一种基于GIS的大气细颗粒物中三价砷浓度的预测方法技术

本发明专利技术公开了一种基于GIS的大气细颗粒物中三价砷浓度的预测方法，步骤如下：S1、布设采样点，采集PM

【技术实现步骤摘要】
一种基于GIS的大气细颗粒物中三价砷浓度的预测方法
本专利技术属于大气污染物空间分布的模拟和预测领域，具体涉及一种基于GIS的大气细颗粒物中三价砷浓度的预测方法。
技术介绍
砷(As)是一种广义上的重金属元素，是国际癌症研究机构确认的致癌物质。砷元素在环境中的毒性与其赋存形态有关，不同形态的毒性具有显著差异。空气中的水溶性砷以无机形态的五价砷(As(V))和三价砷(As(III))为主，并伴有少量的有机砷。在这些形态中，As(III)的毒性最强。我国部分城市大气细颗粒物PM2.5中砷造成的致癌风险已不可忽略。为了准确评价PM2.5中砷对人体可能造成的健康风险，需要准确表征PM2.5中毒性最强的As(III)的暴露强度。而空气污染物浓度是普遍使用的空气暴露强度表征方法，污染物浓度数据的空间分辨率影响暴露强度的准确度，空间分辨率过低会降低暴露评价的准确度。也就是说，准确评价PM2.5中砷的健康风险，需要较高空间分辨率的As(III)浓度数据。PM2.5中重金属元素的空间分布比较复杂，存在较大的空间变异性。已有的PM2.5中As(III)浓度的空间分布预测和模拟方法，主要针对包括As在内的多种重金属元素的总量浓度，没有专门针对As(III)的研究。例如，CN107121650A《基于支持向量机技术的大气颗粒物重金属磁学评估方法》，构建大气重金属污染的磁学快速评估模型；CN108169316A《基于支持向量机和树叶磁学的大气重金属污染评估方法》可用于城市大气颗粒物重金属污染的快速模拟和预测；CN107300550A《一种基于BP神经网络模型预测大气重金属浓度的方法》可对大气重金属的浓度进行评估。而专门针对大气颗粒物中砷的形态研究，主要是针对不同形态砷的提取方法，例如，CN1O5606721A《一种PM2.5中砷的分离测定方法》。《基于多采样点的南京市PM2.5中的水溶性砷分析》虽然基于多个采样点来分析As(III)的空间特征，但是并没有提供预测As(III)浓度的方法，因而也不能得到高空间分辨率的As(III)浓度数据，因此不能完全表征出As(III)的空间变异特征。总之，由于As(III)是PM2.s中毒性最强的水溶性砷形态，以及PM2.5中重金属浓度具有复杂的空间变异特征，为了是准确评价PM2.5中砷的健康风险，这就亟需获取较高空间精度的PM2.5中As(III)浓度的数据。
技术实现思路
本专利技术针对现有技术中的不足，提供一种预测未知点的PM2.5中As(III)浓度的方法，该方法得到一种预测As(III)浓度的多元线性回归方程，并基于GIS得到As(III)浓度的空间分布图，以解决现有技术无法提供高空间分辨率的PM2.5中As(III)浓度数据的不足。为实现上述目的，本专利技术采用以下技术方案：一种基于GIS的大气细颗粒物中三价砷浓度的预测方法，包括如下步骤：S1、在待预测区域布设N个代表性的采样点，采集PM2.5样品；S2、对PM2.5样品中的As(III)进行提取与分析；S3、空间分析计算自变量；S4、自变量的初步筛选：将单个自变量与As(III)浓度进行一元线性回归，保留回归系数与预期效应方向相符的自变量，对同一类自变量进行主成分分析和方差最大化旋转，以特征值大于1的主成分得分作为自变量；S5、前向逐步回归选出最佳的As(III)浓度预测模型：采用多元线性回归方程来预测PM2.5中的As(III)浓度，利用自变量以及主成分得分，使用前向逐步回归方法、AIC准则选出最佳预测模型；S6、回归诊断与模型校验；S7、未知点预测以及空间分布图制作。为优化上述技术方案，采取的具体措施还包括：进一步地，步骤S1中，使用中流量采样器收集PM2.5样品；采样方法具体为按季节采样，每个季节采样持续14天，采样为期一年。进一步地，步骤S1中，采样介质为高纯度石英滤膜，采样前后滤膜恒温恒湿48h并称重，恒温条件为温度20-25℃，恒湿条件为相对湿度40-45％；采用间隔采样法，每小时采样4分钟，每个样品共采集22.4小时。进一步地，步骤S3中，自变量包括以下6类：交通源、工业点源、土地利用、人口、高程和归一化植被指数NDVI。进一步地，步骤S3中，利用GIS软件对自变量的空间数据进行处理，使用ArcGIS对缓冲区内的地理信息进行统计，缓冲区半径取值在25m～30km。进一步地，步骤S5具体包括，采用多元线性回归方程来预测PM2.5中的As(III)浓度，形式如下：C＝α+∑iβi×Xi(1)式中，C为As(III)的年平均浓度(ng·m-3)，α为截，距βi为自变量的回归系数，i＝0，1，...，n；Xi为自变量，i＝0，1，...，n。利用自变量以及主成分得分，使用前向逐步回归方法、AIC准则选出最佳预测模型。进一步地，步骤S5还包括，对逐步回归得到的最佳预测模型进行以下修订：(1)如果自变量方向与预期效应不符，则剔除该自变量；(2)如果自变量的回归系数不显著，则去掉该自变量后重新进行一次线性回归，如果校正R2减少超过1％，则保留该自变量，否则剔除该变量；(3)最佳预测模型中存在强影响点的处理：做As(III)与各个自变量的散点图，确定造成强影响点的自变量；检查该自变量的取值是否存在人为误差，如果存在则进行修改；如果不存在人为误差，分析这个自变量与因变量的线性关系是真实存在，根据情况决定该自变量的去留。进一步地，步骤S6中，使用K层交叉验证方法对线性回归模型进行校验，并计算均方根误差RMSE、平均绝对误差MAE和决定系数R2来评价模型效果；RMSE的计算公式为：式中，为去掉第i个点、用剩余N-1个点构建模型，用该模型预测的第i个点的浓度；yi为第i个点的观测值；N为样本容量；MAE的计算公式为：进一步地，步骤S7包括，将待预测区域离散为30m大小的网格，以网格中心点的浓度表示网格的平均As(III)浓度，利用ArcGIS的交集制表工具得到自变量的空间分布图；基于ArcGIS的栅格计算功能，根据多元线性回归方程计算各个网格的As(III)浓度，从而得到PM2.5中As(III)浓度的空间分布图。本专利技术的有益效果是：本专利技术提供了一种预测未知点的PM2.5中As(III)浓度的方法，可以获得高空间分辨率的As(III)浓度数据，这不仅有助于提高呼吸途径的砷暴露评价的准确度，也为揭示PM2.5中As(III)空间变异的复杂性及其影响机制提供了数据基础，为空气砷污染治理提供量化和科学的支撑。附图说明图1为本专利技术As(III)浓度的预测方法的技术流程图。图2为本专利技术实施例中采样点的空间分布图。图3为本专利技术实施例中As(III)浓度的季节变化。图4为本专利技术实施例中As(III)浓度的模拟值与观测值的对比。图5为本专利技术实施例预测得到的PM2.5中As(III)浓度(ng/m3)的空间分布图。...

