Budapesti Műszaki és Gazdaságtudományi Egyetem Vízi Közmű és Környezetmérnöki Tanszék
A VELENCEI-TÓ TÉRBENI VÍZMINŐSÉGVÁLTOZÁSA Tudományos Diákköri Dolgozat
Készítette: Németh Balázs Ákos BME Környezetmérnök V. évfolyam Konzulens: Dr. Szilágyi Ferenc BME VKKT egyetemi docens
Budapest, 2005. október 26.
KÖSZÖNETNYILVÁNÍTÁS Köszönet illeti konzulensemet, Dr. Szilágyi Ferencet, a BME Vízi Közmű és Környezetmérnöki Tanszék egyetemi docensét, aki javaslataival, kritikáival és megjegyzéseivel hozzájárult e dolgozat elkészüléséhez. Köszönet illeti Reskóné Nagy Máriát, a Közép-dunántúli Környezetvédelmi, Természetvédelmi és Vízügyi Felügyelőség Biológiai laboratóriumának vezetőjét, aki a biológiai minták eredményeit rendelkezésemre bocsátotta, és a mintavételt lehetővé tette. Külön köszönet illeti Takács Erzsébetet, a Közép-dunántúli Környezetvédelmi és Vízügyi Igazgatóság munkatársát, aki a mintavételezésben és a biológiai minták elemzésében volt segítségemre. Munkája nagyban hozzájárult TDK dolgozatom elkészüléséhez. Köszönet illeti Kóbor Istvánt, a Közép-dunántúli Környezetvédelmi és Vízügyi Igazgatóság Regionális laboratóriumának osztályvezetőjét a mintavételezésben nyújtott segítségéért. További köszönet illeti Szilágyi Esztert, a BME Vegyészmérnöki Kar környezetmérnök hallgatóját, aki a tavon végzett mérések alkalmával segítségemre volt; Kiss Gábort, a Közép-dunántúli Környezetvédelmi, Természetvédelmi és Vízügyi Felügyelőség munkatársát, valamint Bereczky Ákos okleveles építőmérnököt, akik a SYN-TAX 2000 program alkalmazásához nyújtottak hasznos segítséget.
ÁBRAJEGYZÉK 1. ábra: A Velencei-tó évtizedes vízszint változásai 2. ábra: A velencei-tavi monitoring hálózat 3. ábra: A főkomponens analízis grafikus illusztrációja 4. ábra: Hierarchikus osztályozások ábrázolásának lehetőségei 5. ábra: Algafajok eloszlása a főbb algataxonok között 6. ábra: Algafajok átlagos számának főbb taxonok szerinti eloszlása 7. ábra: Algafajok átlagos számának főbb taxonok szerinti százalékos eloszlása 8. ábra: Algafajok főbb taxonok szerinti eloszlása 9. ábra: Algafajok főbb taxonok szerinti százalékos eloszlása 10. ábra: Centered PCA 11. ábra: PCoA - Euclidean distance – NoSt 12. ábra: PCoA - Euclidean distance – RoV 13. ábra: PCoA - City Block (Manhattan) – NoSt 14. ábra: PCoA - Mean character difference – NoSt 15. ábra: PCoA - Bray-Curtis formula - NoSt 16. ábra: PCoA - Ruzicka index – NoSt 17. ábra: PCoA - Similarity ratio – NoSt 18. ábra: Euclidean distance – NoSt 19. ábra: City Block (Manhattan) – NoSt 20. ábra: Mean character difference – NoSt 21. ábra: Ruzicka index - NoSt 22. ábra: Bray-Curtis - NoSt 23. ábra: Similarity ratio - NoSt
TÁBLÁZATOK JEGYZÉKE 1. táblázat: A Velencei-tó évi átlagos vízháztartási mérlege 1970-2003. 2. táblázat: Jellemző vízállások a Velencei-tavon 3. táblázat: A Velencei-tó geometriai adatai 4. táblázat: A műszaki beavatkozások hidromorfológiai hatásai 5. táblázat: Tó víztestek száma típus szerint 6. táblázat: A fitoplankton minták mintavételi helyei 7. táblázat: A vizsgált komponensek alap statisztikai adatai 8. táblázat: Az euklidészi távolság ponthalmazai 9. táblázat: A terjedelemmel standardizált euklidészi távolság 10. táblázat: City Block (Manhattan) módszer ponthalmazai 11. táblázat: Az átlagos karaktereltérés módszer ponthalmazai 12. táblázat: A Bray-Curtis formula ponthalmazai 13. táblázat: A Ruzicka-index ponthalmazai 14. táblázat: A hasonlósági hányados ponthalmazai 15. táblázat: A biológiai minták víztestek szerint
TARTALOMJEGYZÉK 1.
BEVEZETÉS ÉS CÉLKITŰZÉS ................................................................................... 1
2.
ANYAG ÉS MÓDSZER .................................................................................................. 3 2.1.
3.
A VELENCEI-TÓ ÁLTALÁNOS JELLEMZÉSE, TIPOLÓGIA ................................................ 3
2.1.1.
Geometriai, hidrológiai és morfológiai jellemzők ............................................. 3
2.1.2.
Meteorológiai jellemzők..................................................................................... 7
2.1.3.
Jelenlegi vízminőségi monitoring hálózat .......................................................... 7
2.1.4.
Tipológiai besorolás........................................................................................... 8
2.2.
MÉRÉSI HELYEK, MINTAVÉTEL, MÉRÉSEK ................................................................... 9
2.3.
AZ ADATOK FELDOLGOZÁSA ..................................................................................... 10
2.4.
STATISZTIKAI ELEMZÉSEK ......................................................................................... 11
2.4.1.
Ordinációs elemzések....................................................................................... 12
2.4.2.
Cluster-elemzés ................................................................................................ 13
2.4.3.
Koefficiensek bemutatása................................................................................. 14
2.4.4.
Az adatok átalakítása, standardizálás.............................................................. 16
EREDMÉNYEK ÉS ÉRTÉKELÉSÜK........................................................................ 17 3.1.
FITOPLANKTON ADATOK ÁLTALÁNOS BEMUTATÁSA ................................................. 17
3.2.
A SZONDAADATOK ÁLTALÁNOS BEMUTATÁSA .......................................................... 20
3.3.
DENDROGRAMOK ÉS SZÓRÁSDIAGRAMOK ELEMZÉSE SZONDAADATOK ALAPJÁN ...... 22
3.4.
DENDROGRAMOK ÉS SZÓRÁSDIAGRAMOK ELEMZÉSE FITOPLANKTON ALAPJÁN ........ 31
4.
KÖVETKEZTETÉSEK, JAVASLATOK ................................................................... 39
5.
IRODALOMJEGYZÉK................................................................................................ 40
6.
MELLÉKLETEK........................................................................................................... 42
1. BEVEZETÉS ÉS CÉLKITŰZÉS A Velencei-tó hazánk harmadik legnagyobb kiterjedésű természetes tava, amely turisztikai-, hasznosíthatósági- és gazdasági szempontból is jelentős (1. kép). A tó és vízgyűjtője évtizedek óta a figyelem középpontjában áll, számos tudományos kutatás tárgya. Mintegy 180 kutatási jelentés és több mint 100 tudományos közlemény született ebben a tárgyban az elmúlt 35 év alatt [SZILÁGYI, 2005]. Unikális élővilágát a múltban nem egyszer fenyegette aszályos időszak, és volt, amikor felülete a mainak háromszorosa volt. Vízminősége, ökológiai állapota mind a mai napig őrzi a mederrendezés, a kiszáradás és az eutrofizálódás nyomait [RESKÓNÉ et al., 2001]. A Víz Keretirányelv (VKI) e tóval kapcsolatos vízgazdálkodást is forradalmian új alapokra helyezi.
1. kép: A Velencei-tó látképe Az EU Víz Keretirányelv 2000. december 22-én lépett életbe. Ez a nap olyan egységes vízvédelmi politika életbe lépését jelentette, amely országhatárokon túlnyúlva a vízgyűjtőkön való koordinált vízgazdálkodás megvalósulását segíti elő. A VKI hozzájárul a vízvédelem harmonizálásához és a vizek terhelésének csökkentéséhez. Különleges jelentősége a vizek védelmének egységes – elsősorban ökológiai – szempontok szerinti, következetes végrehajtása. A VKI lényege az, hogy az emberi vízhasználatot a vízi ökoszisztéma védelmével összehangolja azáltal, hogy a célállapotnak a zavartalan állapottól nem túl távol álló ökológiai állapotot tűzi ki célul („jó állapot”). A „jó állapotot” a zavartalan, referencia állapothoz viszonyítva állapítják meg, melyet legfeljebb csak „nagyon csekély” emberi behatás ért. A „jó állapotot” a „jó ökológiai állapot” és a „jó vízkémiai állapot” határozza meg. Az ökológiai állapotot a biológiai minőségi elemek határozzák meg, melyek függnek a hidromorfológiai és fizikai-kémiai minőségi elemektől. A referencia feltételeket és a kiváló, jó és mérsékelt ökológiai állapotot a VKI határozza meg. [ORBÁN és SZILÁGYI, 2005] A Víz Keretirányelv előírásai szerint az Európai Unió tagállamaiban 2015-ig jó állapotba kell hozni minden olyan felszíni és felszín alatti vizet, amelyek esetén egyáltalán ez lehetséges és fenntarthatóvá kell tenni a jó állapotot. A VKI hatálya minden olyan emberi tevékenységre
1
kiterjed, amely jelentős mértékben kedvezőtlenül befolyásolhatja a vizek állapotát és így akadályozhatja meg a vizek jó állapotának elérését, illetve megőrzését. Nagyon fontos fogalma a Keretirányelvnek a „víztest”. A „víztest” tulajdonképpen a vizek jó állapotba hozására irányuló tevékenységi programok meghatározásának és végrehajtásának legkisebb egysége. A „víztest” jogi fogalom, mert több kis hasonló tulajdonságú állóvíz (pl. holtág), vagy több víztartó, vagy azok egyes részei egy víztestként vehetők figyelembe a VKI előírásának végrehajtásakor. A víztestek kijelölésekor a legfőbb vezérelv az kell, hogy legyen, hogy a kiválasztott víztestek lehetővé tegyék a vizek jó állapotba hozását és a jó állapot megőrzését. Ha szükségtelenül sok víztestet jelölünk ki, ez ésszerűtlenül nagy monitoring igényt és tervezési munka igényt fog jelenteni, kevés víztest kijelölése esetén viszont nem, vagy csak rossz hatékonysággal lehet majd elvégezni a szükséges megfigyeléseket és megtervezni a jó vízállapotok eléréséhez szükséges intézkedési programokat. A VKI előírja, hogy a víztesteknek viszonylag homogénnek kell lenniük, mert csak így biztosítható, hogy a víztestre adott jellemző állapot ténylegesen az egész víztestet reprezentálja, nem csak annak egy kis részét. Ha a víztest heterogén, akkor az is problémát okoz, hogy mi alapján állapítható meg a referencia állapot. Ezen okok miatt a Velencei-tó esetében is vizsgálandó, hogy homogénnek tekinthető-e. Munkám alapját a Közép-dunántúli Környezetvédelmi, Természetvédelmi és Vízügyi Felügyelőségen (KDT KF) jelenleg is folyó vízminőségi monitoring eredményei képezték. Dolgozatom hátterét képező munka célja volt, hogy a VKI igényei szerinti víztest behatárolást [Bereczky, 2005] pontosítsa, azon felül megállapítható legyen, hogy a Velencei-tó VKI szerinti állapotának megítéléséhez elegendő számú mintavételi hellyel rendelkezzen a kiépítendő monitoring rendszer. A munkámat többváltozós statisztikai adatelemzés segítségével végeztem.
2
2. ANYAG ÉS MÓDSZER 2.1. A VELENCEI-TÓ ÁLTALÁNOS JELLEMZÉSE, TIPOLÓGIA A Velencei-tó nyíltvizes és nádassal borított területei nagyon eltérnek egymástól. A nádas borította területek részben madárrezervátumként (Természetvédelmi Terület) működnek, a nyíltvizes területek pedig üdülőtó jelleggel rekreációs célokat szolgálnak [SZILÁGYI et al., 1989]. 2.1.1. Geometriai, hidrológiai és morfológiai jellemzők A tó vízgyűjtő területének nagysága 602,4 km2. A Velencei-tó viszonylag nagy vízgyűjtővel rendelkezik, mert összehasonlítva a Balatonnal, ahol a vízgyűjtő és a tó felületének aránya mindössze 9,5, addig a Velencei-tónál ez az arányszám 24,9. Ennek ellenére a Velencei-tó vízpótlása nem egyenletes, sőt kifejezetten kiegyensúlyozatlan [SZILÁGYI, 2005]. A vízgyűjtő vízfolyásainak többsége időszakos jellegű, tartós lefolyás csak tavasszal, hóolvadáskor, illetve tartós csapadék esetén jön létre [SZABÓ, 1997]. A felszíni vízfolyások részletes ismertetésével jelen dolgozat keretein belül nem foglalkozom, azonban néhány mondatban bemutatom őket. A vízfolyásokkal kapcsolatban részletekbe menő ismertetést ad a KDT VIZIG (1996) tanulmánya, jelen bemutatás során erre a munkára hivatkozom. •
Császár-víz (2. kép) A vízgyűjtő egyetlen állandó vízfolyása, mind a Zámolyi-, mind a Pátkai-tározót táplálja. A Császár-víz hossza 27 490 m, mértékadó vízhozama külterületen 15,0 m3/s, vízgyűjtő területe 380,6 km2. A vízfolyás Pákozd térségében ömlik a Velencei-tóba.
•
Vereb-Pázmándi vízfolyás A Vereb-Pázmándi vízfolyás Vereb községben ered, Pázmánd, Kápolnásnyék és Velence községek érintésével torkollik a Velencei-tó keleti medencéjébe (Fürdető). A vízfolyás hossza 14 700 m, mértékadó vízhozama belterületen 14,9 m3/s, vízgyűjtő területe 113,7 km2. A Vereb-Pázmándi vízfolyás nem állandó, száraz időben előfordul, hogy kiszárad. A vízfolyással jelentős nitrát-terhelés érkezik a tóba, amely a Fürdető területén vízminőségi, eutrofizációs problémákat okoz.
•
Dinnyés-Kajtori csatorna (3. kép) A Dinnyés-Kajtori csatorna a Velencei-tó lefolyása, mesterséges vízfolyás. A tóból kifolyó vizet a vízgyűjtőn kívülre vezeti. A csatorna hossza 26 316 m, mértékadó vízhozama külterületen 15,0 m3/s, vízgyűjtő területe 308,5 km2 (a Velencei-tó nélkül).
3
2. kép: Császár-víz
3. kép: Dinnyés-Kajtori csatorna
A Velencei-tó közvetlen vízgyűjtőjéről összesen 54 ideiglenes vízfolyás (természetes, illetve mesterséges patak, ér, csatorna, árok) vize folyik a tóba. Nagy csapadékesemények alkalmával ezek a kisvízfolyások meglepően nagy mennyiségű vizet szállítanak. Mivel a Vereb-Pázmándi vízfolyás nem állandó, ezért a tó állandó vízpótlást csak a Császárvízből kap. A lápi területre érkező víz rövid úton, a Dinnyés-Kajtori csatornán keresztül hamar el is távozhat a tóból. Így a Császár-víz útja rövidre van zárva. A Vereb-Pázmándi vízfolyás hatása pedig nem terjed ki a tó egészére, emiatt a Velencei-tó egy lefolyástalan állóvíz, nagy felülete és csekély mélysége miatt betöményedik, ami nagyon jól megfigyelhető a magas vezetőképesség értékeken is. A Velencei-tó általános értékelését a meglévő fitoplankton komponensek alapján a 3.1. fejezet, a fizikai-kémiai komponensek alapján a 3.2. fejezet mutatja be. A Velencei-tó legfontosabb vízrajzi adatait a 1. és a 2. táblázat tartalmazza. 1. táblázat: A Velencei-tó évi átlagos vízháztartási mérlege 1970-2003. [KDT KÖVIZIG, 2004a] Vízmérleg elem tó milliméter/év Csapadék 512 Hozzáfolyás 346 Hozzáfolyás tározóból 145 Vízpótlás (1991-1995 között) 16 BEVÉTEL 1019 Párolgás 889 Leeresztés 106 Vízkivétel 40 KIADÁS 1035 Készletváltozás -16 Természetes készletváltozás 114
4
2. táblázat: Jellemző vízállások a Velencei-tavon [SZABÓ, 1997] Legnagyobb vízállás Sokévi közepes vízállás Legalacsonyabb vízállás Legnagyobb évi vízszintingadozá Évi vízszintingadozás Legkisebb évi vízszintingadozás
1931-1970 244 cm 140 cm 63 cm 118 cm 54 cm 34 cm
1971-1996 176 cm 138 cm 71 cm 45 cm 33 cm 16 cm
A Velencei-tó évtizedes vízszint változásait az 1. ábra szemlélteti. Megfigyelhető, hogy az 1990-es évek eleji kritikusan alacsony vízszint a 2000-es évek elején megismétlődött. Ezt az eseményt is egymást követő aszályos évek váltották ki. A 90-es évek eleji állapot megismétlődése mégsem váltotta ki a tó vízpótlását. Ebben valószínűleg az is szerepet játszott, hogy a 2000-es évek elején, a Balatonon is kritikus helyzet alakult ki az alacsony vízállás miatt, mely nagy média visszhangot váltott ki. A Balaton háttérbe szorította a Velencei-tavat, így a vízpótlás ügye ez utóbbinál háttérbe került [SZILÁGYI, 2005].
