Методы обработки геоинформационных данных состояния водных объектов тема диссертации и автореферата по ВАК РФ 25.00.35, кандидат технических наук Зобков, Михаил Борисович

• Зобков, Михаил Борисович
• кандидат технических наук
• 2012

Оглавление диссертации кандидат технических наук Зобков, Михаил Борисович

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

1. СОВРЕМЕННЫЕ МЕТОДЫ ОБРАБОТКИ ГИДРОХИМИЧЕСКОЙ ИНФОРМАЦИИ И ОЦЕНКИ СОСТОЯНИЯ ВОДНЫХ ОБЪЕКТОВ

1.1. Методы оценка качества воды по химическим показателям и возможность их алгоритмического выражения

1.2. Методы классификации в признаковом пространстве

1.3. Эвристический подход к проблеме оценки качества

1.4. Современные экспертные системы оценки качества воды

2. ПРОГРАММНЫЕ СРЕДСТВА ДЛЯ СОЗДАНИЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ОБРАБОТКИ ГИДРОХИМИЧЕСКИХ ДАННЫХ

2.1. Визуальная среда разработки Delphi как инструмент создания информационных систем и управления базами данных

2.2. Программные средства для математической обработки исходной информации

2.3. Геоинформационные системы как инструмент визуального представления пространственно-распределенной информации

2.4. Базы исходных гидрохимических данных

3. АВТОМАТИЗИРОВАННАЯ СИСТЕМА ОБРАБОТКИ И АНАЛИЗА ИСХОДНОЙ ГИДРОХИМИЧЕСКОЙ ИНФОРМАЦИИ

3.1. Геохимическая классификация поверхностных вод

3.1.1. Классификация водных объектов по щелочности и рН

3.1.2. Классификация водных объектов по гумусности

3.1.3. Классификация водных объектов по уровню трофии

3.1.4. Оценка природного качества воды

3.2. Оценка степени загрязнения водных объектов

3.3. Поиск объектов с аномальным распределением химических показателей

3.4. Определение доли автохтонного ОВ по косвенным показателям содержания ОВ

3.5. Характеристика автоматизированной системы обработки гидрохимической информации и её основные возможности

3.5.1. Установка программы

3.5.2. Структура базы данных системы

3.5.3. Процедуры ввода и импорта исходной информации

3.5.4. Архитектура и последовательность вычислений

3.5.5. Другие возможности программы

3.5.6. Генерация отчетов

3.5.7. Экспорт информации в ГИС системы и построение электронных карт

3.6. Границы применимости предложенных методов и АИС, возможность их дальнейшего

развития

4. ОЦЕНКА СОСТОЯНИЯ ВОДНЫХ ОБЪЕКТОВ КАРЕЛИИ С ПОМОЩЬЮ АВТОМАТИЗИРОВАННОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ

4.1. Природное качество поверхностных вод Карелии

4.2. Онежское Озеро

4.2.1. Общая характеристика

4.2.2 Ионный состав, его аномалии и щелочность воды

4.2.3. Природа органического вещества и гумусность воды

4.2.4. Уровень трофии и аномалии в соотношении форм азота

4.2.5. Загрязняющие вещества и качество воды

4.3. Водные объекты Заонежского полуострова

4.3.1. Общая характеристика

4.3.2. Ионный состав, его аномалии и щелочность воды

4.3.3. Природа органического вещества и гумусность воды

4.3.4. Уровень трофии и аномалии в соотношении форм азота

4.3.5. Загрязняющие вещества, микроэлементы и качество воды

4.4. Водные объекты района Костомукши

4.4.1. Общая характеристика

4.4.2. Ионный состав, его аномалии и щелочность воды

4.4.3. Природа органического вещества и гумусность воды

4.4.4. Уровень трофии и аномалии в соотношении форм азота

4.4.5. Загрязняющие вещества и качество воды

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

СПИСОК ЛИТЕРАТУРЫ

Введение диссертации (часть автореферата) на тему «Методы обработки геоинформационных данных состояния водных объектов»

Введение

В настоящее время в связи с загрязнением водной среды всё большую актуальность приобретает вопрос оценки её качества и возможности применения воды для конкретных видов водопользования, а также выявления антропогенного влияния на состояние водных объектов. Однако, в связи с тем, что эта оценка проводится по нескольким десяткам химических параметров, данный анализ представляет собой достаточно трудоёмкий и длительный процесс. Особенно сложно это сделать для водных объектов обширного региона с развитой озерно-речной системой, примером которого может являться Республика Карелия.

В большинстве мировых исследований, посвященных оценке качества воды [Былинкина и др. 1962; Новиков и др., 1987; Жукинский и др., 1980; Оксиюк и др., 1993; Оценка и регулирование... 1996; Методические рекомендации..., 1988; Методические рекомендации... (РД 52.24.643-2002), 2002; Гагарина, 2005; Common implementation... 2000], основное внимание уделяется проблемам антропогенного загрязнения природной среды и определения его уровней. В то же время вопросы природного качества воды остаются за рамки большинства работ, не смотря на то, что последствия антропогенного воздействия зачастую зависят от природного состояния водных объектов.

Можно выделить два подхода к реализации автоматизированных информационных систем в области оценки состояния водных объектов. Первый подход применяется главным образом при создании автоматизированных систем обработки гидрохимических данных. В этом случае производится расчет основных гидрохимических характеристик и оценка степени загрязнения водного объекта с использованием химических показателей [Методика разработки нормативов..., 2007; Методика расчета предельно допустимых сбросов, 1993; СанПиН 2.1.5.980-00; Методические основы оценки... 1987]. К таким системам можно отнести UKISV-сеть [РД 52.24.643-2002], «поток-гидрохимия», «чистая вода» (http://www.ecopotok.ru), «эколог-гидрохимия» (www.ecolog.spb.ru) и многие другие. Данные программные продукты ориентированы в основном на выполнение классических расчетных задач, оценку загрязненности вод и организацию хранения информации, что не всегда является достаточным для решения многих научных и практических задач. Второй подход к оценке состояния водных объектов основан на создании экспертных систем, охватывающих множество экологических аспектов качества воды. Такие системы, как правило, создаются для определенного крупного водного объекта, региона или речной сети. В качестве примера можно привести экспертную систему экологического состояния бассейна крупной реки [Костина и др., 2003; Розенберг и др., 1995], экологическую систему оценки качества и состояния водной среды восточной

части финского залива [Куракина и др., 2005], система оценки качества воды в районе угледобывающих шахт [Debasis и др., 2008], экспертная система для определения периодов низкого качества воды путем последовательных измерений [Angulo et al, 2012], экспертная система оценки качества рек Индии, на основе трех индексов, применяемых в различных странах - Индии, Малайзии и США [Mahapatra, 2011]. А также исследования, направленных на оценку качества воды по субъективным признакам на примере влияния искусственного выращивания моллюсков на природную среду в прибрежной зоне Канады [Silvert, 2000] и многие другие.

Создание систем, рассчитанных на оценку динамически меняющихся характеристик загрязненности, является остро необходимым для обширного водного объекта, подвергающегося многофакторному антропогенному влиянию, на котором имеется развитая сеть постов гидрохимических наблюдений. Однако, создание подобных систем для регионов, насчитывающих десятки тысяч водных объектов, каким является Республика Карелия, не представляется возможным в связи с отсутствием постоянных наблюдений на большинстве рек и озер. Поэтому оценка состояния водных объектов подобного региона может базироваться на основе системного подхода: классификации водных объектов по различным химическим показателям, определении степени отклонения химического состава воды от среднерегиональных величин и оценке их возможного загрязнения.

В тоже время, автоматизация этих операций в существующих информационных системах не проводится в связи с отсутствием формализованных алгоритмов классификации, определения качества вод и их пригодности для различных видов водопользования. Это связано с тем, что имеющиеся методы классификации и определения состояния водных объектов основываются главным образом на экспертных оценках и требуют построения специализированных экспертных систем, что не всегда возможно и целесообразно.

Поэтому, на сегодняшний день, разработка новых алгоритмических методов определения состояния водных объектов и формализация существующих подходов к оценке качества воды и создание на их основе автоматизированной информационной системы является весьма актуальной и практически значимой задачей.

В связи с этим основной целью исследования была разработка алгоритмов оценки состояния водных объектов и создание автоматизированной информационной системы (АИС) на их основе. При этом решались такие важные задачи как создание формализованных алгоритмов классификации и оценки качества природных вод, разработка методов поиска водных объектов с аномальными отклонениями в химическом

составе и оценки степени загрязнения. Для формализации алгоритмов оценки состояния водных объектов и создания программного обеспечения АИС применялись методы математического моделирования, нечеткого шкалирования с применением лингвистических переменных, сбора, хранения, преобразования, отображения и доступа к пространственно-распределенным данным, объектно-ориентированном подходе к проектированию и разработке программных средств.

В рамках исследования были впервые разработаны формализованные алгоритмы оценки состояния водных объектов на основе теоретических положений геохимической классификации и элементов теории построения экспертных систем, предложен новый метод выявления водных объектов с аномалиями в химическом составе воды с применением функций желательности. Создана автоматизированная информационная система «Обработка гидрохимической информации и оценка состояния водных объектов». На основе предложенного системного алгоритмически-формализованного подхода определено природное качество более 800 объектов Карельского гидрографического района и подробно описано современное состояние некоторых из них (Онежского озера, объектов Заонежского полуострова и района Костомукши).

1. Современные методы обработки гидрохимической информации и оценки состояния водных объектов

На современном уровне развития гидрохимической науки оценка состояния водных объектов проводится по нескольким десяткам химических параметров, а при учете сезонной и годовой изменчивости гидрохимического режима водоемов и водотоков объем исходной информации может возрасти в десятки и сотни раз. Обработка таких массивов без использования компьютерной техники значительно затруднена, а в некоторых случаях при анализе материалов за длительный промежуток времени, не возможна. Необходимо также отметить, что компьютерная обработка информации позволяет в полной мере использовать геоинформационные технологии для ускорения самого процесса обработки, реализует новые средства её визуального представления, позволяет в полной мере оценить и проанализировать изучаемые природные процессы. В связи с этим, необходима разработка нового программного обеспечения в области гидрохимии вод суши, позволяющего не только проводить оценку состояния водных объектов, но и представлять ее результаты в удобном для восприятия виде с использованием геоинформационных систем (ГИС).

Решение задачи создания подобной информационной системы оценки состояния водных объектов должно начинаться с определения базовых методов и подходов, которые будут в дальнейшем алгоритмизованы и обобщены для создания формализованной системы обработки гидрохимической информации.

