Journal of Cleaner Production 84 (2014) 550e562

Contents lists available at ScienceDirect

Journal of Cleaner Production

journa l homep age : www.elsev i er .co m/loca te / jc lepr o

Evaluación del impacto de los factores geográficos en la

distribución especial de los metales pesados en los suelos

alrededor de la planta de producción de acero en Smederevo

(Serbia)

Ranko Dragovi c a, *, Bo sko Gaji c b, Sne zana Dragovi c c, Miodrag ÐorCevi c a, Milan ÐorCevi c a, Nevena Mihailovi c d, Antonije Onjia c

a University of Ni s, Faculty of Science and Mathematics, Vi segradska 33, 18000 Ni s, Serbia

b University of Belgrade, Institute of Land Management, Faculty of Agriculture, Nemanjina 6, 11081 Belgrade, Serbia

c University of Belgrade, Vin ca Institute of Nuclear Sciences, P.O. Box 522, 11001 Belgrade, Serbia

d University of Belgrade, Institute for the Application of Nuclear Energy, Banatska 31b, 11080 Belgrade, Serbia

R e s u m e n

La concentración de metales pesados (Cd, Co, Cr, Cu, Fe, Mn, Ni, Pb y Zn) en suelos de superficie en la zona que rodea a la planta

de producción de acero en Serbia fue determinante para evaluar la contribución de las emisiones a la contaminación. Se encontró

que las concentraciones medias de Cd, Co, Cu, Ni, Pb y Zn a ser mayores que los valores reportados para los suelos no cultivados a

nivel mundial y también superó concentraciones medias de metales en suelo europeo. El análisis de varianza reveló la influencia de

la latitud, la longitud y la distancia de la fuente de emisión de las concentraciones de metales pesados en los suelos. Técnicas

estadísticas multivariantes (análisis cluster y análisis factorial) confirmaron hallazgos anteriores y también se utilizaron para

investigar las relaciones entre las concentraciones de metales pesados y fracciones de tamaño de partículas del suelo. El análisis de

regresión mostró que la latitud, longitud y distancia de la fuente son buenos predictores de las concentraciones de metales pesados

en los suelos. El análisis geoestadístico reveló la distribución espacial de las concentraciones de metales pesados en el suelo y su

correlación con los vientos predominantes en la zona investigada.

1. Introducción

Como una de las rutas dominantes para la dispersión de elementos

pesados alrededor de los polígonos industriales, las emisiones

atmosféricas comúnmente han sido designados como la principal

fuente de acumulación de metales en los suelos superficiales a través

del depósito, junto con otras rutas de transporte, tales como la

descarga de aguas residuales (Dumontet et al., 1990). En general, el

polvo producido en el proceso de producción de acero contiene Fe,

Zn, Ca y Si en la forma de óxidos simples o mixtos, y también Cu,

Mn, Ni, Cr, Cd, Pb, etc., presentes en la materia prima o introducidas

como aditivos (c Sofili et al, 2004;?. Youcai y Stanforth, 2000).

Estudios anteriores han demostrado que las plantas de hierro-acero

son fuentes significativas de contaminantes del aire (CIPF, 2001).

Dependiendo de los tipos de metales de desecho procesados,

fundiciones de hierro puede conducir a una extensa contaminación de

los alrededores suelos con metales pesados tóxicos (Orescanin et al.,

2004; Zanini et al., 1992). Procesos de producción de hierro y acero

emiten fase de partículas (Zn, Cr, Ni, Pb, Cd y otros metales óxidos /

metal) y contaminantes inorgánicos en fase gaseosa (NOx, SO2, CO,

HF y HCl) y varios contaminantes orgánicos (compuestos orgánicos

volátiles, clorobencenos y dibenzo-p-dioxinas / furanos,

hidrocarburos aromáticos policíclicos, bifenilos policlorados,

naftalenos policlorados policlorados y polibromodifeniléteres) (CIPF,

2001; US EPA, 2008). Como la mayoría de los minerales-minerales

acomodar varios otros metales como inclusiones menores, los suelos

en las zonas de minas y fundiciones rodean pueden estar

contaminados por estos metales, así como los principales metales del

mineral (Al-Khashman y Shawabkeh, 2009; Alloway, 1995; Chopin y

Alloway, 2007;. Shallari et al, 1998). Se ha demostrado que la

distancia de la fuente, la dirección y velocidad de los vientos, la

frecuencia y la cantidad de precipitaciones, las propiedades del suelo

y la interceptación por el medio ambiente puede influir en la

contaminación del suelo (Fritsch et al., 2010).