Évi átlagos vízszintek (1970-2003) 170 160 Vízszint [cm]
150 140 130 120 110 100 1970
1975
1980
1985
1990
1995
1. ábra: A Velencei-tó évtizedes vízszint változásai
5
2000
2005
A tó alapvető geometriai adatai a jogi partvonal meghatározás szempontjából figyelembe vett 160 cm-es agárdi vízmérce vízállása (vízmérce "0" = 102,615 mBf) esetén a következők: a tó területe 24,2 km2, hossza 10,8 km, átlagos szélessége 2,3 km, átlagos mélysége 1,89 m, partvonalának hossza 28,5 km [GEO 1996, SZABÓ 1997]. A tó bentonikusan erősen eutrofizálódott, nádassal benőtt volt a múlt század közepéig. A mederrekonstrukciós munkák befejezése után felületének mintegy 40 %-a továbbra is nádas. A tóban két mesterséges sziget van, a Cserepes-sziget, és a Velencei-sziget. A különböző vízállásokhoz tartozó geometriai adatokat a 3. táblázat mutatja [SZABÓ 1997]. 3. táblázat: A Velencei-tó geometriai adatai [SZABÓ 1997] Vízmélység Tóterület [ km2] Nyíltvíz [km2] Nádas [km2] Térfogat [106m3] 1,99 m 24,23 14,05 10,18 48,18 1,89 m 24,17 14,05 10,12 45,76 1,80 m 24,11 14,05 10,06 43,35 1,70 m 24,03 14,01 10,02 40,94 1,61 m 23,91 13,95 9,96 38,54
Vízállás 170 cm 160 cm 150 cm 140 cm 130 cm
Az 1900-as évek második felében jó néhány olyan beavatkozást végeztek el a tavon, ami a Velencei-tó üdülőtóvá történő alakítását célozta [SZILÁGYI et al., 1989]. •
Mederkotrás, üledék eltávolítása, part feltöltése: A kotrások során összesen mintegy 9 millió m3 iszapot távolítottak el a medencéből. A kikotort iszapból két mesterséges szigetet hoztak létre, valamint a part egy részét is feltöltötték. Ennek következményeként a tó területe néhány évtized alatt 24,6 km2-ről 22 km2-re csökkent (több mint 10% csökkenés).
•
Nádasok területének csökkentése, vízfelületek összenyitása: A nádasok területe néhány évtized alatt 14,2 km2-ről 10,8 km2-re csökkent (24%-os csökkenés).
•
Partvédelem, partvédőművek létrehozása: Partvédőműveket a tó teljes kerületének mintegy 65%-án hoztak létre, az 1990-ig megépült partvédőművek teljes hossza majdnem 11 km volt (4. kép).
4. kép: Betonozott partvédőművek
6
Az 4. táblázat bemutatja, hogy az elvégzett műszaki beavatkozások eredményeként hogyan csökkent a tó illetve a nádasok területe. 4. táblázat: A műszaki beavatkozások hidromorfológiai hatásai [BARANYI és VARGA, 1992]
1970-ig 1980-ig 1990-ig
mederfeltöltés km2 0,310 2,440 2,885
a tó területe és a csökkenés mértéke km2 % 24,61 1,2 22,48 9,8 22,04 11,6
nádasirtás nádasok területe km2 0,357 2,738 3,833
km2 14,263 11,882 10,787
A mederkotrás, partrendezés következtében a Velencei-tó morfológiai-, ökológiai-, parti zonalitás viszonyai jelentősen megváltoztak. A Velencei-tó területe 1995. évi adatok szerint 160 cm-es vízállásnál 24,2 km2, 170 cm-es vízállásnál 24,4 km2, beleértve a Cserepes- és a Velencei-szigeteket is melyek együttes területe 0,4 km2. 2003. évi adatok szerint a nádasok területe 957,3 ha, ami nagyjából a tó területének 40%-a. Nyugati medencéjében helyezkedik el a tómedernek csak elméleti vonallal lehatárolt országos jelentőségű, mintegy 420 ha nagyságú (1958. február 23-ától védetté nyilvánított) természetvédelmi területe, a Madárrezervátum. A Velencei-tó vízszintszabályozása a Császár-vízen megépült – sorba kapcsolt – Zámolyi- és Pátkai-tározó, valamint a tó vízének leeresztésére épült Dinnyési zsilip segítségével történik. A Zámolyitározó zsilipjéig a Császár-víz vízgyűjtője 247,7 km2, a Pátkai-tározó zsilipjéig 350,8 km2, míg a Dinnyési zsilipig a tó teljes vízgyűjtőjével lehet számolni (602,3 km2). [KDT KÖVIZIG, 2004b]. 2.1.2. Meteorológiai jellemzők SZABÓ (1997) szerint a tó környezete viszonylag kiegyensúlyozott éghajlatú időjárási területen fekszik. A Velencei-tó térsége sok éves adatok alapján az ország napfényben gazdag tájai közé tartozik. A napfénytartam az 50 év átlagában meghaladja az évi 2000 órát. Az átlagos levegő hőmérséklet 10,4 °C, átlagos vízhőmérséklet 10,8 °C. Nyári hónapokban az évi átlagos levegő középhőmérséklet 20,6 °C a víz hőmérséklete pedig 20,5 °C. A tó vízhőmérséklete – sekély tó lévén – gyorsan követi a levegőhőmérséklet változásait, Nyáron gyakran eléri a 25-26 °C-t. A jégborítás az elmúlt 50 év átlagában mintegy 45 napot tesz ki, a legnagyobb jégvastagság nyílt vízen elérte már a 0,4-0,45 m-t is, leggyakoribb jégvastagság 0,20-0,25 m. Az uralkodó szélirány ÉÉNy-i, gyakorlatilag merőleges a tó hossztengelyére. Ez a körülmény az áramlási viszonyokat erősen befolyásolja. 2.1.3. Jelenlegi vízminőségi monitoring hálózat A Velencei-tó rendszeres hidrobiológiai kutatása a hatvanas évek végén kezdődött. Célja egyrészről a műszaki beavatkozások hidrobiológiai megalapozása, másrészről, a vízminőségi változások nyomon követése volt [RESKÓNÉ et al., 2001, KDT KF, 2003]. A tavon jelenleg 8 helyen végeznek rendszeres általános monitoringot. Ezek közül 6 helyen biológiai monitoring rendszer is működik. A mérőhálózatot a 2. ábra mutatja be [KDT KF, 7
2003]. Ezen kívül a Velencei-tavon rendszeresen végeznek mélységi víz, üledék, valamint egészségügyi bakteriológiai vizsgálatokat is.
2. ábra: A velencei-tavi monitoring hálózat [KDT KF, 2003] A Velencei-tó vízminőségét leginkább vízgyűjtőjének felszíni vizei alakítják. Jelenlegi vízminősége a rekonstrukció eredménye. Két jól elkülöníthető nagy térséggel rendelkezik, amin belül további vízterek vannak. A tó vízminősége alapján a sós, szikes tavak közé sorolható. Vize a Természetvédelmi Terület környékén a huminanyagok miatt sötét színű, ez egyben egyedi vízminőséget is jelöl. Ezzel függ össze a lápi területek alacsonyabb oldott oxigén tartalma is. Agárdtól kezdődően a víz oldott oxigén tartalma mindenütt magasabb. A Velencei-tó vize növényi tápanyagtartalom alapján jó (MSZ 12749 szerint II. oszt.). A fajlagos vezetőképesség értékeinek alakulása a tó vízmennyiségétől függ, alacsony vízállás esetén a betöményedés miatt az értékek mindig magasabbak, nagy különbség tapasztalható az egyes térségek között (pl. lápi, nyíltvizes területek). A tó vize fitoplanktonban gazdag, trofitása nyugattól kelet felé nő, legmagasabb a Fürdető területén [KDT KF, 2003]. 2.1.4. Tipológiai besorolás A Velencei-tó tipológiai besorolásánál a 2005. évi Nemzeti Jelentést veszem alapul, amely megfelel a Víz Keretirányelv követelményeinek. Korábbi tanulmányok is megpróbálták a Velencei-tavat bizonyos tipológiai rendszerbe besorolni. Részletekbe menő tipológiai besorolást ad a Velencei-tóra például Kiss Gábor 2001-es munkájában [KISS, 2001], azonban ez a besorolás még a Dévai-féle ökológiai vízminősítésen alapszik [DÉVAI, 1992]. Ez esetben a tipológia mást jelent, mint a VKI szerinti tipológia. Az utóbbi csak a morfológiai adatok alapján sorolja típusokba a vizeket. A Nemzeti Jelentés [KvVM, 2005] a vízfolyásokkal kapcsolatban 25, a tóvizekkel kapcsolatban 10 típust különböztet meg. A 10 típus felsorolását az alábbi táblázatban közlöm (5. táblázat). 8
5. táblázat: Tó víztestek száma típus szerint [KvVM, 2005] Típus 1 2 3 4 5 6 7 8 9 10
Típus leírása Víztestek száma Síkvidéki – meszes – 3-15 m mély – nagy – állandó 1 Síkvidéki – szikes – 1-3 m mély – nagy – állandó 1 Síkvidéki – szikes – 1-3 m mély – közepes – állandó 1 Síkvidéki – meszes-szikes – <1 m mély – kicsi – állandó 17 Síkvidéki – meszes-szikes – <1 m mély – kicsi – időszakos 22 Síkvidéki – meszes-szerves – <4 m mély – kicsi – állandó 30 Síkvidéki – szikes – <3 m mély – kicsi – állandó 4 Síkvidéki – meszes – <1,5 m mély – kicsi – időszakos 4 Síkvidéki – meszes-szerves – <3 m mély – kicsi – állandó 16 Síkvidéki – meszes-szerves – <1,5 m mély – kicsi – időszakos 4 Összesen: 100
Tavak esetében az összes 50 hektárnál nagyobb állóvizet önálló víztestként jelölték ki. Magyarországon eszerint nincs olyan állóvíz, amely több víztestből áll. A víztestek között szerepelnek az 50 hektárnál nagyobb vízjárta területek (wetland) is. A víztestként kijelölt mesterséges tavak nem lettek típusba sorolva [KvVM, 2005]. Magyarországon az a gyakorlat, hogy egy tó egy víztestnek felel meg. Ez a megállapítás némely esetekben nem állja meg a helyét. Jó példa erre a Velencei-tó, amely egyrészt nagy felületű nyíltvizes területekből áll, másrészt nem elhanyagolható mértékben sűrű nádas borítja. Nyilvánvaló, hogy a Velencei-tó merőben eltérő vízterei nem sorolhatók egy víztestbe, hiszen nem teljesül a VKI szerinti viszonylagos homogenitás. A tipológia szerinti 3-as típus a Velencei-tavat jelenti. A Velencei-tó és a másik két nagy tavunk önálló tótípust képvisel, egyedülállóak az országban. 2.2. MÉRÉSI HELYEK, MINTAVÉTEL, MÉRÉSEK A Velencei-tavon expedíció jellegű mérést és mintavételezést végeztünk 2005. július 4-7. között. Ez idő alatt a tavon 116 ponton mértünk, mélyég szerint fél méteres lépésekkel. A mérést Hydrolab DataSonde 4 típusú terepi mérőszondával végeztük (5. kép), az adatok rögzítését a Hydrolab Surveyor felszíni egység tárolta. Minden mérési helyen rögzítettük a hely koordinátáit Garmin E-Trex Legend típusú kézi GPS készülékkel. Az egyes mérési helyeket úgy választottuk meg, hogy a területet reprezentatívan lefedje, illetve egymástól 100300 méter távolságban legyenek.
5. kép: Hydrolab DataSonde
9
A mérés során a Hydrolab készülék a következő fizikai-kémiai komponenseket mérte: • • • • • •
Vízhőmérséklet [°C] pH Elektromos fajlagos vezetőképesség [µS/cm] Oldott oxigén koncentráció és telítettség [mg/l; %] Redox-potenciál [mV] Felszíni és felszín alatti fény [µE/m2/s]
A szonda ezeken kívül rögzítette a mérés dátumát, idejét, valamint a vízmélységet is. A mérési helyeken fitoplankton mintavétel is történt, A mintákat barna, felcímkézett üvegekben tároltuk, és Lugol oldattal tartósítottuk. A minták elemzése a mintavétel után azonnal megkezdődött (fajmeghatározás, egyedszámlálás stb.) de a dolgozat megírásáig csak részeredményeket tudtak rendelkezésemre bocsátani. A 116 mérési pont lefedi a Velencei-tó teljes nyílt vizes területeit, illetőleg sok helyen a nádasok közti területen, tisztásokon, csatornákon, átjárókon is mértünk. A mérési helyek egymástól légvonalban 100-300 méter távolságban voltak. A mérési helyek koordinátáit az 1. melléklet tartalmazza, a mérési pontokat a 2. melléklet szemlélteti. 2.3. AZ ADATOK FELDOLGOZÁSA A mérés befejezését követően a Hydrolab Surveyor felszíni egységéből számítógépre töltöttük át az adatokat, majd megkezdtem a nagyszámú adat számítógépes feldolgozását. Az adatok előkészítése során a következőket végeztem el: • • •
•
•
A mérési adatokat és a mintavételi pontokat beazonosítottam és egymáshoz rendeltem őket. Azokat az adatokat, amelyek minden valószínűség szerint mérési hibás eredményeket adtak, kivettem a későbbi feldolgozásból. Mivel a tó elég sekély, ezért a fél méteres lépésközű függély menti mérés nem szolgáltat sok mérési adatot egy pontra. Ezért a későbbiekben pontonként a mélység szerinti átlagokkal dolgoztam. Ez elég jó eredményeket szolgáltat, azonban a redox értékeket néhol eltorzítja, ha a fenék közelében erősen redukált állapotot mértünk. A felszíni fény és a víz alatti fény mért értékeiből kiszámítottam a víz fénykioltási (extinkciós) együtthatóját. A víz alatti fény adatokból azt használtam, amit egy méteres szondamélységnél mértünk, mert ez az adat minden mérési ponton rendelkezésre állt. Fontos azonban azt megemlíteni, hogy a mélységmérő a szonda alján van, a fénymérő pedig a tetején, így a két mélység között kb. 30-40 cm különbség is lehet. 1 I I z = I 0 ⋅ e −ε ⋅ z → ε = − ln z , ahol z a vízmélység (m), I0 a felszíni, Iz a z I0 felszín alatt z mélységben mért fény, ε a extinkciós együttható. Az előző lépések során kapott adatokat a továbbiakban a Syn-Tax 2000 többváltozós adatelemző programcsomag segítségével dolgoztam fel. Az elemzés eredményeit a 3.3. fejezet mutatja be.
