CN110503348A - 一种基于位置匹配的个体空气污染暴露模拟测量方法 - Google Patents
一种基于位置匹配的个体空气污染暴露模拟测量方法 Download PDFInfo
- Publication number
- CN110503348A CN110503348A CN201910846730.6A CN201910846730A CN110503348A CN 110503348 A CN110503348 A CN 110503348A CN 201910846730 A CN201910846730 A CN 201910846730A CN 110503348 A CN110503348 A CN 110503348A
- Authority
- CN
- China
- Prior art keywords
- individual
- monitoring equipment
- volunteer
- mobile monitoring
- pollutant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003915 air pollution Methods 0.000 title claims abstract description 30
- 238000000691 measurement method Methods 0.000 title claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 81
- 238000000034 method Methods 0.000 claims abstract description 20
- 239000000809 air pollutant Substances 0.000 claims abstract description 9
- 231100001243 air pollutant Toxicity 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 239000003344 environmental pollutant Substances 0.000 claims description 47
- 231100000719 pollutant Toxicity 0.000 claims description 47
- 101150090997 DLAT gene Proteins 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 9
- 238000011160 research Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000037396 body weight Effects 0.000 claims description 5
- 238000012417 linear regression Methods 0.000 claims description 5
- 238000001556 precipitation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 238000011237 bivariate analysis Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 7
- 238000011156 evaluation Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 3
- 230000003139 buffering effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000036387 respiratory rate Effects 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 231100000727 exposure assessment Toxicity 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 230000000266 injurious effect Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 230000036301 sexual development Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Pathology (AREA)
