CN116822970B - 高环境健康风险污染物监管优先级的自动判断方法及*** - Google Patents
高环境健康风险污染物监管优先级的自动判断方法及*** Download PDFInfo
- Publication number
- CN116822970B CN116822970B CN202311103790.1A CN202311103790A CN116822970B CN 116822970 B CN116822970 B CN 116822970B CN 202311103790 A CN202311103790 A CN 202311103790A CN 116822970 B CN116822970 B CN 116822970B
- Authority
- CN
- China
- Prior art keywords
- pollutant
- environmental
- supervision
- characteristic
- score
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 220
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 219
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 230000005183 environmental health Effects 0.000 claims abstract description 59
- 238000011156 evaluation Methods 0.000 claims abstract description 58
- 230000035945 sensitivity Effects 0.000 claims abstract description 45
- 239000000356 contaminant Substances 0.000 claims abstract description 42
- 231100000206 health hazard Toxicity 0.000 claims abstract description 41
- 239000000126 substance Substances 0.000 claims abstract description 40
- 230000000694 effects Effects 0.000 claims abstract description 25
- 230000036541 health Effects 0.000 claims abstract description 23
- 230000007613 environmental effect Effects 0.000 claims abstract description 21
- 238000004519 manufacturing process Methods 0.000 claims abstract description 18
- 231100000048 toxicity data Toxicity 0.000 claims abstract description 8
- 230000001988 toxicity Effects 0.000 claims description 49
- 231100000419 toxicity Toxicity 0.000 claims description 49
- 238000013145 classification model Methods 0.000 claims description 15
- 238000013210 evaluation model Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000010865 sewage Substances 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 239000012298 atmosphere Substances 0.000 claims description 3
- 206010007269 Carcinogenicity Diseases 0.000 claims description 2
- 206010065042 Immune reconstitution inflammatory syndrome Diseases 0.000 claims description 2
- 241000700159 Rattus Species 0.000 claims description 2
- 231100000260 carcinogenicity Toxicity 0.000 claims description 2
- 230000007670 carcinogenicity Effects 0.000 claims description 2
- 231100001223 noncarcinogenic Toxicity 0.000 claims description 2
- 239000013558 reference substance Substances 0.000 claims description 2
- 208000011117 substance-related disease Diseases 0.000 claims description 2
- 238000009776 industrial production Methods 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 description 10
- 238000012216 screening Methods 0.000 description 8
- FMMWHPNWAFZXNH-UHFFFAOYSA-N Benz[a]pyrene Chemical compound C1=C2C3=CC=CC=C3C=C(C=C3)C2=C2C3=CC=CC2=C1 FMMWHPNWAFZXNH-UHFFFAOYSA-N 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000003912 environmental pollution Methods 0.000 description 3
