CN111445109A - 一种多环芳烃综合生态风险评价和敏感性分析优化方法 - Google Patents

Abstract

本发明公开一种多环芳烃综合生态风险评价和敏感性分析优化方法，以层次阿基米德Copula函数为核心，计算在考虑各PAHs之间的内部相关性前提下的概率，并与可忽略浓度与最大允许浓度标准相结合，对区域内PAHs的综合生态风险进行评价。本发明将层次阿基米德Copula函数与单一生态风险评价指标结合在一起，从统计角度系统评价多种PAHs的混合生态风险，较好地解决了由于内部相关性导致的综合风险与单一风险累加结果不一致的缺陷，定量、定性地评价综合生态风险，并依据其对不同因素的敏感性分析结果，分析降低风险的有效举措，具有客观性和合理性。

Description

一种多环芳烃综合生态风险评价和敏感性分析优化方法

技术领域

本发明属于多环芳烃(PAHs)生态风险评价，具体涉及一种多环芳烃综合生态风险评价和敏感性分析优化方法，尤其涉及一种基于层次阿基米德Copula函数和单一生态风险评价指标耦合的多环芳烃(PAHs)综合生态风险评价和敏感性分析的优化方法。

背景技术

多环芳烃(PAHs)是一类具有半挥发性、持久性的有机污染物，具有强烈的毒性、致癌性、致畸性与诱变性，常产生于热源或石油源，且广泛存在于环境中，危害动植物体的生命安全。据其对生态环境的危害性，美国环保署将16种PAHs列如优先控制污染物名单，其中7种被国际癌症研究机构认定对人类有潜在致癌作用。分析多环芳烃的来源及风险程度对于研究其对生态环境的影响有着重要意义。生态风险评价是指评估或评价一个生态系统中特定事件发生可能性的过程。为了评估生态环境中多环芳烃的单一和整体危害，近年来出现了多种针对多环芳烃等有毒物质生态风险的评价方法，并得到了广泛应用。应用最为广泛评估方法包括风险商法(RQ)、苯并[a]芘毒性当量法(TEQ_BaP)、概率风险评价法(PRA)等。

风险商法(Risk quotients,RQ)为最早使用的单一化合物生态风险评价方法，将暴露浓度与毒性数据标准浓度相比较得到的商值作为评价指标。苯并[a]芘毒性当量法(total toxic benzo(a)pyrene equivalent,TEQ_BaP)以毒性当量因子(toxic equivalencyfactors,TEFs)为基础，将浓度与当量因子相乘，得到以BaP为基数的毒性浓度。最大允许浓度(Maximum Permissible Concentrations,MPCs)、可忽略浓度(NegligibleConcentrations,NCs)等可以用于单一或多个化合物的综合生态风险评价。概率风险评价法(Probabilistic Risk Assessment,PRA)计算暴露浓度曲线与毒性数据曲线之间重叠区域的面积以及联合概率，评价基于一系列潜在风险和可能影响的生态风险，为风险商评价提供了许多可靠的决策依据。在进行有毒污染物联合生态风险评价时，一般采取将不同污染物进行简单加和或按照毒性当量因子加权评价的方法。但由于多环芳烃之间协同作用或拮抗作用的存在，对16种多环芳烃的综合风险评估可能不适合通过求和或加权计算。

发明内容

发明目的：针对上述现有技术的不足，本发明的目的在于提供一种多环芳烃综合生态风险评价和敏感性分析优化方法。

技术方案：一种多环芳烃综合生态风险评价和敏感性分析优化方法，所述方法基于层次阿基米德Copula函数和单一生态风险评价指标的耦合进行分析，包括如下步骤：

(1)获取PAHs样本浓度数据，并记录样本编号及取样点位置，包括萘，苊，苊烯，芴，菲，蒽，荧蒽，芘，苯并[a]蒽，

苯并[b]荧蒽，苯并[k]荧蒽，苯并[a]芘，二苯并[a,h]蒽，茚并[1,2,3-cd]芘以及苯并[g,h,i]芘的样本浓度；

(2)PAHs暴露浓度一致性度量，对于两变量间的一致性度量，若浓度变量均符合正态分布假定，采用Pearson相关系数计算；若浓度变量为非正态分布数据，采用Spearman秩相关系数计算；对于多变量间的一致性度量，采用Kendall秩相关系数计算，所述多变量为包含3个及其以上的变量；

