用多元统计技术评估工业区水中重金属污染：来自印度梅达克区帕坦切鲁和赫拉邦的案例研究外文翻译资料

 2022-06-13 11:06

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

用多元统计技术评估工业区水中重金属污染：来自印度梅达克区帕坦切鲁和赫拉邦的案例研究

摘要

（印度）Hyderabad附近Patternheru工业镇应用多种多元统计方法，收集监测项目的数据。该地在过去的三十年中，已经建立了许多化学和制药工厂，据报这些工业污水仍排放到周围的土地上，灌溉农田区和地表水体区共同构成点和非点源的地下水污染情况研究区，53个采样点通过水文地球化学调查分布在地表水和地下水中的微量元素（硼，铬，锰，铁，钴，镍，锌，砷，锶，钡和铅），根据常见特征划分为不同组，数据集采用R模式因子分析（FA）和主成分分析（PCA）可解释地表水75％的变化，研究可影响85％的地下水的两个因素，Sr，Ba，Co，Ni和Cr是相关的，由混合来源控制，受到人为源和地球源的作用基本相同；而Fe，Mn，As，Pb，Zn，B，Co则来源于人为活动。通过多元统计技术的必要性和实用性进行数据研究，可获得更好的水质信息并设计一些补救技术，防止将来的危险有毒的污染。

关键词：水污染；重金属；多变量分析因子分析；印度

1.介绍

人为影响和自然过程都会降低地表水和地下水水质，并妨碍其饮用，试用，农业，娱乐或其他用途[1，2]。由于空间和水化学的时间变化，提供一个代表性和可靠的估计监测方案是必要的[3]。对来自工业活动的固体和液体废物的处理是制造过程中不可避免的副产品。这些废物含有有毒化学物质，如铬盐，硫化物和其他物质，包括有毒重金属[4]。人们越来越意识到自然和全球生态系统内微妙的平衡的复杂性[5]。如果排放污水和相关的有毒化合物进入水生系统，则它们可能对接收区域造成对水生生物和潜在的对人体健康的影响[6]。这些物质进一步进入地表水和地下蓄水层造成灌溉和饮用水的污染浓度上升，加剧某些地区的农业活动污染。不同的多元方法即因子的应用分析（FA）为解释这些数据矩阵，了解被研究系统的水质和生态状况，使用有影响因素/来源的水分析系统，并提供可靠的工具和可靠的管理的水资源以及污染问题的快速解决方案[7，8]给出了更好的结论。在本文中，获得的数据有不同的意义，多元统计方法：（i）定义地质和地质（ii）确定可能的非点源污染和（iii）估计可能的贡献确定参数浓度的来源。

2.材料和方法

2.1研究区域

Patancheru工业开发区，覆盖约120平方公里的海域，20世纪70年代中期在海德拉巴成立，孟买国家公路（NH 9）距离海德拉巴约25公里，印度安得拉邦Medak地区的城市（图1），新德里也是如此被中央污染控制委员会确定为污染最严重的地区之一，并被称为一个生态环境领域的灾难，研究区域是Manjira河的支流，Nakjivagu河流域的一部分，是海德拉巴市饮用水的一个主要来源。工业废水含有相当数量的无机和有机物，有机化学品及其副产品，大部分行业小到中等规模，没有下水道，其中许多没有适当的废水处理工厂。他们排放工业废水，因此造成污染。高度有色和有毒的化学物质因为流入了Nakkavagu河，污染了地表水和地下水[9，10]。

中央污水处理厂（CETP）已经投入使用，1994年运行，位于该地区的工业废水应该先流入CETP处理。所谓的处理的最终产品，不是绝对安全，最终排放到Peddavagu，流入Nakkavagu河，污染传播的覆盖面积更大，来自Nakkavagu的污染物渗透流入地下水区域，污染它导致地下水水质明显退化退化[10]。

Fig. 1. Location map of the study area showing sampling points.

图1.显示取样点的研究区域位置图。

2.2地质和排水

这项研究成为普雷维亚半岛的一部分，被称为基底复合体或半岛片麻状复合体。该地区为花岗岩地带，花岗岩在某些区域中被伟晶岩和石英脉贯穿，最近形成的冲积层沿着Nakkavagu的洪水平原由河流沉积，冲积层包括沙子砂砾与少量淤泥和粘土。冲积层的厚度从5到10米不等，覆盖1 - 2米的土壤。地下水补给和补给的主要来源是在西南季风期间，大部分在六月和九月之间，100到110毫米/年——800毫米/年不等的降水量。PamaLavagu，Peddavagu和Nakkav同时携带流出物作为扩散源，在整个过程中一直受到污染Manjira河，因为在那里有冲积层Nakkavagu，有更多的污染物渗入地下，通过河流 ——含水层相互作用并通过水表对流分散。它们也通过地下水进入人体骨骼和关节。骨折的发生率和随后的扩散污染物取决于水力梯度和地下水速度[9，11]。

红土分布在流域和黑色的高地。在Nakkavagu冲积层土壤红色、松散，粘土和淤泥，其厚度从0.6米到3米不等。Nakkavagu河流是树枝状的，受地形控制，（图2），主要种植的是玉米，花生和蔬菜，稻田和甘蔗在冲积土中生长。

Fig. 2. Drainage and contour map of the study area.