- TXVHTIQJNYSSKO-UHFFFAOYSA-N BeP Natural products C1=CC=C2C3=CC=CC=C3C3=CC=CC4=CC=C1C2=C34 TXVHTIQJNYSSKO-UHFFFAOYSA-N 0.000 description 2
- XFXPMWWXUTWYJX-UHFFFAOYSA-N Cyanide Chemical compound N#[C-] XFXPMWWXUTWYJX-UHFFFAOYSA-N 0.000 description 2
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 description 2
- 229910052785 arsenic Inorganic materials 0.000 description 2
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- RLSSMJSEOOYNOY-UHFFFAOYSA-N m-cresol Chemical compound CC1=CC=CC(O)=C1 RLSSMJSEOOYNOY-UHFFFAOYSA-N 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- QWVGKYWNOKOFNN-UHFFFAOYSA-N o-cresol Chemical compound CC1=CC=CC=C1O QWVGKYWNOKOFNN-UHFFFAOYSA-N 0.000 description 2
- 150000002989 phenols Chemical class 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- HGUFODBRKLSHSI-UHFFFAOYSA-N 2,3,7,8-tetrachloro-dibenzo-p-dioxin Chemical compound O1C2=CC(Cl)=C(Cl)C=C2OC2=C1C=C(Cl)C(Cl)=C2 HGUFODBRKLSHSI-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- JOPOVCBBYLSVDA-UHFFFAOYSA-N chromium(6+) Chemical compound [Cr+6] JOPOVCBBYLSVDA-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 231100000673 dose–response relationship Toxicity 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 231100001267 hazard identification Toxicity 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 239000011733 molybdenum Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000004663 powder metallurgy Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 229910052720 vanadium Inorganic materials 0.000 description 1
- LEONUFNNVUYDNQ-UHFFFAOYSA-N vanadium atom Chemical compound [V] LEONUFNNVUYDNQ-UHFFFAOYSA-N 0.000 description 1
- 239000003403 water pollutant Substances 0.000 description 1
- 230000003313 weakening 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于环境健康风险识别领域,公开了一种工业生产活动中高环境健康风险污染物监管优先级的自动判断方法及***,其自动判断方法包括如下步骤:S1:构建出监管区域内各个工业企业特征污染物数据库;S2:获取监管现场各工业企业的环境数据、对特征污染物的暴露情况进行评估和分级;S3:进行毒性数据收集和判断;S4:对排放途径多样性进行分级:S5:对污染物的健康危害性进行快速分级:S6:对环境健康风险受体敏感性进行快速评估:S7:评估监管区域内各企业特征污染物的监管优先级,再结合评估结果筛选出的各企业生产活动中具体的高环境健康风险物质,进行针对性差别监管。
Description
技术领域
本发明属于环境健康风险识别技术领域,具体涉及一种工业生产活动中的高环境健康风险污染物监管优先级的自动判断方法及***。
背景技术
环境污染对健康的影响具有隐蔽性强、潜伏期长、影响因素多、因果关系确定难等特点,直接管理较为复杂。坚持预防为主、风险防控,对具有高健康风险的环境污染因素进行主动识别、管理,从源头预防、消除或减少环境污染,被认为是现阶段最大限度防止健康损害问题发生或削弱其影响程度的有效手段。
现有技术中,中国发明专利文献CN113706048A公开了一种河流生态***健康监测和评价方法及***,该方法包括如下步骤:按照预定时间采集河流生态指标,构建生态指标矩阵;构建基于河流生物环境适应性曲线的河流健康评价模块;构建压力-状态-响应模型;基于所述生态指标矩阵,并通过河流健康评价模块和压力-状态-响应模型,计算河流生态***健康值。该发明的技术方案,能够解决当前采集工作量大,部分地区采集困难的问题。通过智能化采集***和方法,能够大大减少采集工作量,提高采集、监测和评估效率。但是,该发明并不能直接应用于行政管理等部门的监管,也不能进行监管优先级的自动划分。
现有技术的环境健康风险监管污染物的方法主要可分为两大类,均是通过专业人员人工进行判断:第一类是以污染物为对象,基于美国国家科学院(NAS)提出的四步法(危害识别、剂量-反应评估、暴露评价和风险表征),对某一暴露途径下某种污染物的健康风险进行评估,基于评估结果确定是否实施管控,纳入优先监管。这种方法存在每次评价物质单一的缺陷。第二类是以污染物传播扩散介质为对象,针对水、气、土等单一环境介质,计算该介质或暴露途径下所有特征污染物的人体健康风险,基于风险结果提出综合管控建议。这种方法在评估风险时,只考虑了单一目标介质情况,未考虑污染物扩散的复杂介质环境及周边敏感受体分布情况。
