Dự báo nồng độ ô nhiễm TSS (tổng rắn lơ lửng) của chất lượng nước mặt theo thời gian tại trạm Tân Hiệp, sông Đồng Nai

Bài viết Dự báo nồng độ ô nhiễm TSS (tổng rắn lơ lửng) của chất lượng nước mặt theo thời gian tại trạm Tân Hiệp, sông Đồng Nai trình bày việc sử dụng nồng độ ô nhiễm TSS tại trạm quan tắc Tân Hiệp, sông Đồng Nai, sử dụng phương pháp nội suy Kriging để tìm ra mô hình phù hợp và đưa ra kết quả dự báo ô nhiễm nguồn nước khu vực sông Đồng Nai theo thời gian với độ tin cậy cao.

Hội nghị Khoa học Công nghệ lần thứ - SEMREGG 2018 DỰ BÁO NỒNG ĐỘ Ô NHIỄM TSS (TỔNG RẮN LƠ LỬNG) CỦA CHẤT LƯỢNG NƯỚC MẶT THEO THỜI GIAN TẠI TRẠM TÂN HIỆP, SƠNG ĐỒNG NAI Nguyễn Cơng Nhựt Khoa Công nghệ thông tin, Trường Đại học Nguyễn Tất Thành, 300A Nguyễn Tất Thành, Quận 4, Tp Hồ Chí Minh Email: ncnhutqnam@gmail.com TĨM TẮT Nước cần thiết cho sống người phát triển kinh tế - xã hội Ô nhiễm nguồn nước vấn đề nhân loại quan tâm Ở Việt Nam, phát triển nhà máy, xí nghiệp nên nguồn nước bị ô nhiễm ngày trầm trọng, có sơng Đồng Nai Trong báo này, tác giả sử dụng nồng độ ô nhiễm TSS trạm quan tắc Tân Hiệp, sông Đồng Nai, sử dụng phương pháp nội suy Kriging để tìm mơ hình phù hợp đưa kết dự báo ô nhiễm nguồn nước khu vực sông Đồng Nai theo thời gian với độ tin cậy cao Dữ liệu TSS quan trắc liên tục ba tháng (từ đầu tháng năm 2018 đến cuối tháng năm 2018), kết dự báo sử dụng nội suy Kriging có độ xác cao với hệ số hồi quy 1.005, hệ số tương quan 0.859 (giá trị tốt 1), sai số dự báo 2.258, sai số chuẩn 0.044 Qua cho thấy sử dụng phương pháp nội suy Kriging giải pháp hiệu phù hợp toán với thơng tin thời gian Từ khóa: Ơ nhiễm nguồn nước, địa thống kê, Kriging, variogram GIỚI THIỆU Ô nhiễm nguồn nước vấn xã hội quan tâm khơng riêng Việt Nam mà tồn giới Ô nhiễm nguồn nước nhiều nguyên nhân gây rác thải nhà máy, xí nghiệp, sản xuất nông nghiệp, sinh hoạt người dân…Việc xây dựng trạm quan trắc môi trường nước cần thiết, gặp nhiều khó khăn chi phí lắp đặt trạm quan trắc tốn vấn đề vận hành bảo quản gặp khó khăn Theo trung tâm quan trắc môi trường Sở Tài nguyên Môi trường Bình Dương, mạng lưới quan trắc chất lượng nước tự động sơng Đồng Nai tỉnh Bình Dương có trạm gồm có Tân Hiệp, Vĩnh Nguyên, Thủ Dầu Một Tân Uyên Hệ thống quan trắc liên tục theo ngày với thông số quan trắc TSS, pH, Nitrat, nhiệt độ độ mặn Tuy nhiên, với phát triển nhanh chóng khu cơng nghiệp, vấn đề nhiễm mơi trường, đặc biệt nhiễm nguồn nước vấn đề nóng, tình trạng khan nước sạch, nguồn nước ô nhiễm dẫn đến nhiều bệnh nguy hiểm Do vậy, yêu cầu đặt cần có mơ hình Tốn học để dự báo tương lai chất lượng nguồn nước khu vực có an tồn để sử dụng hay không? Bằng cách sử dụng liệu quan trắc liên tục tháng liền (từ tháng đến tháng năm 2018, trạm Tân Hiệp) tác giả đưa mơ hình Tốn học thích hợp để dự đốn nhiễm nguồn nước tháng Hiện có số mơ hình dự báo nhiễm nguồn nước mơ hình QUAL2K, mơ hình IPC,… Mơ hình QUAL2K phiên mơ hình QUAL2E Mơ hình phát triển hợp tác trường Đại