Geochemical anomaly of iron and manganese in drinking water: health risk assessment

全文:

ВВЕДЕНИЕ

Риски для здоровья населения, связанные с качеством питьевой воды, могут усугубляться под влиянием геохимических аномалий, которые влияют на состав природных вод [1, 2]. В статье рассматривается западная часть Тюменской области в районе г. Тюмени, на территории которой находится железомарганцевая геохимическая аномалия [3, 4]. Повышенные концентрации Fe, Mn в воде из различных источников водоснабжения представляют потенциальную угрозу для здоровья населения и требуют проведения комплексной оценки риска [5–8].

Накопление Fe, Mn в водопроводной воде в концентрациях, превышающих ПДК, оказывает неблагоприятные эффекты для органов пищеварения, мочеполовой системы, кожных покровов и слизистых оболочек, эндокринной системы, являются потенциальными возбудителями заболеваний полости рта [9, 10]. При длительном воздействии эти элементы могут вызывать различные патологические состояния [10–12]. Fe, Mn в результате анализа данных Федерального информационного фонда данных социально-гигиенического мониторинга (ФИФ СГМ) были отнесены к приоритетным для мониторинга в Российской Федерации химическим веществам.

Известно, что Fe и Mn подвергаются сезонным превращениям между растворенной и твёрдой фазами под влиянием редокс процессов [13] и колебаний других параметров химического состава (pH, концентрация карбонат-иона и растворенного органического вещества (РОВ)) [14], что влияет на их концентрацию в природных водах и биодоступность, и, соответственно, на уровень воздействия на здоровье человека.

В соответствии с действующими санитарными нормами, предельно допустимые концентрации (ПДК) для железа и марганца в питьевой воде установлены для минимизации их воздействия на здоровье человека (ПДК Fe – 0,3 мг/дм³, Mn – 0,1 мг/дм³) [15]. В районе Тюменской городской агломерации наблюдается превышение ПДК: в 10 и больше раз для железа в воде из скважин и в 2 раза и более для марганца [3, 16, 17]. Такая ситуация обусловливает необходимость оценки рисков для здоровья населения, особенно при употреблении воды из нецентрализованных источников водоснабжения [18–20].

В данной статье рассматриваются результаты оценки рисков для здоровья населения при употреблении воды с повышенным содержанием железа и марганца. Методом Монте-Карло анализируется вариативность их распределения. Метод Монте-Карло позволяет учитывать неопределённости, связанные с изменчивостью концентраций загрязняющих веществ, различиями в потреблении воды, вариацией коэффициента поглощения и разницей во времени употребления поллютанта. Расчёт индекса опасности (Hazard Quotient – HQ) позволяет определить уровень риска для здоровья, связанный с воздействием химических веществ, и оценить возможные последствия превышения допустимых значений [21–23].

Тюменская область расположена в юго-западной части Западной Сибири, на границе с Уральскими горами, на территории Российской Федерации. Административным центром Тюменской области является город Тюмень. Опробование проводилось на западе Тюменской области, в районе Тюменской городской агломерации (рис. 1).

 

Рис. 1. Карта отбора проб, Тюменская городская агломерация, N=132 проб. Населённые пункты: Антипино, Березняковский, База «Верхний Бор» № 1, Горьковка, Дербыши, Друганово, Ембаево, Каменка, Княжево, Кулига, Кулига Зеленые Холмы, Кулакова, Луговое, Мотуши, Метелево, Новоторманский, Онохино, Падерина, Патрушево, Патрушево ул. Сосновая, Перевалово, Решетниково, Речкина, Речкино, Субботина, Суходолье, Тюмень, Труфаново, Ушакова, Усть-Пышма, Фунтова, Черепаново, Черная Речка, Чикча, Янтык, Зубарево, Зубарева, Зоново, Винзили

Fig. 1. Sample collection map, Tyumen urban agglomeration, N=132 samples. Settlements: Antipino, Bereznyakovsky, "Verkhniy Bor" No. 1 Facility, Gorkovka, Derbyshi, Druganovo, Embaevo, Kamenka, Knyazhevo, Kuliga, Kuliga Zelyonye Kholmy, Kulakova, Lugovoe, Motushi, Metelevo, Novotormansky, Onokhino, Paderina, Patrushevo, Patrushevo Sosnovaya street, Perevalovo, Reshetnikovo, Rechkina, Rechkino, Subbotina, Sukhodolye, Tyumen, Trufanovo, Ushakova, Ust-Pyshma, Funtova, Cherepanovo, Chernyaya Rechka, Chikcha, Yantyk, Zubarevo, Zubareva, Zonovo, Vinzili

