Содержание к диссертации
Введение
Глава 1. Обзор современных методик для мониторинга атмосферных выпадений и оценки источников загрязнения 11
1.1 Атмосферный воздух и источники загрязнения 11
1.2 Методы исследования элементного состава атмосферы 15
1.2.1 Аспирационные методы исследования атмосферного воздуха 16
1.2.2 Седиментационные методы 18
1.3 Биомониторинг 20
1.4 Методы элементного анализа биологических образцов 23
1.4.1 Атомно-абсорбционная спектрометрия 26
1.4.2 Нейтронный активационный анализ 27
1.4.3 Масс-спектрометрия 28
1.4.4 Сравнительная характеристика методов элементного анализа 29
1.5 Обзор современных моделей для определения и характеристики источников загрязнения 31
1.5.1 Дисперсионные модели 31
1.5.2 Модели сохранения масс 33
1.5.3 Многомерные модели 37
1.6 Геоинформационные системы (ГИС) 40
1.6.1 Зарубежные ГИС 43
1.6.2 Отечественные ГИС 45
1.6.3 Программный комплекс ГИС ИНТЕГРО 46
Заключение по Главе 1 50
Глава 2. Методика определения локальных вариаций в данных пространственного биомониторинга 52
2.1 Отношение сигнал/шум в биомониторинге 53
2.2 Локальная точка 54
2.3 Локальные вариации 55
2.3.1 Гомогенизация образцов 55
2.3.2 Локальная выборка 56
2.3.3 Локальная точка и площадь исследования 58
2.4 Определение локальной вариации данных с использованием кригинг-интерполяции 59
Заключение по главе 2 63
Глава 3. Комплексная методика и геоинформационная технология оценки источников загрязнения воздуха на основе анализа данных биомониторинга атмосферных выпадений и ГИС моделирования 64
3.1 Подготовка входной информации 64
3.2 Факторный анализ 66
3.3 Моделирование данных методом Монте-Карло 73
3.4 ГИС-моделирование 75
3.5 Идентификация источников загрязнения 80
3.6 Программное обеспечение 81
Заключение к главе 3 82
Глава 4. Результаты апробации разработанной технологии для биомониторинга атмосферных выпадений на Южном Урале 83
4.1 Краткая эколого-географическая характеристика Челябинской области 84
4.1.1 Общая характеристика промышленности 84
4.1.2 Оценка экологической ситуации 85
4.2 Пробоотбор мха и почвы на Южном Урале 88
4.2.1 Пробоотбор мха 89
4.2.2 Пробоотбор почвы 93
4.3 Нейтронный активационный анализ образцов мха и почвы 93
4.3.1 ИНАА образцов мхов и почвы 94
4.4 Атомно-абсорбционная спектрометрия (ААС) 97
4.4.1 ААС образцов мхов и почвы 97
4.5 Радиометрия 97
4.6 Контроль качества и достоверность аналитических результатов.. 98
4.7 Элементный состав атмосферных выпадений на Южном Урале.. 99
4.8 Оценка источников загрязнения атмосферных выпадений на
Южном Урале 103
Заключение к главе 4 109
Список литературы 111
- Методы исследования элементного состава атмосферы
- Локальная точка
- Факторный анализ
- Общая характеристика промышленности
Введение к работе
На сегодняшний день проблемы техногенных выбросов и дальнейшей миграции в трофических цепях различных загрязняющих веществ принадлежат к самым актуальным. Один из наиболее опасных источников загрязнения окружающей среды - выбросы в атмосферу. Поэтому мониторинг техногенной нагрузки на воздушную среду является важнейшей задачей устойчивого развития экосистем. Особенно актуальна данная задача для промышленно развитых регионов с интенсивным и разнородным воздействием на окружающую среду. В этих условиях требуется комплексный учет многих факторов, влияющих на качество атмосферы. Каждый из этих факторов имеет свои специфические особенности, что приводит к необходимости использования для их учета разных математических моделей и баз данных.
