暴露评估中的外推不确定性的模拟研究 - - 用试点研究结果进行现场调查
Philip E Goodrum1, Emma S Mendelsohn2, Stephen M Roberts3
1GSI Environmental, Fayetteville, NY, USA.
Journal of environmental management
|March 28, 2024
概括
增量采样方法 (ISM) 可靠地将土壤污染物数据推断到大型地点,减少决策错误. 这种方法最大限度地减少了虚假的不合规情况,并为环境采样提供了准确的合规估计.
科学领域:
- 环境科学 环境科学
- 地理空间分析的研究.
- 风险评估 风险评估
背景情况:
- 描述土壤污染物度对于人类和生态风险评估至关重要.
- 由于广泛的采样需求,评估大面积的土地成本极高.
- 抽样数据的外推方法缺乏验证,导致监管环境中的潜在决策错误.
研究的目的:
- 为需要数据外推的大型场所指导环境采样策略.
- 为监管机构提供实际建议,以尽量减少人类健康风险.
- 评估增量抽样方法 (ISM) 在减少外推不确定性方面的有效性.
主要方法:
- 使用各种现场调查场景和采样方案进行模拟研究.
- 测试了离散样本的适应性采样和增量采样方法 (ISM).
- 分析了外推不确定性,包括虚假的不合规和虚假的合规错误.
主要成果:
- 增量采样方法 (ISM) 可靠地将采样结果推断到大面积.
- ISM减少了虚假的不合规错误,并提供了真实合规的可靠估计.
- 当95%的上置信限 (95UCL) 与行动级别相比10%-40%时,错误率最高.
结论:
- ISM是一种可靠的试点研究方法,可以将结果推断到大面积的地点.
- 将虚假合规率降低到<5%是可以实现的,当 ≥30%的网站具有ISM的特点时.
- 在未采样的领域,ISM提供了可靠的真实合规估计,最大限度地减少了有害的错误.