 

Основным источником питьевой воды в Тюменской области являются подземные воды, добываемые из артезианских скважин. В некоторых районах, включая Тюменскую городскую агломерацию, в качестве источника питьевой воды используется поверхностная вода из рек. Основной поверхностный источник питьевой воды в городской агломерации – река Тура [24]. Тюменская область характеризуется природной железомарганцевой аномалией, что приводит к повышенному содержанию железа (Fe) и марганца (Mn) в источниках воды [3, 4, 17].

Обширные пространства на левобережье р. Туры в районе г. Тюмени представляют собой осушенные части Тарманского болотного массива. Дренажные системы в большинстве случаев находятся в упадочном состоянии, встречаются участки вторичного заболачивания [25]. Средняя мощность торфяной залежи в этом районе составляет порядка 2 м, максимальная достигает 6,8 м [26]. Севернее расположены неосушенные части Тарманского болотного массива и заболоченные земли. Встречаются болота и в низкой пойме р. Туры, на ее правобережье и в бассейне р. Пышмы. Помимо естественных, здесь можно встретить мелиорированные болота, в том числе вторично-заболоченные, однако масштабы мелиорации не столь существенны, как в пределах Тарманского болотного массива.

В поймах и на нижних террасах рек первый водоносный горизонт представлен верхненеоплейстоценово-голоценовыми аллювиальными отложениями (aQ_III-H), сложенными русловыми фациями (разнозернистыми песками, гравийными песками, галечниками) поймы и аккумулятивной режевской и камышловской свит мощностью до 15 м [27–29]. Питание осуществляется за счет атмосферных осадков, паводковых вод и разгрузки подземных вод из горизонтов, слагающих борта долин [29]. На более высоких надпойменных террасах у поверхности залегает средненеоплейстоценовый озерный и озерно-аллювиальный водоносный горизонт (l, laQ_II), сложенный пылеватыми песками и алевритами с прослоями глин, с разнозернистыми песками в основании, мощностью 20–30 м. Питание происходит за счет атмосферных осадков [28, 29]. Воды четвертичных водоносных горизонтов тесно связаны с болотными водами [25, 30]. На водоразделах обычно представлен нижнеолигоценовый (куртамышский) водоносный горизонт (P₃kr), сложенный кварцевыми песками континентальных (пресноводно-озерных и дельтовых) и прибрежно-морских отложений мощностью до 20–30 м, перекрытый маломощной толщей субаэральных образований. В нижних частях разреза куртамышской свиты залегают глины со стяжениями марказита и пирита. По условиям залегания воды относятся к грунтовым с соответствующими областями питания, стока и гидрохимическим режимом. Формирование локальных напорных областей возможно там, где этот горизонт перекрыт четвертичными водоносными горизонтами, которые подстилают локальные водоупоры – отложения глин и суглинков. На правобережье р. Пышмы локальное распространение имеет неоген-четвертичный аллювиальные и озерный водоносный горизонт (a, lN-Q), сложенный песками, алевролитами и глинами, водоносными являются слои песков мощностью до 1,2 м. Подстилает перечисленные водоносные горизонты эоценовый (ирбитско-тавдинский) водоупорный региональный горизонт (P₂ir-tv), сложенный отложениями ирбитской и тавдинской свит, состоящими из диатомовых, диатомитовых и монтмориллонитовых глин общей мощностью более 200 м [27, 29]. В отложениях тавдинской свиты, которая непосредственно подстилает водоносные горизонты палеогенового и четвертичного возраста, повсеместно встречаются прослои сидеритов и стяжения марказита.

Порово-пластовые подземные воды в пойме и в пределах аллювиальных террас и локальных водоразделов относятся к незащищенным или слабозащищенным, мощность зоны аэрации составляет 2–5 м, она сложена пойменными и аллювиальными супесями и суглинками с галькой и гравием, характеризующимися высокой водопроницаемостью (коэффициент фильтрации 1,0–1,8 м/сут) [28, 29].