1.1. Методы оценка качества воды по химическим показателям и возможность их алгоритмического выражения

Качество воды является одним из основных критериев при оценке состояния

водного объекта и пригодности его вод для различных видов водопользования. Однако, понятие качества в целом, и качества воды в частности, является достаточно относительным. Например, если рассматривать качество воды с точки зрения практической ценности, то можно привести определение, даваемое стандартом 180-9000: «качество - это совокупность характеристик объекта, относящихся к его способности удовлетворять установленные и предполагаемые потребности» [Маузер, 2005] Близкое определение в отношении именно качества воды дает ГОСТ 17.1.1.01-77: «Качество воды - характеристика состава и свойств воды, определяющая пригодность ее для конкретных видов водопользования». С другой стороны, авторы учебника [Яковлев и др., 1991] «Рациональное использование водных ресурсов» трактуют это понятие следующим образом: «Под качеством природной воды понимают совокупность ее свойств,

обусловленных характером содержащихся в воде примесей.... Особое значение имеет не только природа примесей, но и их физико-химическое состояние». Качество поверхностных вод определяется совокупностью физико-географических условий (климат, рельеф местности, почвенный покров, характер прибрежной растительности) и биологических процессов, протекающих в водоеме с участием гидробионтов, а также деятельностью человека [Яковлев и др., 1991]. В условиях возрастающего антропогенного воздействия на окружающую среду все большую актуальность приобретает именно последний фактор. В этой связи авторами [Родионов и др., 1989] выделяются следующие тенденции в изменении химического состава природных вод, возникающие в результате хозяйственной деятельности человека:

• Снижение рН пресных вод при загрязнении их сильными кислотами из атмосферы, увеличение содержания сульфатов и нитратов.

• Повышение содержания ионов кальция, магния и кремния в результате их вымывания подкисленными дождевыми водами из карбонатных и силикатных пород.

• Повышение содержания ионов тяжелых металлов (свинца, кадмия, ртути, мышьяка, цинка).

• Высокие концентрации фосфатов, нитратов, нитритов и других биогенных элементов.

• Повышение общей минерализации вод.

• Содержание в воде биологически стойких органических соединений (ПАВ, пестицидов и других токсичных, канцерогенных и мутогенных веществ).

• Снижение концентрации растворенного кислорода вследствие увеличения его расхода на окислительные процессы, связанные с евтрофированием водоемов и окислением органических соединений, а также загрязнение поверхности водоема гидрофобными веществами и снижение доступа кислорода из атмосферы.

• Снижение прозрачности воды.

• Загрязнение природных вод радиоактивными веществами.

Всю совокупность показателей качества воды разделяют на общие и специфические [Жукинский и др., 1980; Оксиюк и др., 1993]. К первым относятся параметры, характеризующие содержание присущих гидросфере веществ, ко вторым -загрязняющие вещества, которые поступают в экосистему в результате деятельности человека.

В целом следует отметить, что качество воды определяется множеством химических и физико-химических показателей, зависящих как от природных условий формирования химического состава воды, так и от степени внешнего антропогенного воздействия на водные объекты. При этом весь комплекс только основных химических показателей, используемых в процессе оценки качества вод, насчитывает более 50 наименований, и одновременный учет такого широкого круга элементов является достаточно трудным. Для решения этой задачи применяются обобщенные индексы и методы классификации, отражающие те или иные характерные особенности химического состава воды. К примеру, минерализация воды и её классификация по преобладающим ионам, степень насыщения воды кислородом, уровень трофии и др.

Для классификации вод по химическим показателям на сегодняшний день разработано множество различных подходов. Одними из первых были классификации вод по минерализации, предложенные В.И. Вернадским [Вернадский, 1933,1936], в которую в дальнейшем вносились значительные изменения такими исследователями как И.К. Зайцев [Зайцев, 1945], В.А. Приклонский [Приклонский, Лаптев, 1949.], A.B. Щербаков [Щербаков, 1962]. Подобные подходы используют классификацию по одному химическому или физико-химическому параметру широко применявшуюся на первых этапах типизации водных объектов. Это позволяет ориентировочно оценить пригодность воды для тех или иных целей, и в настоящее время в основном применяется для общей характеристики водного объекта.

Широко известна классификация по ионному составу O.A. Алекина [Алекин, 1970], являющаяся одной из классических гидрохимических характеристик, отражающих минеральный состав воды. Алекин O.A. выделил три класса вод по преобладающим анионам: гидрокарбонатные, сульфатные и хлоридные, в пределах которых выделяются группы Са2+, Mg2+ и Na+, а группы в свою очередь делятся на три типа по соотношению анионов и катионов.

Бесспорно, что наряду с минеральным составом необходимо учитывать органические вещества и биогенные элементы, которые являются одними из основных компонентов природных вод. В водных объектах происходят постоянное их преобразования и переход веществ из одних форм в другие под действием биотических и абиотических факторов. В связи с этим при выявлении классов вод и принципиальных различий между ними необходимо использовать показатели, характеризующие как минеральную и органическую составляющую химического состава воды, так и биогенный потенциал водных объектов. Одна из комплексных классификаций вод по этим показателям предложена Н.С. Харкевич для систематизации северной группы озер

восточного прионежъя [Харкевич, 1975]. При этом Харкевич Н.С. выделялись основные типы вод с очень малой (до 15 мг/л), малой (до 30 мг/л), средней (30-60 мг/л) и повышенной минерализацией, а разделение на классы проводилось в зависимости от преобладающих анионов и катионов. Для классов с очень малой и малой минерализацией выделялись подклассы вод с преобладанием автохтонной или аллохтонной составляющей ОВ. Для некоторых озер с маломинерализованной водой учитывались подклассы с устойчивой и не устойчивой стратификацией. Озера со средней и повышенной минерализации воды разделялись на два подкласса: со средним (мезотрофные) и с повышенным (эвтрофированные) содержанием биогенных элементов. Похожий подход был использован И.В. Барановым [1982]. В основу его классификации были положены такие химические показатели как минеральные и органические формы азота и фосфора, свободная и гидрокарбонатная форма СОг как источники биогенного и углеродного питания фитопланктона, характер органического вещества по ПО и цветности, кислородный режим по проценту насыщения воды кислородом и показателям фотосинтеза фитопланктона в летний период, а также минерализация воды по преобладающим в ней ионам.

Дальнейшее развитие идей классификации Харкевич Н.С. и Баранова И.В. получило в работах Китаева С.П. [1988; 2007], который, как и его предшественники экспертно классифицировал водные объекты по 2-х кратному изменению косвенным показателям содержания ОВ и концентрации общего фосфора. Кроме того, им широко представлены классификационные шкалы, основанные на систематизации большого фактического материала по озерам из разных природных зон по количественным показателям биомассы зоопланктона, бентоса и ихтиомассы [Китаев, 2007].

Указанные выше классификации реализуют многокритериальный подход к определению типов вод, а в основе своей базируются на разбиении определенного массива данных на подобласти, соответствующие классам вод с помощью экспертных заключений или статистических характеристик. Однако такой подход не определяет четких рамок для классифицируемых параметров и не позволяет сравнивать результаты классификаций для разрозненных массивов данных. Таким образом, большинство наиболее информативных обобщенных показателей качества устанавливаются экспертным путем.

Теоретическое обоснование классификационных шкал и дальнейшее развитие и обобщение идей, предложенных предшественниками [Харкевич, 1975; Баранов, 1982; Китаев, 1988], проведено в работах Лозовика П.А. [Лозовик 1996, 2006(а); Лозовик и др. 2006]. В них главным образом рассматривается процесс оценки качества воды для водных

объектов гумидной зоны. Воды этого региона характеризуются низкой минерализацией и большим содержанием органических веществ, что проявляется в значительной их цветности и зачастую высокой доле анионов органических кислот в ионном балансе [Лозовик, 2005]. В тоже время их учет в ионном составе воды до последнего времени не проводился. Значительная цветность вод гумидной зоны сказывается и на продукционной способности водных объектов, что проявляется в снижении слоя фотосинтеза, вследствие чего уровень трофии водного объекта зависит уже не только от концентрации общего фосфора, но и от цветности воды. Поскольку эти и другие специфические особенности высокогумусных вод наиболее полно учтены в геохимической классификации Лозовика П.А., необходимо рассмотреть их подробнее.

Взаимосвязь между содержанием минеральных и органических веществ в природных водах обуславливается их кислотно-основным равновесием. При классификации водных объектов действие факторов органической и неорганической природы может быть установлено по изменению рН на одну и ту же величину и может служить критерием перехода от одного класса к другому.

Кислотно-основное равновесие в гумусных водах обусловлено двумя системами: карбонатной (С02-НС03") и гумусовой (НАорт - А~рг), и рН таких вод определяется их

равновесных содержанием. Поскольку гумусовые кислоты более сильные, чем угольная, то в их присутствии устанавливается равновесие типа [Лозовик, 2007(а)]: НСО.- + НАорг о А-рг + Н20 + С02

В общем виде рН гумусных вод выражается формулой [Лозовик, 2007(а)]:

~ а рН - рК + \% —

т (1.1)

где а - сумма анионов слабых кислот, установленная по ионному балансу воды, т -сумма слабых кислот, определяемая по кислотности воды с учетом ее рН. Величина рК имеет переменное значение, то приближаясь к рК угольной кислоты, то к рК гумусовых, в зависимости от вклада каждой из систем в кислотно-основное равновесие. Общий вид формулы (1.1) соответствует простым буферным системам, содержащим соль и кислоту. Единственное отличие - это переменное значение рК . По формуле (1.1) легко вычислить рК и сразу установить какой системой определяется кислотно-основное равновесие: если рК> 5.8, то в основном карбонатной системой, если рК < 4.6, то гумусовой. В переходной области 4.6 < рК< 5.2 доминирует гумусово-карбонатная система, при 5.2 < рК < 5.8 - карбонатно-гумусовая [Лозовик, 2007(а)].

Согласно вышеуказанному уравнению при а = т можно ранжировать шкалу рН (3,7-8.5) с шагом 0.6 ед. Если учесть возможную двукратную сезонную изменчивость отношения а!т то диапазоны необходимо увеличить в 2 раза, а пограничные области будут перекрываться в пределах 0.6 ед. рН. В результате получаются две группы точек, соответствующие минимальным и максимальным значениям в каждом классе:

слабокислые слабокислые _кислые_кислые_нейтральные_слабощелочные

3,7 4,0 4,3 4,6 4,9 5,2 5,5 5,8 6,1 6,4 6,7 7,0 7,3 7,6 7,9 8,2 8,5

I_I_I_I

кислые слабокислые нейтральные

слабокислые слабощелочные

Соответственно можно установить реперные значения для разных областей рН: 4,3 - 4,9 - 5,2 - 5,5 - 6,1 - 6,7 - 7,3 - 7,9, благодаря чему удается охватить весь диапазон изменения рН, характерный для водных объектов гумидной зоны [Лозовик, 2006(а)]. На шкале выделяются семь областей рН, относящихся к кислым (рН 3.7-4.9), кислым слабокислым (рН 4,3-5,5), слабокислым кислым (4,9-6.1), слабокислым (5,5-6,7), нейтральным слабокислым (6,1-7,3), слабощелочным циркумнейтральным (6.7-7.9) и слабощелочным водам (7.3-8.5). Как видно из градации шкалы, эти диапазоны перекрываются, что связано с высокой сезонной изменчивостью содержания СОг.

