С.А. Лаптёнок

СИСТЕМНЫЙ АНАЛИЗ

ГЕОЭКОЛОГИЧЕСКИХ ДАННЫХ В ЦЕЛЯХ МИТИГАЦИИ

ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ

Монография

Минск БНТУ 2013

УДК 504.06:51-74

Рекомендовано к изданию Научно-техническим советом БНТУ

(протокол № 10 от 23 ноября 2012 г.)

Лаптёнок, С.А.

Системный анализ геоэкологических данных в целях митигации чрезвычайных ситуаций: монография / С.А. Лаптёнок – Минск:

БНТУ, 2013. – 286 с.

В монографии изложены результаты использования системного анализа геоэкологических данных как реализации системного подхода к митигации чрезвычайных ситуаций.

Издание предназначено для использования научными и административными работниками, инженерами и студентами широкого круга специальностей.

Рецензенты:

Доктор технических наук, профессор В.П. Бубнов Доктор технических наук, профессор В.Н. Сорокин ISBN 978-985-550-182-5 © Лаптёнок С.А., © БНТУ,

СОДЕРЖАНИЕ

Предисловие …………………………………………… Введение ………………………………………………...

1. ПЕРВИЧНЫЙ АНАЛИЗ ГЕОЭКОЛОГИЧЕСКОЙ

ИНФОРМАЦИИ ……………………………………... 1.1. Пространственная категоризация геоэкологических данных …………………………………………... 1.2. Интерполирование данных при анализе процессов, характеризующихся дефицитом информации 1.3. Оценка корреляционных связей демографических и эпидемиологических показателей ………………...

2. ОЦЕНКА ВЛИЯНИЯ ГЕОЭКОЛОГИЧЕСКИХ

ФАКТОРОВ НА СТРУКТУРУ

ЗАБОЛЕВАЕМОСТИ ………………………………... 2.1. Общая характеристика структуры заболеваемости в населенных пунктах с различными геоэкологическими условиями …………………………………... 2.2. Оценка ранговых корреляционных связей в структурах заболеваемости, наблюдаемых при различных геоэкологических условиях …………... 2.3. Оценка уровней конкордации в структурах заболеваемости, наблюдаемых при различных геоэкологических условиях ………………………………….

3. ПРОСТРАНСТВЕННОЕ МОДЕЛИРОВАНИЕ

ДИНАМИКИ ДЕМОГРАФИЧЕСКИХ И ЭПИДЕМИЧЕСКИХ ПРОЦЕССОВ В РАЗЛИЧНЫХ

ГЕОЭКОЛОГИЧЕСКИХ УСЛОВИЯХ …………… 3.1. Анализ территориальной однородности средствами дискретного пространственного моделирования ………………………………………….

3.2. Непрерывное пространственное моделирование эпидемиологических показателей ………………….. 3.2.1. Непрерывное пространственное моделирование интенсивных показателей заболеваемости ……………… 3.2.2. Непрерывное пространственное моделирование интенсивных логарифмических показателей заболеваемости …………………………………………………….

4. ОЦЕНКА ЗНАЧИМОСТИ ВКЛАДА

ГЕОЭКОЛОГИЧЕСКИХ ФАКТОРОВ В

ФОРМИРОВАНИЕ РИСКОВ ПРИ

КОМБИНИРОВАННОМ ВОЗДЕЙСТВИИ ………. 4.1. Общая характеристика демографических и эпидемиологических показателей для различных геоэкологических условий ………………………………. 4.2. Формирование таблиц сопряженности на основе пространственной категоризации геоэкологических данных …………………………………………… 4.3. Анализ таблиц сопряженности методом расчета относительных значений …………………………….. 4.4. Анализ таблиц сопряженности методом логарифмов преобладания …………………………... 4.5. Анализ таблиц сопряженности методом приращения информации ……………………………

5. АНАЛИЗ ДИНАМИКИ ЭПИДЕМИЧЕСКОГО

ПРОЦЕССА В РАЗЛИЧНЫХ

ГЕОЭКОЛОГИЧЕСКИХ УСЛОВИЯХ ……………. 5.1. Первичная интерпретация характеристик преобразований данных при анализе динамических процессов ………………………………………………. 5.2. Дифференциальная оценка динамики методом восходящих и нисходящих серий …………………… 5.3. Анализ динамики с использованием аналитических свойств возвратных последовательностей … 5.4. Интегральная оценка динамики методом секвенциального анализа ……………………………………. ЗАКЛЮЧЕНИЕ ………………………………………. ЛИТЕРАТУРА ………………………………………… Используемые источники …………………………… Публикации автора …………………………………... ПРИЛОЖЕНИЕ …………………………….…………

ПРЕДИСЛОВИЕ

Изучение взаимодействий природных процессов и явлений с процессами антропогенного происхождения как вероятных источников чрезвычайных ситуаций является одной из наиболее актуальных задач в условиях интенсивного развития индустриального общества.

Одним из наиболее значимых показателей социально-экономических условий жизни населения является состояние общественного здоровья. Основным признаком чрезвычайной ситуации является угроза жизни и здоровью человека.

Анализ эффектов комбинированных воздействия геоэкологических факторов на человека, состояние его здоровья, является в высшей степени значимой задачей как в социально-экономическом, так и в научном аспекте. Данное исследование посвящено оценке эффективности различных методологических и методических подходов для решения такого рода сложных системных задач.

Разнообразие возможностей применения результатов исследования определяет достаточно широкий круг специалистов, а также студентов и аспирантов, которым данная книга может быть полезна.

ВВЕДЕНИЕ

Интенсивное развитие производства и потребления в глобальном масштабе обусловило значительные количественные и качественные технологические изменения практически во всех отраслях деятельности человека. Повышение уровня сложности технических систем и технологических процессов приводит к росту вероятности различного рода отклонений, в том числе и опасных, то есть, к увеличению степени риска возникновения чрезвычайных ситуаций.

Чрезвычайной ситуацией является обстановка, сложившаяся на данной территории (на объекте, у человека), в результате возникновения источника ЧС, который может повлечь или повлек за собой человеческие жертвы, ущерб здоровью людей и (или) окружающей природной среде, значительные материальные потери [12].

