Wyniki wyszukiwania - BazTech

1

Spatio-Temporal Analysis of the Remote Sensing Ecological Index – A Case Study of the Favorable Agro-Ecological Zone in Northwest Morocco

Tahiri Mounia, Mohsine Ismail, Bouramtane Tarik, Bahi Hicham, Malah Anass, Sabri Anas, Kacimi Ilias

Ecological Engineering & Environmental Technology

|

2023

|

Vol. 24, iss. 7

61--70

EN

Agriculture has traditionally been one of Morocco’s most important industries, providing the largest percentage of the nation’s GDP (Gross Domestic Product). However, over the past two decades, the frequency and severity of Morocco’s droughts have grown. These climate changes have a direct impact on essential crops in the country. Exploring the geographical and temporal evolution of the ecological quality is thus critical for the conservation of the natural environment. To achieve this, the present study attempted to evaluate seasonally the environmental quality in the most favorable agro-ecologic zone in Morocco, using remote sensing data, in the years 2001, 2011, and 2021. An index was created, called Remote Sensing Ecological Index (RSEI), which combines four ecological indicators, related to vegetation, humidity, heat, and dryness aspects. The results indicate that from 2011 to 2021, the RSEI values deteriorated the greatest, particularly during the winter months. In addition, vegetation and humidity were the parameters most affecting the RSEI index. Thus, the key drivers of the improvement in the environmental quality are the establishment of ecological policies, rules, and actions to maintain a sustainable environmental development.

2

Using the LSTM network to forecast the demand for hard coal

Manowska Anna

Gospodarka Surowcami Mineralnymi

|

2020

|

T. 36, z. 4

33--48

EN

Securing the certainty of supplies of the necessary minimum energy in each country is a basic condition for the energy security of the state and its citizens. The concept of energy security combines several aspects at the same time, as it can be considered in terms of the availability of own energy resources, it concerns technical aspects related to technical infrastructure, as well as political aspects related to the management and diversification of energy supplies. Another aspect of the issue of energy security is the environmental perspective, which is now becoming a priority in the light of the adopted objectives of the European Union’s energy policy. The restrictive requirements for reducing greenhouse gas emissions and increasing the required level of renewable energy sources in the energy balance of the Member States is becoming a challenge for economies that use fossil fuels to a large extent in the raw material structure, including Poland. Poland is the largest producer of hard coal in the European Union and hard coal is a strategic raw material as it satisfies about 50% of the country’s energy demand. In this context, the main goal of the article was to determine the future sale of hard coal by 2030 in relation to environmental regulations introduced in the energy sector. For this purpose, a mathematical model with a 95% confidence interval was developed using artificial LSTM neural networks, which belong to deep learning machine learning techniques, which reflects the key relationships between hard coal mining and the assumptions adopted in the National Energy and Climate Plan for the years 2021–2030 (NECP).

PL

Zabezpieczenie pewności dostaw niezbędnego minimum energii w każdym kraju jest podstawowym warunkiem bezpieczeństwa energetycznego państwa i jego obywateli. Pojęcie bezpieczeństwa energetycznego łączy kilka aspektów jednocześnie, gdyż można je rozpatrywać na płaszczyźnie dostępności własnych surowców energetycznych; dotyczy aspektów technicznych związanych z infrastrukturą techniczną, a także aspektów politycznych, które związane są z zarządzaniem oraz dywersyfikacją dostaw surowców energetycznych. Kolejnym elementem zagadnienia bezpieczeństwa energetycznego jest perspektywa środowiskowa, która nabiera obecnie priorytetowej ważności w świetle przyjętych celów polityki energetycznej Unii Europejskiej. Restrykcyjne wymagania w zakresie redukcji poziomów emisji gazów cieplarnianych oraz wzrostu wymaganego poziomu odnawialnych źródeł energii w bilansie energetycznym krajów członkowskich stają się wyzwaniem dla gospodarek wykorzystujących w dużej mierze paliwa kopalne w strukturze surowcowej, do których należy również Polska. Polska jest największym producentem węgla kamiennego w Unii Europejskiej i jest to surowiec strategiczny, gdyż zaspokaja około 50% zapotrzebowania energetycznego kraju. W tym kontekście głównym celem artykułu było określenie przyszłej sprzedaży węgla kamiennego w perspektywie do 2030 roku, w odniesieniu do regulacji środowiskowych wprowadzanych w energetyce. W tym celu opracowano model matematyczny z 95-procentowym przedziałem ufności z wykorzystaniem sztucznych sieci neuronowych LSTM, które należą do technik uczenia maszynowego – deep learning, który odzwierciedla kluczowe relacje między górnictwem węgla kamiennego a przyjętymi założeniami w Krajowym planie na rzecz energii i klimatu na lata 2021–2030 (KPEiK).

