Hidrológiai Közlöny 2012 (92. évfolyam)

5-6. szám - LIII. Hidrobiológus Napok: „A hidrobiológia szerepe a víz-stratégiákban” Tihany, 2011. október 5–7.

79 Klorofil-A "-Tiszabecs ^Záhony Balsa —Tiszalök Klorofil-A -Tiszabecs -Záhony Balsa -Tiszalök Polgár a) b) 2. ábra. A klorofil-a mérési intervallumai a) az adathalmaz szerint, b) a figyelembevett mérési intervallum. A paraméterkör kialakításánál alapvető szempont volt, hogy a vízminősítés szempontjából a legfontosabb fizikai, kémiai, és biológiai változók szerepeljenek a vizsgálatokban. Ezeknek a változóknak azonban meg kellett felelniük a statisztikai módszerek követelményeinek is. Mindezen követelményeknek 24 változó tett eleget: vízhozam [m

3 s '], pH, oxigén telítettség, vezetőképesség [|xS cm"

1], metilnarancs lúgosság [mval 1"'], oldott oxigén, ötnapos biológiai oxigénigény, dikromátos kémiai oxigénigény (KOI

d), Ca

2

+, Mg

2

+, Na

+, K

+, Cl", S0

4

2", C0

3

2", HC0

3", karbonát keménység, összes keménység, NH

4 nitrogén, N0

2" nitrogén, N0

3" nitrogén, ásványi nitrogén [mg 1"'], P0

4" foszfor, kloroftl-a [Hg !"']• Alkalmazott matematikai módszerek Az adathalmaz előkészítése után fontos és szükséges az adatok áttekintése és vizsgálata egyváltozós statisztikákkal. Ezek használata során a továbblépést jelentő sokváltozós, feltáró adatelemzés szempontjából is célszerű elemezni az egyes valószínűségi változók leíró statisztikáit és eloszlásait, sztochasztikus kapcsolatait. Jelen dolgozat, teijedelmi okokból, a fentiek közül csak a korrelációanalízis eredményeire tér ki. Az alkalmazható adatelemző módszerek kiválasztásához, illetve a kapott eredmények pontos értelmezéséhez szükséges a változók hatásidejének ismerete. így meghatározható milyen időskálán vizsgálhatók az adatok. A vízi rendszerekben mért változók hatástávolságának becslésére többek között az általunk alkalmazott variogram függvény (3. ábra) is alkalmas (Füst és Geiger, 2010, Kovács et al., 2011). A vizsgálat elvégzéséhez minél gyakoribb mintavétel - lehetőség szerint napi - szükséges. Ez Tápé mintavételi ponton teljesült 1970-ben. Az ammónium-nitrogén esetében kapott variogram függvény alapján a legritkább mintavételezés négy nap volt. Mivel a mintavételi pontokon, átlagosan évi 26 minta állt rendelkezésre, a variogram vizsgálat eredményei szerint ezek kellő időbeli távolságban voltak ahhoz, hogy az idősori realizáció egyes mért értékei függetleneknek tekinthetők. Ez a tény teszi lehetővé a sokváltozós adatelemző módszerek használatát. Korreláció-analízis A korreláció a paraméterek közötti lineáris kapcsolatot méri. Ez a módszer a sztochasztikus folyamatok vizsgálatának egyik alapvető eszköze. A korrelációs együttható (cor (^,r|)) értéke -1 és +1 között változhat. Ha a korrelációs együttható nulla, ebből nem következik, hogy a két paraméter független egymástól. Csak annyi igaz, hogy a kapcsolat nem lineáris. Abban az esetben, ha a két paraméter független, akkor köztük a korreláció zérus. Más szavakkal, a függetlenségből következik a korrelálatlanság, de a korrelálatlanságból nem következik a függetlenség. (Reimann J. és V. Nagyi. 1984) Főkomponens analízis (PCA) A PCA az eredeti változók lineáris transzformációjával olyan hipotetikus változókat, főkomponenseket hoz létre, amelyek lényeges információveszteség nélkül jellemzik az induló rendszert. Teljesül rájuk, hogy: a) a megfigyelt változók lineáris kombinációi, b) korrelálatlanok, és komponensenként rendre az együtthatók négyzetösszege 1, c) a komponensek szórása monoton csökkenő" (Füstös L. et al. 1986) Eredmények Sztochasztikus kapcsolatok A vizsgálat szempontjából akkor tekintettük két változó között a kapcsolatot erősnek, ha korrelációs együtthatójuk abszolút értéke meghaladja a 0,7-et. A paraméterek közötti sztochasztikus kapcsolatok többféle megközelítésben is vizsgálhatóak. Ennek megfelelően vizsgálhatók az egész év adatai egyszerre, illetve külön-külön az egyes évszakok korrelációs viszonyai. A közlemény a téli és a nyári időszakok sztochasztikus kapcsolatit hasonlítja össze a teljes évre vonatkozó eredményekkel (1. táblázat). 1. táblázat Az erős lineáris kapcsolatok száma mintavételi Az erős lineáris kapcsolatok száma [darab] Eves Tél Nyár Tiszabecs 7 5 7 Záhony 14 17 9 Balsa 17 18 10 Tiszalök 37 37 14 Polgár 36 41 18 Tiszafüred 33 40 17 Tiszaug 38 45 23 Tápé 36 43 24 3. ábra. A kalcium paraméter variogram függvénye Az összes megközelítés (éves, tél, nyár) alapján általánosságban elmondható, hogy a folyásiránnyal megegyezően az erős korrelációs kapcsolatok száma növekszik, illetve az alsóbb mintavételi pontokon stabilizálódni látszik (/. táblázat). Eves viszonylatban Tiszabecsnél a j0,7j-nél nagyobb korrelációs együtthatóval jellemezhető kapcsolatok száma mindössze 7. Tiszalöknél (a duzzasztómű után) ez a szám 37-re ugrik, majd e szám körül stabilizálódik. A két évszak összehasonlítása szerint a nyári hónapokban gyengébb a lineáris kapcsolat a paraméterek között, mint a téli időszakban. Összehasonlítva az évszakonkénti eredményeket az éves eredményekkel jól látszik, hogy a téli sztochasztikus kapcsolatok jobban hasonlítanak az éves állapothoz. Az évszakos eltéréseken túl, Tiszalök térségében hirtelen megugrik az erősen korreláló paraméterpárok száma az 1. táblázat tanulsága szerint. Az egyes változók szintjén, példaként az organogén elemekhez kapcsolódó jelentős sztochasztikus kapcsolatokat emeljük ki. Télen kisebb az organogén változók közötti kap-