روند کیفیت آب زیرزمینی و ارزیابی معکوس روند در زمینه دستورالعمل چارچوب آب اروپا: نمونه ای از نیترات در ایتالیا

منابع آب زیرزمینی در پایداری اکوسیستم های مرتبط با آب ، از جمله انسان از اهمیت ویژه ای برخوردار هستند. تأثیرات طولانی مدت از فعالیت های انسان شناسی به دلیل تأخیر در زمان طبیعی در تشکیل آبهای زیرزمینی و تجدید ، نیاز به اقدامات اولیه دارد. سیاست اتحادیه اروپا (اتحادیه اروپا) ، در اجرای دستورالعمل چارچوب آب (WFD) ، کشورهای عضو را ملزم می کند تا هرگونه روند صعودی قابل توجه و پایدار را در غلظت آلاینده ها شناسایی و معکوس کنند ، و تعیین اقدامات خاص برای محافظت در حوضه رودخانهبرنامه های مدیریت (RBMP). در ایتالیا ، دستورالعمل های رسمی برای ارزیابی روند و روند به تازگی منتشر شده است. روشهای آماری ، مانند آزمون Mann-Kendall برای تجزیه و تحلیل روند و روش SEN برای برآورد سناریوهای غلظت ، باید در شرایط ثابت بیان شده توسط چرخه های اجرای WFD برای شناسایی روندهای رو به بالا اعمال شود ، در حالی که آزمایش پتیت برای شناسایی پیشنهاد شده استمعکوس روند. در این مقاله ، ما یک نسخه از نسخه کمی اصلاح شده از دستورالعمل های ایتالیایی را به یک بدنه آب زیرزمینی در شمال ایتالیا با آلودگی نیترات ارائه می دهیم و در مورد مزایا و محدودیت های آن بحث می کنیم. علاوه بر تست پتیت ، برای تجزیه و تحلیل معکوس روند ، ما آزمایش Mann-Kendall را در دو بخش اعمال می کنیم و نتایج را مقایسه می کنیم. نتیجه می گیریم که این روش برای شناسایی یک نقطه معکوس در سری زمانی با کیفیت ، از تست پتیت قابل اطمینان تر به نظر می رسد. برای ارزیابی روند رو به بالا آلاینده ها و معکوس آنها ، حتی با داده های کمی نظارت شیمیایی ، می توان روش کلی را به راحتی در هر بدن آب زیرزمینی تعریف شده در سراسر اروپا اعمال کرد. اگرچه در چارچوب قانونگذاری اتحادیه اروپا متمرکز شده است ، این روش ممکن است برای یک زمینه گسترده تر مرتبط باشد ، و این امکان را برای شما فراهم می کند که روند صعودی را به عنوان هشدار اولیه برای فرآیندهای آلودگی در یک زمینه مدیریت منابع آب یکپارچه کند.

روی نسخه خطی کار می کنید؟

از رایج ترین اشتباهات خودداری کنید و نسخه خطی خود را برای ویراستاران ژورنال آماده کنید.

معرفی

آبهای زیرزمینی نقش مهمی در تأمین آب آشامیدنی ایفا می کند: حدود 50 ٪ از مصرف انسان در جهان توسط آبهای زیرزمینی پایدار است و منبع اصلی 1. 5-2. 8 میلیارد نفر است (Giordano 2009). در اروپا ، سهم آبهای زیرزمینی در سطح ملی برای تأمین کل تقاضای آب شیرین از 9 ٪ تا 100 ٪ (Scheidleder و همکاران 1999) و در ایتالیا ، بیش از 85 ٪ از آب آشامیدنی توسط بهره برداری آبخوان از طریق آبخوان تأمین می شود. Wells and Springs (Onorati et al. 2006 ؛ Istat 2017). علاوه بر این ، آبهای زیرزمینی جریان پایه را برای بسیاری از سیستم های آب سطحی فراهم می کند. بنابراین ، تخریب کیفی و/یا کمی آن ممکن است وضعیت آبهای سطحی را بدتر کند ، در نهایت اکوسیستم های آبزی مرتبط و اکوسیستم های زمینی به طور مستقیم وابسته را به خطر اندازد (Griebler et al. 2019 ؛ Pastor et al. 2019 ؛ Qiu et al. 2019). از آنجا که آبهای زیرزمینی به آرامی از طریق سفره ها حرکت می کند ، اثرات فعالیت های انسانی می تواند خیلی دیرتر از حادثه مضر ظاهر شود و برای ده ها سال یا حتی طولانی تر دوام داشته باشد و استفاده از آبهای زیرزمینی را برای سالها تهدید کند. در واقع ، بازپس گیری آب های زیرزمینی حتی پس از برداشتن منبع آلودگی ممکن است دشوار باشد.

کیفیت آب های زیرزمینی توسط بسیاری از فرآیندها ، هر دو پراکنده ، مانند شستشوی نیترات و سموم دفع آفات از زمین های کشت شده و بومی سازی شده ، مورد تهدید قرار می گیرد. به منظور حفظ و/یا بهبود کیفیت آبهای زیرزمینی ، ارزیابی وضعیت شیمیایی و روند رو به بالا آلاینده ها برای شناسایی آن دسته از آبهای زیرزمینی (GWB) که در آن اقدامات محافظتی مورد نیاز است ، اساسی است. علاوه بر این ، از آنجا که اثرات مثبت اقدامات برای بهبود کیفیت آب های زیرزمینی پس از چند سال از اجرای آنها قابل تشخیص است ، لازم است که روند رو به بالا آلاینده ها را از قبل شناسایی کنید (کریگ و دالی 2010).

