Mintavételezési gyakoriság optimalizálása variogram függvénnyel a Kis-Balaton Vízvédelmi Rendszer példáján

  • Hatvani István Gábor Eötvös Loránd Tudományegyetem, Általános és Alkalmazott Földtani Tanszék
  • Kovács József Eötvös Loránd Tudományegyetem, Általános és Alkalmazott Földtani Tanszék
  • Korponai János Nyugat-dunántúli Környezetvédelmi és Vízügyi Igazgatóság, Kis-Balaton Üzemmérnöksége
Kulcsszavak: Balaton, Kis-Balaton Vízvédelmi Rendszer, mintavételezési gyakoriság becslés, tápanyagterhelés, variogram

Absztrakt

Az alábbi tanulmányban mintavételezési gyakoriság becslésének gyakorlatát mutatjuk be a Kis-Balaton Vízvédelmi Rendszer (KBVR) példáján, melynek kiemelt célja, hogy visszatartsa a Zala folyó által szállított növényi tápanyagokat a Balatontól, ezzel megóvva annak vízminőségét. Mivel itt nem pusztán egy élőhely helyreállításról van szó, elengedhetetlen a rendszer hatásfokának meghatározása a Balaton foszfor és nitrogén terhelés csökkentése céljából. Ahhoz, hogy a KBVR hatásfokát elvárható pontossággal meg lehessen határozni, megfelelő gyakoriságú mintavétel szükséges. Tanulmányunkban arra a két kérdésre keressük a választ, hogy időben kellő gyakorisággal vett minta áll-e rendelkezésre a KBVR élőhelyein; és amennyiben ez megfelelő, szakmai és gazdasági szempontokra alapozva van-e lehetőség ennek a mintavételezési gyakoriságnak a ritkítására a jövőben? A fenti kérdések megválaszolásához mintavételezési gyakoriság becslést végeztünk variogram függvény segítségével, a KBVR négy mintavételi pontján 1993 és 2007 között naponta mért három paraméterre. Végeredményként elmondhatjuk, hogy a vizsgált paraméterek közül az összes foszfort és összes nitrogént figyelembe véve és a rendszer egészét nézve átlagosan három napos mintavételezési gyakoriságot javaslunk, ennek értelmében tápanyagterhelés mérése céljából a napi mintavételezés ritkítható. Ez az érték paraméterenként, mintavételi helyenként és évszakonként változhat.

Hivatkozások

Buonaccorsi, J. P. (2010): Measurement error: models, methods, and applications. - Chapman & Hall/CRC, Boca Raton, FL, USA 451 p.

Clement, A. (2004): A foszforterhelés meghatározása és csökkentésének hatása sekély tavak foszforforgalmára. Ph.D. disszertáció (kézirat)

Cleveland, W. S. & Devlin, S. J. (1988): “Locally Weighted Regression: An Approach to Regression Analysis by Local Fitting,” – Journal of the American Statistical Association 83: 596–610.

Cleveland, W. S. (1979): “Robust Locally Weighted Regression and Smoothing Scatterplots,” – Journal of the American Statistical Association 74: 829–836.

Füst, A. (1997): Geostatisztika. - Eötvös Kiadó, Budapest 232 p.

Füst, A. & Geiger, J. (2010): Monitoring tervezés és értékelés geostatisztikai módszerekkel -1.: Szakértői véleményen alapuló, ún. Ihazoló mintázás geostatisztikai támogatása. – Földtani Közlöny 140(3): 303–312.

Füst, A. (2004): Short Course of Geostatistics (kézirat). - Szent István Egyetem, Gépészmérnöki Kar, Informatika Tanszék, Gödöllő, 56 p.

Hatvani, I. G., Kovács, J., Barcza, M., Kovácsné, Sz. I., Jakusch, P. & Bernáth, Gy. (2011): Adatelemző módszerek alkalmazásának feltételei és lehetőségei a felszíni és felszín alatti víz védelmében. In: Bunyevácz, J., ifj. Csonka, P., Fodor, I. & Gálosi-Kovács, B. (szerk.): A fenntartható fejlődés, valamint a környezet-és természetvédelem összefüggései a Kárpát-medencében; e-könyv. MTA Pécsi Akadémiai Bizottság, Pécs. (ISBN: 978-963-7068-10-2)

Kovács, J., Hatvani, I.G., Korponai, J. & Kovácsné, Sz. I. (2010): Morlet wavelet and autocorrelation analysis of long term data series of the Kis-Balaton Water Protection System (KBWPS). – Ecological Engineering 36: 1469–1477.

Kovács, J., Korponai, J., Kovácsné, Sz.I. & Hatvani, I.G. (2012): Introducing sampling frequency estimation using variograms in water research with the example of nutrient loads in the Kis-Balaton Water Protection System (W Hungary). – Ecological Engineering 42: 237–243.

Lotz, Gy. (1988): A Kis-Balaton Vízvédelmi Rendszer. Hidrológiai Tájékoztató Október 20 – 22

Matheron, G. (1965): Les Variables Regionaliées et leur Estimation. Masson at Cie. Editeurs, Paris, 305 p.

Molnár, S. & Füst, A. (2002): Környezet-informatikai modellek I. - Szent István Egyetem, Gépészmérnöki Kar, Informatika Tanszék, Gödöllő, 81 p.

Molnár, S., Füst, A., Szidarovszky, F. & Molnár, M. (2010): Környezetinformatikai modellek II. - Szent István Egyetem, Gödöllő, 191 p.

Oliver, M. A. (2010): An Overview of Geostatistics and Precision Agriculture. In: Oliver, M. A. (szerk.): Geostatistical Applications for Precision Agriculture. Springer, London, pp. 1–34.

Pintér, J. & Somlyódy L. (1986): Water quality monitoring in lakes and tributaries. – Integrated design of Hydrological Networks (Proceedings of the Budapest Symposium Hungary, 2-10. July 1986). IAHS Publ. no. 158.

Pomogyi, P. (szerk.) (1991): A Kis-Balaton Védőrendszer kémiai, biológiai, anyagforgalmi vizsgálatai, Összefoglaló jelentés az 1985-1990 közötti kutatásokról. – Nyugat-dunántúli Vízügyi Igazgatóság, Szombathely-Keszthely, 258 p.

Raisin, G. W., Mitchell, D. S. & Croome, R. L. (1997): The effectiveness of a small constructed wetland in ameliorating diffuse nutrient loadings from an Australian rural catchment. – Ecological Engineering 9(1-2): 19–35.

Tátrai, I., Matyás, K., Korponai, J., Paulovits, G. & Pomogyi, P. (2000): The role of the Kis-Balaton Water Protection System in the control of water quality of Lake Balaton. – Ecological Engineering 16: 73–78.

Van Straten, G. & Herodek, S. (1982): Estimation of algal growth parameters from vertical primary production profiles – Ecological Modelling 15(4): 287–311.

Megjelent
2012-12-31