一种农用地土壤重金属优先管控评估方法与流程
本发明涉及土壤环境风险评估与污染管控,尤其是涉及一种农用地土壤重金属优先管控评估方法,尤其涉及一种基于copula-monte carlo双重风险耦合的农用地土壤重金属优先管控评估方法。
背景技术:
1、农用地土壤重金属污染具有隐蔽性、持久性和生态毒理效应,不仅影响土壤生态功能,还可通过食物链进入人体,对公众健康构成威胁。随着我国工业化、城镇化的快速推进,农用地土壤重金属污染问题日益突出,已成为制约农产品质量安全和农业可持续发展的重大环境问题。因此,科学评估农用地土壤重金属的生态风险与人体健康风险,并识别优先管控因子,是实施农用地分类管理和污染源头管控的关键。
2、目前,常用的土壤重金属风险评估方法包括地累积指数法(i_geo)、潜在生态风险指数法(ri)以及美国环保署(usepa)推荐的人体健康风险评估模型。地累积指数法通过比较重金属浓度与背景值的关系来判断污染程度,计算简便但仅能反映污染程度而无法表征生态效应。潜在生态风险指数法由瑞典学者hakanson提出,综合考虑了多元素协同作用、毒性水平、污染浓度及环境对重金属污染敏感性等因素,已成为应用广泛的沉积物和土壤重金属污染质量评价方法。usepa推荐的人体健康风险评估模型则通过经口摄入、皮肤接触和呼吸吸入等暴露途径计算危害商和致癌风险,被广泛应用于土壤污染健康风险评估领域。然而,现有方法在应用于农用地土壤重金属风险评估时,存在以下不足:
3、第一,忽略变量间的相关性。传统蒙特卡洛模拟在评估风险不确定性时,通常假设各重金属浓度相互独立,从各自边缘分布中独立抽样。实际上,土壤重金属往往存在同源性或协同迁移性,例如cd与zn、pb与hg常呈现显著的正相关或尾部依赖关系。忽略这种依赖结构会导致风险评估结果失真,尤其会低估极端污染情景下的联合风险。已有研究表明,copula-mcs集成框架能够显著增强多金属污染情景下的健康风险评估可靠性。
4、第二,风险评估维度单一。现有研究多聚焦于单一风险类型,即生态风险或健康风险,缺乏将两种风险协同评估的系统方法。农用地作为同时承载生态功能和农产品供给的土地类型,需要同时关注对土壤生物和人体健康的双重影响。单一维度的风险评估难以全面反映农用地土壤重金属污染的实际危害程度。
5、第三,输出结果决策导向弱。现有风险评估方法通常仅输出风险等级或风险概率,未能进一步识别导致风险的关键重金属因子及其主要来源,难以直接指导农用地的优先管控行动。决策者面对大量风险评估数据时,往往难以快速确定应当优先管控的重金属元素和污染源。
6、第四,缺乏针对农用地场景的专用方法。农用地具有土壤-作物-人体多介质传输、耕作扰动导致的浓度空间变异、儿童户外活动频繁等特殊性。现有通用风险评估方法未充分考虑这些特征,例如暴露参数多采用建设用地或通用场景的默认值,未能针对农用地儿童(6岁以下)的土壤摄入率等参数进行专门设定。
7、近年来,有研究尝试将copula函数与蒙特卡洛模拟结合(copula-mcs),用于量化土壤重金属健康风险评估中的不确定性。然而,该方法仍局限于单一健康风险,且未与生态风险耦合,也未输出优先管控因子。此外,现有方法在源识别方面也存在不足,未能将风险贡献与污染源解析有效衔接,难以实现从“风险识别”到“源头管控”的全链条管理。
8、因此,开发一种针对农用地场景、能够同时评估生态与健康双重风险、量化变量相关性并输出优先管控因子的方法,具有重要的现实意义和产业化价值。
技术实现思路
1、针对现有技术存在的不足,本发明的目的是提供一种农用地土壤重金属优先管控评估方法,以解决现有技术中忽略重金属间相关性、风险评估维度单一、输出结果决策导向弱以及缺乏农用地场景适配性的问题。本发明通过copula函数捕获重金属浓度间的依赖结构并基于联合分布进行蒙特卡洛采样,将健康风险与生态风险纳入同一概率评估框架并行计算,通过敏感性分析和贡献率分解定量识别优先管控因子,并结合源解析模型识别首要管控源,从而实现农用地土壤重金属的精准、高效、全链条优先管控评估。
2、本发明的上述发明目的是通过以下技术方案得以实现的:
3、一种农用地土壤重金属优先管控评估方法,包括以下步骤:
4、步骤s1:数据采集与预处理,获取待评估农用地地块的表层土壤样品,测定至少包括as、cd、cu、pb、hg、ni、cr、zn的8种重金属浓度数据c=c1,c2,…,cn,n为样品数;同时获取该地块的深层土壤各重金属浓度均值作为背景值b=b1,b2,…,bm,m为重金属种类数;
5、步骤s2:构建重金属浓度的联合概率分布模型,对每种重金属的浓度数据进行边缘分布拟合,采用kolmogorov-smirnov检验从正态分布、对数正态分布、伽马分布、威布尔分布中选择最优边缘分布类型fⱼ(cⱼ),并估计分布参数;基于aic准则和bic准则从多种copula函数族中优选最优copula函数c_θ;将各重金属的边缘分布与最优copula函数结合,构建多维联合概率分布模型;
6、步骤s3:基于联合分布的蒙特卡洛采样,设置蒙特卡洛模拟次数n,n≥10000;根据所述联合概率分布模型,独立生成n组浓度模拟样本c⁽ᵏ⁾=(c1⁽ᵏ⁾,c2⁽ᵏ⁾,…,c8⁽ᵏ⁾),k=1,2,…,n,每组样本中各重金属浓度保持与原始数据一致的依赖结构;
7、步骤s4:双重风险并行计算,将步骤s3生成的n组浓度模拟样本分别并行输入健康风险评价模块和生态风险评价模块,计算每组浓度样本对应的健康风险指标和生态风险指标;
8、步骤s5:风险概率统计与表征,统计n次模拟中各风险指标的均值、中位数、标准差以及分位值,生成各风险指标的概率密度分布图和累积分布曲线,根据预设的风险等级划分标准计算各风险指标处于不同风险等级的概率;
9、步骤s6:优先管控因子识别,采用spearman秩相关系数法和标准化回归系数法,计算每种重金属浓度与各风险指标之间的相关系数和贡献比例,构建风险贡献矩阵,将同时满足健康风险贡献条件和生态风险贡献条件的重金属确定为优先管控因子,并按综合贡献指数进行排序;
10、步骤s7:优先管控源识别,结合源解析模型输出的各污染源贡献率,将导致优先管控因子的主要来源确定为首要管控源;
11、步骤s8:输出管控建议,输出优先管控因子列表及其排序,输出各优先管控因子的健康风险贡献率与生态风险贡献率的对比图,结合农用地土壤污染风险筛选值输出针对该农用地地块的风险管控建议。
12、作为本发明的进一步的技术方案:所述步骤s2中,所述多种copula函数族包括gaussian copula、t-copula、clayton copula、gumbel copula和frank copula;采用最大似然估计法估计各copula函数的参数θ,计算各copula的aic值和bic值,选取aic值和bic值均最小的copula作为最优copula函数;所述多维联合概率分布模型为:
13、f(c1,c2,…,c8)=cθ(f1(c1),f2(c2),…,f8(c8))。
14、作为本发明的进一步的技术方案:所述步骤s4中,所述健康风险评价模块采用usepa推荐的人体健康风险评估模型,至少考虑经口摄入、皮肤接触和呼吸吸入三条暴露途径;对于每组浓度样本c⁽ᵏ⁾,计算儿童和成人的非致癌危害指数hi⁽ᵏ⁾和总致癌风险tcr⁽ᵏ⁾:
15、
16、其中,irsoil为土壤摄入率,ef为暴露频率,ed为暴露持续时间,bw为体重,at为平均暴露时间,sa为皮肤表面积,af为皮肤黏附系数,abs为皮肤吸收因子,inhr为呼吸速率,pef为颗粒物排放因子,rfd为参考剂量,sf为致癌斜率因子;上述参数采用农用地场景特有的暴露参数。作为本发明的进一步的技术方案:所述步骤s4中,所述生态风险评价模块采用hakanson潜在生态风险指数模型;对于每组浓度样本c⁽ᵏ⁾,计算各元素的潜在生态风险系数,式中为第i种重金属的毒性响应因子,为步骤s1中获取的背景值;计算综合潜在生态风险指数;所述毒性响应因子的取值为:hg=40,cd=30,as=10,pb=5,cu=5,ni=5,cr=2,zn=1。