شناسایی ، نظارت و ارزیابی وضعیت شیمیایی آبهای زیرزمینی و هر روند رو به بالا قابل توجه و پایدار در غلظت هر آلاینده در اروپا توسط دستورالعمل چارچوب آب (WFD ، 2000/60/EC) و دستورالعمل آب زیرزمینی مورد نیاز است (GWD ،2006/118/EC) (Urresti-estala و همکاران 2016). دومی ، در ایتالیا ، در حکم ملی قانونگذاری 30/2009 اجرا شده است. GWD روند صعودی قابل توجهی را تعریف می کند "هرگونه افزایش قابل توجه آماری و محیطی غلظت یک آلاینده ، گروه آلاینده ها یا شاخص های آلودگی در آبهای زیرزمینی که برای آن واژگونی روند به عنوان ضروری مشخص می شود" ، زیرا آنها "خطر قابل توجهی از آسیب را نشان می دهندبه کیفیت اکوسیستم های آبی یا اکوسیستم های زمینی ، به سلامت انسان یا استفاده های قانونی واقعی یا بالقوه از محیط آب. "کمیسیون اروپا (2009) مشخص می کند که اهمیت آماری روند باید با استفاده از یک تکنیک ارزیابی روند آماری شناخته شده تأیید شود ، بدون این که هیچ علامتی دیگر در مورد تکنیک "شناخته شده" اعمال شود (Urresti-estala و همکاران 2016). برای این منظور ، برخی از کشورهای عضو از تست پارامتری ANOVA و آزمون غیر پارامتری Mann-Kendall استفاده می کنند (گریما و همکاران 2015 ؛ گورسی و همکاران 2019). علاوه بر این ، اگر روند صعودی منجر به عدم تحقق یک یا چند هدف از محیط زیست WFD شود ، این روند از نظر محیط زیست نیز قابل توجه است (کمیسیون اروپا 2009). به گفته برخی از کشورهای عضو ، این اتفاق می افتد که خط روند پیش بینی شده از مقدار آستانه (تلویزیون) برای آن آلاینده در دو چرخه برنامه مدیریت حوضه رودخانه بعدی (RBMP) فراتر رود ، یعنی تا سال 2027 یا وقتی خط روند بیش از 75 ٪ باشداز تلویزیون ، که نقطه شروع برای معکوس روند است ، در چرخه RBMP بلافاصله بعدی (GWD). در صورت ادامه روند با آن شیب ، برخی دیگر ، مانند فرانسه ، روند را از نظر محیط زیست قابل توجه می دانند.

تجزیه و تحلیل روند سری زمانی با کیفیت آب پیامدهای مهمی برای کنترل آلودگی و تصمیم گیری در محیط زیست دارد و نمونه های بسیاری از کاربرد یا بررسی های روش شناختی تاکنون منتشر شده است ، به خصوص برای تجزیه و تحلیل کیفیت آب. روشهای متداول عمدتاً روشهای آماری سنتی از جمله پارامتری (به عنوان مثال رگرسیون خطی ، رگرسیون چند جمله ای) و روشهای غیر پارامتری (به عنوان مثال مان کندال) هستند (هیرش و همکاران 1991 ؛ استربی 1996 ؛ لوپز و همکاران 2015 ؛ اورستی-اکلا و همکاران 2016 ؛هوانگ و همکاران 2017). هر روشی که برای آزمایش اهمیت "آماری" و/یا "محیطی" اتخاذ شده باشد ، شایان ذکر است که سری زمانی داده های کیفیت آب ممکن است تحت تأثیر تغییر در نمونه برداری و شیوه های آزمایشگاهی باشد. Wahlin و Grimvall (2008) شواهد محکمی پیدا کردند که نشان می دهد روند طولانی مدت در غلظت مواد مغذی اندازه گیری شده در آبهای سطحی می تواند به طور گسترده ای تحت تأثیر تغییرات در نمونه برداری و آزمایشات باشد تا تغییرات واقعی در وضعیت محیط. اگرچه تجزیه و تحلیل عدم قطعیت اندازه گیری در نظارت بر آب زیرزمینی خارج از محدوده این مقاله است ، تجزیه و تحلیل منظم گذشته نگر و تجزیه و تحلیل مشترک چندین سری از داده ها باید قبل از انجام تشخیص روند استفاده شود.

طبق آیین نامه اتحادیه اروپا ، کشورهای عضو موظفند از طریق استفاده از برنامه اقدامات (POM) در چارچوب RBMP ، اقدامات مناسبی را برای معکوس کردن این روندها انجام دهند تا اطمینان حاصل شود که شکست های آینده در تحقق اهداف زیست محیطی وجود نخواهد داشت. برای بدنه آب زیرزمینیدر عین حال ، WFD به کشورهای عضو نیاز دارد تا تجزیه و تحلیل مقرون به صرفه از POM ها را انجام دهند (مارتین-اورتگا 2012).

در اروپا، 74 درصد از آب های زیرزمینی (بر اساس مساحت) وضعیت شیمیایی خوب، 25 درصد وضعیت شیمیایی ضعیف و 1 درصد طبقه بندی نشده است (EEA 2018). اگرچه 160 ماده شیمیایی مختلف گزارش شده است که باعث وضعیت شیمیایی ضعیف می شود، اما دلیل شکست عمدتاً به دلیل نیترات ها و آفت کش ها است، شاهد این هستیم که کشاورزی همچنان یک مسئله اصلی است (اگرچه نباید از منابع دیگر نیترات ها غافل شد)، سپس آمونیوم، سولفات ها. و کلریدها (مربوط به نفوذ آب دریا). در میان این آلاینده ها، روندهای صعودی قابل توجه و پایدار عمدتاً برای نیترات ها، کلرید، آفت کش ها و سولفات ها در 19 کشور عضو از 25 کشور مورد بررسی توسط آژانس محیط زیست اروپا (EEA) شناسایی شد که 9. 9 درصد از کل مساحت GWB را شامل می شود. در مقابل، 14 کشور عضو تغییر روند را در 5. 9 درصد از ناحیه GWB عمدتاً برای نیترات ها، آمونیوم، سولفات ها و کلریدها گزارش کردند (EEA 2018).

در ایتالیا، 57. 7٪ (بر اساس مساحت) از بدنه های آب زیرزمینی در وضعیت شیمیایی خوب، 34. 4٪ در وضعیت ضعیف و 7. 9٪ هنوز طبقه بندی نشده اند (داده های موجود تا سال 2015، ISPRA 2017). پارامترهای شیمیایی که باعث وضعیت شیمیایی ضعیف می شوند نه تنها ترکیبات معدنی (مانند نیترات، سولفات، فلوراید، کلرید، بور، فلزات) بلکه ترکیبات کلردار، ترکیبات معطر و آفت کش ها هستند. با توجه به طول کوتاه فعلی سری زمانی شیمیایی، ارزیابی روندهای صعودی قابل توجه در ایتالیا تنها در پایان RBMP فعلی در سال 2021 (ISPRA 2017) در دسترس خواهد بود.