Для изменения рН на 0.6 ед. при одном и том же содержании [СОг], необходимо

увеличить количество [НСОз] в 4 раза [Лозовик, Шкиперова, Зобков, 2006]. Таким

образом, щелочность, выраженная в мгНСОз/л, образует вторую шкалу ранжирования.

Далее, путем параллельного объединения двух классификационных шкал по щелочности

и рН автор формирует классификацию природных вод по этим двум показателям:

низкощелочностные слабощелочностные среднещелочностные кислые слабокислые нейтральные

слабокислые слабощелочные

А1к <0 0 0.2 0.8 3.2 12.8 50 200 800

мгНС037л

рН 3.7 4.3 4.9 5.5 6.1 6.7 7.3 7.9 8.5

бесщелочностные низкощелочностные среднещелочностные высокощелочностные кислые слабокислые слабокислые слабощелочные

кислые нейтральные

Если рассмотреть гумусную систему кислотно-основного равновесия [Лозовик, Шкиперова, и др. 2006], то можно найти, как должна измениться гумусность воды при

увеличении pH на 0,6 единиц. Было установлено [Лозовик, 2006(a)], что этому переходу будет соответствовать 2,5 кратное изменение гумусности воды. В переходных областях между классами вод, в пределах которых классификация может быть неоднозначна, используется содержание железа общего:

низкогумусные среднегумусные высокогумусные

Hum |-1-1 |-1 |-1-1

2 5 12 30 73 180

4-6 10-15 24-37 60-90 150-225

\ \ S1 \ S1 \ S

ультраолиго- олигогумусные мезогумусные мезополи- полигумусные гумусные гумусные

олигогумусные мезополигумусные

I-1 I-1

Feoöm 0.05 -0.12-0.30- 0.75 - 1.8-4.7

ультраолигогумусные мезогумусные полигумусные

Выбор этого показателя объясняется тем, что железо образует устойчивые комплексы с гумусовыми кислотами [Варшал, 1993] и между содержанием железа общего и гумусностью наблюдается тесная корреляция.

Для классификации по уровню трофии, как и в большинстве классификаций предлагается использовать содержание Р0бЩ. Удобство этого показателя, как основного лимитирующего биогенного элемента, заключается в том, что он характеризуется стабильным среднегодовым содержанием, а сезонная изменчивость обусловлена главным образом перераспределением его форм [Лозовик, 2006(а)].

За основу ранжирования шкалы Р0бЩ автором взята градация трофности Хатчинсона [Хатчинсон, 1969], а за начальную точку отсчета - общепринятую в лимнологии величину перехода от олиго- к мезотрофным водоемам - 10 мкг/л. Используя те же кратности при переходе от одного класса к другому, что и в случае гумусности, автором получена шкала ранжирования содержания фосфора по классам трофности с учетом их гумусности, по принципу основанному на том, что водам с большей гумусностью соответствует большее содержание Р0бщ-

низкотрофные среднетрофные высокотрофные гипертрофные

-2.0 -4.5±1.5 -10±3-22±6 -48±13 -105±30 -

Робщ, мкг/л 3-6 7-13 17-28 35-60 75-135

Г\/1

ультраолиго- олиго- мезо- евтрофные высокоевтрофные

трофные трофные трофные

Поскольку коэффициенты изменяются в некоторых пределах, на шкале ранжирования Р0бЩ, как и в предыдущих случаях, между соседними классами образуются перекрывающиеся участки. Для кислых и слабокислых вод используется понятие ацидотрофных и дистрофных [Лозовик, 2006(а)]. Низкощелочностные воды классифицируются как ацидотрофные, а безщелочностные кислые как дистрофные.

Обобщая положения, предложенные Лозовиком П.А. для геохимической классификации водных объектов, следует отметить следующее. Поскольку для формирования каждого параметра классификации (щелочности, гумусности, уровня трофии) предлагается использовать шкалы показателей параллельно, возникает вероятность того, что объект может быть отнесен к различным классам по каждой из шкал. Автор отмечает это в своей работе и для разрешения возможной неопределенности предлагает статистический подход - последовательно относить такие пограничные объекты то к одному, то к другому классу. Однако такой подход является достаточно условным, поскольку применим только для большой выборки данных.

Решение этой проблемы может быть найдено путем применения математических методов многомерной классификации и подробно рассмотрено в гл.З.

Кроме этого, для системной оценки природного качества воды необходимо введение новых показателей, характеризующих природное качество воды. В данной работе в качестве таковых предлагается выбрать долю автохтонного вещества, как важную характеристику ОВ природных вод, и степень отклонения химического состава воды от среднерегиональных значений. Выбор именно этих параметров обоснован в соответствующих разделах (см. гл.З). Данные показатели должны иметь алгоритмическое представление для их реализации в автоматизированной системе оценки состояния водных объектов (табл. 1.1).

Таблица 1.1. Возможность алгоритмического определения некоторых характеристик

химического состава воды.

Химический (физико-химический) показатель возможность прямого расчета источник

Сумма ионов 1 [Алекин, 19701

%-эквивалентная доля иона 1 [Алекин, 19701

Классификация по ионному составу (Алекина O.A.) 1 [Алекин, 1970]

Доля анионов органических кислот в ионном составе 1 [Лозовик, 2005]

Масса и элементный состав OB 1 [Лозовик, 2006(6)1

Доля автохтонного OB [Лозовик, Морозов и др., 20071

%- насыщения воды кислородом 2

Степень загрязненности вод 3 [Методические рекомендации... 1988; Лозовик, Платонов, 2005]

Щелочность 3 [Лозовик и др.,2006]

Гумусность 3 [Лозовик и др.,2006]

Уровень трофии 3 [Лозовик и др., 2006]

Природное качество воды 3 [Лозовик и др., 2006]

Степень отклонения химического состава воды от среднерегиональных величин 3 [Зобков, 2012]

"1" - имеется формула прямого расчета показателя, "2" - формула отсутствует, но может быть выведена, "3" - общепринятые расчетные методы прямого вычисления отсутствуют или требуют значительной доработки.

Как уже отмечалось, вторым аспектом при оценке качества вод является степень их загрязнения антропогенными продуктами. В водных системах техногенные вещества включаются в существующие циклы миграции, распространяются и накапливаются во всех компонентах экосистемы - воде, взвеси, донных отложениях, живых организмах [Оценка и регулирование... 1996]. В результате этих процессов происходит загрязнение водных объектов химическими веществами и как следствие этого нарушается структура и природные взаимосвязи в экосистемах, возникают техногенные геохимические аномалии. Техногенное воздействие приводит к увеличению как абсолютных содержаний элементов в неорганических и органических растворенных формах, так и к изменению их природного соотношения [Оценка и регулирование... 1996].

В настоящее время существует множество методик оценки степени загрязнения воды, описанных в отечественных и зарубежных изданиях [Методические рекомендации..., 1988; Методические рекомендации... (РД 52.24.643-2002), 2002; Common implementation... 2000; Моисеенко, 2005; Оксиюк и др. 1993; Фрумин, 1998; Патин, 1979; Замолодчиков, 1993; Иванов, 1994; Лозовик, Платонов, 2005]. Рассмотрим некоторые из них.

Выделяют два способа комплексной оценки качества вод: по совокупности гидрохимических, гидрологических, микробиологических и других показателей, и с помощью вычисления различных комплексных индексов загрязненности воды [Гагарина, 2005].

Методы, основанные на совокупности показателей, разделяют все множество наблюдаемых в природе или изучаемых в каком-либо контексте вод на классы с различной степенью загрязнения. Одним из вариантов такой классификации является метод А.А. Былинкиной [1962], предложившей классификацию водоемов по химическим, физическим, бактериологическим и гидробиологическим свойствам и признакам. Для оценки качества воды авторами были выбраны следующие химическими показатели: содержание растворенного кислорода, рН, БПК5, окисляемость, аммонийный азот, содержание токсичных веществ; бактериологические и гидробиологических показатели: коли-титр, коли-индекс, количество сапрофитных организмов, количество яиц гельминтов, сапробность и биологический показатель загрязнения, или индекс Хорасавы, принятый в международном стандарте качества питьевой воды (1958 г.). Последний показатель представляет собой отношение количества одноклеточных организмов, не содержащих хлорофилл, к общему количеству организмов, включая содержащие хлорофилл, выраженное в процентах [Новиков и др., 1987].

В этом методе каждому из показателей придается цифровое значение, соответствующее важности данного фактора. Основным недостатком этого подхода является то, что по различным показателям классификация водоема может быть различной. Для устранения этого рассчитывается общий показатель загрязнения путем усреднения числовых значений условных приоритетов. Некоторыми авторами [Белогуров и др., 1984; Емельянова и др., 1983; Новиков и др., 1987] предлагалось использовать все показатели, для которых установлены ПДК, другие предлагали выбрать для расчета ограниченное их число [Гурарий, Шайн, 1975; Драчев, 1964]. Хотя первый вариант кажется наиболее точным, он не может быть реализован в реальных условиях в связи с большими трудозатратами. В силу этих особенностей более широкое распространение получили методы с использованием ограниченного числа загрязнителей. Основной сложностью данного подхода является объективный выбор . набора репрезентативных показателей [Методические основы оценки ..., 1981]. В качестве таких, выбирают характеристики загрязнения, значения которых, исходя из местных условий, может значительно превышать ПДК. Многие авторы считают также необходимым включение следующих показателей: взвешенные вещества, растворенный кислород, биохимическое потребление кислорода, рН, коли-индекс, 1ЧН4+, Ж)з", хлориды, сульфаты.

Одним из вариантов комплексной оценки качества поверхностных пресных вод является подход предложенный В.Н. Жукинским с соавторами [Жукинский и др., 1980; Оксиюк и др., 1993]. Данная система учитывает как степень загрязнения водоема по гидрохимическим и бактериологическим показателям, так и степень его евтрофирования. В этой системе В.Н. Жукинским используются такие гидрохимические показатели как рН, азот аммонийный, нитратный, фосфаты, процент насыщения воды растворенным кислородом, окисляемость перманганатная и бихроматная, БПК5 и биологические -биомасса фитопланктона и нитчатых водорослей, индекс самоочищения.

Вторая группа методов основывается на использовании и вычислении различных комплексных численных индексов загрязнения. Одним из наиболее часто применяемых методов является индекс загрязнения воды (ИЗВ), установленный Госкомгидрометом СССР [Временные методические указания..., 1986]. Этот индекс представляет собой среднюю долю превышения ПДК по строго лимитированному числу индивидуальных

1 п=6 с

изв =

ингредиентов, как правило, шести: ^ <=| ^Д^ ? где С; - концентрация компонента

(в ряде случаев - значение физико-химического параметра); п - число показателей, используемых для расчета индекса, п = 6; ПД^ - установленная величина норматива для соответствующего типа водного объекта. В число используемых показателей в

обязательном порядке включается растворённый кислород и БПК5, остальные показатели выбираются в соответствии со спецификой загрязнения водного объекта. При этом должны учитываться загрязнители, характерные именно для рассматриваемого объекта, иначе показатель ИЗВ может оказаться заниженным. В ряде случаев выбираются показатели, по которым зафиксировано наибольшее превышение ПДК [Гагарина, 2005]. По величине ИЗВ определяют класс качества воды (табл. 1.2)

Таблица 1.2. Индексы загрязнённости вод. [Временные методические указания..., 1986].

