本研究开发了一种示踪方法,使生态系统管理者能够识别和分配非点源污染。这种知识在引导稀缺资源用于改善水质方面是无价的。提出的研究是有效的,因为它适应了目前用于识别原始环境中的自然化学源和流动路径的成熟方法,将其应用于景观中的污染源。目的是演示端元混合分析(EMMA)的效用,以识别和量化多个非点源对康涅狄格流域河流污染负荷的相对贡献。来源(末端成员)包括降水、干沉积、化粪池、漏水的污水管道、街道排水、草坪化学品、屋顶径流、农业和风化。大多数提出的示踪剂是常规测量的,以使该方法尽可能广泛地适用。为了提高该方法的可靠性,正在确定和评估其他新的示踪剂。
在8个端元源和若干受影响的河流中测量和评价了29种示踪剂。追踪器是SO4
2-, Cl-, Na+K+、钙2+、镁2+、SiO2, HCO3-/ANC, DOC,电导率,Br-,我-F-,李+, Rb+,老2+H2签证官4-,的MoO4
2-H3.薄3., Ni, Cu, Zn, UO2(CO3.)2
2-,CLO4-, Pd,咖啡因,布洛芬,35S和多环芳烃,但在最终的示踪方法中只使用它们的一个最佳子集(≈12)。(许多示踪剂可以同时测量,因此分析的数量比清单上所列的要少。)此外,两种污染物(NO3-以评价示踪剂法识别其来源的能力。数据综合包括主成分分析(确定数据的秩)、多元线性回归、回归过程中明确考虑端元组成的不确定度、端元的后向估计、替代测试和确定示踪剂最佳子集的灵敏度分析。
支持NOAA - 康涅狄格海助学计划