3

Homogeneous regionalization via L-moments for Mumbai City, India

Parchure Amit Sharad, Gedam Shirish Kumar

Meteorology Hydrology and Water Management. Research and Operational Applications

|

2019

|

Vol. 7, Iss. 2

73--83

EN

This study identified homogeneous rainfall regions using a combination of cluster analysis and the L-moments approach. The L-moments of heavy rainfall events of various durations (0.25, 1, 6, 12, 24, 48, 72, 96, and 120 h) were analysed using seasonal (June-September) rainfall measurements at 47 meteorological stations over the period 2006- 2016. In the primary phase of this study, the homogeneity of Mumbai as a single region was examined by statistical testing (based on L-moment ratios and variations of the L-moments). The K-means clustering approach was applied to the site characteristics to identify candidate regions. Based on the most appropriate distribution, these regions were subsequently tested using at-site statistics to form the final homogeneous regions. For durations above 1h, the regionalisation procedure delineated six clusters of similarly behaved rain gauges, where each cluster represented one separate class of variables for the rain gauges. However, for durations below 1h, the regionalisation procedure was not efficient in the sense of identifying homogeneous regions for rainfall. Furthermore, the final clusters confirmed that the spatial variation of rainfall was related to the complex topography, which comprised flatlands (below or at mean sea level), urban areas with high rise buildings, and mountainous and hilly areas.

4

Dimensionality of an urban transport system based on ISO 37120 indicators for the case of selected European cities

Hajduk Sławomira, Litavniece Lienite

Engineering Management in Production and Services

|

2019

|

Vol. 11, no. 4

80--91

EN

The study aims to assess transport systems in terms of ISO 37120 indicators in selected European cities. Using the principal components analysis, the research identified significantly correlated variables associated with urban transport. Three principal components explained almost 87% of input data variability. The first principal component was mainly related to transportation fatalities, the second component — to the length of bicycle paths, and the third component — to the length of the network used by light passenger public transport. A strong correlation was found between the length of high capacity public transport and transportation fatalities. Furthermore, the analysis proved that the Aalter transport system was an outlier. The paper concludes by identifying several recommendations on the improvement of urban transport management and the development of low-carbon mobility systems.

5

Partial least squares method in the analysis of the intensity of damage in prefabricated large-block building structures

Firek K., Rusek J.

Archives of Mining Sciences

|

2017

|

Vol. 62, no. 2

269--277

EN

The paper presents the research methodology aimed at determining the building damage intensity index as a linear combination of indices describing the damage to its individual components. The research base comprised 129 building structures erected in the large-block technology. The study compared the results of a standardized approach to data mining - PCA (Principal Components Analysis) with the procedure of the PLSR method (Partial Least Squares Regression). As a result of the analysis, a generalized form of the building damage index was obtained, as a linear combination of the damage to its components.

PL

W referacie przedstawiono metodykę badań, której celem było ustalenie wskaźnika zakresu intensywności uszkodzeń budynku, jako kombinacji liniowej wskaźników opisujących uszkodzenia jego elementów składowych. Bazą do badań było 129 budynków wzniesionych w technologii wielkoblokowej. W badaniach porównano wyniki standardowego podejścia do eksploracji danych PCA (Principal Components Analysis) z procedurą metody PLSR (Partial Least Squares Regression). W wyniku analiz uzyskano uogólnioną postać wskaźnika uszkodzeń budynku jako kombinacji liniowej uszkodzeń elementów składowych.

