Znečištění oceánů: Grafy a statistiky

Celé ostrovy volně plujících plastů hyzdí světové oceány. Celkem se jedná o více než 268 000 tun plastového odpadu. A to jde pouze o váhu plastů plovoucích na hladině, celkové množství plastů včetně těch na dně moře, je odhadem 150 milionů tun!

A pro ty z vás, kteří si to stále nedokáží představit - jedná se o 5,2 bilionu plastových kusů! Alarmující stav moří a oceánů zjistili během celkem 24 výprav realizovaných v letech 2007 až 2013 vědci v čele s oceánografem Marcusem Eriksenem.

Další studie totiž odhadují, že až 70 % plastů končí na mořském dně, a to dokonce až 6 000 metrů pod hladinou. Na jižní polokouli je pak nejznečištěnějším místem Indický oceán.

Jistě jste někdy slyšeli o Velké tichomořské odpadkové skvrně, která si „brázdí“ vody Tichého oceánu. Jedná se o těžko uvěřitelných 96 400 tun plastového odpadu (1 990 mld. kusů plastu). Co do velikosti následuje ostrov v Indickém oceánu (59 130 tun, 1 300 mld. kusů), těsně stíhaný ostrovem v severním Atlantiku (56 470 tun, 930 mld. kusů). Další ostrovy nalezneme ve Středozemním moři (23 150 tun, 247 mld. kusů), v jižní části Tichého oceánu (21 020 tun, 491 mld. kusů) a v jižním Atlantiku (12 780 tun, 297 mld.

Více než polovina všech plastů, které skončí v mořích, pochází z Číny, Indonésie, Filipín, Thajska či Vietnamu. Tři čtvrtiny plastu pocházejícího z těchto zemí je odpad, který lidé jen tak vyhodí ven. Většina lidí totiž nemá možnost využívat komplexní systém pro zpětný odběr obalů, jako je tomu v ČR.

Čtěte také: Životní Prostředí a jeho Znečištění

Neházejme však veškerou vinu na jiné kontinenty. Ani lidé v některých evropských státech se příliš neobtěžují s tříděním odpadu, který by pak mohl být recyklován. Německá studie z loňského roku uvádí, že 90 % veškerého plastu přitéká do oceánů z deseti velkých řek.

Časopis Scientific Reports odhaduje, že např. Mikroplasty tvoří celých 92 % z více než pěti bilionů kusů plastového odpadu. Ptáte se, jaký druh plastového odpadu hraje v mořích prim? U větších kusů se pak jedná o zubní kartáčky, skákací míče, plastové láhve a pantofle.

Tragédií je, že mikroplasty jsou všude. Dokonce i v tělech mořských živočichů, kteří pak končí na našich talířích.

Jednoduchá rovnice: velký vliv má omezení používání plastů. Mnoho zemí a společností již přistoupilo k regulaci některých jednorázových plastových výrobků, případně k jejich naprostému nahrazení šetrnější variantou. Další příklady jsou nasnadě - igelitové tašky - ty byly nejen v ČR zpoplatněny.

V některých zemích platí dokonce absolutní zákaz jejich používání.

Čtěte také: Druhy dopravy a znečištění vody

Znečištění vod v České republice

Voda je nezbytným přírodním zdrojem pro přežití, jejíž čistotu a kvalitu však výrazně ovlivňuje lidská činnost. Znečištění vod ovlivňuje nejen volnočasové aktivity, ale i náklady výroby pitné vody a celkovou kvalitu vodních ekosystémů.

Česká republika se zavázala v následujícím desetiletí naplňovat evropské politiky v oblasti čištění odpadních vod ze sídel a zajišťovat určitou kvalitu (stav) všech vodních útvarů (viz Rámcová směrnice vodní politiky č. 2000/60/ES). Zde prezentovaný výzkum se zaměřuje na otázku, zda došlo ke skutečnému zlepšení kvality vod díky investicím do výstavby čistíren odpadních vod. Analýza je provedena na datech z monitorovacího systému Operačního programu Životní prostředí 2007-2013 a na datech o znečištění celkovým fosforem a fosforečnany, měřeným Povodím Vltavy, s.p.