10
A kapott eredmények elemzése volt az én feladatom. A fizikai-kémiai komponenseknél ismertetett Syn-Tax 2000 szoftver segítségével ordinációs és klaszter elemzéseket végeztem. Az elemzés eredményeit a 3.4. fejezetben részletezem. A biológiai mintákat feldolgozó szakemberek (Takács Erzsébet, Kóbor István) által meghatározott taxonokat a 3. melléklet mutatja be. Jelen dolgozat elkészítéséig a helyszínen vett minták közül 23 minta elemzését sikerült befejeznie, a továbbiakban ezekkel dolgoztam. A fitoplankton minták jelölése megegyezik a fenti mintavételi helyekkel. A vizsgált minták a következő területeket reprezentálják (6. táblázat, 4. melléklet): 6. táblázat: A fitoplankton minták mintavételi helyei
1; 2; 3; 4; 5; 6; 7 25 36 44 69 90 91 93 101 105 107 108; 109; 110; 111 114 116
A MOHOSZ melletti csónakkikötőtől az autóskempingig A Belső-tisztás keleti oldala és az Égetett-nád között Fürdető Felső-tó Vaskapu Kopolya Vendel-tisztás ÉK-i vége Német-tisztás, Tari-tisztás Vendel-tisztás DK-i vége (Túrós-zsák) Lángi-tisztás Fekete-víz Alsó-éri tiszták MOHOSZ előtti tisztás Nagy-tó Ny-i vége
Az eredmények helyes kiértékelését zavarhatja a mintavételek közötti néhány napos különbség, valamint az algák egyedszámának napszakos ingadozása is. A mennyiségiminőségi algavizsgálatokat felszínről merített vízmintákból végezték. A mintákat a helyszínen Lugol-oldattal rögzítették. A fitoplankton vizsgálatakor Untermöhl fordított mikroszkópos eljárását alkalmazták. A módszer részletes leírásával kapcsolatban hivatkoznék NÉMETH (1998) és FELFÖLDY (1987) munkájára. 2.4. STATISZTIKAI ELEMZÉSEK
A mérési eredmények további feldolgozását és a többváltozós statisztikai elemzéseket a Syn-Tax 2000 nevű szoftverrel végeztem. A szoftvert Dr. Podani János, az ELTE Növényrendszertani és Ökológiai Tanszékének egyetemi tanára fejlesztette. A módszerek bemutatása során az Ő munkájára támaszkodom [PODANI, 1997]. Hasonló programcsomagot (NuCoSA) dolgozott ki Dr. Tóthmérész Béla a Debreceni Egyetem Ökológiai Tanszékének egyetemi tanára is [TÓTHMÉRÉSZ, 1994]. A mérés során kapott 116 pontbeli adatokat mind hierarchikus, mind ordinációs elemzésnek vetettem alá. A hierarchikus elemzés során csoportátlag (UPGMA - Unweighted Pair Group Method with Arithmetic Mean) módszert alkalmaztam, az ordinációs vizsgálatok során a főkomponens elemzést (PCA - Principal Components Analysis), illetve a főkoordináta elemzést (PCoA – Principal Coordinates Analysis) használtam. A módszerek részletesebb ismertetésére az alábbiakban térek ki.
11
2.4.1. Ordinációs elemzések
Az adatmátrixot kétféleképpen ábrázolhatjuk: az első esetben a változók, mint dimenziók alkotta térben az objektumokat pontok képviselik, a másik esetben fordított a helyzet, ilyenkor az objektumokat feleltetjük meg a tengelyeknek és ekkor a változók lesznek pontok. Az ordinációs elemzések elsődleges feladata a sok dimenzió helyettesítése kevés számú, de az eredeti adatstruktúrát többé-kevésbé jól tükröző dimenzióval. A dimenzionalitás csökkentését mesterséges változók bevezetésével érjük el. Főkomponens elemzés (PCA) A főkomponens elemzés (PCA) központi szerepet tölt be a többváltozós adatstruktúrafeltárásban, széles körű elterjedését a nagy számítási kapacitású számítógépeknek köszönheti. A módszer lényege, hogy a pontok helyzetét változatlanul hagyva az eredeti koordinátarendszert egy új koordinátarendszerrel helyettesítjük úgy, hogy az első új tengely (komponens) maximális varianciát sűrítsen magába, s a lehető legkevesebbet hagyja a további komponensekre. Sok kiinduló változó esetén is hasonlóan járunk el: először a legnagyobb varianciahányadot lefedő komponenst keressük ki, ezt követően a megmaradó varianciát legjobban magyarázó másodikat és így tovább. A komponensek száma tehát nem feltétlenül lesz kevesebb, mint az eredeti változóké volt, ezért az átrendezés nem jelenti automatikusan a dimenziók számának csökkenését. Az új dimenziók egy része azonban – a rájuk eső jelentéktelen varianciahányad miatt – számunkra teljesen érdektelen lesz. Az átrendezhetőség hátterében a változók közötti lineáris korrelációk állnak, de ez a komponensekre már nem igaz, közöttük a lineáris korreláció értéke 0. A főkomponens elemzés sikerességének az a feltétele, hogy a változók lineárisan korreláljanak egymással, ami a természetben általában egész jól teljesül. Ezek szerint a főkomponens-analízist a legkisebb négyzetek elvén működő regresszió-analízis általánosításának is tekinthetjük, mivel a komponensek lefektetésénél a pontoknak az egyenestől vett távolság-négyzetösszegét minimalizáltuk. A 3. ábrán a főkomponens analízis grafikus illusztrációját mutatom be. Az (a) rész a hatékony varianciasűrítést mutatja be korrelált változók esetén, a (b) rész azt illusztrálja, hogy lineárisan korrelálatlan változók esetén a komponensek sem segítenek.
3. ábra: A főkomponens analízis grafikus illusztrációja [PODANI, 1997]
12
Főkoordináta elemzés (PCoA)
A módszert metrikus többdimenziós skálázás néven is szokták emlegetni, algebrai megoldását tekintve közvetlen rokonságban áll a fent ismertetett főkomponens elemzéssel. A PCoA azért metrikus, mert az ordinációban megőrzi az objektumok közötti távolságviszonyokat. Annyi ordinációs tengelyt állítunk elő, amennyi a kiinduló mártixban lévő metrikus információ tökéletes megtartásához szükséges. A módszer alkalmazhatóságának feltétele tehát, hogy a távolságok teljesítsék a metrikus axiómákat: •
Amennyiben két pont egybeesik, azaz j = k , akkor d jk = 0 . ( d jk akkor és csak akkor
•
0, ha j = k ) Ha két pont különböző, azaz j ≠ k , akkor d jk > 0 .
•
A szimmetriaaxióma szerint d jk = d kj (azaz mindegy, hogy a távolságot melyik
•
irányból mérjük.). A metrikus sajátság igen fontos, megkülönböztető kritériuma a háromszögegyenlőtlenség axiómája. Eszerint d csak akkor metrika, ha bármely három i, j, k pontra igaz a következő összefüggés: d ij + d ik ≥ d jk , azaz két pont távolsága nem lehet nagyobb, mint egy harmadik ponttól vett távolságaik összege.
2.4.2. Cluster-elemzés
Az objektumok egyszerű felosztásán túlmenően szeretnénk azt is elérni, hogy az elemzés megmutassa az egyes osztályok között fennálló kapcsolatokat. Erre kétféle módon van lehetőségünk, az exkluzív és az inkluzív hierarchiák révén. Az exkluzív hierarchia révén az objektum csak egy csoportba tartozik bele, az inkluzív hierarchiában a kisebb osztályok nagyobb osztályokba vannak beágyazva. Egy objektum értelemszerűen több osztályba is beletartozik, a különböző hierarchikus szinteknek megfelelően. Ez a típus régóta ismert a biológiában, elég, ha a klasszikus rendszertani kategóriákra gondolunk. Az osztályok hierarchiába rendezése további könnyítést jelent a bennünket körülvevő világ megértéséhez. A hierarchiák könnyű intuitív értelmezhetősége az egyik oka annak, hogy a hierarchikus osztályozás központi szerepet tölt be a többváltozós adatstruktúrák feltárásában is. Előnyük, hogy az osztályok számát, vagy más paramétert nem kell előre megadnunk. Nincs kitüntetett hierarchikus eljárás, ami bármely esetben alkalmazható lenne, tehát érdemes több módszert alkalmazni egyidejűleg. De még ekkor is fennállhat az a veszély, hogy félrevezető eredményt kapunk, s ezért a hierarchikus módszerek csak az ordinációs eljárásokkal kiegészítve alkalmazhatók eredményesen. Vizsgálataim során én is több módszert kipróbáltam, és azokat fogadtam el jónak, ahol a hierarchikus osztályozás és az ordinációs elemzés egybevágó eredményt szolgáltatott. Az egyes módszerek bemutatását és a kapott eredmények értékelését a következő fejezetek tartalmazzák. A hierarchikus osztályozás többféleképpen ábrázolható, például egymásba ágyazott síkidomok segítségével (kontúr-diagram). Ennek megrajzolása azonban sok osztály esetén nehézkes, és csak az osztályok topológiai viszonyai látszanak (4.a ábra). A legáltalánosabb és jobban interpretálható ábrázolás dendrogramok segítségével történik (4.b és 4.c ábrák). A dendrogram egy fa-gráf, melynek végső (terminális) szögpontjai az osztályozott 13
objektumoknak felelnek meg. A kontúr-diagramokkal ellentétben a dendrogram az osztályok közötti kapcsolatot (pl. távolságot, hasonlóságot) numerikusan is ki tudja fejezni: ezt a dendrogram belső szögpontjainak magassága jelzi a függőleges tengelyen felmérve.
4. ábra: Hierarchikus osztályozások ábrázolásának lehetőségei [PODANI, 1997] 2.4.3. Koefficiensek bemutatása
Az euklidészi távolság a legegyszerűbb távolságfüggvény, lényegében megfelel a mindennapi, intuitív távolságfogalomnak, kiszámítása a Pithagorasz-tétel általánosítása sok dimenzióra. Az euklidészi távolság a referencia-alap minden egyéb hasonlóság, különbözőség és távolság megítélésekor. A koefficiens a négyzetre emelés miatt a nagy eltéréseket emeli ki elsősorban, alsó korlátja 0, felső korlátja nincsen. 1
2 ⎡n 2⎤ EU jk = ⎢∑ (xij − xik ) ⎥ ⎣ i =1 ⎦
A Manhattan-metrika a két objektum közötti különbségek abszolút értékeinek az összege. Gyakran nevezik „háztömb” vagy „city block” metrikának is, utalva arra, hogy egy amerikai típusú, szabályos alaprajzú városban két pont között általában nem az euklidészi távolságot kell megtenni, hanem meg kell kerülnünk a háztömböket. n
CB jk = ∑ xij − xik i =1
Az euklidészi távolság és a Manhattan-metrika függvénycsoportnak, a Minkowski-metrikáknak.
speciális 1
esetei
egy
r ⎤r ⎡ n MNK jk = ⎢∑ xij − xik ⎥ ⎣ i =1 ⎦ r = 1 -re kapjuk a Manhattan-metrikát, r = 2 -re pedig az euklidészi távolságot. (r )
14
általános
Átlagos karaktereltérés (Mean Character Difference) Ha a Manhattan-metrikát leosztjuk a változók számával, megkapjuk az átlagos karaktereltérést. 1 n MC jk = ∑ xij − xik n i =1 Bray-Curtis formula A Bray-Curtis formula esetén mind a számlálóban, mind a nevezőben külön-külön történik összegzés. A függvény egy egyszerű index formájában adja meg, hogy az összegzett értékek hányadrészében van eltérés a két objektum között. n
BC jk =
∑x
− xik
∑ (x
+ xik )
i =1 n
ij
ij
i =1
Ruzicka index A Ruzicka index egy korábbi, Marczewski-Steinhaus koefficiens komplementereként vált ismertté, a következő képlettel írhatjuk le:
∑ min[x , x ] n
RUZ jk =
ij
i =1 n
ik
∑ max[x , x ] ij
i =1
ik
Hasonlósági hányados (Similarity ratio) A hasonlósági hányados azért előnyös számunkra, mert értékei [0;1] intervallumba esnek, 1 jelöli a teljes egyezést. Érdemes megfigyelni, hogy a grafikon függőleges tengelyén a hasonlótlanság mértékét tünteti fel a szoftver. 100-zal szorozva megkapjuk a hasonlótlanság százalékos mértékét, amiből 100 − hasonlótlanság = hasonlóság formulával könnyen számítható az egyes csoportok hasonlósága. n
SR jk =
∑x x n
∑x i =1
ij
2
i =1 n
ij ik n
+ ∑ xik − ∑ xij xik i =1
2
i =1
Az elemzések során gyakorlatilag próbálgatás útján választottam ki a lehetséges módszerek, standardizálások közül azokat, amelyeket a későbbiekben be fogok mutatni (3.3. és 3.4. fejezetek). Sem a szakirodalmi szerzők, sem a szoftvert gyakorlatban használók nem tudnak egyértelmű állásfoglalást adni arról, hogy milyen adatok esetén melyik módszert kell használni. Javaslatuk az, hogy minden esetben próbálkozás útján kell eljutni azokhoz a módszerekhez, amelyeket alkalmazni kívánunk. Esetemben a válogatás alapja az volt, hogy mely módszerek adnak viszonylag egyértelmű eredményt. Mivel az euklidészi távolság a referencia-alap minden egyéb hasonlóság, különbözőség és távolság megítélésekor, ezért ezt a módszert vettem alapnak. Érdemes megemlíteni, hogy a korreláció számításán kívül az euklidészi távolság az egyetlen, amely más többváltozós adatelemző szoftver (BMDP 7, Statistica, NT-SYS, NuCoSA) módszergyűjteményében is megtalálható [PODANI, 1997]. A továbbiakban azokat a módszereket választottam ki, amelyek hasonló eredményt adtak az euklidészi távolsághoz. Így esett a választás a fentiekben felsorolt módszerekre. Az elemzések 15
eredményeinek részletes bemutatásakor megfigyelhető lesz, hogy bár a módszerek és az ábrák esetenként nagyon eltérhetnek egymástól, de a levonható következtetések hasonlók. 2.4.4. Az adatok átalakítása, standardizálás
A változókat sokszor más és más mértékegységben fejezzük ki, de a nagyságrendi eltérések is jelentősek lehetnek. Emiatt a többváltozós adatokat gyakran nem az eredeti, a mintavételezésből származó formájukban elemezzük. Ha nem alakítjuk át az adatokat, a nagy különbségek miatt az egyes változók nagyon különböző mértékben járulnak hozzá a végeredményhez. Az adat átalakítás két alaptípusa különböztethető meg: a standardizálás és a transzformáció. Standardizálás során az átalakítás az adatokból számított valamilyen statisztika figyelembevételével történik, az eljárás adatfüggő. Ilyen statisztika például a variancia, az átlag stb. A standardizálás elsősorban a súlyozásbeli eltérések feloldására alkalmas. Transzformáció során viszont a függvény és annak paraméterei nem az adatokból számított statisztikára alapoznak. Ezek például a változók eloszlásának a normálishoz való közelítésére jók. A mérési adataim elemzése során általában nem alkalmaztam standardizálást, azonban a legegyszerűbb (euklidészi távolság) módszer esetén bemutatok egy olyan eredményt is, amit a terjedelemmel történt standardizálás (Range of Variables) során kaptam. A végeredmény gyakorlatilag nem nagyon változott. A terjedelemmel való standardizálás során a változó értékei a [0;1] intervallumba kerülnek:
x'ij =
xij − min j {xij }
max j {xij }− min j {xij }
Azaz a minimumot és maximumot, valamint ezek különbségét kell meghatároznunk minden egyes változóra. A terjedelemmel való standardizálás elsősorban a belső súlyozás kiegyenlítésére alkalmas, de az össze nem mérhető változók is azonos skálára alakíthatók vele.
16
3. EREDMÉNYEK ÉS ÉRTÉKELÉSÜK 3.1. FITOPLANKTON ADATOK ÁLTALÁNOS BEMUTATÁSA
A fitoplankton elemzések bemutatása során a KDT KF fitoplankton adataira támaszkodom. A Velencei-tóban az algaszámlálás során a 23 mintából 161 db algafaj került elő. A fajok főbb rendszertani kategóriák szerinti megoszlásában legtöbb fajjal a Chlorophyceae (65), és a Pennales (31) taxonba tartozó fajok kerültek elő. A Chroococcales 17, a Hormogonales 14, az Euglenophyta 12 fajjal jelent meg. Néhány faj (2-5) került csak elő a Chrysophyceae, Conjugatophyceae, Xanthophyceae, Centrales, Cryptophyta és Dinophyta taxonokból (5. ábra). Algafajok eloszlása a főbb algataxonok között 1% 2% 20%
41% 9%
7%
Centrales Chlorophyceae Chroococcales Chrysophyceae Conjugatophyceae Cryptophyta Dinophyta Euglenophyta Hormogonales Pennales Xanthophyceae
2% 3% 3%
1%
11%
5. ábra: Algafajok eloszlása a főbb algataxonok között
A fajok átlagos száma a klaszter-elemzés segítségével kialakított három csoportban (lásd alább) a következőképpen alakult: lápi részen a legtöbb (77 db), az átmeneti (60 db) és a nyíltvizes területek (49 db) felé csökken (6. ábra). A rendszertani csoportok között a fajösszetétel százalékos megoszlásában nagymértékű eltérés nem alakult ki a különböző mintákban (7. ábra). Minden taxonnál közel hasonló arányban alakítják ki az előkerült algafajok az összetételt, de a fajszám abszolút értékeiben már határozott tendenciák is megfigyelhetők.
