REZUMAT AL TEZEI DE DOCTORAT Caracterizarea stării ecologice a corpurilor de apă situate pe tronsonul inferior al fluviului Dunărea din punct de vedere al elementelor fizico-chimice suport pentru elementele biologice UNIVERSITATEA DIN BUCUREȘTI Coordonator Prof. Dr. Carmen POSTOLACHE Doctorand Carmen Hamchevici
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
REZUMAT AL TEZEI DE DOCTORAT Caracterizarea stării ecologice a corpurilor de apă situate
pe tronsonul inferior al fluviului Dunărea din punct de vedere al elementelor fizico-chimice suport pentru
Pantă Sen -5,551x10-4 -4,489x10-4 -6,070x10-4 -4,482 x10-4
Tendință ↓ ↓ ↓ ↓
-0.3
55
-0.4
42 -0
.37
6 -0.3
03
-0.3
87
-0.3
58
-0.3
47
-0.2
56
-0.1
37
-0.1
43
-0.0
60
-0.1
78-0
.12
3
-0.1
64
-0.0
75
-0.0
95
-0.1
11
-0.1
45
-0.1
69
-0.0
51
RO1 RO2 RO4 RO5
NNH4 NNO2 NNO3 PPO4 TP
25 Rezultate proprii
În concluzie, rezultatele aplicării testelor de analiză a tendințelor de evoluție concentrațiilor de
nutrienți, atât în cazul în care acestea au fost considerate ca fiind independente de debitul cursului de
apă, cât și în situația în care influența debitului asupra concentrației a fost eliminată, se pot sublinia
următoarele:
- tendințele de dinamică temporală detectate la cele 5 forme de nutrienți investigate în 4 secțiuni
de monitoring (RO1, RO2, RO4 și RO5) sunt tendințe descrescătoare la nivelele de semnificație alese
(0,05, 0,01 și 0,001) pe perioada considerată (1992-2015), această variație fiind în concordanță cu
rezultatele modelului MONERIS, conform cărora se anticipa o scădere a concentrațiilor nutrienților pe
bază de N în anul 2015, față de anul 2006 (van Gils și Bendow, 2000; Popovici, 2015; van Gils, 2015);
- indicatorii N-amoniu și N-azotiți prezintă cele mai accentuate tendințe de scădere, mai vizibile
în secțiunile RO1-Baziaș și RO2-Pristol, acest fapt putând fi datorat, pe de o parte, scăderii aportului
surselor punctiforme (ape uzate orășenești provenite din stațiile de epurare) și celor difuze (diminuarea
considerabilă a practicilor agricole intensive bazate pe aplicarea fertilizanților pe bază de azot), cât și
procesului natural de denitrificare din arealul acumulării Porțile de Fier I;
- indicatorul N-azotați a prezentat cele mai slabe tendințe de scădere, iar la secțiunea RO5-Reni,
tendința de evoluțiedinamică este nesemnificativă statistic, ceea ce indică faptul că tendința de evoluție
a acestui indicator este caracterizată de etapele specifice ale ciclului său biogeochimic;
- indicatorii nutrienților pe bază de fosfor – P-orto-fosfații și P Total sunt caracterizați de
tendințe de scădere mai puțin notabile decât cele pe bază de azot, la cele patru secțiuni de monitoring
investigate, cu excepția indicatorului P Total la secțiunea RO5-Reni, pentru care nu s-a identificat o
tendință statistic semnificativă de scădere la nivelul de semnificație ales (0,05);
- tendințele sezoniere de variație au prezentat scăderi semnificative și înalt semnificative statistic
pentru toți indicatorii, cu precădere în lunile de primăvară (martie, aprilie) și toamnă (octombrie,
noiembrie);
În general, pe baza rezultatelor obținute, se poate afirma că testele non-parametrice utilizate în
evaluarea dinamicii temporale constituie un instrument deosebit de util și complet în identificarea,
confirmarea și estimarea ratei unei tendințe reale de evoluție a unei variabile, în cazul de față
concentrațiile de nutrienți.
4.3. Stabilirea valorilor-limită pentru nutrienți
4.3.1. Analiza exploratorie a datelor utilizate
Înainte de investigarea propriu-zisă a relațiilor presiune – răspuns, a fost efectuată o analiză
preliminară a setului de date primare supus analizei având în vedere că stabilirea valorilor prag pentru
nutrienți a foste efectuată pe baza metodelor de regresie (simplă și multiplă); astfel, seturile de date
primare de nutrienți au făcut obiectul unei analize exploratorii în vederea eliminării valorilor aberante
(corecte din punct de vedere analitic), valori ce ar putea avea un impact negativ asupra tehnicilor
statistice de regresie liniară (în sensul modificării pantei liniei de regresie și implicit a coeficientului de
corelație) (STATISTICA 10.0, Electronic Manual – Recode Outliers and Extreme/Rare Values). Întrucât seturile de date pentru variabilele biologice sunt diferite ca structură și mărime pentru cele două
elemente biologice de calitate considerate, această analiză a fost efectuată diferit și pentru variabilele
fizico-chimice corespondente.
Mărimile statistice descriptive pentru variabilele fizico-chimice și biologice utilizate la
investigarea relației presiune-răspuns pentru elementul biologic de calitate fitoplancton, pentru toate
cele patru tipologii reunite (RO12-RO15) sunt redate în Tabelul 5.1-A. Având în vedere că obiectivul
constă în derivarea valorilor prag pentru nutrienți, în diagramele din Figura 4.15 a) și b) și Figura 4.16
a) și b) sunt prezentate variabilitățile concentrațiilor de azotați și azot total și respectiv orto-fosfați și
fosfor total față de valorile mediane pentru fiecare grup tipologic, valoarea mediană a întregului set de
date și față de nivelul de identificare a valorilor aberante calculat pe baza criteriului Tukey one-sided
upper. Următoarele caracteristici ale setului primar de date pot fi notate:
- nutrienții pe bază de azot (Figura 4.15 a și b): valorile mediane pentru tipologiile RO12 și
RO14 sunt ușor mai ridicate decât valoarea mediană a celor patru tipologii reunite (1,08 și 1,18 mg/L
N-NO3 față de 1,02 mg/L N-NO3 pentru azotați și respectiv 1,62 și 1,55 mg/L N față de 1,50 mg/L N
pentru azot total). Pentru tipologiile RO13 și RO15, valorile mediane sunt situate sub valoarea mediană
generală (0,96 și 0,97 mg/L N pentru azotați și respectiv 1,41 și 1,42 mg/L N pentru azot total).
Nivelurile de delimitare a valorilor aberante au fost 0,45, 2,00 și 2,60 mg/L N pentru azotul
26 REZUMAT AL TEZEI DE DOCTORAT
amoniacal, azotați și respectiv azot total, identificându-se un număr de 7, 9 și respectiv 11 valori pentru
fiecare dintre cele trei forme de nutrienți. În cazul indicatorului N Total se remarcă în mod deosebit
valoarea concentrației de 6,83 mg/L, valoare identificată ca fiind aberantă. Această concentrație,
măsurată în secțiunea aval Medgidia, pe corpul de apă artificial Canal Dunăre – Marea Neagră
(CDMN2-CPAMN), tipologia RO14, în data de 26.10.2011, coroborată cu valorile altor indicatori de
calitate fizico-chimici (ex.: oxigen dizolvat = 1,78 mg/L și N-NH4 = 1,42 mg/L N) sugerează imaginea
unui ”vârf” de impact recent al unei deversări de apă uzată neepurată sau insuficient epurată, impact ce
nu poate fi reflectat în răspunsul biologic măsurat la aceeași dată (index saprob = 2,22, indice de
anterograd – F și retrograd – B) pentru indicatorii biologici ca variabile dependente și formele de nutrienți
ca variabile independente (valorile cu roșu reprezintă variabilele pentru care coeficienții de regresie sunt
statistic semnificativi la nivelul de semnificație ales α = 0,05)
V.D. Mod Multiple
- R
Multiple
- R2
Adjusted
- R2
SS -
Model
df SS -
Residual
df -
Residual
F p
Ab.B.