En este estudio el impacto ambiental de la planta de producción

de acero en Smederevo se evaluó mediante el análisis de las

concentraciones de metales pesados en los suelos de los alrededores y

la influencia de los factores geográficos en su distribución espacial.

R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 551 R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 551

Los objetivos de este estudio fueron (i) para determinar las

concentraciones de metales pesados (Cd, Co, Cr, Cu, Fe, Mn, Ni, Pb,

Zn) en el suelo de la zona de instalación de producción de acero

(selección de elementos se basó en su presencia en materiales y

aditivos que se utilizan para la producción de acero en bruto) común;

(ii) para investigar las posibles relaciones entre las concentraciones

de metales pesados en el suelo y dos fracciones de tamaño de

partículas del suelo y los factores geográficos (latitud, longitud, el

viento, la distancia de la fuente); (iii) establecer un modelo para la

predicción de las concentraciones de metales en el suelo en función

de factores geográficos y (iv) para resaltar la distribución espacial de

los metales pesados mediante el análisis geoestadísticos.

2. Materiales y métodos

2.1. Á r e a d e e s t u d i o

El área investigada se encuentra entre los 44º 23.41’y 44º 38.4’N

de latitud y entre los 20º 55,7’ y 21º 6,6’ E de longitud (Figura 1). Está a sólo unos 50 km de Belgrado, la capital serbia. Los terrenos de

Smederevo pertenecen a la Zona Vardar y la Misa serbio-macedonia.

Se caracterizan por la estructura geológica compleja debido a la

superposición de procesos geotectónicas.

Las especies de fauna identificadas indican Alta Pontian edad de los

sedimentos de la zona de Smederevo. La mayor parte de la zona es

presentada por la arena de cuarzo blanco, arcillas arenosas con

intercalaciones de arcilla y arenas con variada fauna y ocurrencias de

carbón. En el área de Smederevo amplía la serie de arena-grava se

encuentra entre los depósitos y sedimentos del Pleistoceno Pontian.

En la mayor parte de las formaciones Smederevo Cuaternario en

facies de Pleistoceno son ampliamente distribuidas. Las formaciones

del Holoceno son presentados por fluvial y la pendiente de secuencia

(c Pavlovic, 1980). Los principales tipos de suelo de la zona

investigada son: Éutrico Cambisoles, Vertisoles, colúvicos Regosoles,

Phaeozems y Fluvisoles (Fig. 1). Información sobre distribución de

grupos del suelo fue tomada desde el "Mapa de Suelos de la cuenca

del río Velika Morava" a una escala 1: 50.000 (Instituto de Edafología

y Química Agrícola, 1959). El clima es moderado continental,

caracterizado por veranos calientes con alta precipitación en junio y

noviembre y los inviernos fríos y secos. El tipo de clima según la

clasificación de Köppen es Cfwax (Köppen, 1936). Las temperaturas

mínimas y máximas medias anuales (en el período 1981-2010) son

6,3 ° C y 17,4 º? C, respectivamente. La precipitación media anual es

de 670 mm (media de precipitación anual oscila de Serbia para las

diferentes áreas entre 600 y 1000 mm) y la humedad relativa es del

72% (Servicio Hidrometeorológico de Serbia (2011)).

Fig. 1. Simplified pedological map showing study area with sampling sites.

R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 552 R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 552

La zona industrial de la planta de acero integrada se encuentra en el

centro de Serbia, a unos 7 km al sureste de la ciudad de Smederevo.

La planta de acero, fundada en 1913, produce acero, caliente y

productos laminados en frío y hojalata. La planta de acero produce

hierro a dos altos hornos luego convierte alto horno en acero bruto en

una tienda de convertidor de tres hornos y complejo de colada

continua. La mayoría de los contaminantes están relacionados a la

aglomeración y la planta de acero convertidor. Todos los sitios de

disposición están dentro de la planta. Los residuos sólidos consisten

en escorias metalúrgicas, escorias de hierro generados en los altos

hornos y escorias de acero generadas en tres convertidores de oxígeno

(Radovi? C et al., 2009). El núcleo de hierro se compone de Fe

(50%), SiO2 (3%), Mn (1%), Ca (0,4%), Mg (0,2%), S (0,1%) y P

(0,03%) (PREWARC, 2007).