- Operations Research (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Food Science & Technology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
Abstract
本发明公开了一种基于位置匹配的个体空气污染暴露模拟测量方法,首先利用污染监测站点和个体移动监测设备获取的六种空气污染物浓度数据进行污染精细制图;其次,对于未携带移动监测设备的个体,基于其手机APP定位进行邻近设备搜索;最后,基于个体模拟污染物浓度数据,结合个体暴露参数数据,计算个体空气污染模拟暴露剂量。本发明是针对当前空气污染暴露测量工作主要围绕大范围人群、携带移动监测设备个体的情况下,提出的一种针对未携带移动监测设备的综合性高、可参考性强的个体暴露精细模拟测量方法,为个体采取正确的空气污染暴露防护措施提供了参考。
Description
技术领域
本发明涉及环境暴露评估领域,特别涉及利用污染制图方法与暴露行为活动模式对未携带便携式测量仪器个体的空气污染暴露量进行模拟的一种基于位置匹配的个体空气污染暴露模拟测量方法。
背景技术
随着我国社会经济的快速发展和城市化、工业化的飞速推进,以细颗粒物和臭氧为代表的空气污染问题日益突出,频发的空气污染浓度超标事件严重影响公众的生活与健康。截止2018年,全国338个城市仍有64.2%的城市环境空气污染超标,平均超标天数比例为20.7%。浓度超标的空气污染严重危害暴露人群的健康,中国地区因室外空气污染死亡人数为110.8万人,造成的寿命年损失为2177.9万年。
空气污染对人体健康的影响始于人与空气的接触(即暴露)。定量评估空气污染暴露剂量,是评价健康风险的前提,也是人群健康防护的基础。随着人们对环境与健康保护意识的增强,人们日常活动类型及活动范围的多样性发展,人群的平均暴露水平已不能真实的反映人们在不同微环境下的暴露特征,因此,个体空气污染暴露测量成为一个重要研究方向。
个体空气污染暴露测量是对个体暴露于空气中有害因子的强度、频率、时间、暴露的途径和方式进行测量、估算或预测的过程,其准确性一方面取决于先进的、高时间分辨率的个体暴露监测装置,另一方面依赖于适当的个体暴露评价技术方法。目前携带便携式暴露监测装置的个体暴露测量技术已较为成熟,但针对未携带仪器个体的精细暴露测量研究较少。
发明内容
针对现有技术存在的上述不足,本发明的目的是提供一种能够实现准确评估未携带测量仪器个体的空气污染暴露量的个体空气污染暴露模拟测量方法。
为了解决上述问题,本发明采用了以下的技术方案。
一种基于位置匹配的个体空气污染暴露模拟测量方法,其特征在于,包括以下步骤:
(一)利用污染监测站点或个体移动监测设备实时采集得到的空气污染物浓度数据,并结合区域内土地利用度数据、人口数据以及气象数据进行污染程度制图,污染程度制图包括以下子步骤:
(1)确定特征变量:选取建设用地X11、耕地X12、林地X13、水体X14、裸地X15、人口密度X2、高速道路X31、主要道路X32、次要道路X33、其他道路X34、高程X4、温度X51、相对湿度X52、气压X53、风速X54和降水量X55作为模型构建用预测变量;
(2)建立不同空间尺度预测变量:
以污染监测站点或个体移动监测设备所在位置的人口密度X2、高程X4、温度X51、相对湿度X52、气压X53、风速X54和降水量X55的数值来表征影响因子,得出7个影响因子;
以污染监测站点或个体移动监测设备所在位置为圆心,并分别以r1、r2、r3...rn为半径建立系列缓冲区,统计各个缓冲区内建设用地X11、耕地X12、林地X13、水体X14、裸地X15、高速道路X31、主要道路X32、次要道路X33、其他道路X34的数值,得出9n个影响因子;
(3)建立多元回归模型:将步骤(2)得到的各影响因子与空气污染物最近一周的浓度均值进行双变量相关分析,筛选出与污染物浓度显著相关的影响因子;将筛选出的与污染物浓度显著相关影响因子与污染物浓度值进行逐步线性回归处理:
C=a0+a1X1+a2X2+a3X3+...+amXm+μ (1)
式中,C为污染物浓度值,X1、X2、X3…Xm为筛选出的与污染物浓度显著相关的影响因子,a为未知参数,μ为随机误差项,未知参数a和随机误差项μ使用最小二乘法确定;
(4)污染物浓度模拟:在研究区内均匀设置网格点,根据公式(1)计算出各个网格点处污染物浓度预测值;采用克里格插值法生成研究区内大气污染物浓度值的空间模拟分布图;
(二)对于未持移动监测设备的个体,基于其手机APP定位进行邻近设备搜索,依据其邻近设备的污染物浓度确定个体所在位置各污染物项目浓度值;
(三)根据步骤(一)和步骤(二)的结果,结合个体体重、活动时间以及活动期间呼吸速率等暴露参数,计算个体空气污染暴露模拟剂量,其中,时间分辨率为D,D≤1h。
进一步的,所述步骤(二)包括:
(1)以未持个体监测设备的个体为圆心,设定半径为200m的搜索圆;搜索圆的外接正方形的经纬度范围内的邻近设备;
基于公式——
其中,haversin运算与正弦运算、余弦运算的关系为:
haversine(θ)=sin2(θ/2)=(1-cos(θ))/2 (3)
得出:
外接正方形纬度范围的所对应的弧度值为:
外接正方形经度范围的所对应的弧度值为:
将Δλ,转为角度,分别用dlat,dlon表示:
其中:
R为地球半径;
d为搜索范围半径,取200m;
为地球上任意两点的坐标;
则搜索圆的外接正方形四个顶点的经纬度坐标分别为:
左上顶点经纬度left_top:(lat+dlat,lon-dlon)
右上顶点经纬度right_top:(lat+dlat,lon+dlon)
左下顶点left_bottom:(lat-dlat,lon-dlon)
右下顶点right_bottom:(lat-dlat,lon+dlon)
其中,(lat,lon)为未持个体监测设备的个体所在位置的经纬度坐标;
(2)根据移动监测设备采集的志愿者所在的经纬度坐标M(lati,loni),判断志愿者是否处于步骤(1)得出的外接正方形范围内:
当M(lati,loni)同时满足(lat-dlat)≤lati≤(lat+dlat)和(lon-dlon)≤loni≤(lon+dlon)时,则志愿者处于搜索圆外接正方形范围内,该志愿者记作第i个志愿者Mi;i为大于1的自然数;
(3)计算未持移动监测设备的个体所在位置到邻近设备搜索范围内各志愿者所在位置的欧氏距离,计算公式如下:
式中:di代表未持移动监测设备的个体所在位置到第i个志愿者Mi所在位置的欧氏距离;(x0,y0)是未持移动监测设备的个体所在位置的坐标,(xi,yi)是第i个志愿者Mi所在位置的坐标;
当距离di≤200m时,则第i个志愿者Mi处搜索圆范围内,并记录志愿者编号i与距离di;反之,第i个志愿者Mi不处于搜索圆范围内。
(4)当所述搜索圆范围内存在志愿者时,未持移动监测设备的个体所在位置污染物模拟浓度取该个体距搜索范围内所有志愿者距离的加权值:
式中:Cp代表未持移动监测设备的个体所在位置的污染物p的模拟浓度值;
λi为未持移动监测设备的个体到第i个志愿者Mi距离的权重系数:
其中,di为未持移动监测设备的个体所在位置到第i个志愿者Mi所在位置的欧氏距离;
Cp_i为搜索范围内第i个志愿者的移动监测设备的污染物p的浓度;
当搜索范围内不存在志愿者时,个体所在位置的污染物模拟浓度为污染精细制图结果对应网格的浓度值。
相比现有技术,本发明具有如下优点:
本发明是一种用于计算个体空气污染暴露模拟剂量的一种方法,是个体空气污染暴露风险评价的前提。相对于已有的暴露模拟测量方法只针对携带移动监测设备的个体,本方法通过搜索个体邻近设备进行个体所在位置污染物浓度模拟,结合个体暴露参数数据进行个体暴露模拟测量,克服了实地监测的困难,可在暴露风险评价工作中节省大量财力。同时,本方法不仅适用于携带移动监测设备的个体,更为未携带移动监测设备的个体提供了个暴露风险评价的可靠手段,扩大了可进行暴露风险评价的群体范围。
附图说明
图1为本发明的示意图;
图2为本发明搜索圆的外接正方形的经纬度确定方法示意图。
具体实施方式
下面结合附图和实例,对本发明做进一步详细说明。
本发明基于暴露时空行为活动模式与污染制图方法,运用地理信息***和空间分析等手段,提供一种能够实现准确评估未携带测量仪器个体的空气污染暴露量的个体空气污染暴露模拟测量方法。
首先利用污染监测站点和个体移动监测设备获取的六种空气污染物(SO2、NO2、CO、O3、PM10、PM2.5)浓度数据进行污染精细制图(空间分辨率≤200m);其次,对于未携带移动监测设备的个体,基于其手机APP定位进行邻近设备搜索(搜索半径为200m);最后,基于个体模拟污染物浓度数据,结合个体暴露参数数据,计算个体空气污染模拟暴露剂量(时间分辨率≤1h)。这是当前空气污染暴露测量工作主要围绕大范围人群、携带移动监测设备个体的情况下,发明的一种针对未携带移动监测设备的综合性高、可参考性强的个体暴露精细模拟测量方法,为个体采取正确的空气污染暴露防护措施提供参考。
如图1所示,包括以下步骤:
(一)利用污染监测站点或个体移动监测设备实时采集得到的空气污染物浓度数据,并结合区域内土地利用度数据、人口数据以及气象数据进行污染程度制图,污染程度制图包括以下子步骤:
(1)确定特征变量:
选取土地利用(建设用地X11、耕地X12、林地X13、水体X14、裸地X15)、人口密度X2、道路交通(高速道路X31、主要道路X32、次要道路X33、其他道路X34)、高程X4、气象(温度X51、相对湿度X52、气压X53、风速X54和降水量X55)共16类作为模型构建的预测变量;
(2)建立不同空间尺度预测变量:
例如,以污染监测站点或个体移动监测设备所在位置为中心建立系列缓冲区(0.1km,0.2km,0.3km,0.4km,0.5km,0.6km,0.7km,0.8km,0.9km,1km),统计不同半径缓冲区内影响因子数值(如各监测点1km缓冲区内建设用地面积)。由于人口密度、高程和气象要素均以监测点的数值来表征,不涉及缓冲区分析,因此,针对X11、X12、X13、X14、X15、X31、X32、X33、X34),缓冲区分析后共得到90(9×10)个影响因子;再加上X2、X4、X51、X52、X53、X54、X55,共计97(90+7)个影响因子。
(3)建立多元回归模型:
将单个影响因子与各污染物(SO2、NO2、CO、O3、PM10、PM2.5)近一周的浓度均值进行双变量相关分析,筛选出与污染物浓度显著相关(置信度p<0.05)的影响因子;为了降低后续多元线性回归中同类变量(如建设用地)不同缓冲半径下影响因子间的共线性,先选出同类预测变量中与污染物浓度相关性最高的影响因子(如1km缓冲区内建设用地面积),然后去除与该因子相关性较高(相关系数r>0.6)的其他同类因子(如0.8km缓冲区内建设用地面积);最后将剩下的所有影响因子与污染物浓度值进行逐步线性回归,得到多元线性回归方程,即研究区的LUR模型,如公式(1)所示。
C=a0+a1X1+a2X2+a3X3+...+amXm+μ (1)
式中,C为污染物浓度值,X为最终进入模型的地理要素特征变量,a为未知参数,μ为随机误差项,a和μ使用最小二乘法确定。
此外,本发明还提供了模型验证方法对模型精度进行评估。污染监测站点或个体移动监测设备共n个,将污染监测站点或个体移动监测设备分为90%的实验集和10%的验证集,先用实验集中污染监测站点或个体移动监测设备的各污染物浓度与LUR模型中的预测变量进行回归,利用回归方程预测验证集的各污染物浓度,并将该点的预测值和监测值比较;该过程共重复n次,得到区域LUR模型的模拟精度和均方根误差。
(4)污染物浓度模拟:
在研究区均匀布点(2km×2km),并计算网格点相应地理变量相关数值,标准化处理后,代入公式(1),计算出网格点处各污染物浓度预测值。采用克里格插值法生成研究区大气污染物浓度值的空间模拟分布图。
(二)对于未持移动监测设备的个体,基于其手机APP定位进行邻近设备搜索,依据其邻近设备的污染物浓度确定个体所在位置各污染物项目浓度值;
(1)对未持移动监测设备的个体进行邻近设备搜索的范围确定:
如图2所示,以未持个体监测设备的个体为圆心,设定半径为200m的搜索圆;首先搜索圆的外接正方形的经纬度范围内的邻近设备;
(2)根据移动监测设备采集的志愿者所在的经纬度坐标(lati,lngi),判断志愿者是否处于步骤(1)得出的外接正方形范围内:
基于公式——
其中,haversin运算与正弦运算、余弦运算的关系为:
haversine(θ)=sin2(θ/2)=(1-cos(θ))/2 (3)
得出:
如图2所示,首先求东西两侧的边界范围,将O、F两点的坐标带入公式(2),即令则外接正方形纬度范围的一半所对应的弧度值为:
然后求南北两侧的边界范围,将O、E两点的坐标带入公式(2),即令λ1=λ2,外接正方形纬度范围的所对应的弧度值为:
外接正方形经度范围的所对应的弧度值为:
将Δλ,转为角度,分别用dlat,dlon表示:
其中:
R为地球半径;
d为搜索范围半径,取200m;
为地球上任意两点的坐标;
则搜索圆的外接正方形四个顶点的经纬度坐标分别为:
左上顶点A经纬度left_top:(lat+dlat,lon-dlon)
右上顶点B经纬度right_top:(lat+dlat,lon+dlon)
左下顶点Dleft_bottom:(lat-dlat,lon-dlon)
右下顶点Cright_bottom:(lat-dlat,lon+dlon)
其中,(lat,lon)为未持个体监测设备的个体所在位置的经纬度坐标;
(2)根据移动监测设备采集的志愿者所在的经纬度坐标M(lati,loni),判断志愿者是否处于步骤(1)得出的外接正方形范围内:
当M(lati,loni)同时满足(lat-dlat)≤lati≤(lat+dlat)和(lon-dlon)≤loni≤(lon+dlon)时,则志愿者处于搜索圆外接正方形范围内,该志愿者记作Mi;i为志愿者设备编号,为大于1的自然数;
也即是说这里标记的志愿者Mi可能是M1、M2、M3直至若干个志愿者,这些志愿者均处于搜索圆外接正方形范围内。
(3)计算未持移动监测设备的个体所在位置到邻近设备搜索圆外接正方形范围内各志愿者所在位置的欧氏距离,计算公式如下:
这里即是计算步骤(2)中判断找出的处于外接正方形范围内,并被标记为志愿者Mi的若干个志愿者与未持移动监测设备的个体之间的欧式距离。以实现进一步的志愿者筛选。
式中:di代表未持移动监测设备的个体所在位置到志愿者Mi所在位置的欧氏距离;(x0,y0)是未持移动监测设备的个体所在位置的坐标,(xi,yi)是志愿者Mi所在位置的坐标;