(3)基于层次阿基米德Copula函数建立PAHs暴露浓度综合概率模型；

(4)选择单一的生态指标值带入PAHs暴露浓度综合概率模型计算综合生态风险程度；

(5)对PAHs综合生态风险采用降低固定步长分组风险概率的方法进行敏感性分析，并根据敏感性分析结果得到消减综合生态风险针对性建议，计算公式如下：

S(f(x′))＝E(f(x))-E(f(x′))

式中，S(f(x′))为受试PAH的敏感性，E(f(x))表示初始PAH的联合生态风险程度，E(f(x′))表示受试PAH的联合生态风险程度。

进一步的，步骤(2)对于Pearson相关系数计算和Spearman秩相关系数计算过程如下：

将PAHs按照苯环数目不同分为四组：2-ring，3-ring，4-ring及5-ring，所述5-ring组别中苯环数目大于等于5；采用多变量Kendall协和系数对每组分别进行多变量一致性度量；

对于符合连续正态分布的样本序列(X_n,Y_n)，其Pearson相关系数为：

对于非正态分布的样本序列(X_n,Y_n)，令R_i表示X_i在(X₁,X₂,…,X_n)中的秩，Q_i表示Y_i在(Y₁,Y₂,…,Y)中的秩，则有Spearman相关系数为：

又

则r_S可以简化为：

假设有k个变量X₁,X₂,…,X_k，每个变量有n个观测值，设第j个变量X_j＝(X_1j,X_2j,…,X_nj)，记R_ij为X_ij在(X_1j,X_2j,…,X_nj)的秩，

则多变量Kendall协和系数W可以表示为：

式中，

其中R_ij为X_ij在(X_1j,X_2j,…,X_nj)的秩；k为变量个数；n为每个变量的观测值个数。

进一步的，步骤(3)基于层次阿基米德Copula函数对其进行综合概率模型构建过程如下：

层次阿基米德Copula函数表达式如下：

式中，H(·)表示HAC函数；u_i为第i个变量的边际分布函数；生成因子

为[0,1]至[0,∞]的映射，为连续单调递增的凸函数。

更进一步的，步骤(3)对各个分组PAHs构建第一层层次阿基米德Copula模型，基于递归极大似然法对模型参与进行计算，选择拟合效果最优的层级阿基米德Copula函数类型进行分层建模，得到PAHs暴露浓度综合概率模型；以n维层次阿基米德Copula模型为例，拟合参数优选方法如下：

θ值越大，应用Kendall相关系数表示的依赖性就越强。按照此方法计算后续参数，并进行拟合度检验，最终可得第一层阿基米德Copula函数类型及完整的模型结构；

根据第一层模型的概率分布结果，重复上述步骤构建第二层层次阿基米德Copula模型，得到层次阿基米德Copula函数建立暴露浓度综合概率模型。

进一步的，步骤(4)选择PAHs单一生态指标值代入PAHs暴露浓度综合概率模型，计算综合生态标准值及PAHs综合生态风险程度，计算公式如下：

其中，E表示PAHs综合生态风险程度，表示综合浓度与整体沉积物质量标准之间的关系，CC_PAHs表示PAHs综合浓度值，CC_NCs表示综合可忽略浓度标准值，CC_MPCs表示综合最大允许浓度标准值。

更进一步的，步骤(4)包括根据PAHs综合生态风险程度E的大小将PAHs的综合生态风险分为四个等级，具体如下：

(a)E≤0，表示其综合浓度的风险低于综合的可忽略浓度对应的风险值，称为无风险等级；

(b)0＜E≤0.5，表示PAHs综合浓度在可忽略的浓度和最大允许浓度之间，称为低风险水平；

(c)0.5＜E≤1，表示PAHs综合浓度在可忽略的浓度和最大允许浓度之间，称为中风险水平；

(d)E＞1，表示PAHs综合浓度风险超出综合最大允许浓度对应风险值，称为高风险等级。

有益效果：本发明为抵消在计算综合生态风险时不同PAHs之间的协同或拮抗作用，以可忽略浓度与最大允许浓度为标准值，提出了一种基于两层的层次阿基米德Copula函数的综合生态风险评价模型，并据其进行敏感性分析，以分析减弱综合风险的针对性措施。层次阿基米德Copula函数可以实现对数据集中相关性的捕捉，引入沉积物质量标准以评价其综合风险。与现有技术下相比，具有以下显著特点：