اخیراً دستورالعمل های ملی در ایتالیا منتشر شده است (ISPRA-CNR. IRSA 2017)، که یک روش دقیق برای ارزیابی روند صعودی آلاینده ها و معکوس شدن آنها گزارش می کند.

در این مقاله، ما رویکرد روش شناختی ارائه شده توسط دستورالعمل ها ("مواد و روش ها") را توصیف می کنیم و یک کاربرد از این روش، کمی تغییر یافته، برای یک بدنه آب زیرزمینی در امیلیا رومانیا (دشت پو، شمال ایتالیا) ارائه می کنیم ("نتایج"). در نهایت، مزایا و معایب را در رابطه با رویکردهای پیشنهادی سایر کشورهای عضو اروپایی مورد بحث قرار می دهیم («بحث»).

مواد و روش ها

دستورالعمل ایتالیایی: زمان و نحوه ارزیابی روند صعودی و معکوس شدن روند

به دنبال GWD ، قانون ایتالیا (فرمان 30/2009) نیاز به ارزیابی روند برای آن دسته از ترکیبات/پارامترهایی دارد که بدن آب زیرزمینی را در معرض خطر عدم دستیابی به اهداف محیطی WFD قرار می دهد ، یا به نوعی در دستاورد و حفظ شیمیایی خوب به خطر می افتدوضعیتروش ارائه شده توسط دستورالعمل ها (شکل 1) به چندین مرحله مورد نیاز برای تولید یک خروجی قوی ، از به روزرسانی مدل مفهومی (شکل 1 ، کادر A1) ، تا پردازش داده ها قبل از تجزیه و تحلیل آماری (شکل 1 ، کادر A2 می پردازد (شکل 1).) ، به محاسبه روند (شکل 1 ، جعبه های A4-A8) یا معکوس روند در مقیاس GWB (شکل 1 ، جعبه های A9 و A10). دستورالعمل ها حاکی از آن است که تمام داده های موجود از فعالیت های نظارت باید (یعنی نظارت و نظارت بر عملیاتی) در نظر گرفته شود تا یک مدل مفهومی قوی از GWB تولید یا به روز شود. مقادیر تحلیلی زیر LOQ (حد کمیت) باید نیمی از بالاترین حد کمیت موجود در سری های زمانی تعیین شود (گرات و همکاران 2001 ؛ GWD ، ضمیمه 4). علاوه بر این ، برای جلوگیری از تعصب به دلیل وابستگی احتمالی تمرکز فصلی ، پیشنهاد می شود که تمام داده ها را به صورت سالانه به طور متوسط انجام دهید ، و در غیر این صورت یک ارزش فصلی در سال را انتخاب کنید. مدل مفهومی نقش مهمی در ارائه دانش لازم برای تصمیم صحیح دارد.

روش اصلی برای ارزیابی روند رو به بالا و معکوس روند برای GWB تعریف شده "در معرض خطر". بله ، بله ؛ن ، نه

کفایت مجموعه داده ها برای ارزیابی روند (شکل 1 ، کادر A3) هنگامی که حداقل 8 (سالانه) در دسترس باشد ، برای مدت زمانی از مشاهدات از 8 تا 15 سال در دسترس است (Grath et al. 2001). داده های قدیمی تر از 15 سال قبل از زمان تجزیه و تحلیل پذیرفته نمی شوند ، تا از تکیه بر داده های قدیمی و قدیمی بودن خودداری کنند و وضعیت فعلی GWB را نشان ندهند (گرات و همکاران 2001). به طور مشابه ، سری های زمانی با جدیدترین داده های مربوط به قدمت بیش از 3 سال قبل از ارزیابی باید دور ریخته شوند تا از ارزیابی موقعیت های گذشته جلوگیری شود. سری زمانی با سالهای مفقود شده می تواند تا زمانی که برای دو یا چند سال متوالی داده های گمشده وجود نداشته باشد ، استفاده شود.

روش محاسبه روند ابتدا در هر نقطه مانیتورینگ (MP) (شکل 1 ، جعبه A4) و سپس به کل بدنه آب زیرزمینی (شکل 1 ، جعبه A5) همانطور که در بند زیر توضیح داده شده است ، اعمال می شود.

چگونه می توان یک روند آماری و از نظر زیست محیطی را تعریف کرد

در آمار ، اهمیت به عنوان احتمال رد فرضیه تهی که در حال آزمایش هستیم تعریف شده است. با استفاده از این مفهوم در سری زمانی شیمیایی آب زیرزمینی ، فرضیه تهی این است که آیا روند یکنواختی قابل توجهی از یک آلاینده وجود ندارد. آزمون مان-کندال (مان 1945 ؛ کندال 1975) یک مورد بسیار محبوب است که از نظر آماری مورد استفاده قرار می گیرد که آیا یک روند یکنواخت به سمت بالا یا رو به پایین با گذشت زمان وجود دارد. این یک تست غیر پارامتری است. از این رو ، نیازی به فرضیاتی در مورد توزیع احتمال مجموعه داده نیست ، و معمولاً برای درمان آماری داده های محیطی مورد استفاده قرار می گیرد (Ducci et al. 2019 ؛ Helsel and Frans 2006 ؛ Urresti-estala et al. 2016 ؛ Zhang et al.. 2006). از این رو ، می توان آن را برای سری زمانی اعمال کرد که از توزیع عادی پیروی نمی کنند ، مانند داده های شیمیایی آب زیرزمینی ، که به طور کلی دارای توزیع های نامتقارن یا غیر طبیعی هستند (UKTAG 2012). علاوه بر این ، در برابر تأثیر Outliers ممکن و مناسب برای داده های اصلاح شده فصلی ، قوی است (Amirataee و Zeinalzadeh 2016 ؛ Oliva et al. 2016 ؛ Salmi et al. 2002 ؛ Visser et al. 2009). سرانجام ، از آنجا

وابستگی به اهمیت آماری به اندازه نمونه طبق گفته هالاندر و ولف (1973) مورد توجه قرار گرفت. این یک نکته کلیدی است ، زیرا در این شرایط باید با تعداد محدودی از مشاهدات زمانی مقابله کند (<40 annual data). For this reason, the S statistics from Hollander et al. (2014); Hollander and Wolfe (1973) and Kendall (1975) for the one-tail test was implemented in a spreadsheet (described in Appendix A and provided as supplementary material).

