Введение

Геоинформационные системы (ГИС) как инструмент анализа данных применяются в разных сферах деятельности, в том числе для оценки санитарно-эпидемиологического благополучия населения: социально-гигиенического мониторинга, оценки влияния факторов среды на здоровье населения, эпидемиологии и других направлений [1–6]. В научной и практической деятельности Роспотребнадзора одной из актуальных задач является анализ больших данных с привязкой к территории (карте): соматической, инфекционной и паразитарной заболеваемости населения, качества атмосферного воздуха и питьевой воды, обеспеченности населения Российской Федерации качественной питьевой водой и др. [7–11]. При этом область применения ГИС для оценки санитарно-эпидемиологического благополучия населения ограничивается преимущественно визуализацией результатов социально-гигиенического мониторинга и подготовкой наглядных материалов. Потенциал современных ГИС позволяет решать различные задачи широкого профиля: проводить анализ пространственного распределения показателей (заболеваемость, факторы среды обитания), выявлять взаимосвязи «фактор – здоровье» [12–15].

К причинам, существенно ограничивающим применение современных ГИС при оценке санитарно-эпидемиологического благополучия населения, относятся техническая сложность и развёрнутый функционал, использование которого требует соответствующего опыта и квалификации. В гигиенических и эпидемиологических исследованиях наиболее востребованы инструменты пространственного анализа, в том числе геостатистический анализ и различные способы группировки или классификации данных на карте. Функционал современных ГИС содержит различные инструменты автоматической группировки данных, и результаты могут существенно различаться в зависимости от выбранного метода и характеристик выборки данных. Кроме того, в настоящее время не существует чётких критериев выбора инструментов автоматической группировки данных в ГИС с учётом характеристики выборки (нормальности распределения, дисперсии и др.) [16, 17]. При этом важно иметь в виду, что результаты группировки одной и той же выборки различными способами могут существенно отличаться в зависимости от вышеперечисленных характеристик, а в других случаях быть практически идентичными. Применение таких методов группировки актуально для ряда показателей, которые не имеют нормативного значения или критерия приемлемости: интегральный показатель (ИП) качества питьевой воды и др. При визуализации на карте величин ИП обычно возникает необходимость выделить на уровне населённых пунктов повышенные и высокие его значения. Из-за отсутствия нормативной величины для ИП выделение таких уровней в каждом отдельном случае проводится заново с анализом всей выборки. Использование инструментов автоматической группировки данных в ГИС может значительно упростить данную процедуру, однако необходимо учитывать свойства выборки для корректных результатов, что влияет на выбор математического инструмента группировки [18, 19].

Цель исследования – на основе оценки вариабельности показателей качества воды централизованных систем питьевого водоснабжения обосновать выбор инструментов автоматической группировки данных в геоинформационных системах.

Материалы и методы

В работе в качестве исходных данных использованы результаты исследований качества воды централизованных систем питьевого и хозяйственно-бытового водоснабжения населённых пунктов Архангельской области, выполненные в 2025 г. в рамках социально-гигиенического мониторинга.

Использованы методы контент-анализа, статистические методы обработки полученной информации, методы построения и анализа баз данных, методы визуализации пространственных данных и способы их группировки с применением ГИС. На основе результатов исследований сформирована электронная база, выполнен анализ перечня контролируемых показателей. Проведена статистическая обработка данных с использованием пакета MS Office Excel. Определяли основные статистические характеристики генеральной совокупности показателей: минимальные и максимальные значения, медиана и среднее арифметическое, дисперсия, характер распределения. На основе оценки статистических характеристик генеральной совокупности результатов были сформированы выборки из показателей качества питьевой воды, удовлетворяющих одному из критериев: нормальность распределения либо отсутствие нормального распределения, наибольшая и наименьшая дисперсия величины показателя, контролируемость в преобладающем числе населённых пунктов. Дополнительным критерием при выборе показателей было количество измерений или исследований, результат которых не превышает нижнего предела количественного определения применяемой методики измерения. Если процент таких результатов превышал 5%, такой показатель не включали в исследование.