2.2. M u e s t r e o

Las muestras de suelo se recogieron en octubre-noviembre de

2010 de 48 sitios (0-10 cm de profundidad) que aplican el

procedimiento de 'muestreo aleatorio sistemático "(OIEA, 2004) en el

área potencialmente afectada por las actividades industriales, con la

mayoría de los sitios de muestreo en el más área densamente poblada.

Las coordenadas geográficas de los puntos de muestreo se obtuvieron

a través del Sistema de Posicionamiento Global (Garmin eTrex

Vista). Las localizaciones de los sitios de muestreo se muestran en la

Fig. 1. Las muestras fueron tomadas en tierra abierta / desocupado

lejos de las carreteras y los cables de alimentación para evitar la

contaminación. Alrededor de 1,5 kg de cada muestra se recogieron

usando guantes desechables limpios, una pala de acero inoxidable y

una cuchara de plástico. Para evitar la contaminación cruzada, el

equipo fue rozó primero para eliminar los residuos de la muestra

anterior y luego se sonrojó con el suelo del nuevo sitio de muestreo.

Para garantizar la representatividad de la muestra, en cada sitio tres

submuestras se recogieron a distancias de aproximadamente 10 m

entre sí y el suelo fresco colocado en bolsas de plástico (submuestras

se analizaron individualmente).

2.3. M é t o d o s a n a l í t i c o s

Las muestras de suelo se secaron a temperatura ambiente hasta

peso constante, molido y pasado a través de un tamiz de 2 mm de

acero inoxidable. Cada muestra fue entonces homogeneizada y se

molió en un mortero.

Después de la digestión en agua regia, el contenido total de

metales pesados se determinó utilizando el espectrómetro de

absorción atómica Pye Unicam SP 192 (ISO 11047, 1998). Los

límites de detección para los elementos analizados fueron los

siguientes (mg kg- 1?): Cd - 0.3, Co - 1.0, Cr - 5,0, Cu - 3,0, Fe - 0,2,

Mn - 5.0, Ni - 10, Pb - 20 y Zn – 2.0. Los estándares utilizados en el

análisis fueron obtenidos a partir de soluciones CertiPUR Merck.

Tanto calibración externa y el método de adición estándar se

utilizaron para evaluar los efectos de la matriz. Para evaluar la

precisión de muestreo, tratamiento y análisis de muestras, se

analizaron todas las muestras por duplicado. Los valores de las

desviaciones estándar relativas entre duplicados de las muestras por

debajo de 10% indican una alta reproducibilidad de los resultados.

Espacios en blanco de reactivos también se incluyeron en cada lote de

análisis para comprobar si hay contaminación de los extractos de

muestras del suelo. Para verificar la exactitud del método analítico,

material de referencia certificado de SRM suelo 2711 obtenida del

Instituto Nacional de Estándares y Tecnología fue tratado con el

mismo procedimiento que las muestras. Las recuperaciones, que se

estima como el error estándar relativo entre los valores medidos y

recomendados de las concentraciones de metales en el material de

referencia certificado, oscilaron desde 90 hasta 110%. La

incertidumbre global del procedimiento analítico fue inferior a 10%.

El método de tamiz-pipeta tradicional se utilizó para el análisis de

tamaño de partícula (Rowell, 1997). Una vez que la materia orgánica

se ha eliminado, la muestra de mineral restante se pesó y se analizó

para las siguientes fracciones de tamaño de partícula: arena (0,05-2

mm), limo (0,002 - 0,05 mm) y arcilla (<0.002 mm).

2.4. M é t o d o s e s t a d í s t i c o s

Análisis de varianza (ANOVA) se realizó para comparar las

diferencias de concentraciones medias de metales pesados entre

subregiones en el respeto a la latitud, longitud y la distancia de la

fuente de emisión. El conjunto de datos de las concentraciones de

metales pesados y fracciones de tamaño de partículas se sometieron a

análisis de conglomerados y análisis de factores con el fin de poner de

relieve las relaciones entre los parámetros analizados. Los detalles

sobre las técnicas multivariantes aplicadas se pueden encontrar en

libros de texto quimiométricos estándar (Brereton, 2003; Joliffe,

1986; Massart y Kaufman, 1983).

