- •М.В. Горшков экологический мониторинг Учебное пособие
- •Введение
- •Курс лекций раздел 1. Научные основы экологического мониторинга
- •Раздел 2. Приоритетные контролируемые параметры природной среды
- •2.1 Контроль качества воздуха
- •2.2 Контроль качества воды
- •2.3 Контроль качества почвы
- •Характеристика почвы по санитарному числу [54]
- •2.4 Контроль качества продуктов питания
- •2.5 Контроль воздействия физических факторов
- •2.6 Контроль воздействия ксенобиотиков
- •2.7 Контроль воздействия неорганических соединений
- •Раздел 3. Виды мониторинга и пути его реализации
- •Уровни мониторинга [12]
- •Раздел 4. Фоновый мониторинг. Методы отбора и консервации проб
- •4.1 Отбор проб атмосферного воздуха
- •4.2 Отбор проб воды
- •Способы консервации, особенности отбора и хранения проб [30]
- •4.3 Отбор проб почвы
- •Раздел 5. Всемирная метеорологическая организация и международный мониторинг загрязнения биосферы
- •Раздел 6. Национальный мониторинг российской федерации
- •Раздел 7. Региональный мониторинг
- •Раздел 8. Локальный мониторинг
- •Раздел 9. Медико-экологический мониторинг
- •Раздел 10. Основы биологического мониторинга
- •10.1 Биоиндикация
- •10.2 Оценка биологического разнообразия
- •Шкала обилия Друде и шкала обилия Хульта (балльная)
- •Тема 11. Мониторинг радиационного загрязнения природной среды
- •Классификация радионуклидов по степени биологического воздействия
- •Тема 12. Автоматизированные системы контроля окружающей среды (аскос)
- •12.1 Аэрокосмический мониторинг и данные дистанционного зондирования
- •1 Канал (голубой):
- •6 Канал (длинноволновый инфракрасный или тепловой):
- •7 Канал (средний, или коротковолновый инфракрасный):
- •8 Канал (панхроматический - 4,3,2):
- •12.2 Моделирование процессов и применение геоинформационных систем
- •12.3 Интеллектуальные системы для целей экологического мониторинга
- •12.3 Экологические информационные системы
- •Список использованной литературы для курса лекций
- •Интернет ресурсы:
- •Практикум тема 1. Оценка приоритетных контролируемых параметров природной среды
- •Пробы воды реки Амур
- •Лабораторная работа №1.
- •Тема 2. Статистическая обработка экологических результатов
- •2.1 Описательная статистика
- •2.2 Параметрические и непараметрические критерии
- •2.3 Графическое представление данных
- •2.4 Статистическая связь. Корреляционный анализ
- •2.5 Дисперсионный анализ
- •Логическая схема однофакторного дисперсионного комплекса
- •Лабораторная работа №2.
- •2.6 Регрессионный анализ
- •2.7 Анализ временных рядов
- •Тема 3. Биологический мониторинг и оценка интегральных экологических показателей
- •3.1 Биоиндикация
- •Лабораторная работа №3.
- •3.2 Оценка биологического разнообразия сообществ
- •Лабораторная работа №4.
- •Тема 4. Информационные технологии для экологического мониторинга
- •4.1 Пакет статистических программ Statistica
- •Состав и температура проб воды Амурского и Уссурийского заливов (Дулепов, Лескова, 2006)
- •4.2 Редактор электронных таблиц ms Excel
- •Тема 5. Локальный экологический мониторинг. Эколого-инженерная документация
- •5.1 Технологии очистки от загрязнений Воздух
- •Список использованной литературы при подготовке практикума
- •Приложения к курсу лекций
- •Предельно допустимые концентрации наиболее распространенных экотоксикантов в воздухе (Шелковников, 2007).
- •Предельно допустимые концентрации наиболее распространенных экотоксикантов в воде (Шелковников, 2007).
- •Предельно допустимые концентрации наиболее распространенных экотоксикантов в почве (Шелковников, 2007).