17
Algafajok átlagos számának főbb taxonok szerinti eloszlása 80 10
70
Xanthophyceae Pennales
7
60
7
6 3 3
50 40
3 5 2 3
11
4 2 5 2 4
11
30
9 20
30
Hormogonales Euglenophyta Dinophyta Cryptophyta Conjugatophyceae Chrysophyceae Chroococcales Chlorophyceae Centrales
24
19
10 0 Lápi
Átmeneti
Nyíltvizes
6. ábra: Algafajok átlagos számának főbb taxonok szerinti eloszlása
Algafajok átlagos számának főbb taxonok szerinti százalékos eloszlása 100% 90%
13%
80%
9%
70%
8% 4% 4%
60% 50%
15%
9%
12%
4%
5%
9%
8% 3% 5%
18%
4% 7%
Xanthophyceae Pennales Hormogonales
19%
Euglenophyta Dinophyta Cryptophyta Conjugatophyceae Chrysophyceae
40% 30% 20%
39%
39%
39%
Lápi
Átmeneti
Nyíltvizes
Chroococcales Chlorophyceae Centrales
10% 0%
7. ábra: Algafajok átlagos számának főbb taxonok szerinti százalékos eloszlása 18
A leginkább fajokban gazdag zöldalga taxon a Chlorophyceae mindhárom víztípusban egyenlő arányban (39%) veszi ki a részét az algaegyüttes faji mintázatában. A nyíltvízben 30-47%, átmeneti területen 38-40%, a lápi részen 32-44% között mozog ezeknek a zöldalga fajoknak a részesedése (7. ábra). A zöldalgák (Chlorophyceae) fajszámának abszolút értéke viszont határozottan csökken a lápi (30 db) területtől az átmeneti (24 db), és nyíltvizes területek (19 db) irányában (6. ábra). A lápi területeken magasabb fajszámmal kerültek elő a kovaalgák közül a Pennalesek, a cianobaktériumokból pedig a Hormogonales taxon fajai. Ezek részesedése csak néhány százalék (9-13%; 4-9%) az összes fajszámból, valamint számuk a nyíltvizes területek felé csökken. A Pennalesek fajszáma (17 faj) kiugróan magas a 107-es pontnál – a Fekete víznél –, amely egyébként is a legmagasabb fajszámú mintának bizonyult (8. ábra). A nyíltvizes csoportba sorolt minták közül a 90-es ponton a legtöbb a Pennales faj (10 db). A többi mintát vizsgálva megállapítható, hogy ez az algataxon inkább a tó nyugati felében volt fajgazdagabb. A Hormogonales fajszáma sehol nem nagy, átlagosan 7 jutott a lápi területekre, az átmeneti területen átlagosan 3, míg a nyíltvizes területen 2 faj fordul elő. A többi rendszertani kategória átlagos fajszámában és azok részesedésében az összes algaszámból a három csoport mintáiban nincs számottevő eltérés (9. ábra). Algafajok főbb taxonok szerinti eloszlása 100 90 17 7
80
9
11
70
9 8 10
60 7
9
6 8
18
18
8 11
10 23
18
17
17
18
23
25
18
8
9
17
21
11
11
22
7
10
20
25
26
29
31
31
36
33
L108
11
11
13
10
10 L107
4
4
6
8
3
2
17
2
12
19
3
4
9
4
11
9
30 20
4
13 11
13
40
10
7
2
7
50
0 L093 Centrales
Chlorophyceae
L109
L110
L111 A091 A101 A105 A114 N001 N002 N003 N004 N005 N006 N007 N025 N036 N044 N069 N090 N116
Chroococcales
Chrysophyceae
Conjugatophyceae
Cryptophyta
Dinophyta
Euglenophyta
Hormogonales
Pennales
8. ábra: Algafajok főbb taxonok szerinti eloszlása (vö. 4. melléklet)
19
Xanthophyceae
Algafajok főbb taxonok szerinti százalékos eloszlása 8%
15%
13%
8%
4%
7%
40%
13%
20%
5%
4%
39%
26%
25%
9%
20%
39%
9%
20%
40%
9%
12%
16%
39%
13%
11%
15%
10%
12%
13%
9% 15%
18%
14%
90%
7%
100%
80% 70%
23%
17%
19%
17%
18%
16%
21% 17%
18% 38%
30%
35%
47%
47%
40%
38%
41%
37%
41%
40%
40%
38%
44%
32%
35%
44%
41%
30% 20%
13%
14%
16%
40%
16%
15%
50%
16%
21%
60%
10% 0% L093 L107 L108 L109 L110 L111 A091 A101 A105 A114 N001 N002 N003 N004 N005 N006 N007 N025 N036 N044 N069 N090 N116 Centrales
Chlorophyceae
Chroococcales
Chrysophyceae
Conjugatophyceae
Cryptophyta
Dinophyta
Euglenophyta
Hormogonales
Pennales
Xanthophyceae
9. ábra: Algafajok főbb taxonok szerinti százalékos eloszlása (vö. 4. melléklet)
A továbbiakban az algavizsgálatok során kapott adatokat többváltozós statisztikai elemzésnek vetettem alá, a klaszter és ordinációs elemzéseket a Syn-Tax 2000 szoftverrel végeztem. 3.2. A SZONDAADATOK ÁLTALÁNOS BEMUTATÁSA
A Velencei-tó területi felmérése során 2005. július 4-7. között 116 ponton mértünk fizikaikémiai komponenseket. A Hydrolab DataSonde 4 típusú terepi mérőszonda által mért komponensek közül a többváltozós adatelemzés során az oldott oxigén koncentráció, elektromos fajlagos vezetőképesség, pH, redox-potenciál és fénykioltási tényező adatokat vettem figyelembe. A szondaadatok mérési hely szerinti átlagait az 5. melléklet mutatja be. A 116 pontra vonatkoztatott minimum, maximum, átlag, szórás értékeket a 7. táblázatban tüntettem fel. 7. táblázat: A vizsgált komponensek alap statisztikai adatai
Minimum Maximum Átlag Szórás
Hőmérséklet °C 18,28 25,07 22,44 1,45
Oldott oxigén % mg/l 6,0 0,52 109,6 8,95 84,7 7,19 16,3 1,31
Vez.kép. µS/cm 1639 3773 3476 467
pH 7,67 8,98 8,82 0,24
Redox mV -217 228 132 80
Ext. Koeff. 0,41 4,94 2,11 0,97
A legkisebb vízhőmérsékletet a 97-es ponton, a Kerék-vizek területén mértük, itt a vízhőfok mélység menti átlaga 18,28 °C volt. A Velencei-tó legmelegebb pontján 25,07 °C-os vízhőmérsékletet mértünk. A 48-as számmal jelzett mérési pont a Hosszú-bokor és az evezőspálya közötti területen található. A vizsgált időszakban az átlagos vízhőmérsékletet 22,44 °C-nak mértük, az adatok szórása 1,45 volt.
20
Az oxigénháztartás mutatói között már lényegesen nagyobb eltéréseket tapasztaltunk. A legkisebb oldott oxigén szintet a 98-as mérési pontnál rögzítettük, 0,52 mg/l koncentrációban volt jelen a vízben az oxigén, ami megfelel 6,0%-os telítettségnek. A 98-as mérési pont a fent említett Kerék-vizek környékén van, tőle 50 m-re a Kuti-csapáson. A legnagyobb oxigén szintet, 8,95 mg/l-t a 37-es és a 103-as ponton regisztráltunk. Mindkét helyen az oxigén telítettség 100% felett volt. A 37-es pont a Fürdető Öreg-tisztás felőli részén van, a hajózási útvonaltól északra, a 103-as mérési hely a Lángi-tisztás DK-i végénél található. A vizsgált időszakban az átlagos oldott oxigén szintet 7,19 mg/l-nek, a telítettséget 84,7%-nak mértük, az adatok szórása rendre 1,31 és 16,3. Szintén nagy változékonyságot mutatott a víz fajlagos elektromos vezetőképessége. Míg a legkisebb vezetőképességet 1639 µS/cm-nek, a legnagyobbat 3773 µS/cm-nek mértük. Az előbbi érték a fent már bemutatott 98-as pontot, az utóbbi a szintén említett 48-as mérési helyet reprezentálja. A tavon mért vezetőképesség értékek átlaga 3476 µS/cm-nek, szórása 467-nek adódott. A pH skála nem mutat ilyen nagy változékonyságot, azonban a skála logaritmikus volta miatt az 1,31-es intervallumszélesség nagynak tekinthető. A legkisebb pH-t (pH=7,67) a 97-es ponton mértük, míg a Velencei-tó leglúgosabb pontjainak (pH=8,98) a 34-es és 37-es pontok tekinthetők. A 34-es pont a Fürdető közepén található, a 37-es ponttól mintegy 210 méterre DK-i irányban. A teljes tóra vonatkoztatott átlagos pH 8,82, az adatok szórása 0,24. A redox-potenciál értékek nagyon nagy változékonyságot mutattak, jellemzően a lápi területeken. A mért értékek minimuma és maximuma azonos mértékben tér el a nullától, az intervallum-tartomány -217 mV és 228 mV közé esik. A legalacsonyabb redox-potenciált a 97 és 98 pontokon mértünk, a legnagyobbat a 69-es ponton. Ez utóbbi mérési hely a Vaskapunál található. A mért értékek átlaga 132 mV-nak, szórásuk 80-nak adódott. Megjegyzem, a 93-as pontban tófenék közelében a redox-potenciál -267 mV, 94-esben -280 mV, 95-ösben -282 mV, 96-osban -143 mV, 97-esben -320 mV, a 98-as pontban -293 mV volt, de ezek a nagy negatív értékek a mélység menti átlagolás miatt nem kerültek be ilyen formában a 7. táblázatba. A fénykioltási tényező – más néven extinkciós koefficiens – esetében szintén nagy változékonyságot mutatnak az egyes területek. A legkisebb fénykioltást a 11-es pontban mértünk, ami az agárdi Pop-strand előtt található. A legnagyobb fénykioltást a 96-os pontban tapasztaltunk, ami a Hínáros területén található. Az átlagos fénykioltást 2,11-nek, a szórást 0,97-nek számoltuk. A szondaadatok elemzése során tapasztalható, hogy bár az egyes komponensek tekintetében viszonylag nagy változékonyság figyelhető meg, de az egyes pontokat könnyű csoportosítani, klaszterekbe sorolni (lásd 3.3. fejezet). Látható, hogy a 97 és 98 pontok elég szélsőséges helyzetet tükröznek, ami a szórásdiagramokon is jól megfigyelhető lesz. Általánosságban megállapítható, hogy a vizsgált komponensek a nyíltvizes területeken kiegyensúlyozottnak és homogénnek mondható, addig a nádassal borított, zegzugos területek nagyon nagy területi változékonyságot mutatnak.
21
3.3. DENDROGRAMOK ÉS SZÓRÁSDIAGRAMOK ELEMZÉSE SZONDAADATOK ALAPJÁN
Mindenekelőtt a főkomponens elemzés eredményét kívánom bemutatni, hiszen ez az elemzés központi szerepet tölt be a többváltozós adatstruktúra-feltárásban. A szoftver által felajánlott 3 módszer közül az alapváltozatot alkalmaztam, ami a Centrált Főkomponens Elemzés nevet viseli (Centered PCA). A módszer kiválasztása után semmilyen más paramétert nem kell beállítani, így gyakorlatilag az elemzés azonnal futtatható. A kapott diagramon (10. ábra) látványosan elkülönül három pontfelhő, ami alapján előrebocsátható, hogy három, jelentősen eltérő területtel van dolgunk. Ezt a feltételezést a továbbiakban mind a főkoordináta elemzéssel, mind a hierarchikus osztályozással igyekszem alátámasztani.