因此,现有技术均必须由专业人员完成相关的工作,计算机***并不能自动完成、结果的主观性较强;也不能以聚焦环境污染物的主要来源-工业源,有效识别、筛选工业生产活动中高环境健康风险因子,并对监管优先级进行自动判别,从而为生态环境管理的重点和优先秩序提供依据,不能满足生态环境管理的实际需求,特别是以有限的监管资源、实现全行政区域覆盖的有效监管的需求。
因此,研究开发一种新的面向监管需求的,工业生产活动中高环境健康风险污染物的自动化筛选、分级方法及***,通过网络实时获取和更新更为全面、精准的数据,无需人工干预,得到客观、公正的分析结果与筛选、分级信息,正确引导企业、社会公众及政府进行科学应对,共同保护生态环境,具有重要的社会价值和意义。
发明内容
本发明的目的是针对现有技术的不足,本发明提供一种工业生产活动中的高环境健康风险污染物监管优先级的自动判断方法及***,通过软硬件结合的方法,构建具有通用性、普适性、可比性的污染物健康危害性分级模型、污染物监管优先级评估模型等,通过信息化网络***进行分布式数据采集,并且由***自动进行数据处理和分析,依次进行高环境健康风险污染物的自动化筛选、分级,并输出高客观性、高可信度的监管优先级分析结果,满足以有限的监管资源、进行全区域覆盖、针对性差别监管和有效监管的需求。
本发明解决其技术问题采用的技术方案是:
一种高环境健康风险污染物监管优先级的自动判断方法,其包括如下步骤:
S1:构建出监管区域内各个工业企业特征污染物数据库;
S2:获取监管现场各工业企业的环境数据,对监管区域内各个工业企业特征污染物的暴露情况进行评估和分级;
S3:构建污染物毒性等级判定模型,进行毒性数据收集和判断;
S4:构建污染物排放途径多样性分级模型,对排放途径多样性进行分级;
S5:构建污染物健康危害性分级模型,对污染物的健康危害性进行快速分级;
S6:构建环境健康风险受体敏感性评估模型,对环境健康风险受体敏感性进行快速评估;
S7:构建污染物监管优先级评估模型,导入步骤S5、S6的输出结果,评估监管区域内各企业特征污染物的监管优先级,再结合评估结果筛选出的各企业生产活动中具体的高环境健康风险物质,进行针对性差别监管。
一种实施所述方法的高环境健康风险污染物监管优先级的自动判断***,其特征在于:其为一网络信息化***,其包括云服务器及多个终端;所述的云服务器内置高环境健康风险污染物监管优先级的自动判断程序,该程序包括:基础信息收集模块,特征污染物实测数据录入模块,暴露情况评估模块,污染物毒性等级判定模块,污染物排放途径多样性评估模块,污染物健康危害性评估模块,环境健康风险受体敏感性评估模块,污染物监管优先级评估模块;各模块相互配合,完成步骤S1-S7的自动判断过程。
与现有技术相比,本发明提供的高环境健康风险污染物监管优先级的自动判断方法及***,至少具有以下的优点:
1、本发明重点是根据环境健康风险监管中资源有限、需要动态监管、针对性差别监管等需要,进行针对性的模型构建和数据自动获取,通过软硬件结合的方式,实现了将必须由专业人员完成的分析、判断工作,交由计算机***自动完成,人工不再干预;***自动根据采集的数据和内置模型进行运算,并自动输出结果,避免人为分析、判断造成的结果主观性偏差,以及不能动态更新的问题,大大节约了人力资源,并且加快了数据获取及分析结果的输出速度,其输出的结果具备更好的时效性、客观性。
2、本发明通过多个步骤、多个模型、多种数据相结合,以及软硬件结合的方法,构建具有通用性、普适性、可比性的污染物健康危害性分级模型、污染物监管优先级评估模型等,通过信息化***,分布式数据采集,***自动进行数据处理和分析,进行高环境健康风险污染物的自动化筛选、分级,并输出高客观性、高可信度的监管优先级分析结果,来满足以有限的监管资源、进行全区域覆盖、针对性差别监管和有效监管的需求。
3、本发明的评价对象更具有全面性和整体性。针对现有技术不同已有的评价方法以单一污染物或单一介质为对象的不足,本发明的判断方法以工业污染源为对象,对工业生产过程中产生的所有特征污染物健康危害进行分级,结合该工业源周边敏感目标的分布,对工业源所有特征污染物的环境健康风险进行综合评级,其评价对象更具有全面性和整体性,因而其输出的结果更具有客观性,可信度更高。
4、本发明采用的筛选目标更为精确。本发明的判断方法增加了企业特征污染物环节,通过对企业环评、污染源调查、监督性监测等相关资料分析,梳理出企业的特征污染物清单,在此基础上再开始危害分级,因此,所针对的污染物范围更为精确,所得到的判断结构的准确性更好。
5、本发明采用的敏感对象更为广泛。本发明判断方法在对污染物进行综合评级时,除了考虑污染物本身的健康危害外,还考虑了污染源所处区域敏感受体情况(如饮用水源地等环境敏感受体,敏感人群等),考虑对象更为广泛,也更具实际意义,其输出的结果具有通用性、普适性和可比性。
附图说明
图1是本发明实施例高环境健康风险污染物监管优先级的自动判断方法的流程示意图;
图2是本发明实施例为高环境健康风险污染物监管优先级的自动判断***的模块组成结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明进一步说明。
实施例1
请参见附图1-2,本发明提供的工业生产活动中高环境健康风险污染物的监管优先级自动判断方法,其包括如下步骤:
S1:构建出监管区域内工业企业特征污染物数据库,进行监管区域内企业生产活动基础信息的获取及特征污染物数据库的构建,设置基础信息收集模块,收集监管区域内企业生产活动信息(生产产品、所属行业、工艺流程、主要排放污染物)、所属行业排放标准、排污口监督性监测数据、全国污染源调查等基础资料,构建出监管区域内各个工业企业特征污染物数据库;
S2:监管现场环境数据的获取:设置特征污染物实测数据录入和暴露情况评估模块,基于监管区域内工业企业排污口和周边环境的水、土壤、大气、农作物等介质中特征污染物的实测浓度,根据污染物环境暴露评估模型对特征污染物的暴露情况进行评估和分级;具体的,当污染物环境暴露分值大于60,该物质的环境暴露等级由***自动判定为高;污染物环境暴露分值大于30且小于或等于60,该物质的环境暴露等级由***自动判定为中;污染物环境暴露分值小于或等于30,该物质的环境暴露等级由***自动判定为低。
污染物环境暴露分值计算公式为:
SEi= SFi+SCi+SPi (1)
SEi—特征污染物i的环境暴露分值
SFi—特征污染物i的检出率分值
SCi—特征污染物i的检出浓度分值
SPi—特征污染物i检出介质的多样性分值
SFi= (X-Min)×20/(Max-Min) (2)
X—特征污染物i的检出率
Min—全部特征污染物检出率的最小值
Max—全部特征污染物检出率的最大值
