CN114943441B - 一种基于poi数据的区域土壤污染健康风险评估方法 - Google Patents
一种基于poi数据的区域土壤污染健康风险评估方法 Download PDFInfo
- Publication number
- CN114943441B CN114943441B CN202210542440.4A CN202210542440A CN114943441B CN 114943441 B CN114943441 B CN 114943441B CN 202210542440 A CN202210542440 A CN 202210542440A CN 114943441 B CN114943441 B CN 114943441B
- Authority
- CN
- China
- Prior art keywords
- data
- health risk
- risk assessment
- target area
- poi data
- 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.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 63
- 238000012502 risk assessment Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000003900 soil pollution Methods 0.000 title claims abstract description 32
- 239000003802 soil pollutant Substances 0.000 claims abstract description 8
- 239000003344 environmental pollutant Substances 0.000 claims description 20
- 231100000719 pollutant Toxicity 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 11
- 206010028980 Neoplasm Diseases 0.000 claims description 9
- 201000011510 cancer Diseases 0.000 claims description 9
- 239000000356 contaminant Substances 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 231100001223 noncarcinogenic Toxicity 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 239000000725 suspension Substances 0.000 claims description 4
- 241001465754 Metazoa Species 0.000 claims description 3
- 230000037396 body weight Effects 0.000 claims description 3
- 230000000711 cancerogenic effect Effects 0.000 claims description 3
- 231100000315 carcinogenic Toxicity 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 231100000628 reference dose Toxicity 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000005259 measurement Methods 0.000 abstract description 2
- 239000002689 soil Substances 0.000 description 17
- 238000011835 investigation Methods 0.000 description 5
- 229910001385 heavy metal Inorganic materials 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000019771 cognition Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 231100000727 exposure assessment Toxicity 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于POI数据的区域土壤污染健康风险评估方法，包括：通过电子地图获取目标区域的POI数据；通过公开地图网站获取区域的空间地理数据；将所述POI数据按行业类型和用地类型进行划分；通过空间地理数据，将目标区域划分为不同小地块；将POI数据通过一定的计算规则，计算得出各地块不同类别数据所占权重；对目标人群的暴露途径和暴露参数进行识别；通过实际测量结果或公开数据，获取目标区域土壤污染物含量数据；采用健康风险评估模型计算不同用地类型下，目标人群的健康风险值；通过GIS软件对健康风险评估结果进行可视化。上述方法能够实现区域尺度上土壤污染健康风险的精细化评估并将结果可视化。
