анализ.

1.4.3 Масс-спектрометрия.

1.4.4 Сравнительная характеристика методов элементного анализа.

1.5 Обзор современных моделей для определения и характеристики источников загрязнения.

1.5.1 Дисперсионные модели.

1.5.2 Модели сохранения масс.

1.5.3 Многомерные модели.

1.6 Геоинформационные системы (ГИС).

1.6.1 Зарубежные ГИС.

1.6.2 Отечественные ГИС.

1.6.3 Программный комплекс ГИС ИНТЕГРО.

Введение Диссертация по наукам о земле, на тему "Методика и геоинформационная технология оценки источников загрязнения на основе данных мониторинга атмосферных выпадений"

На сегодняшний день проблемы техногенных выбросов и дальнейшей миграции в трофических цепях различных загрязняющих веществ принадлежат к самым актуальным. Один из наиболее опасных источников загрязнения окружающей среды - выбросы в атмосферу. Поэтому мониторинг техногенной нагрузки на воздушную среду является важнейшей задачей устойчивого развития экосистем. Особенно актуальна данная задача для промышленно развитых регионов с интенсивным и разнородным воздействием на окружающую среду. В этих условиях требуется комплексный учет многих факторов, влияющих на качество атмосферы. Каждый из этих факторов имеет свои специфические особенности, что приводит к необходимости использования для их учета разных математических моделей и баз данных.

Один из способов оценки и контроля техногенной нагрузки на воздушную среду — это мониторинг пространственно-временной изменчивости элементного состава атмосферных выпадений и распределения природных и техногенных эмиссий от конкретных источников загрязнения. Выпадения загрязнителей на поверхность почвы или растительности измеряют либо in situ, анализируя собранные сухие и влажные атмосферные осадки, либо путем пробоотбора и анализа биосубстратов, подверженных атмосферным выпадениям (биомониторинг).

Важным информационным звеном системы мониторинга и прогноза загрязнения атмосферы является геоинформационная подсистема (ГИС), которая обеспечивает ввод, обработку, интерпретацию и отображение пространственно-привязанных данных для их эффективного анализа и решения задач моделирования экологической ситуации. Специфической 5 особенностью ГИС является тесная интеграция модулей, обеспечивающих ведение геоинформационной базы данных, с модулями математического моделирования загрязнения атмосферы. Используемая математическая модель получает исходные данные из базы данных ГИС, а результаты ее работы заносятся обратно в эту базу в виде соответствующих картографических и фактографических информационных слоев.

Однако в методической и технологической части этих задач до сих пор остаются определенные проблемы. Недостаточно проработаны вопросы количественного описания исследуемых факторов, оценки точности их расчета и математический аппарат для их обработки. Стандартные ГИС, используемые в качестве программно-аналитического обеспечения исследовательских и производственных проектов, несмотря на широкий круг функциональных возможностей, требуют дополнительной адаптации к особенностям геоэкологических задач.

Всем этим определяется актуальность разработки методики и геоинформационной технологии оценки источников загрязнения на основе данных мониторинга атмосферных выпадений.

Целью настоящей работы является создание методики и геоинформационной технологии оценки регионального загрязнения территорий и его источников на основе данных биомониторинга атмосферы.

Для достижения заданной цели в диссертационной работе последовательно решены следующие основные задачи.

1) Обзор и анализ существующих методик мониторинга распространения техногенных эмиссий в атмосфере и оценки источников загрязнения и определение возможностей информационных технологий в их реализации.

2) Разработка способа расчета локальных вариаций наблюдаемых параметров в данных пространственного биомониторинга на основе ГИС-методов;

3) Создание комплексной методики и геоинформационной технологии оценки источников загрязнения территории на основе рецепторной (факторной) модели пространственного распределения атмосферных выпадений, метода вариаций Монте-Карло исходных данных (алгоритмы обработки данных) и ГИС-технологий с учетом локальных вариаций признакового пространства.

4) Апробация методики и программно-технологического обеспечения на примере биомониторинга атмосферных выпадений тяжелых металлов (ТМ), радионуклидов (РН) и других элементов. Идентификация источников загрязнения на территории с интенсивным антропогенным воздействием (Челябинская и юг Свердловской обл., Южный Урал).

Научная новизна.