Один из способов оценки и контроля техногенной нагрузки на воздушную среду — это мониторинг пространственно-временной изменчивости элементного состава атмосферных выпадений и распределения природных и техногенных эмиссий от конкретных источников загрязнения. Выпадения загрязнителей на поверхность почвы или растительности измеряют либо in situ, анализируя собранные сухие и влажные атмосферные осадки, либо путем пробоотбора и анализа биосубстратов, подверженных атмосферным выпадениям (биомониторинг).
Важным информационным звеном системы мониторинга и прогноза загрязнения атмосферы является геоинформационная подсистема (ГИС), которая обеспечивает ввод, обработку, интерпретацию и отображение пространственно-привязанных данных для их эффективного анализа и
решения задач моделирования экологической ситуации. Специфической
особенностью ГИС является тесная интеграция модулей, обеспечивающих ведение геоинформационной базы данных, с модулями математического моделирования загрязнения атмосферы. Используемая математическая модель получает исходные данные из базы данных ГИС, а результаты ее работы заносятся обратно в эту базу в виде соответствующих картографических и фактографических информационных слоев.
Однако в методической и технологической части этих задач до сих пор остаются определенные проблемы. Недостаточно проработаны вопросы количественного описания исследуемых факторов, оценки точности их расчета и математический аппарат для их обработки. Стандартные ГИС, используемые в качестве программно-аналитического обеспечения исследовательских и производственных проектов, несмотря на широкий круг функциональных возможностей, требуют дополнительной адаптации к особенностям геоэкологических задач.
Всем этим определяется актуальность разработки методики и геоинформационной технологии оценки источников загрязнения на основе данных мониторинга атмосферных выпадений.
Целью настоящей работы является создание методики и геоинформационной технологии оценки регионального загрязнения территорий и его источников на основе данных биомониторинга атмосферы.
Для достижения заданной цели в диссертационной работе последовательно решены следующие основные задачи.
1) Обзор и анализ существующих методик мониторинга распространения техногенных эмиссий в атмосфере и оценки источников загрязнения и определение возможностей информационных технологий в их реализации.
Разработка способа расчета локальных вариаций наблюдаемых параметров в данных пространственного биомониторинга на основе ГИС-методов;
Создание комплексной методики и геоинформационной технологии оценки источников загрязнения территории на основе рецепторной (факторной) модели пространственного распределения атмосферных выпадений, метода вариаций Монте-Карло исходных данных (алгоритмы обработки данных) и ГИС-технологий с учетом локальных вариаций признакового пространства.
Апробация методики и программно-технологического обеспечения на примере биомониторинга атмосферных выпадений тяжелых металлов (ТМ), радионуклидов (РН) и других элементов. Идентификация источников загрязнения на территории с интенсивным антропогенным воздействием (Челябинская и юг Свердловской обл., Южный Урал).
Научная новизна.
Впервые предложен способ расчета локальных вариаций в данных пространственного биомониторинга на основе ГИС- методов интерполяции.
Создана комплексная методика и геоинформационная технология оценки источников загрязнения на основе ГИС, факторного анализа и метода вариаций Монте-Карло с учетом локальных вариаций признакового пространства.
Уточнены данные о пространственных распределениях 35 химических элементов, включая редкоземельные и рассеянные элементы, в атмосферных выпадениях и поля загрязнения идентифицированных техногенных и природных источников на Южном Урале на основе
созданного геоинформационного проекта «Геоэкологический атлас Южного Урала».
Практическая значимость.
Разработанная технология нашла применение в научно-исследовательском проекте МАГАТЭ: "Биомониторинг атмосферных выпадений тяжелых металлов и радионуклидов в Челябинской области (Урал, Россия): временные и пространственные тренды". В результате апробации получены уточненные данные о пространственном распределении 35 химических элементов (в том числе радионуклидов) в атмосферных выпадениях и полей загрязнения идентифицированных источников загрязнения на Южном Урале.
Апробация работы.
Разработанная технология апробирована в научно-исследовательском проекте МАГАТЭ: "Биомониторинг атмосферных выпадений тяжелых металлов и радионуклидов в Челябинской области (Урал, Россия): временные и пространственные тренды".
