一种基于PMF-GIS的土壤-作物重金属健康风险评价方法技术

本发明专利技术涉及环境技术领域，具体地涉及一种基于PMF

【技术实现步骤摘要】
一种基于PMF
‑
GIS的土壤
‑
作物重金属健康风险评价方法


[0001]本专利技术涉及环境
，具体地涉及一种基于PMF
‑
GIS的土壤
‑
作物重金属健康风险评价方法。

技术介绍

[0002]伴随着城市化、工业化和农业现代的快速发展，受矿山开采、工业、生活废水排放，污水灌溉、大气沉降、施肥等因素的影响，土壤重金属污染问题逐步凸显，已成为全球最重要的环境问题。由于重金属具有毒性大、生物降解性差、保留时间长的特点，土壤中过量重金属会通过食物链对人体健康产生危害。
[0003]目前通常采用美国环保署(USEPA)提供的人体健康暴露风险模型对土壤重金属进行健康风险评价，一般选取三个暴露途径，包括土壤摄入、土壤皮肤接触、土壤空气吸入，而忽略了与土壤对应的作物(食物)摄入这一途径，存在暴露途径选取不全面、污染来源不明确、健康风险评价结果展示不直观等问题。

技术实现思路

[0004]本专利技术的目的在于克服现有技术存在的缺点，提出设计一种基于PMF
‑
GIS的土壤
‑
作物重金属健康风险评价方法，以解决现有技术中对暴露途径选取不全面、污染来源不明确、健康风险评价结果展示不直观的问题。
[0005]本专利技术解决其技术问题所采取的技术方案是：
[0006]一种基于PMF
‑
GIS土壤
‑
作物重金属健康风险评价方法，包括以下步骤：
[0007]步骤1，采集研究区域中的作物及其配套根系土壤样品，以避免忽略对农作物样品采集，从而造成人体风险评价不全面的问题；
[0008]步骤2，对采集的土壤及作物样品进行样品加工处理，对其重金属元素进行检测；
[0009]步骤3，根据重金属检测结果，通过正矩阵因子分解PMF模型对样点土壤重金属来源进行识别，并计算贡献率；PMF模型无需测定复杂的原谱，不仅限定分解矩阵元素和分担率非负，而且可以处理遗漏和不精确的数据的特点，是一种操作简单有效的新型源解析方法，来源识别精确、能够定量计算重金属来源贡献率；
[0010]步骤4，根据重金属贡献率计算结果，计算每个采样点的来自不同来源的总非癌症风险指数HI；
[0011]步骤5，利用克里金空间差值法，地理信息空间系统GIS，绘制基于PMF的健康风险评价图，分析健康风险严重区域分布特点。
[0012]进一步的，在步骤3中，所述PMF计算公式如下：
[0013][0014]x
ij
为第i个样品中第j个元素的含量；g
ik
为样本i中第k个污染源的贡献率样品的
相对贡献；f
kj
为污染源k对第j个重金属浓度的特征值；e
ij
为残差，p为因子的个数；上述各参数均为无量纲。
[0015]进一步的，通过PMF模型分解原始矩阵X,得到最优矩阵g和f,使目标函数Q达到最小化，目标函数Q定义如下；
[0016][0017]u
ij
为第i个样品中第j个元素含量的不确定性大小；该模型可以对每一个单独的数据点进行权重处理，赋予每个数据点合适的不确定性大小；当元素的浓度低于或者等于相应的方法检出限(MDL)时，其不确定度Unc计算公式为：
[0018][0019]否则，计算公式为：
[0020][0021]δ为相对标准偏差；c为土壤重金属浓度；MDL为方法检出限。
[0022][0023]是样品j中来源l的重金属n的总贡献；是样品j中来源l的重金属n的计算贡献，C
j
是样品j中土壤重金属的浓度。
[0024]利用PMF模型对土壤重金属溯源计算过程中，由于因子数的不确定会对来源识别产生较大影响，本专利技术结合主成分分析，通过计算Q(expected)来确定因子数，Q(expected)＝样品数
×
变量数
‑
因子数
×
(样品数+变量数)。Q(expected)为目标函数Q的真值，以Q(robust)/Q(expected)快速下降处，确定最终因子数。
[0025]进一步的，在步骤4中，所述总非癌症风险指数HI的计算公式如下：
[0026][0027][0028][0029][0030][0031]式中，是来自第l个来源的第j个样品中第n种金属的浓度；为来自第