شناسایی روندهای رو به بالا قابل توجه و پایدار در سطح MP با استفاده از آزمون یک دم مان-کندال (آزمون MK) به سری زمانی فرآوری شده آلاینده های انتخاب شده انجام می شود. آزمون MK آمار S را به شرح زیر محاسبه می کند:

جایی که n تعداد کل مشاهدات است ، x_منو x_jدو مقدار داده پی در پی عمومی و علامت عملکرد هستند (x_من- x_j) مقادیر زیر را فرض می کند:

هنگامی که آزمون MK فرضیه تهی را در سطح اطمینان 90 ٪ رد می کند (که می تواند با استفاده از جدول Hollander و Wolfe (1973) که در صفحه گسترده در مواد تکمیلی اجرا شده است محاسبه شود) ، روند صعودی آلاینده از نظر آماری قابل توجه است. نقطه نظارت (شکل 1 ، کادر A4).

برای ارزیابی اینکه آیا GWB مشمول روند صعودی قابل توجهی است ، ارزیابی مکانی از روند مشخص شده در یک یا چند نماینده مجلس به شرح زیر انجام می شود. دستورالعمل ها دو روش مختلف را برای محاسبه درصد مساحت یا حجم GWB به هر نماینده مجلس نشان می دهد. اگر دانش کافی از GWB در دسترس باشد ، به هر MP بر اساس مدل مفهومی سفره آب (به عنوان مثال بر اساس مدل های جریان آب زیرزمینی ، نتایج آزمایش ردیاب) به یک اندازه/حجم خاص اختصاص داده می شود. در غیر این صورت ، به هر MP همان درصد از پسوند/حجم GWB اختصاص داده می شود. دومی تقریباً بیشترین روش کاربردی است. اگر بیش از 20 ٪ از کل منطقه یا حجم GWB روند آماری معنی داری را نشان دهد ، GWB در نظر گرفته می شود که از نظر آماری قابل توجهی برای آن آلاینده قابل توجه است (شکل 1 ، جعبه A5).

سؤال دوم که باید بپرسید این است که آیا این روند از دیدگاه محیطی قابل توجه است یا خیر. این دستورالعمل ها روشن می کنند که اهمیت زیست محیطی این افزایش به معنای رشد ارزش ها در طول زمان با نرخ هایی است که می تواند دستیابی به اهداف زیست محیطی را برای آن نهاد آب زیرزمینی به خطر بیندازد (کمیسیون اروپا 2009). به دنبال دستورالعمل ها ، روند صعودی در سطح MP از نظر محیط زیست قابل توجه است وقتی که برون یابی آن از نقطه شروع برای معکوس روند (یعنی 75 ٪ از استاندارد استاندارد یا آستانه ماده) یا ارزش استاندارد/آستانه کیفیت خود ، خود ، از نظر محیط زیست قابل توجه است. قرار دادن آن GWB در معرض خطر عدم دستیابی به اهداف محیطی WFD. در مقیاس GWB ، این روند از نظر محیط زیست قابل توجه است وقتی که نمایندگان دارای روند قابل توجه محیط زیست بیش از 20 ٪ از کل منطقه/حجم GWB را نشان می دهند (شکل 1 ، جعبه A8). در این صورت ، روند صعودی باید از طریق استفاده از اقدامات مناسب (GWD) معکوس شود.

برای انجام این ارزیابی ، سناریوها در سال 2021 و/یا 2027 (نمایانگر پایان چرخه 2 و 3 RBMP) بررسی شده است. برای این منظور ، روش شیب غیر پارامتری SEN (SEN 1968) ، که به طرز محوری از بین می رود و شکاف ها را در سری زمانی کنترل می کند (Salmi et al. 2002 ؛ Uktag 2012) ، برای محاسبه شیب روند و استخراج آن به داخلآینده (شکل 1 ، جعبه های A6 ، A7).

روش سن با در نظر گرفتن جفت های K که J از من بیشتر از من است ، در آنجا x ، تخمین غیرپارامتری از شیب D یک سری زمانی را ارائه می دهد._منغلظت آلاینده در زمان من است. برای هر زوج مقادیر (x_من، ایکس_j) شیب D_kبه شرح زیر محاسبه می شود:

برآوردگر SEN از شیب متوسط مقادیر K D است_k.

رهگیری (م_حرف) به عنوان میانه رهگیری هر زن و شوهر از مقادیر بدست می آید (x_من، ایکس_j) به شرح زیر محاسبه می شود:

طبق دستورالعمل ها ، سناریوهای 2021 و/یا 2027 با افزودن به آخرین مقدار غلظت مشاهده شده افزایش کل غلظت ، داده شده توسط شیب روند ضرب شده توسط تعداد سالهای بین 2021/2027 و آخرین سال مشاهده محاسبه می شود.

در این مقاله متفاوت ، سناریوها به عنوان پیش بینی در سال 2021/2027 از شیب سن محاسبه شده با Eqs محاسبه می شوند. 3 و 4

معکوس روند با استفاده از تست پتیت

تجزیه و تحلیل معکوس روند این است که از نظر آماری نشان می دهد که روند صعودی برعکس شده است ، همانطور که توسط GWD درخواست شده است. بنابراین ، آزمایش معکوس باید برای آن مکان های نظارت و آلاینده هایی که روند قابل توجهی و پایدار به سمت بالا مشخص شده است ، اعمال شود (شکل 1 ، جعبه A9). برای این هدف ، در حالی که آزمون MK قبلاً برای آزمایش اهمیت یک روند یکنواخت به سمت بالا استفاده شده بود ، تشخیص یک تغییر ناگهانی که نشانگر وارونگی احتمالی در یک زمان معین است ، نیاز به یک ابزار آماری متفاوت دارد. دستورالعمل ها استفاده از آزمون غیر پارامتری پتیت (پتیت 1979) را ارائه می دهد ، که قادر به شناسایی وجود یک نقطه در حال تغییر در مجموعه داده ها است. فرضیه تهی از آزمون پتیت این است که هیچ تغییری در سری زمانی وجود ندارد در حالی که فرضیه جایگزین این است که تغییر در گرایش اصلی وجود دارد. اگر استراحت در روند در سال k رخ دهد ، پس ارزش مطلق آمار پتیت (k_حرف) برای آن سال حداکثر است و نقطه تغییر احتمالی در جایی است که آمار پتیت حداکثر خود را دارد.

