Sixteen sampling sites along the stream of Kamchia River were considered as environmental objects in the multivariate statistical study aimed to identify and apportion patterns of sampling sites, latent factors responsible for the data structure and their relation to the emitter industrial and anthropogenic sources in the vicinity of the sampling sites. As variable 11 surface water parameters were used monitored for a long time period (up to 10 years). Four main site patterns were revealed by cluster analysis (urban, rural, near-to dam and estuary) and for each site latent factor were identified and apportioned (among them "metallurgical", "food production", "winery", domestic wastes", "natural"). The relative contribution of each identified polluting source to the formation of the total concentration of each chemical specie or physicochemical parameter was determined and compared with the real emitters in the region of interest.
PL
Z szesnastu miejsc wzdłuż nurtu rzeki Kamchia pobierano próbki środowiskowe do wielowymiarowych badań statystycznych, których celem było identyfikowanie i określenie charakteru (wzorców) punktów badawczych, czyli ukrytych zmiennych odpowiedzialnych za strukturę danych oraz ich zależność od emitorów przemysłowych i antropogennych w pobliżu miejsc pobierania próbek. W badanych próbkach wody monitorowano 11 parametrów (przez 11 lat). Za pomocą analizy klastrów znaleziono cztery główne wzorce (miejski, wiejski, w pobliżu tam, ujście rzeki) i dla każdego z nich zidentyfikowano i przydzielono źródło zanieczyszczeń (m.in. "metalurgiczne", "z produkcji żywności", "winiarstwo", "odpady", "przyrodnicze"). Określono udział każdego zidentyfikowanego źródła zanieczyszczenia w całkowitym stężeniu badanych związków chemicznych lub wartości parametru fizykochemicznego, a uzyskane wyniki porównano z rzeczywistymi parametrami emitorów w tym regionie.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The present communication deals with the application of the most important environmetric approaches like cluster analysis, principal components analysis and principal components regression (apportioning models) to environmental systems which are of substantial interest for environmental physics - surface waters, aerosols, and coastal sediments. Using various case studies we identify the latent factors responsible for the data set structure and construct models showing the contribution of each identified source (anthropogenic or natural) to the total measure of the pollution. In this way the information obtained by the monitoring data becomes broader and more intelligent, which help in problem solving in environmental physics.
The present study deals with the river water quality assessment for the Yantra River catchment, Bulgaria. The application of multivariate statistical methods like cluster analysis, principal components analysis and time-series analysis makes it possible to detect different sampling sites patterns along the river steam related to the urban or rural activities in the area and to identify latent factors responsible for the monitoring data structure. Additionally, tendencies and seasonal patterns in the data are discussed. An interesting point in the study is that the water quality assessment is performed using short-term and long-term observation data, which allows a better evaluation of the ecological situation along the river stream.
PL
Obecne badania dotyczą oceny jakości wody w zlewni rzeki Jantra, Bułgaria. Zastosowanie różnych metod statystycznych, takich jak: analiza skupień, analiza głównych składowych i analiza serii czasowych, umożliwiło znalezienie zróżnicowań w strukturze danych z punktów próbkowania wzdłuż biegu rzeki w zależności od obecności miast i wsi oraz identyfikację ukrytych czynników wpływających na strukturę danych pomiarowych. Dodatkowo omówiono tendencje i sezonowe zmiany otrzymanych wyników. Oceniono jakość wody, dokonując obserwacji długo i krótkoterminowych pozwalających na lepszą ocenę sytuacji ekologicznej wzdłuż biegu rzeki.
4
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
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.
The present communication deals with the application of principal components analysis and source apportioning on absolute principal components scores to an aerosol data collection from Arnoldstein, Austria and to a data set from sediment samples from the US coast. In both cases the first step of the environmetric data interpretation is the identification of latent factors determining the data structure and resembling the pollutant sources in the vicinity of the sampling. It is convincingly shown that six latent factors explaining almost 80 % of the total variance are responsible for the data structure of the aerosol monitoring set, which are conditionally identified as "fertilizer", secondary emission", "lead smelter", "traffic", "salt" and "soil dust" by principal components analysis (PCA). In the second step of the intelligent data analysis the contribution of each identified source to the formation of the particle total mass and chemical compounds total concentration is calculated. Further, the same two-step procedure is applied to the sediment data collection where four latent factors ("anthropogenic", "organic", "natural", and "hot spots") are identified and, respectively, apportioned. Thus, a reliable assessment of the air quality and the sediment role as environmental quality indicators in the region of observation is achieved. The apportioning models obtained are checked for adequateness and validated. The latent factor contribution models can be further used for risk assessment and respective decision making. Additionally, it is commented why chemometrics could be successfully applied as sustainability metrics in various aspects of interpretation of the stale of "sustainable development".
PL
Opisano zastosowanie metod analizy czynników głównych (PCA) oraz udziału źródeł do opisu bezwzględnego wpływu czynników na aerozole zebrane w Arnoldstein (Austria) i na wybrzeżu USA. W obu przypadkach pierwszym krokiem w interpretacji danych była identyfikacja czynników ukrytych określających strukturę danych i rozpoznanie źródeł zanieczyszczeń w pobliżu miejsc, z których pobierano próbki. W sposób przekonujący wykazano, że za strukturę danych pochodzących z badania aerozolu odpowiada 6 czynników tłumaczących prawie 80 % całkowitej wariancji. Zostały one warunkowo określone jako "nawóz", "emisja drugorzędna", "huta ołowiu", "ruch uliczny", "sól" i" pył glebowy". W drugim kroku inteligentnej analizy danych obliczono udział każdego zidentyfikowanego źródła na masę cząstek i ich skład chemiczny. Następnie ta sama dwuetapowa procedura została zastosowana do danych otrzymanych podczas badania osadów. Zidentyfikowano 4 ukryte czynniki ("antropogenny", "organiczny", "naturalny" i"gorące punkty") i określono ich wpływ na badane parametry. Osiągnięto wiarygodne oszacowanie jakości powietrza i osadu jako wskaźników jakości środowiska w badanym regionie. Modele udziału ukrytych czynników mogą być w dalszej kolejności używane do oceny ryzyka i odpowiedniego podejmowania decyzji.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.