Description
技术领域
本发明涉及土壤污染风险评估与管理技术领域。具体而言，涉及一种基于POI数据的区域土壤污染健康风险评估方法。
背景技术
随着城镇化和工业化的发展，各类有毒有害物质进入土壤，累积在土壤中的污染物经多种暴露途径被人体摄入从而引起健康风险。
美国EPA(环保署)提出的四步法健康风险评估模型，通过对场地的污染调查和暴露评估，可计算得出不同人群的健康风险值，该方法被广泛使用。
区域尺度(如京津冀、长三角等区域)上土地利用(包括污染场地修复后再利用)类型多样，开展区域尺度风险评估近年来受到研究者们越来越多的关注。区域土壤污染健康风险评估可以为区域土壤污染风险分区分级管控提供决策依据。
传统的土壤污染健康风险评估方法多针对小尺度范围(即单一场地)，其用地类型较为单一，这种方法对于场地范围的局限性较高，无法满足区域尺度上的土壤污染健康风险评估的迫切需求。
发明内容
本发明正是基于上述需求而提出的，本发明要解决的技术问题是为实现区域尺度上的土壤污染健康风险的精细化评估，提供一种基于POI数据的区域土壤污染健康风险评估方法。
为了解决上述问题，本发明是采用如下技术方案实现的：
一种基于POI数据的区域土壤污染健康风险评估方法，该方法包括：
通过电子地图获取目标区域的POI数据；
基于行业类型和用地类型，对所述POI数据进行分类，得到分类结果；
根据空间地理数据，对所述目标区域进行空间划分，得到各个用地单元，所述空间地理数据包括路网数据和目标区域边界矢量数据；
基于划分得到的各个用地单元，对所述分类结果进行核密度分析，得到各个用地单元中每个类别的核密度比值；
获取所述目标区域的土壤污染物含量数据；
选取目标人群，并按照与POI数据相同的分类方式，对所述目标人群进行划分；分析划分得到的每个类别中人群的活动区域、暴露途径和暴露参数，得到分析结果；
利用健康风险评估模型，对所述分析结果和所述土壤污染物含量数据进行处理，得到每个类别中人群的健康风险值；
对所述核密度比值和对应类别的健康风险值进行加权求和，得到各个用地单元的综合健康风险值。
可选地，在获取目标区域的POI数据后，包括：
对POI数据进行预处理，剔除重复数据和类别不清晰数据，以及实际设施占地面积小于预先设置的面积阈值的数据。
可选地，基于空间地理数据，对所述目标区域进行空间划分，包括：
基于用途和建设标准，对目标区域的路网数据进行划分，得到不同等级道路数据；
基于所述目标区域边界矢量数据，将不同等级的道路数据与目标区域的城市道路数据和小区道路数据结合，对目标区域的各个等级的路网数据进行拓扑、连接、删除冗余、悬挂道路和建立缓冲区，划分得到各个用地单元。
可选地，所述POI数据和所述路网数据的地理坐标系一致，按照目标区域所处的经纬度选择相应的坐标系。
可选地，所述健康风险评估模型包括：
其中，ADD为污染物的日均暴露剂量，C为某环境介质中污染物的浓度，IR为摄入量，EF为暴露频率，ED为暴露持续时间，AT为平均暴露时间，BW为体重；
非致癌风险评估算法为：
其中，R为人体暴露某污染物的非致癌风险，ADD为污染物的日均暴露剂量，RfD为污染物在某种暴露途径下的参考剂量；
致癌风险评估算法为：
R＝q×ADD或R＝Q×ADD
其中，R为人体暴露某污染物的致癌风险，q为由动物推算出来的人的致癌强度系数，Q为以人群资料估算的人的致癌强度系数。
可选地，利用GIS技术，将健康风险值进行可视化。
与现有技术相比，本发明通过使用POI数据和空间地理数据，综合考虑到了区域内各个用地类型的土壤污染健康风险水平，并且可以将小尺度土壤污染健康风险评估方法扩展到区域尺度，能够实现区域尺度上的土壤污染健康风险的精细化评估。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是本发明具体实施方式提供的一种基于POI数据的区域土壤污染健康风险评估方法的流程图；
图2是本发明具体实施方式提供的一种基于POI数据的区域土壤污染健康风险评估方法的实现目标人群在区域尺度上的土壤污染健康风险值的计算方法流程图；
图3是本发明具体实施方式提供的一种基于POI数据的区域土壤污染健康风险评估方法的某一区域健康风险值分布示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为便于对本发明实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本发明实施例的限定。
本实施例提供了一种基于兴趣点(Point of Interest，POI)数据的区域土壤污染健康风险评估方法，其流程如图1所示，包括：
S1：通过电子地图获取目标区域的POI数据。
所述POI数据包括经纬度、位置、坐标系、设施名称和类别。
在获取目标区域的POI数据后，包括：
对POI数据进行预处理，剔除重复数据和类别不清晰数据，以及实际设施占地面积小于预先设置的面积阈值的数据。
根据所述目标区域信息获取所述目标区域的POI数据，对数据进行清洗分类。各类POI数据可从地图应用程序中获取。由于部分POI数据数量多、分布广，但对应的实际设施占地面积小，公众认知度低，会影响后续计算内容，如厕所、小型商店等；需首先对这部分数据进行剔除。原始POI数据还存在分类较多、数据存在重复和所述类别不清晰的问题，清洗数据时也需要对这部分数据进行剔除。