آمار پتیت به شرح زیر تعریف شده است:

حداقل 14 داده سالانه توسط دستورالعمل ها برای اعمال این آزمون مورد نیاز است. همانطور که در شناسایی روند صعودی ، همچنین برای تظاهرات وارونگی ، برخی از داده های مفقود شده در سری زمانی قابل قبول هستند. با این حال ، مجموعه داده هایی با داده های مفقود شده برای دو یا چند سال متوالی یا با آخرین داده های قدیمی تر از 3 سال قبل از ارزیابی باید دور ریخته شوند. به طور مشابه با ارزیابی روند رو به بالا ، همچنین در صورت نشان دادن بیش از 20 ٪ از کل مساحت/حجم ، معکوس روند در مقیاس GWB قابل توجه است. علاوه بر این ، اگر هنوز نمایندگان مجلس دیگری با روند صعودی وجود دارند ، نباید از 20 ٪ از مساحت/حجم همان GWB تجاوز کنند (شکل 1 ، جعبه A10).

معکوس روند با استفاده از تست MK

متفاوت از دستورالعمل ها ، در این مطالعه موردی ، ما همچنین با محاسبه آمار S به طور جداگانه بر روی دو زیر مجموعه متوالی از سری زمانی ، آزمایش Mann-Kendall را برای تأیید معکوس اعمال کردیم (از این پس به عنوان "Mann-Kendall Two-آزمون بخش "). آزمون MK به طور تکراری در سری زمانی که به دو بخش تقسیم می شود ، با استفاده از قسمت اول مجموعه داده ها (با شروع 8 داده و افزایش توسط یک در هر تکرار) برای بخش صعودی و داده های باقیمانده برای بخش دوم اعمال می شود. این آزمایش یک نقطه معکوس را در سری زمانی مشخص می کند که فرضیه تهی در سطح اطمینان 90 ٪ در بخش اول با روند صعودی و در بخش دوم با روند نزولی رد می شود. در این حالت ، سری زمانی معکوس در نظر گرفته می شود و نقطه شروع بخش دوم سال معکوس است. از آنجا که حداقل 8 داده برای هر بخش مورد نیاز است ، برای آزمون دو بخش Mann-Kendall ، ما حداقل به 15 داده سالانه نیاز داریم (در این حالت ، نقطه معکوس بین دو بخش به اشتراک گذاشته می شود).

بدنه آب زیرزمینی "Conoide Trebbia Luretta"

بدنه آب زیرزمینی "Conoide Trebbia-Luretta" یک سفره آبشار یکپارچه از مجتمع هیدروژولوژیکی فن آبرفتی آپنینز است. در منطقه Emilia-Romagna ، در ساحل جنوبی (سمت راست هیدروگرافی) رودخانه Po واقع شده است. Conoide Trebbia-Luretta بزرگترین طرفدار آبرفتی منطقه Emilia-Romagna با 184. 66 کیلومتر 2 از سطح است (منطقه Emilia-Romagna 2010). شار هیدروژولوژیکی مستقیم از جنوب غربی تا شمال شرقی ، به سمت رودخانه PO و شهر Piacenza مستقیم است. شارژ هیدروژولوژیکی به دلیل ورود مستقیم توسط بارندگی و تلفات رودخانه های Trebbia و Luretta است. فشارهای اصلی انسان شناسی بر روی GWB فعالیت های بیشماری صنعتی و کشاورزی است که باعث عدم موفقیت وضعیت شیمیایی به دلیل ترکیبات نیترات و کلرنات می شود که غلظت آنها از استانداردهای کیفیت است. وضعیت شیمیایی آن در 14 نقطه نمونه برداری (چگالی نظارت 13. 2 کیلومتر 2) کنترل می شود (شکل 2). سری زمانی تجزیه و تحلیل شده از سال 2001 تا 2018 گسترش یافته است. تمام داده ها در وب سایت Arpae Emilia-Romagna (Arpae 2020) موجود است.

نقشه شماتیک منطقه مورد مطالعه. نقاط قرمز نمایندگان مجلس با روند رو به بالا از نظر آماری قابل توجه هستند. نقاط نارنجی نمایندگان مجلس هستند که روند صعودی قابل توجهی ندارند. نقاط سیاه نمایندگان مجلس هستند که روند قابل ارزیابی ندارند. منطقه آبی روشن Conoide Trebbia-Luretta GWB است ، و منطقه جوجه کشی منطقه شهری Piacenza است

نتایج

در طول دوره مشاهده ، در چندین سال ، استاندارد کیفیت نیترات (50 میلی گرم در لیتر) در 3 از 14 نقطه نظارت (PC01-00 ، PC56-08 و PC81-00) از 3 مورد تجاوز کرد ، که مربوط به 21. 4 ٪ از کل استمنطقه GWB با فرض اینکه هر یک از 14 نقطه نظارت به طور مساوی بدن آب زیرزمینی را نشان می دهد (Tab. S1).