350 300 250 200 150 96
100
69 70
107 93
109
Axis 2
50 94 95
0 -50
112
110
111
98 97
105106 92 102104 103 100 99 108 101
123 91
531
73 72 45671 7 8 74 7576 0 78 77 88 87 579186 79 11 17 12 18 16 14 19 80 15 885 313 58 61 22 89 56 62 84 23 45 20 26 47 21 24 44 82 81 50 59 25 51 46 27 41 43 40 60 35 49 39 37 33 36 38 42 32 63 31 34 29 30 28 68 65 53 54 64 48 55 5267 66
90 116 115
113 114
-100 -150 -200 -250 -300 -350 -1 800
-1 600
-1 400
-1 200
-1 000
-800 Axis 1
-600
-400
-200
0
200
10. ábra: Centered PCA (vö. 2. melléklet)
Az egyes dendrogramok és szórásdiagramok elemzését hasonlósági együtthatók szerint csoportosítva ismertetném, így az azonos módszerrel történt hierarchikus és ordináta elemzések összevethetők lesznek. A dendrogramokat nagy terjedelmük miatt a 6. mellékletben közlöm. Elsőként a legegyszerűbb módszerrel, az euklidészi távolság szerint elemzett diagramokat mutatom be. A vizsgálatok során általában nem alkalmaztam standardizációt, azonban ennél a módszernél bemutatok olyan diagramokat is, ahol a terjedelemmel való standardizálást (RoV) alkalmaztam. A diagramon (11. ábra) az első komponens (Axis 1) tengelyére merőlegesen állítottam két függőleges egyenest, amivel 3 jól elkülöníthető részre osztottam a ponthalmazokat. Az ábra jobb oldalán található 11 elemű pontfelhő, és a középső területen lévő 13 elemű pontfelhő a következő mérési helyeket foglalja magában (8. táblázat):
22
8. táblázat: Az euklidészi távolság ponthalmazai (vö. 2. melléklet)
1. ponthalmaz (11 elem)
93, 94, 95, 96, 97, 98, 107, 109, 110, 111, 112
2. ponthalmaz (13 elem)
91, 92, 99, 100, 101, 102, 103, 104, 105, 106, 108, 113, 114
A diagram bal oldalán tömören elhelyezkedő pontok közül a 69, 70, 90, 115, 116 pontok lógnak ki, azonban a dendrogram alapján e pontok szintén a bal oldali nagy pontfelhőhöz tartoznak. PCoA - Euclidean distance - NoSt 110
69
100
70
107
90
96
80 93
70 1 32
60 50
74 75 7 76 8 9 77 78 10 88 87 79 86 57 17 11 12 16 1384 18 19 14 83 15 80 85 61 22 58 23 26 45 21 20 6256 89 47 24 44 81 50 82 51 46 25 43 41 40 27 59 39 60 35 49 37 42 38 33 36 32 31 29 63 28 30 34 65 68 54 53 64 55 48 52 67 66
30 20 Axis 2
92
73 71 4 72 5 6
40
10 0 -10 -20
109 105 106 104 102 103
94
91 100 101
108
95 99
112
-30 -40
110
-50
111
90
-60
98 97
-70 -80 -90
116 115
-100
114 113
-110 -400
-200
0
200
400
600
800 Axis 1
1 000
1 200
1 400
1 600
1 800
11. ábra: PCoA - Euclidean distance – NoSt (vö. 2. melléklet)
A dendrogramon (lásd 6. melléklet) a fa-gráf gyökerétől elindulva viszonylag magasan különválik az előbb elkülönített 1. pontfelhő. Ezek a pontok nagyon jól elkülönülnek a többi ponttól, azonban a csoporton belül is viszonylag magas a hasonlótlanság. A hasonlótlanság mértékét az mutatja, hogy az egyes pontok, illetve csoportok milyen magasságban kapcsolódnak más csoportokhoz. A következő, jól elkülönülő csoport a fent leírt 2. ponthalmaz elemeit foglalja magába. Már a szórásdiagramról látszott, hogy a 69, 70, 90, 115, 116 pontok nem illenek bele olyan szorosan a „nagy ponthalmaz”-ba, de a dendrogramon látszik hogy a 69, 70, 90 jelzésű pontok egymáshoz jó hasonlóságot mutatnak, a 115, 116 pontok azonban nagyon jól beleillenek a „nagy ponthalmaz”-ba. A terjedelemmel standardizált (Range of variables – RoV) euklidészi távolságon alapuló ordináta-elemzés (12. ábra) hasonló eredményt ad, mint a standardizálás nélküli. A két elemzés között a következő különbségeket lehet felfedezni: A tengelyek más léptékűek, illetve az ábra „megfordult”, ami eddig a jobb oldalán szerepelt, az most a bal oldalára került át. Most is jól elkülönül a három pontfelhő, azonban most ferde egyenesekkel lehet a
23
csoportokat elválasztani. Vizsgáljuk meg, a pontfelhők milyen pontokat tartalmaznak (9. táblázat)! 9. táblázat: A terjedelemmel standardizált euklidészi távolság ponthalmazai (vö. 2. melléklet)
1. ponthalmaz (11 elem)
93, 94, 95, 96, 97, 98, 107, 109, 110, 111, 112
2. ponthalmaz (14 elem)
90, 91, 92, 99, 100, 101, 102, 103, 104, 105, 106, 108, 113, 114
Az előzőtől csak egy pontban tér el, jelen elemzés alapján a 90-es számú mérési pont a 2. pontfelhő része. PCoA - Euclidean distance - RoV 98
99
97
2
22 2426 10 9 1925 33 101104 52 6 28 37 823 1 89 12 13 16 54 5559 35357 15 14 7 27 67 87 5 43 60 56 4 58 20 61 21 30 62 6876 18 77 17 81 44 29 4138 63 6564 79 3934 113 102 40 45 86 51 4742 78 36 49 71 75 114 73 48 88 72 7450 91 66 84 35 32 105 70 90 31 8246 80 85 106
93 110
107 109
Axis 2
94 0
11
100 111
96 95112
103 83
108
116115 69 92
-1
0 Axis 1
12. ábra: PCoA - Euclidean distance – RoV (vö. 2. melléklet)
A hierarchikus elemzés az előzőtől már formájában is eltérő dendrogramot ad (lásd 6. melléklet). Nem különálló, egymáshoz nagy hasonlótlansági értékeknél összekapcsolódó fa-gráfot kapunk, hanem egymásra épülő ágrendszert mutat a grafikon. Ennek ellenére itt is jól kialakulnak a korábbról már ismert csoportok. Érdemes megfigyelni, hogy a fent 1. ponthalmaz néven említett csoport teljes mértékben megegyezik az ordináta-elemzés eredményével, de a 2. ponthalmaz nemcsak a 90-es ponttal, hanem a 69, 115, 116 pontokkal is kibővült. Érdekesség még, hogy ez a ponthalmaz 7:10 arányban további két csoportra oszlott. A Manhattan vagy City Block módszer és az euklidészi távolság algebrai értelemben rokonok, mert mindkét módszer a Minkowski-metrikáknak egy-egy speciális esetei. Ennek megfelelően az ordinációs elemzés során kapott szórásdiagramok is nagyon hasonlóak (13. ábra). Ugyanazok a pontfelhők különíthetők el, mint a fent említett euklidészi távolság módszer 24
esetén. Itt is 3 részre lehet osztani a pontfelhőket függőleges egyenesek segítségével. Az egyes pontfelhők tagjait az alábbi táblázat szemlélteti (10. táblázat): 10. táblázat: City Block (Manhattan) módszer ponthalmazai (vö. 2. melléklet)
1. ponthalmaz (11 elem)
93, 94, 95, 96, 97, 98, 107, 109, 110, 111, 112
2. ponthalmaz (13 elem)
91, 92, 99, 100, 101, 102, 103, 104, 105, 106, 108, 113, 114 PCoA - City Block (Manhattan) - NoSt
240
69
220
70
200 180 160 140 21 3
120
92
100 80
Axis 2
60
91
74 7 7675 8 77 78 109 88 89 79 87 11 17 12 16 13 86 57 18 14 19 15 80 84 61 5856 83 62 68 53 52 22 23 85 54 60 26 45 21 24 55 63 44 47 20 59 65 64 40 41 43 50 25 81 46 51 27 39 82 67 37 49 42 38 33 35 36 32 66 29 34 30 31 4828
40 20 0 -20 -40
106105
107
104
4 7165 73 72
102 103
109
100 108 99
101
93
90
111
110
-60 114
-80
112 95 94
96 97 98
113
-100 -120 -140 116 115
-160 -180 -200
-400
-200
0
200
400
600
800
1 000 Axis 1
1 200
1 400
1 600
1 800
2 000
2 200
13. ábra: PCoA - City Block (Manhattan) – NoSt (vö. 2. melléklet)
A dendrogramon most is ismerős képet látunk (lásd 6. melléklet), az ordinációs elemzés által elkülönített pontfelhők itt is egy csoportot alkotnak. Megfigyelhető, hogy a 69, 70, 90 pontok által alkotott csoport szintén különválik a „nagy pontfelhő” alkotta csoporttól. Az „átlagos karaktereltérés” módszer során szinte ugyanolyan szórásdiagramot kaptunk (14. ábra), mint amilyet a standardizálás nélküli „euklidészi távolság” módszerrel. Itt is függőleges egyenesekkel osztottam 3 részre a pontfelhőket. Az egyes pontfelhők tagjai azonosak a fent említettel (11. táblázat). 11. táblázat: Az átlagos karaktereltérés módszer ponthalmazai (vö. 2. melléklet)
1. ponthalmaz (11 elem)
93, 94, 95, 96, 97, 98, 107, 109, 110, 111, 112
2. ponthalmaz (13 elem)
91, 92, 99, 100, 101, 102, 103, 104, 105, 106, 108, 113, 114
25
A diagram bal oldalán tömören elhelyezkedő pontok közül a 69, 70, 90, 115, 116 pontok lógnak ki, azonban a dendrogram alapján e pontok szintén a bal oldali nagy pontfelhőhöz tartoznak. PCoA - Mean character difference - NoSt 50
69
45 70
40 35 30 25
21 3
92
20
Axis 2
10 5 0 -5
106105
107
104
4 7165 73 72
15
91
74 75 7 76 8 77 78 109 88 89 87 79 11 17 12 16 13 86 57 18 14 19 15 5856 84 61 80 83 68 53 52 22 85 62 23 54 60 26 45 21 55 24 63 44 20 59 47 65 64 40 41 43 50 25 81 46 51 27 39 82 67 37 49 42 38 33 35 36 66 32 29 34 30 31 4828
102 103 101
109
100 108 99
93
90
110
111
112 95 94
96
-10 -15
114
97 98
113
-20 -25 -30
116 115
-35 -40
-50
0
50
100
150
200 Axis 1
250
300
350
400
450
14. ábra: PCoA - Mean character difference – NoSt (vö. 2. melléklet)
A dendrogramon (lásd 6. melléklet) a fa-gráf gyökerétől elindulva viszonylag magasan különválik az előbb elkülönített 1. pontfelhő. Ezek a pontok nagyon jól elkülönülnek a többi ponttól, azonban a csoporton belül is viszonylag magas a hasonlótlanság. A következő, jól elkülönülő csoport a fent leírt 2. ponthalmaz elemeit foglalja magába. Már a szórásdiagramról látszott, hogy a 69, 70, 90, 115, 116 pontok nem illenek bele olyan szorosan a „nagy ponthalmaz”-ba, de a dendrogramon látszik hogy a 69, 70, 90 jelzésű pontok egymáshoz jó hasonlóságot mutatnak, a 115, 116 pontok azonban nagyon jól beleillenek a „nagy ponthalmaz”-ba. A Bray-Curtis módszert az előzőekhez hasonlóan standardizálás nélkül futtattam le. Az elemzés során kapott szórásdiagram (15. ábra) alakja eltér a korábbiaktól, de a fent elkülönített ponthalmazok itt is nagyon jól látszanak (12. táblázat). 12. táblázat: A Bray-Curtis formula ponthalmazai (vö. 2. melléklet)
1. ponthalmaz (11 elem)
93, 94, 95, 96, 97, 98, 107, 109, 110, 111, 112
2. ponthalmaz (13 elem)
91, 92, 99, 100, 101, 102, 103, 104, 105, 106, 108, 113, 114
A hierarchikus elemzés során kapott dendrogramon (lásd 6. melléklet) szintén jól megfigyelhetők a fenti ponthalmazok egy csoportba rendeződése. A fenti 1. ponthalmaz mutat legkisebb hasonlóságot a többihez, ezek közül is a 96, 97, 98 pontok térnek el leginkább a 26
csoportjuk tagjaitól. Ez a nagy eltérés a szórásdiagramon is érzékelhető volt. Érdemes megfigyelni, hogy a 69, 70, 90 pontok ismét egy különálló csoportot alkotnak, de ez nem jelenti azt, hogy nagyon kilógnának a „nagy ponthalmaz”-ból. PCoA - Bray-Curtis formula - NoSt 98 97
Axis 2
0.095 0.09 0.085 0.08 0.075 0.07 0.065 0.06 0.055 0.05 0.045 0.04 0.035 0.03 0.025 0.02 0.015 0.01 0.005 0 -0.005 -0.01 -0.015 -0.02 -0.025 -0.03 -0.035 -0.04
96
30 42 41 40 39 38 37 80 48 45 81 79 51 50 49 46 32 31 27 24 44 43 36 34 33 29 77 47 26 23 22 21 19 16 14 12 17 82 78 35 28 25 15 11 13 18 20 85 83 76 84 75 74 10 86 98 57 62 61 60 59 58 87 116 115 772 88 65 64 66 63 73 55 67 54 56 68 53 71 52 564 389 21 90 70 69
114
113
91 101 92 106 104 102 105 103 100108
-0.05
0
0.05
94 95 112 99
109
0.1
107 93 110
0.15
111
0.2
0.25
0.3
0.35
0.4
Axis 1
15. ábra: PCoA - Bray-Curtis formula - NoSt (vö. 2. melléklet)
A „Ruzicka-index” módszer az előzőekben ismertetett Bray-Curtis módszerhez hasonló eredményt adott (16. ábra). Ez is inkább kifli-alakú szórásdiagram, mint a korábbi elszórt pontokból álló felhő-alakú ábra. A diagramon most is nagyon jól elkülönülnek az azonos csoportba sorolható pontok. Az egyes pontfelhők tagjait a következő táblázat mutatja be (13. táblázat). 13. táblázat: A Ruzicka-index ponthalmazai (vö. 2. melléklet)
1. ponthalmaz (11 elem)
93, 94, 95, 96, 97, 98, 107, 109, 110, 111, 112
2. ponthalmaz (13 elem)
91, 92, 99, 100, 101, 102, 103, 104, 105, 106, 108, 113, 114
27
PCoA - Ruzicka index - NoSt 0.26
98 97
0.24 0.22 0.2 0.18 0.16 0.14 0.12 96
Axis 2
0.1 0.08 0.06 0.04
37 80 42 41 40 39 30 48 43 38 44 36 33 29 34 32 27 24 46 31 79 51 50 25 15 49 81 45 23 22 21 77 47 26 19 14 12 11 82 78 16 28 18 17 13 35 20 85 83 76 84 75 74 10 86 98 57 62 58 61 59 87 60 756 73 88 65 64 63 66 72 71 55 54 67 68 53 564 115 52 3821116 9 70 69 90
0.02 0 -0.02 -0.04
94 95 112 114 91
-0.06 -0.08
113 92 101
111 104 106102 105 103108 100
-0.1
99
107110
109
93
-0.12 -0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
Axis 1
16. ábra: PCoA - Ruzicka index – NoSt (vö. 2. melléklet)
A dendrogramról (lásd 6. melléklet) ugyanaz a csoportbeosztás olvasható le, mint amit az ordinációs elemzés mutatott be. A fa-gráf gyökeréhez legközelebb álló 1. és 2. pontfelhő után szintén egy kis csoportba tömörülve jelennek meg a 69, 70, 90 pontok. Az utolsó módszer, aminek eredményeit be kívánom mutatni, a hasonlósági hányados (Similarity ratio) alapján történő vizsgálódás. A szórásdiagram a korábbi felhő-alakú ábrához hasonlít (17. ábra), az egyes pontfelhők ezen is látványosan elkülönülnek. A fent már alkalmazott függőleges egyenesekkel itt is kialakíthatjuk a három csoportot, melynek tagjait az alábbi táblázatban sorolok fel (14. táblázat): 14. táblázat: A hasonlósági hányados ponthalmazai (vö. 2. melléklet)
1. ponthalmaz (11 elem)
93, 94, 95, 96, 97, 98, 107, 109, 110, 111, 112
2. ponthalmaz (13 elem)
91, 92, 99, 100, 101, 102, 103, 104, 105, 106, 108, 113, 114
A hierarchikus elemzés során kapott dendrogramból (lásd 6. melléklet) most is levonhatjuk az a következtetést, hogy az ordinációs elemzés által mutatott csoportok valóban egy hierarchiai lépcsőfokot alkotnak. A már megszokott képet mutatják a 69, 70, 90 pontok, hiszen ismét egy kis csoportot alkotva különül el a „nagy ponthalmaz”-tól, azonban annak részeként kell tekintetnünk.
28
PCoA - Similarity ratio - NoSt 0.03
96
0.028 0.026 0.024 0.022 0.02 0.018 0.016 0.014 69 70
Axis 2
0.012
107
0.01 0.008
312
0.006
72 71564 73 74 7 758 76 78 109 88 77 79 12 8657 11 17 87 80 15 22 16 14 19 18 13 85 83 84 61 62 58 89 68 56 43 41 40 39 44 27 24 51 50 49 46 21 45 25 23 81 26 82 47 35 20 59 60 65 63 53 52 55 67 54 48 42 38 37 30 29 36 34 33 32 31 28 64 66
0.004 0.002 0 -0.002
93 92
106 105
109
104 102 103
91
101
-0.004
100
94
10899
95
90
-0.006
110
-0.008 -0.01
112
116 115
114113
98 97
111
-0.012 -0.06 -0.04 -0.02
0
0.02 0.04 0.06 0.08
0.1
0.12 0.14 0.16 0.18 0.2 Axis 1
0.22 0.24 0.26 0.28
0.3
0.32 0.34 0.36 0.38
17. ábra: PCoA - Similarity ratio – NoSt (vö. 2. melléklet)
29
0.4
0.42
RÉSZÖSSZEFOGLALÓ A szondaadatok tekintetében a következő megállapításokat tehetjük: • A 116 mérési pont három, jól elkülöníthető csoportra osztható, melyek földrajzilag is jól lehatárolható egységeket alkotnak. Ennek megfelelően a Velencei-tavon három, egymástól karakterében is különböző víztestet különíthetünk el (8. melléklet). • A három víztest területét a következő mérési pontok reprezentálják: a) Lápi víztest: A Velencei-tó nyugati medencéjében található náddal borított területek, beleértve a Természetvédelmi Területet is. Mérési pontok: 93, 94, 95, 96, 97, 98, 107, 109, 110, 111, 112. A mérési pontok a következő területeket reprezentálják: Kerék-vizek, Hínáros, Német-tisztás, Fekete-víz, Felső-éri tiszták, Alsó-éri tiszták nyugati része. b) Átmeneti víztest: A Velencei-tó nyugati medencéjében található, nyíltvizes területek Mérési pontok: 91, 92, 99, 100, 101, 102, 103, 104, 105, 106, 108, 113, 114. A mérési pontok a következő területeket reprezentálják: Vendel-tisztás, Tari-tisztás, Lángi-tisztás, Alsó-éri tiszták keleti része egészen a MOHOSZ előtti nádasig. c) Üdülőtó víztest: A Velencei-tó középső és keleti területei, ahol a nagy vízfelületeket itt-ott tagolják csak nádasok. Mérési pontok: A fentiekben fel nem sorolt pontok tartoznak ide. A mérési pontok a következő területeket reprezentálják: A Velencei-tó középső és keleti részei, amelyet a Mély-víz, Nagy-tó, Rigya, Vaskapu, Hosszú-tisztás nyugati oldalain húzódó nádas határol. • Korábbi vizsgálatok [BERECZKY, 2005] azt mutatták, hogy a Fürdetőt külön víztestnek érdemes kijelölni, azonban ezt a megállapítást a jelenlegi mérési eredmények nem tudják alátámasztani. Vizsgálataim alapján a Fürdető területe szintén az Üdülőtó víztest része. • Az eredmények alapján megállapítottam, hogy a javasolt víztestenként a monitoring jelenleg meglévő mérőhelyei felülvizsgálandók, esetenként kiegészítendők. A meglévőket a többéves adatsorok felhasználhatósága érdekében célszerű megtartani, de vannak olyan területek (lápi és átmeneti víztestek), ahol a VKI igényeinek megfelelően további mintavételi helyek kijelölése szükséges. • Az ordinációs és hierarchikus elemzések során gyakran azt tapasztaltuk, hogy a 69, 70, 90, 115, 116 pontok némileg elkülönültek a többi közül. Ha megnézzük a térképen, hol vannak ezek a mérési helyek, azonnal feltűnik, hogy az Üdülőtó-víztest nyugati határán helyezkednek el, mintegy átmenetet képezve a két szomszédos víztest között. Nem meglepő tehát, hogy ezek a pontok eltérnek egy kicsit az Üdülőtó „nagy ponthalmaz”-ától, azonban mind földrajzi elhelyezkedésük, mind a dendrogramokon látható hasonlósági kapcsolataikból arra következtetünk, hogy a fent felsorolt pontok az Üdülőtó-víztest részei.