Митигация (мitigation - смягчение, ослабление, облегчение, уменьшение, снижение) – совокупное понятие, под которое подходят все действия, предпринимаемые до наступления чрезвычайной ситуации, включая состояние готовности и долгосрочные меры по уменьшению риска, разработку и реализацию специфических проектов по снижению уязвимости населения.

Философия и методология митигации органично согласуется с разработанной в 80-90-х годах XX столетия членом-корреспондентом Национальной академии наук Беларуси Н.И. Аринчиным концепцией здравосозидания в Республике Беларусь. По А.Н. Аринчину здравосозидание представляет собой систему индивидуальных, государственных и международных мероприятий, направленных на вскрытие и ликвидацию источников заболеваний, формирование здоровья, долголетия и творческой жизнедеятельности каждого человека [4].

Очевидно, осуществление мер по снижению долгосрочного риска невозможно без достаточной информации о наличии факторов, его обусловливающих, и их адекватной оценки. Методология выявления и первичной оценки такого рода факторов для территории Республики Беларусь и явилась целью данной работы.

Значительная доля усилий и средств, направляемых на предотвращение чрезвычайных ситуаций и снижение тяжести их последствий, расходуются на митигацию техногенных и природных чрезвычайных ситуаций, характеризующихся высокими темпами распространения.

Значительно меньше внимания уделяется природным факторам, которые могут как потенцировать техногенные чрезвычайные ситуации, в том числе увеличивая тяжесть их последствий, так и становиться непосредственными источниками чрезвычайных ситуаций. Примером могут служить геологические, геофизические, геохимические, биологические и другие факторы, вызывающие эндемическое распространение физиологических аномалий и нозологических форм – эндемии тиреоидного зоба в зонах дефицита йода в почвах и водах и др. Поскольку такого рода процессы не характеризуются высокими темпами распространения, их, как правило, не относят к разряду чрезвычайных ситуаций. Очевидно, подобный подход является ошибочным, так как главный определяющий признак чрезвычайной ситуации – наличие угрозы здоровью (а часто и жизни) человека – в данном случае, бесспорно, присутствует.

28 февраля 2012 г по инициативе Министерства природных ресурсов Республики Беларусь было проведено рабочее совещание «Проблемы медицинской геологии Беларуси», в ходе которого обсуждались вопросы совместных исследований в области влияния геохимических и геофизических факторов на состояние физиологических систем организма человека в отдельных регионах Республики Беларусь. В данной работе предлагается системный подход к решению проблем выявления и оценки уровней рисков, связанных с проживанием в зонах с различными геофизическими и геохимическими характеристиками.

Белорусское государство активно пропагандирует и всемерно поддерживает ориентацию на здоровый образ жизни своих граждан.

Следующим шагом в данном направлении может стать внедрение системы мероприятий, направленных на снижение риска возникновения опасных заболеваний вследствие воздействия территориально обусловленных факторов, и основанных на системном анализе информации с использованием современных технических и программных средств.

1. ПЕРВИЧНЫЙ АНАЛИЗ ГЕОЭКОЛОГИЧЕСКОЙ

ИНФОРМАЦИИ

1.1. Пространственная категоризация Заболеваемость злокачественными новообразованиями является одной из наиболее острых проблем, возникающих в результате загрязнения территории радионуклидами. Исследования в данной области уже длительное время остаются актуальными во всем мире.

В частности, в ходе наблюдения за состоянием здоровья лиц, подвергшихся воздействию поражающих факторов ядерной бомбардировки в Японии, было установлено, что в данной группе имел место достоверный рост заболеваемости злокачественными новообразованиями различной локализации: лейкозов – через лет после бомбардировки, новообразований щитовидной железы – через 10, молочной железы и легких – через 20, желудка, ободочной кишки и миелом – через 30 лет [2].

Очевидно, что эффекты облучения ионизирующими излучениями являются только одним из ряда факторов, вызывающих рост заболеваемости злокачественными новообразованиями. В литературных источниках имеется информация о влиянии на данный процесс комплекса геофизических факторов, действующих в зонах расположения линеаментов – разломов земной коры [16,29].

Материалы исследований последних десятилетий свидетельствуют о том, что в земной коре континентального типа повсеместно наблюдается густая, построенная по решетчатому типу сеть субвертикальных разломов, дробящих земную кору на многочисленные блоки, размеры которых измеряются километрами или десятками километров. Наличие этой системы трещинно-проницаемых разломов устанавливается и подтверждается различными методами.

Наиболее эффективный из них – структурное дешифрирование материалов аэрокосмической съемки в сопоставлении с геолого-геофизическими данными.

Не является исключением в этом плане и территория Беларуси, где по материалам космических съемок установлены разнопорядковые линейные структуры (линеаменты), отражающие особенности разломной тектоники. Характерная черта суперрегиональных линеаментов - их связь с глубинными (мантийными) разломами, активно проявившимися в различное геологическое время. Наиболее отчетливо на космических снимках выражены линеаменты, сопоставляемые с разломами, образованные в условиях растяжения земной коры шириной от 10 до 50 километров [16]. Повышенной трещиноватостью и проницаемостью коры, мобильностью проявления геодинамических процессов отличаются участки пересечения линеаментов.

Установлено, что зоны разломов земной коры оказывают большое влияние на жизнедеятельность человека. Количество аварий на автодорогах выше в тех местах, где трассу пересекают системы разломов (геопатогенные зоны), а процент онкологических заболеваний оказался большим у людей, проживающих в населенных пунктах, расположенных вблизи суперрегиональных разрывных нарушений.

Ураганы и смерчи прошлых лет были направлены преимущественно вдоль новейших геодинамических зон земной коры и аномалий магнитного и гравитационного полей Земли [29].

На основе информации, представленной, в частности, источниками [2,29], была сформулирована цель настоящего исследования: оценить влияния природных и связанных с ними антропогенных факторов, действующих в зонах разломов земной коры, на различные аспекты жизнедеятельности человека.