S 0.3440 0.1183 0.109 13783.0 5 102646.1 488 13.105 0.000
F 0.3173 0.1007 0.097 11726.4 2 104702.6 491 27.495 0.000
B 0.3380 0.1142 0.107 13306.8 4 103122.2 489 15.775 0.000
Cl. a
S 0.2486 0.0618 0.052 4107.5 5 62308.0 491 6.4735 0.000
F 0.2486 0.0618 0.052 4107.5 5 62308.0 491 6.4735 0.000
B 0.2486 0.0618 0.052 4107.5 5 62308.0 491 6.4735 0.000
IDS
S 0.1971 0.0388 0.029 0.0358 5 0.8859 492 3.9785 0.001
F 0.1639 0.0268 0.022 0.0247 2 0.8969 495 6.8324 0.001
B 0.1639 0.0268 0.022 0.0247 2 0.8969 495 6.8324 0.001
IS
S 0.3093 0.0957 0.086 0.8365 5 7.9035 492 10.415 0.000
F 0.2135 0.0455 0.043 0.3984 1 8.3416 496 23.694 0.000
B 0.2946 0.0868 0.081 0.7587 3 7.9814 494 15.653 0.000
INT
S 0.3168 0.1003 0.091 2576.2 5 23092. 518 11.552 0.000
F 0.3124 0.0976 0.090 2505.3 4 23163. 519 14.033 0.000
B 0.3124 0.0976 0.090 2505.3 4 23163. 519 14.033 0.000
39 Rezultate proprii
După cum am menționat, pentru indicatorul biologic clorofilă ”a”, cele trei modele rețin toți cei
cinci predictori considerați, combinația simultană a acestora explicând 6,18 % din variabilitatea datelor
de clorofilă ”a” (Tabelele 5.28-A – 5.30-A).
Pe baza contribuției semnificative a formelor de nutrienți la predicția valorilor indicatorilor
biologici considerați drept variabilă dependentă, în Tabelul 4.15 sunt pr ezentate ecuațiile de regresie
liniară multiplă pentru indicatorii biologici ca variabile dependente și formele de nutrienți a căror
contribuție este semnificativă statistic (întrucât se observă că cele mai ridicate valori ale proporțiilor de
variabilitate a indicatorilor biologici ce sunt explicate de modelul de regresie au fost obținute în cazul
modelului de regresie standard, sunt prezentate doar ecuațiile corespunzătoare acestui model).
Tabelul 4.15: Ecuațiile de regresie liniară multiplă pentru indicatorii biologici ca variabile dependente (VD)
și formele de nutrienți ca variabile independente
VD Ecuație de regresie
AB. b. "Ab,b," = 57,057-20,697 x "N-NH4"+ 79,346 x "P-PO4"-39,401 x "P Total" Clorofilă ”a” "Clorofila a" = 9,171 + 10,476 x "N-NH4" + 13,400 x "N-NO3" - 9,780 x "N Total" - 82,349 x
"P-PO4" +34,175 x "P Total" IDS "IDS" = 0,922 - 0,046 x "N-NH4" - 0,031 x "N-NO3" IS "IS" = 2,1 - 0,147 x "N-NO3" + 0,142 x "N Total" + 0,581 x "P Total" INT "INT" = 15,921 - 13,819 x "N-NH4" - 7,560 x "N-NO3" + 7,980 x "N Total" + 45,958 x "P-
PO4"
Rezultatele arată că doar în cazul variabilei dependente clorofilă ”a”, toate cele cinci forme de
nutrienți au constituit predictori reținuți în model (), contribuțiile cele mai puternice aparținând
azotaților, orto-fosfaților și azotului total. Pentru ceilalți indicatori biologici, modelul de regresie liniară
multiplă reține între două (cazul indicelui de diversitate Simpson – IDS) și patru forme de nutrienți
(cazul indicelui numărului de taxoni – INT).
Plecând de la modelul regresiei multiple, s-a testat posibilitatea de derivare a valorilor limită
pentru formele de nutrienți, utilizând procedura de trasare a profilului răspunsului predicționat, altfel
spus prin optimizarea răspunsului (Derringer și Suich, 1980). Astfel, răspunsul observat al variabilei
dependente poate fi introdus într-o ecuație de regresie separată, având aceeași termeni, dar coeficienți
diferiți de ai ecuației inițiale. Odată ce această nouă ecuație este enunțată, valorile predicționate ale
variabilei dependente pot fi prelucrate în oricare combinație a nivelurilor variabilelor predictoare, pe
baza așa numitei funcții de dezirabilitate, obținându-se profilul de predicție. Acest profil constă într-o
serie de grafice, câte unul pentru fiecare variabilă independentă, ale valorilor predicționate ale variabilei
dependente la diferite niveluri ale unui predictor, menținând constante nivelurile celorlalți predictori.
Prin analiza profilului de predicție ale variabilei dependente, se poate spune care niveluri ale variabilei
predictoare produc cel mai ”dezirabil” răspuns al variabilei dependente.
fizico-chimice de calitate, cu excepția clorofilei ”a”. În capitolul de față se analizează profilul de
predicție pentru variabila dependentă clorofilă „a”, rezultatele obținute pentru restul indicatorilor
biologici regăsindu-se în Anexă.
Tabelul 4.16: Specificațiile funcției de dezirabilitate pentru profilurile de predicție ale indicatorilor biologici
(variabile dependente) stabilite pe baza valorilor-prag prevăzute în metodologia de evaluare a stării
ecologice pentru elementul de calitate fitoplancton – sistemul râuri (HG 80/2011)
Indicator biologic Minim Mediu Maxim
Ab. b. (%)
Dezirabilitate
72 90 100
0,00 0,50 1,00
Clorofila ”a” (µg/l)2
Dezirabilitate
9,00 16,00 28,00
1,00 0,50 0,00
IDS
Dezirabilitate
0,37 0,71 0,85
0,00 0,50 1,00
IS
Dezirabilitate
2,30 2,50 2,70
1,00 0,50 0,00
INT
Dezirabilitate
5 8 10
0,00 0,50 1,00
Pe baza specificațiilor funcției de dezirabilitate pentru clorofilă ”a”, în varianta ”optimum”, se
caută acele niveluri ale factorilor predictori care produc nivelul ”optim” al variabilei dependente, la
nivelul ”optim” al funcției de dezirabilitate. Astfel, din Figura 4.27 se constată că valoarea optimă a
variabilei dependente este 8,32 µg/l, cu un interval de încredere cuprins între 5,36 și 11,28 µg/l, nivel la
care se observă următoarele: indicatorul N-NH4 prezintă același nivel de concentrație obținut în varianta
anterioară, de 0,085 mg/L N-NH4, iar indicatorii N-NO3 și P Total prezintă un comportament ”inert”,
aceștia producând dezirabilitate optimă până la concentrațiile de 1,79 mg/L N-NO3 și 0,188 mg/L P. În
cazul indicatorilor cu contribuție negativă – N Total și P-PO4, valoarea optimă a funcției de dezirabilitate
poate ”relaxa” concentrațiile de nutrienți până la valorile de 2,39 mg/L N și respectiv 0,106 mg/L P-
PO4.