6

Application of artificial neural networks and principal component analysis on vibration signals for automated fault classification of roller element bearings

Zuber N., Bajrić R.

Eksploatacja i Niezawodność

|

2016

|

Vol. 18, no. 2

299--306

EN

The article addresses the implementation of feature based artificial neural networks and vibration analysis for automated roller element bearings faults identification purpose. Vibration features used as inputs for supervised artificial neural networks were chosen based on principal component analysis as one of the possible methods of data dimension reduction. Experimental work has been conducted on a specially designed test rig and on a drive of the Ganz port crane in port of Novi Sad, Serbia. Different scalar vibration features derived from time and frequency domain were used as inputs to fault classifiers. Several types of roller elements bearings faults, at different levels of loads were tested: discrete faults on inner and outer race and looseness. It is demonstrated that proposed set of input features enables reliable roller element bearing fault identification and better performance of applied artificial neural networks.

PL

Artykuł omawia zastosowanie sztucznych sieci neuronowych opartych na cechach oraz analizy drgań do celów automatycznej identyfikacji uszkodzeń łożysk tocznych. Cechy drgań mające posłużyć jako dane wejściowe do nadzorowanych sztucznych sieci neuronowych wybrano na podstawie analizy głównych składowych, która stanowi jedną z metod zmniejszania rozmiaru zbioru danych statystycznych. Badania prowadzono na specjalnie do tego celu zaprojektowanym stanowisku badawczym oraz na układzie napędu żurawia portowego firmy Ganz w porcie Novi Sad w Serbii. Jako wejścia klasyfikatorów uszkodzeń wykorzystano różne skalarne cechy drgań określone w dziedzinie czasu i częstotliwości. Badano kilka typów uszkodzeń łożysk tocznych przy różnych poziomach obciążenia: uszkodzenia dyskretne w obrębie pierścienia wewnętrznego i zewnętrznego łożyska oraz nadmierny luz. Wykazano, że proponowany zbiór cech wejściowych umożliwia niezawodną identyfikację uszkodzeń łożysk tocznych oraz zapewnia lepszą wydajność zastosowanych sztucznych sieci neuronowych.

7

Rozpoznawanie obiektów morskich na podstawie obrazów FLIR metodą analizy obrazów własnych (eigenimages)

Pietkiewicz T.

Przegląd Elektrotechniczny

|

2015

|

R. 91, nr 3

116-119

PL

W referacie przedstawiono metodę rozpoznawania obiektów morskich na podstawie ich obrazów wykonanych przez sensory podczerwieni (FLIR – forward looking infra-red) z wykorzystaniem metody analizy obrazów własnych (eigenimages). Metoda ta oparta jest na metodzie analizy głównych składowych (PCA – Principal Component Analysis). W końcowym fragmencie pracy przedstawiono wstępne wyniki badania metody klasyfikacji obiektów morskich dla pewnego zbioru obrazów FLIR obiektów zarejestrowanych na Morzu Bałtyckim.

EN

This paper presents a method of recognition of maritime objects based on FLIR (forward looking infra-red) sensor images using eigenimages analysis method. The method is an extension of Principal Component Analysis (PCA) method. In last part of the paper are presented preliminary test results of the classification method for a set of FLIR images registered in the Baltic Sea. (Recognition of maritime objects based on FLIR images using eigenimages analysis method. A method of recognition of maritime objects based on FLIR.

8

1D and 2D Shape Descriptors Applied in Fabric Drape Computer Simulation

Gabrijelčič Tomc H., Hladnik A.