Поскольку такое влияние априори является многофакторным, а информация о действии ряда факторов часто носит не точный количественный, а категорийно-качественный характер («есть – нет», «нет – мало – много», «слабый – умеренный – выраженный» и т.п.), для его оценки требуется использование соответствующих методов, позволяющих получить количественную оценку значимости влияния факторов, действие которых оценивается в качественном виде. К такого рода методам можно отнести методы оценки корреляции сопряженных признаков, используемые для обработки категоризованных данных:

метод логарифмов преобладания [3,40] и метод приращения информации [40]. Очевидно, что для эффективной работы с подобными методами безусловно необходимо адекватное разделение исследуемых объектов на соответствующие категории (категоризация данных). Т.к.

информация в данном случае носит пространственный характер, то и деление объектов на категории должно производиться в соответствии с их пространственными свойствами – атрибутами. Для такого процесса целесообразным представляется применение технологии географических информационных систем, реализующей широкий спектр функций обработки пространственно-распределенных данных.

Объектом исследования являлся фрагмент поверхности Земли, ограниченный территорией Воложинского и Столбцовского районов Минской области Республики Беларусь. Для создания и анализа растровых и векторных пространственных моделей использовались стандартные средства вычислительной техники и программный комплекс ArcView GIS 3.2a с Модулями расширения ImageWarp и РАСТР Профи. Топографической основой для моделирования служили карты местности масштаба 1 : 100 000 1986 г. издания (листы N-35-65, N-35N-35-67, N-35-77, N-35-78, N-35-79, N-35-89, N-35-90, N-35-91) (рис. 1.1), карта загрязнения территории РБ цезием-137 по состоянию на 1995 год масштаба 1 : 1 000 000 (рис. 1.2) и карта-схема линеаментов и кольцевых структур Беларуси по данным космических съемок (рис. 1.3) [16].

Ранее в ходе исследований был установлен ряд населенных пунктов, находящихся в зоне энергетической активности литосферы, расположенной на территории Воложинского и Столбцовского районов Минской области (так называемой Ивенецко-Першайской зоны) [29].

В частности, установлено, что непосредственно в зонах над разломами земной коры расположены 22 населенных пункта, в зоне между разломами – 30 населенных пунктов, в том числе 21 – на территории, загрязненной радионуклидами 137Cs, в качестве контрольных были отобраны 15 населенных пунктов, расположенных вне зон, находящихся над разломами и между ними. Учитывая, что на территории Воложинского района расположены свыше 400 населенных пунктов, а Столбцовского – свыше 250, точность оценки можно значительно повысить путем расширения списка исследуемых населенных пунктов в целях получения дополнительной информации.

Рис. 1.1. Фрагмент карты местности. Масштаб 1 : 100 000, 1986 г.

Данная задача решалась с использованием инструментальных средств среды ArcView GIS и модулей РАСТР Профи и ImageWarp.

Средствами ArcView GIS было проведено геокодирование административных границ Воложинского и Столбцовского районов и населенных пунктов, расположенных на территории этих районов, на топографической основе карты масштаба 1 : 100 000 (рис.1.4). Затем инструментальными средствами модулей РАСТР Профи и ImageWarp были осуществлены преобразование масштабов и привязка растровых и векторных тематических слоёв (векторные слои административных границ и населенных пунктов, растровые изображения карты-схемы линеаментов РБ и карты загрязнения территории РБ цезием-137) для построения комбинированной пространственной модели.

Рис. 1.2. Карта загрязнения территории РБ цезием-137 по состоянию на 1995 год.

Средствами формирования запросов к базе данных ArcView GIS были сформированы векторные тематические слои, включающие установленные ранее населенные пункты, расположенные на территориях, находящихся над разломами, образующими исследуемую зону, внутри зоны (с радионуклидным загрязнением и без него) и вне ее.

Визуализация данной информации и анализ полученной пространственной модели (рис. 1.5) позволил установить следующее.

1. Расположение и направление разломов, над которыми расположены установленные ранее населенные пункты практически полностью соответствуют расположению и направлению фрагмента Украинско-Балтийского суперрегионального линеамента [16] (обозначен на рис. 1.5 а стрелками).

2. Территория, загрязненная радионуклидами 137Cs, соответствует территории, ограниченной разломами (рис. 1.5б).

3. Атрибутивная пространственная информация о населенных пунктах, расположенных как внутри изучаемой зоны (загрязненной радионуклидами цезия и «чистой»), так и вне ее, соответствует ранее полученным данным (рис. 1.5 в).

4. Территория Воложинского и Столбцовского районов, загрязненная радионуклидами 137Cs, расположена точно над фрагментом Украинско-Балтийского суперрегионального линеамента (рис. 1.5 а,б).

Рис. 1.3. карта-схема линеаментов и кольцевых структур Беларуси Рис. 1.4. Геокодирование административных границ и населенных пунктов Рис. 1.5. Преобразование масштабов и привязка пространственных моделей:

а – привязка пространственной информации к территории;

б – совмещение загрязненной территории с Ивенецко-Першайской С учетом полученной информации средствами ArcView GIS была проведена экстраполяция уже имеющихся данных на всю территорию Воложинского и Столбцовского районов с целью формирования тематических слоев данных, включающих все населенные пункты в этих районах, относящихся к определенным ранее категориям. Для этого линии разломов были продолжены до административных границ районов, и таким образом был расширен список населенных пунктов, расположенных над ними. Следовательно, был расширен и список населенных пунктов, расположенных в зоне между разломами. К категории населенных пунктов, расположенных на территории, загрязненной радионуклидами 137Cs были добавлены пункты, расположенные не только над Украинско-Балтийским суперрегиональным линеаментом (1 на рис. 1.6), но и над фрагментом локального линеамента (2 на рис.

1.6), находящегося на западе Воложинского района.

Следует отметить, что не все линеаменты, территориально связанные с Воложинским и Столбцовским районами, отмечены зонами загрязнения территории радионуклидами цезия (рис. 1.5б, 1.6). Причины данного явления могут быть установлены в ходе дополнительных исследований состояния и геофизических характеристик разломов.