S2：基于行业类型和用地类型，对所述POI数据进行分类，得到分类结果。
在本发明实施例中，将POI数据按工业用地、居住用地、公共管理用地、商业用地、交通设施用地、绿地与广场用地进行分类。
S3：根据空间地理数据，对所述目标区域进行空间划分，得到各个用地单元，所述空间地理数据包括路网数据和目标区域边界矢量数据。
基于空间地理数据，对所述目标区域进行空间划分，包括：
基于用途和建设标准，对目标区域的路网数据进行划分，得到不同等级道路数据。
基于所述目标区域边界矢量数据，将不同等级的道路数据与目标区域的城市道路数据和小区道路数据结合，对目标区域的各个等级的路网数据进行拓扑、连接、删除冗余、悬挂道路和建立缓冲区，划分得到各个用地单元。
本实施例对应区域的道路网信息由公开地图(Open Street Map，OSM) 网站(https://wiki.openstreetmap.org/)上获取。OSM中道路按不同的用途和建设标准可划分为不同的等级，在操作中可根据实际需求选取其中的部分道路。本实施例选取至四级道路，并结合城市道路和小区道路，以确保对不同的用地单元进行划分。首先将这些等级的道路网数据进行拓扑、连接、删除冗余道路、悬挂道路，确保后续运算正常进行；然后建立缓冲区，根据实际需求设定缓冲区的缓冲宽度，如按照道路等级将缓冲区宽度设置为20m、10m、5m；最后根据道路及其缓冲区将整个区域划分为不同的小用地单元。
S4：基于划分得到的各个用地单元，对所述分类结果进行核密度分析，得到各个用地单元中每个类别的核密度比值。
在通过POI点计算不同类别数据所占权重时，采取核密度估算的方法进行计算，运用此方法可以综合考虑不同场所对于健康风险值的影响力和公众对于场所的认知程度，以及反映出区域整体的用地分布。
在所述用地单元基础上对已分类的数据进行核密度分析，完成栅格转点和连接。
保证POI数据和路网数据的地理坐标系一致，按照目标区域所处的经纬度选择相应适合的坐标系。
在获得各个用地单元中每个类别的核密度比值后，下一步需要得到目标人群在区域尺度上的土壤污染健康风险值，具体流程如图2所示，具体包括 S5-S7。
S5：获取所述目标区域的土壤污染物含量数据。
对目标区域土壤环境质量进行调查，获取目标区域表层土壤中重金属等污染物含量。
为了使调查得到的污染物含量准确，需要对目标区域尽可能的了解，包括收集污染场地的资料、派专业人员到现场勘查和与污染场地相关人员进行访谈，经过缜密的调查和分析后，对所述目标区域进行布点；所述布点方法包括随机布点法、***布点法、分区布点法和专业判断法，根据具体情况，选取合适的布点方法；当布点完成后，对点位进行再次确认，确保点位无误，基于各个点位进行采样，获取得到点位的土壤样品；所述采样方法包括分层采样和表层采样。
将目标区域的各个点位的土壤样品进行分析，得到目标区域表层土壤中重金属等污染物含量。
其中污染物浓度可由实际测量得到，测量方法可参考《土壤环境监测技术规范》(HJ/T 166)和《环境重金属污染健康监测技术指南(试行)》(卫办监督发〔2010〕188号)等文件；或结合已有公布数据获取相关信息。
对于目标区域的范围大小，可以分为不同的获取污染物含量方案，如果范围比较小，比如目标区域只是一个学校，通过上述方法调查得到的污染物含量，并不会花费太长时间，以及人力成本和物力；但是如果范围比较大，比如目标区域为市、区或者国家时，为了减少人力成本和物力，可以与其他校方或者企业进行合作，来获取所述目标区域的土壤污染物含量数据。
S6：选取目标人群，并按照与POI数据相同的分类方式，对所述目标人群进行划分；分析划分得到的每组人群的活动区域、暴露途径和暴露参数，得到分析结果。
在本步骤中，包括：
首先，选取目标人群，并按照与POI数据相同的分类方式，将区域场地划分为不同的用地类型。
然后，分析目标人群的活动区域、暴露途径和暴露参数。
可将人群按不同的年龄段或者职业类型等属性进行划分；如可按年龄段将人群划分为婴幼儿、儿童、青少年和成年人。
暴露参数根据类别可分为摄入量参数、时间活动参数和其他暴露参数；相关数据可通过问卷调查的方式获取，或参考《中国人群暴露参数手册》等相关资料。
暴露途径包括：①经口摄入土壤；②皮肤接触土壤；③吸入土壤颗粒物；④吸入室外空气中来自表层土壤的气态污染物；⑤吸入室外空气中来自下层土壤的气态污染物；⑥吸入室内空气中来自下层土壤的气态污染物。
本实施例对应的情形为土壤重金属污染，生活用水由当地自来水厂供给，故不存在呼吸吸入气态污染物暴露途径和饮用地下水暴露途径；对应的暴露途径为经口摄入土壤、皮肤接触土壤和吸入土壤颗粒。
对于计算所需的相关参数取值可从《建设用地土壤污染风险评估技术导则》(HJ25.3)等文件中查得。
S7：利用健康风险评估模型，对所述分析结果和所述土壤污染物含量数据进行处理，得到每个类别中人群的健康风险值。
所述健康风险评估模型包括：
其中，ADD为污染物的日均暴露剂量，C为某环境介质中污染物的浓度， IR为摄入量，EF为暴露频率，ED为暴露持续时间，AT为平均暴露时间， BW为体重；
非致癌风险评估算法为：
其中，R为人体暴露某污染物的非致癌风险，ADD为污染物的日均暴露剂量，RfD为污染物在某种暴露途径下的参考剂量；