Se realizó un análisis de regresión para obtener un modelo para la

predicción de las concentraciones de metales pesados con la longitud,

la latitud y la distancia de la fuente de emisión como predictores. Se

realizó un análisis de regresión utilizando la distancia de la fuente de

emisión, minutos de latitud y minutos de longitud (desde grados eran

iguales para todos los sitios de muestreo) como predictores de las

concentraciones de metales pesados. El modelo de regresión obtenida

se presenta en la ecuación. (1):

donde V es la concentración de metales pesados, LATmin es el valor

por minuto de latitud, LONmin es el valor de minutos de longitud, D

es la distancia de la fuente de emisión y a, b, cyd son coeficientes del

modelo de regresión.

El modelado de datos geoestadísticos se hizo en software de

mapas de ArcGIS (ESRI, 2009) por su extensión Analista

geoestadístico. Los métodos geoestadísticos han sido ampliamente

utilizados para la interpolación espacial de metales pesados en los

suelos y para la evaluación de lugares contaminados (Da Silva et al.,

2004; Modis et al, 2013.). Método Kriging fue elegido debido a sus

ventajas sobre otras técnicas de interpolación.

Geoestadística se basa en la teoría de una variable regionalizada

(Matheron, 1963), que muestra la autocorrelación espacial donde las

observaciones cerca unos de otros son más parecidos que los que

están lejos. Función Semi-variograma se define como la mitad de la

diferencia al cuadrado promedio entre valores de datos apareados

separadas por un intervalo de distancia (Matheron, 1965):

R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 553 R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 553

Table 1

Descriptive statistics of the heavy metal content (mg kg 1

) and particle size fractions (%) of the soils in the area surrounding steel production facility.

Parameter Mean Median Mode SD Variance Skewness Kurtosis Range Min Max

Cd 2.75 2.88 2.72 1.00 1.00 0.97 0.86 4.39 0.22 4.61

Co 25.5 24.8 24.5 6.92 47.9 0.52 0.25 28.5 12.8 41.3

Cr 56.3 52.2 59.1 22.1 490 0.72 1.78 115 0.01 115

Cu 31.8 20.6 7.12 33.8 1140 3.15 10.5 176 7.12 183

Fe 24,620 24,460 15,800 5120 26,186,900 0.75 0.95 23,220 15,780 39,000

Mn 740 740 400 130 16,120 0.18 0.64 660 400 1060

Ni 80.2 69.0 41.2 32.4 1050 1.54 1.52 130 40.0 170

Pb 40.6 31.5 19.2 25.6 650 2.43 5.55 120 20 140

Zn 77.6 88.8 8.43 36.6 1340 0.76 0.06 142 8.40 150

Sand 15.7 9.35 2.90 15.0 227 1.22 0.35 55.0 1.50 56.5

Silt 53.5 57.3 52.8 12.6 158 0.90 0.23 50.0 22.6 72.6

Clay 31.0 31.2 32.8 6.12 37.5 0.82 2.55 34.7 18.7 53.4

donde N es el número de valores en el conjunto de datos,

Z(Xi) es el valor medido, Z(Xi) es el valor predicho y 2 es la

varianza kriging para la ubicación Xi.