SCi= C1i×50/C0i (3)
C1i—特征污染物i的环境浓度
C0i—特征污染物i在对应环境介质中的排放标准限值或环境质量标准限值
若C1i小于或等于C0i,Ci按公式(3)计算得到;若C1i大于C0i,SCi自动赋值50。
SPi= Pi×10 (4)
Pi—特征污染物i被检出的介质种类
S3:构建污染物毒性等级判定模型,进行毒性数据收集和判断:设置污染物毒性等级判定模块,基于生态环境部提供的监管区域内重点行业企业用地调查污染物字典中毒性分值构建污染物毒性等级判定模型;
针对收录于污染物字典的物质,自动对特征污染物的毒性进行赋值(10,100,1000,10000),毒性分值为10000的物质,自动判定毒性等级为高;毒性分值为1000或100的物质,自动判定毒性等级为中;毒性分值为10或0的物质,自动判定毒性等级为低;针对未收录于污染物字典或污染物字典中无分值的物质,若该物质具有致癌性,则自动赋值10000,若属于非致癌物质,则采集IRIS、PubChem等数据库中该污染物和污染物字典中两个其他同类且有分值的物质对于模式生物大鼠经口的半致死浓度(LD50),进行毒性分值等比换算(取最接近计算数值的10的n次幂作为分值,若两个对照物质计算得出的分值不一致,取较大值);上述方法无法赋值的物质,则采集对应的行业排放标准限值,选取同类且有分值的物质进行毒性分值等比换算(取最接近计算数值的10的n次幂作为分值),同一物质使用多个参照物质或出现于多个排放标准中,则取计算得到的最大分值;上述方法均无法赋值的污染物,则默认毒性分值为0。
S4:构建污染物排放途径多样性分级模型,对排放途径多样性进行分级:
设置污染物排放途径多样性评估模块,基于污染物排放途径的多样性(涉水、涉气、涉土)进行分级。
排放途径包含3种环境介质的多样性等级为高;排放途径包含2种环境介质的多样性等级为中;排放途径包含1种环境介质的多样性等级为低。特征污染物排放途径多样性等级划分表见表1。
表1
S5:构建污染物健康危害性分级模型,对污染物的健康危害性进行快速分级:
构建污染物健康危害性分级模型,并输入步骤二、三、四的等级判定结果,对污染物的健康危害性进行快速分级;
设置污染物健康危害性评估模块,根据分级模型进行污染物健康危害性等级划分。
污染物的健康危害性分值计算公式为:
STi= 0.5×S1i+0.3×S2i+0.2×S3i (5)
STi—特征污染物i的健康危害性分值
S1i—特征污染物i的毒性等级分值
S2i—特征污染物i的环境暴露等级分值
S3i—特征污染物i的排放途径多样性等级分值
环境暴露等级、毒性等级、排放途径多样性等级的赋值规则均为高等级自动赋值3、中等级自动赋值2、低等级自动赋值1。
S6:构建环境健康风险受体敏感性评估模型,对环境健康风险受体敏感性进行快速评估:
设置环境健康风险受体敏感性评估模块,构建环境健康风险受体敏感性评估模型,根据企业影响范围内受体和人群敏感性评估企业环境健康风险受体敏感性。
将企业1公里范围内的敏感受体类型划分为三个等级并由***自动赋值,具体赋值规则如下表2:企业影响范围内受体敏感性分值自动赋值表。
表2
参照HJ 941-2018方法将企业5公里范围内人群敏感性划分为三个等级并由***自动赋值,具体赋值规则如下表3,企业影响范围内人群敏感性分值自动赋值表。
表3
环境健康风险受体敏感性分值计算公式为:
SR = SR e + SR p (6)
SR—环境健康风险受体敏感性分值
SRe—受体敏感性分值
SRp—人群敏感性分值
S7:构建污染物监管优先级评估模型,基于步骤六输出的结果,评估监管区域内各企业特征污染物的监管优先级,根据评估结果筛选各业生产活动中具体的高环境健康风险物质,并进行针对性优先监管。
设置污染物监管优先级评估模块,基于上述模块输出的结果,评估企业特征污染物的监管优先级,根据评估结果筛选企业生产活动中高环境健康风险物质并考虑优先监管。
污染物监管优先级计算公式为:
L i = ST i ×SR (7)
Li—特征污染物i的监管优先级
一种实施前述方法的高环境健康风险污染物监管优先级的自动判断***,其为一网络信息化***,其包括云服务器及多个终端;所述的云服务器内置高环境健康风险污染物监管优先级的自动判断程序,该程序包括:基础信息收集模块,特征污染物实测数据录入模块,暴露情况评估模块,污染物毒性等级判定模块,污染物排放途径多样性评估模块,污染物健康危害性评估模块,环境健康风险受体敏感性评估模块,污染物监管优先级评估模块;各模块相互配合,完成步骤S1-S7的自动判断过程。
所述的基础信息收集模块内,设有监管区域内各个工业企业特征污染物数据库;所述的特征污染物实测数据录入模块,获取监管现场各工业企业的环境数据;所述的暴露情况评估模块内置污染物环境暴露评估模型程序,对特征污染物的暴露情况进行评估和分级;所述的污染物毒性等级判定模块,内置污染物毒性等级判定模型程序,基于监管区域内重点行业企业用地调查污染物字典中毒性分值,进行毒性数据收集和判断;所述的污染物排放途径多样性评估模块,内置污染物排放途径多样性分级模型程序;所述的污染物健康危害性评估模块,内置污染物健康危害性分级模型程序,进行污染物的健康危害性分值计算、对污染物健康危害性等级划分;所述的环境健康风险受体敏感性评估模块,内置环境健康风险受体敏感性评估模型程序,进行环境健康风险受体敏感性分值计算;所述污染物监管优先级评估模块,内置污染物监管优先级评估模型程序,进行污染物监管优先级计算。
实施例2
本实施例提供的工业生产活动中高环境健康风险污染物的监管优先级自动判断方法及***,是对实施例1的具体运用,对某在产企业的工业生产活动中高环境健康风险污染物进行筛选和污染物监管优先级自动判断。
某在产企业的工业生产活动的高环境健康风险污染物的监管优先级自动判断方法,包括以下步骤:
S1、企业生产活动基础信息的获取及特征污染物数据库的构建。该在产企业属于锻件及粉末冶金制品制造行业,占地面积约0.83平方公里。通过梳理该企业生产活动所涉及的原辅料、排放的污染物及相关基础资料,构建该工业企业特征污染物数据库,共17种污染物,包括二噁英、砷、苯酚、氰化物、总石油烃、苯并(a)芘、锰、六价铬、镍、钼、钒、氟化物、铜、汞、邻甲酚、间甲酚、挥发酚。
S2、现场环境数据的获取。设置特征污染物实测数据录入和暴露情况评估模块,基于工业企业排污口和周边环境的水、土壤、大气、农作物等介质中特征污染物的实测浓度,根据污染物环境暴露评估模型对特征污染物的暴露情况进行评估和分级。录入企业排污口和周边环境的14个土壤样品和7个地下水样品中检出的15种特征污染物实测数据。利用暴露评估模型分析各污染物的检出率、浓度和检出介质种类后进行污染物环境暴露情况评估与分级,具体结果见表4(特征污染物环境暴露情况评估与分级结果汇总表)。