Figura 4.27: Profilul de predicție al clorofilei ”a” pentru valoarea optimă a funcției de predicție
(”optimum”). Liniile albastre marchează limitele intervalului de încredere de 95%
2 Pentru indicatorul biologic clorofilă ”a”, valorile prag de 9,00; 16,00 și 28,00 µg/l sunt corespunzătoare stărilor ecologice moderată, slabă și proastă, pentru stările foarte bună și bună stabilindu-se aceeași valoare prag, de 9,00 µg/l (HG 80/2011).
41 Rezultate proprii
Pentru obținerea unei imagini mai cuprinzătoare privind dezirabilitatea răspunsului în condițiile
diferitelor niveluri de combinare a perechilor de variabile predictoare, când restul acestora sunt
constante, în Figura 4.28 este reprezentată suprafața, respectiv contururile funcției de dezirabilitate
pentru varianta ”optimum”, în care fiecare regiune din planul bidimensional reprezintă nivelul funcției
de dezirabilitate pentru variabila dependentă clorofila ”a” produs de combinațiile diferite ale
concentrațiilor perechilor formelor de nutrienți. Și din această reprezentare grafică se remarcă
menținerea valorii de 1,00 a dezirabilității până la concentrații ale azotaților de aproximativ 1,80 mg/L
N-NO3, dar în condițiile în care concentrația de amoniu nu poate depăși aproximativ 0,09 mg/L N-NH4.
(graficul 1a din Figura 4.28). Aceeași limitare la valoarea 0,09 mg/L N-NH4 se observă și în cazul
perechii P Total – N-NH4 (graficul 4a). În cazul perechii N-NO3 – N Total, valoarea dezirabilității începe
să scadă la concentrații de azotați peste nivelul 1,00 mg/L N (graficul 2b), confirmând pragul de 1,06
mg/L N-NO3 obținut în cazul variantei de lucru ”medie / mean”. Comportament similar al azotaților
apare și în relația cu orto-fosfații, valoarea dezirabilității începând să scadă atunci când concentrația de
azotați crește peste 1,00 mg/L (graficul 3b). În ceea ce privește forma de N Total, se observă că valoarea
dezirabilității scade sub concentrația de 2,40 mg/L (graficele 2a și 3c). Se remarcă și ”inerția” conjugată
a formelor N-NO3 și P Total (graficul 4b), creșterea concentrațiilor acestora neproducând nici o scădere
a funcției de dezirabilitate sub valoarea 1,00. Pentru perechea N Total – P Total, se observă că elementul
restrictiv este forma N Total, valoarea dezirabilității scăzând la concentrații mai mici de 2,40 mg/L N
(graficul 4c).
Inconsistențele valorilor obținute prin metoda răspunsului optimizat, respectiv caracterul limitativ
al azotaților în relația azotul total și orto-fosfații și, pe de altă parte, comportamentul ”inert” al azotaților
în relația cu P Total, ar putea fi explicate de următoarele particularități ale setului de date studiat și al
ipotezelor de lucru: procentul foarte mic al variabilității setului de date în raport cu modelul de
regresie liniară multiplă, potențiala influență exercitată de alți factori fizico-chimici asupra
clorofilei ”a”, care nu au fost investigați aici.
Pe baza profilurilor de predicție ale funcției de dezirabilitate pentru variabila dependentă clorofilă
”a”, în Tabelul 4.17 se propun valorile prag pentru variabilele independente (nutrienți).
Tabelul 4.17: Valori prag propuse pentru formele de nutrienți baza profilurilor de predicție obținute în
variantele ” medie / mean” și respectiv ”optimum” ale funcției de dezirabilitate pentru variabila dependentă
clorofilă ”a”
Nutrienți Varianta ”mean” Varianta ”optimum”
N-NH4 (mg/L N) 0,085 0,085
N-NO3 (mg/L N) 1,06 1,79
N Total (mg/L N) 1,54 2,39
P-PO4 (mg/L P) 0,045 0,106
P Total (mg/L P) 0,086 0,188
Elementul biologic fitobentos
Modelul regresiei multiple testat pentru elementul biologic fitobentos a fost aplicat plecând de la
rezultatele Raportului Kelly (2016), considerând ca variabilă dependentă indicele pICM, iar ca variabile
independente (predictoare) formele de nutrienți N-NH4, N-NO3, N Total, P-PO4 și P Total. Similar cu
elementul fitoplancton, au fost utilizate cele trei modele de regresie: standard (S), anterograd (F) și
retrograd (B).
În Tabelul 4.18 sunt centralizate rezultatele aplicării modelelor regresiei multiple liniare în cele
trei variante menționate. Din rezultatele obținute se observă că valoarea cea mai ridicată a coeficientului
de corelație multiplă R (multiple R) este obținută în cazul modelului standard (0,4428), dar valori
apropriate de aceasta au fost obținute și la modelele anterograd și retrograd, ceea ce indică o putere
- aplicarea tehnicilor statistice multivariate asupra setului de valori ale percentilei P90 pentru
formele de nutrienți investigate (cu excepția azotiților) a condus la următoarele rezultate:
o Analiza Componentelor Principale (ACP) a extras doi factori cu valoare de încărcare supraunitară,
responsabili de o varianță cumulată a datelor primare de 81,12%;
o structura rezultată din analiza ACP a făcut obiectul analizei factoriale (AF) cu rotația spațiului
prin metoda varimax raw în vederea determinării încărcării factorilor cu variabilele investigate,
determinând extracția a doi factori: ”factorul azot”, ce explică variabilitatea setului de date în
proporție de 40,7 %, este pozitiv încărcat cu variabila N-NH4 (0,896) și negativ cu celelalte două
forme de N, respectiv cu NNO3 (-0,736) și N Total (-0,788); ”factorul fosfor” explică în proporție
de 40,4%) variabilitatea datelor și este pozitiv încărcat cu P-PO4 (0,936) și respectiv cu P Total
(0,849);
o în vederea identificării unor tipare spațiale în care secțiunile de monitoring să fie grupate în
funcție de variabilitatea spațială, pe baza celor doi factori extrași prin AF, s-a efectuat analiza
de cluster (AC) prin metoda aglomerării ierarhice (HCA), care a dus la identificarea a 4 clustere
pentru factorul azot și 3 clustere pentru factorul fosfor. În structura astfel formată, secțiunile de
monitoring românești au fost grupate în 2 clustere distincte pentru formele de azot: primul a inclus
secțiunile din amonte și aval de acumularea Porțile de Fier I, respectiv Baziaș, Gruia și Pristol,
grupare determinată de efectul de denitrificare din arealul menționat, al doilea cluster incluzând
celelalte cinci secțiuni de monitoring aflate pe tronsonul românesc (Chiciu, Reni, Vâlcov, Sulina
și Sf. Gheorghe); relativ similar cu formele de azot, nutrienții pe bază de fosfor au determinat
includerea secțiunilor Baziaș și Pristol într-un cluster distinct de cel în care sunt grupate restul
celor cinci secțiuni românești;
o în vederea confirmării grupelor de secțiuni de monitoring identificate prin intermediul
analizei de cluster și pentru a determina care dintre indicatorii formelor de nutrienți este cel
mai bun discriminator între grupele spațiale formate, a fost efectuată analiza de discriminare
(AD) ce a utilizat clusterele identificate anterior ca variabile dependente, iar indicatorii formelor
de nutrienți ca variabile independente, ducând la următoarele rezultate: pentru formele de azot,
variabila N-NH4 a fost exclusă din analiza discriminantă, având coeficientul Partial Wilks'
Lambda de 0,888 (> 0,75) și valoarea p de 0,3376 (>0,05). Celelalte două variabile, azotații și
azotul total, au prezentat putere de discriminare semnificativă (p<10-5), cel mai bun clasificator
fiind N Total. Conform valorilor ridicate ale toleranței, cele două variabile nu au fost redundante
în gruparea pe clusterele spațiale. Totodată, în conformitate cu matricea corectitudinii clasificării,
s-a constatat că, pe baza celor două variabile cu putere de discriminare semnificativă N-NO3 și N
Total, cele 34 de secțiuni de monitoring au fost încadrate în cele 4 clustere spațiale cu o
corectitudine de 100,0%. Pentru formele de nutrienți pe bază de fosfor, valorile Partial Wilks'
Lambda au arătat că cele două variabile au putere de discriminare semnificativă (p<10-5), cel mai
bun clasificator fiind P Total. De asemenea, valorile toleranței au indicat faptul că cele două
variabile nu sunt redundante în gruparea pe clusterele spațiale testate. Din rezultatele obținute la
matricea corectitudinii de clasificare, s-a constatat că, pe baza formelor de fosfor, cele 42 de
secțiuni de monitoring au fost încadrate în cele 4 clustere spațiale cu o corectitudine totală de
97,6%.
