Metallikaivoksen terveysriskit

Terveysvaikutukset

HUOM! Tällä hetkellä malli laskee ainoastaan murskausprosessin pölypäästöt ja niiden leviämisen 10-15 km:n säteellä olevaan väestöön. Mallia päivitetään jatkuvasti.

+ Näytä koodi- Piilota koodi

library(OpasnetBaseUtils)
library(ggplot2)

earth.radius <- 6372.8 	# quadratic mean or root mean square approximation of the average great-circle 
						# circumference derives a radius of about 6372.8 km (Wikipedia)
central.angle <- function(s.la, s.lo, f.la, f.lo) 2 * asin((sin((s.la - f.la) / 2)^2 + cos(s.la) * cos(f.la) * sin((s.lo - f.lo) / 2)^2)^0.5)

dtheta.y <- 1/earth.radius*180/pi # central angle increase per 1 kilometer north from a given point assuming no displacement on x axis
dtheta.x <- 2*asin(sin(1/(2*earth.radius))/cos(LA/180*pi))*180/pi # central angle increase per 1 kilometer east from a given point 
# - assuming no displacement on y axis

# Populaatio data

pop.locs <- op_baseGetLocs("heande_base", "Heande3182", apply.utf8 = FALSE)

pop.slice.la <- pop.locs[pop.locs$ind == "Latitude", "loc_id"][pop.locs[pop.locs$ind == "Latitude", "loc"] < LA + 10.5 * dtheta.y & 
	pop.locs[pop.locs$ind == "Latitude", "loc"] > LA - 10.5 * dtheta.y]
pop.slice.lo.inverse <- pop.locs[pop.locs$ind == "Longitude", "loc_id"][pop.locs[pop.locs$ind == "Longitude", "loc"] > LO + 10.5 * dtheta.x | 
	pop.locs[pop.locs$ind == "Longitude", "loc"] < LO - 10.5 * dtheta.x]

pop <- op_baseGetData("heande_base", "Heande3182", include = pop.slice.la, exclude = pop.slice.lo.inverse)[, -c(1,2,6)]

pop$Longitude <- as.numeric(as.character(pop$Longitude))
pop$Latitude <- as.numeric(as.character(pop$Latitude))

pop$LObin <- cut(pop$Longitude, breaks = LO + ((-11:10) + 0.5 ) * dtheta.x)
pop$LAbin <- cut(pop$Latitude, breaks = LA + ((-11:10) + 0.5 ) * dtheta.y)

# Pitoisuus data

pitoisuus <- function(n, paasto, L.matrix) { #, X_coord, Y_coord) {
	ID.list <- tapply(1:nrow(L.matrix), L.matrix[,c("Kaupunki", "Vuosi", "Tyyppi")], list)
	ID.list.samples <- sample(ID.list, n, replace = TRUE)
	ID.vec <- unlist(ID.list.samples)
	#c.matrix <- pitoisuus(L.matrix, Paasto) #, X_coord, Y_coord)
	l.matrix <- L.matrix[ID.vec,]
	l.matrix$obs <- rep(1:n, each = length(ID.vec)/n)
	c.matrix <- merge(l.matrix, paasto)
	c.matrix <- model.frame(I(Paasto * k) ~., data = c.matrix)
	colnames(c.matrix)[1] <- "Pitoisuus"
	return(c.matrix)
}

PILTTI.matrix <- op_baseGetData("heande_base", "Heande3181")[,-c(1,2,9)] # unit: ugm^-3/Mga^-1

PILTTI.matrix$dy <- as.numeric(as.character(PILTTI.matrix$dy))
PILTTI.matrix$dx <- as.numeric(as.character(PILTTI.matrix$dx))

colnames(PILTTI.matrix)[colnames(PILTTI.matrix)=="Result"] <- "k"

Paasto <- data.frame(Paasto = murskaus.maara * paasto.kerroin / 1e6) # unit: Mga^-1

C.matrix <- pitoisuus(N, Paasto, PILTTI.matrix) # unit: ugm^-3

C.matrix$LObin <- cut(C.matrix$dx / 1000 * dtheta.x + LO, breaks = LO + ((-11:10) + 0.5 ) * dtheta.x)
C.matrix$LAbin <- cut(C.matrix$dy / 1000 * dtheta.y + LA, breaks = LA + ((-11:10) + 0.5 ) * dtheta.y)

# Yhdistys

pop.paasto <- merge(C.matrix, pop)

pop.paasto.korjaus <- data.frame(Pitoisuus = pop.paasto$Pitoisuus, Vaesto = pop.paasto$Result / N)

plot1 <- ggplot(pop.paasto.korjaus, aes(x = Pitoisuus, weight = Vaesto)) + geom_histogram(binwidth = 
(max(pop.paasto.korjaus$Pitoisuus[pop.paasto.korjaus$Vaesto!=0]) - 
min(pop.paasto.korjaus$Pitoisuus[pop.paasto.korjaus$Vaesto!=0]))/100) + 
xlim(min(pop.paasto.korjaus$Pitoisuus[pop.paasto.korjaus$Vaesto!=0]) - 0.000001, 
max(pop.paasto.korjaus$Pitoisuus[pop.paasto.korjaus$Vaesto!=0]) + 0.000001)

plot1 + geom_vline(xintercept = 40, colour = "red") # Ohjearvo

exposure.pop <- tapply(pop.paasto$Pitoisuus * pop.paasto$Result, pop.paasto[,c("obs")], sum)

bg.mort <- 45182/5203826 # same values as used in PILTTI

erf <- 0.0097 # J. T. Tuomisto, A. Wilson, et al. Uncertainty in mortality response to airborne fine particulate matter... 2008
# unit: 1/ugm^-3

mort.out <- erf * bg.mort * exposure.pop

qplot(mort.out, geom="density")

cat("Odotusarvo kuolemille vuodessa:", mean(mort.out), "\n")

cat("Ohjearvon 40 ugm^-3 mukaisen altistusrajan ylitti", sum(pop.paasto.korjaus$Vaesto[pop.paasto.korjaus$Pitoisuus>40]), "asukasta.\n")

• Oletusarvot Siilinjärven Yaralle, yhdelle tonnille murskattua malmia vuodessa olettaen että murskaustapa on kuivaseulonta ilman avulla (suurin päästökerroin). Katso: Metallimalmin murskausprosessin pölypäästöt.
• Havainnollisia lähtöarvojen muutoksia:
  • Luikonlahden koordinaatit (pienempi väestö kaivoksen ympärillä): latitude=62.936836, longitude=28.70749
  • Hienomurskaus kostealle malmille: päästökerroin 9.1 (oletus: kuiva malmi 72.6)

Katso myös

Avainsanat

Kaivosteollisuus, mineraali

Viitteet

Aiheeseen liittyviä tiedostoja