致癌风险评估算法为：
R＝q×ADD或R＝Q×ADD
其中，R为人体暴露某污染物的致癌风险，q为由动物推算出来的人的致癌强度系数，Q为以人群资料估算的人的致癌强度系数。
利用上述健康风险评估模型，计算得出不同用地类型下，目标人群的健康风险值。
S8：对所述核密度比值和对应类别的健康风险值进行加权求和，得到各个用地单元的综合健康风险值。
结合不同POI点对应的核密度比值和计算得出的健康风险值，加权计算出不同地块单元的综合健康风险值。
可选地，利用GIS技术，将健康风险值进行可视化。
通过GIS软件的计算功能，将各类POI点的核密度占总核密度的比值作为权重，并结合计算得出的不同用地类型对应的健康风险值进行计算，得出各用地单元的综合健康风险值，并将结果可视化。
在GIS软件中，选取合适的色带，将计算得出的健康风险值以地图形式输出；如图3为通过本发明方法得到某一区域不同地块单元的综合健康风险值，再利用GIS软件可视化得到该区域的健康风险值分布示意图。
本发明实施例提供的方法，通过使用POI数据和空间地理数据，综合考虑到了各个用地类型的土壤污染风险，并且可以将小尺度土壤污染健康风险评估方法扩展到区域尺度，能够实现区域尺度上的土壤污染健康风险的精细化评估。
本申请实施例提供了一种计算机可读存储介质，其上储存有计算机程序，其特征在于：该计算机程序被处理器执行时实现如上述基于POI数据的区域土壤污染健康风险评估方法的步骤。
具体来说，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于——电、磁、光、电磁、红外线或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质更具体的例子包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件，或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于POI数据的区域土壤污染健康风险评估方法，其特征在于，包括：
通过电子地图获取目标区域的POI数据；
基于行业类型和用地类型，对所述POI数据进行分类，得到分类结果；
根据空间地理数据，对所述目标区域进行空间划分，得到各个用地单元，所述空间地理数据包括路网数据和目标区域边界矢量数据；
基于划分得到的各个用地单元，对所述分类结果进行核密度分析，得到各个用地单元中每个类别的核密度比值；
获取所述目标区域的土壤污染物含量数据；
选取目标人群，并按照与POI数据相同的分类方式，对所述目标人群进行划分；分析划分得到的每个类别中人群的活动区域、暴露途径和暴露参数，得到分析结果；
利用健康风险评估模型，对所述分析结果和所述土壤污染物含量数据进行处理，得到每个类别中人群的健康风险值；
对所述核密度比值和对应类别的健康风险值进行加权求和，得到各个用地单元的综合健康风险值；
其中，所述健康风险评估模型包括：
其中，ADD为污染物的日均暴露剂量，C为某环境介质中污染物的浓度，IR为摄入量，EF为暴露频率，ED为暴露持续时间，AT为平均暴露时间，BW为体重；
非致癌风险评估算法为：
其中，R为人体暴露某污染物的非致癌风险，ADD为污染物的日均暴露剂量，RfD为污染物在某种暴露途径下的参考剂量；
致癌风险评估算法为：
或/>
其中，R为人体暴露某污染物的致癌风险，q为由动物推算出来的人的致癌强度系数，Q为以人群资料估算的人的致癌强度系数。
2.根据权利要求1所述的一种基于POI数据的区域土壤污染健康风险评估方法，其特征在于，在获取目标区域的POI数据后，包括：
对POI数据进行预处理，剔除重复数据和类别不清晰数据，以及实际设施占地面积小于预先设置的面积阈值的数据。
3.根据权利要求1所述的一种基于POI数据的区域土壤污染健康风险评估方法，其特征在于，基于空间地理数据，对所述目标区域进行空间划分，包括：
基于用途和建设标准，对目标区域的路网数据进行划分，得到不同等级道路数据；
基于所述目标区域边界矢量数据，将不同等级的道路数据与目标区域的城市道路数据和小区道路数据结合，对目标区域的各个等级的路网数据进行拓扑、连接、删除冗余、悬挂道路和建立缓冲区，划分得到各个用地单元。
4.根据权利要求1所述的一种基于POI数据的区域土壤污染健康风险评估方法，其特征在于，所述POI数据和所述路网数据的地理坐标系一致，按照目标区域所处的经纬度选择相应的坐标系。
5.根据权利要求1所述的一种基于POI数据的区域土壤污染健康风险评估方法，其特征在于，利用GIS技术，将健康风险值进行可视化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210542440.4A CN114943441B (zh) | 2022-05-17 | 2022-05-17 | 一种基于poi数据的区域土壤污染健康风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210542440.4A CN114943441B (zh) | 2022-05-17 | 2022-05-17 | 一种基于poi数据的区域土壤污染健康风险评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114943441A CN114943441A (zh) | 2022-08-26 |