học Tufts Trung tâm Môi trường Chất lượng nước Cục Môi trường Mỹ (US.EPA) Mơ hình sử dụng rộng rãi để dự báo diễn biến chất lượng nước sông 59 The fourth Scientific Conference - SEMREGG 2018 dự đoán tải trọng chất thải vào sơng Mơ hình IPC Ngân hàng giới, Tổ chức Y tế giới Tổ chức y tế Hoa Kỳ phát triển Mơ hình IPC đánh giá chất lượng nước sơng, dự báo biến đổi chất lượng nước sơng, tính tốn tải lượng cần cắt giảm nguồn DỮ LIỆU VÀ PHƢƠNG PHÁP Sông Đồng Nai sông nội địa dài Việt Nam, lớn thứ nhì Nam Bộ lưu vực, sau sông Cửu Long Sông Đồng Nai chảy qua tỉnh Lâm Đồng, Đắk Nơng, Bình Phước, Đồng Nai, Bình Dương, Thành phố Hồ Chí Minh với chiều dài 586 km (364 dặm) lưu vực 38.600 km² (14.910 mi2) Nếu tính từ đầu nguồn sơng Đa Dâng dài 586 km cịn tính từ điểm hợp lưu với sơng Đa Nhim phía thác Pongour dài 487 km Sơng Đồng Nai đổ vào Biển Đông khu vực huyện Cần Giờ Dữ liệu thu thập từ trạm quan trắc môi trường nước tự động Tân Hiệp sông Đồng Nai, quan trắc liên tục hàng ngày từ tháng năm 2018 đến tháng năm 2018 (xem Bảng 1) Thông số TSS (turbidity suspendid solids) tổng rắn lơ lửng Thường đo máy đo độ đục (turbidimeter) Độ đục gây tượng tương tác ánh sáng chất lơ lửng nước cát, sét, tảo vi sinh vật chất hữu có nước Các chất rắn lơ lửng phân tán ánh sáng hấp thụ chúng phát xạ trở lại với cách thức tùy thuộc vào kích thước, hình dạng thành phần hạt lơ lửng cho phép thiết bị đo độ đục ứng dụng để phản ánh thay đổi loại, kích thước nồng độ hạt có mẫu,… Tác giả áp dụng phương pháp địa thống kê để dự báo nồng độ ô nhiễm nguồn nước TSS thời gian Bảng Dữ liệu ô nhiễm nguồn nước TSS trạm Tân Hiệp Thời gian TSS (mg/lít) Thời gian TSS (mg/lít) Thời gian TSS (mg/lít) 1/2/2018 21 1/3/2018 19 1/4/2018 24 …… …… …… …… …… …… 28/2/2018 15 28/3/2018 23 28/4/2018 30 29/3/2018 19 29/4/2018 31 30/3/2018 15 30/4/2018 37 31/3/2018 20 Cơng cụ địa thống kê variogram, thể phụ thuộc không gian quan sát lân cận Variogram ( ) nửa phương sai khác biệt giá trị thuộc tính tất điểm tách khoảng cách h [1] ( ) ( ) ∑ ( ) , ( ) ( )-2 (1) Z(s) giá trị điểm có liệu quan trắc N(h) tổng số cặp điểm cách khoảng cách h Dưới điều kiện tính ổn định bậc hai [2], có: [Z(s)] hàm hiệp phương sai Cov[Z(s), Z(s h)] Khi Var[Z(s)] C(0) 60 [Z(s) ]2 [(Z(s) )(Z(s h) )] [Z(s)Z(s h) ] C(h) (2) Hội nghị Khoa học Công nghệ lần thứ - SEMREGG 2018 (h) [Z(s) Z(s h)]2 C(0) C(h) Các mơ hình sử dụng phổ biến mơ hình spherical, mơ hình exponential, mơ hình Gaussian mơ hình tuyến tính (Isaaks Srivastava, 1989) [3] Tính đầy đủ hiệu lực mơ hình variogram kiểm tra cách thỏa đáng kỹ thuật gọi cross-validation Đồ thị Crossing thể mối tương quan giá trị ước lượng giá trị thực tế Variogram thích hợp dựa việc chọn lựa mơ hình có hệ số tương quan R2 cao cách thử nhiều mơ hình để tìm mơ hình có sai số thấp mơ hình tốt Kỹ thuật Kriging ước lượng nội suy xác sử dụng để tìm ước lượng khơng thiên lệch tuyến tính tốt nhất, tức phải có sai số ước lượng nhỏ Chúng sử dụng phương pháp Kriging