В качестве среды для пространственного анализа использована геоинформационная система (ГИС) ArcMap 9.3 (ArcGIS by ESRI) со штатными инструментами группировки данных. В настоящей работе рассматривался сценарий группировки точечных объектов, соответствующих населённым пунктам, в зависимости от величины изучаемого показателя с помощью инструментов автоматической группировки данных (инструмент «градуированные цвета» (graduated colours)): равных интервалов (equal или defined interval), квантилей (quantile), естественных границ по Дженксу (natural breaks by Jenks), геометрического интервала (geometrical interval) и стандартного (среднеквадратичного) отклонения (standard deviation). Использованы векторные пространственные данные OpenStreetMap территории Архангельской области, включающие в себя площадные (полигональные) объекты – административные границы муниципальных образований субъекта и точечные объекты – населённые пункты. Результаты исследований качества питьевой воды в системах водоснабжения населённых пунктов привязывали в виде атрибутивных таблиц к соответствующим точечным объектам для последующей визуализации на карте.

Результаты

Анализ исходных данных показал, что качество воды централизованных систем питьевого и хозяйственно-бытового водоснабжения в Архангельской области в 2025 г. контролировалось в 108 населённых пунктах. Общий перечень контролируемых показателей представлен 89 наименованиями, из которых 8 вирусологических, 11 микробиологических, 4 паразитологических, 12 радиологических и 53 санитарно-химических. Для дальнейшего пространственного анализа с применением геоинформационных систем из генеральной совокупности выбраны показатели, которые контролируются в максимально большом количестве населённых пунктов. К таким показателям относятся микробиологические и санитарно-химические, которые исследуются во всех 108 населённых пунктах. Поскольку большинство микробиологических показателей представлено категориальными или бинарными видами переменных, в рамках настоящей работы эта группа не рассматривалась как объект исследования для применения пространственного анализа. Из перечня санитарно-химических показателей в качестве объектов исследования были выбраны следующие: железо контролируется в 82 населённых пунктах (нп); жёсткость общая – в 73 нп.; общая минерализация – в 68 нп; мутность – в 108 нп; перманганатная окисляемость – в 87 нп; водородный показатель (pH) – в 87 нп. Дополнительно в исследование был включён интегральный показатель качества питьевой воды (ИП), который характеризует её качество по совокупности исследуемых показателей и обладает, как правило, наибольшей вариабельностью величины, а также не имеет нормативного значения или критерия приемлемости и может быть рассчитан при любом количестве контролируемых показателей [20–22]. В настоящей работе ИП был рассчитан для питьевой воды 72 населённых пунктов, число которых обусловлено достаточным объёмом исследований и необходимым перечнем контролируемых показателей. Обобщённая информация об основных статистических характеристиках выбранных показателей в разрезе рассматриваемых в настоящей работе 108 населённых пунктов приведена в таблице.

Анализ результатов статистической обработки позволяет констатировать неоднородность выборок результатов исследований по изучаемым показателям. Наибольшая дисперсия характерна для общей минерализации и ИП, при этом характер распределения значений общей минерализации близок к нормальному. Аналогичные свойства в части нормальности распределения демонстрируют выборки показателей общей жёсткости и pH, однако величина дисперсии для этих показателей гораздо меньше. Такие показатели, как железо, мутность, перманганатная окисляемость и ИП, демонстрируют отсутствие нормального распределения при различных величинах дисперсии. Таким образом, выбранные показатели обладают необходимыми критериями для последующего анализа группировки данных с применением ГИС.