Характеристика и класс качества воды ИЗВ

1. «очень чистые» <0.2

2. «чистые» >0.2-1

3. «умеренно загрязнённые» >1-2

4. «загрязнённые» >2-4

5. «грязные» >4-6

6. «очень грязная» >6-10

7. «чрезвычайно грязная» >10

Наряду с ИЗВ в России, особенно в системе Росгидромета, наиболее широко используются следующие характеристики загрязнения вод:

• Коэффициент комплексности загрязнения (К)

• Устойчивость и уровень загрязнения

• Коэффициент комплексности загрязнения определяется как отношение числа загрязняющих веществ, содержание которых превышает установленные нормативы, к общему числу нормируемых компонентов.

Оценка устойчивости и уровня загрязнения вод выполняется на основе повторяемости случаев и кратности превышения ПДК. Устойчивость загрязнения выражается в процентах количества проб, в которых было обнаружено достижение или превышение ПДК, от их общего числа и классифицируется как единичная (при повторяемости превышения ПДК меньше 10%), неустойчивая (при повторяемости 1030%), устойчивая (при повторяемости 31-50%), характерная (51-100%). Уровень загрязненности вод конкретным веществом характеризуется кратностью превышения ПДК, согласно которой степень загрязнения может меняться от практически нулевой до очень высокой, когда наблюдаемая концентрация больше ПДК в 50-100 раз.

При этом устанавливается требование, чтобы индексы загрязнения воды сравнивались для водных объектов одной биогеохимической провинции и сходного типа, для одного и того же водотока (по течению, во времени и т.д.), а также с учетом фактической водности текущего года. Для учета этого условия в середине 90-х гг. А.П.

Шлычковым с соавторами [1996] был предложено рассчитывать ИЗВ с учетом водности года:

1 X""4 факт.

ИЗВ* = ИЗВ ■ к =

п пдк ■ о,ср мп

Числитель здесь представляет собой наблюдаемый годовой сток выбранных загрязняющих веществ, а знаменатель - предельно допустимый среднемноголетний их сток. Использование данного показателя обосновано для речных систем и характеризует степень их загрязнения с учетом разбавления сточных вод. Например, для объектов, загрязнение которых происходит от рассредоточенных неорганизованных источников находящихся на их водосборной территории, в многоводные годы ИЗВ* превышает значение ИЗВ. Для водных объектов принимающих организованные сбросы сточных вод наблюдается иная картина, для них ИЗВ* с учетом водности ниже ИЗВ в многоводные годы, что объясняется разбавлением сточных вод.

Метод комбинаторного индекса загрязненности (КИЗ), предложенный В.П.Емельяновой с соавторами [1983], характеризует не только превышение ПДК, но также и повторяемость этого превышения. Комбинаторный индекс загрязненности рассчитывается по формуле:

/=1

где 8] - обобщенный оценочный балл.

Расчет КИЗ проводится в несколько этапов. Вначале устанавливается мера устойчивости загрязненности (по повторяемости случаев превышения ПДК):

N.

Н, = ■

'ПДК

N.

где Н; - повторяемость случаев превышения ПДК по ¡-му ингредиенту; 1Чпдк -число результатов анализа, в которых содержание ¡-го ингредиента превышает его предельную допустимую концентрацию; N1 - общее число результатов анализа по ьму ингредиенту. Далее, показателю повторяемости присваиваются соответствующие оценочные баллы, которые позволяют качественно оценить влияние каждой составляющей загрязнения.

На втором этапе выполняется расчет показателя кратности превышения ПДК:

С,

К<

с

^ пдк

где .К, - кратность превышения ПДК по г-му ингредиенту; С, - наблюдаемая концентрация г'-го ингредиента, мг/л; СПдк - предельная допустимая концентрация /-го ингредиента в мг/л.

Кратность превышения шкалируется и всем ингредиентам присваиваются соответствующие значения в баллах.

Результаты, полученные в первом и втором этапах оценки, объединяются. В итоге получаются обобщенные характеристики загрязнения, которые показывают влияние каждого поллютанта на качество воды за определенный промежуток времени. Качественным обобщенным характеристикам присвоены соответствующие оценочные баллы Бь полученные как произведение оценок по отдельным характеристикам, и производиться суммирование обобщенных оценочных баллов по всем определяемым в створе веществам. Полученный данным способом индекс В.П.Емельяновой с соавторами был назван комбинаторным индексом загрязнения. По величине комбинаторного индекса загрязненности и числу учтенных в оценке ингредиентов качества воды воду относят к тому или иному классу качества. Выделяют четыре класса качества воды: слабо загрязненная, загрязненная, грязная, очень грязная. Поскольку третий и четвертый классы качества воды характеризуются более широкими, чем первый и второй, диапазонами колебаний величины КПЗ и значительно различающаяся загрязненность воды оценивается одинаково, попадая в один и тот же класс, авторы вводят в эти классы разряды качества.

На основе этого подхода В.П.Емельянова и Е.Е.Лобченко в Гидрохимическом институте Федеральной службы России по гидрометеорологии и мониторингу окружающей среды был разработан метод комплексной оценки степени загрязненности поверхностных вод по гидрохимическим показателям [РД 52.24.643-2002]. Для оценки степени загрязненности в этом методе предлагается алгоритм расчета удельного комбинаторного индекса загрязненности воды (УКИЗВ). Несомненным достоинством этого метода является возможность использования не ограниченного числа компонентов, в отличие от метода ИЗВ, и позволяет осуществить его алгоритмическое выражение и непосредственного применение для автоматизированной обработки результатов. Данная возможность реализована в программе расчета для ПЭВМ ИККУ-сеть [РД 52.24.6432002]. Однако применимость метода ограничивается водными объектами и станциями (постами наблюдений) для которых имеется большой объем информации. Для достаточно адекватной оценки ситуации на водном объекте требуется 8 и более определений каждого компонента, минимально необходимое число наблюдений - 4 в год (по одному в каждый гидрологический сезон), при этом число определяемых компонентов для сравнительного анализа результатов должно отличаться не более чем на 30%. Эти требования практически

невыполнимы для обширного региона с огромным числом озер и рек, наблюдения на многих, из которых, зачастую, носят единичный характер.

Подходы, предложенные Фруминым Г.Т. [1998], Патиным С.А. [1979], Замолодчиковым Д.Г. [1993] оказались слабо применимыми к оценке степени загрязнения, поскольку критерии, предлагаемые авторами (порог биохимической

толерантности, экологически допустимый уровень), как показали современные

\

исследования [Лозовик, Кулакова, 2009] увеличиваются соизмеримо со степенью загрязненности воды. Методики Росгидромета [Временные методические рекомендации..., 1986] и Иванова В.В. [Иванов, 1994] являются аналогами техногенной нагрузки и не отражают реального состояния водных объектов [Лозовик, Кулакова, 2009].

Основным недостатком оценки загрязнения по ИЗВ является отстраненность значений ПДК от регионального фона, что значительно искажает реальную степень загрязнения. ИЗВ на основе общероссийских ПДК зачасчастую занижает степень загрязнения водного объекта, что связано с существенным отличием фоновых концентраций и ПДК элементов, которые наблюдаются как в меньшую, так и в большую сторону. Однако данная проблема связана скорее не с ИЗВ, а с системой ПДК в целом, поскольку имеет место и в новой системе оценки, разработанной в Гидрохимическом институте [РД 52.24.643-2002]. Решение этой проблемы находиться в применении ПДК наряду с геохимическим фоном элементов.

В этой связи наиболее репрезентативной и простой в применении на настоящий момент является методика, предлагаемая авторами [Лозовик, Платонов, 2005], использующая методику ИЗВ Росгидромета с привлечением региональных значений ПДК. Эта методика позволяет учитывать как геохимический фон элемента, так и его ПДК для рыбохозяйственных водоемов. Для веществ, у которых ПДК»Сф0Н, в качестве регионального значения ПДК авторами предлагается использовать их среднегеометрическое: ПДКрег = ^ПДК ■ Сфон . Для веществ, у которых фоновые

концентрации по порядку величины близки к ПДК, в качестве регионального предлагается использовать их сумму: ПДКрег = ПДК + Сфон. Вещества, у которых

региональный фон значительно больше ПДК (Ге0бщ, Мп, фенолы и др.) не учитываются при расчете ИЗВ.

Методика хорошо отражает степень загрязнения водных объектов при небольшом числе загрязняющих компонентов [Лозовик, Кулакова, 2009].

Большинство из представленных методов оценки степени загрязнения водного объекта основываются на экспертных оценках и не имеют строгого алгоритмического выражения (ИЗВ, подходы Былинкиной, Белогурова и др.). Другие, как например, УКИЗВ, обладают широкими возможностями по автоматизированной оценке степени загрязнения и даже реализован в соответствующих системах (ПЭВМ иИвУ-сеть) но, однако, является строго специализированным и ориентированным на определенную систему мониторинга. Таким образом, все методы оценки загрязнения воды также требуют доработки для их реализации в автоматизированной информационной системе (табл. 1.1.).

Если обратиться к табл. 1.1, то очевидно, что большинство задач, встречающихся в процессе оценки качества вод, на сегодняшний день не имеют строгого алгоритмического выражения, а используют элементы экспертной оценки. Подобные задачи носят название слабоструктурированных и решаются в области экспертных систем (ЭС) и систем поддержки принятия решений (СППР).

1.2. Методы классификации в признаковом пространстве

Весь спектр применяющихся в настоящий момент в геоинформатике классификационных схем можно подразделить на несколько групп, основой для систематизации в которых, как правило, являются цель классификации, определение класса, наличие обучающей выборки, использование географического пространства, наличие априорной информации о статистических свойствах классов. [Капралов и др., 2004]. По цели выделяют оценочные и типологические классификации, первые применяются для определения положения классифицируемого объекта в пределах одной линейной шкалы (бальная система классификации), вторые - с целью выделения некоторых устойчивых типов классифицируемых объектов, с целью обобщения каких-либо их основных характеристик. По определению класса выделяют детерминированные и вероятностные методы классификации. Первые позволяют однозначно отнести рассматриваемый объект к тому, или иному классу, вторые дают лишь вероятностную оценку вхождения объекта в каждый из выделенных классов. По степени учета географического пространства выделяют использующие его и не использующие. По наличию обучающей выборки выделяют методы классификации «с учителем» и «без учителя». Если имеется априорная информация о статистических свойствах классов, то метод относится к параметрическим, целью таких методов является отыскание неизвестных параметров для известных функций распределения классифицируемых объектов в пределах каждого класса и вероятностей появления этих классов. Если такая априорная информация отсутствует, метод относится к не параметрическим, которые в свою очередь подразделяются на иерархические и не иерархические, а последние на эвристические и оптимизационные. Иерархические методы проводят классификацию путем последовательного объединения наиболее близких объектов в классы, эвристические - базируются на интуитивном представлении исследователя о целях классификации, а оптимизационные производят разбиение общего множества классифицируемых объектов на классы путем максимизации или минимизации некоторого функционала качества.