Основным выводом из вышесказанного является то, что существует тесная гидравлическая связь верхних водоносных горизонтов с болотными и поверхностными водами, что определённо оказывает влияние на формирование железомарганцевой аномалии в изучаемых питьевых водах.

Уровень антропогенного загрязнения в области относительно низкий, однако вблизи промышленных объектов и нефтегазовых месторождений может наблюдаться локальное загрязнение (ионы тяжёлых металлов, их сульфаты и соли). К значимым техногенным объектам в черте тюменской городской агломерации можно отнести бывшие золоотвалы ТЭЦ-1 на правобережье р. Туры [28, 30]. Данные объекты находятся в Тюменской области, но далеко от рассматриваемой территории.

МЕТОДЫ

Отбор и анализ проб воды

Исследовался химический состав (132 пробы) воды из действующих частных скважин и колодцев (нецентрализованные источники водоснабжения) в населённых пунктах, которые находятся на западе Тюменской области, в районе г. Тюмени (рис. 1). Отбор был проведён в соответствии с методическими рекомендациями [31]. Пробы отбирались каждый месяц в течение года. Была отобрана вода из действующих частных скважин и колодцев на территории частных домовладений, используемая в питьевых целях. Глубина скважин, ставших объектом исследования, составляла до 20 м, из чего можно сделать вывод о том, что водоснабжение производится из водоносных горизонтов верхненеоплейстоценово-голоценового и средненеоплейстоценового возраста, а в районе локальных водоразделов – из куртамышского водоносного горизонта.

Отбор проб воды осуществлялся в период с 2018 по 2022 гг. в рамках исследований, проводимых Научно-исследовательским институтом экологии и рационального использования природных ресурсов Тюменского государственного университета. Был проведён количественный химический анализ (КХА). Анализируемые параметры включали общее железо, определяемое фотометрическим методом с использованием сульфосалициловой кислоты, марганец, определяемый методом фотоколориметрии. Перманганатная окисляемость (Permanganate Index – PI) определялась методом окислительно-восстановительного титрования, и pH измерялся методом потенциометрии.

Статистическая обработка данных

Для оценки нормальности распределения выборки был проведён описательный статистический анализ, F-тест, рассчитаны среднее геометрическое, минимальная и максимальная концентрации, а также стандартное отклонение. Стандартное отклонение использовалось для отражения степени дискретности в распределении концентраций различных элементов. Для оценки корреляционных связей между изучаемыми показателями использовали непараметрический коэффициент ранговой корреляции Спирмена, коэффициент корреляции Пирсона и факторный анализ. Проводился расчёт превышения показателя ПДК:

$\text{CC}=\frac{{\text{C}}_{\text{i}}}{ПД{К}_{\text{i}}}$,

где С_і – концентрация химического вещества i, мг/л; ПДК_i – ПДК химического вещества i, мг/л.

Оценка риска для здоровья человека

Неканцерогенный риск – это риск возникновения вредных эффектов для здоровья человека, не связанных с развитием злокачественных опухолей (рака), при воздействии химических веществ [32]. Метод HQ рекомендован в международной практике оценки рисков. Он позволяет сравнивать результаты исследований с мировыми стандартами (Руководства Всемирной организации здравоохранения (ВОЗ) по качеству питьевой воды, Директива о питьевой воде (Council Directive 98/83/EC) и т.д.).

HQ используется для оценки долговременного воздействия химических веществ, что актуально для анализа воды, поскольку её потребление является регулярным.

Для оценки неканцерогенного риска для здоровья человека, связанного с употреблением воды с повышенным содержанием железа и марганца, была использована модель коэффициента опасности HQ, разработанная Агентством по охране окружающей среды США [33]:

$\text{HQ }=\frac{CDI}{RfD}$, где CDI (Chronic Daily Intake) – хроническая суточная доза (мг/л_день); RfD (Reference dose) – референсная (безопасная) доза (мг/л_день).

