Järvisedimenttien metallipitoisuudet

Edistymisluokitus
Opasnetissa lukuisat sivut ovat työn alla eri vaiheissa. Niiden tietosisältöön pitää siis suhtautua harkiten. Tämän sivun sisällön edistyminen on arvioitu: Tämä sivu on luonnos Sivun olennainen sisältö ja rakenne on jo hahmottunut, mutta kuitenkin isoja sisältöpuutteita on edelleen.

Tämä sivu on tietokide alatyypiltään muuttuja. Sivutunniste: Op_fi2953
Moderaattori:Marjo (katso kaikki) Sivun edistymistä ei ole arvioitu. Arvostuksen määrää ei ole arvioitu (ks. peer review).
Lisää dataa {{#opasnet_base_link:Op_fi2953}}

Kysymys

Miten lasketaan suomalaisen järven sedimentin metallipitoisuus?

Vastaus

1) Lasketaan järven sedimentin metallipitoisuus perustuen ympäröivän, ympyrän säteen määräämän alueen järvien keskipitoisuuteen.

Valitse metallit: Co Cr Cu Fe Mn Ni Pb S V Zn Northing-koordinaatti (KKJ): Easting-koordinaatti (KKJ): Määritä säde (km; järvet säteen määräämän ympyränmuotoisen alueen sisäpuolella huomioidaan): + Näytä koodi- Piilota koodi library(OpasnetBaseUtils) library(xtable) library(ggplot2) library(reshape) data <- (op_baseGetData("opasnet_base", "Op_en5462")) data <- tidy(data) data$Result <- as.numeric(data$Result) # This replaces all as.numeric rows below. data <- reshape(data, timevar = "Observation", idvar = "ID", direction = "wide") colnames(data) <- gsub("Result.", "", colnames(data)) data$distance <- sqrt((as.numeric(data$Easting) - easting)^2 + (as.numeric(data$Northing) - northing)^2) data <- melt(data, measure.vars = c("Co", "Cr", "Cu", "Fe", "Mn", "Ni", "Pb", "S", "V", "Zn")) out <- data out$distance <- data$distance <= säde*1000 out <- as.data.frame(as.table(tapply(out$value, out[c("variable", "distance")], mean))) colnames(out) <- gsub("variable", "metalli", colnames(out)) colnames(out) <- gsub("Freq", "pitoisuus", colnames(out)) cat("Metallipitoisuuden keskiarvo ", säde, " km säteellä pisteestä ", easting, "E, ", northing, " N.\n") print(xtable(out[out$distance == TRUE, ]), type = 'html') cat("Pitoisuudet metallille", metalli, ".\n") concentration <- data[data$distance <= säde*1000 & data$variable == metalli, "value"] plot(concentration) # simple plot about concentrations. qplot(Easting, Northing, data = data[data$variable == metalli, ], size = value) # Concentrations on a "map".

2) Lasketaan järven sedimentin metallipitoisuus läheisen/sopivan suuren järven pitoisuuden perusteella.