Данный список классификационных схем, определенный необходимо дополнить способом выделения основных классификационных параметров: автоматизированным (по входной совокупности данных) и функциональным - по известной функциональной зависимости между классификационными параметрами. Первый способ может применяться для разделения на классы некоторой частной выборки, выделения классов внутри нее. Второй метод позволяет проводить классификацию по всей генеральной

совокупности значений, которые могут принимать классификационные параметры, поскольку основан на известных функциональных зависимостях между ними. Второй способ гарантирует однозначность отнесения каждого объекта к определенному классу не зависимо от полноты рассматриваемой выборки. Недостатком его является то, что определить зависимости между классифицируемыми параметрами, как правило, не удается.

Наиболее информативными, с точки зрения получения общей, интуитивно понятной информации являются оценочные классификации, поскольку обязательным этапом такой классификации является переход от многомерного представления свойств объекта к его единственному признаку. При этом классы рассматриваемых объектов можно расположить в порядке возрастания или убывания, проводя их сравнение между собой и выбор наиболее благоприятного из них. Отличие типологических классификаций от оценочных заключается в выделении отдельных областей в многомерном пространстве исходных показателей, которые в общем виде не могут быть отражены в бальной системе или линейной шкале.

Разделяют понятия классификаций в географическом и признаковом пространствах. В первом случае рассматривается 3-х мерное эвклидово пространство, выраженное в географических координатах или других метрических единицах, во втором - многомерное пространство признаков изучаемого объекта. При этом изучаемый объект отображается в этом многомерном пространстве в виде 1М-мерной точки.

Нахождение объекта в каждом признаковом пространстве может описываться двумя способами [Капралов и др., 2004]: в виде матрицы объект-признак, где номера столбцов соответствуют различным объектам, а строки - признакам. Поскольку размерность признаков может быть различна, для расчета расстояний между объектами в признаковом пространстве необходимо проведение процедур нормировки.

Положение объектов в признаковом пространстве также может быть задано матрицей их взаимного расположения. При этом столбцы соответствуют признакам одного объекта, а строки другого. В ячейках матрицы записываются характеристики их взаимного различия или сходства, матрица является симметричной, содержащей нули на главной диагонали.

Расстояние между объектами в пространстве показателей характеризует их сходство между собой, а если в качестве второго объекта выбрана средневзвешенное значение в пределах одного класса, то расстояние от объекта до этой точки характеризует его принадлежность к данному классу. Такой подход был применен в данной работе при

автоматизированной реализации геохимической классификации водных объектов (см.гл.З), [Зобков, 2008].

В зависимости от типа шкал, расстояние в признаковом пространстве может быть вычислено различными способами [Айвазян и др., 1989]:

Р

Обычное евклидово расстояние: Ье {о], о,) = м ^ (о(к> - о\к))2 ;

V к=1

Р

Взвешенное евклидово расстояние: Ьое (о], о1) = ^ (о(к> - о\к) )2 , где м>(к] -

V *=1

вектор весов;

лг .

Манхэттенское расстояние Ьм(оро^) о® .

к=1 '

Так же в качестве меры близости между изучаемыми объектами в признаковом пространстве могут быть использованы коэффициенты корреляции. Такой подход был использован при расчете корреляционной матрицы химических показателей для Карельского гидрографического района (см. разд. 3.1.1).

Поскольку задача классификации в общем виде является слабоструктурированной для ее решения необходимо применения эвристических алгоритмов, многие из которых получили широкое распространение в системах поддержки принятия решений (СППР) и в экспертных системах (ЭС). Для дальнейшего развития поставленной задачи необходимо рассмотреть некоторые из них более подробно.

1.3. Эвристический подход к проблеме оценки качества

Обобщая основные положения, рассмотренные в разделе 1.1, становится ясно, что задача оценки состояния водных объектов является нечетко структурированной и базируется главным образом на экспертных заключениях. При этом основные компоненты системы оценки могут быть получены из теоретических представлений о формировании химического состава воды лежащих в основе закономерностей распределения химических показателей либо с применением различных статистических методов, позволяющих выявить эти закономерности и, соответственно, главные компоненты. Вторым подходом к анализу качества воды является применение экспертных систем, основанных на искусственных нейронных сетях или нечетких множествах, моделирующих ход рассуждений эксперта. Они необходимы в случаях, когда выявление закономерностей в исходном ряду данных в явном виде не возможно либо не целесообразно. При этом привлечение эвристических методов является вполне оправданным.

Таким образом, для реализации алгоритмов классификаций в информационных системах (ИС), как не четко структурированных задач, возникает необходимость применения методов, разработанных в рамках изучения систем искусственного интеллекта (ИИ), экспертных систем (ЭС) и систем поддержки принятия решений (СПГТР). Существует много определений понятия «экспертная система», но на сегодня четкой формулировки этого термина не имеется. Например, К. Нейлор дает такое определение экспертной системы: «Под экспертной системой понимается система, объединяющая возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предложить разумный совет или предложить разумное решение поставленной задачи». Из этого определения вытекает основное назначение экспертных систем - обеспечение с помощью компьютера компетентность (специальные знания) человека-эксперта [Нейлор К., 1991].

Экспертные системы классификации являются, как правило, многомерными, охватывающими широкий спектр изучаемых переменных. При этом закономерности в них явном виде не выделяются, а результат генерируется на основе набора правил, хранящихся в базе знаний. В некоторых экспертных системах база знаний закладывается при её создании, некоторые содержат алгоритмы самообучения. Существуют системы, объединяющие несколько баз знаний, как детерминированных, так и генерируемых при обучении системы [Angulo, et al 2012].

Однозначное определение понятия СППР на сегодняшний день также отсутствует. Например, Ларичев О.И. [Ларичев, 1996] формулирует это понятие так: «Системы поддержки принятия решений являются человеко-машинными объектами, которые позволяют лицам, принимающим решения (ЛПР), использовать данные, знания, объективные и субъективные модели для анализа и решения слабоструктурированных и неструктурированных проблем». Как следует из данного определения, основной целью СППР является решение слабоструктурированных и неструктурированных задач. К слабоструктурированным относятся задачи, содержащие как количественные, так и качественные показатели, к неструктурированным - содержащие лишь качественные показатели [Simon, 1975]. Simonovic A., Slobodan P. [1994] дают такое определение СППР: «Это компьютерная система, позволяющая ЛПР сочетать собственные субъективные предпочтения с компьютерным анализом ситуации при выработке рекомендаций в процессе принятия решения». Основная мысль этого положения -сочетание субъективных предпочтений ЛПР с компьютерными методами анализа.

Имеется и практика создания адаптивных нейронных сетей с применением нечеткой логики для решения задач классификации по качеству воды [Yan, 2010].

Качество - сложный термин, который не может быть просто описан с помощью набора исходных данных. Например, хорошее качество не может быть представлено исключительно рН, большим 7.0. С другой стороны это позволяет представить качество воды в виде нечеткого множества. Такой подход позволяет примять математические методы для описания понятия качества лингвистическим путем, т.е. очень низкое, низкое, удовлетворительное, хорошее, и очень хорошее [Debasis, 2008]. Таким образом, одним из способов упрощения комплексной системы показателей (свертки) будет являться внесение некоторой доли неопределенности при её описании.

Теория нечетких множеств в настоящее время широко используется в направлениях науки, где предмет исследования не может быть полностью представлен с помощью простого набора исходных данных, таких как классификация и квантование субъективного восприятия параметров окружающей среды [ЗПуег!:, 2000], определение качества воды [БеЬа515, 2008; БаЫуа е1 а1. 2007; Bengraine а1. 2003].

В связи с этим, представляется возможным применение методов нечеткой логики для оценки природного качества воды и её классификации по химическим показателям, что собственно и было реализовано на примере водных объектов Карельского гидрографического района (см. гл. 3).

Для решения поставленных задач с помощью элементов экспертной системы необходимо использовать формализованные человеко-машинные процедуры операций над нечеткими множествами, лингвистическими переменными, нечеткое ранжирование. Впервые теория нечетких и размытых множеств была предложена Л.Заде, и получила впоследствии название нечеткой логики [¿айеЪ, 1965]. Она явилось первой теорией оперирующей нечеткими и не вполне ясными понятиями. Основное отличие данной теории от привычной булевой алгебры заключается в неясности отношения какой-либо переменной к области и (универсальное множество). Если достоверно известно, что некоторая величина X принадлежит данной области, а некоторая величина У ей не принадлежит, то здесь имеет место быть классическая булева алгебра, в том же случае, если достоверно не известно нахождение или отсутствие каких-либо величин в области и,

то необходимо использовать методы нечетких множеств. При этом функция ,

определяет меру членства (функцию членства или принадлежности) элемента этому

и еи тт тт Мл(и<) е {0,1}

множеству, где ' , т.е. является элементом множества и. При ^ А >' 1 ' т.е. все

величины равны либо 0 либо 1, то «размытое» множество становиться «обычным» четким

множеством, а функция обычной булевой функцией [Трахтенгерц, 1998].

Например, в табл. 1.3 метод нечетких множеств применен для описания минерализации

пресных вод. Как видно из данной таблицы, это описание является достаточно

субъективным, но в тоже время функция ^(Ч) отражает восприятие экспертом величины минерализации в какой-либо конкретной ситуации. В данном случае значение

функция равное 1 показывает, что воды являются пресными, а близкое к 0 -

солоноватыми.

Таблица 1.3. Зависимость функции от понятия «минерализация»

Минерализация, мг/л 1000 800 300 100 50 40 25

Мл (",■) 0 0,1 0,3 0,5 0,8 0,9 1

По аналогии с четкими множествами, над нечеткими также могут проводиться различные операции, такие как отношения вложения, дополнительного нечеткого множества, произведения нечетких множеств и суммы нечетких множеств, а так же другие операции, которые используются значительно реже. Однако, операции над размытыми числами, а так же их ранжирование, является достаточно сложной задачей, поэтому их применяют довольно редко. Гораздо чаще для устранения недостатков связанных со сложностью и громоздкостью вычислений над размытыми множествами используют так называемые лингвистические переменные. Они легко воспринимаются человеком и хорошо отображают размытые множества в области действительных и целых чисел. Например, Э.А.Трахтенгерц дает такое определение этого понятия: «Лингвистической называется переменная, заданная на некоторой количественной шкале, и принимающая значения в виде слов и словосочетаний естественного языка» [Трахтенгерц, 1998]. В общем виде любая лингвистическая переменная связывается с конкретной количественной шкалой. К примеру, шкала лингвистической переменной, характеризующей условную степень загрязнения:

Заключение диссертации по теме «Геоинформатика», Зобков, Михаил Борисович

Основные результаты и выводы

1. В работе рассмотрены и обобщены существующие методы оценки состояния водных объектов по химическим показателям и имеющиеся системы обработки гидрохимической информации. Выявлено отсутствие методов и автоматизированных систем, позволяющих выполнять комплексную обработку и классификацию исходной гидрохимической информации. Во всех существующих методах присутствует экспертная составляющая, которая не позволяет реализовать их с помощью формализованных алгоритмов, а в некоторых случаях исключает нахождение однозначного решения задачи классификации.