Významnými bodovými zdroji znečištění jsou odpadní vody z lidských sídel zatěžující vodní prostředí nadměrným přísunem živin (zejména fosforem a dusíkem). Kvalita životního prostředí se v České republice za posledních 25 let výrazně zlepšila a přes 97 % odpadních vod vypouštěných do kanalizace je čištěno (CENIA, 2013). Přesto vývoj hodnot koncentrací znečištění povrchových vod fosforem a jeho sloučeninami ukazuje, že mezi roky 2010 a 2012 došlo k jeho zvýšení a v případě koncentrací N-NO3- ve vodních tocích ČR oscilují hodnoty znečištění kolem hodnoty roku 2003 a nedochází tedy k jejich výraznějšímu snižování (CENIA, 2013: 61).

Na evropské úrovni je naplňován dlouhodobý cíl v podobě vybudování kanalizační sítě a čistíren odpadních vod. Nyní vyvstává otázka, zda došlo ke skutečnému zlepšení situace a snížení znečištění. Díky hodnocení ex-ante lze předpokládat, že výsledků bude dosaženo za rozumnou cenu, nicméně ex-post hodnocení v podobě hodnocení dopadů programů rigorózními metodami není obvyklé, aby tyto závěry potvrdilo či vyvrátilo. Evropská komise proto vyjádřila požadavek provádět dopadové evaluace v evropských politikách. Pro oblast podpor Evropských strukturálních a investičních fondů (ESIF), které jsou v centru našeho výzkumného zájmu, je v Nařízení č. Náš příspěvek se zaměřuje právě tímto směrem. Jeho cílem je statistickými metodami ověřit, zda investice do čistíren odpadních vod vedou k signifikantnímu snížení znečištění povrchových vod.

Zkušenosti s evaluacemi jako takovými získává česká veřejná správa a evaluátoři postupně, zejména od dob realizace programu Phare. S nástupem Strukturálních fondů a rozšiřováním mezinárodní rozvojové spolupráce se více a více rozšiřuje i obecné povědomí a praktické zkušenosti s evaluacemi. Relativně pomalé pronikání evaluačních technik jako součást veřejných výdajových programů v České republice je patrné po celou dobu od předvstupního období do dneška (Burns a Yoo, 2002, Radoš a Kaufmann, 2009, Potluka, Brůha a Vozár, 2013). Nicméně i v dalších evropských zemích nebylo obvyklé vyhodnocovat dopady programů na ochranu životního prostředí (Frondel a Schmidt, 2005).

Čtěte také: Hlukové znečištění a velryby

Zde představený výzkum chce pomoci zacelit tuto mezeru a aplikací statistických metod otestovat, jaké byly dopady investic výše uvedeného programu na kvalitu povrchových vod. Další text je členěn následujícím způsobem. První část představuje důvody pro evaluaci investic do ČOV a výzvy s tím spojené. Ve druhé části diskutujeme problematiku znečištění povrchových vod a důsledky, které znečištění může mít. Třetí kapitola popisuje použitá data a metody, včetně jejich zdrojů. Čtvrtá část textu prezentuje pozitivní dopady investic na kvalitu povrchových vod dané sníženými koncentracemi fosforu.

Proč evaluovat investice do ČOV?

Nadměrný přísun živin (fosforu a dusíku) do povrchových vod způsobuje problém eutrofizace, tj. přemnožení sinic a následného odumírání jiných vodních organismů v důsledku nedostatku rozpuštěného kyslíku. Povrchová voda se stává obtížněji využitelnou jako zdroj pro výrobu pitné vody a je nevhodná ke koupání. Dle řady studií (např. Schindler, 2006) a politických dokumentů je eutrofizace považována za jeden z hlavních problémů kvality povrchových vod.