Неканцерогенный риск для здоровья человека оценивался для хронического перорального поступления Fe и Mn с питьевой водой. RfD была определена в соответствии с руководством Р 2.1.10.1920-04 (2004) (табл. 1). Среднесуточная доза рассчитывалась по методике из [33]:

$CDI=\frac{\text{C }\times \text{ WI }\times \text{ EF }\times \text{ ED}}{\text{BW }\times \text{ AT}}$.

где C – концентрация Fe, Mn (мг/л); WI (Water Intake) – потребление воды (л/день), целевое референсное значение установлено на уровне 2 л/день [34]; EF (Exposure Frequency) – частота воздействия (дней/год), установленное значение – 350 дней/год согласно [34]; ED (Exposure Duration) – продолжительность воздействия (лет), в [34] рекомендуется 30 лет для взрослого жителя, учитывая миграцию населения; BW (Body Weight) – масса тела (кг), принятые значения – 83 и 73 кг для взрослых мужчин и женщин, соответственно, по данным отчета Росстата за 2023 год; AT (Average Time) – время усреднения (дней), рассчитывается как ED×365 дней.

В работе принимается, что значения HQ ниже референсного уровня 1 не связаны с неблагоприятными последствиями для здоровья [33]. Риски для здоровья возрастают пропорционально увеличению значений HQ выше 1.

 

Таблица 1. Референтная (безопасная) доза (RfD) для определения коэффициента опасности, мг/кг*день

Table 1. Reference (safe) dose (RfD) for determining the hazard quotient, mg/kg*day

Химический элемент/Chemical element	RfD
Mn	0,14
Fe	0,30

 

Симуляция Монте-Карло

Для оценки возможного диапазона значений HQ, который характеризует риск для здоровья человека при воздействии химических веществ, использовалась симуляция Монте-Карло. Этот метод позволил смоделировать неопределенность и вариации ключевых параметров и оценить возможные риски в условиях неопределенности. Неканцерогенный риск оценивался как вероятность того, что воздействие загрязнителя превысит безопасный уровень.

Для выполнения симуляции Монте-Карло в расчёте оценки неканцерогенного риска использовались следующие параметры:

• массовая концентрация Fe и Mn в воде, распределение логнормальное;
• объем потребляемой воды на 1 кг массы тела в день (л/кг веса), логнормальное распределение, 30 мл на 1 кг веса;
• масса тела человека от 73 кг до 83 кг;
• коэффициент усвоения вещества, значение варьируется от 0,1 до 0,5, вводится в модель для учёта того, что организм может усваивать химические элементы, такие как марганец и железо, с разной эффективностью;
• частота воздействия 350 дней в году, с учётом отпусков и других факторов;
• продолжительность воздействия 30 лет.

Принято, что

Для выполнения симуляции Монте-Карло генерируется большое количество случайных значений для каждого из параметров. В данном исследовании было выполнено 10000 итераций. Большое число повторений обеспечивает статистически значимую выборку, что позволяет сгладить случайные отклонения и получить достоверные оценки вариации риска. Эти случайные значения используются для расчёта CDI, которая выражает количество загрязнителя, поглощаемого человеком в течение дня.

На основе значений CDI для каждой итерации вычисляется HQ, который представляет собой отношение получаемой дозы загрязнителя к допустимой дозе (RfD). HQ>1 указывает на превышение безопасного уровня воздействия, что свидетельствует о потенциальной опасности для здоровья.

После выполнения всех итераций анализируется распределение значений HQ. Рассчитываются такие метрики, как среднее значение, медиана, минимальные и максимальные значения, а также процентильные оценки (например, 95-й процентиль) для оценки вероятности возникновения высоких значений риска.

Для понимания, какие из входных параметров оказывают наибольшее влияние на риск, проводится анализ чувствительности. Это помогает определить, на какие факторы следует обращать больше внимания при разработке мер по управлению рисками.

Подробные параметры симуляции, включая входные распределения, код для выполнения симуляции и анализа чувствительности результата к входным параметрам (язык программирования Python), значения параметров, приводятся ниже.

Код для выполнения симуляции Монте-Карло, язык программирования Python:

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

Статистический анализ данных

Отмечаются превышения ПДК по содержанию железа и марганца в воде нецентрализованных источников водопользования.

Среднее значение концентрации Fe в воде скважин на порядок превышает ПДК, установленное для вод источников питьевого водоснабжения, средняя концентрация Mn превышает ПДК в 4 раза (табл. 1). Для всех параметров выборки характерен высокий показатель стандартного отклонения, что, возможно, говорит о неоднородности химического состава воды (табл. 2).