2. Разработан метод автоматизированной классификации водных объектов по щелочности, гумусности, уровню трофии, содержанию кислорода и качеству воды. Он согласуется с литературными данными и экспертными оценками и может применяться для потоковой обработки гидрохимической информации.

3. Предложен метод выявления аномалий в химическом составе воды, который позволяет в автоматизированном режиме определять водные объекты с отклонениями от регионального фона, обусловленные природными или антропогенными факторами.

4. Разработан расчетный метод определения доли автохтонного и аллохтонного органического вещества по косвенным показателям его содержания (цветность, ПО и ХПК), который может применяться для ориентировочной оценки их содержания.

5. На основе разработанных методов и алгоритмов создана автоматизированная информационная система обработки гидрохимической информации и оценки состояния водных объектов.

6. Выполнена верификация работы системы и получено хорошее соответствие результатов с литературными данными и экспертными оценками.

7. Проведен анализ современного состояния водных объектов Республики Карелия на основе автоматизированной системы. Определено природное качество воды свыше 800 объектов Карельского гидрографического района и предметно рассмотрены Онежское оз., водные объекты Заонежского полуострова и района Костомукши.

8. На примере исследованных объектов района Костомукши, показано, что расчет ИЗВ и УКИЗВ на основе региональных ПДК позволяет более объективно выполнять оценку степени загрязнения воды, что также подтверждается и результатами, полученными по методу аномалий химического состава. 9. Выполнено картографирование полученной информации с помощью ГИС Mapinfo и Surfer.

Список литературы диссертационного исследования кандидат технических наук Зобков, Михаил Борисович, 2012 год

Список литературы

1. Адлер Ю.П., Маркова Е.В., Грановский Ю.В. Планирование эксперимента при поиске оптимальных условий. М.: Наука, 1976. 280 с.

2. Алекин O.A. Основы гидрохимии. Л., Гидрометеоиздат, 1970, 442 с.

3. Баранов И.В. Лимнологические типы озер СССР. Л., "Наука", 1962, 226 с.

4. Баранов И.В. Основы биопродукционной гидрохимии. М.: Легкая и пищевая промышленность, 1982. 110 с.

5. Белогуров В.П., Лозанский В.Р., Песина С.А. Применение обобщенных показателей для оценки загрязненности водных объектов // Комплексные оценки качества поверхностных вод. Л., 1984. С. 33-43.;

6. Биске Г.С., Лак Г.Ц, Лукашов А.Д., Горюнова H.H., Ильин В.А. Строение и история котловины Онежского озера. Петрозаводск. 1971. Издательство Карелия.

7. Бобровский С. Delphi 5: учебный курс - СПб: Издательство «Питер», 2000. - 640 с.

8. Бульон В.В. Первичная продукция планктона внутренних водоемов. Л.: Наука, 1983. 199 с.

9. Бурков В.Н. Новиков В.А. Введение в теорию активных систем, М. ИПУ. 1996

10. Былинкина A.A., Драчев С.М., Ицкова А.И. О приемах графического изображения аналитических данных о состоянии водоемов // Материалы 16-го гидрохим. совещ. Новочеркасск, 1962. С. 8 - 15.

11. Варшал Г.М., Велиханова Т.К., Кащеева И.Я. Геохимическая роль гумусовых кислот в миграции элементов // Гуминовые вещества в биосфере. М.: Наука, 1993. С. 97117.

12. Вернадский В.И. История минералов земной коры, т.2 История природных вод. М., ОНТИ, 1933-1936, вып. 1-3

13. Воробьева Т.И., Красильников Е.А., Поливанов B.C., Фадеева И.В. Опыт разработки ГИС экологии города // Проблемы окружающей среды и природных ресурсов / ВИНИТИ. -1999. -№6. -С.41-49.

14. Временные методические указания по комплексной оценке качества поверхностных и морских вод. Утв. Госкомгидрометом СССР 22.09.1986 г. № 250-1163. М., 1986. 5 с.

15. Гагарина О.В. Обзор методов комплексной оценки качества поверхностных вод// Науки о Земле, 2005, № 11, с.45-58

16. Геоинформатика. Толковый словарь основных терминов // Ю.Б. Баранов, A.M. Берлянт, Е.Г. Капралов и др. — М.: ГИС-Ассоциация, 1999. — 204 с.

17. ГОСТ 17.1.1.01—77 (CT СЭВ 3544-82) Охрана природы. Гидросфера. Использование и охрана вод. Основные термины и определения. 2004 ИПК Изд-во стандартов, 2004. 12 с.

18. ГОСТ Р 50828-95 Геоинформационное картографирование. Пространственные данные. Цифровые и электронные карты. Общие требования. М., Изд-во Стандартов. 1996

19. ГОСТ Р ИСО 10303-1-99 Системы автоматизации производства и их интеграция. Представление данных об изделии и обмен этими данными. М., Изд-во Стандартов. 1999.

20. Гурарий В.И., Шайн A.C. Комплексная оценка качества воды // Проблемы охраны вод. Харьков, 1975. Вып.6. С. 143-150.;

21. Дейт К. Дж. Введение в системы баз данных = Introduction to Database Systems. — 8-е изд. — М.: «Вильяме», 2006. — С. 1328. — ISBN 0-321-19784-4

22. Демидов И.Н. Развитие оледенения и формирование четвертичных отложений на Заонежском полуострове // Кижский вестник №2. Заонежье. Петрозаводск: КарНЦ РАН. С. 13-23.

23. Дмитриев В.В. Определение интегрального показателя состояния природного объекта как сложной системы // Общество. Среда. Развитие. № 4, 2009. С. 146-165.

24. Драчев С.М. Борьба с загрязнением рек, озер и водохранилищ промышленными и бытовыми стоками. - М.-Л.: АН СССР, 1964. - 274 с.

25. Дубровина Л.В., Калинкина Н.М., Лозовик П.А. Факторы токсичности для гидробионтов техногенных вод Костомукшского ГОК'а // Влияние техногенных вод горно-обогатительного комбината на водоемы системы р. Кенти. Петрозаводск: КарНЦ РАН, 1995. С. 15-25.

26. Емельянова В.П., Данилова Г.Н., Колесникова Т.Х. Оценка качества поверхностных вод суши по гидрохимическим показателям //Гидрохимические материалы. Л.:Гидрометеоиздат, 1983. Т.88. С.119-129.;

27. Ефремова Т. В. Физико-географическая характеристика озера. Экосистема Онежского озера. Л.: Наука, 1990. С. 5-11.

28. Жукинский В.Н., Оксиюк О.П., Олейник Г.Н., Кошелева С.И. Критерии комплексной оценки качества поверхностных пресных вод // Самоочищение и биоиндикация загрязненных вод. М.: Наука, 1980. С. 57 - 63.

29. Зайцев И.К. Методика составления гидрогеологических карт. М., Госгеолтехиздат, 1945

30. Закруцкий В.Е., Рыжков М.М., Кизицкий М.И. и др. Экологический атлас Ростовской области: структура, содержание и методика оценки ситуации // Изв. РАН. Сер. геогр. -1999. -№1. - С.88-95

31. Замолодчиков Д.Г. Оценка экологически допустимых уровней антропогенного воздействия на пресноводные экосистемы // Проблемы экологического мониторинга и моделирования экосистем. T.XV. СПб.:Гидрометеоиздат, 1993. С.214-233.

32. Зобков М.Б. Автоматизированная система обработки и анализа гидрохимической информации // Мат. н.-практ. конф. «Современные фундаментальные проблемы гидрохимии и мониторинга качества поверхностных вод России, г.Азов, Ростов-на-дону, 2009 г. С. 190-195.

33. Зобков М.Б. Автоматизированный экспертный анализ состояния водных объектов Республики Карелия // сборник статей по материалам конференции «Северные территории России: проблемы и перспективы развития». CD, № гос. регистрации: 0320800990. Институт экологических проблем Севера УрО РАН, Архангельск 2008.

34. Зобков М.Б. База гидрохимических данных и автоматизированная обработка гидрохимической информации // Состояние водных объектов Республики Карелия. По результатам мониторгинга 1998 - 2006 гг. Петрозаводск: Карельский научный центр РАН, 2007. С. 13-14.

35. Зобков М.Б., Авторское свидетельство на программу для ЭВМ: Автоматизированная информационная система «Обработка гидрохимической информации и оценка состояния водных объектов» (АИС «ОГХИ»). Свидетельство о государственной регистрации № 2010612351 от 31.04.2010.

36. Зобков М.Б., Бородулина Г.С., Сало Ю.А. Гидрогеологические и экологические условия формирования подземного стока в Онежское озеро // мат. IX межвузовской молодежной науч. конф. «Школа экологической геологии и рационального недропользования». Спб, 2008. С.213-215.

37. Зобков М.Б., Лозовик П.А., Автоматизация процесса обработки гидрохимической информации // Мат. II Респ. школы-конф. молодых ученых «Водная среда Карелии: исследование, использование, охрана». Петрозаводск, 2006. С.94-99.

38. Зобков М.Б., Применение функций желательности для анализа качества воды// Водные ресурсы, том 39, № 1, 2012. С. 63-70.

39. Иванов В.В., Экологическая геохимия элементов. Книга 1. S-элементы. М.:Недра, 1994. 304 с.

40. Иванова М.Б. Влияние активной реакции и общей минерализации воды на формирование сообщества зоопланктона в озерах при приближении значений этих факторов к экстремальным // Реакция озерных экосистем на изменения биотических и абиотических условий. Труды зоологического института РАН, т. 272. С-Пб, 1997, с. 71-86.

41. Калинкина Н.М., Кухарев В.И., Морозов А.К., Рябинкин A.B., Власова Л.И. Критические уровни минерального загрязнения экосистемы р. Кенти // Гидрологические проблемы Карелии и использование водных ресурсов. Петрозаводск: КарНЦРАН, 2003. С. 103-110.

42. Капралов Е.Г., Кошкарев A.B., Тикунов B.C., Заварзин A.B., Лурье И.К., Рыльский И.А., Трофимов A.M., Флейс М.Э., Яровых В.Б. Основы геоинформатики: В 2 кн. Кн. 1. М.: Изд. центр «Академия», 2004. 352 с.

43. Каталог озер и рек Карелии // Под ред. Н.Н.Филатова и A.B. Литвиненко. -Петрозаводск: Карельский научный центр РАН. 2001. 290 с.

44. Кирсанов A.A. Использование интегрированных ГИС при геоэкологических исследованиях и картографировании // Геодезия и картография. 1999. №9. С.38-44

45. Кирьянов Д. Самоучитель Mathcad 11. БХВ-Петербург, 2003. 560 с.