Concluzia generală a obiectivului 1 este că aplicarea tehnicilor statistice multivariate
reprezintă un instrument util și pragmatic de proiecție a strategiilor de monitoring, contribuind
astfel la reducerea setului de indicatori prin evidențierea redundanței informaționale și prin
prognozarea unei reprezentări noi, determinată de formarea unui număr redus, de noi variabile,
necorelate, fără ca informația furnizată să sufere alterări de conținut sau cauzalitate. Totodată,
analiza de cluster și analiza de discriminare contribuie la optimizarea rețelei de monitoring, prin
reducerea numărului de secțiuni pe baza înaltei omogenități din interiorul unui cluster și a
eterogenității între clustere, noile structuri spațiale formate păstrând integralitatea informației
furnizate de rețeaua inițială, dar, în acest mod, informația este obținută cu un cost semnificativ
redus. În plus, pe baza reprezentării scorurilor spațiale furnizate de componentele principale,
într-o rețea de secțiuni de monitoring extinsă sunt identificate potențialele surse de poluare sau
”hot-spoturi”.
48 REZUMAT AL TEZEI DE DOCTORAT
Obiectivul 2: Caracterizarea dinamicii temporale a concentrațiilor de nutrienți de pe tronsonul
inferior al Dunării.
Dinamica temporală a concentrațiilor de nutrienți a fost studiată aplicând metoda analizei
tendinței monotone prin aplicarea testelor parametrice (corelație Pearson dintre concentrație
logaritmată ca variabila dependentă și numărul de zile din perioada considerată ca variabilă
independentă) și non-parametrice (corelație Spearman și testul Mann-Kendall aplicate asupra celor două
variabile menționate și asupra rezidualilor din regresia de tip LOWESS).
Testele efectuate au avut în vedere două situații distincte: prima, în care testele s-au realizat
asupra valorilor de concentrație fără a lua în calcul influența debitului cursului de apă în secțiunea și la
data prelevării și, respectiv a doua situație, în care testele statistice au inclus debitul ca a doua variabilă
independentă, alături de variabila timp (numărul de zile).
Având în vedere periodicitatea de prelevare lunară și că nivelurile concentrațiilor majorității
speciilor chimice prezente în masa apei sunt caracterizate de variații sezoniere semnificative, cauzate de
fluctuațiile sezoniere ale debitelor cursurilor de apă și de procesele biochimice cu caracter periodic,
pentru identificarea cât mai completă a tendințelor de variație a concentrațiilor de nutrienți pe tronsonul
studiat s-a aplicat testul Mann-Kendall de detecție a tendinței concentrațiilor măsurate in fiecare
lună din cele 12, pentru întreaga perioadă studiată.
Prin regresia liniară simplă dintre valorile netransformate sau logaritmate ale
concentrațiilor de nutrienți și variabila timp (numărul de zile) s-a concluzionat că pentru trei din cele
patru secțiuni investigate s-au înregistrat tendințe descrescătoare înalt semnificative statistic
(p<0,001).
Testul non-parametric al corelației de tip Spearman dintre valorile concentrațiilor de
nutrienți și variabila numărul de zile, efectuat la trei niveluri de semnificație statistică (0,05; 0,01 și
0,001), a condus la următoarele rezultate:
- la toate cele patru secțiuni de monitoring investigate, indicatorii formelor de azot (N-NH4,
N-NO2 și N-NO3) au prezentat tendințe descrescătoare înalt semnificative statistic (p<0,001), cu
excepția indicatorului N-NO3 la secțiunea Chiciu; coeficienții de corelație Spearman au fost cuprinși
între -0,203 (N-NO3 la Baziaș) și -0,623 (N-NH4 la Pristol);
- la secțiunile Baziaș, Pristol și Chiciu s-au înregistrat tendințe descrescătoare înalt
semnificative statistic (p<0,001) pentru ambele forme de nutrienți pe bază de fosfor, cu excepția
orto-fosfaților la secțiunea Chiciu, unde tendința descrescătoare a fost semnificativă statistic (p<0,05).
La secțiunea Reni, indicatorul P-PO4 a prezentat tendință foarte semnificativă statistic (p<0,01), dar
pentru indicatorul P Total corelația Spearman s-a dovedit statistic nesemnificativă (p>0,05).
Testul non-parametric Mann-Kendall a arătat că toți cei cinci indicatori testați au prezentat
tendințe descrescătoare de variație, în toate cele patru secțiuni de monitoring, cele mai vizibile
fiind înregistrate pentru formele N-NH4 și N-NO2 la secțiunile Baziaș și Pristol.
Prin regresia liniară multiplă s-a testat influența debitului cursului de apă asupra dinamicii de
variație a concentrațiilor formelor de nutrienți. Rezultatele au demonstrat că pentru toate cele 4 secțiuni
de monitoring, tendințele de evoluție temporală ale concentrațiilor celor cinci forme de nutrienți
au fost semnificativ statistic descrescătoare pe perioada considerată, variabila debit prezentând o
contribuție semnificativă la varianța datelor relativă la secțiune și la specia chimică considerată: în cazul
concentrațiilor N-NH4 la secțiunile Pristol și Chiciu și N-NO3 la toate cele patru secțiuni investigate.
În plus, corelația Spearman a valorilor reziduale din regresia concentrației funcție de debit
și numărul de zile s-a efectuat în scopul validării unei tendințe reale de evoluție a concentrațiilor prin
eliminarea potențialei influențe a debitului de apă asupra dinamicii concentrațiilor de nutrienți. Astfel,
s-a demonstrat că toți coeficienții de corelație Spearman au prezentat valori negative, ceea ce a
confirmat existența tendințelor descrescătoare de variație temporală a rezidualilor, pentru toate
cele 5 forme de nutrienți măsurate în cele 4 secțiuni de monitoring.