Основные результаты диссертации докладывались: на III - VII научных конференциях молодых ученых и специалистов (г. Дубна, 1998-2003), на международных конференциях "Nuclear Analytical Methods in the Life Sciences" (Antalya, Turkey, 2002) и "Environmental Physics" (Minya, Egypt, 2004), на X-XII международных семинарах по взаимодействию нейтронов с ядрами, "International Seminars Fundamental Interactions & Neutrons, Nuclear Structure, Ultracold Neutrons, Related Topics" (г. Дубна, 2002-2004), на международных совещаниях НАТО "Мониторинг природных и техногенных отходов радионуклидов и тяжелых металлов в окружающей среде" (г. Дубна,
1999-2000), на координационных совещаниях МАГАТЭ "Validation and Application of Plants as Biomonitors of Trace Element Atmospheric Pollution, Analyzed by Nuclear and Related Techniques" (Lisbon, Portugal, 2002) и на первом координационном совещании по перспективам развития наук о жизни в ядерных центрах (Riviera, Golden Sand, Bulgaria, 2003).
Работа "Изучение атмосферных выпадений тяжелых металлов и радионуклидов на Южном Урале" была удостоена второй премии ОИЯИ на Конкурсе работ молодых ученых ОИЯИ на VII конференции молодых ученых и специалистов (г.Дубна, 3-8 февраля 2003 г.). Цикл работ по биомониторингу атмосферных выпадений тяжелых металлов с участием Л.И. Смирнова удостоен первой Премии на конкурсе лучших работ ОИЯИ 2003 года в номинации "Научно-технические прикладные исследования".
Публикации и личный вклад автора в решение проблемы.
Диссертация основана на методических и технологических исследованиях, выполненных автором в период с 1999-2006 г. Основные экспериментальные данные получены автором, включая анализ образцов методами нейтронного активационного анализа и гамма-спектрометрии, а также разработку методики и геоинформационной технологии оценки источников загрязнения на основе ГИС-моделирования, факторного анализа и метода вариаций Монте-Карло с учетом локальных вариаций признакового пространства. Разработка карты пробоотбора, опробование, атомно-абсорбционная спектрометрия проводилась совместно с к.ф-м.н. М.В. Фронтасьевой, д-ром Э. Стайнесом, д.т.н. В.Д. Черчинцевым, к.г-м.н. СМ. Ляпуновым. По результатам выполненных исследований автором опубликовано 9 печатных работ, в том числе две статьи опубликованы в «Journal of Radioanalytical and Nuclear Chemistry» и две в журналах,
рекомендованных ВАК Министерства образования и науки РФ («Геоинформатика» и «Атомная энергия»).
Структура и объем работы.
Диссертация состоит из введения, четырех глав, заключения, списка литературы и двух приложений. Работа содержит 103 страниц текста, включая 18 таблиц, 15 графиков и 40 рисунков и список литературы из 83 наименований.
Диссертация выполнена под научным руководством д.т.н. проф. Черемисиной Е.Н., которой автор выражает глубокую благодарность, а также благодарит научного консультанта, к.ф-м.н. Фронтасьеву М.В., д.т.н. Черчинцева В.Д., д-ра Стейннеса Э., д-ра Волтербика X., к.г-м.н. Ляпунова СМ., Павлова С.С. за консультации и помощь в работе.
Методы исследования элементного состава атмосферы
К настоящему времени общеизвестны три основных метода исследования загрязнений атмосферного воздуха, как тяжелыми металлами, так и другими приоритетными загрязнителями: 1) аспирационный, основанный на просасывании через фильтры определенного объема воздуха; 2) седиментационный, в основе которого лежит изучение аэрозолей, выпавших на специальные планшеты (сухие выпадения) и анализ атмосферных осадков (мокрые выпадения); 3) биомониторинг, основанный на использовании биологических объектов. 1.2.1 Аспирационные методы исследования атмосферного воздуха.
Для отбора проб воздуха используются электроаспираторы, пылесосы и другие приборы и устройства, пропускающие воздух, а также устройства, регистрирующие объем пропускаемого воздуха (реометры, ротаметры и другие расходомеры). В результате пропускания воздуха через поглотительный прибор осуществляется концентрирование анализируемого вещества в поглотительной среде. Для достоверного определения концентрации вещества расход воздуха должен составлять десятки и сотни литров в минуту. Пробы подразделяются на разовые (период отбора 20-30 мин) и средние суточные (определяются путем усреднения не менее четырех разовых проб атмосферного воздуха, отобранных через равные промежутки времени в течение суток) [31].