l个来源的第j个样品中第n种金属的日均土壤摄入量；为来自第l个来源的第j个样品中第n种金属的日均土壤吸入量；为来自第l个来源的第j个样品中第n种金属的日均土壤皮肤接触量；为来自第l个来源的第j个样品中第n种金属的日均饮食摄入量；IR为摄入率；EF为暴露频率；ED为暴露持续时间；BW为平均体质量；AT是暴露污染土壤天数；PET为灰尘排放因子；SA为暴露皮肤面积；AF为土壤对皮肤的黏附系数；ABS为皮肤吸收因子；RfD为日参考摄入剂量；HQ为非致癌健康风险度；HI为总非癌症风险指数。
[0032]本专利技术将土壤与作物对人体的健康风险进行综合评价，其评价结果更为全面。克服了以往对土壤人体健康风险评价，仅考虑土壤摄入、土壤皮肤接触和土壤空气吸入这三个途径，而忽略了农产品通过食品摄入人体这一重要途径的问题。
[0033]本专利技术正矩阵因子分解(PMF)模型、GIS技术与健康风险模型相结合，更加有助于在空间上对健康风险的来源、程度和分布进行研判，从而采取针对性的防治策略。
[0034]本专利技术步骤1和步骤2为野外工作阶段，为后续综合分析的基础；步骤3、步骤4和步骤5将重金属来源、健康风险和地理信息有机结合，从而对造成人体健康风险的目标元素和来源进行了有效识别，结合GIS技术，在地图上可以更为直观的展示出某种污染源中包含何种重金属，在什么区域对人体造成了较高的健康风险，达到了从污染来源
‑
健康评价
‑
地理信息的一体化的展示，该技术对污染的精准防控具有较大意义。
[0035]本专利技术的技术效果：
[0036]与现有技术相比，本专利技术的一种基于PMF
‑
GIS的土壤
‑
作物重金属健康风险评价方法，通过本专利技术能够更加全面的了解土壤
‑
作物的重金属健康风险暴露途径状况，通过PMF技术精准识别研究区域重金属来源及贡献率，结合GIS技术绘制基于重金属来源的健康风险空间分布图，为各级政府管理者提供更为针对性的重金属防治决策。
附图说明
[0037]图1为本专利技术实施例中基于PMF
‑
GIS的土壤
‑
作物重金属健康风险评价方法流程图；
[0038]图2为本专利技术实施例中研究区概况及样点分布位置图；
[0039]图3为本专利技术实施例中重金属PMF源解析贡献；
[0040]图4为本专利技术实施例中样点重金属标准化贡献率；
[0041]图5为本专利技术实施例中儿本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PMF
‑
GIS的土壤
‑
作物重金属健康风险评价方法，其特征在于：步骤1，采集研究区域中的作物及其配套根系土壤样品，以避免忽略对农作物样品采集，从而造成人体风险评价不全面的问题；步骤2，对采集的土壤及作物样品进行样品加工处理，对其重金属元素进行检测；步骤3，根据重金属检测结果，通过正矩阵因子分解PMF模型对样点土壤重金属来源进行识别，并计算贡献率；PMF模型无需测定复杂的原谱，不仅限定分解矩阵元素和分担率非负，而且可以处理遗漏和不精确的数据的特点，是一种操作简单有效的新型源解析方法，来源识别精确、能够定量计算重金属来源贡献率；步骤4，根据重金属贡献率计算结果，计算每个采样点的来自不同来源的总非癌症风险指数HI；步骤5，利用克里金空间差值法，地理信息空间系统GIS，绘制基于PMF的健康风险评价图，分析健康风险严重区域分布特点。2.根据权利要求1所述的基于PMF
‑
GIS的土壤
‑
作物重金属健康风险评价方法，其特征在于：在步骤3中，所述PMF计算公式如下：其中，x
ij
为第i个样品中第j个元素的含量；g
ik
为样本i中第k个污染源的贡献率样品的相对贡献；f
kj
为污染源k对第j个重金属浓度的特征值；e
ij
为残差，p为因子的个数。3.根据权利要求2所述的基于PMF
‑
GIS的土壤
‑
作物重金属健康风险评价方法，其特征在于：通过PMF模型分解原始矩阵X,得到最优矩阵g和f,使目标函数Q达到最小化，目标函数Q定义如下；u
ij
为第i个样品...

【专利技术属性】
技术研发人员：万方，于林松，牛水源，诸葛玉平，娄燕宏，姜楠，康桂玲，范海印，徐佳，陈莉，
申请(专利权)人：山东省物化探勘查院，
类型：发明
国别省市：