Concluzia generală a Obiectivului 2 este că rezultatele aplicării testelor de analiză a tendințelor
de variație a concentrațiilor de nutrienți, atât în cazul în care acestea au fost considerate ca fiind
independente de debitul cursului de apă, cât și în situația în care influența debitului asupra concentrației
a fost eliminată, au demonstrat următoarele:
- indicatorii N-NH4 și N-NO2 au prezentat cele mai accentuate tendințe de scădere, mai vizibile
în secțiunile Baziaș și Pristol, acest fapt putând fi datorat, pe de o parte, scăderii aportului surselor
49 CONCLUZII
punctiforme (ape uzate orășenești provenite din stațiile de epurare) și celor difuze (diminuarea
considerabilă a practicilor agricole intensive bazate pe aplicarea fertilizanților pe bază de azot), cât și
procesului natural de denitrificare din arealul acumulării Porțile de Fier I;
- indicatorul N-NO3 a prezentat cele mai slabe tendințe de scădere, iar la secțiunea Reni,
tendința de variație a fost nesemnificativă statistic, ceea ce indică faptul că dinamica acestui indicator
este caracterizată de etapele specifice ale ciclului său biogeochimic;
- indicatorii nutrienților pe bază de fosfor (P-PO4 și P Total) au fost caracterizați de tendințe de
scădere mai puțin notabile decât cele pe bază de azot, la cele patru secțiuni de monitoring investigate,
cu excepția indicatorului P Total la secțiunea Reni, pentru care nu s-a identificat o tendință statistic
semnificativă de scădere la nivelul de semnificație ales (0,05);
- tendințele sezoniere de variație au prezentat scăderi semnificative și înalt semnificative
statistic pentru toți indicatorii, cu precădere în lunile de primăvară (martie, aprilie) și toamnă (octombrie,
noiembrie), cel mai probabil datorate efectului de diluție determinat de creșterile debitului cursului în
aceste luni;
- rezultatele astfel obținute sunt în concordanță cu cele ale modelului MONERIS, conform cărora
se anticipa o scădere a concentrațiilor nutrienților pe bază de azot în anul 2015, față de anul 2006.
Obiectivul 3: Stabilirea unor valori prag pentru concentrațiile de nutrienți în vederea evaluării
stării ecologice a corpurilor de apă de pe tronsonul inferior al Dunării.
Stabilirea valorilor prag pentru elementele fizico-chimice de calitate din clasa nutrienților a fost
fundamentată pe investigarea relațiilor dintre variabilele considerate ”presiuni” și variabilele de
tip ”răspuns”, cele două tipuri de variabile ce susțin această relație constând din formele de nutrienți și
elementele de calitate biologice considerate sensibile, în speță fitoplancton (FP) și fitobentos (FB),
pentru care au fost disponibile suficiente date de monitoring.
Anterior aplicării metodelor de stabilire a valorilor prag pentru nutrienți prin utilizarea modelelor
de regresie simplă și multiplă, seturile de date primare au făcut obiectul unei analize exploratorii în
vederea eliminării valorilor aberante (corecte din punct de vedere analitic), valori ce ar fi putut avea un
impact negativ asupra tehnicilor statistice de regresie liniară, în sensul modificării pantei liniei de
regresie și implicit a coeficientului de corelație.
Într-o primă etapă, investigarea relației presiune-răspuns dintre nutrienți și indicatorii
elementelor biologice de calitate fitoplancton și fitobentos a fost abordată prin intermediul corelațiilor
bivariate, efectuate pe trei tipuri de seturi de date primare: setul de date complet pentru ambele tipuri
de variabile, setul de date din care au fost excluse valorile aberante și extreme pentru nutrienți și valorile
corespondente acestora pentru indicatorii biologici și setul de date ce conține doar valorile aberante și
extreme pentru nutrienți și valorile corespondente acestora pentru indicatorii biologici.
Din analiza rezultatelor obținute pentru formele de nutrienți și indicatorii biologici din grupa
fitoplanctonului s-a observat că formele pe bază de azot au prezentat corelații relativ reduse cu aceștia,
cea mai notabilă fiind cu abundența numerică bacillariophyceae, eliminarea sau considerarea
exclusivă a valorilor aberante neaducând nici o îmbunătățire în creșterea semnificației relației dintre cele
2 tipuri de variabile investigate. În schimb, nutrienții pe bază de fosfor au produs un gradient de
presiune mai accentuat asupra variabilelor biologice. Astfel, s-a observat că la valori de concentrație
mai mari de 0,110 mg/L P-PO4 și respectiv 0,190 mg/L P, răspunsul biologic pentru clorofilă ”a”, indice
număr taxoni și indice saprob a devenit corelabil cu presiunea într-o măsură suficient de semnificativă,
astfel încât nivelurile respective de concentrație pentru nutrienți să devină niveluri ”candidate” pentru
elaborarea valorilor limită dintre stările ecologice, conform cerințelor DCA; similar, coeficienții de
corelație au indicat o relație redusă între nutrienții pe bază de azot și indicatorii biologici din grupa
fitobentosului, atât în cazul setului complet de date, cât și în cazul în care valorile aberante au fost
eliminate; ceea ce este interesant de remarcat în cazul setului de date format din valorile aberante
pentru orto-fosfați este că, dacă formele de fosfor nu au fost corelate semnificativ cu nici un
indicator biologic, formele de azot investigate (azotații și azotul total) au prezentat corelații cu
indici biologici statistic semnificative mult mai puternice decât în cazul seturilor de date complete.
A doua etapă de investigare a relației presiune-răspuns a constat în studiul regresiei liniare
dintre formele de nutrienți și Metricul Comun de Intercalibrare pentru fitobentos, cunoscut ca
pICM (phytobenthos InterCalibration Metric), în componența căruia intră doi indici caracteristici
50 REZUMAT AL TEZEI DE DOCTORAT
diatomeelor, respectiv Indicele de Poluare Specifică (IPS) și Indicele de Troficitate Rott (ROTT-T),
exprimați în termeni de Rapoarte de Calitate Ecologică (RCE).
Regresia liniară dintre formele de nutrienți și metricul pICM a fost abordată din două
perspective: pe de o parte, predictorul a fost reprezentat de concentrația de nutrienți, iar variabila
dependentă a fost reprezentată de indicele biologic. Pe de altă parte, obiectivul investigativ constând în
estimarea valorii concentrației de nutrienți care este predicționată la un anume nivel al stării
ecologice determinate de elementul de calitate biologic, în a doua situație variabila biologică a devenit
predictor, iar nutrienții variabile dependente.
Regresia multiplă dintre formele de nutrienți și clorofila ”a” și respectiv pICM a fost în
continuare utilizată pentru testarea posibilității de stabilire a valorilor limită pentru formele de nutrienți
prin procedura de trasare a profilului răspunsului predicționat, altfel spus prin optimizarea
răspunsului. Plecând de la funcția de dezirabilitate căreia i s-au atribuit valorile limită ale indicatorilor
biologici ce determină stările ecologice ”foarte bună”, ”bună” și respectiv ”moderată”, prin intermediul
profilurilor de predicție ale variabilei dependente (elementul biologic) s-au propus valorile-prag ale
variabilelor predictoare, în speță ale concentrațiilor de nutrienți ce produc nivelul ”optim” al variabilei
dependente, la nivelul ”optim” al funcției de dezirabilitate.