表4
输入不同介质的各污染物平均浓度用于计算SCi,取各介质中该物质SCi的最大值作为该物质的最终SCi。对于没有对应排放标准限值的物质,若检出,SCi自动赋值50。
S3、构建污染物毒性等级判定模型,进行毒性数据收集和判断。设置污染物毒性等级判定模块,以生态环境部提供的重点行业企业用地调查污染物字典中毒性分值为依据自动对特征污染物的毒性进行赋值(10,100,1000,10000)。挥发酚未收录于污染物字典中,依据《钢铁工业水污染物排放标准》(GB 13456—2012)中挥发酚、总氰化物和氟化物的排放限值,自动换算得到其毒性分值,特征污染物毒性等级判定结果见表5。
表5
S4、构建污染物排放途径多样性分级模型,对排放途径多样性进行分级。设置污染物排放途径多样性评估模块,基于污染物排放途径的多样性(涉水、涉气、涉土)对企业特征污染物的排放途径多样性进行分级,得到的特征污染物排放途径多样性评估结果见表6。
表6
S5、构建污染物健康危害性分级模型,输入步骤二、三、四的等级判定结果,对污染物的健康危害性进行快速分级。设置污染物健康危害性评估模块,根据分级模型进行污染物健康危害性等级划分,特征污染物健康危害性评估结果见表7。
表7
S6:构建环境健康风险受体敏感性评估模型,对环境健康风险受体敏感性进行快速评估。设置环境健康风险受体敏感性评估模块,根据企业影响范围内受体和人群敏感性评估企业环境健康风险受体敏感性。该企业1公里范围内的敏感受体类型包括幼儿园、学校、居民区、医院、地表水体,受体敏感性分值SRe为1;企业5公里范围内人群大于5万人,人群敏感性分值SRp为2,该企业环境健康风险受体敏感性分值SR为3。
S7:构建污染物监管优先级评估模型。设置污染物监管优先级评估模块,基于上述模块输出的结果,评估企业特征污染物的监管优先级。特征污染物i的监管优先级Li = STi×SR,根据评估结果筛选企业生产活动中高环境健康风险物质为砷和苯并(a)芘,其特征污染物环境健康风险等级分值排序结果见表8,需考虑优先进行针对性的差别监管。
表8
本发明上述各实施例,主要是通过多个步骤、模块及模型程序的相互配合,在软硬件协同的基础上,依次进行,实现了其多方面的技术效果。其技术构思主要包括:首先本发明的计算机网络***,基于数据录入管理模块和污染物的环境健康风险综合评估模型,由***收集企业生产活动基础信息和录入管理污染物数据,构建企业特征污染物数据库,对特征污染物进行健康危害分级(二级指标包括污染物毒性、人群暴露途径、暴露量),结合污染源敏感区域内敏感对象分布情况(二级指标包括敏感人群、环境敏感受体),对特征污染物的环境健康风险进行综合评级,基于评级结果,筛选形成高环境健康风险污染物清单,进行监管优先级的判断,并输出结果,提供给相关的监管部门、公益组织、企业及社会公众,有利于多方协同,共同进行环境健康风险控制。
上述实施例,所描述的仅仅是本发明一部分实施例,而不是全部实施例。在其他实施例中,在本发明所记载的范围内,选择其他类似的模块、数据、模型、信息化***架构等得到技术方案,也可以达到本发明记载的技术效果,因此不再将其一一列出。同时,基于本发明上述实施例,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变更或修饰,都属于本申请权利要求的保护范围。
Claims (4)
1.一种高环境健康风险污染物监管优先级的自动判断方法,其包括如下步骤:
S1:构建出监管区域内各个工业企业特征污染物数据库;具体包括如下步骤:
S11:设置基础信息收集模块,依次进行监管区域内各个企业生产活动基础信息的获取及特征污染物数据库的构建;
S12:收集监管区域内各个企业生产活动信息,包括生产产品、所属行业、工艺流程、主要排放污染物、所属行业排放标准、排污口监督性监测数据、全国污染源调查的基础资料,构建出监管区域内各个工业企业特征污染物数据库;
S2:获取监管现场各工业企业的环境数据,对监管区域内各个工业企业特征污染物的暴露情况进行评估和分级;具体包括如下步骤:
S21:设置特征污染物实测数据录入模块,获取监管现场各工业企业的环境数据,依次获取监管区域内工业企业排污口和周边环境的水、土壤、大气、农作物介质中特征污染物的现场实测浓度;
S22:对特征污染物的暴露情况进行评估和分级
设置暴露情况评估模块,对获取的现场实测浓度数据,导入污染物环境暴露评估模型对特征污染物的暴露情况进行评估和分级;
污染物环境暴露评估模型,即污染物环境暴露分值计算公式包括如下公式(1)~(4):
SEi = SFi+SCi+SPi (1)
SEi—特征污染物i的环境暴露分值
SFi—特征污染物i的检出率分值
SCi—特征污染物i的检出浓度分值
SPi—特征污染物i检出介质的多样性分值
SFi = (X-Min)×20/(Max-Min) (2)
X—特征污染物i的检出率
Min—全部特征污染物检出率的最小值
Max—全部特征污染物检出率的最大值
SCi = C1i×50/C0i (3)
C1i—特征污染物i的环境浓度
C0i—特征污染物i在对应环境介质中的排放标准限值或环境质量标准限值
若C1i小于或等于C0i,Ci按公式(3)计算得到;若C1i大于C0i,SCi自动赋值50;
SPi = Pi×10 (4)
Pi—特征污染物i被检出的介质种类
S23:按照如下分级分值划分标准,对步骤S22计算得到的结果进行等级划分:污染物质环境暴露分值大于60,该物质的环境暴露等级由***自动判定为高;污染物质环境暴露分值大于30且小于或等于60,该物质的环境暴露等级由***自动判定为中;污染物质环境暴露分值小于或等于30,该物质的环境暴露等级由***自动判定为低;
S3:构建污染物毒性等级判定模型,进行毒性数据收集和判断;具体包括如下步骤:
S31:设置污染物毒性等级判定模块,构建污染物毒性等级判定模型,基于监管区域内重点行业企业用地调查污染物字典中毒性分值,进行毒性数据收集和判断;
S32:针对收录于污染物字典的物质,自动对特征污染物的毒性在0~10000范围内进行赋值,毒性分值为10000的物质,自动判定毒性等级为高;毒性分值为1000或100的物质,自动判定毒性等级为中;毒性分值为10或0的物质,自动判定毒性等级为低;
S33:针对未收录于污染物字典或污染物字典中无分值的物质,若该物质具有致癌性,则自动赋值10000,若属于非致癌物质,则采集IRIS、PubChem数据库中该污染物和污染物字典中两个其他同类且有分值的物质对于模式生物大鼠经口的半致死浓度LD50,进行毒性分值等比换算;
S34:针对步骤S32、S33均无法赋值的物质,则采集对应的行业排放标准限值,选取同类且有分值的物质进行毒性分值等比换算,同一物质使用多个参照物质或出现于多个排放标准中,则取计算得到的最大分值;