Существующая в нашей стране сеть наблюдений загрязнения атмосферного воздуха включает посты ручного отбора проб воздуха и автоматизированные системы наблюдений и контроля окружающей среды (АНКОС). Посты наблюдений загрязнения могут быть стационарными, маршрутными и передвижными (подфакельными) [15].
В настоящее время в сеть мониторинга атмосферного воздуха включено 260 городов, в которых работает 710 станций, осуществляющих систематическую проверку. Регулярные наблюдения проводятся в 226 городах на 649 станциях [19]. Кроме непосредственно данных о концентрации примесей, собираются сведения о метеорологических условиях, о местоположении промышленных предприятий и их выбросах, о методах измерений и т.п. На основе этих данных, их анализа и обработки готовятся Ежегодники состояния загрязнения атмосферы на соответствующей территории [20].
Координация наблюдений за уровнем тяжелых металлов и других загрязнителей воздуха в городах Российской Федерации проводятся территориальными органами Федеральной службы России по гидрометеорологии и мониторингу окружающей среды (Росгидромета).
Распространение аэрозолей на большие расстояния изучается на сети базовых и региональных станций, а также станций комплексного фонового мониторинга. Как правило, фоновые наблюдения по специальной программе фонового экологического мониторинга проводятся в биосферных заповедниках и заповедных территориях [19]. В лабораториях производятся анализы на основные загрязняющие вещества (пыль, S02, N02, СО, Pb, Hg, Cd, As и др.) и на специфические вещества, характерные для промышленных выбросов на данной территории. Кроме измерения состояния загрязнения атмосферного воздуха, на фоновых станциях производятся также метеорологические измерения. Программа фонового экологического мониторинга включает также определение фонового уровня загрязняющих веществ антропогенного происхождения во всех средах, включая биоту [25, 31].
В программу наблюдений на фоновых станциях также включено исследование атмосферных осадков (в том числе и снеговых). В них определяются следующие ингредиенты: SO42", N03", НС03", NH44", CI", Na+, Са2+, Mg2+, К+. На ряде станций осуществляется элементный анализ осадков [28].
Сеть фоновых станций, расположенная на территории нашей страны, включена в Глобальную систему мониторинга окружающей среды (ГСМОС), функционирующую в соответствии с программой ООН по проблемам окружающей среды под эгидой ЮНЕП [18].
На основе аспирационных методов исследований воздушных загрязнений, только в России разработаны ПДК более чем для 200 различных загрязняющих веществ [5], т.е. установлены нормативы их содержания в \м воздуха как максимально разовые, так и среднесуточные. Вместе с тем следует отметить, что аспирационные методы очень трудоемки в смысле отбора проб, требуют специальной аппаратуры. Использование их для территориальных характеристик требует значительного расширения сети наблюдений, а для получения оценок за длительные промежутки времени -многократного отбора проб воздуха [4].
Локальная точка
На практике планирование плотности сетки пробоотбора в пространственном биомониторинге основано на имеющихся технических, финансовых и временных ресурсах. В некоторых случаях априорная информация об исследуемой территории позволяет создать нерегулярную сетку с увеличением плотности точек в местах более интересных исследователю. Например, в промышленно развитых районах плотность точек может быть выше, чем на остальной территории пробоотбора. Кроме того, возможно планирование пробоотбора «на месте» если имеются сложности с обнаружением необходимого биомонитора. Эти факторы приводят к нерегулярности сетки пробоотбора и/или использованию разных видов биомонитора. Очевидно, что риск при использовании разных видов биомониторов значительно выше, чем при изменении сетки пробоотбора. Погрешность возникаемая в случае использования различных биомониторов может достигать 50% и даже более. В процессе проведения пространственного биомониторинга можно выделить две основные проблемы, одна из которых - выбор точки пробоотбора и вторая -репрезентативность выборки. Далее рассмотрены вопросы, связанные с репрезентативностью выборки в локальной точке. Описаны методы интерполяции, основанные на получении желаемой информации о локальной точке на основе анализа соседних точек.