thơng thường để phân tích khơng gian thời gian Phương pháp Kriging thông thường chủ yếu áp dụng cho tập liệu chưa biết với xu hướng Phương trình tổng quát cho ước lượng Kriging tuyến tính là: n ˆ ) Z(s (3) w i Z(si ) i Để ước lượng tuyến tính khơng chệch Kriging thơng thường có hệ phương trình sau: n w i (si ,s j ) (s0 ,si ) (4) i n wi i ˆ Z(s ) giá trị Kriging vị trí s0, Z(si) giá trị biết vị trí si wi trọng số liên kết với liệu is the weight associated with the data, nhân tử Lagrange Cực tiểu Kriging sai số bình phương trung bình dự báo ˆ )]2 [Z(s0 ) Z(s e2 Theo tính ổn định bậc hai phương trình cuối viết thành: n e n C(0) n w i C(s0 ,si ) i (5) w i w jC(si , s j ) i j Do tốn cực tiểu viết sau: n C(0) n n w i C(s0 ,si ) i n w i w jC(si ,s j ) ( i j w i 1) (6) i Từ (8) lấy đạo hàm riêng theo w1, w2, , wn λ cho đạo hàm riêng 0, có: n jC(si ,s j ) j C(s0 ,si ) 0, i 1, 2, , n n wi i Sử dụng kí hiệu ma trận hệ phương trình sau viết thành: 61 The fourth Scientific Conference - SEMREGG 2018 C(s1 ,s1 ) C(s1 ,s ) C(s1 ,s n ) w1 C(s0 ,s1 ) C(s2 ,s1 ) C(s2 ,s ) C(s2 ,sn ) w2 C(s0 ,s ) C(sn ,s1 ) C(sn ,s ) 1 C(sn ,s n ) wn C(s0 ,s n ) 1 Do trọng số w1, w2, , wn nhân tử Lagrange λ tính W=C-1c W (w1, w , , w n , c C ) (C(s0 ,s1 ), C(s0 ,s2 ), , C(s0 ,sn ),1) C(si ,s j ), i 1, 2, , n, j 1, 2, , n, 1, i j 1, 2, , n, 1, i 1, 2, , n, j n 1, 0, i j n n 1, n 1, Phần mềm GS+ (phiên 5.1.1) sử dụng cho phân tích địa thống kê nghiên cứu (Gamma Design Software, 2001) [4] KẾT QUẢ VÀ THẢO LUẬN Để kiểm tra tính đẳng hướng (isotropic) TSS, cách tiếp cận thông thường so sánh variogram vài hướng (Goovaerts, 1997) [5] Trong nghiên cứu góc 0o, 45ơ, 90o 135o với dung sai góc of 45o sử dụng để xác định tính đẳng hướng Hình Mơ hình variogram đẳng hướng cho thơng số TSS Hình cho thấy phù hợp variogram cho phân tích khơng gian TSS Thông qua đồ semivariance thông số TSS, mô hình đẳng hướng phù hợp Các giá trị variogram thể Bảng Mơ hình phù hợp để nội suy mơ hình Gaussian với thông số (Nugget = 6.5, Sill = 64, Range = 95, r2 = 0.969 RSS = 101) 62 Hội nghị Khoa học Công nghệ lần thứ - SEMREGG 2018 Bảng Các giá trị variogram TSS Nugget Sill Range r2 RSS Linear 46.75 60.79 0.951 152 Gaussian 6.5 64 95 0.969 101 Spherical 0.2 61.4 114 0.932 215 Exponetial 0.1 61.2 169.2 0.882 410 Kiểm định mơ hình: Kết đáng tin cậy việc lựa chọn mơ hình sử dụng phép nội suy thích hợp biểu diễn Bảng theo hệ số hồi quy, hệ số tương quan giá trị nội suy, ngồi cịn có giá trị lỗi sai số chuẩn (SE) sai sô dự báo (SE Prediction) Bảng Kiểm định thơng số mơ hình Coefficient regression Coefficient correlation SE SE Prediction 1.005 0.859 0.044 2.258 Hình Kết kiểm định sai số dự báo cho thơng số TSS Hình cho thấy kết kiểm định sai số giá trị ước lượng giá trị thực tế theo phương pháp nội suy Kriging với đẳng hướng TSS Hệ số hồi quy 1.005, hệ số tương quan gần 0.859 (kết tốt 1), sai số chuẩn 0.044 sai số dự báo 2.258 cho thấy lựa chọn mơ hình nội suy Kriging phù hợp với