3. Resultados y discusión

Análisis estadístico convencional de las concentraciones de

metales pesados y fracciones de tamaño de partículas en el suelo

alrededor de la planta de producción de acero se llevó a cabo como

el primer paso hacia una comprensión elemental de los datos (Tabla

1). Basado en la clasificación del USDA (Soil Survey Staff, 1998) la

gran mayoría de los suelos fueron clasificados como suelo franco

limoso arcilla, limo arcilloso y franco limoso, siendo el resto franco

o franco arenoso. Las concentraciones medias de Cd, Co, Cu, Ni, Pb

y Zn en el área investigada fueron generalmente mayores que las

concentraciones medias de metales en suelo europeo (Salminen et

al., 2005) y también de los valores medios comunicados por Kabata-

Pendias y Pendias (2001) para los suelos no cultivados en todo el

mundo. Las concentraciones de Cd, Cu, Ni y Pb en algunos sitios de

muestreo superan los límites (3 mg / kg? Para Cd, 100 mg / kg1 para

Cu y Pb y 50 mg / kg de Ni) establecido por la normativa local sobre

el uso del suelo agrícola (Gaceta Oficial de la República de Serbia,

1994). Las concentraciones de cadmio en los suelos de la zona

investigada fueron similares a los encontrados en suelo alrededor de

las instalaciones de producción de acero en la región Kremikovtzi,

Bulgaria (Schaefer et al., 2010) y la gran planta de acero integrada en

Turquía (Odabasi et al., 2010). Alrededor de un cuatro veces más

altas concentraciones de Cd fueron reportados por Einax y Soldt

(1999) para los suelos en los alrededores de una planta metalúrgica en

Alemania. Las mayores concentraciones de Cd fueron reportados en

los suelos en las cercanías de las industrias de transformación de

metales en Bélgica, Polonia y los EE.UU. (Kabata-Pendias y Pendias,

2001). Las concentraciones de CO en los suelos analizados en este

estudio fueron similares a los encontrados en el suelo alrededor de las

instalaciones de producción de acero en la región Kremikovtzi,

Bulgaria (Schaefer et al., 2010) y cerca de tres veces más altos que

los reportados por Gosar y Miler (2011). Las concentraciones de Cu

obtenidos en nuestro estudio fueron similares a los encontrados en los

suelos alrededor de la planta de acero en Turquía (Odabasi et al.,

2010) y fueron varias veces más bajos que los reportados por Einax y

Soldt (1999) y Schaefer et al. (2010). Se encontraron concentraciones

de Ni obtenido aquí para ser aproximadamente dos veces más altos

que los observados por Schaefer et al. (2010) y cerca de cuatro veces

más altos que los reportados por Gosar y Miler (2011). Las

concentraciones de Pb obtenidos en este estudio fueron similares a los

obtenidos por Al-Khashman y Shawabkeh (2009). Concentraciones

de varias veces más altos de Ni fueron reportados por Schaefer et al.

(2010), Chopin y Alloway (2007) y Gosar y Miler (2011).

R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 554 R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 554

Element Variance

source

Fig. 2. Average values of soil heavy metal concentrations in different subregions (C-center, E-east, N-north, S-south, W-west).

R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 555 R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 555

Las concentraciones de Zn obtenidas aquí fueron similares a

las observadas por Schaefer et al. (2010). Hasta 20 veces los

niveles de Zn más altos se encontraron en los suelos alrededor

de una planta metalúrgica en Alemania (Einax y Soldt, 1999).

Concentraciones mejoradas de diferentes metales pesados en

los suelos en los alrededores de las instalaciones de producción

de acero se han reportado en las últimas décadas. Shallari et al

(1998) reportaron muy altas concentraciones de Cd, Cr, Cu, Ni,

Pb y Zn, Chopin y Alloway (2007) la de Mn, Cu, Pb y Zn, y

Al-Khashman y Shawabkeh (2009) han encontrado altas

concentraciones de cd, Pb y Zn. Gosar y Miler (2011)

reportaron un aumento de las concentraciones de Co, Cr,

Cu y Ni en los suelos de la zona de influencia como resultado

de la industria del hierro y el acero. La contaminación por

metales pesados también es común en muchas ex siderúrgica

trabaja sitios (Harber y Forth, 2001; Udosen et al, 2012).

R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 556 R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 556

Fig. 4. The histograms and probability plots of heavy metal concentrations in analyzed soils.

R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 557 R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 557

Para investigar el impacto de latitud y longitud de los sitios de muestreo

sobre la distribución de metales pesados, el área de estudio se dividió en nueve

subregiones (tres por latitud y longitud por tres), de tal manera que el número

de sitios en cada subregión era aproximadamente igual. Prueba de

Kolmogorov-Smirnov (a = 0,05) reveló que las variables estudiadas se

distribuyen normalmente en cada subregión. De esta manera se obtuvo una

subregión central donde se encuentra y la chimenea de la planta de

procesamiento de acero ocho subregiones correspondientes a las ocho

direcciones (este, oeste, norte, sur, noreste, noroeste, sureste y suroeste). En la

Fig. 2 valores medios de las concentraciones de metales pesados del suelo en

nueve subregiones diferentes (central, este, oeste, norte, sur, noreste, noroeste,

sureste y suroeste) se muestran. Se detectaron varios patrones de cambio de las

concentraciones de metales pesados. Por lo tanto, Ni, Pb y Zn contenido

aumentaron de suroeste a noreste. Las mayores concentraciones se encuentran

en el extremo norte-este y el más bajo en la subregión central. Los niveles de Cr

aumentaron hacia el norte y el noreste y fueron los más bajos en la subregión

central. El contenido del suelo de Fe aumentó del sudeste hacia el noroeste con

las cantidades más bajas en la subregión central, alrededor de la chimenea.