Fibres & Textiles in Eastern Europe

|

2015

|

Vol. 23, no. 6 (114)

92--101

EN

Fabric drape simulations accomplished by computer graphics software can provide the basis for effective communication among designers, manufacturers and other players in the apparel industry. The goal of our study was to investigate various 1D and 2D shape descriptors used to characterize renderings of 3D drape simulations in dependence on the geometry of collision objects and fabric type. Image processing routines were implemented to extract and compute the shape descriptors while principal components analysis was applied to interpret the relationships among the parameters studied. Drapes on cube, octahedron and prism were found to behave in a distinctively different manner compared to those produced using the other six collision objects: cone, cylinder, dodecahedron, gengon, sphere, and tube. A first principal component can be, to a large extent, represented by the following mutually strongly correlated 2D shape descriptors: area, major axis length, minor axis length, equivalent diameter, and perimeter. Analysis using 1D shape descriptors confirms these findings and additionally suggests that rubber-based drapes contain the lowest number of folds while those on polyester, wool, and sometimes silk and/or satin are characterized by the highest number of drape folds. These results were confirmed by visual examination of the drapes simulated.

PL

Symulacja układalności tkanin realizowana przy pomocy programu grafiki komputerowej może być podstawą dla efektywnego porozumienia pomiędzy projektantami i wytwórcami w przemyśle odzieżowym. Celem naszych badań było rozpoznanie różnych deskryptorów kształtu 1D i 2 D dla scharakteryzowania renderów 3D symulacji układalności w zależności od geometrii obiektów kolizji i typu płaskich materiałów. Zastosowano metody obróbki obrazu dla wybrania i obliczenia deskryptorów kształtu w celu ustalenia zależności pomiędzy podstawowymi badanymi parametrami. Stwierdzono, że układalności na sześcianie, ośmiościanie i graniastosłupie zachowują się w sposób odrębny od pozostałych sześciu obiektów kolizji. Stwierdzono, że w dużej mierze następujące deskryptory kształtu są silnie wzajemnie skorelowane: powierzchnia, długość podstawowej osi, długość mniejszej osi, zastępcza średnica i zastępczy obwód. Analiza z zastosowaniem deskryptorów kształtu 1D potwierdza te ustalenia i dodatkowo pozwala na sugestię, że kształty wynikające z pokrywy gumowej zawierają najmniejszą ilość fałd, podczas gdy te z tkanin poliestrowych i wełnianych, a czasami i jedwabnych charakteryzują się przez najwyższa ilość fałd. Uzyskano dobrą korelację kształtów symulowanych i uzyskanych z pomiarów.

9

Magnitude Modelling of HRTF Using Principal Component Analysis Applied to Complex Values

Ramos O. A., Tommasini F. C.

Archives of Acoustics

|

2014

|

Vol. 39, No. 4

477--482

EN

Principal components analysis (PCA) is frequently used for modelling the magnitude of the head- related transfer functions (HRTFs). Assuming that the HRTFs are minimum phase systems, the phase is obtained from the Hilbert transform of the log-magnitude. In recent years, the PCA applied to HRTFs is also used to model individual HRTFs relating the PCA weights with anthropometric measurements of the head, torso and pinnae. The HRTF log-magnitude is the most used format of input data to the PCA, but it has been shown that if the input data is HRTF linear magnitude, the cumulative variance converges faster, and the mean square error (MSE) is smaller. This study demonstrates that PCA applied directly on HRTF complex values is even better than the two formats mentioned above, that is, the MSE is the smallest and the cumulative variance converges faster after the 8th principal component. Different objective experiments around all the median plane put in evidence the differences which, although small, seem to be perceptually detectable. To elucidate this point, psychoacoustic discrimination tests are done between measured and reconstructed HRTFs from the three types of input data mentioned, in the median plane between −45◦ and +90◦.

10

Multivariate statistical interpretation of clinical data of prolactinoma patients

Georgieva-Nikolova R., Kamenov Z., Slavova M., Nikolov M., Simeonov V.

Ecological Chemistry and Engineering. A

|

2013

|

Vol. 20, nr 4-5

585--594

EN

This study reveals some specific relationships between the clinical parameters usually checked at prolactinoma patients allowing in such a way to optimize the monitoring procedure by selecting a reduced number of health status indicators. This is achieved by multivariate statistical interpretation of the parameter values where clusters of indicators with correlated (similar) response are proven. Additionally, four patterns of prolactinoma patients are found each one of them characterized by specific clinical indicators. This original information could be of use for better interpretation of the health status of the patients.

