Ero sivun ”Luikonlahden rikastamon ympäristöterveysriskien arviointi” versioiden välillä

Versio 10. tammikuuta 2013 kello 12.31

Edistymisluokitus
Opasnetissa lukuisat sivut ovat työn alla eri vaiheissa. Niiden tietosisältöön pitää siis suhtautua harkiten. Tämän sivun sisällön edistyminen on arvioitu: Tämä sivu on luonnos Sivun olennainen sisältö ja rakenne on jo hahmottunut, mutta kuitenkin isoja sisältöpuutteita on edelleen.

Tämä sivu on tietokide alatyypiltään arviointi. Sivutunniste: Op_fi3371
Moderaattori:Virpi Kollanus (katso kaikki) Sivun edistymistä ei ole arvioitu. Arvostuksen määrää ei ole arvioitu (ks. peer review).
Lisää dataa {{#opasnet_base_link:Op_fi3371}}

Pääviesti

Kysymys:

Aiheutuuko Luikonlahden rikastamosta terveysriskejä lähialueen asukkaille?

Vastaus:

Rajaus

Kysymys

Aiheutuuko Luikonlahden rikastamon toiminnasta ja päästöistä terveysriskejä lähialueen asukkaille?

Rajat

Alueellinen ulottuvuus: Luikonlahden rikastamon lähialue (< 5km) poislukien varsinainen kaivosalue
Ajallinen ulottuvuus: menneestä ja nykyisestä toiminnasta aiheutuva nykyinen altistumistaso
Tarkasteltavat altisteet:
- Metallit
- Ilman pienhiukkaset
- Melu
- Haju
- Tärinä
Tarkasteltavat elinympäristön altistumisreitit:
- Hengitysilma
- Juoma - tai peseytymisvetenä käytettävä pohjavesi
- Pintavesi
- Maaperä
- Paikalliset ravintotuotteet

Päätökset ja skenaariot

Arvioinnissa tarkastellaan kaivosaluetta ja toimintaa sen nykymuodossa. Terveysriskejä tarkastellaan teoreettisen korkeimman mahdollisen altistumisen sekä keskimääräisen altistumisen näkökulmasta.

Vastaus

Tulokset

Päätelmät

Perustelut

Tarkistuslista

**Tarkista, että kaikki tämän listan asiat on käyty läpi ennen kuin julistat arvioinnin valmiiksi.**
Asia	Ohjesivu	Kohdekohtaiset tiedot	Kuka hoitaa	Valmistuttava pvm	Hoidettu?	Kuvaus
Kuvaa melupäästöt	Melupäästöjen arviointi	#Melupäästöt	Projektivastaava	31.12.2012	Ei

Arvioinnin muut sivut

Arviointimenetelmät

Arvioinnissa käytettävät yleiset lähtötiedot

Kohdekohtaiset tiedot

Luikonlahden rikastamon lähiympäristön tila

Laskenta

+ Näytä koodi - Piilota koodi


library(OpasnetUtils)
library(xtable)
library(ggplot2)

N <- 1

tf <- function(
	condition, 
	data = tidy(opbase.data("Op_fi2814"), direction = "long"), 
	col.condition = "Lyhenne", 
	col.common = "Ikä", 
	resultcol = "Result", ...
) {
	########################## tf is a function that takes one large table, finds matching rows and 
	#### produces a standard-format vector that can be operated with easily. Parameters:
	# condition  = a vector with conditions for each condition column. The length must be ncol(col.condition).
	############ External parameters (these must be defined as objects before the function is run; 
	##### they are not given in the function but they are used by it):
	# data          = a data frame that contains the data
	# col.condition = vector with names of columns that contain the indices that must match in the data
	# col.common    = vector with names of columns that are used as indices in calculations.
	# resultcol    = the column that contains the actual values.

