基于监测及Kriging方法的京津冀地区大气污染物暴露分布研究
2021-01-25王占山李志刚李晓倩薛凯兵王孜晔朱晓晶魏永杰
王占山, 李志刚, 钱 岩, 李晓倩, 郭 辰, 薛凯兵, 王孜晔, 朱晓晶, 魏永杰
中国环境科学研究院, 环境基准与风险评估国家重点实验室, 北京 100012
随着我国工业化和城市化进程的加快,城市生态环境日益恶化,成为制约经济发展、危害人体健康的重要因素[1-3]. 关于大气污染物对人体暴露风险的评估成为当前环境领域研究的热点和重点[4]. 空气污染暴露风险评估依赖于连续一致的浓度空间分布,以及尽量精细化到每个个体的暴露水平估算,但受限于目前我国仪器设备、资金和人力等因素,很难实现采用每个个体佩戴暴露装置的措施,同时,空气质量监测点位的数量和密度只能观测有限空间范围内的污染物浓度,不足以支撑科学全面的污染精细化暴露评估[5]. 以往在进行人群暴露水平研究时,常用以下两种方式进行:①假设所有污染物在空间内均具有相同浓度,用某一个站点的数据代表一个城市的暴露水平;②用全市多个站点的平均数据代表所关注人群的暴露水平. 这两种方法均存在较大的误差和不确定性.
为解决上述问题,国内外学者通常使用数值模拟、空间插值、遥感反演、LUR (Land Use Regression)模型等方法对有限固定站点的污染物监测浓度进行空间化[6]. 在数值模拟方面,Buonocore等[7]使用CMAQ模型模拟了美国电厂排放的PM2.5对人体健康的影响;Arunachalam等[8]使用CMAQ模型模拟了美国机场飞机起飞和降落时排放的PM2.5对人体健康的影响;CHEN等[9]使用CMAQ模型模拟了华北地区ρ(PM2.5)的空间分布和区域传输特征. 在空间插值方面,Pearce等[10]使用Kriging(克里金插值)方法研究了Cusco地区ρ(PM2.5)的空间分布特征;……