PL

Przeprowadzone badania pacjentów z prolaktynemią wykazały istnienie pewnych zależnooeci pomiędzy parametrami klinicznymi, umożliwiających optymalizację procedur monitorowania stanu zdrowia za pomocą mniejszej liczby wskaźników. Taką optymalizację można osiągnąć dzięki interpretacji wartooeci parametrów za pomocą wielowymiarowych metod statystycznych, za pomocą których wykazano istnienie skorelowanych grup zmiennych wskaźnikowych. Dodatkowo stwierdzono istnienie czterech grup pacjentów z prolaktynemią, charakteryzujących się specyficznymi wskaźnikami klinicznymi. Informacje te mogą być wykorzystane do lepszej oceny stanu zdrowia pacjentów.

11

Detekcja zmian pokrycia terenu na zdjęciach satelitarnych Landsat - porównanie trzech metod

Niedzielko J., Lewiński S.

Teledetekcja Środowiska

|

2012

|

T. 47

87--98

EN

Environmental changes are amongst the most important research subjects in geography. The changes may be natural, but also may be caused by human activity. Land cover is a significant component of the changing environment. Monitoring of its changes involves usage of satellite techniques. Landsat mission provides comparable data since forty years, very useful in land cover studies. Utilization of satellite techniques in such researches is developing quickly. This paper is an example of methods that enable quick and quite accurate assessment of range and spatial distribution of land cover changes. Practical application of image difference, principal component analysis and supervised classification to detect land cover changes is presented. Methods are applied to study area containing different land cover classes. Accuracy of methods was tested and compared. Combining methods presented in earlier researches, five new methods were developed: image difference, image difference with classification, classification, principal component analysis, principal component analysis with classification. Methods were applied to three different input datasets: pairs of images with different level of preprocessing. First dataset was a pair of georeferenced Landsat Thematic Mapper images. The second dataset was the same pair of images, atmospherically corrected using dark object subtraction method. Normalization of one image to the other provided the third dataset. Accuracy assessment was executed. Results were obtained from confusion matrices. Overall accuracy of methods was high, from 77% to 91%. Supervised classification was the most accurate method. Combining fully automatic methods with supervised classification has increased overall accuracy of automatic change detection, however not significantly. Studies on combining change detection methods should be continued. Future studies should concentrate on the automation of change detection process.

12

Analiza składowych głównych w ocenie zależności sposobu użytkowania gruntów z emisją gazów cieplarnianych z rolnictwa

Kolasa-Więcek A.

Inżynieria Rolnicza

|

2012

|

R. 16, nr 2, t. 2

105-112

PL

W badaniach wykorzystano metodę analizy składowych głównych w celu wyodrębnienia istotnie skorelowanych zmiennych powiązanych z emisją głównych gazów cieplarnianych z rolnictwa względem sposobu użytkowania gruntów. Metoda daje sposobność zastąpienia wejściowego zbioru skorelowanych cech poprzez niewielką liczbę nieskorelowanych składowych głównych, które stanowią liniowe kombinacje zmiennych. Minimalizacja liczby zmiennych potrzebnych do wyjaśnienia danej zmiennej upraszcza interpretację wyników. Badania przeprowadzono z wykorzystaniem programu Statistica 9.0. Wyodrębniono dwie składowe główne, które w 96% wyjaśniają zmienności danych wejściowych. Pierwsza główna składowa wyjaśnia 75% zmienności zawartych głównie w zmiennych grunty orne wraz ze stałą powierzchnią upraw i pastwiska oraz ujemnie skorelowanych zmiennych tj. inne grunty rolne, powierzchnia lasów a także ilość maszyn rolniczych. Druga składowa wyjaśnia 21% zmienności danych poprzez zmienną ilość zużytej w gospodarstwach rolnych energii.

EN

A method of principal components analysis was used in the research in order to separate significantly correlated variables related to emission of greenhouse gases from agriculture towards a method of using lands. The method gives opportunity to replace an input set of correlated features through a low number of non-correlated principal components, which constitute linear rearrangement of variables. Minimisation of the number of variables required to explain a particular variable simplifies interpretation of results. The research was carried out with the use of Statistica 9.0 programme. Two main components were separated, which in 96% explain variations of input data. The first main component explains 75% of variations included mainly in variables arable lands along with a constant surface area of crops and grazing lands as well as negatively correlated variables that is other arable lands, surface area of forests and number of agricultural machinery. The second component explains 21% of variations of data through a variable number of energy used in agricultural farms.