Таким образом, в результате ряда пространственно-логических операций и анализа комбинированной пространственной модели, проведенных средствами технологии ГИС, осуществлена пространственно-атрибутивная категоризация информации для ее дальнейшего исследования. Населенные пункты Воложинского и Столбцовского районов разделены на ряд категорий по различным пространственным атрибутам: расположение над разломами земной коры, над зоной между разломами или вне ее; расположение на территории, загрязненной радионуклидами 137Cs, или на чистой территории; расположение над зоной суперрегионального или локального линеамента (рис. 1.7).

В таком представлении любые данные об объектах могут быть исследованы на предмет значимости влияния геофизических и других связанных с ними факторов посредством соответствующего математического инструментария.

Рис. 1.6. Геокодирование населенных пунктов на территориях, загрязненных радионуклидами 137Cs, в Воложинском и Столбцовском районах Исходя из вышеизложенного можно заключить, что использование метода пространственно-атрибутивной категоризации данных с использованием средств программного обеспечения, реализующего технологии географических информационных систем, позволяет получить новую информацию об объекте исследования. Полученная дополнительная информация обеспечит повышение адекватности и эффективности моделирования и достоверности оценок при анализе моделей.

Рис. 1.7. Пространственно-атрибутивная категоризация населенных пунктов 1.2. Интерполирование данных при анализе процессов, характеризующихся дефицитом информации Уровень заболеваемости злокачественными новообразованиями является одним из наиболее эффективных индикаторов экологической и геоэкологической ситуации. По результатам ряда наблюдений за состоянием здоровья населения, подвергшегося воздействию ионизирующих излучений в результате применения ядерного оружия и ядерных аварий, одним из наиболее очевидных отдаленных эффектов облучения является рост заболеваемости злокачественными новообразованиями различной локализации [2]. Эффекты облучения ионизирующими излучениями, вызывающие рост заболеваемости злокачественными новообразованиями, потенцируются, в частности, фактором химического загрязнения территорий. В литературных источниках также имеется информация о влиянии на данный процесс комплекса геофизических факторов, действующих в зонах расположения линеаментов – разломов земной коры [29].

Материалы исследований последних десятилетий свидетельствуют о том, что в земной коре континентального типа повсеместно наблюдается густая, построенная по решетчатому типу сеть субвертикальных разломов, дробящих земную кору на многочисленные блоки, размеры которых измеряются километрами или десятками километров [23].

В результате аварии на Чернобыльской АЭС радиационному воздействию подверглась значительная часть населения Беларуси. В связи с этим с момента катастрофы в республике проводился эпидемиологический мониторинг онкологической заболеваемости по данным Белорусского канцер-регистра и Государственного регистра лиц, пострадавших вследствие катастрофы на ЧАЭС. Оценка результатов такого масштабного исследования невозможна без применения адекватных и эффективных методов анализа. Использование таких методов наряду с традиционными, стандартными методиками позволит получить дополнительную информацию для установления тенденций развития процессов и формирования обоснованных прогнозов.

В целях оценки влияния природных и связанных с ними антропогенных факторов, действующих в зонах разломов земной коры, на различные аспекты жизнедеятельности человека, в качестве объекта исследования был выбран фрагмент поверхности Земли, ограниченный территорией Воложинского и Столбцовского районов Минской области Республики Беларусь. Для определения общих тенденций развития процесса и отработки алгоритмов исследования был проведен первичный анализ динамки уровня интенсивных показателей заболеваемости населения Воложинского и Столбцовского районов злокачественными новообразованиями за период с по 2003 годы. Сведения о случаях заболевания были получены из Белорусского канцер-регистра, сведения о численности населения – из материалов Управления статистики по Минской области и Архива Минской области [25-28,32,33].

Динамика количества случаев заболевания (постановки на учет в канцер-регистре) в изучаемых районах приведена на рис. 1.8. Очевидно, что процесс можно разделить на три периода с различными тенденциями развития. Период с 1953 по 1982 гг. характеризуется низким темпом прироста показателя, период с 1983 по 1987 гг.– резким ростом показателя, а период с 1988 по 2003 гг. является периодом с неявной динамикой развития (рис. 1.8).

Рис.1.8. Количество случаев заболевания злокачественными новообразованиями в Воложинском и Столбцовском районах (1953-2003 гг.) Расчет интенсивных показателей представлял некоторые затруднения, так как в официальной статистической документации фиксируется только численность населения, полученная по результатам переписи. Т.к. перепись населения проводится с периодом в 10 лет, для исследования были доступны только значения численности населения изучаемых районов в 1959, 1970, 1979, 1989 и 1999 годах.

Динамика изменения численности населения за данный период представлена на рис. 1.9.

Рис. 1.9. Численность населения в Воложинского и Столбцовского районов 1959, Динамика интенсивных показателей заболеваемости злокачественными новообразованиями, рассчитанная по количеству случаев в 1959, 1970, 1979, 1989 и 1999 годах (рис. 1.10) и соответствующей численности населения по результатам переписи, представлена в таблице 1.1 и на рис. 1.11.

Полученный результат, вполне корректный с точки зрения эпидемиологического анализа, тем не менее, не может эффективно использоваться в качестве материала для более глубокого исследования комбинированного влияния на процесс различных факторов, так как получен на основе анализа 10% всей имеющейся информации (1 год из 10). Исходя из данного факта в целях оценки возможности интерполяции значений интенсивного показателя на все годы исследуемого периода данный период был разделен на 5 примерно равных по длительности частей с границами, равноудаленными по времени от лет проведения переписи населения (табл. 1.2).

Расчет интенсивного показателя производился по количеству случаев заболевания за каждый подпериод и численности населения в «реперный» год, принятой за среднюю в течение подпериода (табл.

1.3, рис. 1.12, 1.13).

Интенсивные показатели заболеваемости злокачественными новообразованиями в Воложинском и Столбцовском районах в годы переписи населения Годы Воложинский рай- Столбцовский Все население Рис. 1.10. Количество случаев заболевания населения Воложинского и Столбцовского районов злокачественными новообразованиями в 1959, 1970, 1979, 1989 и Рис. 1.11. Интенсивные показатели заболеваемости населения Воложинского и Столбцовского районов злокачественными новообразованиями (на 100 тыс.) Периоды усреднения количества случаев заболевания Визуальное сравнение как динамики количества случаев заболевания (рис. 1.10, 1.12), так и динамики интенсивных показателей (рис. 1.11, 1.13), при расчете за год и за период усреднения позволяет сделать заключение о высокой степени подобия процессов. Более точная оценка показывает, что отклонение объективных и расчетных значений показателя в обе стороны не превышает 11% (табл.