当距离di≤200m时,则志愿者Mi处搜索圆范围内,并记录志愿者编号i与距离di;反之,志愿者Mi不处于搜索圆范围内。也即是说这里最后找出的志愿者设备所检测的污染物浓度数据将用于未持移动监测设备的个体所在位置污染物模拟浓度计算。
(4)当所述搜索圆范围内存在志愿者时,未持移动监测设备的个体所在位置污染物模拟浓度取该个体距搜索范围内所有志愿者距离的加权值:
式中:Cp代表未持移动监测设备的个体所在位置的污染物p的模拟浓度值;
λi为未持移动监测设备的个体到第i个志愿者Mi距离的权重系数:
其中,di为未持移动监测设备的个体所在位置到第i个志愿者Mi所在位置的欧氏距离;
Cp_i为搜索范围内第i个志愿者的移动监测设备的污染物p的浓度;
当搜索范围内不存在志愿者时,个体所在位置的污染物模拟浓度为污染精细制图结果对应网格的浓度值。
现有邻近设备搜索方法是将计算个体所在位置的坐标与所有移动监测设备的距离,并与搜索半径进行比较,以此来筛选处于个体所在位置的200m范围内的移动监测设备,这种搜索方法时间复杂度高,搜索效率低。本发明提供的搜索方法首先确定个体所在位置的搜索圆的外接正方形的顶点坐标,然后通过各移动监测设备的坐标与其顶点坐标进行比较,确定处于搜索圆外接正方形范围内的移动监测设备,最后再计算处于外界正方形范围内的移动监测设备与个体所在位置的距离并与搜索半径进行比较。因此减少了需进行距离计算的设备数量,降低了时间复杂度,使得搜索效率得到提高。
(三)根据步骤(一)和步骤(二)的结果,结合个体体重、活动时间以及活动期间呼吸速率等暴露参数,计算个体空气污染暴露模拟剂量,其中,时间分辨率≤1h。
具体的,暴露剂量是用于描述人体经呼吸道接触空气污染物的量,主要计算各污染物的个体单位体重时均暴露剂量值,如下式所示。
式中:Dp为个体暴露于污染物P的单位体重时均暴露剂量;Cp为污染物P的浓度值;IRi为个体呼吸速率;ETi为各运动状态持续时间;BW为个体体重。六种空气污染物(SO2、NO2、CO、O3、PM10、PM2.5)浓度值为步骤4中计算的个体所在位置的污染物模拟浓度值;个体体重、个体运动持续时间通过个体基本信息表获取;个体呼吸速率来自于《中国人群暴露参数手册》,通过性别、年龄、运动状态等条件进行查询。
最后需要说明的是,以上实施实例仅用以说明本发明的技术方案而非限制,尽管参照较佳实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (2)
1.一种基于位置匹配的个体空气污染暴露模拟测量方法,其特征在于,包括以下步骤:
(一)利用污染监测站点或个体移动监测设备实时采集得到的空气污染物浓度数据,并结合区域内土地利用度数据、人口数据以及气象数据进行污染程度制图,污染程度制图包括以下子步骤:
(1)确定特征变量:选取建设用地X11、耕地X12、林地X13、水体X14、裸地X15、人口密度X2、高速道路X31、主要道路X32、次要道路X33、其他道路X34、高程X4、温度X51、相对湿度X52、气压X53、风速X54和降水量X55作为模型构建用预测变量;
(2)建立不同空间尺度预测变量:
以污染监测站点或个体移动监测设备所在位置的人口密度X2、高程X4、温度X51、相对湿度X52、气压X53、风速X54和降水量X55的数值来表征影响因子,得出7个影响因子;
以污染监测站点或个体移动监测设备所在位置为圆心,并分别以r1、r2、r3...rn为半径建立系列缓冲区,统计各个缓冲区内建设用地X11、耕地X12、林地X13、水体X14、裸地X15、高速道路X31、主要道路X32、次要道路X33、其他道路X34的数值,得出9n个影响因子;
(3)建立多元回归模型:将步骤(2)得到的各影响因子与空气污染物最近一周的浓度均值进行双变量相关分析,筛选出与污染物浓度显著相关的影响因子;将筛选出的与污染物浓度显著相关影响因子与污染物浓度值进行逐步线性回归处理:
C=a0+a1X1+a2X2+a3X3+...+amXm+μ (1)
式中,C为污染物浓度值,X1、X2、X3…Xm为筛选出的与污染物浓度显著相关的影响因子,a为未知参数,μ为随机误差项,未知参数a和随机误差项μ使用最小二乘法确定;
(4)污染物浓度模拟:在研究区内均匀设置网格点,根据公式(1)计算出各个网格点处污染物浓度预测值;采用克里格插值法生成研究区内大气污染物浓度值的空间模拟分布图;
(二)对于未持移动监测设备的个体,基于其手机APP定位进行邻近设备搜索,依据其邻近设备的污染物浓度确定个体所在位置各污染物项目浓度值;
(三)根据步骤(一)和步骤(二)的结果,结合个体体重、活动时间以及活动期间呼吸速率等暴露参数,计算个体空气污染暴露模拟剂量,其中,时间分辨率为D,D≤1h。
2.根据权利要求1所述的一种基于位置匹配的个体空气污染暴露模拟测量方法,其特征在于,所述步骤(二)包括:
(1)以未持个体监测设备的个体为圆心,设定半径为200m的搜索圆;搜索圆的外接正方形的经纬度范围内的邻近设备;
基于公式——
其中,haversin运算与正弦运算、余弦运算的关系为:
haversine(θ)=sin2(θ/2)=(1-cos(θ))/2 (3)
得出:
外接正方形纬度范围的所对应的弧度值为:
外接正方形经度范围的所对应的弧度值为:
将Δλ,转为角度,分别用dlat,dlon表示:
其中:
R为地球半径;
d为搜索范围半径,取200m;
为地球上任意两点的坐标;
则搜索圆的外接正方形四个顶点的经纬度坐标分别为:
左上顶点经纬度left_top:(lat+dlat,lon-dlon)
右上顶点经纬度right_top:(lat+dlat,lon+dlon)
左下顶点left_bottom:(lat-dlat,lon-dlon)
右下顶点right_bottom:(lat-dlat,lon+dlon)
其中,(lat,lon)为未持个体监测设备的个体所在位置的经纬度坐标;
(2)根据移动监测设备采集的志愿者所在的经纬度坐标M(lati,loni),判断志愿者是否处于步骤(1)得出的外接正方形范围内:
当M(lati,loni)同时满足(lat-dlat)≤lati≤(lat+dlat)和(lon-dlon)≤loni≤(lon+dlon)时,则志愿者处于搜索圆外接正方形范围内,该志愿者记作第i个志愿者Mi;i为大于1的自然数;
(3)计算未持移动监测设备的个体所在位置到邻近设备搜索范围内各志愿者所在位置的欧氏距离,计算公式如下:
式中:di代表未持移动监测设备的个体所在位置到第i个志愿者Mi所在位置的欧氏距离;(x0,y0)是未持移动监测设备的个体所在位置的坐标,(xi,yi)是第i个志愿者Mi所在位置的坐标;
当距离di≤200m时,则第i个志愿者Mi处搜索圆范围内,并记录志愿者编号i与距离di;反之,第i个志愿者Mi不处于搜索圆范围内。
(4)当所述搜索圆范围内存在志愿者时,未持移动监测设备的个体所在位置污染物模拟浓度取该个体距搜索范围内所有志愿者距离的加权值:
式中:Cp代表未持移动监测设备的个体所在位置的污染物p的模拟浓度值;
λi为未持移动监测设备的个体到第i个志愿者Mi距离的权重系数:
其中,di为未持移动监测设备的个体所在位置到第i个志愿者Mi所在位置的欧氏距离;
Cp_i为搜索范围内第i个志愿者的移动监测设备的污染物p的浓度;
当搜索范围内不存在志愿者时,个体所在位置的污染物模拟浓度为污染精细制图结果对应网格的浓度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910846730.6A CN110503348B (zh) | 2019-09-09 | 2019-09-09 | 一种基于位置匹配的个体空气污染暴露模拟测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910846730.6A CN110503348B (zh) | 2019-09-09 | 2019-09-09 | 一种基于位置匹配的个体空气污染暴露模拟测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110503348A true CN110503348A (zh) | 2019-11-26 |
CN110503348B CN110503348B (zh) | 2023-01-06 |
Family
ID=68591522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910846730.6A Active CN110503348B (zh) | 2019-09-09 | 2019-09-09 | 一种基于位置匹配的个体空气污染暴露模拟测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110503348B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123234A (zh) * | 2019-12-20 | 2020-05-08 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种基于粗糙度和湿度的相似裸地杂波均值特性类推方法 |
CN115377976A (zh) * | 2022-10-25 | 2022-11-22 | 四川中电启明星信息技术有限公司 | 一种基于皮尔逊相关系数的配网线变关系识别方法 |