1) Впервые предложен способ расчета локальных вариаций в данных пространственного биомониторинга на основе ГИС- методов интерполяции.

2) Создана комплексная методика и геоинформационная технология оценки источников загрязнения на основе ГИС, факторного анализа и метода вариаций Монте-Карло с учетом локальных вариаций признакового пространства.

3) Уточнены данные о пространственных распределениях 35 химических элементов, включая редкоземельные и рассеянные элементы, в атмосферных выпадениях и поля загрязнения идентифицированных техногенных и природных источников на Южном Урале на основе созданного геоинформационного проекта «Геоэкологический атлас Южного Урала».

Практическая значимость.

Разработанная технология нашла применение в научно-исследовательском проекте МАГАТЭ: "Биомониторинг атмосферных выпадений тяжелых металлов и радионуклидов в Челябинской области (Урал, Россия): временные и пространственные тренды". В результате апробации получены уточненные данные о пространственном распределении 35 химических элементов (в том числе радионуклидов) в атмосферных выпадениях и полей загрязнения идентифицированных источников загрязнения на Южном Урале.

Апробация работы.

Разработанная технология апробирована в научно-исследовательском проекте МАГАТЭ: "Биомониторинг атмосферных выпадений тяжелых металлов и радионуклидов в Челябинской области (Урал, Россия): временные и пространственные тренды".

Основные результаты диссертации докладывались: на III - VII научных конференциях молодых ученых и специалистов (г. Дубна, 1998-2003), на международных конференциях "Nuclear Analytical Methods in the Life Sciences" (Antalya, Turkey, 2002) и "Environmental Physics" (Minya, Egypt, 2004), на X-XII международных семинарах по взаимодействию нейтронов с ядрами, "International Seminars Fundamental Interactions & Neutrons, Nuclear Structure, Ultracold Neutrons, Related Topics" (г. Дубна, 2002-2004), на международных совещаниях НАТО "Мониторинг природных и техногенных отходов радионуклидов и тяжелых металлов в окружающей среде" (г. Дубна,

1999-2000), на координационных совещаниях МАГАТЭ "Validation and Application of Plants as Biomonitors of Trace Element Atmospheric Pollution, Analyzed by Nuclear and Related Techniques" (Lisbon, Portugal, 2002) и на первом координационном совещании по перспективам развития наук о жизни в ядерных центрах (Riviera, Golden Sand, Bulgaria, 2003).

Работа "Изучение атмосферных выпадений тяжелых металлов и радионуклидов на Южном Урале" была удостоена второй премии ОИЯИ на Конкурсе работ молодых ученых ОИЯИ на VII конференции молодых ученых и специалистов (г.Дубна, 3-8 февраля 2003 г.). Цикл работ по биомониторингу атмосферных выпадений тяжелых металлов с участием Л.И. Смирнова удостоен первой Премии на конкурсе лучших работ ОИЯИ 2003 года в номинации "Научно-технические прикладные исследования".

Публикации и личный вклад автора в решение проблемы.

Диссертация основана на методических и технологических исследованиях, выполненных автором в период с 1999-2006 г. Основные экспериментальные данные получены автором, включая анализ образцов методами нейтронного активационного анализа и гамма-спектрометрии, а также разработку методики и геоинформационной технологии оценки источников загрязнения на основе ГИС-моделирования, факторного анализа и метода вариаций Монте-Карло с учетом локальных вариаций признакового пространства. Разработка карты пробоотбора, опробование, атомно-абсорбционная спектрометрия проводилась совместно с к.ф-м.н. М.В. Фронтасьевой, д-ром Э. Стайнесом, д.т.н. В.Д. Черчинцевым, к.г-м.н. С.М. Ляпуновым. По результатам выполненных исследований автором опубликовано 9 печатных работ, в том числе две статьи опубликованы в «Journal of Radioanalytical and Nuclear Chemistry» и две в журналах, рекомендованных ВАК Министерства образования и науки РФ («Геоинформатика» и «Атомная энергия»).

Структура и объем работы.

Диссертация состоит из введения, четырех глав, заключения, списка литературы и двух приложений. Работа содержит 103 страниц текста, включая 18 таблиц, 15 графиков и 40 рисунков и список литературы из 83 наименований.