Для анализа качества исследования при помощи локальной вариации необходимо рассмотреть вопросы точности и воспроизводимости результатов в локальной точке. В большинстве работ, посвященных пространственному биомониторингу, информация о воспроизводимости результатов в точке априорно недоступна, так как образцы, собранные на локальной площадке смешиваются в один общий образец для проведения дальнейшего анализа. Зачастую результаты, полученные в локальной точке на основе небольшого числа образцов не дают достоверной информации о ее репрезентативности в сетке пробоотбора. Подразумевая некоторый уровень гомогенности, наблюдаемые величины могут быть частью локального нормального распределения, но небольшое число образцов, объединяемых в единый образец, может привести к не всегда корректному определению среднего и дисперсии в точке.
Объединение образцов в один заключается в их смешивании и измельчении перед аналитическими процедурами, основанное на предположении об инвариантности результатов смешивания в полном гомогенизированном образце. Для проверки данной методики Волтербик и Вербург [97] отобрали 32 образца древесной коры на локальной площадке в Нидерландах. Анализировались содержания некоторых элементов в этих образцах, а также в 32 образцах, которые отбирались после смешивания исходных образцов.
В последних работах посвященных пространственному биомониторингу загрязнения атмосферы, для определения локальной вариации использовалась методика отбора раздельного анализа пяти образцов [98]. Изучались как локальные средние значения, так и их дисперсии. Для проверки данного подхода отобирали 25 образцов мхов и 25 образцов почвы на локальной площадке на Южном Урале в районе г. Магнитогорска (см. табл. 2.2). Локальные популяции концентраций элементов были оценены из полной совокупности данных методом бутстрепа. Бутстреп-метод, предложенный в 1977 году Б. Эфроном, является одним из методов рандомизированной обработки данных. Сущность данного метода состоит в том, что по имеющимся наблюдениям за случайной величиной моделируется процесс их получения следующим образом. Предполагается, что имеющиеся N значений образуют генеральную совокупность, из которой извлекаются выборки с возвращением объема N с равными вероятностями (1/N) извлечения каждого значения. Всего извлекается В выборок, по каждой из них строится оценка интересующего параметра исходной случайной величины, а затем полученные оценки усредняются. В нашем случае из всех образцов 500 раз случайным образом выбиралось 5. Совпадение бутстреп-оценки и исходных данных в пределах погрешностей позволяет сделать вывод о достаточности выборки пяти образцов в единичной точке пробоотбора.
Средние значения и стандартные отклонения концентраций элементов в локальной точке (мг/кг). В таблице 2.3 приведены средние и максимальные дисперсионные отношения F, на которые нужно умножить локальную дисперсию для совместимости с реальной локальной популяцией концентрации элементов. Применение t-теста Стьюдента предполагает строгий контроль результатов каждой выборки, хотя качество исследования зависит только от локальной вариации. В таблице 2 также приведено число событий Е, в которых F ф 1. Из результатов, приведенных в таблице 2.3 можно заключить, что выборка, состоящая из 5 образцов, удовлетворительно описывает популяцию в 90% случаев. В оставшихся 10% случаев появляется существенное отклонение характеристик выборки от популяции (напр. для As в 33 [7% от 500] выборках F Ф 1 и макс F =32).
Факторный анализ
В основу пятого этапа технологии положена рецепторная многомерная модель. Рецепторные модели основаны на измерении параметров аэрозоля в точках-рецепторах и определении вкладов различных источников, используя известные композиции аэрозоля на выходе из источника и в рецепторе. В основе всех рецепторных моделей, разработанных для определения источников загрязнения и их вкладов в рецепторе, лежит простой закон сохранения масс. Если р - число источников, ау - концентрация элемента / в источнике j, Sj -вклад j-ro источника в точке-рецепторе, то концентрация элемента / в точке наблюдения у будет равна : Однако, в данном виде модель не учитывает локальных факторов влияющих на значения параметров и в основном зависящих от технологии планирования и пробоотбора.