Обнаружено, что для выборок с распределением, близким к нормальному (общая минерализация, pH и жёсткость), результаты группировки методами «геометрический интервал», «естественные границы» и «квантили (квартили)» схожи. При этом величина дисперсии показателя не оказывает существенного влияния на сходимость результатов группировки: в случае с показателем «общая минерализация» её величина составляет более 20 000, в то время как для pH её значение не превышает 0,26 (см. таблицу).

Группировка методом стандартного (среднеквадратичного) отклонения (standard deviation) обнаруживает сходимость результатов с методом равных интервалов (equal или defined interval) при распределении, близком к нормальному.

Если для выборок нормальное распределение не было характерно (железо, ИП, окисляемость, мутность), наблюдалась лишь незначительная сходимость результатов группировки методами геометрических интервалов и естественных границ по Дженксу (для ИП), а также методами геометрических интервалов и квантилей (квартилей) (для показателя «окисляемость перманганатная») (рис. 1, 2).

Обсуждение

Обнаруженные в настоящей работе закономерности при автоматической группировке данных с помощью инструментов ArcMap свидетельствуют о существенном влиянии на результат этой группировки нормальности распределения в выборке. Чем распределение ближе к нормальному, тем меньше различий между такими способами группировки, как геометрический интервал, квантили и естественные границы по Дженксу, а также между методами равных интервалов и стандартного отклонения. Несмотря на сходство результатов группировки, диапазоны классов объектов всё же различаются, что необходимо учитывать при выборе метода.

В то же время сходства результатов группировки методами «квантили (квартили)» и «равные интервалы» обнаружено не было. Если распределение далеко от нормального, сходства в результатах группировки практически не наблюдается, за исключением метода геометрических интервалов и естественных границ по Дженксу. В отличие от характера распределения признака в проведённом исследовании не обнаружено влияния величины дисперсии на сходство или различие результатов группировки разными методами.

Анализ пространственного распределения результатов группировки населённых пунктов показал, что расположенные рядом населённые пункты в большинстве случаев отнесены к одним группам (классам) значений или к соседним по результатам группировки. Это обусловлено сходными величинами исследуемых показателей, которые в свою очередь могут объясняться использованием в качестве источников питьевого водоснабжения одного и того же водного объекта (реки, озера) в случае с поверхностными водоисточниками или одного подземного горизонта в случае использования подземного водоисточника (скважины). Кроме того, визуализация расположения населённых пунктов и их группировка по показателям качества питьевой воды на карте позволяют косвенно визуализировать расположение самих водных объектов, что хорошо видно на рис. 1, 2.

Авторы полагают, что при выборе способа группировки данных в зависимости от задач можно руководствоваться следующими критериями.

При наличии нормального распределения допустимо с приблизительно одинаковым результатом применять методы квантилей (квартилей), равных интервалов, геометрических интервалов или естественных границ по Дженксу. Результаты такой группировки не будут существенно различаться. Следует учесть, что метод стандартного отклонения способен дать иной результат группировки, однако его применение может быть также обосновано в некоторых случаях.

При выраженном отсутствии нормального распределения наиболее целесообразно применение метода геометрических интервалов или естественных границ по Дженксу, особенно в тех случаях, когда важно учесть при группировке не только величины показателя, но и распространённость величины признака. В противном случае возможно применение метода равных интервалов.

Следует также отметить, что представление о нормальности распределения показателя можно также получить непосредственно при группировке данных в ArcMap благодаря графической визуализации (рис. 3), что позволяет значительно упростить первичный анализ данных и выбор дальнейших способов их обработки.

Заключение

Проведённое исследование позволило выявить влияние основных статистических характеристик выборки на результат автоматической группировки данных инструментами в геоинформационных системах на примере ArcMap.

При выборе соответствующего инструмента группировки данных следует учитывать в первую очередь нормальность распределения. При нормальном распределении целесообразно применять методы квантилей (квартилей), равных интервалов, геометрических интервалов или естественных границ по Дженксу. При отсутствии нормального распределения оптимальными методами являются геометрические интервалы или естественные границы по Дженксу.