1.10, рис 1.14). Значительное отклонение в период усреднения года обусловлено единичными случаями заболевания по годам и их отсутствием в течение ряда лет. Следовательно, динамика интенсивных показателей, рассчитанных с использованием количества случаев заболевания в течение определенного периода и средней численности населения за данный период, может служить адекватной моделью динамки интенсивных показателей, рассчитанных по среднегодовым данным.

Рис. 1.12. Интегрированное количество случаев заболевания населения Воложинского и Столбцовского районов злокачественными новообразованиями Рис. 1.13. Интегрированные интенсивные показатели заболеваемости населения Воложинского и Столбцовского районов злокачественными новообразованиями Таким образом, для дальнейшего анализа динамики процесса, исследуемый период может быть разделен на три периода по среднему значению интенсивного показателя (табл.1.4, рис. 1.15). Перспективным также представляется исследование динамики интенсивных показателей, рассчитанных по количеству случаев за каждый год и средней численности населения за весь изучаемый период (рис. 1.16).

Сравнительная характеристика исходных и усредненных В таблице 1.3 используются следующие обозначения:

ИПг – интенсивный показатель заболеваемости (на 100 тыс. населения) за год.

ИПп – интенсивный показатель заболеваемости (на 100 тыс. населения) за период ( год ± 5 лет).

ИПпср – средний интенсивный показатель заболеваемости (на 100 тыс. населения) за период ( 10 лет), равный ИПп/10.

Рис. 1.14. Сравнительная характеристика фактических и интегрированных интенсивных показателей заболеваемости населения Воложинского и Столбцовского районов злокачественными новообразованиями (на 100 тыс.) Рис 1.15. Сравнительная характеристика интегрированных интенсивных показателей заболеваемости населения Воложинского и Столбцовского районов злокачественными новообразованиями (на 100 тыс.) за периоды 1953-1979, 1979-1989 и 1989-2003 гг.

Рис. 1.16. Динамика интенсивных показателей заболеваемости злокачественными новообразованиями (на 100 тыс.) населения Воложинского и Столбцовского районов (1953-2003 гг.) 1.3. Оценка корреляционных связей демографических и эпидемиологических показателей Значения коэффициентов корреляции отражают степень приближения связи между показателями к функциональной, т.е. какова дисперсия значений одного показателя может соответствовать одному значению другого [36,40]. Следовательно, чем значительнее связь между показателями, тем выше должно быть значение коэффициента корреляции.

Поскольку показатели численности населения и количества случаев заболевания логически связаны (чем больше населения, тем больше заболевших), корреляционные связи между ними должны быть достаточно тесными. Следовательно, уменьшение значений коэффициентов корреляции для указанных показателей может свидетельствовать о нарушении естественной связи между ними.

Исходя из вышеизложенного в ходе исследования производился расчет коэффициентов корреляции численности населения с количеством случаев заболевания злокачественными новообразованиями по Пирсону, Кэндаллу и Спирмэну. В таблицах 1.6–1.12 представлены результаты расчетов для всех населенных пунктов как в целом, так и по категориям.

Условные обозначения, используемые в таблицах 1.6–1. Pearson результаты оценки корреляции по Пирсону Kendall результаты оценки корреляции по Кэндаллу Spearman результаты оценки корреляции по Спирмэну r значение коэффициента корреляции N количество населенных пунктов P уровень значимости коэффициента корреляции за весь период наблюдения (1953-2003) Уровни корреляции общего количества случаев заболевания с численностью населения по всем населенным пунктам «1959» 0.027 241 – 0.195 241 0.01 0.256 241 0. «1970» 0.009 620 – 0.225 620 0.01 0.313 620 0. «1979» -0.021 614 – 0.194 614 0.01 0.304 614 0. «1989» -0.045 601 – -0.033 601 – -0.012 601 – «1999» -0.053 595 – -0.072 595 0.01 -0.051 595 – Уровни корреляции общего количества случаев заболевания с численностью населения населенным пунктам категории «1979» -0.078 54 – 0.253 54 0.01 0.337 54 0. Уровни корреляции общего количества случаев заболевания с численностью населения населенным пунктам категории Уровни корреляции общего количества случаев заболевания с численностью населения населенным пунктам категории «1979» 0.589 19 0.01 0.508 19 0.01 0.642 19 0. Уровни корреляции общего количества случаев заболевания с численностью населения населенным пунктам категории «1959» 0.020 200 – 0.189 200 0.01 0.248 200 0. «1970» 0.013 451 – 0.245 451 0.01 0.336 451 0. «1979» -0.021 445 – 0.176 445 0.01 0.287 445 0. «1989» -0.055 439 – -0.065 439 0.05 -0.066 439 – «1999» -0.053 436 – -0.086 436 0.01 -0.075 436 – Уровни корреляции общего количества случаев заболевания с численностью населения населенным пунктам категории Уровни корреляции общего количества случаев заболевания с численностью населения населенным пунктам категории «1970» 0.107 46 – 0.264 46 0.05 0.357 46 0. Следует отметить, что как для всех категорий населенных пунктов в целом, так и для категорий 102, 200, 202 и 300 наблюдается снижение значений коэффициентов ранговой корреляции (по Кэндаллу и Спирмэну) (табл. 1.6, 1.8, 1.10–1.12), причем в ряде случаев значительное (табл. 1.6, 1.8, 1.10), в период с 01.07.1984 по 31.12.2003 гг. Кроме того, для категорий населенных пунктов 102, 202 и 300 наблюдается устойчивая тенденция к снижению значений коэффициентов ранговой корреляции в течение всего периода наблюдения (табл. 1.8, 1.11, 1.12). Данные факты могут свидетельствовать об определенном влиянии на формирование уровня заболеваемости фактора загрязнения территорий радионуклидами 137Cs (нарушение естественной связи между численностью населения и количеством случаев заболевания наблюдается в период, включающий период радионуклидного загрязнения территории в результате аварии на ЧАЭС; устойчивое снижение значений коэффициентов корреляции между этими показателями в течение всего периода наблюдения характерно для категорий населенных пунктов, подвергшихся загрязнению радионуклидами). Следует отметить также, что практически все зоны, загрязненные радионуклидами, на исследуемой территории Воложинского и Столбцовского районов расположены в пределах или в непосредственной близости от линеаментов литосферы (рис. 1.6 п. 1.1). Таким образом, имеют место признаки определенного воздействия на уровень заболеваемости населения злокачественными новообразованиями, наряду с антропогенным фактором радионуклидного загрязнения, комплекса природных геофизических факторов, действующих в зонах линеаментов литосферы.