Concluzia generală a obiectivului 3 este că pe baza modelelor de regresie prezentate – simplă
și multiplă, se poate afirma că stabilirea de valori prag pentru nutrienți care să asigure starea ecologică
”bună” din perspectiva Directivei Cadru Apă necesită existența unei relații cauzale între presiune
(concentrația de nutrienți) și răspuns (elementele de calitate biologice), relație descriptibilă în
termeni statistici. Din cele prezentate, a reieșit că, în cazul setului de date investigat, puterea relației
nutrienți – elemente biologice (în speță fitoplancton și fitobentos) a fost valoric redusă, ceea ce a
determinat dificultăți critice în procesul de stabilire de valori prag pentru factorii de presiune, acest
comportament putând fi explicat prin faptul că răspunsurile biologice pot fi influențate de numeroși alți
factori fizici, chimici și geologici și de variabile intrinseci rezultate din condițiile reale prezente pe
cursurile naturale de apă.
Rezultatele obținute în cadrul acestei teze de doctorat completează într-un mod original și
cuprinzător strategia națională de monitoring al calității apei de pe tronsonul inferior al fluviului
Dunărea, în trei direcții distincte care să asigure îndeplinirea validă a cerințelor legislative în
vigoare:
- valența spațială, prin identificarea unor tipare în interiorul structurii rețelei de
supraveghere a calității apei, oferind un instrument deosebit de util în optimizarea
programelor de monitoring, cu reducerea costurilor, dar fără reducerea amplitudinii
informației rezultate;
- dimensiunea temporală, prin evaluarea dinamicii concentrațiilor de nutrienți pe o perioadă
mai mare de douăzeci de ani, permițând astfel proiectarea viitoarelor programe de
monitoring, adaptate specificității acestei variabilități și consolidarea procesului de
clasificare a stării ecologice a corpurilor de apă de suprafață din bazinul Dunării și, implicit,
a procesului de adoptare a măsurilor de management conexe cu rezultatele analizei de
tendință pe termen mediu și lung;
- revizuirea metodologiei naționale de evaluare a stării ecologice a corpurilor de apă de pe
tronsonul inferior al Dunării din perspectiva elementelor fizico-chimice de calitate din clasa
nutrienților, prin analiza răspunsului biologic critic față de ansamblul formelor de nutrienți
la nivelul trecerii de la starea ”bună” la cea ”moderată” propunându-se valori prag care să
asigure funcționarea ecosistemului și reducerea riscului apariției efectelor adverse asupra
comunităților biologice sensibile din corpul de apă precum și a acelora din zonele situate în
aval.
6. BIBLIOGRAFIE (selecție)
1. Adamkova, J., Hamchevici, C., Literathy P., Makovinska, J. Rauchbuchl, A., Wolf, B. (2003). Five-years Report on Water Quality in Danube River Basin 1996-2000.
2. Adams, M. (1988). The principles of multivariate data analysis. În P. D. Ashurst (Ed.), Analytical Methods of Food Authentication. London, UK: Blackie Academic & Professional.
51 BIBLIOGRAFIE (selecție)
3. Andersen, J. M. (2004). Report on existing methods and relationships linking pressures, chemistry and biology in rivers. REBECCA WP4 Rivers. Deliverable 6.
4. Battegazzore, M., Renoldi, M. (1995). Integrated chemical and biological evaluation of the quality of the river Lambro (Italy). Water Air, Soil Pollution, 83, 375-390.
5. Besse, A. (2007). Indicator value database for European freshwater (Euro-limpacs). Integrated Project to evaluate the Impacts of Global Change on European Freshwater Ecosystems.
6. Birk, S. & Hering, D. (2008). A new procedure for comparing class boundaries of biological assessment methods: a case study from the Danube Basin. Ecological Indicators, 528-539.
7. Black, R., Moran, P. W., Frankforter, J. D. (2011). Response of algal metrics to nutrients and physical factors and identification of nutrient thresholds in agricultural streams. Environmental Monitoring and Assessment, 397-417.
8. Buijs, P. (2006). Development of Operational Tools for Monitoring, Laboratory and Information Management. Objective 3: Options for developing WFD type-specific quality nutrient standards in the Danube River. Environmental Institute, SK.
9. Carstensen, J. (2007). Statistical principles for ecological status classification of Water Framework Directive monitoring data. Marine Pollution Bulletin, 55, 3-15.
10. Cattell, R. (1966). The scree test for the number of factors. Multivariate Behavioral Research, 1, 245-276.
11. Chapman, D. (1992). Water Quality Assessment. (W. a. D. Chapman on behalf of UNESCO, Ed.) London: Chapman & Hall.
12. Clark, J. (2005). Why environmental scientists are becoming baesians. Ecology Letters, 8, 2-14. doi:10.1111/j.1461-0248.2004.00702.x
13. Cleveland, W. (1979). Robust locally weighted regression ans smoothing scatterplots. Journal American Statistic Association, 74, 829-836.
14. Cleveland, W.S.; Devlin, S.J. (1988). Locally Weighted Regression: an approach to regression analysis by local fitting. Journal of American Statistic Association, 83, 596-610.
15. (2009). Common Implementation Strategy for the Water Framework Directive (2000/60/EC): Guidance Document no 23: Guidance Document on Eutrophication Assessment in the context of European Water Policies. http://ec.europa.eu/.
16. Common Implementation Strategy for the Water Framework Directive (2000/60/EC): Guidance Document no 5: Transitional and Coastal Waters. Typology, reference conditions and classification systems. (2003).
17. Common Implementation Strategy for the Water Framework Directive (2000/60/EC): Guidance Document no 7: Monitoring under the Water Framework Directive. (2003).
18. Council Directive 2000/60/EC establishing a framework for Community action in the field of water policy. (2000).
20. Dawe, P. (2006). A statistical evaluation of water quality trends in selected water bodies in Newfoundland and Labrador. Journal of Environmental Engineering Science, 5, 59-73.
52 REZUMAT AL TEZEI DE DOCTORAT
21. De Galan, S., Elskens, M., Goeyens, L., Pollentier, A., Brion, N., Baeyens, W. (2004). Spatial and temporal trends in nutrient concentrations in the Belgian Continental area of the North Sea during the period 1993–2000 . Estuarine, Coastal and Shelf Science, 517-528.
22. Derringer, G. și Suich, R.,. (1980). Simultaneous Optimization of Several Response Variables. Journal of Quality Technology, 12(4), 214-219.
23. Dodds. W.K., Smith, V.H., Lohman. K. (2002). Nitrogen and phosphorus relationships to benthic algal biomass in temperate streams. Canadian Journal of Fisheries and Aquatic Sciences, 59, 865-874.
24. ECOSTAT. (2014). Comparison of approaches to boundaries for nutrients under the Water Framework Directive.
25. Fox, J. (1999). Non-parametric Regression Analysis. Typescript, McMaster University.
26. Friberg, N. (2010). Pressure-Response relationship in stream ecology: introduction and synthesis. Freshwater Biology, 1367-1381.
27. Gazzaz, N. Y. (2012). Characterization of spatial pattern in river water quality using chemometric pattern recognition technique. Marine pollution Bulletin, 64, 688-699.