ارزیابی روند با استفاده از آزمون MK در پایان چرخه RBMP 1 (2015) با استفاده از تمام داده های قبلی موجود انجام شد. دو از 14 نماینده مجلس (PC01-00 و PC56-08) به دلیل داده های از دست رفته در سری زمانی خود حذف شدند. از 12 نقطه نظارت باقی مانده ، هشت (نقاط قرمز در شکل 2) روند رو به بالا از نظر آماری قابل توجه برای نیترات ها را نشان می دهند (شکل 3 ؛ جدول 1). همانطور که توسط دستورالعمل ها پیشنهاد شده است ، ما همان درصد را با وزن به هر MP اختصاص دادیم زیرا یک مدل مفهومی دقیق تر از آبخوان در دسترس نیست. با این کار ، فرض می کنیم که هر یک از 12 نقطه نظارت به طور مساوی بدن آب زیرزمینی (وزن نسبی 8. 3 ٪) را نشان می دهد ، و هشت امتیاز همگی 66. 7 ٪ از کل GWB را نشان می دهند. در نتیجه ، روند صعودی قابل توجهی و پایدار برای نیترات را می توان در مقیاس بدنه آب زیرزمینی نیز فرض کرد و بنابراین ارزیابی سناریوها در سالهای 2021 و 2027 مورد نیاز است. این سناریوها در آینده شیب سن هر سری زمانی با سطح اطمینان بالاتر از 90 ٪ گسترش یافته است (شکل 3 ؛ جدول 1). نتایج نشان می دهد که بدنه آب زیرزمینی از نقطه شروع برای معکوس روند نیترات (37. 5 میلی گرم در لیتر که 75 ٪ استاندارد کیفیت است) در 6 MPS در سال 2021 و استاندارد کیفیت خود برای نیترات (50 میلی گرم در لیتر) فراتر می رود. در همان 6 نماینده مجلس در سال 2027 ، 50 ٪ از مساحت آن را نشان می دهد ، مگر اینکه اقدامات کافی انجام شود. بنابراین ، روند نیترات به سمت بالا برای GWB از "Conoide Trebbia-Luretta" نتایج "از نظر زیست محیطی" قابل توجه است. همانطور که توسط WFD مورد نیاز است ، باید با استفاده از اقدامات مربوطه در طول چرخه بعدی معکوس شود و معکوس باید از نظر آماری نشان داده شود.

Trend analysis for the “Conoide Trebbia-Luretta” groundwater body. In the charts, black dots represent monitoring data; grey diamonds represent scenarios at 2021 and 2027 for the MPs with a confidence level>90 ٪خط نقطه خاکستری نشان دهنده شیب متوسط روند است که طبق روش SEN محاسبه می شود. رهگیری متوسط همه رهگیری ها است. خط قرمز و خط نارنجی به ترتیب استاندارد کیفیت و 75 ٪ استاندارد کیفیت نیترات را نشان می دهد.

جدول 1 ارزیابی روند توسط آزمون Mann-Kendall در پایان چرخه 1 RBMP (2015) و پیش بینی ، با روش شیب SEN ، در پایان چرخه RBMP 2 و 3 (2021 ، 2027)

از آنجا که اقدامات محافظتی به کار گرفته می شود ، می توان انتظار داشت که یک معکوس (یعنی یک روند رو به پایین آماری قابل توجه که از نظر آماری قابل توجه به سمت بالا است) می تواند تا پایان RBMP بعدی تشخیص داده شود ، در این حالت چرخه 2 ، از این رو در این حالت2021. با این حال ، تصور اولیه از تأثیرات آنها بر روندهای رو به بالا ممکن است با استفاده از داده های موجود در حال حاضر قدردانی شود ، همچنین به این دلیل که این اقدامات ممکن است قبل از سال 2015 آغاز شده باشد (منطقه Emilia-Romagna 2005 ، 2006). برای این منظور ، آزمایش Pettitt به چهار نماینده (PC03-02 ، PC07-00 ، PC69-00 ، PC81-00) از شش مورد که دارای روند صعودی آماری و از نظر محیطی قابل توجه هستند ، با استفاده از داده های جمع آوری شده تا سال 2018 اعمال شد. برایدو MPS باقی مانده (PC56-00 ، PC56-02) ، ارزیابی معکوس روند امکان پذیر نیست زیرا اولین مورد قطع شده و دوم داده های کافی برای اعمال آزمون Pettitt (فقط 13 داده موجود) ندارد.

نتایج آزمایش پتیت که به سری زمانی چهار نماینده مجلس اعمال می شود در شکل 4 نشان داده شده است. آزمایش پتیت یافت شد که قادر به تشخیص نقاط تغییر بین دو دامنه مختلف است (از جمله روندهای رو به بالا و به دنبال آن دوره های ثابت و برعکس)اما نقطه در حال تغییر مشخص همیشه نماینده وارونگی روند نیست (روند رو به بالا و به دنبال آن روند نزولی). به همین دلیل ، ما همچنین از آزمون دو بخش Mann-Kendall برای تأیید معکوس استفاده کردیم ، همانطور که در "معکوس روند با استفاده از آزمون MK" شرح داده شده است.

تجزیه و تحلیل معکوس روند نیترات ها با استفاده از آزمون پتیت. خط متراکم عمودی سالانه مشخص شده را به عنوان نقطه تغییر در آزمون پتیت نشان می دهد. KT آماری از آزمون پتیت است. اگر مقدار p 0. 1 ≤ ، آزمون از نظر آماری معنی دار باشد

با استفاده از آزمون دو بخش MK ، سه نماینده مجلس هیچ معکوس قابل توجهی را نشان نمی دهند (PC07-00 ، PC69-00 ، PC81-00) تاکنون ، در حالی که MP "PC03-02" معکوس روند آماری قابل توجهی را نشان می دهد (شکل. 5)در مورد MP "PC03-02" ، آزمون دو بخش Mann-Kendall سه امتیاز معکوس ممکن را در سالهای 2009 ، 2010 و 2011 مشخص می کند (شکل 5). در هر سه مورد ، روند نزولی از نظر آماری با بالاترین سطح اطمینان (99. 4 ٪) که سال 2010 را به عنوان سال وارونگی انتخاب می کند ، معنی دار است.

تجزیه و تحلیل معکوس روند با استفاده از آزمون دو بخش Mann-Kendall برای نیترات ها در نقطه نظارت PC03-02 از "Conoide Trebbia-Luretta" GWB. خط نقطه نشان دهنده شیب متوسط روند است که طبق روش SEN محاسبه می شود. رهگیری میانه همه رهگیری ها است

بر اساس موارد فوق ، مقایسه بین نتایج آزمون پتیت و آزمون دو بخش MK نشان می دهد که تنها یک نماینده مجلس از نظر آماری معکوس از نظر آماری معنی دار است. بنابراین ، معکوس هنوز نمی تواند در مقیاس GWB در سال 2018 نشان داده شود.