【技术保护点】
1.一种基于GIS的大气细颗粒物中三价砷浓度的预测方法，其特征在于，包括如下步骤：/nS1、在待预测区域布设N个代表性的采样点，采集PM

【技术特征摘要】
1.一种基于GIS的大气细颗粒物中三价砷浓度的预测方法，其特征在于，包括如下步骤：
S1、在待预测区域布设N个代表性的采样点，采集PM2.5样品；
S2、对PM2.5样品中的As(III)进行提取与分析；
S3、空间分析计算自变量；
S4、自变量的初步筛选：将单个自变量与As(III)浓度进行一元线性回归，保留回归系数与预期效应方向相符的自变量，对同一类自变量进行主成分分析和方差最大化旋转，以特征值大于1的主成分得分作为自变量；
S5、前向逐步回归选出最佳的As(III)浓度预测模型：采用多元线性回归方程来预测PM2.5中的As(III)浓度，利用自变量以及主成分得分，使用前向逐步回归方法、AIC准则选出最佳预测模型；
S6、回归诊断与模型校验；
S7、未知点预测以及空间分布图制作。


2.根据权利要求1所述的大气细颗粒物中三价砷浓度的预测方法，其特征在于，步骤S1中，使用中流量采样器收集PM2.5样品；采样方法具体为按季节采样，每个季节采样持续14天，采样为期一年。


3.根据权利要求1所述的大气细颗粒物中三价砷浓度的预测方法，其特征在于，步骤S1中，采样介质为高纯度石英滤膜，采样前后滤膜恒温恒湿48h并称重，恒温条件为温度20-25℃，恒湿条件为相对湿度40-45％；采用间隔采样法，每小时采样4分钟，每个样品共采集22.4小时。


4.根据权利要求1所述的大气细颗粒物中三价砷浓度的预测方法，其特征在于，步骤S3中，自变量包括以下6类：交通源、工业点源、土地利用、人口、高程和归一化植被指数NDVI。


5.根据权利要求1所述的大气细颗粒物中三价砷浓度的预测方法，其特征在于，步骤S3中，利用GIS软件对自变量的空间数据进行处理，使用ArcGIS对缓冲区内的地理信息进行统计，缓冲区半径取值在25m～30km。


6.根据权利要求1所述的大气细颗粒物中三价砷浓度的预...

【专利技术属性】
技术研发人员：杨孟，刁一伟，
申请(专利权)人：南京信息工程大学滨江学院，
类型：发明
国别省市：江苏;32