28. Goodall, C. (2000). A Survey of Smoothing Techniques. Modern Methods of Data Analysis. (J. L. Fox, Ed.)
29. Hair, J. B. (2009). Multivariate Data Analysis. Londra, New York: Perason.
30. Hamchevici, C., Udrea, I. (2013). Improving the sampling strategy of the Joint Danube Survey 3 (2013) by means of multivariate statistical techniques applied on selected physico-chemical and biological data . Environmental Monitoring and Assessment, 9495-9507.
31. Harper, D. (1992). Eutrophication of freshwaters. London: Chapman and Hall.
32. Hatvani, G., I., Kovacs, J., Kovacs, I., S., Jakusch, P., Korponai, J. . (2011). Analysis of long-term water quality change in the Kis-Balaton Water Protection System with time series-, cluster analysis and Wilks' lambda distribution . Ecological Engineering 37, 629-635.
33. Hayton, J.C., Allen D.G., Scarpello, V. (2004). Factor Retention Decision in Exploratory Factor Analysis: a Tutorial on Parallel Analysis”. Organisational Research Methods, 7, 191-205.
34. Helsel D. R. and Hirsch R.M. (2002). Statistical Methods in Water Resources. În Techniques of Water Resources Investigations of the United States geological Survey. Book 4: Hydrological Analysis and Interpretation (pg. 337-370).
35. Hirsch, R. M., Slack, J., R., Smith R.A. (1982). Technique of Trend Analysis for Monthly Quality Data. Water resources Research, 18(1), 107-121.
36. Hotărârea nr. 80/2011 pentru aprobarea Planului național de management aferent porțiunii din bazinul hidrografic internațional al fluviului Dunărea care este cuprinsă în teritoriul României. Monitorul Oficial.
37. Howarth, R. (1988). Nutrient limitation of net primary production in marine ecosystems. Annual Review of Ecology, Evolution, and Systematics, 19, 89-110.
38. http://danubis.icpdr.org/pls/danubis/DANUBIS_DB.DYN_NAVIGATOR.show. Preluat pe decembrie 12, 2013, de pe www.icpdr.org.
53 BIBLIOGRAFIE (selecție)
39. http://documentation.statsoft.com. (2016, December 16). Preluat de pe http://documentation.statsoft.com/STATISTICAHelp.aspx?path=Experimental/Doe/SpecialTopics/SpecialTopicsProfilingPredictedResponsesandResponseDesirability
40. http://eur-lex.europa.eu. (fără an). Preluat pe August 08, 2013, de pe http://eur-lex.europa.eu/oj: http://eur-lex.europa.eu/legal-content/EN/TXT/?uri=uriserv:OJ.L_.2009.201.01.0036.01.ENG
41. http://eur-lex.europa.eu. (2017, July 08). Preluat de pe http://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:31980L0778&from=EN
42. http://www.chemometry.com/Index/Chemometrics.html. (2014, aprilie 18). Preluat de pe http://www.chemometry.com: http://www.chemometry.com/Index/Chemometrics.html
43. http://www.statsoft.com/Products/STATISTICA-Features/Visual-Introduction-to-STATISTICA. (fără an). Preluat de pe www.statsoft.com.
44. http://www.xlstat.com/en/products-solutions.html. Preluat de pe www.excelstat.com.
45. https://www.eecs.qmul.ac.uk/~norman/BBNs/What_is_a_BBN_.htm. (2016, Decembrie 16). Preluat de pe https://www.eecs.qmul.ac.uk.
47. Institutul National de Cecetare-Dezvoltare pentru Protecția Mediului (INCDPM) București. (2008). Studiu privind elaborarea sistemelor de clasificare şi evaluare globală a stării apelor de suprafaţă (râuri, lacuri, ape tranzitorii, ape costiere) conform cerinţelor Directivei Cadru a Apei 2000/60/CEE pe baza elementelor biologice, chimice şi hidromorfo.
48. Institutul National de Cercetare-Dezvoltare pentru Protectia Mediului (INCDPM) Bucuresti. (2010). Studiu privind elaborarea Obiectivelor de Mediu și al sistemului de clasificare a stării apelor de suprafață în conformitate cu prevederile Directivei Cadru Apă. Capitolul: Elemente fizico-chimice suport.
49. Jacoby, W. (2000). Loess, a non-parametric graphical tool for depincting relationship between variables. Electoral Studies, 19, 577-613.
50. Jaruskova, D. Liska, I. (2011). Statistical analysis of trends in organic pollution and pollution by nutri-ents at selected Danube River stations. Journal of Environmental Monitoring, 13, 1435-1445.
51. Johansson, M., Räsänen, K., Merilä, J. (2001). Comparison of nitrate tolerance between different populations of the common frog, Rana temporaria. Aquatic Toxicology, 54, 1-14.
52. Kelly, M. (2016). Scientific development and confirmation of the national method for ecological status assessment of waterbodies (rivers, lakes) based on diatoms (phytobenthos), and completion of the intercalibration exercise. 2. Rivers .
53. Kelly, M., Bennion, H., Burgess, A., Elli, J., Juggins, S., Guthrie, R., Jamieson, J., Adriaenssens, V., Yallop, M. (2009). Uncertainty in ecological status assessments of lakes and rivers using diatoms. Hydrobiologia.
54. Kelly, M.G., Gómez-Rodríguez, C., Kahlert, M., Almeida, S.F.P., Bennett, C., Bottin, M., Delmas. F., Descy, J.-P., Dörflinger,G., Kennedy, B., Marvan, P., Opatrilova,L., Pardo, I., Pfister, P.,
54 REZUMAT AL TEZEI DE DOCTORAT
Rosebery, J., Schneider, S. & Vilbaste, S. (2012). Establishing expectations for pan-European diatom based ecological status assessments. Ecological Indicators, 177-186.
55. Kroiss, H. L. (2004). Report on the ICPDR UNDP/GEF workshop Nutrients as a Transboundary Pressure in the DRB. Sofia.
56. Kroiss, H., Zessner, M., Lampert, C. (2007). Provision of Technical Support on Danube Nutrients. Vienna: UNDP/GEF DRP.
57. Landau, S., Everitt, B.S. . (2004). A Handbook of Statistical Analyses using SPSS. Londra: Chapman & Hall.
58. Legendre, P. & Legendre, L. (2012). Numerical Ecology (ed. Second English edition, Vol. Developments in Environmental Modelling, 20). Elsevier.
59. Lehman E. L. & D’Abrera H. .J M. (1975). Nonparametrics, Statistical Methods Based on Ranks. San Francisco, New York: Holden-Day, McGraw-Hill.
60. Liska, I., Wagner, F., Slobodnik, J. (eds.). (2008). Joint Danube Survey 2, Final Scientific Report. Vienna: ICPDR.
61. Literáthy, P. K.-K. (2002). Joint Danube Survey, Technical Report of the International Commission for the Pro-tection of the Danube River. Vienna: ICPDR.
62. Literáthy, P., Koller-Kreimel, V. & Liska, I. (eds.). (2002). Joint Danube Survey - Technical Report of the International Commission of the Danube River. Vienna.
63. Liu, C. W. (2003). Application of factor analysis in the assessment of groundwater quality in Blackfoot disease area in Taiwan. Science in the Total Environment, 77-89.
64. Magyar, N. H. (2013). Application of multivariate statistical methods in determining spatial changes in water quality in the Austrian part of Neusiedler See. Ecological Engineering, 55, 82-92.