13

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

Papazova P., Simeonova P.

Ecological Chemistry and Engineering. S

|

2012

|

Vol. 19, nr 2

213-226

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.

14

The use of chemometrics to analyse protein patterns from gel electrophoresis

Faergestad E. M, Rye M. B, Nhek S, Hollung K, Grove H

Acta Chromatographica

|

2011

|

Vol. 23, no. 1

1--40

EN

Chemometrics involves strategies to analyse multivariate data using interdisciplinary approaches aiming to extract relevant information from complex data. Chemometric strategies comprise both the pre-processing of the data, where the choice of methodology is domain-specific, and analysis of the resulting data after preprocessing using multivariate methodology. Although use of multivariate data analysis for gel electrophoresis images has increased substantially in the last decade, its use is still much less frequent than use of univariate approaches. Considering the complexity of the electrophoresis gel images and the multivariate nature of the proteome, applying multivariate data analysis for gel electrophoresis images gives information which is otherwise lost. This paper is written as a review and guideline of chemometric strategies used for analysis of gel electrophoresis images. The multivariate data analyses described are, however, also relevant for other proteome data, for example mass spectrometry, and for functional genomics in general.

15

Assessment of soil quality by the use of multivariate statistics

Simeonova P., Simeonov D., Spasov L., Abadzieva N.

Ecological Chemistry and Engineering. A

|

2008

|

Vol. 15, nr 3

199-212

EN

The present study deals with the application of three already traditional environmetric approaches (cluster analysis, principal components analysis and principal components regression or source apportionment analysis) for assessment of soil quality. Two different case studies are considered - the one dealing with assessment of soil pollution and another one - with assessment of soil fertility. For both cases the classification of the sampling site locations is achieved, the data set structure is analyzed and the latent factors responsible for the structure are identified. Further, regression models accounting for the contribution of each identified latent factor on the formation of the total concentration of each chemical parameter are constructed and validated. Thus, the soil environment is carefully studied and important conclusions about the soil quality are reached.

PL

W prowadzonych badaniach środowiskowych zastosowano trzy klasyczne metody enwirometryczne (analizę klastrów, analizę składowych głównych oraz regresję składników główny, czyli analizę udziału źródła) w celu oceny jakości gleby. Badania prowadzono w dwu aspektach - oszacowano stopień zanieczyszczenia badanej gleby oraz jej urodzajność. W obu przypadkach wykonano klasyfikacje położenia miejsc pobierania próbek, ustalono strukturę uzyskanych danych oraz zidentyfikowano czynniki ukryte odpowiedzialne za tę strukturę. Ponadto opracowano i zwalidowano model regresji, wyjaśniający wkład każdego zidentyfikowanego czynnika ukrytego do całkowitego stężenia każdego wyznaczanego parametru chemicznego. Tak więc środowisko glebowe zostało starannie zbadane i dzięki temu można było wyciągnąć ważne wnioski dotyczące jakości badanej gleby.

16

Lake water quality assessment by multivariate statystical analysis

Simeonov V., Zachariadis G., Voutsa D., Stratis J., Anthemidis A., Samara C., Tsakovski S., Kouimtzis T., Simenova P., Andreev G.

Chemia i Inżynieria Ekologiczna

|

2004

|

Vol. 11, nr 6

471--488

EN

The present study deals with the multivariate statistical assessment of the water quality of several lakes located in Northern Greece. A two-year monitoring of different chemical and physicochemical parameters of the lake water was performed for the lakes Koronia, Volvi, Doirani, Megali Prespa and Mikri Prespa. The application of cluster and principal components analysis as well as apportioning modelling on absolute principal components scores has shown that if the whole data set is proceeded six latent factors prove to be responsible for the data structure and they form a specific pattern or the region where the lakes are located: the lake water quality is affected by natural, sediment, waste inlets (domestic and industrial), oxidation and toxic factors. Further, specific patterns of similar type were constructed for each lake with respect to the sampling period and to the relationships between the chemical and physicochemical parameters. Again, latent factors responsible for the data structure of each lake are identified. Finally, the contribution of each identified source to the chemical concentration was determined both for the whole dataset and for each lake in consideration.

