Details

Autor(en) / Beteiligte

• Krtolica, Ivana
• Ивана, Кртолица Г

Titel

Procena Ekostatusa Rečnih Sistema na Primeru Dunavskog Basena Primenom Modela Veštačkih Neuronskih Mreža

Ort / Verlag

ProQuest Dissertations & Theses

Erscheinungsjahr

2021

Link zum Volltext

• ProQuest

Quelle

ProQuest Dissertations & Theses A&I

Beschreibungen/Notizen

• Određivanje i procena kvaliteta površinskih voda je izuzetno kompleksan zadatak za koji ne postoji utvrđen uniformni algoritam, te je neophodno definisati model za procenu i predikciju kvaliteta voda koji će biti pouzdan, jednostavan, ekonomski opravdan i ekološko-prijateljski orijentisan (engl. eco-friendly oriented).Ekološki status vodenih ekosistema određuje se na osnovu parametara razvrstanih u biološke, hemijske, fizičko-hemijske i hidromorfološke elemente kvaliteta, i može biti kvalifikovan kao odličan, dobar ili umeren ekološki status. Ekološki status reke Dunav, kao jedinstvenog internacionalnog rečnog basena, predstavlja izuzetno važan parametar u oblasti upravljanja vodama.Plan upravljanja za sliv reke Dunav ima za cilj da do 2027. godine dostigne postavljene ciljeve Okvirne Direktive o vodama (engl. Water Frame Directive). U cilju dobijanja pouzdanih i uporedivih podataka neophodnih u procesu planiranja i donošenja adekvatnih mera upravljanja, kao i da bi se pratio efekat donetih odluka, podunavske zemlje u okviru Međunarodne komisije za zaštitu reke Dunav (engl. International Comission for the Protection of the Danube River - ICPDR) organizuju zajednička naučna istraživanja. Оd 2001. - 2013. godine, svake četvrte godine, realizovana su 3 Zajednička istraživanja reke Dunav (engl. Joint Danube Survey), tokom kojih je uzorkovana površinska voda Dunava sa pritokama u cilju sakupljanja svih zvaničnih parametara za procenu kvaliteta voda propisanih od strane Okvirne Direktive o vodama.Еlementi za procenu ekološkog statusa površinskih voda sakupljeni tokom trećeg Zajedničkog istraživanja reke Dunav (Joint Danube Survey 3 – JDS 3) predstavljaju vrednu bazu podataka obrađenu u okviru ove doktorske disertacije u cilju procene ekološkog statusa dunavskog basena. Realizaciju Zajedničkog istraživanja Dunava u okviru treće ekspedicije koordinira Sekretarijat Međunarodne komisije za zaštitu reke Dunav u saradnji sa podunavskim zemljama, a podaci prikupljeni tokom tog istraživanja, su još uvek najnovija dostupna baza podataka vezana za čitav tok dunavskog basena. Makrofite, kao zvanični biološki parametri u proceni ekološkog statusa vodnih ekosistema, izabrane su po prvi put kao ulazne varijable u modelovanju, dok su izlazne varijable bile klase ekološkog statusa određene na osnovu koncentracija reprezentativnih fizičko-hemijskih parametara: rastvorenog kiseonika, nitratnih i ortofosfatnih anjona.Parametri korišćeni u modelovanju primenom modela veštačkih neuronskih mreža prikupljeni su duž čitavog toka Dunava, na 68 mapiranih lokaliteta sa obe strane rečne obale, gde je svaki lokalitet (JDS 1 – JDS 68) obuhvatao 6 km rečnog toka. Za potrebe modelovanja klase ekološkog statusa Dunava kreirana je jedinstvena klasifikacija od 7 klasa ekološkog statusa, koje su određivane na osnovu koncentracija rastvorenog kiseonika, nitratnih i ortofosfatnih anjona.Jedinstven i specifičan doprinos teze „Procena ekostatusa rečnih sistema na primeru dunavskog basena primenom modela veštačkih neuronskih mreža“ je kreiranje modela veštačkih neuronskih mreža koji uspešno prediktuje klase ekološkog statusa rečnih ekosistema na osnovu sastava makrofita na određenom delu rečnog toka. Klase ekološkog statusa određene su na osnovu koncentracija rastvorenog kiseonika, nitratnih i ortofosfatnih anjona. Za sve hemijske parametre korišćene u modelovanju ekološkog statusa reke Dunav dizajniran je jedinstven model veštačke neuronske mreže. Ukupno 3 modela veštačkih neuronskih mreža su generisana, trenirana, testirana i proverena analizom osetljivosti. Za poređenje trofičnosti odabranih indikatorskih vrsta makrofita i onih vrsta makrofita koje je model odredio kao nesignifikantne primenjen je Mann – Whitney test.