- •Приложение к практикуму Матрица пересечения для водорослей-макрофитов залива Восток (Японское море), рассчитано по данным в.Ф. Макиенко (1975)
- •Матрица пересечений для ботанического памятника природы «Приморский комплекс», рассчитано в.П. Селедца (2005)
- •Матрица пересечения для водорослей-макрофитов дв побережья России, рассчитано по данным н.Г. Клочковой (1997)
- •Оглавление
2.3 Графическое представление данных
Современную науку невозможно представить без применения графического представления данных. Самые различные формы графического представления уже давно стали средством научного обобщения. Выразительность, доходчивость, лаконичность, универсальность, обозримость графических изображений сделали их незаменимыми в исследовательской работе и при сопоставлении природных явлений, а также в качестве промежуточных ориентиров при вычислениях.
Впервые о технике составления статистических графиков видимо упоминается в работе английского экономиста У. Плейфейра «Коммерческий и политический атлас», опубликованной в 1786 году и положившей начало развитию приёмов и методов графического изображения статистических данных.
При построении графического изображения следует соблюдать ряд требований. Прежде всего, график должен быть достаточно наглядным, так как весь смысл графического изображения как метода анализа в том и состоит, чтобы наглядно изобразить статистические показатели. Кроме того, график должен быть выразительным, доходчивым и понятным.
Для выполнения вышеперечисленных требований каждый график должен включать ряд основных элементов:
Графический образ (основа графика). Совокупность точек, фигур, линий и других геометрических знаков, с помощью которых изображаются статистические показатели.
Поле графика. Часть плоскости, где расположены графические образы.
Пространственные ориентиры графика. Данный компонент задаётся в виде системы координатных сеток. Наиболее распространена система прямоугольных координат.
Масштабные ориентиры. Определяются масштабом и системой масштабных шкал. Масштабом называют меру перевода числовой величины в графическую. Масштабной шкалой называют линию, отдельные точки которой могут быть прочитаны как определённые числа.
Экспликация. Представляет словесное описание описания своего содержания. Включает название графика, подписи шкал и пояснения к отдельным частям графика.
Классификация графиков
Существует огромное количество вариантов классификации: по решаемым задачам, по способу построения (диаграммы, статистические карты).
Линейные графики. Представлены в виде точек, соединённых линиями.
Диаграммы. Наиболее часто используемые графики после классических линейных. Диаграммы облегчают предварительное изучение первоначальных данных.
Диаграммы рассеяния. Служат для визуальной оценки распределения объектов статистической совокупности. Объекты совокупности представлены в виде точек между осями координат.
Линейные диаграммы. Для характеристики динамики (то есть изменения во времени). По оси X – отрезки времени, а по оси Y уровни ряда динамики или темпы изменения. Точки соединяются в виде ломаной линии. Являются некоторым развитием идеи линейных графиков.
Столбчатые диаграммы. Столбцы имеют основание и высоту, пропорционально числовым значениям признака.
Секторные диаграммы. Используются для анализа структуры. Обычно используют круговые диаграммы, реже в качестве основной фигуры используется прямоугольник.
Диаграммы размаха. Так называемые «ящики-усы». Показывают на одном графике диапазоны значений переменной. Часто используют для визуализации значений медианы и квартилей выборки.
Статистические карты. Используют для оценки географического размещения явлений. Они включают картограммы и картодиаграммы.
Картограммы. Показывают территориальное распределение признака по отдельным районам. Фоновые картограммы разной густотой окраски (или цветом) характеризуют распределение признака на территории. На точечной картограмме каждой точке соответствует одно и то же принятое числовое значение. Фоновые показывают относительные величины, а точечные – абсолютные.
Картодиаграмма – сочетание карты и диаграммы.
Трёхмерные графики. Дублируют все двухмерные. Применяются или в виде макетов или в виде компьютерного изображения.
Графики поверхности. Применяются для выявления взаимосвязей между большим количеством переменных. Также применяются в картографии.
Пиктографики. Наблюдения или отдельные испытания представлены в виде картинок со многими элементами (лица Чернова, контуры).
Даже всё перечисленное не охватывает полностью всего разнообразия графического представления. Существует еще немалое число специфичных графиков: это различные объекты теории графов и топологии, визуализация некоторых многомерных статистических отношений (например, кластерный анализ, факторный анализ и т.п.), методов ординации, структуры некоторых систем искусственного интеллекта и прочее.