Hubo crecientes tendencias de Co y Mn concentraciones desde el

este y al noreste hacia el oeste y el sur-oeste, lo menos que se

encuentran en el este y noreste. Se observaron algunas irregularidades

en los patrones anteriores en relación Cu y Cd. Por lo tanto, las

concentraciones de Cu disminuyeron desde el este hacia el centro y el

aumento de la subregión central hacia el noroeste y oeste, con los

niveles más bajos de la subregión central. Hubo tendencia al alza en

las concentraciones de Cd desde el sur hacia las otras direcciones con

niveles más bajos observados en la subregión sur.

En el análisis de conglomerados método de Ward y la distancia

euclidiana al cuadrado se utilizaron para amalgamar los elementos.

Los resultados del análisis de racimo se muestran como un

dendrograma, donde el eje distancia representa el grado de asociación

entre grupos de variables, es decir, cuanto menor es el valor en el eje,

la más significativa la asociación (Fig. 3). Los resultados del análisis

de conglomerados mostraron atribución de los metales y fracciones de

tamaño de partículas del suelo a tres grupos. El primer grupo

contenida arena, el segundo Cd, Cu, limo, Co y Mn y la tercera Ni,

Cr, Pb, Zn, Fe y arcilla. Esta clasificación de los metales corresponde

a los patrones observados previamente.

El análisis factorial y el análisis de componentes principales se

utiliza como método de extracción reveló tres factores que explican el

70% de la variación. De acuerdo con las cargas (Tabla 3), se puede

observar que esta clasificación corresponde a las obtenidas por

análisis de conglomerados y los patrones explicó anteriormente. El

primer factor compuesto de Ni, Pb, Cr, Zn, Fe y arcilla, el segundo

uno limo, Co, Fe (ya se ha explicado por F1), Mn en oposición a la

arena y la tercera Cu y Cd.

Para investigar la influencia de la distancia de la fuente de las

concentraciones de metales pesados en los suelos, los sitios de

muestreo fueron divididos en tres grupos aproximadamente iguales

con respecto a la distancia de la fuente de emisión. Las estadísticas

descriptivas básicas para cada grupo se resumen en la Tabla 4. Los

resultados de ANOVA de una vía para la comparación de las

concentraciones medias de metales pesados en el suelo entre estos

grupos se presentan en la Tabla 5. No se observaron diferencias

significativas entre los grupos para las concentraciones de Cr, Cu, Fe,

Ni, Pb y Zn y para fracciones de tamaño de partículas. Esto está de

acuerdo con los hallazgos de estudios similares en toda la palabra que

la fundición de partículas se puede encontrar hasta decenas de

kilómetros de la fuente de fundición, incluso en una dirección del

viento no prominente (Gregurek et al., 1998; Knight y Henderson,

2003) . Sin embargo, las distancias que las partículas podrían llegar

también son influenciados por las condiciones geográficas locales.

Por lo tanto, en los alrededores de las zonas mineras y de fundición en

España, los niveles de fondo se alcanzaron después de sólo 2

kilómetros (Chopin y Alloway, 2007).

En la región de Kremikovtzi, pasando de la fundición del

contenido total del suelo de metales pesados disminuyó

sucesivamente, y se fue a 5.5 km conmensurable con el nivel de

fondo para la mayoría de ellos (Faitondjiev et al., 2000).

Los valores de los coeficientes de los modelos de regresión se dan

en la Tabla 6. Los significados estadísticos muestran que los modelos

obtenidos tienen un buen poder predictivo.

R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 558 R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 558

Fig. 5. Variogram plots of heavy metal concentrations in the analyzed soils.