	# Take the part of data that fits the condition. Drop all columns but col.common and resultcol.

	out <- new("ovariable",
		# ovariable cannot have a name because several ovariables are created and merged.
		data = data[data[col.condition] == condition, c(col.common, resultcol)]
	)

	out <- EvalOutput(out, N = N)
	out@output <- out@output[ , colnames(out@output) != "Source"]

	return(out)
}

#Chronic.environmental.exposure <- function(pitoisuus, ...) {

	####################Funktio väestön ympäristöperäisen haitta-ainealtistumisen määrittelyyn
	######## Saanti lasketaan yksikössä µg/kg/vrk kun ympäristön haitta-ainepitoisuudet on ilmoitettu yksiköissä µg/m3 (ilma), 
	######## mg/l (vesi) sekä mg/kg (kiinteät väliaineet)
	######## Haitta-aineen taustasaanti tulee ilmoittaa muodossa µg/kg/vrk
	######## Parametri: pitoisuus on data.frame, jossa täytyy olla sarake Result, joka sisältää pitoisuuden ja Altiste, joka sisältää altistavan yhdisteen nimen.

	########## Pharmacokinetic parameters

	temp <- tidy(opbase.data("Op_fi3378.vesi"), objname = "Kp")
	temp <- temp[ , c("Altiste", "KpResult")]
#print(xtable(temp), type = 'html')
	Kp <- EvalOutput(new("ovariable", name = "Kp", data = temp), N = N) 

	temp <- tidy(opbase.data("Op_fi3378.maapera"), objname = "Abs.skin.soil")
	temp <- temp[ , !colnames(temp) %in% c("Obs", "Abs.skin.soilYksikkö", "Abs.skin.soilKuvaus")]
	Abs.skin.soil <- EvalOutput(new("ovariable", name = "Abs.skin.soil", data = temp), N = N)
	
	Skin.sa <- (4 * tf("Bw") + 7) / (tf("Bw") + 90) * 10000 #Lasketaan ihon kokonaispinta-ala

	F1 <- function(pitoisuus, rate, fraction) { # Ulkoilma-altistuminen
		out <- pitoisuus * (24 - tf(fraction) / 24) * tf(rate) / (tf("Bw") * tf("At"))

		return(out)
	}
		
	F2 <- function(pitoisuus, rate, fraction) { # Sisäilma-altistuminen
		out <- pitoisuus * tf(fraction) / 24 * tf(rate) / (tf("Bw") * tf("At"))

		return(out)
	}

	F3 <- function(pitoisuus, rate, fraction) { # Altistusfrekvenssiin perustuva
		out <- pitoisuus * tf(rate) * tf(fraction) / (tf("Bw") * tf("At"))

		return(out)
	}
	
	F4 <- function(pitoisuus, rate, fraction) { # Altistumisen osuuteen perustuva
		out <- pitoisuus * 1000 * tf(rate) * tf(fraction) / tf("Bw")

		return(out)
	}
	
	F5 <- function(pitoisuus, rate, fraction) { # Ihoaltistuminen maaperästä
		out <- pitoisuus * tf("Soil.ad.skin") * 0.001 * Skin.sa * tf(fraction) *
			Abs.skin.soil / (tf("Bw") * tf("At")) * tf(rate)
		out@output <- out@output[ , !colnames(out@output) %in% c("Abs.skin.soilResult", "Abs.skin.soilSource")]

		return(out)
	}

	F6 <- function(pitoisuus, rate, fraction) { # Pesuvesi
		out <- pitoisuus * Kp * tf(rate) * tf("Ed.bw") * Skin.sa * tf(fraction) /
			(tf("Bw") * tf("At"))
		out@output <- out@output[ , !colnames(out@output) %in% c("KpResult", "KpSource")]

		return(out)
	}

	F7 <- function(pitoisuus, rate, fraction) { # Pintavesi
		out <- pitoisuus * Kp * tf(rate) * tf("Ed.sw") * Skin.sa * tf(fraction) /
			(tf("Bw") * tf("At"))
		out@output <- out@output[ , !colnames(out@output) %in% c("KpResult", "KpSource")]