Библиография Диссертация по наукам о земле, кандидата технических наук, Смирнов, Леонид Игоревич, Дубна

1. ФЕДЕРАЛЬНЫЙ ЗАКОН РФ от 4.05.1999 № 96-ФЗ (принят ГД 2.05.1999) (одобрен СФ 22.04.1999) «Об охране атмосферного воздуха».

2. Анохин Ю.А. Воронская Г.Н., Казаков Е. и др. Использование ледников для изучения атмосферы. //Труды ИПГ М.: «Гидрометеоиздат», 1978, Вып. 39. с. 123-136.

3. Безуглая Э.Ю., Абросимова Ю.Е. Качество атмосферного воздуха в городах России. Взвешенные вещества. Диоксид азота. Бензапирен. /Л¥еЬ-Атлас "Окружающая среда и здоровье населения России". http:Wwww.sci.aha.ru, 1998.

4. Берлянд М.Е. Современные проблемы атмосферной диффузии и загрязнения атмосферы. Л.: Гидрометеоиздат, 1975, 448с.

5. Беспамятнов Г.П., Кротов Ю.А. Предельно допустимые концентрации химических веществ в окружающей среде. Справочник. Л.: «Химия», 1985. 528 с.

6. Болбас М.М. Основы промышленной экологии. М.: «Высшая школа» , 1993.

7. Боябркина А.П., Байковский В.В, Васильев Н.В., Глухов Г.Г., Медведев М.А., Писарева Л.Ф., Резчиков В.И., Шелудько С.И. Аэрозоли в природных планшетах Сибири. Томск: «Издательство «ТГУ», 1993.

8. Бояркина А.П., Будаева Л.И., Васильев Н.В. и др, Атмосферные выбросы тяжелых металлов в снеговом покрове. //Тяжелые металлы в окружающей среде и охрана природы. М., 1988, ч.1 с. 58-61.

9. Бояркина А.П., Васильев Н.В., Назаренко М.К. Количественный анализ сферических микрочастиц по материалам сбора их во сфагновых торфах//Метеоритика. М.: «Наука», 1976, вып. 35, 69-72.

10. Брицке М. Э. Атомно-абсорбционный спектрохимический анализ. М.: Химия, 1982, 225 с.П.Василенко В.Н. Назаров И.М., Фридман Ш.Д. Мониторинг загрязнения снежного покрова. Л.: «Гидрометеоиздат», 1985.

11. Васильев Н.В, Бояркина А.П., Алексеева К.Н. и др., О накоплении техногенных загрязнений в торфяной залежи северных районов Сибири //Биологические проблемы Севера. Петрозаводск, 1976 с. 33-35.

12. Васильев Н.В, Бояркина А.П. и Пресс К.Ф. Статистическая обработка данных спектрального анализа торфа в районе падения Тунгусского метеорита. Метеоритные и метеорные исследования. Новосибирск: «Наука», 1983, 122-129.

13. Воздействие транспорта на состояние окружающей среды. Научно-аналитические доклады /Научно-техническое управление Минтранса России. -М., 1996; 19-99.

14. Горелик Д.О., Конопелько JI.A. Мониторинг загрязнения атмосферы и источников выбросов. Аэроаналитические измерения. М.: «Издательство стандартов», 1992.

15. Ермаченко JI.A. Атомно-абсорбционный анализ в санитарно-гигиенических исследованиях (методическое пособие). Под ред. Подуновой Л.Г., М.: 1997.

16. Золотов Ю.А. Аналитическая химия: проблемы, достижения., М.: «Наука», 1992, 288 с.

17. Израэль Ю.А. Экология и контроль состояния природной среды. М.: Гдрометеоиздат, 1984. 560 с.

18. Израэль Ю.А. Гасилина Н.К. Ровинский Ф.Я. и др. Осуществление в СССР системы мониторинга загрязнения природной среды, Л.: «Гидрометеоиздат», 1978, 116 с.

19. Качество воздуха в крупнейших городах России за десять лет (1988-1997). /Под ред. Безуглой Э.Ю. СПб.: «Гидрометеоиздат», 1999.

20. Кормилицын В.И., Цицкишвили М.С., Яламов Ю.И. Основы экологии. М.: Интерсталь, 1997.

21. Кравцов Ю.В., Солодков С.А. Построение карт загрязнения восточной части г.Тулы ( в районе АК «Тулачермет», Известия ТулГУ, серия «Экология и безопасность жизнедеятельности», вып. 4., Тула, 1998.