Antes del análisis geoestadísticos se examinó la distribución

estadística de los datos. La distribución normal de los datos medidos

es deseable, pero cuando no es el caso, hacer transformaciones de

datos distribuidos de manera más normal (Gokalp et al., 2010). Para

determinar los valores de la distribución de datos asimetría

normalidad y curtosis se puede utilizar, así como histograma y QQ

normal de las parcelas, y la mediana y la similitud (Gorai y Kumar,

2013) significaría. Conjuntos de datos no mostraron una distribución

normal, por lo que se llevaron a cabo las transformaciones

logarítmicas y BoxeCox.

Las transformaciones BoxeCox dio lugar a una disminución

skewnesses y curtosis por lo que se aplicaron en el trabajo futuro.

Después de la inspección visual de semivariogramas y validación

cruzada, el mejor ajuste del modelo para la predicción de Cd, Cr, Cu,

Fe, Mn, Ni, Pb y Zn fue exponencial y Co era esférica. Modelos

Semi-variograma de metales pesados y fracciones de suelo con sus

parámetros se muestran en la Tabla 7.

Los valores de información, de umbral y alcance, así como la

relación información/umbral, de los modelos teóricos mejor

equipados se presentan en la Tabla 8. La relación información/umbral

de la varianza expresada en porcentajes puede ser un criterio para la

clasificación de la dependencia espacial de pesada las

concentraciones de metales.

R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 559 R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 559

Fig. 6. Wind rose for 30 years of wind record (1981e2010) depicting (a) directional frequencies and (b) distributions of the wind speed.

Si la relación información/umbral está a menos de 25%, entonces

la variable tiene una fuerte dependencia espacial, si la relación es

entre 25% y 75%, la variable tiene dependencia espacial moderada y

si la relación es mayor que 75%, los espectáculos de variables débil

dependencia espacial (Xie et al., 2007). La relación

información/umbral de Co, Cd, Fe, Ni, Zn y Pb están sugiriendo que

las variables tienen una fuerte dependencia espacial; proporción de

Mn está sugiriendo que la variable tiene dependencia espacial

moderada y la proporción de Cr y Cu muestra débil dependencia

espacial. Los rangos para Co, Cr, Fe, Mn, Ni, Pb y Zn, dados en la

Tabla 8, muestran que la longitud de la autocorrelación espacial es

más largo que el intervalo de muestreo promedio de 1021 m, que

indica que el diseño de muestreo es apropiado, por lo se espera que

las estructuras espaciales en el mapa interpolado serán buenas. Los

rangos de Cd y Cu son más cortos que el intervalo de muestreo medio

y la autocorrelación no pudieron ser capturados. Esto sugiere que en

futuras encuestas, muestreo de suelos para estos elementos se debe

realizar en las distancias cortas.

El análisis geoestadístico reveló autocorrelación espacial

de Co, Fe, Mn y Ni (Fig. 5). La influencia de los vientos

predominantes en la distribución de los metales pesados en

el área que rodea la instalación de producción de acero se

investigó. La rosa de los vientos y distribuciones de la

velocidad del viento se muestran en la Fig. 6. La rosa de los

vientos se obtuvo utilizando el paquete estadístico Climatol

implementado en "R 2.15.2" (Guijarro, 2011). Los datos

meteorológicos se obtuvieron de la estación Smederevska

Palanka meteorológica (44220 N, 20570 E), que se

encuentra a 30 km al sur de Smederevo. Frecuencias de

dirección del viento y la velocidad del viento se calculan de

manera convencional por un período de 30 años (1981-

2010).

El viento es el parámetro meteorológico dominante para

la distribución de aire de los contaminantes emitidos por las

chimeneas industriales. La distribución de la dirección de la

rosa de los vientos prevalencia indicada de los vientos de la

segunda (ES) y cuarto (WN) cuadrantes. Por lo tanto, los

vientos predominantes son WNW (11,9% de la actividad

eólica) y ESE (11,3%). El porcentaje de condiciones de

calma, donde la velocidad del viento es < 2 m / s es de

10,6%. Tendencias similares también se pueden ver en la

velocidad media del viento, donde las direcciones

predominantes son WNW, ESE y E con una velocidad

media de 2,9 m/s. Este fue un resultado muy esperada, ya

que esta región en particular está influenciado por los

vientos que soplan desde el noroeste y sureste. El viento

Kosava es característico en la parte fría del año y resulta de

aire frío que viaja desde el sureste. La distribución de la Fe

podría ser una consecuencia de los vientos dominantes

(WNW y ESE) (Fig. 7), ya que la mayor concentración se

encuentra en la región SE, a 13 km de la fuente. Una

situación similar ocurrió con Co y Cd. Los resultados

obtenidos en este estudio están de acuerdo con los

hallazgos de Odabasi et al. (2010), que informó de las

mayores concentraciones de metales pesados en el suelo

alrededor de las plantas de hierro-acero en los puntos donde

las emisiones de la industria son transportadas por los

vientos predominantes.