(1)在考虑变量间相关性的前提下进行定性及定量的综合风险评价，且优化了模型计算速度与拟合准确性。本发明在评估综合生态风险时考虑了PAHs的内在相关性，这是与其他直接累加或加权单一PAH风险得到综合生态风险的评估方法(如RQ方法)相比最核心优势。本发明对一层模型的选择机制进行了优化，直接采用层级阿基米德Copula函数拟合变量概率分布，并应有递归极大似然法对进行参数计算，在保证评估结果合理性的基础上，优化了计算程序，提高了计算速度和函数拟合的准确性，更有助于定性及定量地评价PAHs综合生态风险。

(2)基于层次阿基米德Copula评价模型进行敏感性分析，为寻找最优化的风险消减措施提供帮助。本发明提供了机会来分辨具有高生态风险的PAHs的环数，并进一步获得了迫切需要关注或修复的PAHs源头的类型。结合研究区域的综合生态风险概况，基于风险管理目标规划最有效的短期及长期生态风险消减策略。

附图说明

图1为本发明的整理流程图；

图2为4维层次阿基米德Copula函数结构示意图；

图3为实施例中PAHs暴露浓度分析图；

图4为实施例中PAHs综合生态风险评价结果图；

图5为实施例中PAHs分组生态风险评价结果图；

图6为实施例中敏感性分析结果图；

图7为实施例中综合风险与各种因素的相关性示意图。

具体实施方式

为了详细的说明本发明所公开的技术方案，下面结合说明书附图及具体实施例对本发明的技术方案进行详细说明。

本发明公开的是一种多环芳烃(PAHs)综合生态风险评价和敏感性分析的优化方法，基于层次阿基米德Copula函数和单一生态风险评价指标耦合的多环芳烃(PAHs)综合生态风险评价和敏感性分析的优化模型。为便于理解本发明，做以下说明：

首先，本发明所述方法中多变量Copula函数可用下式表示：

其中，

为生成因子，在[0,1]范围内连续单调递减。

用于函数类型筛选的三种阿基米德Copula函数归纳如下：

Gumbel Copula：

Clayton Copula：

Frank Copula：

如图1所示，本发明基于层次阿基米德Copula函数和单一生态风险评价指标耦合的PAHs综合生态风险评价和敏感性分析的优化模型，具体包含以下步骤：

1、获取PAHs样本浓度数据

采用按照常规检测方法提取测定的多组同一研究水域范围内表层沉积物样本中的PAHs暴露浓度数据，并记录样本编号及取样点位置。PAHs种类选取依照美国环保署按PAHs毒性、致癌性等指标划定的16种优先控制污染物范围，包括：萘(Naphthalene,Nap)，苊(acenaphthene,Ace)，苊烯(Acenaphthylene,Acy)，芴(Fluorine,Flu)，菲(Phenanthrene,Phe)，蒽(Anthracene,Ant)，荧蒽(Fluoranthene,Flua)，芘(Pyrene,Pyr)，苯并[a]蒽(Benz[a]anthracene,BaA)，

(Chrysene,Chr)，苯并[b]荧蒽(Benzo[b]fluoranthene,BbF)，苯并[k]荧蒽(Benzo[k]fluoranthene,BkF)，苯并[a]芘(benzo[a]pyrene,BaP)，二苯并[a,h]蒽(Dibenzo[a,h]anthracene,DBA)，茚并[1,2,3-cd]芘(Indeno[1,2,3-c,d]pyrene,IP)以及苯并[g,h,i]芘(Benzo[g,h,i]pyrene,BghiP)。

2、PAHs暴露浓度一致性度量

应用一致性度量研究变量之间的相互依赖关系，应选择合适的方法对每两种或多种PAHs暴露浓度进行相关性计算。对于两变量间的一致性度量，若浓度变量均符合正态分布假定，采用Pearson相关系数计算；若浓度变量为非正态分布数据，应用Spearman秩相关系数计算。将PAHs按照苯环数目不同分为四组：2-ring，3-ring，4-ring及5-ring(含苯环数目≥5)，采用多变量Kendall协和系数对每组分别进行多变量一致性度量。