CN116504327A (zh) * | 2022-09-26 | 2023-07-28 | 中国疾病预防控制中心环境与健康相关产品安全所 | 近地面o3人群暴露的时空精细化分析评估方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217126A (zh) * | 2014-09-17 | 2014-12-17 | 中南大学 | 一种基于低空气污染暴露风险道路路径选择方法 |
GB201814777D0 (en) * | 2018-09-11 | 2018-10-24 | Satavia Ltd | System and method for aircraft contaminant monitoring |
CN109034624A (zh) * | 2018-07-28 | 2018-12-18 | 华中科技大学 | 一种基于位置服务数据的城市空气污染暴露评估方法 |
-
2019
- 2019-09-09 CN CN201910846730.6A patent/CN110503348B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217126A (zh) * | 2014-09-17 | 2014-12-17 | 中南大学 | 一种基于低空气污染暴露风险道路路径选择方法 |
CN109034624A (zh) * | 2018-07-28 | 2018-12-18 | 华中科技大学 | 一种基于位置服务数据的城市空气污染暴露评估方法 |
GB201814777D0 (en) * | 2018-09-11 | 2018-10-24 | Satavia Ltd | System and method for aircraft contaminant monitoring |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123234A (zh) * | 2019-12-20 | 2020-05-08 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种基于粗糙度和湿度的相似裸地杂波均值特性类推方法 |
CN111123234B (zh) * | 2019-12-20 | 2021-09-17 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种基于粗糙度和湿度的相似裸地杂波均值特性类推方法 |
CN116504327A (zh) * | 2022-09-26 | 2023-07-28 | 中国疾病预防控制中心环境与健康相关产品安全所 | 近地面o3人群暴露的时空精细化分析评估方法及*** |
CN116504327B (zh) * | 2022-09-26 | 2024-01-30 | 中国疾病预防控制中心环境与健康相关产品安全所 | 近地面o3人群暴露的时空精细化分析评估方法及*** |
CN115377976A (zh) * | 2022-10-25 | 2022-11-22 | 四川中电启明星信息技术有限公司 | 一种基于皮尔逊相关系数的配网线变关系识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110503348B (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Spatial-temporal heterogeneity of air pollution: The relationship between built environment and on-road PM2. 5 at micro scale | |
Zwack et al. | Modeling spatial patterns of traffic-related air pollutants in complex urban terrain | |
CN110346517B (zh) | 一种智慧城市工业大气污染可视化预警方法及其*** | |
Elbir | A GIS based decision support system for estimation, visualization and analysis of air pollution for large Turkish cities | |
CN110503348A (zh) | 一种基于位置匹配的个体空气污染暴露模拟测量方法 | |
Li et al. | High spatiotemporal characterization of on-road PM2. 5 concentrations in high-density urban areas using mobile monitoring | |
