一种土壤污染事件中各污染主体责任比例量化方法与流程

本发明涉及环境污染司法鉴定领域，尤其涉及一种土壤污染事件中各污染主体责任比例量化方法。

背景技术：

1、土壤污染损害鉴定评估是环境损害司法鉴定的重要组成部分，在涉及多家排污企业的复杂污染事件中，厘清各污染责任主体的责任比例是确定赔偿金额的核心依据。现有技术中，受体模型是常用的污染源解析方法，但受体模型的运算依赖各污染源完整的排放成分谱数据。在实际案件中，涉案企业数量众多、历史排放资料严重缺失，导致受体模型无法适用。此外，当污染区域内采选冶企业众多、污染途径多样、生产生活区空间高度交叉且土壤本底值较高时，污染物浓度的空间分布呈现显著的“多因一果”强非线性特征，传统线性叠加方法难以准确刻画各污染源对特定采样点的实际贡献，进一步加剧了责任量化的技术难度。

2、另一方面，土壤污染损害鉴定结论须具备充分的法律可解释性，责任分担率需要在法庭质证环节向司法机关清晰说明各被告的污染贡献、污染途径及责任比例，计算过程必须可追溯、可验证。然而，现有环境损害鉴定技术体系尚未建立针对“多因一果”情形的损害责任比例量化方法，既无法提供各污染责任主体对各污染点位的逐一贡献说明，也缺乏对计算结果可靠性的统计验证手段，难以满足司法实践对鉴定意见科学性与可解释性的双重要求。

技术实现思路

1、本发明的目的在于解决在“多因一果”的土壤污染事件中，现有环境损害鉴定技术体系无法对各污染责任主体的责任分担率进行科学量化并满足司法可解释性要求的问题。

2、本发明提供一种土壤污染事件中各污染主体责任比例量化方法，包括：

3、采集各污染责任主体的排放数据、空间位置数据及土壤污染调查数据；

4、根据所述土壤污染调查数据获取污染分布的空间关系特征及污染来源信息，构建包括污染责任主体特征、污染途径特征及本底特征在内的特征矩阵；

5、以所述土壤污染调查数据中的土壤重金属污染浓度为因变量，以所述特征矩阵为自变量，构建随机森林回归模型，以拟合各采样点污染浓度与各污染责任主体特征之间的映射关系；

6、基于所述随机森林回归模型，计算所述各污染责任主体在所述各采样点的污染浓度的shap贡献值；

7、对同一污染责任主体的所有正shap贡献值进行累加，得到所述污染责任主体的总贡献值；对所述各污染责任主体的总贡献值进行归一化处理，计算所述各污染责任主体的责任分担率。

8、进一步的，所述采集各污染责任主体的排放数据、空间位置数据及土壤污染调查数据包括：

9、采集各污染责任主体的历史排放记录及排放强度数据；

10、采集各污染责任主体排放点位的地理坐标及各采样点的位置数据；

11、采集各采样点的土壤污染物浓度检测数据。

12、进一步的，所述构建特征矩阵包括：

13、基于所述排放数据生成各污染责任主体的排放强度特征，构建污染责任主体特征矩阵；

14、基于所述空间位置数据计算各污染责任主体与各采样点之间的距离、方位角及扩散衰减系数，构建污染途径特征矩阵。

15、进一步的，所述构建随机森林回归模型前还包括：

16、对所述土壤污染物浓度检测数据及所述特征矩阵中的数据进行对数变换，所述对数变换用于减小数据偏态分布对模型拟合的影响。

17、进一步的，所述构建随机森林回归模型包括：

18、将所述自变量与所述因变量划分为训练集与测试集；

19、以所述训练集对随机森林回归模型进行训练，生成决策树并对所述决策树的数量、深度及其他超参数进行调优；

20、以所述测试集对训练后的所述随机森林回归模型进行评估，计算决定系数并验证模型拟合优度。

21、进一步的，所述构建随机森林回归模型后还包括：

22、对所述随机森林回归模型的预测残差进行空间自相关分析；

23、基于所述随机森林回归模型所计算各所述自变量的特征重要性得分，筛选所述特征重要性得分超过预设值的特征。

24、进一步的，计算所述shap贡献值包括：

25、通过树模型解释器对所述随机森林回归模型进行解释，构建shap模型；

26、将所述特征矩阵输入所述shap模型，得到各污染责任主体在各采样点的shap贡献值及shap基准值。

27、进一步的，提取所述shap贡献值并计算各污染责任主体的责任分担率包括：

28、提取所述各污染责任主体在所述各采样点的正数shap贡献值；

29、将各所述正数shap贡献值相加得到shap贡献值总和；以各所述正数shap贡献值除以所述shap贡献值总和，得到各污染责任主体针对单一污染物的责任分担率。

30、进一步的，所述计算各污染责任主体的责任分担率还包括：

31、计算各超标污染物的超标倍数，对所述各超标污染物的超标倍数归一化处理，得到所述各超标污染物的超标程度权重；

32、以所述超标程度权重对所述各超标污染物的单一污染物的责任分担率进行加权求和，得到所述各污染责任主体的综合责任分担率。

33、进一步的，所述计算各污染责任主体的责任分担率还包括：

34、对所述shap贡献值进行重复抽样，计算每次抽样中所述各污染责任主体的责任分担率，并以所有抽样的责任分担率的均值作为所述各污染责任主体的最终责任分担率；

35、对所述shap基准值、模型拟合优度及污染对数空间/真实空间进行敏感性分析，对所述责任分担率进行评估。

36、相比于现有技术，本发明至少包括以下有益效果：通过构建以排放特征与空间关联特征为自变量的随机森林回归模型，无需依赖完整的历史排放成分谱数据，有效克服了传统受体模型在排放资料缺失情形下无法适用的局限；随机森林模型对“多因一果”强非线性污染过程具有良好的拟合能力，能够准确捕捉多家企业、多种污染途径叠加作用下各采样点污染浓度的复杂响应关系；在此基础上引入shap模型，将各污染责任主体对各采样点的污染浓度贡献逐一量化为可解释的shap贡献值，并据此计算各污染责任主体的责任分担率，计算过程可追溯、可验证，能够清晰说明各责任主体的污染贡献、污染途径及责任比例。

1.一种土壤污染事件中各污染主体责任比例量化方法，其特征在于，包括：

2.如权利要求1所述的土壤污染事件中各污染主体责任比例量化方法，其特征在于，所述构建特征矩阵包括：

3.如权利要求1所述的土壤污染事件中各污染主体责任比例量化方法，其特征在于，所述采集各污染责任主体的排放数据、空间位置数据及土壤污染调查数据包括：

4.如权利要求3所述的土壤污染事件中各污染主体责任比例量化方法，其特征在于，所述构建随机森林回归模型前还包括：

5.如权利要求4所述的土壤污染事件中各污染主体责任比例量化方法，其特征在于，所述构建随机森林回归模型包括：

6.如权利要求5所述的土壤污染事件中各污染主体责任比例量化方法，其特征在于，所述构建随机森林回归模型后还包括：

7.如权利要求6所述的土壤污染事件中各污染主体责任比例量化方法，其特征在于，计算所述shap贡献值包括：

8.如权利要求7所述的土壤污染事件中各污染主体责任比例量化方法，其特征在于，计算各污染责任主体的责任分担率包括：

9.如权利要求8所述的土壤污染事件中各污染主体责任比例量化方法，其特征在于，所述计算各污染责任主体的责任分担率还包括：

10.如权利要求9所述的土壤污染事件中各污染主体责任比例量化方法，其特征在于，所述计算各污染责任主体的责任分担率还包括：