对于符合连续正态分布的样本序列(X_n,Y_n)，宜采用Pearson相关系数进行分析，公式如下：

对于非正态分布的样本序列(X_n,Y_n)，采用秩相关更为合适。令R_i表示X_i在(X₁,X₂,…,X_n)中的秩，Q_i表示Y_i在(Y₁,Y₂,…,Y)中的秩，则有Spearman相关系数为：

又

则r_S可以简化为：

假设有k个变量X₁,X₂,…,X_k，每个变量有n个观测值，设第j个变量X_j＝(X_1j,X_2j,…,X_nj)，记R_ij为X_ij在(X_1j,X_2j,…,X_nj)的秩，

则多变量Kendall协和系数W可以表示为：

3、基于层次阿基米德Copula函数建立暴露浓度综合概率模型

若数据一致性度量结果显示暴露浓度具有独立性，即各变量间不存在相关性，则可应用常规生态风险评价方法，由单一风险的累加或加权计算得到综合风险评价结果。层次阿基米德Copula函数可以通过对多个阿基米德Copula函数的嵌套以实现对数据集中相关性的捕捉。若结果表明存在相关性或相关性显著，则需结合层次阿基米德Copula函数对其进行综合概率模型构建，以保存其内部相关性，并作为综合生态风险评价的基础。

一般Copula函数可以表示为：

F(x₁,x₂,…,x_n)＝C(F₁(x₁),F₂(x₂),…,F_n(x_n)；θ)＝C(u₁,u₂,…,u_n)

其中，F_i(x_i)与u_i表示第i个变量的边际分布函数，F_i(x_i)＝P[X_i≤x_i]，即当X_i≤x_i时的随机变量的概率；C(·)表示对应的Copula函数；θ为函数参数。

对于4维及以上的层次阿基米德Copula函数，如图2所示，其包含完全嵌套与部分嵌套两种类型，以4变量为例，完全嵌套公式如下：

部分嵌套公式如下：

其中，H(·)表示HAC函数,u_i为第i个变量的边际分布函数，生成因子

为[0,1]至[0,∞]的映射，为连续单调递增的凸函数。其中，图2(a)为完全嵌套4维层次阿基米德Copula函数，图2(b)为部分嵌套4维层次阿基米德Copula函数。

基于递归极大似然法对模型参与进行计算，选择拟合效果最优的层级阿基米德Copula函数类型进行分层建模，即可得到PAHs暴露浓度综合概率模型。具体步骤如下：

第一步：PAHs按照苯环数目不同分为四组：2-ring，3-ring，4-ring及5-ring(含苯环数目≥5)；

第二步：对各个分组PAHs构建第一层层次阿基米德Copula模型，采用递归极大似然法拟合参数。以4层层次阿基米德Copula模型为例，θ₁计算公式如下：

θ值越大，对于大多数阿基米德Copula来说，应用Kendall相关系数表示的依赖性就越强。取θ₁＝θ_u1u2，可得H₁(u₁,u₂；θ_u1u2)。按照此方法计算后续参数，并进行拟合度检验，最终可得到拟合度最优的阿基米德Copula函数类型及完整的模型结构。

第三步：根据第一层模型的概率分布结果，重复步骤(3.2)构建第二层层次阿基米德Copula模型，即可得到层次阿基米德Copula函数建立暴露浓度综合概率模型。

4、选取适宜的生态风险指标，评价综合生态风险

根据生态环境质量要求，选择适合的PAHs单一生态指标值(以可忽略浓度NCs与最大允许浓度MPCs为例)，将其代入已建好的PAHs综合概率模型，计算综合生态标准值及PAHs综合生态风险程度，公式如下：

其中，E表示PAHs综合生态风险程度，即综合浓度与整体沉积物质量标准之间的关系，CC_PAHs表示PAHs综合浓度值，CC_NCs表示综合可忽略浓度标准值，CC_MPCs表示综合最大允许浓度标准值。

