ВОДНЫЕ РЕСУРСЫ, 2014, том 41, № 1, с. 39-48
КАЧЕСТВО И ОХРАНА ВОД, ЭКОЛОГИЧЕСКИЕ АСПЕКТЫ
УДК 504.4+550.4
СЕЗОННЫЕ ИЗМЕНЕНИЯ В РАСПРЕДЕЛЕНИИ ВЕРОЯТНОСТЕЙ ПОКАЗАТЕЛЕЙ КАЧЕСТВА РЕЧНОЙ ВОДЫ
© 2014 г. Б. М. Долгоносов, К. А. Корчагин
Институт водных проблем РАН 119333 Москва, ул. Губкина, 3 E-mail: borismd@aqua.laser.ru Поступила в редакцию 16.04.2013 г.
Теоретически показано, что распределения вероятностей различных значений показателей качества воды подчиняются двухпараметрическому логнормальному закону с параметрами, зависящими от сезона. Найденный закон распределения проверен на данных многолетнего мониторинга качества воды в р. Москве (пос. Рублево). Изучены распределения нескольких гидрохимических и микробиологических показателей. Установлено, что сезонная зависимость параметров приводит к расщеплению распределений показателей качества воды преимущественно на две логнормальные ветви, одна из которых отвечает меженным периодам, а другая — паводкам. Исключение составляют мутность и цветность: мутность расщепляется на три логнормальные ветви (им соответствуют периоды: зимняя межень, летний период с умеренными дождями, половодья и высокие дождевые паводки), а цветность имеет только одну ветвь, охватывающую все сезоны.
Ключевые слова: речной водосбор, качество воды, моделирование, статистические распределения, логнормальный закон.
Б01: 10.7868/80321059614010064
При моделировании сезонной изменчивости качества вод используются разные подходы в зависимости от задач, которые предполагается решать с помощью разрабатываемых моделей. Краткосрочные динамические прогнозы обеспечиваются, как правило, детерминистическими моделями, тогда как для долгосрочных задач, нацеленных на проектирование или выработку стратегии водного менеджмента, необходимы статистические модели.
В рамках детерминистического подхода наибольшее распространение получили имитационные модели, учитывающие процессы переноса и трансформации ингредиентов на водосборе, представленном в виде множества характерных участков. Такие модели, при их надлежащем качестве и калибровке, дают возможность оценивать тенденцию изменения состава воды при изменении климатических условий или условий хозяйствования на водосборе. Некоторые затруднения в применении таких моделей связаны с большим числом параметров, для определения которых необходима обширная исходная информация. Кроме того, модели отдельных процессов, включенных в общую имитационную модель, должны быть доста-
точно простыми, чтобы задача имела обозримую вычислительную перспективу, хотя, с другой стороны, упрощения сужают область применимости общей модели. В силу многомерности имитационных моделей часто неясны условия, при которых они применимы, что, конечно, ограничивает надежность получаемых результатов. Важно также, что в подходе, основанном на сборке общей модели водосбора из моделей процессов на отдельных участках, в принципе трудно учесть эмерджентные свойства водосбора как целостного объекта. Поэтому для статистических прогнозов, хотя и могут быть использованы имитационные модели (например, путем введения стохастических генераторов погоды), иногда целесообразнее применять крупномасштабные статистические модели.
Статистический подход дает возможность определить вероятности различных значений показателей качества речной воды в разные сезоны года, используя данные многолетнего мониторинга. Статистические подходы разнородны по применяемому инструментарию: от построения простейших эмпирико-статистических моделей, основанных на выдвижении и проверке статисти-
ческих гипотез, до разработки вероятностных моделей для водосбора в целом, позволяющих вывести статистические распределения концентраций ингредиентов из физических соображений. В последнем случае возможно установление зависимости распределений от параметров структуры водосбора, антропогенных и климатических факторов. Основное назначение таких моделей — это статистическая оценка изменения качества вод при изменении условий на водосборе, а также оценка вероятности появления экстремальных гидрохимических событий, представляющих опасность для водной экосистемы или для системы водоснабжения. Рассмотрим на литературном материале применение различных подходов в исследованиях изменчивости качества вод.
ОБЗОР ПОДХОДОВ
Имитационное моделирование показателей качества воды обычно осуществляется путем присоединения гидрохимических блоков к развитым ранее гидрологическим моделям, в результате чего получают модели переноса и трансформации ингредиентов. Так, в [25] описан опыт применения разработанной ранее модели AHM (Alpine hydrochemical model) к водосбору оз. Эмеральд (Emerald) для расчета химической эрозии, продуцируемой кислотными дождями, — главного фактора, определяющего химический состав стока с водосбора национального парка Сьерра-Невада (Sierra Nevada) в Калифорнии. Отмечено, что, хотя результаты моделирования 47-летнего периода гидрохимических наблюдений оказались стабильными, имеется определенное противоречие между результатами для основных катионов и для силикат-иона.