PL

Przy użyciu statystyki wielu zmiennych oceniono jakość wody kilku jezior w północnej Grecji. W ciągu dwu lat monitorowano parametry chemiczne i fizykochemiczne wody z jezior: Koronia, Volvi, Doirani, Megali Prespa i Mikri Prespa. Stosowano zarówno analizę klasterową (grupową) oraz składowych głównych, jak również modelowanie z wykorzystaniem wartości absolutnych składowych (komponentów) głównych. Wyniki tych analiz dla całego zbioru danych pokazują, że ich struktura jest określona przez sześć czynników ukrytych, które tworzą obraz specyficzny dla danej lokalizacji jezior. Jakość wody jeziornej określają: czynniki naturalne, osady denne, zrzuty odpadów (komunalnych i przemysłowych) oraz substancje utleniające i toksyczne. Dla każdego jeziora skonstruowano charakterystyczne specyfikacje (podobnego typu), biorąc pod uwagę okres próbkowania oraz zależności między parametrami chemicznymi i fizykochemicznymi. Określono czynniki ukryte odpowiedzialne za strukturę danych opisujących każde jezioro. Określono wpływ każdego ze źródeł na skład chemiczny zarówno dla wszystkich danych, jak i oddzielnie dla każdego rozpatrywanego jeziora.

17

Chemometric quelity assessment of surface waters: two case studies

Simeonov V., Simeonova P., Tzimou-Tsitouridou R.

Chemia i Inżynieria Ekologiczna

|

2004

|

Vol. 11, nr 6

449--469

EN

This study deals with the application of some chemometric approaches (cluster analysis, principal components analysis and principal components regression) to two case studies: a potable water monitoring data set from the region of Kavala, Greece, being analysed according to the standard instructions and directives of the European Union and monitoring data from the basin of Saale river, Germany. It is shown that the data classification by cluster analysis and data structure modeling by principal components analysis in the first case reveals similar results, namely four different patterns of water source sites are identified depending on the geographical site location (near to Nestos river, near to Strimon river, elevated sites and near-to-coast sites). Three latent factors, explaining over 85% of the total variance, are responsible for the data structure as follows: "water acidity (anthropogenic)", "water hardness (natural)" and "marine" factor. Their importance for the different sites is related to the site location. The second case study performed in a two year period of observation collected a data set from 12 campaigns at 29 sampling sites from Saale river and in 6 campaigns from the river Ilm at 7 sampling sites and from river Unstrut at 10 sampling sites. Twenty-seven chemical and physicochemical parameters to estimate the water quality were measured. The application of cluster analysis, principal components analysis and apportioning modeling on absolute principal components scores bas lead to gaining of important information about the ecological status of the region of interest: identification of two separate patterns of pollution (upper and lower stream ofthe rivers); six latent factors responsible for the data structure with different content for the two identified pollution patterns; contribution of each latent factor (source of emission) to the formation of the total concentration of the chemical parameters of the river water. Thus, a better ecological policy and decision making is possible.