根据PAHs综合生态风险程度计算结果对研究区域PAHs的综合生态风险进行评价。根据PAHs综合生态风险程度E的大小，PAHs的综合生态风险可分为四个等级：

(4.1)E≤0，表明其综合浓度的风险低于综合的可忽略浓度对应的风险值，可以认为是一个安全的环境，被称为无风险等级；

(4.2)0＜E≤1，表明PAHs综合浓度在可忽略的浓度和最大允许浓度之间，以中间值0.5为界，可将其划分为0＜E≤0.5和0.5＜E≤1两段，分别表示低风险水平和中风险水平；

(4.3)E＞1表明PAHs综合浓度风险超出综合最大允许浓度对应风险值，即生态系统面临较高的生态风险，需要采取紧急补救措施以防止风险恶化。

E的数值也可以量化每个级别的风险。每个级别上不同样本的风险值的大小可用于直接比较，并且两者之间的程度代表其生态风险差距。当结果的值为负数且E的绝对值较大甚至无限大时，表明样品的总体风险较小且环境更安全。而当E大于1时，值越大表示风险高于安全范围的距离越远。

5、敏感性分析辅助制定减弱风险决策

为制定减弱综合生态风险的针对性措施，探讨不同种类的PAHs对综合生态风险概率的趋势和程度，对PAHs综合生态风险采用降低固定步长分组风险概率的方法进行敏感性分析，计算步骤如下：

E(f(x′))＝E(f(x|(x_i,j-t))),(i＝1,2,…,N；j＝1,2,…,m)

其中，E(f(x′))表示受试PAH的联合生态风险程度；x_i,j表示敏感因子；t表示概率分布变化的步长；i表示样本数量，共计N个样本；j表示分组的编号，PAHs被划分为m个组。

采用如下公式测量综合生态风险对每组风险概率变化的敏感性：

S(f(x′))＝E(f(x))-E(f(x′))

根据敏感性分析结果可得到消减综合生态风险针对性建议。

实施例1

本实施以太湖表层沉积物样本作为实际应用

以长三角重要饮用水源地太湖为例，以2010年6月提取的28组表层沉积物中16种PAHs暴露浓度为样本，用基于层次阿基米德Copula函数和单一生态风险评价指标耦合的PAHs综合生态风险评价和敏感性分析的优化模型对该研究区域进行生态风险评价并提出风险消减措施。

(1)研究区域概况

本文的数据资料来源于太湖表层沉积物样本检测，2010年6月28组沉积物样本中16种PAHs的暴露浓度。太湖作为中国第三大淡水湖泊，位于中国长江三角洲地区，对包括上海、苏州、无锡等几个重要城市提供饮用水供应，在防洪及工农业用水方面发挥着极其重要的作用。由于周围人类的频繁活动和作为饮用水源的特殊性，太湖的水质情况值得长期关注。样本中，16种PAHs的总浓度变化范围为179.5～1669.3ng/g dw，平均值为533.3ng/gdw。各样本点的PAHs暴露浓度情况见图3。

(2)模型构建

首先对16种PAHs暴露浓度数据按照苯环数目不同分为4组，分别为2-ring，3-ring，4-ring及5-ring(含苯环数目≥5)。对所有PAHs进行两变量一致性度量并分组计算多变量Kendall秩相关性。由于暴露浓度不符合正态分布，故选用Spearman秩相关系数计算两变量相关性。计算结果显示，两个PAH之间的Spearman相关系数在0.5到0.9之间，每组的Kendall多变量相关系数均不小于0.75，这与应用本专利模型进行风险评价的条件一致。

按照前述步骤，对PAHs暴露浓度构建两层层次阿基米德Copula模型并根据拟合效果选择最优阿基米德Copula函数，模型构建结果见表1。

表1 模型结构及参数

(3)生态风险评价

通过两层嵌套，可以分别对PAHs暴露浓度的分组及综合生态风险进行评价。图4显示了基于本专利模型的PAHs综合生态风险评价结果，图5显示了基于本专利模型的分组风险评价结果。

图4中可得本专利模型评估的综合生态风险结论为：实施例研究区域内综合生态风险程度为0.0011(S27)至0.9110(S7)之间。其中，S7仍然为具有最高综合生态风险的样本点，其次为S6；而S4，S18，S21和S27的风险在所有样本中相对居于较低水平。对于风险等级的判断，S3、S5-S9、S13和S19划分为中风险类别，其他均属于低风险级别。