tập liệu Bảng Từ Hình thấy từ tháng đến tháng (từ đến 89 ngày), tháng có nồng độ nhiễm TSS thấp tăng dần đến tháng điều phù hợp với thực tế tháng mùa khô tháng đầu mùa mưa nên TSS tăng cao Trục X, Y biểu diễn số ngày (bắt đầu từ ngày 1/2/2018 đến ngày 30/4/2018 tức có 89 ngày Dựa vào Hình 3, dự báo nồng độ nhiễm TSS tháng đưa giải pháp khắc phục Ứng dụng phương pháp địa thống kê đề cập để dự đốn nồng độ nhiễm TSS trạm Tân Hiệp cho thấy kết dự báo có sai số nhỏ Hình Thơng qua nghiên cứu dự báo sử dụng phương pháp mơ hình dựa vào nội suy, dự báo mức độ nhiễm nồng độ TSS cho tháng mà chưa có số liệu quan trắc, từ đề xuất biện pháp cải thiện bảo vệ môi trường 63 The fourth Scientific Conference - SEMREGG 2018 Hình Nội suy Kriging cho thông số TSS chiều Từ đồ dự báo, thấy dự báo cho kết tốt khoảng thời gian 89 ngày, nằm ngồi khoảng thời gian kết dự báo khơng xác Nếu thời gian quan trắc chất ô nhiễm nhiều việc lựa chọn mô hình nội suy dễ dàng hơn, kết nội suy có độ tin cậy cao ngược lại Các màu khác thể mức độ ô nhiễm khác Mức độ ô nhiễm thấp màu xanh cao màu trắng Các khu vực có màu có mức độ nhiễm Kết mơ hình cịn sai số điều nhiều yếu tố ảnh hưởng khác đến thông số TSS độ mặn, nhiệt độ, hàm lượng Nitrat, lưu lượng nước… Đây báo tác giả sử dụng phương pháp nội suy Kriging để dự báo ô nhiễm nguồn nước theo thời gian KẾT LUẬN Các ứng dụng địa thống kê để dự đốn nồng độ TSS sơng trạm quan trắc Tân Hiệp cho kết sai số nhỏ giá trị ước tính giá trị thực (sai số chuẩn 0.044 sai số dự báo 2.258) Từ đó, nghiên cứu cho thấy tính hiệu tính hợp lý với độ tin cậy cao lý thuyết địa thống kê để xây dựng mơ hình dự báo phù hợp Khi xây dựng mơ hình, nên ý đến giá trị lỗi mơ hình, đặc tính liệu đối tượng Chúng xem xét kết việc lựa chọn mơ hình nhằm mục đích lựa chọn mơ hình phù hợp cho liệu thực tế, mơ hình riêng biệt cung cấp độ xác khác Do đó, kinh nghiệm lựa chọn mơ hình đóng vai trị quan trọng kết nội suy Cuối cùng, việc so sánh phương pháp đề xuất với số phương pháp khác thực sau Phương pháp đa giác (nearest neighbor) có ưu điểm dễ sử dụng, tính tốn nhanh chiều; có nhiều nhược điểm ước tính khơng liên tục; hiệu ứng cạnh / nhạy cảm với ranh giới Phương pháp Triangulation có ưu điểm dễ hiểu, tính tốn nhanh chiều; thực tay, nhược điểm mạng lưới tam giác Việc sử dụng tam giác Delaunay nỗ lực để làm việc với tam giác “chuẩn”, khơng hữu ích cho phép ngoại suy khó thực chiều Phương tiện mẫu cục có lợi dễ hiểu; dễ tính tốn chiều nhanh; nhược điểm định nghĩa vùng lân cận khơng phải nhất, vị trí mẫu khơng sử dụng ngoại trừ việc xác định vùng lân cận, 64 Hội nghị Khoa học Công nghệ lần thứ - SEMREGG 2018 nhạy cảm với phân cụm liệu vị trí liệu Phương pháp lúc trả câu trả lời có giá trị Phương pháp sử dụng Tương tự, phương pháp khoảng cách nghịch đảo dễ hiểu dễ thực hiện, cho phép thay đổi số mũ bổ sung thêm linh hoạt cho thích ứng phương pháp với vấn đề ước lượng khác Phương pháp xử lý bất đẳng hướng; nhược điểm khó khăn gặp