46. Китаев С.П. Основы лимнологии для гидробиологов и ихтиологов. Петрозаводск. 2007. 390 с

47. Китаев С.П. Экологические основы биопродуктивности озер разных природных зон. Л.: Наука, 1988. 207 с.

48. Клюев H.H., Петрова И.Ф. Опыт картографического обеспечения экологической безопасности Курской области //Проблемы региональной экологии. -1998. №1. С.69-80.

49. Костина Н.В., Розенберг Г.С., Шитиков В.К. Экспертная система экологического состояния бассейна крупной реки // Изв. Самар. НЦ РАН. -2003. - Т5, № 2. С. 287294.

50. Кошкарев A.B., Каракин В.П. Региональные геоинформационные системы. -М.: Наука, 1987.-126 с.

51. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика.— М.: Горячая линия—Телеком, 2001. 382 с.

52. Куракина Н.И., Гридина Е.Г. Система оценки качества водных объектов и нормирование • антропогенной нагрузки // Надежность и качество. Труды международного симпозиума.- Пенза: Изд-во Пенз. Гос. Ун-та, 2005.

53. Ларичев О.И., Мошкевич Е.М. Качественные методы принятия решений. М. Наука. Физматлит. 1996

54. Левич А.П., Булгаков Н.Г., Максимов В.Н. Теоретические и методические основы технологии регионального контроля природной среды по данным экологического мониторинга. М.: НИА-Природа, 2004. 271 с.

55. Лифшиц В. X. Краткая физико-географическая характеристика и некоторые элементы гидрологического режима Петрозаводской губы. Гидробиология Петрозаводской губы Онежского озера. Петрозаводск, 1980. С.5-10.

56. Лозовик П. А. Кислотно-основное равновесие поверхностных вод гумидной зоны // Геохимия. 2007. №10. С. 1139 — 1144.

57. Лозовик П. А. Оценка вклада анионов органических кислот в щелочность природных гумусных вод // Аналитическая химия, 2005. Т. 60, № 11. С. 1126-1130.

58. Лозовик П.А, Кулакова Н.Е. Оценка загрязнения водных объектов с использованием различных методических подходов на примере системы р.Кенти // Материалы научно-практической конференции «Современные фундаментальные проблемы гидрохимии и мониторинга качества поверхностных вод России» Ч.2.Ростов-на-Дону, 2009. С.75-78.

59. Лозовик П.А. Водоемы района Костомукши. Общая характеристика// Состояние водных объектов Республики Карелия. По результатам мониторгинга 1998 - 2006 гг. Петрозаводск: Карельский научный центр РАН, 2007. 210 с.

60. Лозовик П.А. Гидрогеохимические критерии состояния поверхностных вод гумидной зоны и их устойчивости к антропогенному воздействию // Автореферат диссертации на соискание ученой степени доктора химических наук. Москва, 2006. 60 с.

61. Лозовик П.А. Расчетно-аналитический метод оценки содержания и элементного состава органического вещества природных вод // Журнал аналитической химии, 2006. Т. 61, №6. С. 592-597.

62. Лозовик П.А., Морозов А.К., Зобков М.Б., Т.А. Духовичева М.Б., Осипова Л.А. Аллохтонное и автохтонное органическое вещество в поверхностных водах Карелии // Водные ресурсы, 2007. Т. 34, №2. С. 225-237.

63. Лозовик П.А., Басов М.И., Зобков М.Б. Поверхностные воды Заонежского полуострова. Химический состав воды. // Экологические проблемы освоения месторождения Средняя Падма. - Петрозаводск: Карельский научный центр РАН, 2005. С. 35-47.

64. Лозовик П.А., Бородулина Г.С. Соединения азота в поверхностных и подземных водах Карелии // Водные ресурсы, 2009. Т. 36 .№ 6. С. 694-704.

65. Лозовик П.А., Дубровина Л.В. Влияние соотношения катионов и минерализации воды на токсичность ионов калия // Экологическая химия, №4, 1998. С. 15-22.

66. Лозовик П.А., Зобков М.Б. Классификация объектов бассейна Онежского озера по химическим показателям // Онежское озеро. Атлас. Петрозаводск: Кар.НЦ РАН, 2010. С.105-109

67. Лозовик П.А., Кулакова Н.Е., Перспективы использования различных методических подходов оценки загрязнения водных объектов в зоне действия предприятий горнодобывающей промышленности // Водные ресурсы, 2012.

68. Лозовик П.А., Маркканен С.-Л, Морозов А.К. и др. Поверхностные воды Калевальского района и территории Костомукши в условиях антропогенного воздействия. Петрозаводск: КарНЦ РАН, 2001. 168 с.

69. Лозовик П.А., Платонов A.B. Определение региональных предельно допустимых концентраций загрязняющих веществ на примере Карельского гидрографического района // Геоэкология, 2005. № 6, С. 527-532.

70. Лозовик П.А., Рыжаков A.B., Сабылина A.B., Мартынова H.H., Белкина H.A., Калмыков М.В., Платонов A.B., Потапова И.Ю., Зобков М.Б. Исследование процессов формирования химического состава поверхностных вод Карелии // В сб. «Водные ресурсы Европейского Севера России: итоги и перспективы исследований». Мат. юбилейной конф., посвященной 15-летию ИВПС. Петрозаводск, 19-21 сентября 2006 г. С. 249-272.

71. Лозовик П.А., Сабылина A.B., Коваленко В.Н. и др. Гидрохимическая характеристика малых озер Карелии // Антропогенные изменения экосистем малых озер. С.-Пб: Гидрометеоиздат, 1991. С. 34-37.

72. Лозовик П.А., Шкиперова О.Ф., Зобков М.Б., Платонов A.B. Геохимические особенности поверхностных вод Карелии и их классификация по химически показателям. // Труды Карельского научного центра РАН Вып. 9, Петрозаводск, 2006 С. 130-143.

73. Лукашов А.Д., Ильин В.А., Рельеф и четвертичные отложения Заонежского полуострова // Кижский вестник №2. Заонежье. Петрозаводск: КарНЦ РАН. С.23-34.

74. Максимов В.Н. Об одном способе оценки качества природных вод // Самоочищение и биоиндикация загрязненных вод. М.: Наука, 1980, С. 212.,

75. Максимов В.Н., Ганышша Л.А., Абакумов В.А. Оценка качества воды в реке по видовому составу фитопланктона // Известия АН СССР, сер. биол. 1983. N 5. С.731.

76. Максимова М.П. Органический углерод и окисляемость в водах Белого моря // Изв. Карел, и Кольского фил. АН СССР. Петрозаводск: Изд-во Карел, фил. АН СССР, 1959. С. 71-74.

77. Мартынова H.H., Лозовик П.А. Большие и малые озера Пудожского района // Водная среда Карелии: исследование, использование и охрана. Петрозаводск : КарНЦ РАН, 2003. С. 9-16.

78. Маслова Н.П. Гидрохимия озер Западного Заонежья // Вопросы гидрологии, озероведения и водного хозяйства Карелии. Вып. XXIII. Петрозаводск, 1965. С. 140154.

79. Маузер И.И., Шапиро В.Д. Управление качеством: Учеб. пособие для вузов. М.: Омега, 2005. С. 224.

80. Методика разработки нормативов допустимых сбросов веществ и микроорганизмов в водные объекты для водопользователей. М.,2007

81. Методика расчета предельно допустимых сбросов веществ в водные объекты со сточными водами, 1993

82. Методические основы оценки антропогенного влияния на качество поверхностных вод / Под ред. A.B. Караушева. Л.: Гидрометеоиздат, 1981. 175 с.

83. Методические основы оценки и регламентирования антропогенного влияния на качество поверхностных вод. Л. 1987г

84. Методические рекомендации по формализованной комплексной оценке качества поверхностных и морских вод по гидрохимическим показателям. Госкомгидромет М, 1988.

85. Моисеенко, Т.И. Экотоксикологический подход к оценке качества вод // Водные ресурсы, 2005. - Т.32, №2. - С. 184-195.

86. Морозов А.К. Кончезерская, Нижнесунская, Заонежская группы озер. Кедрозеро и Тарасмозеро: химический состав воды // Современное состояние водных объектов Республики Карелия. По результатам мониторинга 1992-1997 гг. Петрозаводск, 1998. С. 160-162.

87. Нейлор К. Как постоить свою экспертную систему. - М.:Энергоатомиздат, 1991. -286 с.

88. Новиков Ю.В., Плитман С.И., Ласточкина К.С. и др. Оценка качества воды по комплексным показателям // Гигиена и санит. 1987. № 10. С. 7-11.

89. Оксиюк О.М., Жукинский В.Н., Брагинский Л.П. Комплексная экологическая классификация качества поверхностных вод суши//Гидробиол.ж., 1993.- Т.29.- N 4.-С. 62-76.

90. Оценка и регулирование качества окружающей природной среды : Учеб. пособие для инженера-эколога / М-во охраны окружающей среды и природ, ресурсов Рос. Федерации; Под ред. А. Ф. Порядина, А. Д. Хованского М.: НУМЦ Минприроды России: Изд. дом "Прибой". 1996. 350 с.

91. Пальшин Н.И., Сало Ю.А., Кухарев В.И. Влияние Костомукшского ГОКа на экосистему р.Кенти. Гидрологические и гидрохимические аспекты // Исследование и охрана водных ресурсов Белого моря (в границах Карелии). Петрозаводск, 1994. С. 140-161.

92. Патин С.А., Влияние загрязнения на биотические ресурсы и продуктивность мирового океана. М.:Пищевая промышленность, 1979. 304 с.

93. Перечень рыбохозяйственных нормативов: предельно допустимых концентраций (ПДК) и ориентировочно безопасных уровней воздействия (ОБУВ) вредных веществ для воды водных объектов, имеющих рыбохозяйственное значение. М., ВНИРО, 1999, 303 с.

94. Пирожкова Г.П. Гидрохимический режим озера и его изменение под влиянием антропогенного воздействия // Экосистема Онежского озера и тенденции ее изменения. Л, "Наука", 1990, С. 95-146.

95. Поверхностные воды озерно-речной системы Шуи в условиях антропогенного воздействия. Петрозаводск: Карелия, 1991. 211 с.

96. Приклонский В.А., Лаптев Ф.Ф. физические свойства и химический состав подземных вод. М.-Л., Госгеолиздат, 1949.

97. Природные воды района Костомукшского железорудного месторождения (Северная Карелия). Карельский филиал АН СССР. Отдел водных проблем. Петрозаводск, 1985.245 с.

98. Райфа X. Анализ решений. Введение в программу выбора в условиях неопределенности. М.: Наука, 1977. 408 с.

99. Растоскуев, 2001 Растоскуев В.В. Информационные технологии экологической безопасности. - http://www.ecosafe/nw.ru/education/WR/read_me.html, 2001.

100. РД 52.24.643-2002. Метод комплексной оценки степени загрязненности поверхностных вод суши по гидрохимическим показателям. : метод, указания. -СПб. : Гидрометеоиздат, 2004. - 50 с.