Распределение значений коэффициентов корреляции Пирсона по категориям населенных пунктов и по периодам наблюдения демонстрирует тенденции, сходные с распределением коэффициентов ранговой корреляции, но с преобладанием отрицательных значений.

Очевидно, это связано с тем, что распределение показателей, для которых производились расчеты, не соответствует нормальному закону. Населенные пункты, включенные в исследование, в подавляющем большинстве являются населенными пунктами сельского типа с малочисленным населением, исключение составляют два города, поселок городского типа и несколько крупных сел, так что распределение их по численности населения не может быть нормальным. При малой численности населения случаи заболевания злокачественными новообразованиями являются достаточно редкими и также не могут быть распределены по нормальному закону.

Исходя из вышеизложенного, применимость и достоверность метода расчета коэффициента корреляции по Пирсону в данном случае в значительной степени ограничены.

2. ОЦЕНКА ВЛИЯНИЯ ГЕОЭКОЛОГИЧЕСКИХ ФАКТОРОВ

НА СТРУКТУРУ ЗАБОЛЕВАЕМОСТИ

2.1. Общая характеристика структуры заболеваемости в Среди населения, проживавшего на территории Воложинского и Столбцовского районов Минской области, за период с 01.01.1953 г.

по 31.12.2003 г. зарегистрировано 6732 случая заболевания злокачественными новообразованиями различной локализации. Распределение случаев заболевания по различным категориям представлено в таблице 2.1.

В целях повышения статистической достоверности результатов обработки целесообразно объединение данных, относящихся к территории Воложинского и Столбцовского районов в единый массив.

Данная операция не представляется возможной без сравнения структур заболеваемости в районах между собой.

Поскольку представленные в таблицах 2.2 и 2.3 и на рис. 2.1 и 2.2 структуры могут быть определены как объекты со значительным количеством сопоставимых характеристик, их сравнение было осуществлено с использованием критерия подобия [40]. Сравнение проводилось по 13 (локализация по системам организма) и по (локализация по международному классификатору болезней МКБсопоставимым характеристикам. В первом случае значение критерия G оказалось равным 0.1260, во втором – 0.1839. В обоих случаях значения критерия не превышают критического значения, равного 0.3, следовательно, структуры заболеваемости для Воложинского и Столбцовского районов являются идентичными. Таким образом, в дальнейшем можно рассматривать единую структуру заболеваемости для всей исследуемой территории (рис. 2.3) с делением в соответствии с категоризацией, что обеспечит повышение статистической достоверности результатов анализа.

Аналогичный подход использовался при сопоставлении структур заболеваемости для населенных пунктов различных категорий в течение различных периодов (табл. I, II Приложения) (табл. 2.4– 2.13, рис. 2.4–2.15). Полученные результаты представлены в таблицах 2.14–2.17.

Распределение случаев заболевания злокачественными новообразованиями населения Воложинского и Столбцовского районов за период с 01.01.1953 г. по 31.12.2003 г.

Территории над разломами литосферы, не Территории над разломами литосферы, Территория над Украинско-Балтийским линеаментом (далее УБЛ), не загрязнен- ная радионуклидами Cs Территория над локальным линеаментом, Территории вне линеаментов, не загрязненные радионуклидами 137Cs Населенные пункты, расположенные на на 01.01.2011 г.

Период с 01.07.1984 г. по 30.06.1994 г. Период с 01.07.1994 г. по 31.12.2003 г. Структура заболеваемости злокачественными новообразованиями населения Воложинского и Столбцовского районов за период Локализация Органы полости Система пищеварения 1121 31.59 897 28.18 2018 29. Системы кровообращения и Кожа, грудная Половые органы 527 14.85 504 15.83 1031 15. Выделительная Эндокринная Лимфатическая Структура заболеваемости злокачественными новообразованиями населения Воложинского и Столбцовского районов за период с 01.01.1953 г. по 31.12.2003 г. (классификация МКБ-9) Локализация (код МКБ-9) Рис. 2.1. Структура заболеваемости злокачественными новообразованиями населения Воложинского района за период Рис. 2.2. Структура заболеваемости злокачественными новообразованиями населения Столбцовского района за период Рис. 2.3. Структура заболеваемости злокачественными новообразованиями населения Воложинского и Столбцовского районов за период Структура заболеваемости злокачественными новообразованиями на территории, расположенной над УБЛ, за период с 01.01.1953 г.

УБЛ, не загрязнен- загрязненная радионуклидами 137Cs (102) Органы полости Костно-мышечная Выделительная Лимфатическая Кровь, иммунная Рис. 2.4. Структура заболеваемости злокачественными новообразованиями в населенных пунктах категории 101 за период с 01.01.1953 г. по 31.12.2003 г.

Рис. 2.5. Структура заболеваемости злокачественными новообразованиями в населенных пунктах категории 102 за период с 01.01.1953 г. по 31.12.2003 г.

Структура заболеваемости злокачественными новообразованиями на территории, расположенной над УБЛ, за период с 01.01.1953 г.

Локализация (код МКБ-9) Структура заболеваемости злокачественными новообразованиями на территориях, расположенных над разломами литосферы, Локализация Органы полости Костно-мышечная Выделительная Лимфатическая Кровь, иммунная Рис. 2.6. Структура заболеваемости злокачественными новообразованиями в населенных пунктах категории 111 за период с 01.01.1953 г. по 31.12.2003 г.

