以下文章来源于RECT1962 ，作者金秋
智利瓦尔帕莱索天主大学María Fernanda Caviere团队在Reviews of Environmental Contamination and Toxicology（RECT）期刊发表题为“A Methodology for Data-Driven Decision-Making in the Monitoring of Particulate Matter Environmental Contamination in Santiago of Chile”的综述。
论文亮点
本研究提出了一种基于二元质量控制图和不对称分布的监测智利圣地亚哥颗粒物污染的方法，以圣地亚哥实际颗粒物污染为案例，研究表明该方法适用于预警极端空气污染的早期事件，所得结果与智利卫生局使用的当前模型所报告的关键事件一致。
论文背景
随着全球发展，人类活动造成的空气污染日益加剧，根据世界卫生组织统计（WHO），全球每年有420万人死于空气污染，91%的人口生活在空气质量低于WHO安全准则的地区且暴露于空气污染中。气象和气候变量在确定空气污染模式中起着重要作用，全球气候变化会导致部分污染物浓度的增加。智利首都圣地亚哥是世界上空气污染水平较高的城市之一，其地理位置、气候及高排放造成了严重的空气污染，逆温层较强的垂直热稳定性降低了湿度和空气流动，这导致了圣地亚哥颗粒物（particulate matter, PM）浓度的升高。随着空气污染加剧，PM对呼吸道及心血管疾病的危害同样严重威胁着人类健康。数据驱动决策（data-driven decision-making, DDDM）中，将大数据与数据科学结合分析生成空气质量信息，能够更便利地研究大气污染对人类健康和城市环境的影响。但由于空气污染数据的复杂性及不确定性，使用常用的正态分布和高斯分布具有一定局限，而Birnbaum-Saunders分布具有不对称的正偏度，适用于随地理和气象条件变化的空气污染数据分析。本文综述了圣地亚哥空气污染问题和PM对人体健康危害的同时，提出了一种适用于研究空气质量模型的数据科学方法。
01
圣地亚哥的颗粒物及污染
PM的大小决定了呼吸道内颗粒物的沉积位置，如大于10μm的颗粒无法进入呼吸道，2.5-10μm的颗粒沉积在下呼吸道，小于2.5μm的可以进入肺泡，而小于0.1μm的超细颗粒（ultrafine particles，UFPs）可以被血液吸收，因此对PM分类对风险评估十分重要。PM的来源包括大颗粒的破碎和燃烧，不仅包含有机碳、硫和氮氧化物形成的颗粒，还包括生物材料。研究已表明，吸入颗粒物会对呼吸系统、心脑血管疾病和癌症产生危害，世界范围内也已发生了大型吸入颗粒物环境污染事件，如1952年伦敦雾都事件。
圣地亚哥（33°27’S, 70°40’W）是智利最大的城市，位于南美洲亚热带地区，在沿海山脉及安第斯山脉之间，是世界上空气污染最严重的城市之一。圣地亚哥的空气质量不仅受人为活动影响，还受气候条件恶化影响。智利当局通过该城市11个空气监测点制定24小时内PM2.5和PM10浓度的最大值分别为50和150μg/Nm3（CONAMA 1998;MMA 2011）。统计结果表明，当圣地亚哥空气污染加剧时，与呼吸和心血管疾病相关的住院人数呈显著增长趋势。
02
城市环境污染监测数据方法学
Birnbaum-Saunders np控制图基于二项分布，对不合格率具有自适应性，在质量监控过程中，人们可以关注超过标准值的次数和概率。因此，该方法可以提供一个监控过程的准则。
Standard Bivariate控制图是正态分布下双变量过程的有用工具，即服从二元正态分布。该方法通常可以通过对观测结果的解读发现数据集的失控状态，且能有效发现结果中的误报率。
在实际应用中，很多数据不能满足正态分布假设，因此Bivariate Birnbaum-Saunders和Birnbaum-Saunders-t分布是双变量正态分布的一个很好替代。相对于正态分布，Bivariate Birnbaum-Saunders和Birnbaum-Saunders-t分布具有稳健性和对环境数据建模的理论证明。因此，基于Birnbaum-Saunders和Birnbaum-Saunders-t分布的Bivariate Birnbaum-Saunders控制图可以为监测城市环境污染特别是PM2.5和PM10的浓度提供稳健的方法。
03
智利圣地亚哥的案例研究
本研究使用智利城市环境卫生服务局收集的PM2.5和PM10的数据作为随机变量。图1显示了PM2.5和PM10浓度的散点图，发现浓度之间存在高度的正相关性。因此，为给出全面且完整的环境污染风险评估结果，PM2.5和PM10浓度均需要被考虑。本研究采用Bivariate Birnbaum-Saunders控制图，确定每天每小时PM2.5和PM10超过智利指南的次数，同时监测PM2.5和PM10的浓度，以充分预测污染的关键时期。
图1 PM2.5和PM10浓度的散点图及相关性
图2和图3分别证实了Bivariate Birnbaum-Saunders和Bivariate Birnbaum-Saunders-t分布与第一阶段及第二阶段数据的良好拟合。图4为Bivariate Birnbaum-Saunders-t控制图，该类图适用于PM2.5和PM10浓度之间高度相关的情况，可以看出，该研究时段中未出现失控情况。而图5则为PM2.5和PM10浓度的Birnbaum-Saunders np控制图，其中PM2.5的浓度远远超过智利的准则标准，由于PM2.5在肺部的积累位置，这种情况对健康非常有害。
图2 Bivariate Birnbaum-Saunders(左)和Birnbaum-Saunders-t(右)分布在阶段1的PP图
图3 Bivariate Birnbaum-Saunders(左)和Birnbaum-Saunders-t(右)分布在阶段2的PP图
图4 2015年8月Bivariate BirnbaumSaunders-t 分布图
图5 2015年8月PM2.5（左）和PM10（右）地np Birnbaum-Saunders图
现阶段，控制图在环境监测过程中的应用较为有限，但本研究预计它将成为大数据时代流行的替代方案。本文提出的基于环境监测控制图工具的数据驱动方法，在评估空气质量时表现出良好的性能，特别是在考虑两个相关的统计变量时。基于稳健Bivariate Birnbaum Saunders控制图的方法检测到的关键事件与智利卫生当局验证的关键事件较为一致，有助于预警和预防可能发生的严重空气污染时间。
04
结论
大气颗粒物污染是胁迫人体健康的重要环境问题，本文建议，空气质量监测可以通过使用数据分析来实现，在数据驱动决策的背景下生成信息，以预警和提醒人们即将到来的空气污染事件。本研究基于二元质量控制图和不对称分布，对智利圣地亚哥颗粒物污染的数据进行监测，其结果与智利卫生当局使用的当前模型所报告的关键事件一致。
文章来源
Cavieres M F, Leiva V, Marchant C, et al. A Methodology for Data-Driven Decision-Making in the Monitoring of Particulate Matter Environmental Contamination in Santiago of Chile. Reviews of Environmental Contamination and Toxicology Volume 250, 2020: 45-67.
文章链接
https://link.springer.com/chapter/10.1007/398_2020_41
转自：“NANO学术”微信公众号
如有侵权，请联系本站删除！