 

Таблица 2. Статистический анализ химического состава воды из нецентрализованных источников водоснабжения

Table 2. Statistical analysis of chemical composition of water from non-centralized water supply sources

	Среднее геометрическое/Geometric mean, sd
N	Fe, мг/л (mg/l), ПДК/MPC – 0,3 мг/л (mg/l)	Mn, мг/л (mg/l), ПДК/MPC – 0,1 мг/л (mg/l)	pH, ед. рН ПДК/MPC 6–9	PI, мг/л (mg/l) ПДК/MPC 7,0
132	3,3; 7,7	0,4; 0,06	7; 0,6	2,8; 1,7

Примечание: sd. – стандартное отклонение, ПДК – предельно допустимая концентрация, PI – перманганатная окисляемость.

Note: sd. – standard deviation, MPC – maximum permissible concentration, PI – permanganate index.

 

Расчёт коэффициента корреляции Спирмена показывает, что в воде из нецентрализованных источников водоснабжения наблюдается зависимость (ρ>0,4) между PI, содержанием Fe и Mn, а также отрицательная корреляция между содержанием Mn и показателем pH. Данные зависимости между Mn и Fe, а также между PI и Fe подтверждаются результатами факторного анализа.

 

Оценка неканцерогенного риска для здоровья человека

Результаты расчёта коэффициента опасности представлены в табл. 3. Значение HQ не превышает 1, что свидетельствует о низком уровне неканцерогенного риска для здоровья населения. Результаты согласуются с полученными ранее значениями [36]. Моделирование методом Монте-Карло показало, что в воде из нецентрализованных источников водоснабжения для подавляющего большинства случаев (до 95 % симуляций) риск воздействия Fe, Mn не превышает безопасного уровня (HQ <1) (рис. 2, 3, табл. 4).

 

Рис. 2. Распределение HQ для здоровья человека, рассчитанных относительно концентрации Fe в воде из нецентрализованных источников водоснабжения, Lg

Fig. 2. HQ distribution for human health calculated with respect to Fe concentration from non-centralized water supply sources, Lg

 

Однако около 5 % случаев могут представлять риск выше допустимого уровня (HQ>1). 5 % смоделированных концентраций, превышающих пороговое значение HQ, указывают на повышенные риски для здоровья определённых групп населения, обусловленные индивидуальными вариациями в потреблении воды, весе и других факторах, а также возможным влиянием сезонных изменений и локальных источников загрязнения [32].

 

Таблица 3. Величина HQ для здоровья населения

Table 3. HQ value for public health

Химический элемент Chemical element	Вода из скважин Well water
Fe	0,12
Mn	0,03

 

Рис. 3. Распределение HQ для здоровья человека, рассчитанных относительно концентрации Mn в воде из нецентрализованных источников водоснабжения, Lg

Fig. 3. HQ distribution for human health calculated with respect to Mn concentration from non-centralized water supply sources, Lg

 

Таблица 4. Статистические данные распределения HQ на основе проведённого моделирования

Table 4. Statistical data of HQ distribution based on the modelling performed

Величина/Value	Fe	Mn
Ср. арифметическое/Mean HQ	0,2	0,03
Медиана/Median HQ	0,1	0,02
95-й процентиль/95th Percentile HQ	0,8	0,05
Мин./Min HQ	0,001	0,004
Макс./Max HQ	9,9	0,09

В воде из нецентрализованных источников водоснабжения (рис. 2) риск для здоровья от попадания Fe в организм выше. Отмечается максимальное значение HQ, которое для железа превышает 10 (рис. 2).

 

Оценка чувствительности результата к входным параметрам

Проведённый анализ чувствительности (табл. 5, рис. 4, 5) демонстрирует взаимосвязи для Fe, Mn между различными параметрами и HQ.