| CN114943441B true CN114943441B (zh) | 2024-06-18 |
Family
ID=82907309
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210542440.4A Active CN114943441B (zh) | 2022-05-17 | 2022-05-17 | 一种基于poi数据的区域土壤污染健康风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114943441B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116384777B (zh) * | 2023-06-06 | 2023-08-15 | 北京科技大学 | 面向儿童群体的室内VOCs暴露风险预测方法和装置 |
| CN117408515B (zh) * | 2023-10-31 | 2024-03-29 | 北京市生态环境保护科学研究院 | 一种耦合受体动态行为轨迹的场地污染风险评估方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111144759A (zh) * | 2019-12-27 | 2020-05-12 | 南京大学 | 基于综合环境风险场的产业调整方法 |
| CN111382934A (zh) * | 2020-03-05 | 2020-07-07 | 北京市环境保护科学研究院 | 一种基于暴露单元的建设用地土壤污染风险评估方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8656323B2 (en) * | 2011-02-22 | 2014-02-18 | Kla-Tencor Corporation | Based device risk assessment |
| US20140188495A1 (en) * | 2012-12-30 | 2014-07-03 | Nanjing University | Method for assessing and managing health risks associated with heavy metal pollution |
| US20220027813A1 (en) * | 2017-05-01 | 2022-01-27 | Health Solutions Research, Inc. | Risk identification and response for mitigating disease transmission |
| CN112288247B (zh) * | 2020-10-20 | 2024-04-09 | 浙江大学 | 一种基于空间交互关系的土壤重金属风险识别方法 |
-
2022
- 2022-05-17 CN CN202210542440.4A patent/CN114943441B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111144759A (zh) * | 2019-12-27 | 2020-05-12 | 南京大学 | 基于综合环境风险场的产业调整方法 |
| CN111382934A (zh) * | 2020-03-05 | 2020-07-07 | 北京市环境保护科学研究院 | 一种基于暴露单元的建设用地土壤污染风险评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114943441A (zh) | 2022-08-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lauriks et al. | Application of improved CFD modeling for prediction and mitigation of traffic-related air pollution hotspots in a realistic urban street | |
| CN114943441B (zh) | 一种基于poi数据的区域土壤污染健康风险评估方法 | |
| Wu et al. | Spatial analysis of bioavailable soil lead concentrations in Los Angeles, California | |
| CN110428126B (zh) | 一种基于多源开放数据的城市人口空间化处理方法及*** | |
| Vaz et al. | The geography of environmental injustice | |
| Alsahli et al. | Allocating optimum sites for air quality monitoring stations using GIS suitability analysis | |
| Bouzir et al. | Effect of urban morphology on road noise distribution | |