Рис. 2.7. Структура заболеваемости злокачественными новообразованиями в населенных пунктах категории 112 за период с 01.01.1953 г. по 31.12.2003 г.

Структура заболеваемости злокачественными новообразованиями на территориях, расположенных над разломами литосферы, за период с 01.01.1953 г. по 31.12.2003 г. (классификация МКБ-9) Территории над разло- Территории над размами, не загрязненные ломами, загрязненные Локализация (код МКБ-9) Структура заболеваемости злокачественными новообразованиями населения различных территорий Воложинского и Столбцовского Локализация Органы полости Системы кровообращения и Кожа, грудная Выделительная Эндокринная Лимфатическая Рис. 2.8. Структура заболеваемости злокачественными новообразованиями в населенных пунктах категории 200 за период с 01.01.1953 г. по 31.12.2003 г.

Рис. 2.9. Структура заболеваемости злокачественными новообразованиями в населенных пунктах категории 202 за период с 01.01.1953 г. по 31.12.2003 г.

Рис. 2.10. Структура заболеваемости злокачественными новообразованиями в населенных пунктах категории 300 за период с 01.01.1953 г. по 31.12.2003 г.

с 01.01.1953 г. по 31.12.2003 г. (классификация МКБ-9) Локализация зон линеаментов Структура заболеваемости злокачественными новообразованиями населения Воложинского и Столбцовского районов за период Локализация Органы полости Системы кровообращения и Кожа, грудная Выделительная Эндокринная Лимфатическая Рис. 2.11. Структура заболеваемости злокачественными новообразованиями населения Воложинского и Столбцовского районов за период с 01.01.1953 г. по Рис. 2.12. Структура заболеваемости злокачественными новообразованиями населения Воложинского и Столбцовского районов за период с 01.01.1965 г. по Рис. 2.13. Структура заболеваемости злокачественными новообразованиями населения Воложинского и Столбцовского районов за период с 01.01.1975 г. по Структура заболеваемости злокачественными новообразованиями населения Воложинского и Столбцовского районов за период с 01.01.1953 г. по 30.06.1984 г. (классификация МКБ-9) Локализация (код МКБ-9) Структура заболеваемости злокачественными новообразованиями населения Воложинского и Столбцовского районов за период Локализация Органы полости рта, Рис. 2.14. Структура заболеваемости злокачественными новообразованиями населения Воложинского и Столбцовского районов за период с 01.07.1984г. по Рис. 2.15. Структура заболеваемости злокачественными новообразованиями населения Воложинского и Столбцовского районов за период с 01.07.1994г. по Структура заболеваемости злокачественными новообразованиями населения Воложинского и Столбцовского районов за период с 01.07.1984 г. по 31.12.2003 г. (классификация МКБ-9) Значения коэффициентов подобия структуры заболеваемости в различных зонах проживания Все 0.000 0.167 0.120 0.218 0.776 0.018 0.194 0. 101 0.167 0.000 0.186 0.208 0.676 0.174 0.325 0. 102 0.120 0.186 0.000 0.249 0.819 0.136 0.269 0. 111 0.218 0.208 0.250 0.000 0.766 0.219 0.305 0. 112 0.776 0.676 0.819 0.766 0.000 0.774 0.851 0. 200 0.018 0.174 0.136 0.219 0.774 0.000 0.193 0. 202 0.194 0.325 0.269 0.305 0.851 0.193 0.000 0. 300 0.110 0.148 0.135 0.185 0.753 0.124 0.222 0. Значения коэффициентов подобия структуры заболеваемости в различных зонах проживания (классификация МКБ-9) Все 0.000 1.971 1.971 1.971 2.000 1.971 1.971 1. 101 1.971 0.000 0.338 0.415 1.520 0.252 0.536 0. 102 1.971 0.338 0.000 0.518 1.548 0.218 0.488 0. 111 1.971 0.415 0.518 0.000 1.546 0.450 0.610 0. 112 2.000 1.520 1.548 1.546 0.000 1.552 1.612 1. 200 1.971 0.252 0.218 0.450 1.552 0.000 0.400 0. 202 1.971 0.536 0.488 0.610 1.612 0.400 0.000 0. 300 1.971 0.306 0.260 0.460 1.565 0.221 0.448 0. Значения коэффициентов подобия структуры заболеваемости в различные периоды наблюдения Значения коэффициентов подобия структуры заболеваемости в различные периоды наблюдения (классификация МКБ-9) Анализируя таблицы 2.14–2.17 следует отметить, что степень подобия структур заболеваемости в населенных пунктах с различными геологическими условиями (расположение над разломами, над линеаментами, вне линеаментов) в целом выше, чем в населенных пунктах с различными радиоэкологическими условиями (расположенных в зонах с загрязнением и без загрязнения 137Cs).

Сопоставление структур заболеваемости в целом по ансамблю, относящихся к каждому из периодов, позволяет сделать вывод, что наибольшее изменение структуры заболеваемости наблюдалось в период с 01.07.1984 г. по 31.12.2003 г., причем особо можно выделить период с 01.07.1984 г по 30.06 1994 г., значительная часть которого совпадает с периодом наивысшей активности 137Cs, сформировавшего загрязнение значительной части территории Воложинского и Столбцовского районов в результате аварии на Чернобыльской АЭС.

Таким образом, можно заключить, что фактор загрязнения территории радионуклидами 137Cs оказывает влияние на заболеваемость населения злокачественными новообразованиями, в определенной степени изменяя ее структуру по локализациям. Изменений структуры заболеваемости под влиянием геофизических факторов, действующих в зонах линеаментов литосферы, в результате анализа имеющихся данных не выявлено.

2.2. Оценка ранговых корреляционных связей в структурах заболеваемости, наблюдаемых при различных Поскольку структура заболеваемости по локализациям является ранжированным рядом процентных долей каждой локализации по отношению к общему колическтву заболевших, одним из методов оценки различий таких структур для населенных пунктов различных категорий и для различных периодов наблюдения может служить метод раксчета коэффициентов ранговой корреляции для всех категорий попарно. В данной работе осуществляляся расчет коэффициентов ранговой корреляции Кэндалла и Спирмэна для различных категорий населенных пунктов (табл. 2.18–2.21) и для различных периодов наблюдения (табл. 2.22–2.25) с использованием стандартного пакета прикладных программ SPSS версий 10, 16, 19.