22. Кузнецов P.A. Активационный анализ. М: Атомиздат, 1967.

23. Львов Б.В. Атомно-абсорбционный спектральный анализ. М.: Наука 1966, 392 с.

24. Манита М.Д. и др. Современные методы определения атмосферных загрязнений населенных мест. М.: Медицина, 1980. 254 с.

25. Маршалл В. Основные опасности химических производств. М.: Мир, 1989. 672 с.

26. Обухов А.И., Плеханова О.И. Атомно-абсорбционный анализ в почвенно-биологических исследованиях. М.: Изд-во МГУ, 1991, 184 с.

27. Перегуд Е.А., Горелик Д.О. Инструментальные методы контроля загрязнения атмосферы. Л.: «Химия», 1981.

28. Ревель П., Ревель Ч. Среда нашего обитания: В 4-х книгах. // Книга 2. Загрязнение воды и воздуха. М.: «Мир», 1995. 296 с.

29. Руководство по контролю загрязнения атмосферы РД 52. 04. 18689. Л.: «Гидрометеоиздат». 1991. с. 138-142.

30. Солодков С.А., Кравцов Ю.В. Методика определения выбросов веществ в атмосферу по загрязнению снежного покрова. Известия ТулГУ, серия «Экология и безопасность жизнедеятельности», вып. 4., Тула, 1998.

31. Хавезов И., Цалев Д. Атомно-абсорбционный анализ. JL: «Химия», 1983, 144 с.

32. Худолей В.В., Мизгирев И.В. Экологически опасные факторы, Изд-во: Publishing House, Санкт-Петербург, 1996 http://ngo.org.ru/ngoss/get/idl4971 .htm.

33. Черемисина Е.Н., Финкелыптейн М.Я., Митракова О.В. 1999, Методы постановки, решения и прогнозирование проблем в природопользовании, Геоинформатика, 3, 7-14.

34. Черемисина Е.Н., Любимова А.В. «Современные информационные технологии для обеспечения экологически обоснованного природопользования .» .http://www.ustoichivo.ru/biblio/view/128.html.

35. Электроэнергетика и природа (экологические проблемы развития энергетики) /Под ред. Г.Н. Лялика, А.Ш. Резниковского. — М.: Энергоатомиздат, 1995. 352 с.

36. Яхнин Э.Я., Томилина О.В., Тимонина Е.А., Бетхатова М.К., Тимонин А.А, Атмосферные выпадения в провинции Кюми (Финляндия) и на Карельском перешейке (по данным о загрязнении снежного покрова). Экологическая химия 1998, 7 (3) 174-190.

37. Benarie М. М. (1980) Urban Air Pollution Modelling. MIT Press, Cambridge, Massachusetts.

38. Bevington P. R. (1969) Data Reduction and Error Analysis for the Physical Sciences. McGraw-Hill, New York.

39. Bode P. Wolterbeek H. Th. 1990 Environmetal research and instrumental neutron activation analysis: aspects of high accuracy ans milti-element capability. J. Trace Microprobe Tech. 8, 121-138.

40. Box G. E. P., Hunter W. G. and Hunter J. S. (1978) Statistics for Experimenters: An Introduction to Design, Data Analysis, and Model Building, pp. 489-493. John Wiley, New York.

41. Britt H. I. and Luecke R. H. (1973). The estimation of parameters in non-linear, implicit models. Technometrics 15, 233-247.

42. Brown D.H., Brown R.M., "Reproducibility of sampling for element analysis using bryophytes", in Element Concentration Cadasters in Ecosystems, H. Leith, B. Markert (Eds), VCH, Weinheim, 1990.

43. Brown D.H. Bryothytes and nutrient cycling, Botanical Journal of the Linnean Society (1990), 104: 129-147.

44. Cooper J. A. and Watson J. G. (1980) Receptor oriented methods of air particulate source apportionment. J. Air Pollut. Control Ass. 30, 1116-1125.

45. Core J. E. (1981a) Receptor Model Technical Series, Vol. I: Overview of Receptor Model Applications to Particulate Source Apportionment. EPA-450/4-81-016a, U.S. Environmental protection Agency, Research Triangle Park, North Carolina.