| Kashima et al. | Comparison of land use regression models for NO2 based on routine and campaign monitoring data from an urban area of Japan | |
| Lu et al. | Land Use Regression models for 60 volatile organic compounds: Comparing Google Point of Interest (POI) and city permit data | |
| CN111709646A (zh) | 空气污染暴露风险评价方法及*** | |
| Das et al. | Application of land-use regression model with regularization algorithm to assess PM2. 5 and PM10 concentration and health risk in Kolkata Metropolitan | |
| Aryaguna et al. | Green open space priority modelling using GIS analysis in West Jakarta | |
| O'Leary et al. | Air quality monitoring and measurement in an urban airshed: Contextualizing datasets from the Detroit Michigan area from 1952 to 2020 | |
| Halek et al. | GIS assessment of the PM 10, PM 2.5 and PM 1.0 concentrations in urban area of Tehran in warm and cold seasons | |
| Badaro-Saliba et al. | A geostatistical approach for assessing population exposure to NO 2 in a complex urban area (Beirut, Lebanon) | |
| Atari et al. | Spatial variability of ambient nitrogen dioxide and sulfur dioxide in Sarnia,“Chemical Valley,” Ontario, Canada | |
| Davies et al. | A least‐cost approach to personal exposure reduction | |
| Maantay et al. | Assessing population at risk: Areal interpolation and dasymetric mapping | |
| Vyas et al. | Optimum weights of environmental parameters in evaluating urban environmental sustainability index: case study of Jaipur city | |
| Wan et al. | Adopting urban morphological indicators to land use regression modeling of seasonal mean PM2. 5 concentrations for a high-density city | |
| Hidayat et al. | The Effect of Land Use and Traffic Performance on Urban Air Quality in the Maminasata Peri-Urban Area | |
| Allshouse et al. | Mass fraction spatiotemporal geostatistics and its application to map atmospheric polycyclic aromatic hydrocarbons after 9/11 | |
| Wang et al. | A GIS-based multi-source and multi-box modeling approach (GMSMB) for air pollution assessment—A North American case study | |
| Thums et al. | Investigating urban geochemistry using geographical information systems | |
| Eyileten et al. | Contribution of Urban Cemeteries to Ecosystem Services: Evidence from Touristic Antalya City of Turkey |
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 |