图2.研究区域的排水和等高线图。

2.3抽样和准备

五十三个水样（地表水和地下水）收集，覆盖整个Patancheru，Nakkavagu，Peddavagu，PamaLavagubasin。其中包括：（i）从工业排放的废水，（ii）Nakkavagu水道沿线的水样，（iii）来自露天河流的样品（iv）来自地下水的样品。所有采样点距离各工厂的排污口很远，以了解污染物的迁移和有毒重金属元素渗入地下水系统中。从覆盖整个井的井中收集水样，这些钻井的深度在50到75米之间，在现场测定pH和TDS，在1升双层瓶盖，聚乙烯瓶，钻孔中收集泡沫排出第一个50L后收集水样水样，样品在实验室中过滤，酸化至pH值为2，进行化学分析ICP-MS。

2.4仪器

对所有地表水和地下水样品进行微量元素（Fe，Mn，As，B，Ba，Co，Cr，Ni，Sr，Zn和Pb）分析，在所有水样中添加1 mg/L浓度的铑溶液作为内标[12]，稀释至mu;g/l水平后，使用多元素标准溶液制备校正曲线，参考来自美国国家标准与技术研究院(NIST，美国）的水样1640，用于检查校准曲线的可靠性（表4），所有元素的检测下限优于1mu;g/L[13]且精度相当（对于细节，参见[14]）。

Table 1a.Analytical data of surface water(mu;g/l)in Patancheru industrial area.

表1A 巴坦切鲁工业区地表水分析数据(mu;g/l)。

Table 1b.Analytical data of groundwater(mu;g/l)in Patancheru industrial area.

表1 B 巴坦切鲁工业区地下水分析数据(mu;g/l)。

3.数据处理和多元统计方法

地表水和地下水数据的多元分析为FA技术[8，15]。总结统计这些数据集首先被计算来评估分布 - （表2a和2b），FA用于标准化数据通过z尺度转换来避免由于数据维度的巨大差异[16，17]的错误分类。因为方差很小所以标准化趋势增加了数据的影响，反之亦然。所有的数学和统计计算都是使用社会统计软件包进行的科学[18]。

Table 2a.Descriptive statistical data of surface water analysis.

表2A 地表水分析的描述性统计数据。

Table 2b Descriptive statistical data of groundwater analysis.

表2 B地下水分析的描述性统计数据。

3.1因子分析/主成分分析（PCA）

因子分析技术提取特征值和特征主成分（PC）是不相关的。因此（正交的）变量通过将原始相关变量乘以特征而获得，这是系数列表（加载或加权）。

主要是原始的加权线性组合变量PC为最有意义的参数提供了信息，这些参数描述了用来减少数据的整个数据集最小原始信息[19-21]。它是一种强大的技术 - 模式识别，努力试图解释一大组相互关联的变量和变换成一个独立变量（不相关）变量（主成分）因子分析，进一步减少了方差。

通过旋转轴提取从PCA获得的重要变量和称为变量函数的新变量组，由PCA定义，变化因子可以包括不可观测的，假设的潜在变量，而PC是可观察的水质变量[22，23，19]。归一化变量的PCA（地表水和地下水）被执行到显着的PC上，进一步减少变量的贡献。这些通过PC被视为最大的旋转（原始）生成变量。

4.结果和讨论

表面微量金属浓度和地下水的分析结果分别在表1a和表1b中给出，显示了地表水和地下水的描述性统计数据。在表2a和2b中对这些数据进行统计处理，他们的联系和在地表水中的四个因素分组（表3a）和地下水中的两个因素（表3b）面对的水从7.7到10.1变化，平均7.8，而地下水从6.9到9.4（平均值= 8.2），除了sam-PLe P-20（pH 2.72），所有的水样都显示出中性至碱性碱性值，pH不显示显著的正相关性，地表水和地下水中含有微量元素与地表水As，B，Fe，Pb，Zn呈负相关关系，Ba，Co，Mn和Sr在地下水中的作用，研究区内微量元素在地表水和地下水中的pH值不同，尤其是地表水中的主要控制因素，观察到点源和非点源的Fe，Mn，As，Pb，Zn，B和Co，可能归因于工农业的活动，地表水样品中地下水中的pH值从6.9变化到9.4平均8.2plusmn;0.6（1mu;）并且显示一致性。但是，在地表水中，pH从2.7变化到10.1，平均值为7.8plusmn;1.3；样品P-11（pH 10.08）和P-20（pH 2.72），几乎所有微量元素的浓度，包括Fe，Co，Zn，As和Pb变化明显。地表水在某些地方是一种更酸性或碱性的，而且这些样品中的微量元素浓度是也相应地变化，在地表水中表明pH是一个控制因素。这种情况表明由于强烈的变化从地表水的人为来源的影响地下水。