46. Core J. E. (1981b) Receptor Model Technical Series, Vol. II: Chemical as Balance. EPA-450/4-81-016b, U.S. Environmental protection Agency, Research Triangle Park, North Carolina.

47. Dalton F.S., Dual pattern of potassium transport in plant cells. A physical artefact of a singl uptake mechanism, Journal of Experimental Botany, 35 (1984) 1723-1732.

48. De Bruin, M. . Present and Future Position of Neutron Activation Analysis, Journal of Radioanalytical and Nuclear Chemistry, Vol. 160, No. 1 (1992)31-40.

49. De Goeij, J.J.M. Bode P. 1997b Neutrong activation analysis: trends in developments and applications. Proceedings of the International Conference on Neutrons and their Applications, Crete, Greece, 12-18 June 1994, SPIE-Vol. 2339, 436-447.

50. Draper N. R. and Smith H. (1981) Applied Regression Analysis. John Wiley, New York.

51. Draper N. R. and Van Nostrand R. C. (1979) Ridge regression and James-Stein estimation: review and comments. Technometrics 21, 451-465.

52. Dunker A. M. (1979) A Method for Analyzing Data on the Elemental Composition of Aerosols. Research Publication GMR-3074ENV-67, General Motors Research Laboratory, Warren, Michigan.

53. Figueira R., Sergio C., Sousa A.J., Distribution of trace metals in moss biomonitors and assessment of contamination sources in Portugal, Environmental Pollution 118 (2002) 153-163.

54. Freitas M.C., Reis M.A., Alves L.C., Wolterbeek H.Th. Distribution in Portugal of some pollutants in the lichen Parmela sulcata, Environmental Pollution 106(1999) 229-235.

55. Frontasyeva M.V., Grass F., Nazarov V.M, Ritschel A., Steinnes E. Intercomparison of moss reference material by different multi-element techniques, J. Radioanal. Nucl. Chem., 1995, vol. 192, No 2, p. 371-379.

56. Gjengedal E., Steinnes E., 1990, Uptake of metal ions in moss from artificial precipitation, Environmental Monitoring and Assessment 14, 77-87.

57. Henry R. C. (1977b) A factor model of urban aerosol pollution. Ph.D. dissertation, Oregon Graduate Center Beaverton, Oregon.

58. Jarvis K.E., Gray A.L. and Houk R.S. (1992) Handbook of inductivelu coupled plasma mass spectrometry. Chapman and Hall, New York, 380 pp.

59. Kuik P., Blaauw M., Sloof J.E., Wolterbeek H.Th., Application of Monte-Carlo assisted factor analysis to large sets of environmental pollution data. Atmospheric Environment, 27A, 13, (1993), 1975-1983

60. Lawson C. L. and Hanson R. J. (1974) Solving Least Squares Problems. Prentice-Hall, Englewood Cliffs, New Jersey.

61. Markert B., 1993, Instrumental analysis of plants: In B. Markert (Ed.) Plants as biomonitors. Indicators of Heavy Metals in the Terrestrial Environment. VCH Publ. Inc., New York 65-104.

62. Markert B., Wappelhorst O., Weckert V., Siewers U., Friese K., Breulmann G., The use of bioindicators for monitoring the heavy-metal status of the environment, Journal of Radioanalytical and Nuclear Chemistry, 240 (1999), 425-429.

63. Montaser A. and Golightly D.W. (1987) Inductively coupled plasmas in analytical atomic spectrometry. VCH, Weinheim, Germany, 660 pp.

64. Nriagu J.O. (1989b), "Natural versus anthropogenic emissions of trece metals to the atmosphere", in: Control and Fate of Atmospheric Trace Metals. J.M. Pacyna and B. Ottar (Eds.), NATO ASI Series, Kluwer Academic Pulishers, The Netherlands, 1989, 3-13.

65. Nriagu J.O. (1989) A global assessment of natural sources of atmospheric trace metals. Nature 338, 47-49

66. Nriagu J.O. and Pacyna J.M. (1988) Quantitative assessment of worldwide contamination of air, water and soil by trace elements. Nature 333, 134139.

67. Pacyna J.M. (1986) Atmospheric trace element from natural and anthropogenic sources. In J.O. Nriaguand C.I. Davidson (eds.) Toxic metals in the atmosphere. John Wiley, New Yore, 33-52.