17、作为本发明的进一步的技术方案:所述步骤s5中,所述风险等级划分标准为:
18、对于危害指数hi:hi<1为可接受风险,hi≥1为不可接受风险;
19、对于总致癌风险为可忽略风险,为可接受风险,为不可接受风险;
20、对于综合潜在生态风险指数ri:ri<150为低风险,150≤ri<300为中风险,300≤ri<600为高风险,ri≥600为极高风险。
21、作为本发明的进一步的技术方案:所述步骤s6中,所述健康风险贡献条件为标准化回归系数或spearman秩相关系数;所述生态风险贡献条件为标准化回归系数或spearman秩相关系数;所述综合贡献指数,其中α为预设的健康风险权重系数,0≤α≤1。作为本发明的进一步的技术方案:所述健康风险权重系数α=0.5。
22、作为本发明的进一步的技术方案:所述步骤s7中,所述源解析模型为apcs-mlr模型;具体地,采用apcs-mlr模型对原始浓度数据进行源解析,识别出x个污染源及各源对每种重金属的贡献率矩阵;对于步骤s6确定的优先管控因子,查找贡献率最高的污染源,确定为首要管控源。
23、作为本发明的进一步的技术方案:所述步骤s1中,所述深层土壤的采样深度为2.0m,根据地块实际地层分布情况确定采样深度。
24、作为本发明的进一步的技术方案:所述步骤s8中,所述风险管控建议包括:建议加密监测的优先管控因子、建议采取的修复措施类型和建议优先管控的污染源类别。
25、综上所述,与现有技术相比,本发明包括以下至少一种有益技术效果:
26、量化变量相关性,提高风险评估准确性。通过copula函数捕获重金属浓度间的依赖结构(特别是尾部依赖),并基于联合分布进行蒙特卡洛采样,解决了传统独立假设导致的风险低估问题。对比实验表明,本发明方法识别的hi均值较传统独立抽样法高出约22%,p95值高出约25%,尤其提高了极端污染情景下的风险评估精度。
27、双重风险协同评估,全面反映农用地影响。首次将健康风险与生态风险纳入同一概率评估框架,利用同一套模拟样本并行计算hi、tcr和ri,实现了两种风险的耦合分析和协同比较,填补了现有技术仅关注单一风险的空白。本发明能够同时输出健康风险和生态风险的概率分布,全面反映农用地土壤重金属污染的实际危害程度。
28、输出优先管控因子,增强决策导向性。通过spearman秩相关系数分析和标准化回归系数分解,定量识别对双重风险贡献最大的重金属元素,并输出排序清单,直接指导农用地优先管控行动,克服了现有技术仅输出风险等级的缺陷。决策者可以直接根据优先管控因子列表制定有针对性的管控措施。
29、针对农用地场景优化,适用性强。采用农用地特有的暴露参数(如儿童土壤摄入率取值分布)、背景值获取方式和风险分级标准,充分考虑土壤-作物-人体多介质传输和儿童暴露特征,方法更贴近农用地实际管理需求。
30、兼顾源识别,实现源头管控。将apcs-mlr源解析模型与风险贡献耦合,识别导致优先管控因子的主要污染源,为“源头-风险”全链条管控提供技术支撑。从优先管控因子到优先管控源的完整追溯,使得管控措施能够从末端治理前移至源头削减。
31、结果可视化,便于决策应用。生成风险概率分布图、贡献率对比图和优先管控因子排序表,结果直观,便于生态环境部门和土地管理部门快速理解和应用,降低了技术成果向管理决策转化的门槛。
32、综上所述,本发明提供了一种科学、全面、实用的农用地土壤重金属优先管控评估方法,具有显著的技术进步和广阔的推广应用前景。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com