Multivariate statistical analysis of parameters of surface water quality in Vojvodina

Abstract

1. UVOD Kvalitet površinskih voda zavisi od više faktora, a najviše od atmomsferskih padavina, erozije tla u slivu, naseljenosti i razvoja industrije u slivnom području. Promena temperature u toku godišnjih doba, kao i mešanje različitih vrsta voda takođe su bitni faktori koji utiču na kvalitet površinskih voda [1].Da bi se postigao zadovoljavajući kvalitet površinskih voda neophodan je monitoring koji je izrazito bitan segment u kvalitetnom i pravilnom upravljanju vodama. Monitoring program površinskih voda uključuje analizu vode, sedimenta i biote [2]. Krajnja informacija koja se dobija monitoringom površinskih voda ključna je za donošenje odluka o pravilnom i blagovremenom upravljanju vodama i zahteva odgovarajući način obrade podataka dobijenih merenjima u toku samog monitoringa. Rezultati, koji su dobijeni sprovođenjem različitih monitoring programa su suviše obimni i za njihovu pravilnu interpretaciju se koriste različite statističke metode. Najčešće primenjene metode su multivarijacione statističke metode, od kojih su najznačajnije: klaster analiza, faktor analiza i analiza glavnih komponenti (PCA). Pomoću ovih statističkih metoda moguće je značajna redukcija velikog broja rezultata monitoringa i markiranje mernih stanica sličnog kvaliteta, kao i izdvajanje onih mernih stanica koje značajno odstupaju u kvalitetu vode od ostalih mernih stanica.Adresa autora: Prirodno-matematički fakultet, Departman za hemiju, biohemiju i zaštitu životne sredine, Univerzitet u Novom Sadu, Trg Dositeja Obradovića 3, Novi Sad, Srbija Primljeno za publikovanje: 14. 09. 2013. Prihvaćeno za publikovanje: 22. 11. 2013.Multivarijacione statističke metode omogućavaju identifikaciju mogućih faktora/izvora koji su odgovorni za varijabilnost kvaliteta vode. Takođe, omogućavaju identifikaciju rasporeda izvora zagađenja i na taj način predstavljaju koristan alat za razvoj odgovarajuće strategije kako bi se ostvarilo efiksano upravljanje vodnim resursima [3][4][5][6][7][8][9][10][11][12][13].Klaster analiza se koristi za redukciju obimnih podataka, kombinuju se objekti u grupe relativno homogenih sastava. Ona pomaže u grupisanju parametara (slučajeva) u klastere na osnovu slič-nosti ili razlike između njih. Izazov mnogih istraži-vanja u kojima se radi sa velikim brojem podataka upravo je identifikovanje i grupisanje elemenata u manje grupe na osnovu neke povezanosti [14,15].Analiza glavnih komponenti (Principal Components Analysis, PCA) ima sposobnost da prepoznaje i eliminiše suvišne podatke iz eksperimentalnih rezultata. Primenom analize glavnih komponenti redukuje se veliki broj raspoloživih podataka, a kao rezultat se dobija različiti broj novih promenljivih tzv. glavne komponente (principal components, PC). Glavna komponenta, PC, je u stvari linearna kombinacija originalnih promenljivih. U praktičnom radu obično je dovoljno zadržati samo nekoliko glavnih komponenti, čiji zbir obuhvata veliki procenat ukupne promenljive [14][15][16].Faktor analiza koristi se za opis međusobne zavisnosti velikog broja promenjivih korišćenjem manjeg br...

Statistical analysis of water quality parameters in the basin of the Nišava River (Serbia) in the period 2009–2018

“…One of the most important planning documents in the field of water resources management is the European Union Water Framework Directive of 2000 (Directive 2000/60/EC), the goal of which is to ensure good hydrological, chemical and ecological status of waters, according to the principles of sustainable management, with usage that does not endanger the environment, (Marković 2011). Proper monitoring is necessary to both achieve satisfactory surface water quality and contribute to sound water management policies (Matijević et al 2014). The quality of surface water bodies is a very sensitive environmental issue.…”