Для учета неопределенностей предложено использовать следующую модель: где z0. - стандартизированная концентрация j-ro (j=l,...n) элемента в 1-ой точке (i=l,...N), определяется как линейная сумма m общих независимых факторов (источников); а.к - факторные нагрузки, представляющие корреляцию j-ro элемента с фактором к и определяющие состав фактора;/и - значение фактора к в і-ой точке, определяет вклад каждого фактора в каждой точке; d}ufi - остаточная погрешность, которая не объясняется выбранными m факторами. В матричном виде факторная модель записывается так: Z=AF + DU.
Учитывая существование m общих независимых факторов, матрица А находится методом главных компонентов, который состоит в сингулярном разложении редуцированной матрицы корреляций исходных признаков (концентраций). Однако, значения нагрузок как и значения факторов могут принимать как положительные так и отрицательные значения. Для того, чтобы можно было использовать результаты факторного анализа для оценки состава источников загрязнения и их влияния на ту или иную точку наблюдения необходимо преобразовать матрицу нагрузок А в матрицу В при помощи матрицы поворота R, B=AR. Преобразование должно удовлетворять следующим требованиям: а) матрица факторных нагрузок не должна содержать отрицательных величин (очевидно источник не выделяет отрицательное количество какого либо элемента); б) матрица факторных нагрузок должна объяснять исходные корреляции в наборе данных.
Полученные после преобразования данные (матрица факторных нагрузок) имеет только математический смысл. Для получения количественной оценки (сравнение отношений концентраций элементов в факторе) необходимо перевести факторные нагрузки в область концентраций. Так как данные, используемые в факторном анализе, стандартизированы, то необходимо умножить полученные нагрузки на исходное стандартное отклонение каждого элемента. Затем необходимо привести сумму этих значений для каждого из факторов к одному знаменателю (табл. 3.3).
Так как концентрации элементов могут отличаться на порядок величины, то для лучшей интерпретируемости результатов предложена следующая методика: 1) По результатам факторного анализа, находится элемент с наибольшей факторной нагрузкой, который является базисным для данного фактора. 2) Остальные факторные нагрузки нормализуются следующим образом: с (В) = - J- 100% ав к - факторная нагрузка базисного элемента; ав, сг; - стандартные отклонения базисного и определяемого элемента; с/В) - отношение содержания j-ro элемента к содержанию базисного элемента. Следующим шагом является определение значений факторов в каждой точке наблюдения. Для этого использовался метод наименьших квадратов.
Соответственно, значения факторов также могут оказаться положительными и отрицательными. Для достижения неотрицательности значений производился сдвиг матрицы факторных значений, в соответствии с которым наибольшее по модулю отрицательное значение принималось за нулевое с последующим сдвигом остальных значений на эту величину.
Общая характеристика промышленности
Челябинская область занимает 5-е место в России по объемам выпускаемой промышленной продукции. Здесь находятся крупнейшие в мире Магнитогорский металлургический комбинат, предприятие «Мечел» ,также на территории области расположено ПО «Маяк», которое принимает и перерабатывает отработанное ядерное топливо от 6-ти из 8 -ми АЭС РФ и АЭС других стран. Таких уникальных предприятий, как ПО «Маяк», в мире насчитывается всего три.
Челябинск - крупнейший промышленный центр. Его продукция известна во всех областях и республиках бывшего СССР поставляется во многие страны мира. Город поставляет приблизительно 1\3 ферросплавов и проката, более 60% нержавеющей стали и около 40% дорожных машин.
В пределах Челябинской области находятся менее крупные города, имеющие, однако, важное значение для промышленности России. На их территории расположены предприятия известные во всей стране и за ее пределами. Вот только некоторые из них: «УралАз» (производство автомобилей), ПО «Маяк» (хранение и переработка отработанного ядерного топлива) - г. Озерск, ОАО «Коркинский разрез» (добыча бурого угля), комбинат «Магнезит» (производство огнеупоров) - г. Сатка, «Медеплавильный комбинат» - г. Карабаш, «Завод металлоконструкций» - г. Златоуст. Перечень производств можно вести бесконечно, только на территории Челябинска насчитывается 130 предприятий государственного значения и это на площади в приблизительно 500 км. Площадь всей области составляет 87,9 тыс. км.