图5中可得每组的风险概况，这有助于识别PAHs苯环的风险种类。总风险被划分为相对较高的中风险的样本，其分组风险也远高于其他样本。与其他几种类别相比，5-ringPAHs是大多数样品中风险最低的类别，甚至大多数样品的浓度低于毒理学可忽略不计的标准。相反，在S5和S6中，5-ring PAHs几乎占据了最高风险位置。

(4)敏感性分析

图6展示了综合生态风险随敏感因子变化情况，图7为敏感性分析结果与多种因素间的相关性研究。其中，图7(a)为综合生态风险与各样本点风险变化程度比较图；图7(b)为最大风险降低程度与综合生态风险对数关系图；图7(c)为各组PAHs风险降低程度与最大风险相关散点图；图7(d)为风险降低程度与相应风险散点图；图7(e)为综合生态风险首降点与综合生态风险关系图；图7(f)为综合生态风险首降点与最大分组风险关系图。

对于风险最高的样本S7，在敏感度因子的变化范围内，5-ring PAHs风险的变化首先对总风险产生影响，随后是2-ring，但后者引起的风险消减程度略大于前者；而3-ring和4-ring风险降低不会对总风险产生任何影响，表明它们的风险需要降低更大幅度才会对综合风险等级产生影响。对于风险较低的S4和S27等，部分敏感因子的小幅度降低即可导致综合风险直接降低至负值，即达到无风险水平，但也存在一些敏感因子需要大幅度降低才能影响总风险，这可能与整体风险的主要控制因素以及各敏感因子之间的相关性有关。图7可得，在计算出的敏感性因子范围内，综合风险的变化范围随风险对数的增加而减小，且综合风险越低，其对因子变化的敏感性越高。对于单个因素的变化，综合风险开始变化的位置与初始风险没有显著关系，且在计算范围内，综合生态风险最敏感的因素并不总是能够使总体风险降低最多的因素。

(5)提出风险消减措施

敏感性分析仍可用于支持针对特定样本区域制定生态风险降低策略，以找到最有效的风险管理方法。以S5为例，降低4环PAHs的风险概率可以迅速将其综合风险由中风险等级迅速降低至低风险等级，即专注于控制此类PAHs的排放可以有效地降低其风险。由此，可以根据周围环境的实际情况，选择加强对汽车尾气排放标准的控制，限制草、煤和木材等化石燃料的燃烧，防止森林火灾等适宜的防治措施，以迅速降低生态环境中PAHs的风险等级。

通过上述实施例可以看出，本发明在考虑到PAHs暴露浓度中的内在相关性的基础上，基于层次阿基米德Copula函数与沉积物质量标准建模，对其综合生态风险进行评价，具有合理性和有效性，并最终借助敏感性分析寻找降低综合风险最有效的敏感因子，为制定具有针对性的风险消减措施提供决策支持。

综上所示，本发明将层次阿基米德Copula函数与PAHs沉积物质量标准相结合，在考虑变量间的相关性前提下，以较快的模型计算速度实现对PAHs生态风险的定性及定量评价，并可基于敏感性分析得到具有针对性的短期及长期生态风险消减建议，具有合理性和有效性。

Claims (6)

1.一种多环芳烃综合生态风险评价和敏感性分析优化方法，其特征在于：所述方法基于层次阿基米德Copula函数和单一生态风险评价指标的耦合进行分析，包括如下步骤：

(1)获取PAHs样本浓度数据，并记录样本编号及取样点位置，包括萘，苊，苊烯，芴，菲，蒽，荧蒽，芘，苯并[a]蒽，

，苯并[b]荧蒽，苯并[k]荧蒽，苯并[a]芘，二苯并[a，h]蒽，茚并[1，2，3-cd]芘以及苯并[g，h，i]芘的样本浓度；

(2)PAHs暴露浓度一致性度量，对于两变量间的一致性度量，若浓度变量均符合正态分布假定，采用Pearson相关系数计算；若浓度变量为非正态分布数据，采用Spearman秩相关系数计算；对于多变量间的一致性度量，采用Kendall秩相关系数计算，所述多变量为包含3个及其以上的变量；