Valitse metallit: Co Cr Cu Fe Mn Ni Pb S V Zn Valitse järvi: Pielinen, Lieksa Oulujärvi, Vaala Kallavesi, Kuopio Suvasvesi, Vehmersalmi Ylikitka, Kuusamo Nilakka, Keitele Koitere, Ilomantsi Kivijärvi, Kivijärvi Viinijärvi, Polvijärvi Keurusselkä, Keuruu Ontojärvi, Kuhmo Vuohijärvi, Vaala Kukkia, Luopioinen Kostonjärvi, Taivalkoski Sääksjärvi, Kokemäki Pieksänjärvi, Pieksämäki Pihlajavesi, Keuruu Keyritty, Rautavaara Nerkoonjärvi, Lapinlahti Pyhäjärvi, Artjärvi Uuranjärvi, Multia Sääjärvi, Janakkala Haukijärvi, Maaninka Kinnasjärvi, Tuupovaara Tervajärvi, Luumäki Kalliojärvi, Juuka Pyhäluoma, Pieksämäki Puntasjärvi, Kuru Ylimmäinen, Jaala Hanhijärvi, Jämsänkoski Ruuhilampi, Virtasalmi Ala-Saimaa, Taipalsaari Pihlajavesi, Puumala Orivesi, Kitee Puulavesi, Hirvensalmi Höytiäinen, Kontiolahti Pyhäjärvi, Säkylä Kiantajärvi, Suomussalmi Lappajärvi, Lappajärvi Pyhäjärvi, Pyhäsalmi Vesijärvi, Asikkala Unnukka, Leppävirta Kolimajärvi, Viitasaari Lestijärvi, Lestijärvi Muuratjärvi, Muurame Karijärvi, Jaala Kolkonjärvi, Rantasalmi Ätäskö, Kitee Nurmijärvi, Rautjärvi Kevätön, Siilinjärvi Kotajärvi, Lemi Ihalanjärvi, Ruokolahti Vahermanjärvi, Nummi-Pusula Johdasjärvi, Jaala Saarijärvi, Saarijärvi Muntsurinjärvi, Lieksa Kypärijärvi, Vihti Vehmasjärvi, Suonenjoki Ristijärvi, Valtimo Mäkijärvi, Kuopio Keskijärvi, Luhanka Piilampi, Ruokolahti Tammalammi, Tohmajärvi Tuomaslampi, Savitaipale Postilampi, Nilsiä Päijänne, Asikkala Puruvesi, Kerimäki Kemijärvi, Kemijärvi Näsijärvi, Ylöjärvi Pyhäjärvi, Kitee Juojärvi, Tuusniemi Konnevesi, Konnevesi Längelmävesi, Kangasala Vanajavesi, Valkeakoski Onkivesi, Lapinlahti Pielavesi, Pielavesi Luonteri, Anttola Kuonanjärvi, Kerimäki Hossanlampi, Hossanlampi Pintamojärvi, Pudasjärvi Kätkänjärvi, Lehtimäki Ylä-Siika, Nilsiä Havanganjärvi, Virrat Loukkojärvi, Kiiminki Tvärsjön, Kruunupyy Räimäjärvi, Siilinjärvi Kylmäjärvi, Suomussalmi Sulkuejärvi, Kihniö Iso-Lyly, Kaavi Paukajärvi, Virrat Vihtelijärvi, Kankaanpää Pieni Mont, Mikkeli Koijärvi, Kerimäki Talvijärvi, Kuusamo Tutulampi, Taivalkoski Kalisjön, Pedersöre Haukilampi, Ristiina Ala-Mustalampi, Töysä Alainen Mustalampi, Töysä Inarinjärvi, Inari Iso-Haukivesi, Rantasalmi Keitele, Sumiainen Pyhäselkä, Pyhäselkä Juurusvesi, Siilinjärvi Suontee, Joutsa Kyyvesi, Haukivuori Pyhäjärvi, Pirkkala Mallasvesi, Pälkäne Pulmankijärvi, Utsjoki Javarusjärvi, Kemijärvi Saarijärvi, Posio Vuontisjärvi, Enontekiö Joukkaisjärvi, Inari Rytijärvi, Rovaniemi Pikku-Ahve, Pudasjärvi Viitatuntu, Kemijärvi Lehtojärvi, Posio Lampi 130602, Enontekiö Rimpijärvi, Kittilä Pieni Hetelampi, Pyhäjoki Vittikkolampi, Rovaniemen mlk Haralampi, Haapavesi Lampi 130201, Enontekiö Teerilampi, Kuhmo Lyhyenjärvi, Siilinjärvi Pitkäjärvi, Siilinjärvi Jormasjärvi, Sotkamo Kolmisoppi, Sotkamo pH:sta johtuva kerroin: Ohje: [1]: Maankäytöstä johtuva kerroin: Ohje: [2]: + Näytä koodi- Piilota koodi library(OpasnetUtils) library(xtable) data <- tidy(opbase.data("Op_en5462"), objname = "conc", direction = "long") temp <- data[data$Observation == "Järvi", ] temp <- temp[temp$concResult == Järvi, "ID"] data <- data[data$ID == temp & data$Observation %in% metalli, ] conc <- new("ovariable", name = "conc", data = data ) conc <- EvalOutput(conc, N = 10) conc <- (conc * coeff.pH + conc * coeff.landuse)/2 colnames(conc@output) <- gsub("Observation", "Metalli", colnames(conc@output)) print(xtable(conc@output), type = 'html')

--#: Koodia voisi siistiä seuraavasti:

• joka järvi omalle rivilleen, niin on helpompi lukea (sieltä puuttuu muutamia lainausmerkkejä, mikä kaataa koodin jos valitsee sellaisen järven.
• Koodista voisi tehdä ovariablen nimeltä sediment.concentration (ei conc), joka ottaa syötteeksi tiedot Järvi, metalli, coeff.pH ja coeff.landuse (pitäisi olla johdonmukaisia kielen kanssa).
• Data kaivetaan kannasta formulan sisällä.
• Jos syötteet coeff.pH ja coeff.landuse voidaan johtaa jostain, sen johtamisen voisi tehdä käyttämällä syötteenä pH ja landuse ja laskemalla kertoimet.

--Jouni Tuomisto 18. joulukuuta 2012 kello 17.09 (EET)

Katso myös

Perustuu GTK:n dataan. GTK.

Muita Minera-projektin tuotoksia

Minera-mallin sovelluksia	· Luikonlahden tapaustutkimus · Luikonlahden sienitutkimusraportti
Muut	· Metallimalmikaivostoiminnan parhaat ympäristökäytännöt · Minera-hanke · MINERA Loppuseminaari · Kauppila T, Makkonen S, Komulainen H, Tuomisto JT: Metallikaivosalueiden ympäristöriskinarviointiosaamisen kehittäminen: MINERA-hankkeen loppuraportti. · Lehdistötiedote 15.4.2013 · Kohdekohtainen esimerkki · Lyhenteet ja määritelmät · Loppuraportti kokonaismalli · Kaivostoiminnan ympäristöterveysriskien arviointi (suojattu sivu) · Mallinnusohjelmat päästöjen arvioinnissa · Viitearvot · Talvivaaran kaivoksen terveysvaikutukset · Loppuraportti · Raportti · Yaran tapaustutkimus
Muita kaivostoimintaan liittyvää	· Vesijalanjälki · Hyvä kaivos pohjoisessa · Yhteiskuntatieteellinen kaivostutkimus Itä-Suomen yliopistossa · Teemasivu:Kaivostoiminnan vaikutusarviointi

Viitteet

Lähdeluettelo tulostuu tänne automaattisesti kun viittauksissa käytetään <ref></ref> -tagia.
Lähteet voi myös lisätä halutessaan manuaalisesti.