30
3.4. DENDROGRAMOK ÉS SZÓRÁSDIAGRAMOK ELEMZÉSE FITOPLANKTON ALAPJÁN
A fitoplankton komponensek alapján történő klaszter és ordinációs elemzésekhez olyan adattáblát használtam, melyben az egyes mintavételi helyeken kapott algafajok főbb taxonok szerinti megoszlása volt. Az adatokkal ez esetben is végigvizsgáltam a lehetséges eljárásokat, függvényeket. A fizikaikémiai komponensekkel ellentétben itt sokkal változatosabb szórásdiagramokat és dendrogramokat kaptam. A tíznél is több módszer közül csak néhányat mutatok be, és ezekből vonom le a következtetéseimet. A módszerek kiválasztásánál arra törekedtem, hogy viszonylag egyértelmű eredményeket kapjunk, és kellőképpen alátámasszuk a fizikai-kémiai komponensek alapján meghatározott víztest-besorolást. A kiválasztás során arra is törekedtem, hogy az egyes klaszterek – későbbi víztestek – lehetőleg földrajzilag is közel álljanak egymáshoz. A fitoplankton minták elemzése során megfigyeltem, hogy a szórásdiagramokon a pontok egyes esetekben egész távol kerülnek egymástól, nagy szórást mutatnak. Ezzel szemben a szondaadatok elemzésekor sokkal inkább homogén, tömör pontfelhőket kaptunk. Emiatt célravezetőbbnek tartom, hogy először a dendrogramokat mutatom be, majd utána a hozzájuk tartozó szórásdiagramokat. Elsőnek az euklideszi távolsággal számított dendrogramot mutatom be (18. ábra). Ez a legegyszerűbb távolságfüggvény, a Pithagorasz-tétel általánosítása sok dimenzióra. Ezt szokták referenciának venni. Az ábra egyértelmű képet ad, hiszen jól elkülönül rajta 3 klaszter. Az ábra bal oldalán az átmeneti terület jelenik meg, egy kicsit módosulva. A 93-as pont – amit korábban a lápi területre soroltam –, és a 90-es – korábban nyíltvizes terület – megjelenik a dendrogramon, viszont a 108-as és 114-es pontok kikerültek a klaszterből. Ezek a változások nem túl meglepőek, hiszen a felsorolt pontok mind a kijelölt víztest-határ mellett vannak. Ebből a szempontból lehet hasznos a fitoplankton elemzése, hiszen a biológia már olyan változásokat is képes szemléltetni, amit a fizikai-kémiai komponensek még nem. Az ábra jobb oldalán a lápi területek tűnnek fel, az előbb felsorolt változásokkal. A korábbi besoroláshoz képest a 93-as nincs a klaszterben, a 108-as viszont a lápi területhez tartozik. Ezzel némileg egyszerűsödött a helyzet, hiszen a lápi víztest reprezentatív pontjai földrajzi értelemben is egymás mellett vannak. Az ábra középső területein az üdülőtó-víztest pontjai rajzolódnak ki. A pontok nagy része nagy hasonlósági szinten kapcsolódik egymáshoz, azonban a 69-es pont egy alacsonyabb szinten csatlakozik. Megfigyelhető továbbá, hogy a 36, 44, 114 pontok egy különálló csoportot alkotnak, de összességében az előbbi klaszterhez sorolhatók.
31
UPGMA - Euclidean distance - NoSt 15 14 13 12 11 10
Dissimilarity
9 8 7 6 5 4 3 2 1 0
L093 A091 A105 N090 A101 A114 N036 N044 N001 N002 N007 N005 N006 N025 N003 N004 N116 N069 L107 L108 L110 L111 L109
18. ábra: Euclidean distance – NoSt (vö. 4. melléklet)
Az következő dendrogramot a Manhattan-metrika felhasználásával állítottam elő (19. ábra). Az euklideszi távolsággal együtt a Minkowski-metrikák csoportját alkotják. Ezen a dendrogramon még látványosabban elkülönül a három klaszter. Az ábra bal oldalán az átmeneti víztest pontjai láthatók, előző módszerhez képes némileg kibővülve. A Manhattanmetrika szerint a 69-es és 114-es pontok is ebbe a klaszterbe tartoznak. Az „eredeti” – szondaadatok alapján meghatározott – víztesthez képest kibővült a 69, 90, 93 pontokkal, a 108-as pont nem tartozik ide, viszont a 114-es pont eredetileg is ide lett sorolva. Az ábra jobb oldalán feltüntetett lápi víztest pontjai az előzőekben bemutatott helyzetet mutatja, a víztest tagjai a 107, 108, 109, 110, 111 pontok. Érdemes megfigyelni, hogy a nyíltvizes területeket reprezentáló pontok közül az 1-7 pontokkal – de főleg a 3 és 4 pontokkal – nagy hasonlóságot mutat a 116-os pont. Ezekhez képest a 25, 44, majd a 36-os pontok alacsonyabb hasonlósági szinten csatlakoznak az előbbi csoportoz. Ez érthető is, hiszen földrajzilag is távol vannak egymástól, valamint más hatásoknak vannak kitéve.
32
Dissimilarity
UPGMA - City Block (Manhattan) - NoSt 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0
L093 A091 A105 N090 N069 A101 A114 N001 N002 N007 N005 N006 N003 N004 N116 N025 N044 N036 L107 L108 L110 L111 L109
19. ábra: City Block (Manhattan) – NoSt (vö. 4. melléklet)
Az átlagos karaktereltérés függvény a Manhattan-metrika továbbfejlesztett változata. A következőkben ezt a módszert mutatom be. Az átlagos karaktereltérés függvénnyel készített dendrogram szintén három jól elkülönülő klasztert tüntet fel (20. ábra). A két dendrogram teljes mértékben megegyezik, csupán annyi különbség fedezhető fel, hogy az átlagos karaktereltérésnél jóval kisebb hasonlótlansági értékek vannak feltüntetve, mint a Manhattanmetrika esetén.
33
UPGMA - Mean character difference - NoSt
Dissimilarity
2
1
0
L093 A091 A105 N090 N069 A101 A114 N001 N002 N007 N005 N006 N003 N004 N116 N025 N044 N036 L107 L108 L110 L111 L109
20. ábra: Mean character difference – NoSt (vö. 4. melléklet)
A Ruzicka index felhasználásával készített dendrogram nagyon hasonlít az euklideszi távolsággal előállított dendrogramhoz (21. ábra). A függőleges tengelyen feltüntetett hasonlótlansági értékek a Ruzicka index esetében 0,4 alatt maradnak, míg az euklideszi távolság esetén 15 körüli maximális értéket vesz fel. Az ábra bal oldalán az átmeneti terület pontjai helyezkednek el. Az euklideszi távolsághoz képest annyi különbség van, hogy most a 69-es pontot ebbe a klaszterbe sorolja. A jobb oldalon lévő lápi-pontok megegyeznek a korábbiakkal, tagjai: 107-111-ig. Az ábra középső részén a nyíltvizes területeket reprezentáló pontok vannak feltüntetve. A 69-es pont jelen módszer szerint az átmeneti terület része, viszont a 36, 44, 114 pontok ismét kis csoportot alkotva kapcsolódnak az üdülőtó víztest klaszteréhez.
34
UPGMA - Ruzicka-index - NoSt 0,38 0,36 0,34 0,32 0,3 0,28 0,26
Dissimilarity
0,24 0,22 0,2 0,18 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0
L093 A091 A105 N090 A101 N069 A114 N044 N036 N001 N002 N007 N005 N006 N003 N004 N116 N025 L107 L109 L108 L110 L111
21. ábra: Ruzicka index - NoSt (vö. 4. melléklet)
A Bray-Curtis formulával előállított dendrogram alakja teljes mértékben megegyezik a Ruzicka index segítségével előállított dendrogramhoz (22. ábra). Annyi különbség van csupán, hogy a függőleges tengelyen feltüntetett hasonlótlansági skála még tovább csökkent nemcsak az euklideszi távolsághoz képest, hanem a Ruzicka index 0,38-as maximumához képest is. A Bray-Curtis formula által előállított dendrogram hasonlótlansági érték maximuma 0,24.
35
UPGMA - Bray-Curtis formula - NoSt 0,24 0,23 0,22 0,21 0,2 0,19 0,18 0,17 0,16
Dissimilarity
0,15 0,14 0,13 0,12 0,11 0,1 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0
L093 A091 A105 N090 A101 N069 A114 N044 N036 N001 N002 N007 N005 N006 N003 N004 N116 N025 L107 L109 L108 L110 L111
22. ábra: Bray-Curtis - NoSt (vö. 4. melléklet) 0,22
UPGMA - Similarity ratio - NoSt
0,21 0,2 0,19 0,18 0,17 0,16 0,15 0,14
Dissimilarity
0,13 0,12 0,11 0,1 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0
L093 A091 A105 N090 A101 A114 N036 N044 N001 N002 N007 N005 N006 N003 N004 N116 N025 N069 L107 L108 L110 L111 L109
23. ábra: Similarity ratio - NoSt (vö. 4. melléklet) 36
Az utolsó módszer, amit be kívántam mutatni, a hasonlósági hányados számításán alapszik. Az ábra jobb oldalán a lápi területek jól ismert pontjai tűnnek fel (23. ábra). A bal oldalon viszont egy korábban még nem látott helyzetet láthatunk. A 90, 91, 93, 101, 105 pontok halmazához nem sokkal magasabban egy másik kis csoport kapcsolódik, melynek tagjai: 36, 44, 114. A másik érdekesség, hogy a 69-es pont – bár viszonylag nagy eltéréssel – a nyíltvizes területek pontjainak csoportjához kapcsolódik. A szórásdiagramok elemzése során szintén nagyfokú hasonlóságot figyelhetünk meg. Az ábrákat terjedelmi okok miatt a mellékletben közlöm (7. melléklet). Míg a fizikai-kémiai komponensek tekintetében a szórásdiagramokon nagyon látványosan elkülönültek az egyes vízterek, addig a fitoplankton tekintetében már nem mutat ennyire egzakt képet. A szórásdiagramokat csak mint a hierarchikus elemzés alátámasztásaként kívánom bemutatni. Általánosságban megfigyelhető, hogy a nyíltvizes területeket reprezentáló 1-7, 25, 116 pontok viszonylag tömören helyezkednek el mind a hat módszer esetén. Szintén jól elhatárolhatók a lápi területeket reprezentáló pontok (107-111), bár ezek korántsem olyan tömör formációban tűnnek fel, mint az előbb említett nyíltvizes pontok. A legnagyobb szóródást az átmeneti területek pontjai mutatják. A 90, 91, 93, 101, 105 pontok minden esetben együtt helyezkednek el, viszont a 69-es pont némely esetben eléggé távol tűnik fel. A dendrogramok elemzése során már tapasztalt jelenség itt is megfigyelhető, mégpedig az, hogy a 36, 44 és 114-es pontok együtt jelennek meg. Ezt a tényt azonban nem venném figyelembe a víztestkijelölések során, ugyanis a vizsgált pontok között nagyon nagy távolságok vannak (114-44 között 7,28 km; 114-36 között 8,15 km). Összességében megállapítható, hogy a szórásdiagramok alátámasztják a dendrogramok elemzése során tapasztaltakat.
37
RÉSZÖSSZEFOGLALÓ A fitoplankton vizsgálat eredményeit feldolgozva csekély eltérés tapasztalható az előző fejezetben bemutatott víztest besorolás tekintetében. Az alábbiakban ezeket az eltéréseket részletezem: • • •
•
•
Bár lényegesen kevesebb adat állt rendelkezésre a biológiai minták tekintetében, azonban a biológia sokkal jobban indikálja a tóban zajló folyamatokat, így pontosabb képet adhat az egyes mintavételi pontok hasonlóságát illetően. A fent ismertetett okok miatt jogosnak tartom, hogy a fizikai-kémiai komponensek által kialakított víztest-kijelölést némiképp módosítsam. Az már a szondaadatok elemzésekor megfigyelhető volt, hogy a 69, 70, 90, 115, 116 pontok kilógnak a többi pont közül. Ezt a megállapítást alátámasztotta a biológiai elemzés, oly módon, hogy a 69 és 90 pontokat a vizsgálat az átmeneti víztest részbe sorolta. Feltételezhető, hogy a 70-es ponttal kapcsolatban is hasonló megfigyelést tehettünk volna, azonban a dolgozat megírásakor a 70-es számú fitoplankton minta még nem került feldolgozásra. A 116-os pont – és valószínűleg a 115-ös pont is – viszont ténylegesen a nyíltvizes területeket reprezentálja. A biológiai minták elemzése során két másik eset okán is felül kell bírálni a szondaadatok alapján felállított besorolást. Az egyik ilyen a 93-as pont, melyet az elemzés nem a lápi területre sorolt be, hanem az átmeneti víztest része. Ezzel szemben a 108-as pontot pedig az átmeneti víztestből sorolta át a lápi víztest pontjai közé. A biológiai minták (23 db) elemzése alapján a vizsgált mintavételi helyeket a következőképpen sorolnám be az egyes víztestek közé (15. táblázat, 9. melléklet): 15. táblázat: A biológiai minták víztestek szerint Lápi víztest Átmeneti víztest Üdülőtó víztest
107; 108; 109; 110; 111 69; 90; 91; 93; 101; 105; 114 1; 2; 3; 4; 5; 6; 7; 25; 36; 44; 116
38
4. KÖVETKEZTETÉSEK, JAVASLATOK
A jelenlegi hazai gyakorlat egy tavat egyetlen víztestnek tekint, emiatt homogén egységként kezeli, ez azonban a legtöbb állóvízzel kapcsolatban nem teljesen állja meg a helyét. Ez különös mértékben igaz a Velencei-tóra, hiszen a nádasokkal szabdalt, erősen kotort területek egymástól nagyon eltérőek is lehetnek. A tavon 116 mérési ponton vizsgáltuk a tó vízének legfontosabb fizikai-kémiai paramétereit, valamint a víz felső rétegéből származó – jelenleg rendelkezésre álló – fitoplankton adatokat, amelyek jelen TDK munkám részét képezték. Először a nagyszámú szondaadat többváltozós statisztikai elemzése alapján a tó egyes területeit 3 víztestbe soroltam. Az eredmények alapján megállapítottam, hogy a javasolt víztestenként a monitoring jelenleg meglévő mérőhelyei felülvizsgálandók, esetenként kiegészítendők. Ezen kérdések megválaszolásában döntő szerep jut majd a komplett fitoplankton eredményeknek. Mivel a VKI nagy hangsúlyt fektet az ökológiai vízminősítésre, ezért a biológiai minták elemzése során kapott adatok ismeretében felülbíráltam szondaadatok alapján kialakított víztest besorolást. A vizsgálatok eredményei alapján az alábbi három víztest kijelölésére teszek javaslatot: Lápi víztest: a Velencei tó nyugati medencéjében lévő nádassal borított területek, Átmeneti víztest: a tó nyugati medencéjében található nyíltvizes területek, Üdülőtó víztest: a Velencei-tó középső és keleti területei.
A javasolt víztest besorolást és a besorolás alapját képező mérési, illetve mintavételi helyeket a 9. melléklet szemlélteti. A fizikai-kémiai és biológiai komponensek alapján elvégzett adatelemzések eredményei számottevő eltérést nem mutattak, a vizsgálati eredmények közti csekély eltérések jellemzően néhány határhelyzetben lévő mintavételi pontra korlátozódnak. Összességében megállapítható, hogy a rendelkezésre álló fitoplankton minták elemzése nagyon hasznosnak bizonyult az egyszerű szondaadatok által felállított víztest-besorolás alátámasztására és módosítására. Ez az eredmény is bizonyítja a VKI szemléletében is kiemelt jelentőséggel bíró biológiai vizsgálatok fontosságát. A szondaadatok elemzése elég pontos eredményt szolgáltatott, azonban az egyes víztestek határán még további pontosításra van szükség, amelyre a meglévő adatok más szemszögből való megközelítése is lehetőséget nyújt a továbbiakban. Ezt a pontosítást a későbbiekben a határhelyzetben lévő pontok biológiai mintáinak segítségével szándékozunk megtenni.
39
5. IRODALOMJEGYZÉK
1.
BARANYI S., VARGA GY. (1992): A Velencei-tó és vízrendszerének hidrológiai jellemzői (1971-1990). – In: Vízügyi Közlemények 74: 126-143.
2.
BERECZKY Á. (2005): A Velencei-tó vízminőség-szabályozási tanulmánya a Víz Keretirányelv szempontjainak figyelembevételével. – Diplomamunka, kézirat, Budapest 2005.
3.