(3)基于层次阿基米德Copula函数建立PAHs暴露浓度综合概率模型；

(4)选择单一的生态指标值带入PAHs暴露浓度综合概率模型计算综合生态风险程度；

(5)通过降低各组风险概率的固定步长对PAHs综合生态风险进行敏感性分析，并根据敏感性分析结果进行风险分级，计算公式如下：

S(f(x′))＝E(f(x))-E(f(x′))

式中，S(f(x′))为受试PAH的敏感性，E(f(x))表示初始PAH的联合生态风险程度，E(f(x′))表示受试PAH的联合生态风险程度。

2.根据权利要求1所述的多环芳烃综合生态风险评价和敏感性分析优化方法，其特征在于：步骤(2)对于Pearson相关系数计算和Spearman秩相关系数计算过程如下：

将PAHs按照苯环数目不同分为四组：2-ring，3-ring，4-ring及5-ring，所述5-ring组别中苯环数目大于等于5；采用多变量Kendall协和系数对每组分别进行多变量一致性度量；

对于符合连续正态分布的样本序列(X_n，Y_n)，其Pearson相关系数为：

对于非正态分布的样本序列(X_n，Y_n)，令R_i表示X_i在(X₁，X₂，...，X_n)中的秩，Q_i表示Y_i在(Y₁，Y₂，...，Y)中的秩，则有Spearman相关系数为：

又

则r_s可以简化为：

假设有k个变量X₁，x₂，...，X_k，每个变量有n个观测值，设第j个变量X_j＝(X_1j，X_2j，...，x_nj)，记R_ij为X_ij在(X_1j，X_2j，...，X_nj)的秩，

则多变量Kendall协和系数W可以表示为：

式中，

其中R_ij为X_ij在(X_1j，X_2j，...，X_nj)的秩；k为变量个数；n为每个变量的观测值个数。

3.根据权利要求1所述的多环芳烃综合生态风险评价和敏感性分析优化方法，其特征在于：步骤(3)基于层次阿基米德Copula函数对其进行综合概率模型构建过程如下：

层次阿基米德Copula函数表达式如下：

式中，H(·)表示HAC函数；u_i为第i个变量的边际分布函数；生成因子

为[0，1]至[0，∞]的映射，为连续单调递增的凸函数。

4.根据权利要求1所述的多环芳烃综合生态风险评价和敏感性分析优化方法，其特征在于：步骤(3)对各个分组PAHs构建第一层层次阿基米德Copula模型，基于递归极大似然法对模型参与进行计算，选择拟合效果最优的层级阿基米德Copula函数类型进行分层建模，得到PAHs暴露浓度综合概率模型；以n维层次阿基米德Copula模型为例，拟合参数优选方法如下：

θ值越大，应用Kendall相关系数表示的依赖性就越强；

按照此上述方法计算后续参数，并进行拟合度检验，最终可得第一层阿基米德Copula函数类型及完整的模型结构；根据第一层模型的概率分布结果，重复上述步骤，构建第二层层次阿基米德Copula模型，得到层次阿基米德Copula函数建立暴露浓度综合概率模型。

5.根据权利要求1所述的多环芳烃综合生态风险评价和敏感性分析优化方法，其特征在于：步骤(4)选择PAHs单一生态指标值代入PAHs暴露浓度综合概率模型，计算综合生态标准值及PAHs综合生态风险程度，计算公式如下：

其中，E表示PAHs综合生态风险程度，表示综合浓度与整体沉积物质量标准之间的关系，CC_PAHs表示PAHs综合浓度值，CC_Ncs表示综合可忽略浓度标准值，CC_MPCs表示综合最大允许浓度标准值。

6.根据权利要求1所述的多环芳烃综合生态风险评价和敏感性分析优化方法，其特征在于：步骤(4)包括根据PAHs综合生态风险程度E的大小将PAHs的综合生态风险分为四个等级，具体如下：

(a)E≤0，表示其综合浓度的风险低于综合的可忽略浓度对应的风险值，称为无风险等级；

(b)0＜E≤0.5，表示PAHs综合浓度在可忽略的浓度和最大允许浓度之间，称为低风险水平；

(c)0.5＜E≤1，表示PAHs综合浓度在可忽略的浓度和最大允许浓度之间，称为中风险水平；

(d)E＞1，表示PAHs综合浓度风险超出综合最大允许浓度对应风险值，称为高风险等级。

Images