По объемам выбросов загрязняющих веществ от стационарных источников в атмосферу Челябинская область занимает 3-е место после Красноярского края и Свердловской области. По объему образующихся токсичных отходов область опережает все субъекты РФ (15,1 млн. тонн в год).
Радиоактивное загрязнение Челябинской области и радиоэкологическая обстановка на ее территории обусловлены в основном деятельностью производственного объединения «Маяк» Минатома России. В начальный период проектирования и строительства атомного комплекса вопросам окружающей среды и защиты населения от облучения не уделялось внимания. Сброс радиоактивных технологических отходов был предусмотрен в реку Течу. В 1949-1956 гг. сброс жидких радиоактивных отходов в открытую гидрографическую сеть - речную систему Теча - Исеть - Тобол составил 76 млн. куб. м сточных вод общей активностью 2,75 млн. Ки.
В сентябре 1957 года в результате химического взрыва емкости с радиоактивными отходами из хранилища были выброшены радионуклиды общей активностью 20 млн. Ки, 2 млн. из которых поднялись в атмосферу и образовали облако, прошедшее над территорией Челябинской, Свердловской, Тюменской областей и образовавшее Восточно-Уральский радиоактивный след (ВУРС) (рис. 4.1). Общая площадь загрязненной территории в пределах Челябинской области в границах от 0,1 Ки / кв. км. по стронцию-90 составляет 23000 кв. км.
Третья аварийная ситуация возникла летом 1967 г. и была связана с пылевым переносом радионуклидов с обсохшей береговой полосы водоема Карачай - одного из открытых хранилищ жидких радиоактивных отходов на промплощадке ПО «Маяк». Территория этого радиоактивного следа составила 2700 кв. км, где было расположено 63 населенных пункта с населением 41,5 тыс. человек. К настоящему времени на территории ПО «Маяк» сконцентрировано более 500 тыс. тонн твердых радиоактивных отходов и около 380 млн. куб. м жидких отходов суммарной активностью более 1 млрд. Ки (при аварии на Чернобыльской АЭС было выброшено 50 млн. Ки). продолжается насыщение радионуклидами подземных вод, окружающих открытые водоемы - хранилища среднеактивных отходов. Для снижения последствий радиоактивного загрязнения территории в результате сбросов в р. Течу и образования ВУРСа в конце 50-х - начале 60-х годов был выполнен комплекс организационных и инженерно- технических мероприятий.
Несмотря на значительный объем реабилитационных работ ПО «Маяк» продолжает оставаться потенциально опасным источником радиоактивного загрязнения окружающей среды и радиационного облучения.
Для определения атмосферных выпадений тяжелых металлов и других элементов на Южном Урале был проведен сбор мхов-биомониоров и образцов почвы в Челябинской и Свердловской области. На рисунке 4.2 представлены карты пробоотбора мхов и почвы в Челябинской и Свердловской области. Образцы мха собирались в период 1998-2001 г (Челябинская область) и 1999 г (Свердловская область). Пробоотбор мхов и почв включает 76 и 65 точек, соответственно. В тридцати точках (№1-30) пробы мхов и почвы были взяты одновременно с одних и тех же площадок. На севере Челябинской области и юге Свердловской пробоотбор достаточно равномерный с шагом 20-30 км. В центре и на юге Челябинской области были взяты только 13 образцов почвы и 7 образцов мха. Это связано с тем фактом, что данный регион можно считать фоновым, так как мала антропогенная нагрузка (не считая Магнитогорского металлургического комбината). Основные положения методики сбора мхов Плотность сети пробоотбора должна быть не меньше 1,5 точки на 1000 км2. Для более тщательного определения распределения атмосферных выпадений элементов на территории плотность пробоотбора может быть выше. Преимущественно использовать виды мха Pleurozium schreberi, в его отсутствие - Hylocomium splendens. Допускается использование других видов с предварительным сравнением их способности удерживать элементы и калибровкой относительно основных видов.