Las capacidades de predicción de los modelos

aplicados, es decir, de regresión multivariante y kriging

ordinario, se compararon mediante RMSE como la medida

de una magnitud del error de predicción (Ec. (4)). De

acuerdo a los valores RMSE obtenidos (Tabla 9), modelo

de regresión multivariante mostró mayor capacidad de

predicción para las concentraciones de Cd, Cr y Cu,

mientras kriging ordinario mostró mayor capacidad de

predicción para los otros elementos. Aunque las diferencias

entre los modelos, según RMSE, no fueron significativas, el

kriging ordinario mostró el RMSE inferior para mayor

número de elementos.

R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 560 R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 560

La comparación entre los mapas de área cubierta por un

número significativo de muestras que presenta valores

predichos por el método kriging ordinario y valores

predichos por el método de análisis de regresión se presenta

en la Fig. 8.

La distribución de metales pesados en los suelos

alrededor de la fuente puntual es muy necesaria para la

valoración de las perturbaciones de los ciclos geoquímicos

de los metales en el medio ambiente y sus efectos sobre la

salud ambiental y humana y también para el desarrollo de

estrategias de remediación apropiadas. Este estudio revela

la importancia de los factores geográficos locales en la

evaluación del impacto ambiental de las instalaciones de

producción de acero en Smederevo. Los resultados de este

estudio contribuirán al abordar nuevas medidas que se

emprenderán para minimizar la exposición y la

contaminación en los alrededores del complejo industrial.

4. C o n c l u s i o n e s

En este estudio se evaluó el impacto ambiental de una planta de

producción de acero en Serbia. Se encontró que las concentraciones

de Cd, Co, Cu Ni, Pb y Zn en el área afectada por la industria a ser

más altos que los reportados para los suelos europeos y también

mayores que las concentraciones medias de estos elementos en todo

el mundo. En algunos sitios de muestreo de los niveles de Cd, Cu, Ni

y Pb exceden los límites establecidos por las normas locales.

Varias técnicas estadísticas revelan el impacto de los factores

geográficos en la distribución de metales pesados en la zona

investigada. Se propuso un modelo de regresión para la predicción de

las concentraciones de metales pesados basados en latitud, longitud y

distancia desde la fuente de emisión. Análisis geoestadístico mostró

las mayores concentraciones de metales pesados en los sitios en la

dirección del viento predominante.

La comparación del modelo de regresión y kriging ordinario

mostró las capacidades de predicción similares de ambos modelos. El

modelo kriging ordinario mostró ligera ventaja debido a la menor

error de predicción para un mayor número de elementos. Los

resultados obtenidos se utilizarán como una base de datos valiosa

para la evaluación del futuro de la contaminación por metales pesados

alrededor de la instalación de producción de acero.

También servirán como base para la definición de los requisitos

para futuras investigaciones, que comprenderá los factores mas

geográficas y ambientales que pueden contribuir a la distribución de

metales pesados en el área investigada

R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 561 R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 561

Fig. 7. Final maps of heavy metal concentrations (mg kg 1

) in the analyzed soils of the area covered by significant number of samples (marked with the gray color in the picture in

the bottom right corner) predicted by ordinary-kriging (for interpretation of the references to color in this figure legend, the reader is referred to the web version of this article).

Table 9

The RMSE values for multivariate regression model and ordinary kriging.

Metal RMSE

Regression Ordinary kriging

Cd 0.75 0.90

Co 7.17 4.99

Cr 19.24 20.96

Cu 31.37 32.46

Fe 3576.62 3023.25

Mn 120.65 118.49

Ni 22.13 21.51

Pb 16.07 16.05

Zn 21.16 20.92

R. Dragovi c et al. / Journal of Cleaner Production 84 (2014) 550e562 562

Fig. 8. Comparison between maps of heavy metal concentrations (mg kg 1

) in the analyzed soils of the area covered by a significant number of samples, obtained by (a) regression

analysis and (b) ordinary kriging.