PL

Przedstawiono wyniki analizy chemometrycznej dwóch zbiorów danych monitoringowych dla wody pitnej z nadmorskiego regionu Kawala, Grecja, analizowanych zgodnie ze standardami i dyrektywami Unii Europejskiej, oraz z dorzecza rzeki Saale, Niemcy. Dla pierwszego przypadku, obróbka danych metodą klasterów (grup) oraz modelowania struktury danych za pomocą analizy składowych głównych ujawnia podobne rezultaty, mianowicie zależnie od geograficznej lokalizacji miejsca pobierania próbek (w pobliżu rzeki Nestos, w pobliżu rzeki Strimon, w miejscach wyżej położonych oraz w pobliżu brzegu morskiego) zidentyfikowano cztery różne rodzaje próbek wody. Trzy czynniki ukryte, wyjaśniające około 85% całkowitej wartości wariancji, są odpowiedzialne za strukturę uzyskanych danych. Można je określić jako: ,,(antropogenna) kwasowość wody", ,,(naturalna) twardość wody" oraz czynnik "morski". Ich znaczenie dla różnych miejsc jest związane z miejscem próbkowania. Drugą część badań przeprowadzono w przeciągu dwóch lat w czasie 12 serii pobierania próbek z 29 miejsc rzeki Saale, 6 serii dla rzeki Ilm z 7 miejsc oraz dla rzeki Unstrut z 10 miejsc próbkowania. Dla oceny jakości wody oznaczono 27 parametrów chemicznych i fizykochemicznych. Za pomocą metody klasterów, analizy składowych głównych oraz modelowania rozdziału wartości bezwzględnych składowych głównych uzyskano ważne informacje o ekologicznym statusie regionu. Zidentyfikowano i ilościowo scharakteryzowano dwa różne obrazy (wzory) zanieczyszczeń (dla górnego i dolnego biegu badanych rzek) oraz 6 czynników ukrytych, odpowiedzialnych za strukturę danych z różną zawartością dwóch ww. obrazów zanieczyszczeń. Ponadto wyznaczono wkład każdego czynnika ukrytego (źródła pochodzenia) do obserwowanego, całkowitego stężenia związków chemicznych w wodzie danej rzeki. Informacje te umożliwiają prowadzenie lepszej polityki ekologicznej i podejmowanie bardziej trafnych konkretnych decyzji.

18

Environmetric approaches to estima te pollution impacts on a coastal area by sediment and river water studies

Simeonov V., Simeonova P.

Chemia i Inżynieria Ekologiczna

|

2001

|

Vol. 8, nr 12

1257-1267

EN

An effort is done to demonstrate the opportunities of same environmetric methods like regression analysis, cluster analysis and principal components analysis. Their role for data modeling is stressed and the basic theoretical principles are given. The application of the multivariate statistical methods is illustrated by two major examples: - Assessment of metal pollution based on multivariate statistical modeling of "hot spot" sediments from the Black Sea - Trend study of Kamchia River water quality. In the first part of the study the environmetric approach makes it possible to separate three zones o the marine environment with different level of pollution (Bourgas gulf, Varna gulf and lake buffer zone). Further, the extraction of four latent factors offers a specific interpretation of the possible pollution sources and separates natural from anthropogenic factors, the latter originating from contamination by chemical, oil refinery and steel-work enterprises. In the second part of the study nine sampling sites along Kamchia River were considered as sources for water quality monitoring data. Trends for all determinants are calculated by the use of linear regression analysis and special attention is paid to a specific coastal site. Then five latent factors were extracted from the monitoring data set in order to gain information about same structural characteristics of the set.

PL

Pokazano możliwości jakie stwrzają metody enwironmetryczne: analiza klasterów i analiza głównych składników. Nacisk położono na ich rolę w opracowywaniu danych pomiarowych; podano również ich główne założenia. Zastosowanie statystycznej metody multiwariancji zostało zilustrowane dwoma przykładami: - ocena zanieczyszczenia metalami osadów dennych z Morza Czarnego; - badaniami nad jakości wód rzeki Kamchia. Podejście environmetryczne umożliwiło rozróżnienie trzech stref środowiska morskiego o różnym poziomie zanieczyszczenia (zatoki: Bourgas i Warna oraz strefa buforowa jeziora). Ponadto, wyznaczenie czterech niejawnych czynników daje ścisłą interpretację możliwych źródeł zanieczyszczenia oraz oddziela czynniki naturalne od antropogennych - pochodzących od zanieczyszczeń chemikaliami, ropą naftową z rafinerii i zakładów metalurgicznych. Ponadto, rozważano dziewięć miejsc pobierania próbek wzdłuż rzeki Kamchia jako źródła danych do oceny jakości wody. Zastosowano tu analizę regresji liniowej; specjalną uwagę zwrócono na obszar wybrzeża. Dane monitoringowe opracowano enwironmetrycznie uzyskując informacje o ich strukturze.