Другая имитационная модель — WASP5 (Water quality analysis simulation program) [34] была применена к расчету формирования водного и химического стока р. Санти (Santee) в Северной Каролине с целью нахождения пространственного и временнго распределения гидрохимических параметров оз. Марион (Marion), куда эта река впадает. Надо отметить, что, помимо собственно гидрохимических процессов, в модель включены блоки, описывающее развитие фитопланктона.
Еще одна имитационная модель использовалась в [28] для управления состоянием гидрологической системы — эстуария р. Шельды (Scheldt) в Нидерландах. Показано, что модель дает хорошее представление о процессах в эстуарии и может быть использована для решения водохозяйственных задач: позволяет оценить отклик системы на
уменьшение поступления загрязнений или на проведение работ по очистке русла реки.
Сезонная динамика фитопланктона (в целом или с разбивкой на группы) достаточно хорошо изучена (например, [1, 23]) и включена в крупные имитационные модели, где фитопланктон выступает как один из компонентов сложных экосистем с многочисленными перекрестными связями [2, 11, 19, 28, 29, 34]. В то же время статистические распределения численности одноклеточных водорослей часто остаются за рамками исследований, хотя для характеристики качества воды важно иметь оценку вероятности экстремально высоких численностей фитопланктона [8].
Отметим статистические подходы в работах, нацеленных на получение статистических зависимостей для показателей качества воды.
При изучении взвешенного вещества надо иметь в виду его распределенность по фракциям. Обычно рассматривается общая мутность без разделения на фракции. Этого достаточно для исследования вопросов транспорта руслового материала. Здесь следует отметить работу [24], где исследовалась зависимость концентрации взвеси M от расхода воды Q в р. Ревентазон (Reventazón) в Коста-Рике. Эта зависимость моделировалась степенным законом M~ QY, в котором показатель степени у оказался равным 3.4. Ранее такой же закон был описан в [10] с показателем степени у = 3. Интерес представляет примененная в [24] методика выделения искомой зависимости из шума, которая позволяет оценить значение показателя степени, хотя и не дает распределения его значений.
Между тем на качестве воды сказывается не общая мутность, а только ее мелкодисперсная коллоидная фракция, которая удерживается во взвешенном состоянии даже при ламинарном течении с малыми скоростями. Именно такая взвесь поступает с водой на водопроводные очистные сооружения, в то время как крупнодисперсные русло-образующие фракции намеренно отсекаются еще в водозаборных сооружениях за счет специальной конструкции последних. Статистические распределения мутности (как концентрации коллоидной взвеси) и расхода речной воды рассмотрены в [5]. Там найдена статистическая связь между этими величинами и указан интервал значений расходов, в котором справедлива степенная зависимость мутности от расхода с показателем степени Y = 0.8. Показано, что при высоких расходах содержание коллоидной взвеси в воде перестает зависеть от расхода.
В [13] статистический метод (множественная линейная регрессия) используется для оценки
значимости влияния факторов засушливого или влажного периодов на расход воды и показатели качества: мутность, pH, содержание хлоридов, кислорода, азота.
Пространственное и временное распределение физико-химических параметров воды (электропроводность, pH, жесткость) и ее состава (C, N, P в разных формах и др.) изучено в [21]. Приводятся значения показателей для разных точек пробоотбора и их изменение в течение года. Полученные данные подвергаются дисперсионному и корреляционному анализу для выявления связей между параметрами и определения значимости пространственного и сезонного факторов.
В [35] рассматривается распределение концентраций металлов в воде подземных источников в Кентукки (Kentucky) в США, где отмечается, что для большинства исследованных элементов (Al, Fe, Mn, следовые элементы) распределение близко к логнормальному, и только концентрация Si не подчиняется ни логнормальному, ни нормальному законам. В работе [15], посвященной сезонным вариациям содержания растворенных веществ в воде р. Фрейзер (Fraser) в Британской Колумбии, также рассматривается распределение концентраций ингредиентов и отмечается, что оно ближе к логнормальному, чем к нормальному закону.
Определенные успехи достигнуты в изучении формирования химического стока с речного водосбора с применением спектрального анализа. В [20] проанализирован 17-летний временной ряд еженедельных данных для р. Хафрен (Hafren) в Уэльсе и показано, каким образом спектральный анализ долговременных метеорологических и гидрохимических данных можно использовать для суждений по поводу распределения времен пребывания на водосборе и времен запаздывания реагирующих примесей в масштабе всего водосбора. Показано, что частый отбор проб (например, суточный или чаще) особенно полезен для выявления кратковременной химической д
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.