بحث

گورسی و همکاران.(2019) روشهای مختلفی را که توسط 10 کشور عضو اروپایی برای تجزیه و تحلیل روند کیفیت آب زیرزمینی برای RBMP 1 خلاصه شده است ، خلاصه کرد. بیشتر ، تست غیر پارامتری Mann-Kendall (و تست های فصلی کندال و منطقه ای کندال منطقه ای) یا آزمون پارامتری ANOVA ، در بعضی موارد همراه با Smoother Loess ، ترجیح داده شد (فرانسه ، رومانی ، مجارستان ، جمهوری اسلواکی و انگلستان)، در حالی که آزمون رگرسیون خطی پارامتری تنها توسط یک کشور عضو (لهستان) (Tab. S2) استفاده می شد. استفاده از آمار پارامتری فرض می کند که داده های نمونه از جمعیتی حاصل می شوند که می توانند به اندازه کافی توسط توزیع احتمال که دارای یک مجموعه ثابت از پارامترها است ، مدل سازی شود. با این حال ، هنگامی که داده های کمی در دسترس هستند ، تعریف توزیع احتمال دشوار است. علاوه بر این ، داده های شیمیایی آب زیرزمینی به ندرت به طور معمول توزیع می شوند (ادموندس و شاند 2004 ؛ UKTAG 2012). به همین دلیل ، علاوه بر عدم وجود سریال طولانی مدت داده های کیفیت آب زیرزمینی ، ایتالیا را در میان دیگران سوق داد تا روش های غیر پارامتری را برای ارزیابی آماری روند ترجیح دهند.

در حدود حداقل تعداد سالهای نظارت مورد استفاده کشورهای عضو اروپایی برای ارزیابی روند در چرخه 1 RBMP ، تعدادی بین 5 تا 10 سال توسط Gourcy و همکاران گزارش شده است.(2019) ، متغیر همچنین در عملکرد فرکانس نظارت (سالانه یا نیم سالانه) (Tab. S2). در ایتالیا ، حداقل 8 سال برای اطمینان از ارزیابی آماری قابل قبول لازم است ، زیرا با داده های کمتری می توان روند احتمالی را با سر و صدای سفید پوشانده شد (şen 2016 ؛ هو و همکاران 2020) مربوط به چندین عامل از جمله تنوع طبیعی یا طبیعی استعدم اطمینان تحلیلی. توضیح عددی در مورد این انتخاب در پیوست B ارائه شده است ، که در آن تأثیر تعداد سالهای مورد نیاز در ارزیابی روند بحث شده است که نشان می دهد تفاوت های ناشی از مجموعه داده های 6 یا 8 مشاهدات سالانه است. در همین زمان ، هشت مشاهدات سالانه می تواند در بیشتر مواقع به طور منطقی در دسترس باشد. این حداقل تعداد سالها یک راه حل سازش بین نیاز به پاسخگویی به دستورالعمل های اتحادیه اروپا ، داده های موجود و استحکام آماری ارزیابی در نظر گرفته می شود.

تفسیری از "روند مهم زیست محیطی" که تا حد زیادی در بین کشورهای عضو به اشتراک گذاشته شده است ، به سمت روند صعودی که پیش بینی آن از تلویزیون فراتر می رود ، یا نقطه شروع برای برگشت روند (75 ٪ تلویزیون) ، در پایان چرخه RBMP است. در مورد ایتالیا ، بیش از 75 ٪ تلویزیون در پایان چرخه 2 RBMP یا تلویزیون در پایان چرخه 3 RBMP به عنوان هدف شناسایی یک روند مهم محیط زیست تعیین شده است. این محدودیت ها انتخاب شده اند زیرا دستاورد آنها مانع از احتمال تعریف GWB در وضعیت خوب (GWD) می شود.

همانطور که در "چگونه می توان یک روند آماری و از نظر محیطی را تعریف کرد" ، به دنبال دستورالعمل های ایتالیایی ، یک GWB روند صعودی قابل توجهی دارد اگر روند مشاهده شده در MPS تنها بیش از 20 ٪ از بدنه آب زیرزمینی را تحت تأثیر قرار دهد (با استفاده از سطح یا حجم سطح). با این حال ، قانون مرجع نحوه ارزیابی این فراتر را روشن نمی کند. در ایتالیا ، مانند بسیاری از کشورهای عضو اتحادیه اروپا ، شبکه های نظارت ناهمگن هستند و به طور معمول متراکم در منطقه تحت تأثیر قرار می گیرند (کالینز و همکاران 2012). از این رو ، تعریف قوانین یکپارچه برای تعیین این بیش از حد دشوار است. دستورالعمل ها نشان می دهد که همان درصد را با وزن به هر MP اختصاص می دهد ، هم در ارزیابی روند صعودی و هم در ارزیابی روند معکوس ، یا درصد متفاوتی را بر اساس مدل مفهومی در صورت وجود اختصاص می دهد. نکته دیگر برای مطرح کردن این است که دستورالعمل ها نحوه مدیریت داده ها را نشان نمی دهد که یک نماینده با روند صعودی رد می شود و شبکه نظارت کاهش یا اصلاح می شود. این رویداد در شبکه های نظارت بر آب زیرزمینی غیر معمول نیست: MPS ممکن است فروپاش کند. مالک ممکن است نمونه برداری را انکار کند (اغلب نقاط نمونه برداری چاه های خصوصی هستند که به آژانس نظارت محلی وام می دهند). در این موارد ، یک روند صعودی که باید با گذشت زمان ردیابی شود ، می توان از آن غافل شد و ارزیابی در مقیاس GWB می تواند مغرضانه باشد. این توصیه برای انتخاب یک شبکه نظارت قوی از ابتدا است. با این حال ، روند صعودی قابل توجه و پایدار که باید معکوس شود و معکوس های روند نشان داده شود ، مقیاس GWB را نشان می دهد. بنابراین ، ما پیشنهاد می کنیم در همان مقیاس فضایی ، واژگونی روندهایی را که در مقیاس GWB قابل توجه است ، ارزیابی کنید ، با استفاده از تمام نمایندگان فعال بدون در نظر گرفتن موارد مورد استفاده برای ارزیابی قبلی. درصد وزن هر نقطه باید با توجه به فقط نمایندگان مجلس که هنوز فعال هستند ، محاسبه شود.