Матрица коэффициентов ранговой корреляции Кэндалла структуры заболеваемости в населенных пунктах различных категорий (по системам организма, n=13) 0.935** 0.895** 0.787** 0.347 1.000** 0.774** 0.831** 101 0.935** 0.827** 0.876** 0.351 0.935** 0.798** 0.803** 111 0.787** 0.876** 0.729** 0.283 0.787** 0.819** 0.719** 202 0.774** 0.798** 0.726** 0.819** 0.292 0.774** 0.838** Матрица коэффициентов ранговой корреляции Спирмэна труктуры заболеваемости в населенных пунктах различных категорий (по системам организма, n=13) 0.986** 0.960** 0.927** 0.408 1.000** 0.896** 0.915** 101 0.986** 0.931** 0.957** 0.409 0.986** 0.910** 0.909** 200 1.000** 0.986** 0.960** 0.927** 0.408 0.896** 0.915** 300 0.915** 0.909** 0.936** 0.868** 0.279 0.915** 0.937** Матрица коэффициентов ранговой корреляции Кэндалла структуры заболеваемости в населенных пунктах различных категорий (по 0.744** 0.771** 0.624** 0.267* 0.962** 0.713** 0.766** 101 0.744** 0.662** 0.671** 0.199 0.732** 0.643** 0.650** 111 0.624** 0.671** 0.590** 0.194 0.609** 0.583** 0.560** 300 0.766** 0.650** 0.787** 0.560** 0.223* 0.753** 0.718** Матрица коэффициентов ранговой корреляции Спирмэна структуры заболеваемости в населенных пунктах различных 0.881** 0.907** 0.765** 0.323* 0.995** 0.843** 0.887** 0.881** 0.787** 0.766** 0.229 0.867** 0.756** 0.764** 0.887** 0.764** 0.895** 0.668** 0.258* 0.875** 0.832** Матрица коэффициентов ранговой корреляции Кэндалла структуры заболеваемости в различные периоды (по системам организма, Матрица коэффициентов ранговой корреляции Спирмэна структуры заболеваемости в различные периоды (по системам организма, n=13) Матрица коэффициентов ранговой корреляции Кэндалла структуры заболеваемости в различные периоды (по классификации МКБ-9, «1959» «1970» «1979» «1989» «1999»

Матрица коэффициентов ранговой корреляции Спирмэна структуры заболеваемости в различные периоды (по классификации Анализ таблиц в целом подтверждает выводы, сделанные по результатам оценки степени подобия структур заболеваемости п. 2.1.

Так, в таблицах 2.18–2.21 значения коэффициентов ранговой корреляции структур для населенных пунктов, расположенных в подобных радиоэкологических условиях, выше значений для населенных пунктов, находящихся в подобных геофизических условиях. То есть фактор присутствия на территории 137Cs оказывает определенное влияние на частоту возникновения тех или иных локализаций, чего по результатам анализа имеющихся данных нельзя сказать о геофизических факторах в зонах линеаментов.

Результаты оценки ранговой корреляции структур в различные периоды наблюдения по группам локализаций (табл. 2.22, 2.23) не позволяют сделать каких-либо заключений о тенденции изменения согласованности структур. В то же время оценка ранговой корреляции структур по отдельным локализациям (табл. 2.24, 2.25) также подтверждает выводы, сделанные в п. 2.1: наибольшие изменения в структурах заболеваемости (минимальные значения коэффициентов ранговой корреляции) наблюдаются в период с 01.07.1984 г. по 31.12.2003 г.

2.3. Оценка уровней конкордации в структурах заболеваемости, наблюдаемых при различных геоэкологических условиях Для определения тесноты связи между произвольным числом ранжированных признаков используется метод расчета коэффициентов конкордации (согласованности) [40]. Уровни конкордации ранжирования процентных долей различных локализаций злокачественных новообразований в общей структуре заболеваемости в различных геоэкологических условиях могут служить индикатором изменений в данной структуре под воздействием исследуемых факторов.

В ходе реализации данной методики были сформированы сводные таблицы, включающие структуры заболеваемости в населенных пунктах выделенных категорий для пяти периодов наблюдения. В таблицах 2.26 - 2.30 представлены структуры заболеваемости по группам локализаций, в таблицах 2.31–2.35 – структуры заболеваемости по классификации МКБ – 9.

Затем было произведено ранжирование структуры для каждой категории населенных пунктов за каждый период наблюдения.

Таблицы 2.36–2.42 содержат ранжированные структуры заболеваемости по группам локализаций, таблицы 2.43–2.49 – ранжированные структуры заболеваемости по классификации МКБ – 9. Для каждой из таблиц 2.36–2.49 были рассчитаны коэффициенты конкордации W5, W3 и W2, оценивающие согласованность структур заболеваемости. Показатель W5 оценивает согласованность структур по всем пяти периодам наблюдения (01.01.1953–31.12.1964;

01.01.1965–31.12.1974; 01.01.1975–30.06.1984; 01.07.1984– 30.06.1994; 01.07.1994–31.12.2003), показатель W3 – по трем (01.01.1975–30.06.1984; 01.07.1984–30.06.1994; 01.07.1994– 31.12.2003), а W2 – по двум (01.07.1984–30.06.1994; 01.07.1994– 31.12.2003) периодам (табл. 2.50).

Для сравнения уровней согласованности структур заболеваемости в различных геоэкологических условиях применялся критерий знаков [36]. В таблице 2.51 представлены результаты его применения для проверки гипотезы о более высоком уровне согласованности структур заболеваемости на территориях, загрязненных Cs. Здесь имеют место следующие параметры критерия: при общем количестве ненулевых разностей N = 24 количество положительных разностей n(+) = 18, количество отрицательных разностей n (-) = 6. Критическое значение отрицательных разностей для N = равно 7, следовательно, гипотеза принимается с достоверностью