Živiny se do vody dostávají ze zemědělských hnojiv a kanalizačních splašků, které jsou do vody splachovány z polí a lidských sídel. Podíl jednotlivých faktorů se mění v závislosti na typu území a sociálně-ekonomické charakteristiky populace, ale velmi často představuje hlavní faktor špatný stav infrastruktury (čistírny odpadních vod). Stavby kanalizačních sítí nebo čistíren odpadních vod (či jejich modernizace) v obcích byla propagována jako důležitá opatření pro snížení znečištění vod v evropském měřítku. Od 90. let 20. století byla tato priorita vyjádřena ve Směrnici 91/271/EHS o čištění městských odpadních vod.

Použitá data a metody

Hodnocení provádíme na OP ŽP 2007-2013. Tento program je zaměřen na ochranu a zlepšování kvality životního prostředí v ČR (MŽP, 2012). První prioritní osa tohoto programu je zaměřena na zlepšování vodohospodářské infrastruktury a snižování rizika povodní. Cílem této prioritní osy je zlepšení stavu povrchových a podzemních vod, zabezpečení dodávek zdravotně nezávadné pitné vody pro obyvatelstvo a snižování rizika povodní (MŽP, 2012: 96). Mezi podporované aktivity patří výstavba, rekonstrukce a intenzifikace městských ČOV a výstavba, rekonstrukce a dostavba stokových systémů.

Pro zde prezentovaný výzkum byla použita data jednak z monitorovacího systému OP ŽP, a také od Povodí Vltavy, s.p. Pro oblast snížení znečištění vod tak disponujeme informacemi o 1121 projektech za celou Českou republiku, z nichž jsme vybrali projekty realizované v povodí Vltavy (doba jejich realizace je uvedena v tabulce č. 1). Zároveň také disponujeme informacemi o všech obcích v ČR z databáze CEDR III a ČSÚ. Databáze CEDR III obsahuje informace o dotacích vyplácených skrze státní rozpočet České republiky a zahrnuje i informace o investicích do ČOV, které předcházely OP ŽP, či byly financovány souběžně s OP ŽP, ale z jiných zdrojů. Povodí Vltavy, s.p. poskytlo data o kvalitě povrchových vod, ve kterých bylo identifikováno, kdy a na jakém odběrném profilu byla hodnota změřena. Čistota vody byla měřena pomocí koncentrací znečišťujících látek celkový fosfor (mg/l) a fosforečnany (mg/l).

Relativně nízký vzorek projektů vybraných z celkového počtu byl způsoben požadavkem, aby mezi ukončením projektu (tedy uvedením ČOV do provozu) a dostupnými daty z monitoringu kvality vod byl minimální časový odstup 6 měsíců. Do datového vzorku jsme použili pouze odběrné profily, které měly všechna sledovaná data k dispozici a zároveň vzdálenost ČOV od odběrného profilu nebyl vyšší než 20 km. To je sice poměrně velká vzdálenost, nicméně zde stojí evaluace před rozhodnutím, zda volit větší vzdálenost s tím, že zkoumaný vzorek bude větší, nebo vzdálenost zkrátit za cenu snížení rozsahu vzorku. Zde jsme se přiklonili k použití této vzdálenosti, byť jsme si vědomi toho, že data z měrného profilu u ČOV by byla nejvhodnější.

Přesnost analýzy by bylo možné zvýšit zahrnutím průtoků do testovaných modelů. Touto informaci však Povodí Vltavy, s.p. nedisponuje. Validnost analýzy tím však není ohrožena. Aby tomu tak bylo, muselo by být většina ČOV zprovozněna v období, kdy byly průtoky výrazně jiné, než před zprovozněním. Jinými slovy, muselo by zprovoznění ČOV korelovat se změnou průtoku. Vzhledem k tomu, že je zprovozňování rozprostřeno v delším časovém úseku, je toto nepravděpodobné. Při znalosti průtoků by metoda poskytla přesnější výsledky. Tuto situaci však nepovažujeme za systematické zkreslení.

kde Xipost je průměrná koncentrace pro i-tou měřící stanici v období po uvedení ČOV do provozu a Xipre je průměrná koncentrace v období před uvedením příslušné ČOV do provozu, Zi jsou dodatečné proměnné (jakými jsou vzdálenost čidla od ČOV a počet obyvatel sídla, v němž se ČOV nachází) a ei jsou náhodné chyby. Symbol ln značí přirozený logaritmus, uvažujeme tedy regresi v logaritmickém tvaru.