4.1因子分析

通过因子分析金属间复杂的线性关系，对地表水和地下水的浓度进行了测定，对研究中元素的相关性进行了解释。面积属于一个给定因子的因素，是由因子定义的矩阵后与非线性相关。考虑到它们所施加的影响，通过确定Patancheru工业区研究区内的元素分布，将地表水排入地下水表，所述多元素因素被分成两组：（i）具有较强的分散的人为影响和因素（ii）主要由自然过程或其他人为造成的影响。因素的识别是基于主导的影响。地表水和地下水中的元素通过主成分法确定（结果见表3a和3b）。基于特征值等四个因素进行解释大部分变化（解释总方差约为75％地表水资料和地下水85％的变化数据）。

Table 3a.Factor analysis of surface water data.

表3A 地表水数据因子分析。

Table 3b.Factor analysis of groundwater data.

表3B 地下水数据因子分析。

4.2地表水

4.2.1因素1

因子1表现出75％总方差的27％在As，Fe，Ni，Pb和Zn上负载。砷，铁，镍，铅，锌在地表水中有相关性（r = 0.5 - 0.87）。但是很难区分背景浓度。由于地下水过程中，高变异性获得的分析数据表明这些元素在地表水中有一个外部来源，砷含量被发现在几乎样品中都很高，最大值为116.5mu;g / L，平均值为29.3mu;g/ L。在CETP出口附近也报道了25，000 - 40，000mu;g / L，Peddavagu和Nakkavagu也显示了高浓度的砷从1000到5000mu;g / L不等[24]，证明了砷是人为的，而不是来自任何基岩。根据世界卫生组织指南[25]，砷的允许限度为10mu;g / L。样品编号P-3，P-4，P-20，P-37和P-39显示异常值大于背景平均分布的29.2mu;g / L。工业排放的废水可能与砷复合形成不可降解的金属配合物，然后进入地下水沿着自然水文梯度迁移。砷的向下迁移和NW运动影响到了地下水[26]扩散到一个地区。Patancheru的砷污染主要来自涂料，制药，化肥和农药等行业。在地表水中人为添加铁，其含量为42至1886mu;g / L，平均为161.8mu;g / L，面积偏小；只有出水才会出现地表水增加。Fe在地下水中不显示高浓度从表面到地下水的Fe很少渗滤。Ni浓度从4.9到54.1（平均值26.7mu;g/ L），Pb从0.2到13.8mu;g / L（平均2.1mu;g / L）不等，Zn从0到132.8至364.8 ppm（平均值为98.6mu;g / L）。样品编号P-13和P-20显示附近附近的Fe，Ni，Pb，Zn的值高工业区。

4.2.2因素2

因子2具有总负方差的18.4％Ba和Sr.Ba浓度从24.9到177.8mu;g / L不等平均值为77.6 ppm，甾族化合物为179.4-2309mu;g / L（平均值=762.5g/ L）样品P-1，P-10，P-15和P-39显示出高含量的Sr，高达1000mu;g / L可能来自周围的含Sr的酸性岩石，因此这个因素可能是由于Sr和Ba在人为和自然源区的混合原因造成的。

4.2.3因素3

它表现出对B和Mn，对Ni负负载17.2％的总方差与积极负荷，这个因子可以是归因于在研究区的农业活动对这些元素痕迹的影响，硼含量从89.6到1774.3微克/升不等（平均值= 669.8mu;g / L），Mn从3到227.2mu;g / L（平均=72.9mu;g / L）。高水平的B主要限于Patancheru工业区，浓度高达1774.3微克/升。这个元素不显示明显的迁移，但是渗透向下并且集中在地下水中，B是主要的人为起源样品编号P-1，P-2，P-4，P-5，P-6和P-7。表现出超过平均浓度的B和Mn，位于Nakkavagu一带，表明是来自CETP释放的未经处理的污水中的=这些元素。Ni负相负荷，B和Mn中心增加，Ni水平下降表明存在与

全文共7506字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[11021]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章