 

Таблица 5. Анализ чувствительности результата к входным параметрам для Fe, Mn

Table 5. Sensitivity analysis to input parameters for Fe, Mn

Показатель Value	Fe, корреляция Спирмена Spearmen correlation	Mn, корреляция Спирмена Spearmen correlation
Концентрация/Concentration (C)	0,9	0,3
Масса тела/Body Weight (BW)	–0,02	–0,01
Потребление воды Water Intake (WI)	0,2	0,5
Коэффициент поглощения Absorption Factor (AF)	0,32	0,8
Частота воздействия Exposure Frequency (EF)	0,04	0,1
Продолжительность воздействия Exposure Duration (ED)	–0,01	–0,02

 

Рис. 4. Визуализация анализа чувствительности результата к входным параметрам для симуляции распределения значений HQ, Mn в воде из нецентрализованных источников водоснабжения

Fig. 4. Visualization of sensitivity analysis results for HQ simulation of values distribution, Mn in water from decentralized water supply sources

 

Рис. 5. Визуализация анализа чувствительности результата к входным параметрам для симуляции распределения значений HQ, Fe в воде из нецентрализованных источников водоснабжения

Fig. 5. Visualization of sensitivity analysis results for HQ simulation values distribution, Fe in water from decentralized water supply sources

 

1. Очень высокая корреляция для Fe (0,9), что указывает на сильное влияние концентрации железа на HQ. Для Mn корреляция слабее (0,3), но все же положительная, что также отражает влияние концентрации марганца на значение коэффициента опасности.
2. Масса тела человека имеет очень слабое влияния на величину HQ для Fe и Mn, о чем свидетельствует низкий коэффициент корреляции (–0,02 и –0,01).
3. С потреблением воды для Mn наблюдается умеренная положительная корреляция (0,5), что говорит о заметном влиянии потребления воды на HQ для марганца. В случае Fe влияние слабее (0,2), но также положительное.
4. Высокий коэффициент усвоения значительно повышает HQ для марганца (0,8). Для Fe корреляция тоже положительная, но слабая (0,3).
5. Параметр частоты воздействия имеет слабое влияние на величину HQ как для Fe (0,04), так и для Mn (0,1), что говорит о том, что изменение частоты потребления воды (в днях) в пределах одного года незначительно сказывается на рисках.

Таким образом, концентрация Fe и Mn оказывает наибольшее влияние на HQ для этих металлов.

Источники и факторы накопления Fe и Mn в подземных водах

В процессе оценки неканцерогенного риска для здоровья человека было установлено, что концентрация Fe и Mn является одним из ключевых факторов, определяющих HQ. Регрессия между концентрациями Fe, Mn и HQ указывает на необходимость контроля содержания металлов в воде.

Зависимость между содержанием Fe и величиной перманганатной окисляемости опосредованно подтверждает, что железо присутствует в воде в форме органоминеральных комплексов [37]. Железо образует устойчивые комплексы с органическими веществами гумусового ряда, которые удерживают его в растворенной форме [38]. Органические лиганды связывают большое количество Fe (II), положительно влияя на биодоступность железа в воде, причём карбоксильные группы играют основную роль при кислых и нейтральных рН [39]. Однако Fe в воде может также катализировать окислительные процессы, что влияет на значение перманганатной окисляемости [40].

Таким образом, регрессия между железом и значением перманганатной окисляемости может быть обусловлена как образованием органоминеральных комплексов, так и каталитической активностью железа, которое само по себе как переменно валентный элемент может определять окислительно-восстановительный потенциал системы.

Однако в районе исследований распространяются болотные воды с повышенным содержанием растворённого органического вещества (до 122 мг/л по данным весенне-летних полевых наблюдений на Тарманском болоте в 2024 г.). Эти воды имеют тесную гидравлическую взаимосвязь с грунтовыми водами. Поэтому первый вариант является более вероятным.

Марганец также склонен образовывать органоминеральные комплексы, но в меньшей степени, чем Fe [41], т. е. в первую очередь органические лиганды будут связываться с Fe, а оставшиеся свободные лиганды – с Mn и другими металлами. Однако стоит отметить, что Mn способен накапливаться в воде даже в окислительных условиях, в отличие от Fe, которое осаждается в виде гидроксидов [14] . Отрицательная корреляция между концентрацией Mn и величиной pH говорит о том, что Mn максимально растворим в кислой среде, где он присутствует в форме Mn²⁺. При повышении pH Mn может переходить в нерастворимые формы, такие как карбонаты, оксиды и гидроксиды, осаждаясь из раствора [42].