DÉVAI GY. - SZERK. (1992): Vízminőség és ökológiai vízminősítés. – Acta Biol. Debrecina, Suppl. Oecologica Hungarica 4.
4.
FELFÖLDY L. (1987): A biológiai vízminősítés. – In: Vízügyi Hidrobiológia 16., VGI, Budapest 1987
5.
GEO (1996): Velencei-tó mederfelvétele. – GeoMontan Kft., Székesfehérvár, témabeszámoló, kézirat
6.
KDT KF (2003): A Vízminőségi Észlelőhálózat eredményeinek értékelése a Velenceitó mai állapotának tükrében. – Összefoglaló jelentés. Közép-dunántúli Környezetvédelmi Felügyelőség, Székesfehérvár 2003.
7.
KDT KÖVIZIG (2004a): A Velencei-tó és tározóinak együttes üzemelési szabályzata. – Témabeszámoló, kézirat. Székesfehérvár 2004.
8.
KDT
KÖVIZIG
(2004b):
A Velencei-tó
–
Vértes
Kiemelt
Üdülőkörzet
környezetállapot felmérése és feladatterv a környezetállapot javítására. – Összefoglaló jelentés, kézirat, Székesfehérvár 2004. 9.
KDT VIZIG (1996): Velencei-tavi vízgazdálkodási fejlesztési tanulmányterve – Vízrendezés. – Kézirat, Székesfehérvár 1996.
10.
KISS G. (2001): A Velencei-tó vízminőségének alakulása, tipológiája (VIT-9). – Jelentés, kézirat, Székesfehérvár 2001.
11.
KVVM (2005): Jelentés a Duna vízgyűjtőkerület magyarországi területének jellemzőiről, az emberi tevékenységek környezeti hatásairól és a vízhasználatok gazdasági elemzéséről. – KvVM, Budapest 2005.
12.
NÉMETH J. (1998): A biológiai vízminősítés módszerei. – KGI, Budapest 1998.
13.
ORBÁN V., SZILÁGYI F. (2005): Alkalmazott hidrobiológia. – jegyzet, SZIE Ybl Miklós Műszaki Főiskolai Kar, Budapest 2005.
14.
PODANI J. (1997): Bevezetés a többváltozós biológiai adatfeltárás rejtelmeibe. – Scientia Kiadó, Budapest 1997.
40
program
15.
RESKÓNÉ N. M., PONYI J., SZITÓ A., KISS G., ÁCS É., BORSODI A. (2001): A Velencei-tó biológiai állapota. – In: Hidrológiai Közlöny 81. p. 448-452.
16.
SZABÓ M. (1997): A Velencei-tó vízháztartása. – In: Vízügyi Közlemények 79: 173190
17.
SZILÁGYI F., SZABÓ SZ., MÁNDOKI M., TÓTH L. (1989): A műszaki beavatkozások hatása a Velencei-tó vízminőségére. – In: Vízügyi Közlemények 71: 437-451.
18.
SZILÁGYI F. (2005): A Velencei-tó - Vértes Kiemelt Üdülőkörzetre vonatkozó középtávú kutatási program kidolgozása, valamint az 1980-tól készített környezetvédelmi, természetvédelmi és vízügyi kutatások szintetizáló értékelésének összeállítása. – Kézirat, Budapest 2005.
19.
TÓTHMÉRÉSZ B. (1994): NuCoSA. Programcsomag közösségi szintű botanikai, zoológiai és ökológiai vizsgálatokhoz. – KLTE, Debrecen 1994.
41
6. MELLÉKLETEK
1. melléklet: Mérési helyek koordinátái a Velencei-tavon 2. melléklet: Mérési pontok a Velencei-tavon 3. melléklet: A Velencei-tó fitoplankton fajlistája (2005. július) 4. melléklet: A fitoplankton minták mintavételi helyei 5. melléklet: A szondaadatok átlagai mérési pontok szerint 6. melléklet: Dendrogramok a szondaadatok alapján 7. melléklet: Szórásdiagramok a fitoplankton adatok alapján 8. melléklet: A szondaadatok alapján javasolt víztestek 9. melléklet: A fitoplankton adatok alapján módosított víztestek
42
1. melléklet: Mérési helyek koordinátái a Velencei-tavon Mérési pont
X koordináta
Y koordináta
Mérési pont
X koordináta
Y koordináta
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58
E 18° 34,428' E 18° 34,420' E 18° 34,558' E 18° 34,724' E 18° 34,886' E 18° 35,066' E 18° 35,253' E 18° 35,426' E 18° 35,659' E 18° 35,794' E 18° 35,965' E 18° 36,093' E 18° 36,250' E 18° 36,393' E 18° 36,507' E 18° 36,624' E 18° 36,732' E 18° 36,857' E 18° 36,961' E 18° 37,093' E 18° 37,204' E 18° 37,316' E 18° 37,413' E 18° 37,478' E 18° 37,578' E 18° 37,685' E 18° 37,851' E 18° 38,055' E 18° 38,269' E 18° 38,450' E 18° 38,632' E 18° 38,771' E 18° 39,035' E 18° 39,295' E 18° 39,570' E 18° 39,278' E 18° 39,033' E 18° 38,638' E 18° 38,522' E 18° 38,272' E 18° 38,335' E 18° 38,467' E 18° 38,180' E 18° 38,010' E 18° 37,754' E 18° 37,608' E 18° 37,223' E 18° 37,104' E 18° 36,780' E 18° 36,568' E 18° 36,406' E 18° 35,938' E 18° 36,086' E 18° 36,295' E 18° 36,485' E 18° 36,662' E 18° 36,851' E 18° 37,059'
N 47° 11,311' N 47° 11,358' N 47° 11,360' N 47° 11,451' N 47° 11,536' N 47° 11,604' N 47° 11,682' N 47° 11,779' N 47° 11,808' N 47° 11,916' N 47° 12,057' N 47° 12,128' N 47° 12,145' N 47° 12,185' N 47° 12,259' N 47° 12,341' N 47° 12,402' N 47° 12,453' N 47° 12,490' N 47° 12,512' N 47° 12,584' N 47° 12,647' N 47° 12,707' N 47° 12,802' N 47° 12,884' N 47° 12,967' N 47° 13,078' N 47° 13,133' N 47° 13,164' N 47° 13,280' N 47° 13,407' N 47° 13,615' N 47° 13,672' N 47° 13,724' N 47° 13,776' N 47° 13,779' N 47° 13,776' N 47° 13,730' N 47° 13,874' N 47° 13,882' N 47° 14,062' N 47° 14,166' N 47° 14,156' N 47° 14,046' N 47° 14,085' N 47° 13,849' N 47° 13,863' N 47° 13,678' N 47° 13,694' N 47° 13,639' N 47° 13,537' N 47° 12,824' N 47° 12,924' N 47° 13,005' N 47° 13,078' N 47° 13,134' N 47° 13,294' N 47° 13,372'
59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116
E 18° 37,301' E 18° 37,563' E 18° 37,841' E 18° 37,946' E 18° 38,035' E 18° 37,909' E 18° 37,739' E 18° 37,462' E 18° 37,240' E 18° 37,021' E 18° 34,644' E 18° 34,750' E 18° 34,844' E 18° 34,935' E 18° 34,867' E 18° 35,111' E 18° 35,286' E 18° 35,418' E 18° 35,559' E 18° 35,612' E 18° 35,692' E 18° 35,786' E 18° 35,745' E 18° 35,970' E 18° 35,367' E 18° 34,938' E 18° 35,238' E 18° 34,900' E 18° 34,652' E 18° 34,540' E 18° 34,299' E 18° 33,983' E 18° 34,198' E 18° 33,925' E 18° 33,700' E 18° 33,632' E 18° 33,568' E 18° 33,475' E 18° 33,033' E 18° 32,978' E 18° 33,862' E 18° 34,018' E 18° 34,234' E 18° 34,153' E 18° 34,278' E 18° 34,145' E 18° 34,009' E 18° 33,899' E 18° 33,551' E 18° 33,749' E 18° 33,597' E 18° 33,522' E 18° 33,367' E 18° 33,199' E 18° 33,810' E 18° 34,098' E 18° 34,635' E 18° 34,452'
N 47° 13,506' N 47° 13,643' N 47° 13,777' N 47° 13,647' N 47° 13,388' N 47° 13,299' N 47° 13,215' N 47° 13,004' N 47° 12,950' N 47° 12,881' N 47° 11,733' N 47° 11,823' N 47° 11,907' N 47° 11,970' N 47° 12,078' N 47° 12,102' N 47° 12,267' N 47° 12,325' N 47° 12,154' N 47° 12,283' N 47° 12,459' N 47° 12,635' N 47° 13,049' N 47° 13,196' N 47° 12,750' N 47° 12,563' N 47° 12,462' N 47° 12,364' N 47° 12,249' N 47° 12,375' N 47° 12,407' N 47° 12,343' N 47° 12,186' N 47° 12,201' N 47° 11,946' N 47° 12,043' N 47° 12,050' N 47° 11,872' N 47° 11,865' N 47° 11,839' N 47° 12,058' N 47° 12,017' N 47° 11,930' N 47° 11,788' N 47° 11,524' N 47° 11,382' N 47° 11,609' N 47° 11,768' N 47° 11,506' N 47° 11,282' N 47° 11,289' N 47° 11,166' N 47° 11,250' N 47° 11,220' N 47° 11,227' N 47° 11,171' N 47° 12,093' N 47° 12,183'
2. melléklet: Mérési pontok a Velencei-tavon
50
#
#
#
55
#
# #
90
# # ##
95
#
##
# #
100
#
# #
#
# #
#
#
#
# #
#
#
# # #
#
#
#
15
# #
10
#
#
20
#
#
#
#
#
#
# #
#
#
#
#
#
#
# #
#
#
80
#
75
# #
#
#
# # #
#
30
# 25
#
70
#
#
65
#
# #
#
5
1
#
#
#
# #
#
#
#
40
#
#
#
#
#
110
3
0
3
35
60
#
85
#
115
# 105
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
# 45
#
#
#
#
Kilometers
N W
E S
# #
# #
#
3. melléklet: A Velencei-tó fitoplankton fajlistája (2005. július) Cyanobacteria
Chroococcales
Chroococcales összesen: Hormogonales
Aphanocapsa Chroococcus Chroococcus Chroococcus Chroococcus Chroococcus Coelosphaerium Coelosphaerium Dactylococcopsis kékalga kékalga Merismopedia Merismopedia Microcystis Romeria Snowella Synechococcus
sp. dispersus dispersus var. minuta limneticus species turgidus kuetzingianum minutissimum raphidioides egysejtű telepes minima tenuissima aeruginosa elegans lacustris sp.
Anabaena Anabaenopsis Aphanizomenon Cylindrospermopsis Limnothrix Lyngbya Nodularia Oscillatoria Oscillatoria Oscillatoria Planktolyngbya Pseudoanabaena Spirulina Spirulina
sp. elenkini flos-aquae raciborskii redekei contorta harveyana aghardii chlorina sp. limnetica sp. subsalsa subtilissima
17
Hormogonales összesen:
Cyanobacteria összesen: Bacillariophyceae Centrales
Centrales összesen: Pennales
Pennales összesen:
Bacillariophyceae összesen:
14
31 Chaetoceros Cyclotella Cyclotella Stephanodiscus
muelleri meneghiniana sp. species
Achnanthes Achnanthes Amphora Anomoeoneis Aulacoseria Caloneis Caloneis Campylodiscus Cocconeis Cymbella Cymbella Diatoma Fagilaria Fragilaria Fragilaria Fragilaria Navicula Navicula Navicula Navicula Navicula Navicula Nitzschia Nitzschia Nitzschia Nitzschia Nitzschia Nitzshia kicsi Pinnularia Rhoicosphenia Rhopalodia
species gibberula ovalis shpaerophora distans bacillum silicula hibernicus placentula cistula ventricosa vulgare ulna capucina construens sp. cryptocephala cryptocephala var. veneta cuspidata oblonga sp. sp. kicsi acicularis palea recta sp. kicsi species sp. viridis curvata gibba
4
31
35
Chlorophyta
Chlorophyceae
Chlorophyceae összesen: Conjugatophyceae
Actinastrum Botryococcus Chlorella Chodatella Chodatella Chodatella Chodatella Chodatella Coelastrum Coelastrum Coenococcus Crucigenia Crucigenia Dictyosphaerium Dictyosphaerium Didymocystis Franceia Golenkinia Golenkinia Hyaloraphidium Kirchneriella Kirchneriella Kirchneriella Kirchneriella Kirchneriella Kirchneriella Koliella Monoraphidium Monoraphidium Monoraphidium Monoraphidium Monoraphidium Monoraphidium Monoraphidium Nephrochlamys Oocystis Oocystis Oocystis Pediastrum Phacotus Scenedesmus Scenedesmus Scenedesmus Scenedesmus Scenedesmus Scenedesmus Scenedesmus Scenedesmus Scenedesmus Scenedesmus Scenedesmus Scenedesmus Scenedesmus Schroederia Schroederia Tetraedron Tetraedron Tetraedron Tetraedron Tetraedron Tetrastrum Trachelomonas zöldalga zöldalga zöldalga
Cosmarium Cosmarium Cosmarium Cosmarium Cosmarium Conjugatophyceae összesen:
Chlorophyta összesen:
hantzschii braunii vulgaris ciliata pilosa quadriseta sp. subsalsa microporum sphaericum planctonicus quadrata tetrapedia pulchellum sp. planctonica ovalis longispina radiata contortum var. tenuissimum arcuata contorta contorta var. lunaris obesa phaseoliformis sp. longiseta contortum griffithii komarkovae minutum mirabile sp. tortile sp. borgei lacustris sp. boryanum lenticularis acuminatus arcuatus arcuatus var. arcuatus f. gracilis arcuatus var. platydisca armatus ecornis ecornis var. concavus intermedius opoliensis ovalternus var. graevenitzii quadricauda quadricauda var. quadrispina sp. tüskés robusta setigera caudatum var. incisum f. microspina isoscelum f. nudum minimum triangulare trilobatum glabrum sp. egysejtű kicsi, ostoros telepes 65
abbreviatum laeve phaseolus sp. tenue 5
70
Chrysophyta
Chrysophyceae
Chrysoflagellata Mallomonas
Chrysophyceae összesen: Xanthophyceae Centritractus Ophiocytium Xanthophyceae összesen:
Chrysophyta összesen: Cryptophyta
Cryptophyta összesen: Dinophyta
Dinophyta összesen: Euglenophyta
Euglenophyta összesen:
Összesen talált algafajok száma:
sp. sp. 2
belenophorus capitatum 2
4 Chroomonas Cryptomonas Gonyostomum Katablepharis Rhodomonas
acuta ovata semen ovalis minuta
Peridiniopsis Peridinium Peridinium Peridinium
penardiforme aciculiferum sp. kicsi umbonatum
Euglena Euglena Euglena Euglena Euglena Euglena Euglena Lepocinclis Lepocinclis Phacus Phacus Phacus
acus allorgei clavata gasterosteus oxiurys sp. texta fusiformis var. fusiformis ovum caudatus pleuronectes pyrum
5
4
12
161
4. melléklet: A fitoplankton minták mintavételi helyei 44
#
36 #