65. Malve, O. și Quian, S. (2006). Estimating Nutrients and chlorophyll a relationship in Finnish Lakes. Environmental Science & technology, 40(24), 7848–7853. doi:10.1021/es061359b
66. Mason, C. a. (1991). Collinearity, Power ad Interpretation of Multiple Regression Analysis. Journal of Marketing Research, 268-280.
67. Mei, K., Liao, L., Zhu, Y., Lu, P. (2014). Evaluation of spatial-temporal variations and trends in surface water quality across a rural-suburba-urban interface. Environmental Science Pollution Research, 21, 8036-8051.
68. Mendiguchia, C., Moreno, C., Galindo-Riaño, M.D., Garcia-Vargas, M. (2004). Using chemometric tools to assess anthropogenic effects in river water, a case study: Guadalquivir River (Spain). Analytica Chimica Acta, 515, 143-149.
69. Mischke, U. (2016). Milestone 6 Report, Intercalibrating the national classifications of ecological status, Biological Quality Element: Phytoplankton.
70. Moe, J. (2007). Statistical and Modelling methods for assessing the relationship between ecological and chemical status in different lakes and different geographical regions. REBECCA Delirable 12.
55 BIBLIOGRAFIE (selecție)
71. Moe, J. P. (2007). REBECCA Deliverable 12 Statistical and modelling methods for assessing the relationship between ecological and chemical status in different lake types and different geographical regions.
72. Ouyang, Y. (2005). Application of principal component and factor analysis to evaluate surface water quality monitoring network. Water Research, 39, 2621–2635.
73. Phillips, G. K. (2017). Best Practice Guide on establishing nutrients concentrations to support good ecological status.
74. Phillips, G. P.-A. (2015). A comparison of European freshwater nutrient boundaries used for the Water Framework Directive. A report to ECOSTAT. London: Environmental Change Research Centre University College London.
75. Phillips, G., Birk, S., Bӧhmer, J., Kelly, M., Willby, N. (2015). The use of pressure response relationships between nutrients and biological quality elements as a method for establishing nutrient supporting element boundary values for the Water Framework Directive. Report to Ecostat.
76. Phillips, G., Kelly, M., Salas, F., Teixeira, H. (2017). Best Practice Guide on establishing nutrient concentration to support good ecological status. Draft for circulation to ECOSTAT and Nutrients Experts.
77. Phillips, G., Pitt, J-A. (2015). A comparison of European freshwater nutrient boundaries: A report to ECOSTAT.
78. Phung, D. H. (2015). Temporal and spatial assessment of river surface water quality using multivariate statistical techniques: a case study in Can Tho City, a Mekong Delta area, Vietnam. Environmental Monitoring and Assessment, 187(5).
79. Popovici, M. (2015). Nutrient Management in the Danube River Basin. În I. Liska (Ed.), The Danube River Basin in The Handbook of Environmental Chemistry (Vol. 39, pg. 23-38), Springer.
80. Robertson, D.M., Graczyk, D.J., Garrison, P.J., Wang, L., LaLiberte, G., Bannerman, R. (2006). Nutrient concentrations and their relations to the biotic integrity of wadeable streams in Wisconsin. U.S. Geological Survey Professional Paper 1722, 139 p. Preluat pe Martie 15, 2016
81. Robertson, D.M., Graczyk, D.J., Garrison, P.J., Wang, L., LaLiberte, G., Bannerman, R.,. (2006). Nutrient concentrations and their relations to the biotic integrity of wadeable streams in Wisconsin. U.S. Geological Survey Professional Paper.
82. Salmi, T., Maatta, A., Anttila, P., Ruoho-Airola, T., Amnel, T. (2002). Detecting Trends of Annual Values of Atmospheric Pollutants By The Mann-Kendall. Helsinki: Finnish Meteorological Institute.
83. Schreiber, H. C. (2003). Harmonised Inventory of Point and Diffuse Emissions of Nitrogen and Phosphorus for a Transboundary River Basin. Berlin: Durchführende Institution Leibniz-Institut für Gewässerökologie und Binnenfischerei im Forschungsverbund.
84. Scott, G., Crunkilton, R.L. (2000). Acute and chronic toxicity of nitrate to fathead minnows (Pimephales promelas), Ceriodaphnia dubia and Daphnia magna. Environmental Toxicology and Chemistry, 19, 2918-2922.
56 REZUMAT AL TEZEI DE DOCTORAT
85. Singh, K. P., Malik, A., Sinha, S. (2005). Water quality assessment and apportionment of pollution sources of Gomti River (India) using multivariate statistical tehnques: a case study. Analitica Chimica Acta, 355-374.
86. Slobodnik, Jaroslav; Hoebart, Alexander; Buijs, Paul; Makovinska, Jarmila. (2005). Development of operational tools for monitoring, laboratory and information management, UNDP GEF, Danube Regional Project.
87. Stevenson, R.J., Pinowska, A., Albertin, A., Sckman, J.O. (2007). Ecological condition of algae and nutrients in Florida springs: The Synthesis Report. Tallahassee, FL.: Prepared for the Florida Department of Environmental Protection, 58 pp.
88. Stumm, W., Morgan, J.J. (1996). Aquatic chemistry. 3rd edition. New York: John Wiley and Sons.
89. Tabachnick, B.G. și Fidell, L.S. (2007). Using multivariate statistics (ed. 5). Londra, New York: Pearson.
90. Tett, P., Heaney, S.I. & Droop, M.R. (1985). The Redfield Ratio and phytoplankton growth rate. Journal of the Marine Biological Association of the U.K, 65, 487-504.
91. Ujvari, I. (1972). Geografia Apelor României. Editura Științifică.
92. US-EPA. (2000). Nutrient Criteria. Technical Guidance Manual Lakes and Reservoirs. First Edition. EPA-822-B00-001.
93. van Gils, J. (2015). The Danube Water Quality Model and Its Application in the Danube River Basin in The Handbook of Envirnhemistrymental C (ed. 61-83, Vol. The Danube River Basin). (I. Liska, Ed.) Springer.
94. Ward, J. J. (1963). Hierarchical Grouping to Optimize an Objective Function. Journal of American Statistical Association, 58, 236-244.
95. Water Quality in the Danube River Basin, Yearbook (1996-2012). Vienna: International Commission for Protection of the Danube River.
96. Wilcox, R. (2005a). Outliers in Encyclopedia of Statistics in Behavioral Sciences (Vol. 3). (D. H. B.S. Everitt, Ed.) Hoboken: John Wiley & Sons, Inc.
97. Williams, K.A.W., Green, D.W.J., Pascoe, D. (1986). Studies on the acute toxicity of pollutants to freshwater macroinvertebrates 3. Ammonia. Archiv fur Hydrobiologie, 106, 61-70.
98. Wold, S. (1995). Chemometrics; what do we mean with it and what do we want from it. Chemometrics and Intelligent Laboratory System, 30(1), 109-115.
99. Wunderlin, D.A., Diaz, M., Ame, M., V., Pesce, S., F., Hued, A., C., Bistoni M. (2001). Pattern Recognition Techniques for the Evaluation of the Spatial and Temporal Variations in Water Quality. A case study: Suquia River Basin (Cordoba-Argentina). Water Research, 35, 2881-2894.
100. www.statsoft.com. (fără an). Preluat pe January 12, 2013, de pe https://www.statsoft.com/Textbook/Cluster-Analysis.