Pro obě sledované látky není žádná z uvažovaných dodatečných proměnných signifikantní, proto je z rovnice vylučujeme. Výsledná regresní rovnice odhaduje tedy pouze parametr β, který udává, o kolik procent klesla koncentrace znečištění po zprovoznění ČOV. Koncentrace fosforu celkového tedy v průměru klesly o 8 %, kdežto koncentrace fosforečnanů klesly o 11,5 %. Výše uvedené hodnoty jsou statisticky signifikantní na 10% hladině. Uvažovali jsme také regresní rovnici, kde Xipost a Xipre nebyly průměrné hodnoty před a po zprovoznění ČOV, ale hodnoty mediánové.

Stavové modely mají široké použití v kvantitativním výzkumu a byly použity také na odhady dopadů opatření politik[1]. Jako alternativní model jsme uvažovali následující stavový model. ln (Xit) = Tit + Cit + uit. Tit je trendová složka koncentrací, Cit jsou střednědobé fluktuace, které mohou odchylovat skutečné koncentrace od trendu Tit, a uit jsou náhodné složky, např. chyby měření a jiné jednorázové faktory, které také způsobují odchylku měřených koncentrací od trendu. Na rozdíl od cyklických fluktuací Cit je však jejich vliv pouze jednorázový. Stavový model je doplněn předpoklady o dynamice jednotlivých složek.

To znamená, že trend je náhodný s driftem Qit, uTit jsou šoky v trendu,1it je dummy proměnná, která nabírá hodnoty jedna pro období, kdy byla i-tá čistírna spuštěna, γ je parametr, který nás zajímá a musí být odhadnut. Drift Qit je jiná náhodná změna, a o cyklické složce Cit předpokládáme, že se jedná o autoregresní proces řádu dva. Pokud bychom měli model intuitivně vysvětlit, předpokládáme tedy, že uvedení ČOV do provozu permanentně ovlivňuje trendovou (tj. Je vhodné poznamenat, že tento model je flexibilní v tom smyslu, že nepředpokládá konstantní trend: trend se může měnit z řady důvodů (objevení nového zdroje znečištění mezi ČOV a čidlem, autonomní změna např. z důvodu změny využití půdy atd.).

Odhad trendové a cyklické složky je možné provést na základě Kalmanova filtru (Harvey, 1990) a parametry modelu je možné odhadnout buď metodou maximální věrohodnosti, nebo na základě metody minimalizace predikční chyby (Ljung a Sodertrom, 1983). Tento model jsme odhadli pro každou ČOV v naší databázi zvlášť, ale jen tam, kde byl dostatečný počet pozorování a vzdálenost odměrného profilu od ČOV byla menší než 20 km. Můžeme tedy na rozdíl od přístupu výše, který přinesl jenom průměrné výsledky za všechny stanice, zkoumat efekt jednotlivých ČOV. Ukázalo se, že různé ČOV mají velice různý dopad na snížení koncentrace látek. U některých ČOV jsme zaznamenali pokles o cca 1 %, kdežto u jiných ČOV se jedná řádově o desítky procent. Zkoumali jsme, proč tomu tak je. Významným faktorem, který jsme identifikovali, je vzdálenost odměrného profilu od ČOV: Čím menší je tato vzdálenost, tím vyšší je obvykle měřený pokles látek, což je vcelku předpokládatelný výsledek.

Výsledky analýzy ovlivňují další vlivy v ploše povodí, které je v podstatě nemožné podchytit, jako např.

tags: #znečištění #oceánů #grafy #statistiky

Oblíbené příspěvky:

• Znečištění z Turówa: Dopad na Česko
• NON STOP čištění odpadu Rožnov p. R.
• Instalace americké lednice s přípojkami
• Fauna a flóra ve městech v ohrožení
• Emise Prostějov