На западе Тюменской области, несмотря на значительные масштабы осушительной мелиорации болот [43], по-прежнему имеются заболоченные участки, представленные в основном пойменными и притеррасными низинными болотами, что влияет на накопление металлов в водоёмах и подземных водах района [16, 37]. Восстановительные условия, которые обычно присущи болотным системам, способствуют накоплению растворенного органического вещества [44]. Формирование органоминеральных комплексов увеличивает миграционную способность железа в воде, поддерживая его концентрацию в растворенной форме [45]. А нейтральный характер pH болотных вод низинных болот не препятствует накоплению Mn, который в целом более устойчив в растворенной форме марганец, чем железо, и способен накапливаться даже в окислительных условиях [14].

Таким образом, можно сделать вывод о том, что повышенные концентрации Fe и Mn поступают в природные воды исследуемого района благодаря гидравлической связи болотных и поверхностных вод и вод четвертичных отложений, которые используются для нецентрализованного водоснабжения. В свою очередь болотные и поверхностные воды района исследований характеризуются благоприятными геохимическими условиями для накопления этих элементов. В случае, когда источником водоснабжения выступает куртамышский водоносный горизонт, в качестве источника Fe могут выступать пирит и марказит из вмещающих отложений, а также сидерит и марказит тавдинской свиты, подстилающей водовмещающие отложения куртамышской свиты.

ЗАКЛЮЧЕНИЕ

Железомарганцевая геохимическая аномалия на территории западной части Тюменской области, в районе г. Тюмени, оказывает влияние на состав питьевой воды, что в свою очередь может влиять на здоровье населения. Выявленные превышения предельно допустимых концентраций железа и марганца в воде из нецентрализованных источников водоснабжения обусловливают необходимость оценки неканцерогенных рисков от потребителей данной воды.

Рассчитанный коэффициент опасности показал, что в среднем риск для здоровья населения остаётся низким. Однако в 5 % случаев коэффициент опасности приближается к пороговому значению, что свидетельствует о потенциальной угрозе для здоровья и требует выявления факторов, оказывающих наибольшее влияние на значения коэффициента опасности для разработки мер по управлению рисками.

Метод Монте-Карло, использованный для оценки вариативности и чувствительности модели оценки рисков, позволил учесть неопределённости, связанные с изменчивостью концентраций химических элементов, различиями в потреблении воды и другими факторами.

Анализ чувствительности результатов к входным параметрам показал, что определяющими факторами для показателя коэффициента опасности являются концентрации элементов и их усвоение, тогда как масса тела, частота и длительность воздействия оказывают менее заметный эффект. Также важным аспектом является объем ежедневно потребляемой воды. Это подчеркивает необходимость регулярного контроля содержания железа и марганца в питьевой воде, так как их уровни значительно изменяются под воздействием геохимических условий (например, pH, Eh, концентрации карбонат-ионов, растворенного кислорода и органического вещества).

Для снижения потенциальных рисков для здоровья важно не только наладить постоянный мониторинг качества воды, но и разработать меры по уменьшению содержания железа и марганца в нецентрализованных системах водоснабжения. Управление рисками требует комплексного подхода, включающего контроль концентраций металлов и сопутствующих характеристик, таких как pH, общее химическое состояние, содержание органических веществ и растворенного кислорода.

作者简介

Alexandra Belyanovskaya

National Research Tomsk Polytechnic University

编辑信件的主要联系方式.
Email: alexandra.belyanovskaya@outlook.com
ORCID iD: 0000-0003-4320-7637

Cand. Sc., Laboratory Assistant

俄罗斯联邦, 30, Lenin avenue, Tomsk, 634050

Evgenia Soldatova

Institute of Forest Science Russian Academy of Sciences

Email: 2a61@mail.ru
ORCID iD: 0000-0003-3967-4822

Cand. Sc., Senior Researcher

俄罗斯联邦, 21, Sovetskaya street, Uspenskoe, 143030

Elizaveta Krestyannikova

National Research Tomsk Polytechnic University

Email: li3452@yandex.ru
ORCID iD: 0000-0001-5512-1465

Postgraduate Student

俄罗斯联邦, 30, Lenin avenue, Tomsk, 634050

参考

补充文件