با توجه به تجزیه و تحلیل معکوس روند ، در مطالعه موردی که در این مقاله مورد بحث قرار گرفته است ، ما دریافتیم که تست پتیت ، اگرچه به طور گسترده برای تشخیص نقطه تغییر در سری زمانی متغیرهای آب و هوایی و هیدرولوژیکی استفاده می شود (Serinaldi و Kilsby 2015 ؛ Versstraeten et al. 2006) ،به نظر می رسد برای پاسخگویی به درخواست های GWD کمتر باشد. آمار رتبه بندی که در آن آزمایش پتیت مستقر است ، باعث می شود که یک زیر مجموعه روند رو به بالا (یا رو به پایین) را از یک زیر مجموعه ثابت (یا برعکس) متمایز کند اما به نظر می رسد کمتر برای شناسایی یک نقطه معکوس خالص سازگار است ، یعنی تغییر از یک روند رو به بالابه یک روند نزولی ، حداقل با داده های کمی. این امر به ویژه هنگامی صادق است که نقطه در حال تغییر در افراط و تفریط توزیع قرار دارد (مالاکپور و ویلارینی 2016). روش دو بخش MK که ما پیشنهاد می کنیم در شناسایی یک نقطه معکوس در سری زمانی با کیفیت قابل اطمینان تر به نظر می رسد. این با مقایسه انجیر قابل توجه است. 4 و 5. به عنوان مثال ، آزمون پتیت 2008 را به عنوان یک نقطه در حال تغییر برای PC03-02 (شکل 4) نشان می دهد ، در حالی که نمودار به وضوح نشان می دهد که در سالهای بعد (2009-2011) نیترات بالاتر از سال 2008 است. از طرف دیگردست ، برای همان نماینده مجلس ، آزمون دو بخش MK سه سال معکوس ممکن (2009 ، 2010 ، 2011) را با بالاترین سطح اطمینان برای سال 2010 مشخص می کند (شکل 5). محدودیت مهم آزمون دو بخش MK این است که ، از آنجا که حداقل 8 داده برای هر بخش مورد نیاز است و در این مطالعه جدیدترین داده ها با سال 2018 مطابقت دارد ، جستجوی یک روند نزولی قابل توجه باید از داده ها قبل از سال 2015 نیز استفاده کند. یعنی قبل از پایان RBMP 1. بنابراین ، نقطه وارونگی ، با ساخت و ساز ، بین سالهای 2009 تا 2011 قرار دارد. به عبارت دیگر ، این روش دارای یک پنجره زمان محدود و محدود است که در آن سال وارونگی قرار دارد. در این مورد خاص ، این همچنین حاکی از آن است که اقدامات برای کاهش نیترات در آبهای زیرزمینی حداقل در آن سالها در حال انجام بوده است.

نتیجه گرفتیم که کاربرد هر دو روش آزمون پتیت و آزمون دو بخش MK باید با قضاوت متخصص تکمیل شود تا نتایج ارزیابی را تقویت کند.

همانطور که توسط ویسر و همکاران نیز تأیید شده است.(2009) ، تکنیک های تشخیص روند آماری به طور جهانی قابل اجرا هستند ، اگر کیفیت مجموعه داده های موجود کافی باشد و تشخیص روند عینی باشد ، هیچ هزینه اضافی برای نمونه برداری ندارند. با این حال ، رویکرد آماری هرگز نباید بر درک مفهومی از فرآیندهای هیدروژولوژیکی غلبه کند (ادموند و شاند 2004 ؛ لوپز و همکاران 2015). اصلاحات در روشهای نمونه گیری یا تجزیه و تحلیل ممکن است به شدت بر مجموعه داده ها تأثیر بگذارد (Wahlin و Grimvall 2008) ، عدم اطمینان در داده های حاصل ممکن است روندهای واقعی را نقاب کند یا موارد کاذب را تولید کند. علاوه بر این ، تغییرات در کاربری اراضی یا در شیوه های مدیریت آب ممکن است منجر به روندهای رو به بالا مربوط به تأثیراتی که در گذشته اتفاق افتاده است منجر شود و این می تواند بدون اطلاع مناسب از تاریخ آب زیرزمینی ، تشخیص آن دشوار باشد. سرانجام ، حتی تغییرات آب و هوایی مداوم می تواند بر غلظت و حمل و نقل آلاینده ها در زیرسطحی عمل کند و در نهایت روند واقعی را اصلاح کند (لازانا و همکاران 2020). بررسی های بیشتر ، با استفاده از روش های مختلف (مانند دوستیابی آبهای زیرزمینی ، جریان قطعی و مدل سازی حمل و نقل) ، همیشه توصیه می شود.

نتیجه

روش دستورالعمل ها را می توان برای ارزیابی روند رو به بالا آلاینده ها و شناسایی وارونگی های روند ، برای هر بدنه آب زیرزمینی که در اروپا در معرض خطر است ، اعمال شود ، که در گزارشگری به کمیسیون اروپا در RBMP نهایی شده است ، حتی در مواردی که چند داده نظارت شیمیایی در دسترس است. با وجود این ، اطلاعات صدا و تعداد زیادی تولید شده توسط شبکه های نظارت رسمی بسیار مهم است ، و عدم وجود داده ها یا تکنیک های نمونه برداری ضعیف نمی تواند با تکنیک های پیشرفته تجزیه و تحلیل ریاضی برطرف شود. در مطالعه موردی ارائه شده ، آزمون دو بخش MK از تست پتیت قابل اطمینان تر به نظر می رسد تا یک نقطه معکوس در سری زمانی با کیفیت را مشخص کند. اگرچه در چارچوب قانونگذاری اتحادیه اروپا متمرکز شده است ، این روش ممکن است برای یک زمینه گسترده تر مرتبط باشد ، و این امکان را برای شما فراهم می کند که روند صعودی را به عنوان هشدار اولیه برای فرآیندهای آلودگی در یک زمینه مدیریت منابع آب یکپارچه ، جدا کند.