Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 4

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  occurence
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Charakterystyka i występowanie cybutryny i terbutryny w wodach i ściekach
PL
W wyniku wdrożenia dyrektywy 2013/39/UE lista substancji priorytetowych uległa rozszerzeniu o 15 nowych związków, w tym biocydy cybutrynę i terbutrynę. Rozszerzony został tym samym zakres substancji, których monitoring musi być obowiązkowo prowadzony przez kraje członkowskie UE. Związki te nie były dotychczas w Polsce objęte zakresem monitoringu wód, stąd uznano za celowe dokonanie przeglądu literaturowego informacji związanych z charakterystyką, zastosowaniem i występowaniem wymienionych substancji w środowisku wodnym w innych krajach. Oba wymienione związki należą do grupy triazyn. Są inhibitorami fotosyntezy. Mimo restrykcji nałożonych na ich stosowanie nadal są wykrywane w środowisku wodnym. Wskazano na przykłady występowania obu związków w wodach powierzchniowych lądowych i w wodach portowych. Zwrócono uwagę na możliwość szerokiego występowania obu związków w Polsce ze względu na ich stosowanie jako dodatków do materiałów elewacji budynków i pokryć dachów.
EN
According to directive 2013/39/EU list of priority substances was expanded with 15 new compounds, including biocides cibutrine and terbutrine. This way the range of substances obligatory monitored in water environment in EU countries will include new compounds. Cibutrine and terbutrine were not covered by state monitoring in Poland, therefore it is reasonable to review and collect literature informations on characteristics, application and presence of these substances in surface water environment in other countries. Both of these substances belong to triazine group and are the photosynthesis inhibitors. Besides of restrictions placed on their application in are still determined in water environment. The examples of this presence in inland surface waters and port waters were indicated. The possibility of wide presence of both compounds in Polish waters was indicated because of their application in buildings façades and roof coverings.
EN
Popular statistical techniques, such as Spearman's rank correlation matrix, principal component analysis (PCA) and multiple linear regression analysis were applied to analyze a large set of water quality data of the Rybnik Reservoir generated during semiannual monitoring. Water samples collected at 9 sampling sites located along the main axis of the reservoir were tested for 14 selected parameters: concentrations of co-occurring elements, ions and physicochemical parameters. The aim of this study was to estimate the impact of those parameters on inorganic arsenic occurrence in Rybnik Reservoir water by means of multivariate statistical methods. The spatial distribution of arsenic in Rybnik Power Station reservoir was also included. Inorganic arsenic As(III), As(V) concentrations were determined by hydride generation method (HG-AAS) using SpectrAA 880 spectrophotometer (Varian) coupled with a VGA-77 system for hydride generation and ECT-60 electrothermal furnace. Spearman's rank correlation matrix was used in order to find existing correlations between total inorganic arsenic (AsTot) and other parameters. The results of this analysis suggest that As was positively correlated with PO43-; Fe and TDS. PCA confirmed these observations. Principal component analysis resulted in three PC's explaining 57% of the total variance. Loading values for each component indicate that the processes responsible for As release and distribution in Rybnik Reservoir water were: leaching from bottom sediments together with other elements like Cu, Cd, Cr, Pb, Zn, Ni, Ca (PC1) and co-precipitation with PO43-, Fe and Mn (PC3) regulated by physicochemical properties like T and pH (PC2). Finally, multiple linear regression model has been developed. This model incorporates only 8 (T, pH, PO43-, Fe, Mn, Cr, Cu, TDS) out of initial 14 variables, as the independent predictors of total As contamination level. This study illustrates the usefulness of multivariate statistical techniques for analysis and interpretation of complex environmental data sets.
PL
Do analizy dużego zbioru danych pochodzących z półrocznego monitoringu wody Zbiornika Rybnickiego zastosowano popularne techniki statystyczne takie jak: macierz korelacji rang Spearmana, analiza głównych składowych (PCA) oraz regresja wieloraka. Próbki wody do badań pobierano z 9 różnych stanowisk rozmieszczonych wzdłuż głównej osi zbiornika i testowano pod kątem 14 wybranych parametrów: stężeń współwystępujących pierwiastków, jonów oraz parametrów fizykochemicznych. Celem pracy była ocena wpływu tych parametrów na występowanie arsenu nieorganicznego w wodzie Zbiornika Rybnickiego za pomocą wielowymiarowych metod statystycznych. W pracy zamieszczono także wyniki przestrzennego rozkładu arsenu w zbiorniku Elektrowni Rybnik. Stężenia nieorganicznych form arsenu As(III), As(V) oznaczano metodą generowania wodorków (HG-AAS) wykorzystując spektrometr absorpcji atomowej SpectrAA 880 (Varian), rozbudowany o układ do generacji wodorków VGA-77 oraz elektrotermiczny piec ETC-60. W celu znalezienia korelacji między całkowitym arsenem nieorganicznym (AsTot), a innymi parametrami wykonano macierz korelacji rang Spearmana. Wyniki tej analizy sugerują, że As był dodatnio skorelowany z PO43-; Fe, TDS. Potwierdzeniem tych obserwacji były wyniki analizy PCA. Analiza głównych składowych pozwoliła na wyodrębnienie ze zbioru danych 3 głównych składowych wyjaśniających 57% całkowitej zmienności. Wartości ładunków poszczególnych czynników wskazują, że procesami, które w największym stopniu wpływały na uwalnianie oraz dystrybucję As w wodzie Zbiornika Rybnickiego były: wymywanie z osadów dennych wraz z innymi pierwiastkami takimi jak: Cu, Cd, Cr, Pb, Zn, Ni, Ca (PC1), współstrącanie z Fe, Mn, PO43- (PC3) regulowane przez czynniki fizykochemiczne jak T czy pH (PC2). Końcowy etap analizy wyników obejmował zbudowanie modelu regresji wielorakiej. Model obejmował jedynie 8 (T, pH, PO43-, Fe, Mn, Cr, Cu, TDS) spośród 14 wyjściowych zmiennych, które służyły jako niezależne estymatory do oszacowania stopnia zanieczyszczenia wody arsenem. Praca ta ilustruje przydatność wielowymiarowych technik statystycznych do analizy i interpretacji złożonych zbiorów danych pochodzących z badań środowiskowych.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.