25
90
116
# #
91 93
105
107 111
101
#
#
110
69 #
#
2 #
# #
#
#
#
#
#
7
#
#
108
109
3
#
#
# #
#
0
114
1
3 Kilometers
N W
E S
5. melléklet: A szondaadatok átlagai mérési pontok szerint Mérési pont 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
Hőmérséklet °C 23,31 23,01 22,14 22,74 22,26 22,18 22,20 22,82 22,16 22,20 22,77 22,80 23,30 22,95 22,89 22,58 22,37 22,54 22,20 22,69 23,15 23,23 23,64 23,26 23,93 22,91 23,09 22,05 24,27 24,17 23,01 23,36 23,44 23,30 22,56 23,61 24,49 23,87 24,08 24,20 23,88 24,21 24,70 24,53 23,63 24,03 23,15 25,07 23,81 24,23
Oldott oxigén % mg/l 91,4 7,66 87,7 7,39 82,2 7,04 88,9 7,53 85,3 7,29 84,5 7,24 84,9 7,26 89,3 7,56 87,1 7,45 85,7 7,33 91,7 7,77 88,6 7,50 95,7 8,02 92,1 7,77 95,5 8,07 92,6 7,88 91,9 7,84 90,2 7,66 87,5 7,48 90,0 7,62 90,9 7,62 91,2 7,66 90,0 7,49 88,3 7,39 97,3 8,05 93,0 7,85 91,6 7,69 85,1 7,30 95,9 7,88 94,2 7,73 84,1 7,08 100,1 8,37 104,2 8,68 100,9 8,44 84,5 7,16 101,1 8,39 109,6 8,95 103,9 8,59 98,5 8,10 107,4 8,85 99,1 8,20 91,6 7,52 97,3 7,91 93,6 7,63 88,3 7,29 92,2 7,59 88,9 7,44 95,8 7,74 91,5 7,54 89,2 7,31
Vez.kép. µS/cm 3502 3505 3516 3542 3559 3560 3609 3636 3658 3669 3730 3732 3727 3734 3744 3731 3729 3728 3734 3725 3746 3744 3745 3755 3750 3742 3757 3745 3768 3772 3758 3763 3763 3764 3741 3764 3770 3769 3768 3769 3767 3772 3766 3759 3747 3757 3744 3773 3754 3753
pH 8,75 8,78 8,80 8,84 8,86 8,87 8,89 8,91 8,91 8,91 8,93 8,94 8,94 8,94 8,95 8,95 8,95 8,95 8,95 8,95 8,95 8,95 8,93 8,94 8,94 8,95 8,95 8,95 8,95 8,95 8,95 8,97 8,97 8,98 8,97 8,97 8,98 8,96 8,95 8,95 8,93 8,93 8,92 8,92 8,90 8,91 8,92 8,92 8,91 8,91
Redox mV 195 195 194 182 184 183 182 179 178 178 177 177 175 174 174 176 177 175 174 164 168 170 170 169 166 168 166 159 163 163 162 163 164 162 162 164 166 165 167 168 168 166 168 169 169 167 167 160 164 167
Ext. Koeff. 1,42 0,99 1,55 1,77 1,68 1,22 1,53 1,22 1,00 1,00 0,41 1,21 1,16 1,33 1,21 1,17 1,65 1,65 0,91 1,54 1,61 0,71 1,22 0,86 0,92 0,76 1,43 1,15 1,69 1,60 2,69 2,18 0,86 1,73 2,38 1,80 0,93 1,63 1,79 1,72 1,66 1,94 1,50 1,67 1,97 2,73 1,97 2,09 2,03 2,17
Mérési pont 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
Hőmérséklet °C 23,16 23,95 23,73 23,99 24,07 23,66 24,11 24,42 24,23 23,74 23,47 24,24 23,18 24,09 23,87 24,60 23,55 23,61 19,81 19,96 20,29 19,85 19,92 20,02 20,25 20,61 21,17 20,43 20,40 21,05 20,66 20,54 20,93 20,71 20,71 21,40 20,58 21,38 21,23 20,63 20,82 20,53 21,08 20,93 20,40 21,08 18,28 19,76 20,63 21,21
Oldott oxigén % mg/l 85,5 7,15 91,5 7,58 93,8 7,79 93,8 7,75 100,0 8,27 94,6 7,87 90,9 7,48 98,5 8,08 100,6 8,29 83,9 6,93 83,4 6,95 86,5 7,11 81,6 6,83 102,2 8,44 94,0 7,80 99,3 8,14 78,8 6,55 100,7 8,41 82,0 7,36 79,5 7,12 79,8 7,08 77,3 6,93 78,1 6,99 76,3 6,81 73,9 6,56 75,8 6,69 82,4 7,20 81,8 7,25 78,1 6,91 81,1 7,10 77,1 6,80 78,5 6,93 79,3 6,95 76,8 6,74 72,9 6,42 73,8 6,41 80,3 7,09 81,2 7,05 80,9 7,07 67,2 5,95 80,7 7,10 76,2 6,74 56,9 4,94 52,3 4,56 49,9 4,44 24,6 2,16 7,2 0,66 6,0 0,52 76,7 6,78 86,1 7,51
Vez.kép. µS/cm 3757 3598 3604 3611 3619 3615 3634 3632 3636 3634 3635 3638 3627 3631 3634 3633 3618 3607 3405 3448 3579 3586 3596 3669 3670 3689 3725 3724 3742 3759 3751 3742 3708 3694 3712 3677 3621 3607 3543 3464 3259 3126 2430 2208 2225 1837 1645 1639 2944 3035
pH 8,92 8,83 8,83 8,83 8,85 8,84 8,84 8,85 8,86 8,84 8,83 8,84 8,84 8,87 8,86 8,88 8,85 8,86 8,85 8,86 8,89 8,89 8,89 8,93 8,93 8,92 8,95 8,96 8,96 8,96 8,93 8,94 8,89 8,87 8,90 8,88 8,88 8,79 8,75 8,76 8,79 8,76 8,42 8,35 8,23 7,95 7,67 7,70 8,74 8,76
Redox mV 167 131 135 136 136 146 165 153 147 146 154 152 141 139 141 130 129 136 228 225 190 190 194 193 191 190 185 184 180 176 167 165 169 168 168 170 164 166 138 72 99 125 38 -61 -75 -30 -217 -217 27 51
Ext. Koeff. 2,03 1,35 1,50 1,49 1,42 1,76 1,51 1,69 1,44 1,82 1,88 1,91 2,06 1,87 1,88 2,42 1,82 1,78 3,95 2,74 2,19 2,28 2,23 2,23 2,18 1,82 1,68 1,97 1,84 2,81 1,81 2,82 3,56 2,49 3,14 2,15 1,69 2,41 1,61 3,31 2,81 4,78 2,64 3,87 4,64 4,94 4,40 3,52 1,33 1,28
Mérési pont 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116
Hőmérséklet °C 21,47 21,06 22,76 23,03 21,66 20,49 22,04 22,99 22,45 22,48 22,48 22,55 22,56 22,27 21,56 21,29
Oldott oxigén % mg/l 89,5 7,76 88,4 7,76 105,4 8,95 101,5 8,58 93,5 8,10 84,6 7,50 71,0 6,11 82,0 6,93 78,7 6,72 58,5 4,97 54,0 4,53 56,4 4,83 85,1 7,25 85,5 7,29 95,1 8,23 86,1 7,50
Vez.kép. µS/cm 3171 3029 3022 3068 2998 3039 2508 3007 2712 2593 2407 2293 3223 3293 3604 3601
pH 8,79 8,78 8,76 8,78 8,77 8,78 8,45 8,63 8,48 8,29 8,14 8,19 8,74 8,80 8,89 8,89
Redox mV 61 76 69 92 101 103 74 33 65 -54 -90 -78 -8 3 52 55
Ext. Koeff. 1,74 2,54 3,90 1,62 3,12 3,77 2,69 4,54 2,82 3,11 3,08 4,55 2,76 2,85 3,88 4,01
6. melléklet: Dendrogramok a szondaadatok alapján UPGMA - Euclidean distance - NoSt 1 350 1 300 1 250 1 200 1 150 1 100 1 050 1 000 950 900 850 Dissimilarity
800 750 700 650 600 550 500 450 400 350 300 250 200 150 100 50 0
1
2
3
4
5
6 71 72 73 89 7 88
8 57 87 52 53 68 54 55 67 56 58 61 62 59 60 63 64 65 66 9
10 86 74 75 76 115 116 11 17 12 16 13 18 14 19 77 78 79 20 83 85 84 15 21 45 22 23 26 47 28 35 82 24 27 46 51 44 25 81 50 49 80 29 37 38 42 39 40 41 43 30 48 31 32 34 33 36 69 70 90 91 113 114 92 101 99 100 102 103 108 105 104 106 93 107 111 109 110 94 95 112 96 97 98
UPGMA - Euclidean distance - RoV
Dissimilarity
1
0
1
3
4
5
7 87 57 2
6 14 27 43 17 18 20 21 30 44 29 39 41 34 36 38 40 52 53 54 55 59 56 65 58 64 68 42 47 49 45 51 50 48 76 79 81 77 78 71 72 73 74 75 86 84 88 60 61 62 63 67 89 32 66 8
9 10 12 23 28 13 15 16 25 19 24 22 26 11 33 37 31 82 80 46 35 83 85 70 90 91 102 105 113 114 99 100 101 104 69 92 108 103 106 115 116 93 107 109 94 95 112 110 111 96 97 98
Dissimilarity
UPGMA - City Block (Manhattan) - NoSt 1 600 1 550 1 500 1 450 1 400 1 350 1 300 1 250 1 200 1 150 1 100 1 050 1 000 950 900 850 800 750 700 650 600 550 500 450 400 350 300 250 200 150 100 50 0
1
2
3
4
5
6
7 88 71 72 73 89
8 57 87 58 61 62 59 60 63 64 65 66 52 53 68 54 55 67 56 9
10 74 75 86 76 115 116 11 17 12 16 13 18 14 19 77 78 20 83 85 84 15 21 45 47 22 23 26 28 35 82 79 24 44 27 46 51 25 50 81 49 31 80 29 37 38 39 40 41 43 32 34 36 33 30 42 48 69 70 90 91 113 114 92 101 99 100 102 103 108 104 106 105 93 107 110 109 94 95 112 111 96 97 98
Dissimilarity
UPGMA - Mean character difference - NoSt 320 310 300 290 280 270 260 250 240 230 220 210 200 190 180 170 160 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0
1
2
3
4
5
6
7 88 71 72 73 89
8 57 87 58 61 62 59 60 63 64 65 66 52 53 68 54 55 67 56 9 10 74 75 86 76 115 116 11 17 12 16 13 18 14 19 77 78 20 83 85 84 15 21 45 47 22 23 26 28 35 82 79 24 44 27 46 51 25 50 81 49 31 80 29 37 38 39 40 41 43 32 34 36 33 30 42 48 69 70 90 91 113 114 92 101 99 100 102 103 108 104 106 105 93 107 110 109 94 95 112 111 96 97 98
UPGMA - Bray-Curtis formula - NoSt 0.27 0.26 0.25 0.24 0.23 0.22 0.21 0.2 0.19 0.18 0.17 Dissimilarity
0.16 0.15 0.14 0.13 0.12 0.11 0.1 0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0
1
2
3
4
5
6
7 88 71 72 73 89
8 57 87 58 61 62 59 60 63 64 65 66 52 53 68 54 55 67 56 9
10 86 74 75 76 115 116 11 17 12 16 13 18 14 19 77 78 20 83 85 84 15 21 45 47 22 23 26 28 35 82 79 24 44 27 46 51 25 50 81 49 31 80 29 37 38 39 40 41 43 32 34 36 33 30 42 48 69 70 90 91 113 114 92 101 99 100 102 103 108 104 106 105 93 107 109 110 94 95 112 111 96 97 98
UPGMA - Ruzicka index - NoSt 0.42 0.4 0.38 0.36 0.34 0.32 0.3 0.28 0.26 Dissimilarity
0.24 0.22 0.2
0.18 0.16 0.14 0.12 0.1 0.08 0.06 0.04 0.02 0
1
2
3
4
5
6
7 88 71 72 73 89 8 57 87 58 61 62 59 60 63 64 65 66 52 53 68 54 55 67 56
9 10 86 74 75 76 115 116 11 17 12 16 13 18 14 19 77 78 20 83 85 84 15 21 45 47 22 23 26 28 35 82 79 24 44 27 46 51 25 50 81 49 31 80 29 37 38 39 40 41 43 32 34 36 33 30 42 48 69 70 90 91 113 114 92 101 99 100 102 103 108 104 106 105 93 107 109 110 94 95 112 111 96 97 98
UPGMA - Similarity ratio - NoSt 0.21 0.2 0.19 0.18 0.17 0.16 0.15 0.14 0.13 Dissimilarity
0.12 0.11 0.1
0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0
1
2
3
4
5
6 71 72 73 89 7
88 8 57 87 52 53 68 54 55 67 56 58 61 62 59 60 63 64 65 66 9 10 74 75 86 76 115 116 11 17 12 16 13 18 14 19 77 78 20 83 85 84 15 79 21 45 22 23 26 47 82 28 35 24 27 46 51 44 25 50 81 49 80 29 37 38 42 39 40 41 43 30 48 31 32 34 33 36 69 70 90 91 113 114 92 101 99 100 102 103 108 105 104 106 93 107 111 109 110 94 95 112 96 97 98
7. melléklet: Szórásdiagramok a fitoplankton adatok alapján
PCoA - Euclidean distance - NoSt N036
5
L109
4 N044 3
L110
2 N025
Axis 2
L108
N006 N005 N004
1 0
N002 N116 N001
A 114
A 101
A091
L111
N003 A 105
-1 N007 -2 -3
N090
-4 L093
N069 -5
L107
-6 -8
-7
-6
-5
-4
-3
-2
-1
0
1
2
3
4 Axis 1
5
6
7
8
9
10
11
12
13
14
15
Axis 2
PCoA - City Block (Manhattan) - NoSt 12 11 10 9 8 7 6 5 4 3 2 1 0 -1 -2 -3 -4 -5 -6 -7 -8 -9 -10 -11 -12
L108
N044
N036
N025
L110
A 114 A 101
N116
L109
N002 N004 N001 N003 N006
A091
N007
L111 N005
N090
L107
A105 L093
N069
-20
-15
-10
-5
0
5
10 Axis 1
15
20
25
30
35
PCoA - Mean character difference - NoSt L108 1
N044
N025
N036
L110
A114 A101
Axis 2
N116
0
L109
N002 N004 N001 N003 N006
A091
N007
L111 N005
N090
L107
A105 L093
N069
-1 -1
0
1 Axis 1
2
3
16
PCoA - Bray-Curtis formula - NoSt N069
0,1 0,09 0,08
L093
0,07 0,06 A105
N005
0,05 0,04
N007
N090
L107
0,03
L111 N006
Axis 2
0,02 0,01
A091
N001 N003 N004 N002
0
L109
-0,01 -0,02
N116
A101
-0,03 -0,04
L110
N025 A114
-0,05 -0,06
N036 N044
-0,07
L108
-0,08 -0,09 -0,16
-0,14
-0,12
-0,1
-0,08
-0,06
-0,04
-0,02
0
0,02
0,04 A xis 1
0,06
0,08
0,1
0,12
0,14
0,16
0,18
0,2
0,22
0,24
Axis 2
PCoA - Ruzicka index - NoSt 0,17 0,16 0,15 0,14 0,13 0,12 0,11 0,1 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0 -0,01 -0,02 -0,03 -0,04 -0,05 -0,06 -0,07 -0,08 -0,09 -0,1 -0,11 -0,12 -0,13
N069 L093
A 105
N005
N090
N007
L111
A091
L107
N006 N001 N002 N004 N003 L109
N116 A101 A114 N025
L110
N044
-0,24 -0,22 -0,2
-0,18 -0,16 -0,14 -0,12
-0,1
N036
L108
-0,08 -0,06 -0,04 -0,02
0
0,02
0,04
0,06 A xis 1
0,08
0,1
0,12
0,14
0,16
0,18
0,2
0,22
0,24
0,26
0,28
0,3
0,32
0,34
PCoA - Similarity ratio - NoSt N036
0,08
L109
0,07 0,06
N044
0,05 0,04
L110
N025
0,03
N006
0,02
N005 N004
Axis 2
0,01
L108 N001
N002 N116
A114 A091
A101
0 -0,01
L111
A105
N003
-0,02 N007
-0,03
N090
-0,04 -0,05 -0,06
L093
L107
-0,07 -0,08
N069
-0,09 -0,1 -0,16
-0,14
-0,12
-0,1
-0,08
-0,06
-0,04
-0,02
0
0,02
0,04
0,06 A xis 1
0,08
0,1
0,12
0,14
0,16
0,18
0,2
0,22
0,24
0,26
0,28
8. melléklet: A szondaadatok alapján javasolt víztestek # #
#
#
#
#
#
# #
## #
##
# #
#
#
3
#
#
# #
0
#
#
69
#
# #
#
# #
#
#
# #
#
#
#
# 70
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
# #
#
#
#
# #
#
#
#
#
# #
115
#
#
#
116
#
#
#
#
#
# 90
#
#
#
# #
#
# #
#
#
#
#
#
# #
#
#
#
#
#
#
#
#
#
#
# # #
#
#
#
#
#
#
#
#
3 Kilometers
N W
E S
# #
# #
#
9. melléklet: A fitoplankton adatok alapján módosított víztestek 44 # #
#
#
#
#
#
# #
#
##
101
#
110
# #
#
#
# #
# # # #
#
#
#
# 69 #
#
#25
#
# #
#
# #
#
# #
#
#
# #
#
#
2
#
#
#
#
#
#
#
# #
#
#
#
#
#
#
#
# #
#
#
# #
#
#
#
#
#
#
7
#
108
109
3
#
# #
#
91
105#
107 111
##
93
#
#
116 #
#
#
#
#
#
90
#
#
#
#
#
# #
#
#
#
0
114
36
#
#
#
#
#
# #
#
#
#
#
#
1
3 Kilometers
N W
E S
# #
# #
#