Zou et al. | Spatially differentiated and source-specific population exposure to ambient urban air pollution | |
Zheng et al. | Site location optimization of regional air quality monitoring network in China: Methodology and case study | |
Kumar et al. | GIS application in urban traffic air pollution exposure study: a research review | |
Zhang et al. | Distribution patterns and influencing factors of population exposure risk to particulate matters based on cell phone signaling data | |
Xiong et al. | A spatial-and-temporal-based method for rapid particle concentration estimations in an urban environment | |
Wang et al. | Hybrid model for prediction of carbon monoxide and fine particulate matter concentrations near a road intersection | |
CN111259539A (zh) | 一种道路pm2.5精细化污染分布的模拟方法、***及计算机存储介质 | |
Balen et al. | Air quality monitoring device for vehicular ad hoc networks: enviodev | |
Halimi et al. | Modeling spatial distribution of Tehran air pollutants using geostatistical methods incorporate uncertainty maps | |
CN110389095A (zh) | 一种基于虚拟仿真体验的城市环境检测和城市规划方法及*** | |
Tong et al. | Mapping microscale PM2. 5 distribution on walkable roads in a high-density city | |
Nihalani et al. | Ambient air quality assessment for Vadodara City using AQI and exceedence factor | |
Fadavi et al. | Evaluation of AERMOD for distribution modeling of particulate matters (Case study: Ardestan Cement Factory) | |
Ghosh et al. | Context Aware City Air Quality Monitoring Estimation | |
Chen et al. | A case study of land use planning environmental assessment based on the air pollution analysis | |
CN116297062B (zh) | 一种面向多维时空因子的pm2.5浓度精细化时空模拟与定量分析方法 | |
Jain et al. | A Mobile Sensing Based Stochastic Model to Forecast AQI Variation of Pollution Hotspots on Urban Neighborhoods. | |
Zhang et al. | Large-eddy simulation of traffic-related air pollution at a very high-resolution in a mega-city: Evaluation against mobile sensors and insights for influencing factors | |
Dogeanu et al. | Real time monitoring network demonstrator for air quality management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |