Long-Term Statistical Assessment of the Water Quality of Tundja River

• Autorzy: Papazova P. , Simeonova P.

Warianty tytułu

PL

Długookresowa ocena jakości wody rzeki Tundji

• Języki publikacji: EN

Abstrakty

EN

Two major environmetric methods (Cluster analysis (CA) and Principal components analysis (PCA)) were applied for statistical assessment of the water quality of trans-border river Tundja. The study used long-term monitoring data from 26 sampling sites characterized by 12 physicochemical parameters. Clustering of chemical indicators results in 3 major clusters: the first one shows the impact of anthropogenic sources, the second - the impact of agriculture and farming activities and the last one describes the role of the physical parameters on the water quality and also the impact of urban wastes. For better assessment of the monitoring data, PCA was implemented, which identified four latent factors. Two of them - “urban wastes” factor and “agriculture” factor correspond almost entirely to clusters 3 and 2 from the previous statistical analysis. The third one, named “industrial wastes” factor, reveals a specific seasonal behavior of the river system. The last latent factor describes the active reaction of the water body and is determined as “acidity” factor. The linkage of the sampling sites along the river flow by CA formed two clusters with the spatial “upstream-downstream” separation. The apportionment model of the pollution determined the contribution of each one of identified pollution factors to the total concentration of each one of the water quality parameters.

PL

Dwie główne metody analizy danych środowiskowych (analiza skupień (CA) i analiza składowych głównych (PCA)) zastosowano do statystycznej oceny jakości wód transgranicznej rzeki Tundja. W badaniach wykorzystano dane otrzymane z monitoringu długookresowego. Próbki pobrano w 26 miejscach i scharakteryzowano za pomocą 12 parametrów fizykochemicznych. Pogrupowanie tych parametrów ze względu na 3 wskaźniki chemiczne pozwoliło na zbudowanie 3 głównych klastrów: pierwszy z nich pokazuje wpływ źródeł antropogennych, drugi - wpływ rolnictwa i działalności rolniczej, a trzeci opisuje rolę parametrów fizycznych i zanieczyszczeń środowiska miejskiego na jakość wody. W celu lepszej oceny danych monitoringowych zastosowano PCA, co pozwoliło na identyfikację czterech ukrytych czynników. Dwa z nich - czynnik „miejskie odpady” i czynnik „rolnictwo” - odpowiadają niemal w całości klastrom 3 i 2 z poprzedniej analizy statystycznej. Trzeci czynnik, nazwany „odpadami przemysłowymi”, ukazuje specyficzne zmiany sezonowe w systemie rzecznym. Ostatni czynnik opisuje reakcję wody i jest określany jako czynnik „kwasowość”. Powiązania pomiędzy miejscami pobierania próbek wzdłuż przepływu oceniono za pomocą CA. Wskazano istnienie dwóch klastrów z separacją przestrzenną „upstream-downstream”. Model podziału zanieczyszczeń określał wkład każdego ze zidentyfikowanych czynników zanieczyszczeń w całkowitym stężeniu każdego z parametrów jakościowych wody.

Słowa kluczowe

EN

monitoring; river water; data treatment; cluster analysis; principal components analysis

PL

monitoring; wody rzeczne; obróbka danych; analiza skupień; analiza składowych głównych

• Wydawca: Towarzystwo Chemii i Inżynierii Ekologicznej
• Czasopismo: Ecological Chemistry and Engineering. S
• Rocznik: 2012
• Tom: Vol. 19, nr 2
• Strony: 213--226
• Opis fizyczny: Bibliogr. 20 poz., rys., tab.

Twórcy

autor

Papazova P.

autor

Simeonova P.

• Laboratory of Environmental Physics, Georgi Nadjakov Institute of Solid State Physics, Bulgarian Academy of Sciences, Tzarigradsko Chaussee Blv. 72, 1784 Sofia, Bulgaria, phone ++35929746265,

Bibliografia

• [1] Simeonova P, Simeonov V, Andreev G. Centr Europ J Chem. 2003;2:121-136.
• [2] Simeonov V, Stefanov S, Tsakovski S. Mikrochim Acta. 2000;134:15-21.
• [3] Simeonov V, Sarbu C, Massart D, Tsakovski S. Mikrochim Acta. 2001;137:243-248.
• [4] Simeonov V, Stratis J, Samara C, Zachariadis G, Voutsa D, Anthemidis A, Sofoniou M, Kouimtzis T. Water Res. 2003;37:4119-4124. DOI:10.1016/S0043-1354(03)00398-1.
• [5] Simeonov V, Simeonova P, Tsitouridou R. Ecol Chem Eng. 2004;11:450-469.
• [6] Mihailov G, Simeonov V, Nikolov N, Mirinchev G. Water Sci Technol. 2005;51:37-43.
• [7] Simeonova P, Lovchinov V, Simeonov V. J Balk Ecol. 2007;10:197-204.
• [8] Astel A, Tsakovski S, Barbieri P, Simeonov V. Water Res. 2007;41:4566-4578. DOI:10.1016/j.waters.2007.06.030.
• [9] Diadovski I, Atanassova M, Simeonov V. Ecol Chem Eng A. 2009;16:181-200.
• [10] Diadovski I, Atanassova M, Simeonov V. J Water Res Protect. 2010;2:455-461. DOI: 10.4236/jwarp.2010.25052.
• [11] Tsakovski S, Astel A, Simeonov V. J Chemomet. 2010;24:694-702. DOI: 10.1002/cem.1333.
• [12] Diadovski I, Atanassova M, Simeonov V. Ecol Chem Eng A. 2010;17:199-215.
• [13] Tsakovski S, Simeonov V, Stefanov S. Fresenius Envir Bull. 1999;8:28-36. DOI: 1018-4619/99/01-02/028-09.
• [14] Spanos Th, Simeonov V, Stratis J, Xatzixristou X. Mikrochim Acta. 2003;141:35-40. DOI: 10.1007/s00604-002-0921-9.
• [15] Simeonov V, Simeonova P, Tsakovski S, Lovchinov V. J Water Res Protect. 2010;2:354-362. DOI: 10.4236/jwarp.2010.24041.
• [16] Massart DL, Kaufman L. The interpretation of analytical chemical data by the use of cluster analysis. Amsterdam: Elsevier;1983.
• [17] Einax J, Zwanziger H, Geiss S. Chemometrics in Environmental Analysis. Weinheim: VCH; 1998.
• [18] Thurston G, Spengler J. Atmos Environ. 1985;19:9-26.
• [19] Simeonov V, Einax JW, Stanimirova I, Kraft J. Anal Bioanal Chem. 2002;374:898-905. DOI: 10.1007/s00216-002-1559-5.
• [20] Simeonova P, Lovchinov V, Dimitrov D, Radulov I. Ecol Chem Eng A. 2008;15:187-198.