S35:针对步骤S34也无法赋值的物质,则默认毒性分值为0;
S4:构建污染物排放途径多样性分级模型,对排放途径多样性进行分级;具体包括如下步骤:
S41:设置污染物排放途径多样性评估模块,构建污染物排放途径多样性分级模型,具体为:排放途径包含3种环境介质的多样性等级为高;排放途径包含2种环境介质的多样性等级为中;排放途径包含1种环境介质的多样性等级为低;
S42:将污染物排放途径的涉水、涉气、涉土多样性数据导入污染物排放途径多样性分级模型中,进行分级;
S5:构建污染物健康危害性分级模型,对污染物的健康危害性进行快速分级;具体包括如下步骤:
S51:设置污染物健康危害性评估模块,构建污染物健康危害性分级模型,即污染物的健康危害性分值计算公式为:
STi = 0.5×S1i+0.3×S2i+0.2×S3i (5)
STi—特征污染物i的健康危害性分值
S1i—特征污染物i的毒性等级分值
S2i—特征污染物i的环境暴露等级分值
S3i—特征污染物i的排放途径多样性等级分值
其中,环境暴露等级、毒性等级、排放途径多样性等级的赋值规则均为:高等级自动赋值3、中等级自动赋值2、低等级自动赋值1;
S52:根据分级模型进行污染物健康危害性等级划分:将步骤S2、S3、S4得到的等级判定结果,输入到污染物健康危害性分级模型即公式(5)中,对污染物的健康危害性进行快速分级;
S6:构建环境健康风险受体敏感性评估模型,对环境健康风险受体敏感性进行快速评估;具体包括如下步骤:
S61:设置环境健康风险受体敏感性评估模块,构建环境健康风险受体敏感性评估模型,即环境健康风险受体敏感性分值计算公式为:
SR = SR e + SR p (6)
SR—环境健康风险受体敏感性分值
SRe—受体敏感性分值
SRp—人群敏感性分值;
S62:根据企业影响范围内受体和人群敏感性,对环境健康风险受体敏感性进行快速评估,即评估企业环境健康风险受体敏感性;
S7:构建污染物监管优先级评估模型,导入步骤S5、S6的输出结果,评估监管区域内各企业特征污染物的监管优先级,再结合评估结果筛选出的各企业生产活动中具体的高环境健康风险物质,进行针对性差别监管。
2.根据权利要求1所述高环境健康风险污染物监管优先级的自动判断方法,其特征在于:所述的步骤S7,包括如下步骤:
S71:设置污染物监管优先级评估模块,构建污染物监管优先级评估模型即污染物监管优先级计算公式为:
L i = ST i ×SR (7)
L i —特征污染物i的监管优先级
STi—特征污染物i的健康危害性分值
SR—环境健康风险受体敏感性分值
S72:导入步骤S5、S6的输出结果,评估监管区域内各企业特征污染物的监管优先级,再结合评估结果筛选出的各企业生产活动中具体的高环境健康风险物质,进行针对性监管。
3.一种实施权利要求1-2任一项所述方法的高环境健康风险污染物监管优先级的自动判断***,其特征在于:其为一网络信息化***,其包括云服务器及多个终端;所述的云服务器内置高环境健康风险污染物监管优先级的自动判断程序,该程序包括:基础信息收集模块,特征污染物实测数据录入模块,暴露情况评估模块,污染物毒性等级判定模块,污染物排放途径多样性评估模块,污染物健康危害性评估模块,环境健康风险受体敏感性评估模块,污染物监管优先级评估模块;各模块相互配合,完成步骤S1-S7的自动判断过程。
4.根据权利要求3所述的高环境健康风险污染物监管优先级的自动判断***,其特征在于:
所述的基础信息收集模块内,设有监管区域内各个工业企业特征污染物数据库;
所述的特征污染物实测数据录入模块,获取监管现场各工业企业的环境数据;
所述的暴露情况评估模块内置污染物环境暴露评估模型程序,对特征污染物的暴露情况进行评估和分级;
所述的污染物毒性等级判定模块,内置污染物毒性等级判定模型程序,基于监管区域内重点行业企业用地调查污染物字典中毒性分值,进行毒性数据收集和判断;
所述的污染物排放途径多样性评估模块,内置污染物排放途径多样性分级模型程序;
所述的污染物健康危害性评估模块,内置污染物健康危害性分级模型程序,进行污染物的健康危害性分值计算、对污染物健康危害性等级划分;
所述的环境健康风险受体敏感性评估模块,内置环境健康风险受体敏感性评估模型程序,进行环境健康风险受体敏感性分值计算;
所述污染物监管优先级评估模块,内置污染物监管优先级评估模型程序,进行污染物监管优先级计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311103790.1A CN116822970B (zh) | 2023-08-30 | 2023-08-30 | 高环境健康风险污染物监管优先级的自动判断方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311103790.1A CN116822970B (zh) | 2023-08-30 | 2023-08-30 | 高环境健康风险污染物监管优先级的自动判断方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116822970A CN116822970A (zh) | 2023-09-29 |
CN116822970B true CN116822970B (zh) | 2023-11-21 |
Family
ID=88118862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311103790.1A Active CN116822970B (zh) | 2023-08-30 | 2023-08-30 | 高环境健康风险污染物监管优先级的自动判断方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116822970B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117434227B (zh) * | 2023-12-20 | 2024-04-30 | 河北金隅鼎鑫水泥有限公司 | 一种水泥制造厂的废气成分监控方法及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009026282A (ja) * | 2007-07-21 | 2009-02-05 | Risk Analysis Laboratory Co Ltd | 産業活動に伴う環境破壊や健康被害を軽減する,効果的な対策の判定システム |