68. Pacyna J.M. (1984) Estimation of the atmospheric emission of trace elements from anthropogenic source in Europe. Atmospheric Environment 18, 4150.

69. Pasquill F. (1974) Atmospheric Diffusion, 2nd Ed. Halsted Press, John Wiley, New York.

70. Plants as biomonitors indicators for heavy metals in the terrestrial environment, B. Markert (Ed) VCH, Weinheim, 1993.

71. Rahn K.A. (1999b) A Graphical Technique for Determining Major Components in a Mixed Aerosol. I. Descriptive Aspects, Atmospheric Environment. 33, p. 1441-1455.

72. Ross H.B. (1990) On the use of moss (Hs and Ps) for estimating atmospheric trace metal deposition. Water, Air and Soil Polut. 50, 63-76.

73. Ruhling A. and Tyler G. (1968) An ecological approach to the lead problem. Botaniska Notiser 121, 321-342.

74. Ruhling A. and Tyler G. (1970) Sorption and retention oh heavy metals in the woodland moss Hylocomium splendens (HEDW.) Br. et Sch. Oikos 21, 9297.

75. Ruhling, A., (Ed.), 1994: Atmospheric heavy metal deposition in Europe estimation based on moss analysis, NORD 1994:9, pp. 53.

76. Ruhling, A., Steinnes, E., 1998: Atmospheric heavy metal deposition in Europe 1995 1996, NORD 1998:15, 66.

77. Smodis B., Bleise A. Internationally harmonized approach to biomonitoring trace elements atmospheric deposition, Environment pollution 120 (2002) 3-10.

78. Schuurmann G. and Markert B. (Eds), John Willey & Sons. Ecotoxicology, New York, 1998.

79. Steinfeld J. H. (1975) Air Pollution: Physical and Chemical Fundamentals. McGraw-Hill, New York.

80. Steinnes E. (1985) Use of moss in heavy metal deposition studies, EMEP/CCC-Report 3/85, 161-170.

81. Steven R. K. and Pace T. G. (1984) Overview of the Mathemtical and Empirical Receptor Models Worksop (Quail Roost II).Atospheric Enviroment 18, 1499-1506.

82. Taylor G., Witherspoon J., Retention of simulated fallout particles by lichen and mosses, Health Physiscs, 32 (1972) 867-869.

83. Trace elements in the environment their distribution and effects, Chapter II, Markert and Friese (Eds), Springer-Verlag, Berlin, 2000.

84. U.S. Environmental Protection Agency (1978a) Workbook for Comparison of Air Quality Models. OAQPS Guideline Series'. EPA-450/2-78-028b, U.S. Environmental protection Agency, Research Triangle Park, North Carolina.

85. U.S. Environmental Protection Agency (1978b) Workbook for Comparison of Air Quality Models Appendices. OAQPS Guideline Series. EPA-450/2-78-028b, U.S. Environmental protection Agency, Research Triangle Park, North Carolina.

86. Van Groenigen J. W. 2000: The influence of variogram parameters on optimal sampling schemes for mapping by kriging. Geoderma 97, 223-236.

87. Vinod H. D. (1978) A survey of ridge regression and related techniques for improvements over ordinary least-squares. Rev. Econ. Statist. 60, 121-131.

88. Watson J. G. et al. (1981) Receptor Models Relating Ambient Suspended Particulate Matter to Sources. EPA-600/2-81-039, U. S. Enviromental Protection Agebcy, Researc., Triangle Park, North Carolina .

89. Witting R. "General aspects of biomonitoring heavy metals by plants" in Plants as Biomonitors, Bernd Markert (Ed), VCH, Weinheim, 1993.

90. Wolterbcek B., Large-scaled biomonitoring of trace element air pollution: goals and approaches, Radiation Physics and Chemistry 61 (2001) 323327.

91. Wolterbcek H.Th., Bode P., Verburg T.G., 1996, Assessing the quality of biomonitoring via signal-to-noise ratio analysis. Science of the Total Environment 180, 107-116.

92. Wolterbcek H.Th., Judging survey quality: local variances. Environment Monitoring Assessment., 73,7,2002.99. www.dataplus.ru.100. www.esri.com.101. www.integro.ru.102. www.intergraph.com.103. www.ref.bv/refs/50/40083/1 .html.