phải điểm ước tính trùng với điểm liệu (d = 0, trọng số không xác định), dễ bị phân cụm Acknowledgment: Tác giả xin chân thành biết ơn TS Nguyễn V M Mẫn, mơn Tốn, khoa Khoa học, đại học Mahidol, Thái Lan and TS Tạ Quốc Dũng khoa Địa chất Kỹ thuật Dầu khí, trường Đại học Bách khoa Tp HCM TÀI LIỆU THAM KHẢO S H Ahmadi and A Sedghamiz - “Geostatistical analysis of Spatial and Temporal Variations of groundwater level” - Environmental Monitoring and Assessment, 129, 277-294, 2007 R Webster and M A Oliver - Geostatistics for Enviromental Scientists, 2nd Edition, John Wiley and Sonc LTD, The Atrium, Southern Gate, Chichester, West Sussex PO19, England, 6-8, 2007 E Isaaks and M R Srivastava - An introduction to applied geostatistics, New York: Oxford University Press, 1989 Gamma Design Software - GS+ Geostatistics for the Environmental Science, version 5.1.1, Plainwell USA: MI, 2001 P Goovaerts - Geostatistics for natural resources Evaluation, New York: Oxford University Press, 199 PREDICTED CONCENTRATION TSS POLLUTION (TOTAL SUSPENDED SOLIDS) FOR WATER QUALITY AT THE TIME OF TAN HIEP STATION, DONG NAI RIVER Nhut Nguyen Cong Department of Information Technology, Nguyen Tat Thanh University, 300A Nguyen Tat Thanh, District 4, Ho Chi Minh City Email: ncnhutqnam@gmail.com ABSTRACT Water is essential for human life and socio-economic development Water pollution is a concern for all mankind In Vietnam, due to the development of factories and factories, water pollution has become more severe, including the Dong Nai River In this article, the author uses the concentration of TSS at the Tan Hiep control station, Dong Nai River, using the Kriging interpolation method to find the appropriate model and give the results of water pollution prediction Dong Nai river area over time with high reliability TSS data were monitored continuously for three months (from the beginning of February 2018 to the end of April 2018), the predicted results using Kriging interpolation with high accuracy with regression coefficient equal to 1,005, the coefficient is 0.859 (the best value is 1), the forecast error is 2.258, the standard error is 0.044 It shows that using the Kriging interpolation method is an effective and suitable solution in mathematical problems with time information Keywords: Water pollution, geostatistics, Kriging, semivariogram 65 ... thước nồng độ hạt có mẫu,… Tác giả áp dụng phương pháp địa thống kê để dự báo nồng độ ô nhiễm nguồn nước TSS thời gian Bảng Dữ liệu ô nhiễm nguồn nước TSS trạm Tân Hiệp Thời gian TSS (mg/lít) Thời. .. cập để dự đốn nồng độ nhiễm TSS trạm Tân Hiệp cho thấy kết dự báo có sai số nhỏ Hình Thơng qua nghiên cứu dự báo sử dụng phương pháp mơ hình dựa vào nội suy, dự báo mức độ nhiễm nồng độ TSS cho... kết dự báo khơng xác Nếu thời gian quan trắc chất ô nhiễm nhiều việc lựa chọn mô hình nội suy dễ dàng hơn, kết nội suy có độ tin cậy cao ngược lại Các màu khác thể mức độ ô nhiễm khác Mức độ ô nhiễm