JP2010073178A (ja) * | 2008-09-16 | 2010-04-02 | Risk Analysis Laboratory Co Ltd | 化学物質の体内量と経過時間および人体側の抵抗力に依存した健康被害の予測システム |
CN101777145A (zh) * | 2009-12-31 | 2010-07-14 | 环境保护部华南环境科学研究所 | 环境风险源识别与综合研判方法 |
CN102867116A (zh) * | 2012-08-30 | 2013-01-09 | 常州大学 | 基于健康风险的区域水环境优先控制污染物筛选方法 |
KR20130022069A (ko) * | 2011-08-24 | 2013-03-06 | 한국과학기술연구원 | 다기능 이동형 대기오염 측정용 차량 |
KR20180000560A (ko) * | 2016-06-23 | 2018-01-03 | 엔팩토리주식회사 | 위치기반의 누적적 오염노출 정보 제공 방법 |
CN111222803A (zh) * | 2020-01-14 | 2020-06-02 | 南京大学 | 基于环境风险***的企业累积性环境风险评估***及方法 |
CN111915197A (zh) * | 2020-08-07 | 2020-11-10 | 厦门青霭信息科技有限公司 | 一种基于多源地理大数据的企业环境损害潜势评估方法 |
CN113657748A (zh) * | 2021-08-13 | 2021-11-16 | 中国环境科学研究院 | 一种基于风险的场地重点行业高风险有机污染物筛选方法 |
CN116128277A (zh) * | 2022-09-28 | 2023-05-16 | 北京市生态环境保护科学研究院 | 一种固定污染源分类分级的动态预警方法及*** |
CN116384748A (zh) * | 2023-04-10 | 2023-07-04 | 中国环境科学研究院 | 基于环境监测的工业企业环境健康风险分级方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001222588A (ja) * | 2000-02-07 | 2001-08-17 | Matsushita Electric Ind Co Ltd | 環境アセスメントテーブル、環境評価装置、環境アセスメントシステム、環境アセスメント用サーバ装置、環境アセスメント用端末装置、オークションシステム及びプログラム記録媒体 |
US20070233400A1 (en) * | 2006-03-29 | 2007-10-04 | Amsted Industries Incorporated | Method of calculating environmental risk of a chemical |
US20140188495A1 (en) * | 2012-12-30 | 2014-07-03 | Nanjing University | Method for assessing and managing health risks associated with heavy metal pollution |
US9424517B2 (en) * | 2013-10-08 | 2016-08-23 | Baker Hughes Incorporated | Methods, systems and computer program products for chemical hazard evaluation |
TWI502538B (zh) * | 2014-08-05 | 2015-10-01 | Environmental Prot Administration Executive Yuan Taiwan R O C | 廢棄工廠環境風險篩檢系統 |
CN110333325B (zh) * | 2019-08-02 | 2021-09-17 | 中南大学 | 一种大气污染环境下列车运行防护方法及*** |
-
2023
- 2023-08-30 CN CN202311103790.1A patent/CN116822970B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009026282A (ja) * | 2007-07-21 | 2009-02-05 | Risk Analysis Laboratory Co Ltd | 産業活動に伴う環境破壊や健康被害を軽減する,効果的な対策の判定システム |
JP2010073178A (ja) * | 2008-09-16 | 2010-04-02 | Risk Analysis Laboratory Co Ltd | 化学物質の体内量と経過時間および人体側の抵抗力に依存した健康被害の予測システム |
CN101777145A (zh) * | 2009-12-31 | 2010-07-14 | 环境保护部华南环境科学研究所 | 环境风险源识别与综合研判方法 |
KR20130022069A (ko) * | 2011-08-24 | 2013-03-06 | 한국과학기술연구원 | 다기능 이동형 대기오염 측정용 차량 |
CN102867116A (zh) * | 2012-08-30 | 2013-01-09 | 常州大学 | 基于健康风险的区域水环境优先控制污染物筛选方法 |
KR20180000560A (ko) * | 2016-06-23 | 2018-01-03 | 엔팩토리주식회사 | 위치기반의 누적적 오염노출 정보 제공 방법 |
CN111222803A (zh) * | 2020-01-14 | 2020-06-02 | 南京大学 | 基于环境风险***的企业累积性环境风险评估***及方法 |
CN111915197A (zh) * | 2020-08-07 | 2020-11-10 | 厦门青霭信息科技有限公司 | 一种基于多源地理大数据的企业环境损害潜势评估方法 |
CN113657748A (zh) * | 2021-08-13 | 2021-11-16 | 中国环境科学研究院 | 一种基于风险的场地重点行业高风险有机污染物筛选方法 |
CN116128277A (zh) * | 2022-09-28 | 2023-05-16 | 北京市生态环境保护科学研究院 | 一种固定污染源分类分级的动态预警方法及*** |
CN116384748A (zh) * | 2023-04-10 | 2023-07-04 | 中国环境科学研究院 | 基于环境监测的工业企业环境健康风险分级方法 |