101. Ринке Д.Б. Эвристический подход к обобщенному календарному планированию производства с использованием лингвистических переменных: методология и применение. // Нечеткие множества и теория возможностей. Под ред. Ягера P.P. Перевод с англ., М., Радио и связь, 1986, с. 349-389

102. Родионов А.И., Клушин В.Н., Торочешников Н.С. Техника защиты окружающей среды/ Учеб. для вузов. М.: Химия, 1989. 512 с.

103. Розенберг Г.С., Краснощеков Г.П., Шитиков В.К. К созданию пространственно-распределенной базы эколого-экономических данных бассейна крупной реки (на примере Волжского бассейна) // Вопросы экологии и охраны природы в лесостепной и степной зонах: Межвед. Сб. науч. Тр. Самара: Из-во Самарский университет. 1995. С.8-15

104. Руководство по химическому анализу поверхностных вод суши / под.ред. Г.Г.Доброумова. 1977г. Ленинград. Гидрометеоиздат. 542 с.

105. Сабылина A.B., Дубровина Л.В., Онежское озеро. Общая характеристика. // Состояние водных объектов Республики Карелия. По результатам мониторинга 19982006 гг. Петрозаводск: Карельский научный центр РАН, 2007. С. 17-19.

106. Сабылина A.B., Лозовик П.А., Зобков М.Б. Химический состав воды Онежского озера и его притоков как индикатор экологического состояния // Водные ресурсы, 2010, Т.37, №6. С. 717-729.

107. Сабылина A.B., Онежское озеро. Химический состав воды притоков. // Состояние водных объектов Республики Карелия. По результатам мониторинга 1998-2006 гг. Петрозаводск: Карельский научный центр РАН, 2007. С.21-29.

108. Сабылина A.B., Онежское озеро. Химический состав воды. // Современное состояние водных объектов Республики Карелия. По результатам мониторинга 1992-1997 гг. Петрозаводск: Карельский научный центр РАН, 1998. С.37-40.

109. Сабылина A.B., Рыжаков A.B., Онежское озеро. Химический состав воды озера. // Состояние водных объектов Республики Карелия. По результатам мониторинга 19982006 гг. Петрозаводск: Карельский научный центр РАН, 2007. С.17-19.

110. Сабылина A.B., Селиванова Е.А. Химический состав и качество вод р. Кеми // Современный режим природных вод бассейна р. Кеми. Петрозаводск: Карельский филиал АН СССР, 1989. С. 165-180.

111. Сабылина A.B., Селиванова Е.А., Зобков М.Б. и др. Гидрохимия и донные отложения. // Онежское озеро. Атлас. Петрозаводск: Кар.НЦ РАН, 2010. С.83-100

112. Сабылина A.B., Современный гидрохимический режим озера // Онежское озеро. Экологические проблемы 1999, Петрозаводск, Кар.НЦ РАН, С.98-108.

113. СанПиН 2.1.5.980-00. «Водоотведение населенных мест, санитарная охрана водных объектов. Гигиенические требования к охране поверхностных вод». Минздрав России, 2000 г.

11.4. Серебряков C.B., Баженова Ю.Д. Новый подход к организации и хранению пространственных данных // Геодезия и картография, №7. 2008.

115. Скопинцев Б.А. Органическое вещество в природных водах (водный гумус). //Тр. ГОИН. Л.: Наука, 1950. Вып. 17 (29). 290 с.

116. Скопинцев Б.А., Гончарова И.А. Использование значений отношений различных показателей органического вещества природных вод для его качественной оценки//Современные проблемы региональной и прикладной гидрохимии. Л.: Наука, 1987. С. 95-117.

117. Современное состояние водных объектов Республики Карелия. По результатам мониторинга 1992-1997 гг. Петрозаводск: Карельский научный центр РАН, 1998. 188с.

118. Состояние водных объектов Республики Карелия. По результатам мониторинга 19982006 гг. - Петрозаводск: КарНЦ РАН, 2007. - 210 с.

119. Танканаг A.B., Чехина И.В., Абрамычев А.Ю. Использование геоинформационных систем для оценки воздействия различных поллютантов на экосистемы // тяжелые металлы в окружающей среде: Материалы Междунар. симпоз. -Пущино, 1996. -С.309-316

120. Тарасова Е.В. Органическое вещество вод южного Байкала. Новосибирск: Наука, 1975.148 с.

121. Тейксейра С., Пачеко К. Delphi 5. Руководство разработчика, том 1. Основные методы и технологии программирования: Пер. с англ.: Уч. пос. - М.: Издательский дом «Вильяме», 2000. - 832 с.

122. Тейксейра. С, Пачеко К. Delphi 5. Руководство разработчика, том 2. Пер. с англ.: Уч. пос. - М.: Издательский дом «Вильяме», 2000. - 972 с.

123. Терехов С.А., Нейросетевые информационные модели сложных инженерных систем, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с.

124. Тикунов B.C., Цапук Д.А. Устойчивое развитие территорий: картографо-геоинформационное обеспечение. -М.; Смоленск, 1999. - 176 с.

125. Трахтенгерц Э.А. Компьютерная поддержка принятия решений: Научно-практическое издание. Серия «Информатизация России на пороге XXI века». -М.:СИНТЕГ, 1998.-376 с.

126. Фараонов В.В. Delphi. Программирование на языке высокого уровня: Учебник для вузов - СПб. Литер, 2005. - 640 с.

127. Фрейндлинг В.А., Поляков Ю.К. Морфология и гидрология озер Заонежья // Вопросы гидрологии, озероведения и водного хозяйства Карелии. Вып.ХХШ. Петрозаводск, 1965 г. С.61-78.

128. Фрумин Г.Т. Оценка состояния водных объектов и экологическое нормирование. СПб.:Синтез, 1998. 96 с.

129. Харкевич Н. С., Гидрохимия озер восточного заонежья // Вопросы гидрологии, озероведения и водного хозяйства Карелии. Вып.ХХШ. Петрозаводск, 1965 г. С. 110139.

130. Харкевич Н. С., Сабылина А. В., Басов М. И. и др, Абиотические факторы среды и первичная продукция водоемов бассейна р.Ковды // Гидробиол. журн. Киев. 1984. Т.ХХ. Вып. 5. С. 16-24.

131. Харкевич Н.С. Гидрохимическая характеристика и систематизация северной группы озер Восточного Прионежья // Водные ресурсы Карелии и их использование. Петрозаводск: КарФАН СССР, 1975. С. 5-56.

132. Хатчинсон Д. Лимнология. М., 1969, 591 с.

133Г Швец П.Д. Водный баланс Онежского озера (Верхнее-Свирского водохранилища) за многолетний период и характерные по водности годы // Исследование режима и расчеты водного баланса озер-водохранилищ Карелии: Сб. работ Ленинградской гидрометобсерватории. Л., 1977. Вып.11. С. 25-53.

134. Шлычков А.П., Жданова Г.Н., Яковлева О.Г. Использование коэффициента стока загрязняющих веществ для оценки состояния рек // Мониторинг. 1996. №2. С 23-27.

135. Щербаков A.B., Гидрогеохимические карты, и принципы и методы их составления. -В сб.: Проблемы гидрогеологии. «Тр. ЛГГП АН СССР», 1962, т.45

136. Яковлев C.B., Прозоров И.В., Иванов E.H., Губий И.Г. Рациональное использование водных ресурсов: Учеб. Для вузов по спец. «Водоснабжение, канализация, рац. использ. И охрана водных ресурсов» М.: Высш. Шк., 1991, 400 с.

137. Ясницкий Л.Н. Введение в искусственный интеллект. Изд. 3-е. М.: Изд. центр «Академия», 2010. 176 с.

138. Angulo С., Cabestany, J., Rodmguez P., Batlle M., Gonzalez A., de Campos S., Fuzzy expert system for the detection of episodes of poor water quality through continuous measurement // Expert Systems with Applications #39 (2012) P. 1011-1020

139. Bengraine K, Marhaba TF. Using principal component analysis to monitor spatial and temporal changes in water quality. J Hazard Mater 2003.

140. Beroggi C.E. G., Wallace W.A., Operational risk management: a new paradigm for decision making // IEEE Transactions on Systems, Man and Cubernetic. V. 24, №10, 1994, p/1450-1457

141. Burrough P.A. Geographical information system for National Resources Assessment. N.Y.: Oxford University Press, 1983. - 147p.

142. Chang H. Spatial analysis of water quality trends in the Han River basin, South Korea // Water research №42, 2008. P.3285 - 3304

143. Codd, Edgar Chapter 6 in Funding a Revolution: Government Support for Computing Research, National Academy Press, Washington DC, USA, 1999.

144. Common implementation strategy for the Water Framework Directive (2000/60/EC). 2003b. Guidanc document n. 7. Monitoring under the Water Framework Directive. European Communities, Luxembourg, (http://europa.eu int).

145. Dahiya S, Singh B, Gaur S, Garg VK, Kushwaha HS. Analysis of groundwater quality using fiizzy synthetic evaluation. J Hazard Mater 2007.

146. Debasis Deb, Vinayak N. Deshpande, Kamal Ch. Das Assessment of Water Quality around Surface Coal Mines using Principal Component Analysis and Fuzzy Reasoning Techniques // Mine Water and the Environment. Technical Communication, №27, 2008, P. 183-193

147. Jang J-SR, Sun C-T, Mizutan E. Neuro-fuzzy and soft computing. (Delh, India: Pearson Education (Singapore) Pte. Ltd. 1997 (Second Indian Reprint), 2005.

148. Lozovik P., Filatov N., Morozov A., Sjarki M., Vinogradova N. Water quality classification of water bodies in Russian Karelia // International Symposium "Classification of Ecological Status of Lakes and Rivers". November 9-10, 2001. Helsinki, Finland. Tema Nord 2001: 584. P. 65-67.

149. Mahapatra S.S., Nanda S.K., Panigrahy B.K. A Cascaded Fuzzy Inference System for Indian river water quality prediction//Advances in Engineering Software № 42 P.787-796, 2011.

150. Maplnfo Corporation. Maplnfo Professional. Руководство пользователя. (Полное). Troy, N.York, 2004. 726 с.

151. Silvert W. Fuzzy indices of environmental conditions //Ecological Modelling 130, 2000, P. 111-119.

152. Simon H.A. The new science management decision. Englewood Cliffs, N.J., Prentice -Hall Inc., 1975

153. Simonovic A., Slobodan P. decision support for sustainable water resources development in water resources development in water resources planning in a changing world. // Proceeding of International UNESCO symposium, Karlsruhe, Gemany, p.III. 3-13, 1994

154. Yan H., Zou Zh, Wang H. Adaptive neuro fuzzy inference system for classification of water quality status //Journal of Environmental Sciences 2010, 22 (12) P.1891—1896

155. Zadeh L.A. Fuzzy sets//information and Control №8, 1965, p.338-353

156. Zobkov M. Automatic water objects classification and natural water quality assessment //Proceedings of the 7th International Scientific and Practical Conference "Enviroment.Tecnology.Resources.", Latvia, Rezekne, 2009. P.56-63.