《Sustainability》:Spatiotemporal Characteristics and Influencing Factors of Dust Pollution in Mining Areas: A Quantitative Approach Based on Correlation and Statistical Models
编辑推荐:
针对露天矿无组织粉尘排放导致的生态退化问题,研究人员选取河曲露天煤矿作为研究区,建立监测系统采集采掘场(mining pit)、主运输道路(main haul road)及煤场(coal yard)三个区域的TSP、PM10、PM2.5及环境指标数据,利用最小
针对露天矿无组织粉尘排放导致的生态退化问题,研究人员选取河曲露天煤矿作为研究区,建立监测系统采集采掘场(mining pit)、主运输道路(main haul road)及煤场(coal yard)三个区域的TSP、PM10、PM2.5及环境指标数据,利用最小显著差数法(LSD)验证分区必要性。研究人员采用个体空气质量指数(IAQI)、Pearson相关矩阵分析及灰色关联分析(GRA)考察污染物相关性;应用单变量模型、多元线性回归(MLR)及主成分分析–多元线性回归(PCA–MLR)定量分析粉尘演变规律与环境因子影响,并以平均相对误差(MRE)法验证模型精度。结果表明三区间粉尘浓度差异显著,采掘场与煤场各粒径粉尘浓度均超过二级标准限值,运输道路仅超一级限值,污染强度排序为采掘场 > 煤场 > 运输道路,PM2.5为各区域核心污染物。单变量模型中线性关系显著,多变量拟合优于单变量,MLR预测精度排序为煤场(3.02%) > 运输道路(9.46%) > 采掘场(10.75%)。采掘场内TSP与PM10与大气压呈强正相关,PM2.5与相对湿度呈强负相关;运输道路各粒径与温度、风速呈强负相关;煤场仅观测到与温度的强负相关。PCA–MLR模型较直接MLR模型精度提升56.63%与13.41%。综合分析表明河曲露天矿大气环境亟需主动修复措施以优化生态环境可持续性。
研究背景方面,当前露天矿产能已超煤炭总产能的15%,伴随作业面扩张,水土流失、粉尘污染及土壤肥力衰退等环境退化问题加剧。粉尘污染对作业人员健康、机械设备及周边环境影响最为严重,高浓度粉尘威胁职业健康并成为矿难主因之一,长期暴露于粉尘环境显著提升矿工癌症率。准确表征矿区粉尘分布特征及影响因素对制定防尘措施与可持续发展意义重大。现有研究虽从多视角探讨分布规律,但在整合相关性分析与统计理论以探究粉尘污染特征及环境指标扰动模式方面仍显不足。为此,研究人员以河曲露天煤矿为目标区,引入最小显著差数法(LSD)识别主要产尘区并建立综合粉尘监测系统,基于IAQI、Pearson相关矩阵、单变量回归、分离变量多元线性回归(MLR)、灰色关联分析(GRA)及主成分分析–多元线性回归(PCA–MLR)建模,定量揭示环境指标对粉尘污染潜力的扰动规律,并以平均相对误差(MRE)验证模型优选矿区粉尘预测最优模型,为矿区环境优化提供预测模型与理论参数。该研究发表于《Sustainability》。
研究人员开展研究用到的主要关键技术方法包括:在现场数据收集中,将矿区划分为采掘场(区域1)、主 haul 道路(区域2)、煤场(区域3)三个区域,各设5个监测点,历时18天分6个采样期采集TSP、PM10、PM2.5及风速(WS)、温度(T)、相对湿度(RH)、大气压(P)同步数据,样本来源于河曲露天煤矿典型黄土高原地貌区。采用最小显著差数法(LSD)验证分区显著性;采用个体空气质量指数(IAQI)亚指数法定量表征单污染物影响以识别核心污染物;采用Pearson相关矩阵分析粒径间及与环境因子非方向性关系;采用灰色关联分析(GRA)评估序列几何相似性以计算关联度;采用主成分分析–多元线性回归(PCA–MLR)对环境指标降维提取主成分后回归,以Bartlett检验与KMO检验前置验证;采用平均相对误差(MRE)法对比MLR与PCA–MLR预测精度,所有分析基于SPSS 2017软件完成。
研究结果部分保留原文小标题并依原文浓缩结论如下:
4.1节 区域粉尘分布特征分析。研究人员通过LSD法事后比较发现三区间TSP、PM10、PM2.5空间分布差异极显著(p<0.01),验证分区必要性。粉尘浓度排序为采掘场 > 煤场 > 运输道路,采掘场与煤场各粒径超二级限值,运输道路仅超一级限值。时间序列上采掘场各粒径同步平稳变化,运输道路呈单谷变化,煤场呈双谷变化,表明采掘场受稳定主导因子(如开采强度)控制,后两者受自然条件显著扰动。微尘富集率ρ2-10、ρ2-2.5显示运输道路细颗粒占比最高(ρ2 > ρ3 > ρ1)。IAQI分析确认各区域核心污染物均为PM2.5,且IAQI排序为采掘场 > 煤场 > 运输道路。
4.2节 不同区域粉尘演变模型的定量评价。Pearson相关矩阵显示三区域各粒径在0.01水平显著相关,煤场相关性最高(rab达0.932),采掘场最低,表明同区粒径同源相依。单变量回归中线性模型适用性广泛,满足MLR特征。经正态P-P检验、方差齐性、D-W检验及方差膨胀因子(VIF)<5验证,MLR模型有效。拟合系数R2排序为煤场(0.825) > 运输道路(0.81) > 采掘场(0.625),PM10对TSP影响权重随区域号增大(46.5%、51.7%、60.5%),PM2.5权重随区域号减小(53.5%、48.3%、39.5%)。MLR预测平均相对误差(MRE)为采掘场10.75%、运输道路9.46%、煤场3.02%,均在15%内可接受,煤场稳定性最佳。
4.3节 不同区域环境指标对粉尘浓度影响的变异分析。Pearson相关显示采掘场TSP、PM10与大气压(P)呈显著正相关,PM2.5与相对湿度(RH)呈显著负相关;运输道路各粒径与温度(T)、风速(WS)呈显著负相关;煤场各粒径仅与温度(T)呈显著负相关。灰色关联分析(GRA)得关联度均>0.5,采掘场关键指标为大气压与相对湿度(TSP-P为0.85,PM2.5-RH为0.84),运输道路为温度与风速(PM10-WS为0.76),煤场为温度(TSP-T为0.69)。
4.4节 环境指标对粉尘影响权重的综合分析。以微尘富集率最高的运输道路(区域2)建PCA–MLR,KMO=0.545、Bartlett p=0.047通过检验,提取特征值>1的两主成分F1(贡献67.09%,载荷P、RH、T)与F2(贡献27.45%,载荷WS),累计95.54%。MLR显示F2(WS)未标准化系数为F1的1.88倍(PM2.5)与2倍(PM10),风速为负向抵抗效应关键指标。子元素贡献率WS最高(PM2.5模型53.7%,PM10模型52.4%),T最低。PCA–MLR预测PM2.5与PM10的MRE为4.58%与10.56%,较直接MLR精度提升56.63%与13.41%。
讨论部分总结:研究人员指出粉尘浓度变化与各粒径IAQI高度一致,采掘场大气环境最差、煤场次之、运输道路最优,核心污染物PM2.5,微尘富集率运输道路最高。采掘场因岩体破碎扰动大、粒径多样导致拟合较差;运输道路受限平整硬化表面致细颗粒逃逸;煤场扬尘机制限粒径且源集中致规律累积。环境指标影响模式具分区异质性:采掘场大气压促进TSP、PM10,相对湿度抑制PM2.5;运输道路温度与风速促扩散沉降;煤场仅温度显著负向影响。PCA–MLR通过归并同质变量避多重共线、剔无关数据,较MLR降过拟合风险、提精度。研究局限性在于特定季节采样少难推全年、设备微尺度分辨有限、仪器轮换致非真正同步测量引时变误差。
结论部分原文翻译浓缩如下:
(1)基于LSD法确认分区显著必要,三区空间污染能力排序采掘场 > 煤场 > 运输道路,与IAQI一致,PM2.5为全区域核心污染物;但当TSP浓度相等时空间污染能力序反转。
(2)八模型单变量回归示线性关系显著,多元线性回归(MLR)方程拟合优度R2排序R12(0.625) < R22(0.81) < R32(0.825),多变量优于单变量,亦适用于各粒径Pearson相关系数;PM10与PM2.5对TSP贡献率分别随区域号正、负相关;MLR预测精度排序煤场 > 运输道路 > 采掘场。
(3)采掘场TSP、PM10与大气压显著正相关,PM2.5与相对湿度显著负相关;运输道路各粒径与温度、风速显著负相关;煤场各粒径仅受温度显著负向抵抗效应。
(4)以微尘权重与环境指标建PCA–MLR得标准化及反演原式,PM2.5与PM10模型较直接MLR预测精度分别提升56.63%与13.41%。