Non-Patent Citations (1)
Title |
---|
基于本地污染源调查的杭州市大气污染物排放清单研究;杨强等;《环境科学学报》;第37卷(第9期);3240-3254 * |
Also Published As
Publication number | Publication date |
---|---|
CN116822970A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767032B (zh) | 一种农田土壤重金属污染决策***及方法 | |
Horita et al. | Understanding the decision-making process in disaster risk monitoring and early-warning: A case study within a control room in Brazil | |
Gallopin | Environmental and sustainability indicators and the concept of situational indicators. A systems approach | |
CN116822970B (zh) | 高环境健康风险污染物监管优先级的自动判断方法及*** | |
Vaughan et al. | Monitoring long-term ecological changes through the ecological monitoring and assessment network: science-based and policy relevant | |
CN110459329A (zh) | 一种登革热风险综合评估方法 | |
Magee et al. | A national-scale vegetation multimetric index (VMMI) as an indicator of wetland condition across the conterminous United States | |
CN113379227A (zh) | 产业园区数据处理方法、装置、计算机设备及存储介质 | |
Singh et al. | Assessment of air quality in Haora River basin using fuzzy multiple-attribute decision making techniques | |
Diaz-Ramos et al. | EMAP statistical methods manual | |
CN114140094B (zh) | 一种食品企业智能化风险监控预警*** | |
CN112651553A (zh) | 一种城市大气污染预警监管和决策分析的方法 | |
Hamilton et al. | Vulnerability of biological metrics and multimetric indices to effects of climate change | |
CN112270633A (zh) | 一种基于大数据驱动的公益诉讼线索研判***和方法 | |
Yazar et al. | Heat exposure and the climate change beliefs in a Desert City: The case of Phoenix metropolitan area | |
CN116384748A (zh) | 基于环境监测的工业企业环境健康风险分级方法 | |
Davis et al. | A rapid forest assessment method for multiparty monitoring across landscapes | |
Alba et al. | Combining botanical collections and ecological data to better describe plant community diversity | |
Ma et al. | Assessing cumulative impacts within state environmental review frameworks in the United States | |
Kaewkhow et al. | Aggregation of Thai arborist judgments on urban tree hazard inventories used to determine tree health at single-tree level | |
DeGasperi et al. | Stormwater action monitoring status and trends study of puget lowland ecoregion streams: evaluation of the first year (2015) of monitoring data | |
Lucas Souza et al. | MUNICIPAL SOLID WASTE MANAGEMENT: ANALYSIS OF SUSTAINABILITY INDICATORS IN THE METROPOLITAN AREA OF FORTALEZA, CEARÁ. | |
Sadeghi et al. | Developing a Framework for Prioritizing Bicycle Safety Improvement Projects using Crowdsourced and Image-Based Data | |
Schleensteina et al. | Outcomes of a Citizen Science Methodology and Traditional Odour Impact Evaluation Techniques Applied in a Chilean Pilot Study | |
Vishnevetskiy et al. | Open access system of life quality management on the basis of spatial modelling of pollution in the coastal areas |
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 |