		return(out)
	}


	# Get parameters for exposure functions and combine those with concentration data. 
	# [[Väestön kohdekohtainen ympäristöperäisen haitta-ainealtistumisen ja terveysriskin arviointi]]
	temp <- opbase.data("Op_fi2814.funktioparametrit")
	temp$Result <- 1
	params <- new("ovariable", name = "params", output = temp[ , colnames(temp) != "Obs"])

	pitoisuus <- tidy(opbase.data("Op_fi3372"), objname = "pitoisuus")
	pitoisuus <- pitoisuus[ , colnames(pitoisuus) != "Obs"]

	# Make pitoisuus an ovariable if it isn't yet (assuming that then it is a data.frame).
	if(class(pitoisuus) != "ovariable") {
		pitoisuus <- new("ovariable", name = "pitoisuus", data = pitoisuus)
	}
	pitoisuus <- EvalOutput(pitoisuus, N = N)
	pitoisuus <- pitoisuus * params

	# Calculate exposures with respective functions.

	## Create an ovariable that collects all results.
	out <- new("ovariable", name = "exposure")
	equations <- unique(pitoisuus@output[c("Funktio", "Nopeus", "Osuus")])

	for(i in 1:nrow(equations)) {

		temp2 <- pitoisuus
		temp2@output <- temp2@output[
			temp2@output$Funktio == equations$Funktio[i] & 
			temp2@output$Nopeus == equations$Nopeus[i] &
			temp2@output$Osuus == equations$Osuus[i]
		, ]
		temp2 <- get(as.character(equations$Funktio[i]))(
			temp2, 
			as.character(equations$Nopeus[i]), 
			as.character(equations$Osuus[i])
		)

		out@output <- rbind(out@output, temp2@output)
	}
#	return(out)
#}

ggplot(out@output[out@output$Altiste == altiste, ], aes(x = Matriisi, y = Result, colour = Ikä)) + 
	geom_point() + 
	theme_grey(base_size = 24)

print(xtable(out@output[out@output$Altiste == altiste, ], digits=3), type = 'html')


#Chronic.environmental.exposure(data.frame(Result = 1))

Muu laskenta

+ Näytä koodi - Piilota koodi

library(OpasnetUtils)
library(OpasnetUtilsExt)
library(xtable)
library(ggplot2)
library(rgdal)
library(maptools)
library(RColorBrewer)
library(classInt)
library(raster)


par(mfrow=c(6,1), mar=c(3,1,0,1), cex=1.5)

colorstrip <- function(colors, labels)
{
count <- length(colors)
m <- matrix(1:count, count, 1)
image(m, col=colors, ylab="", axes=FALSE)
axis(1,approx(c(0, 1), n=length(labels))$y, labels)
}


data <- tidy(op_baseGetData("opasnet_base", "Op_fi3129"))

for(i in 1:nrow(data)) {
	temp <- as.character(data$Result[i])
	if(!data$Unit[i] %in% c("-", "Teksti", "Lista")) {temp <- as.numeric(temp)}
	if(data$Unit[i] == "-") {temp <- strsplit(temp, ",")[[1]]}
	assign(as.character(data$Lyhenne[i]), temp)
}

cat("Louhintaprosessi ", louhinta, " (ton per a) synnyttää pienhiukkaspääston kohdassa LO ", LO, ", LA ", LA, "\n")

M <- louhinta / 365
A <- 1

objects.get("8EV2qsAPaXuk7ELI")
MetMalMurskPol <- EvalOutput(MetMalMurskPol)

cat("Hiukkaspäästo:\n")
print(xtable(MetMalMurskPol@output), type = 'html')

riippuvuudet <- data.frame(Name = "MetMalMurskPol")

kaava <- function(dependencies, ...) {
	temp <- MetMalMurskPol@output[MetMalMurskPol@output$Hiukkaskoko == "PM10" , ]
	temp <- as.data.frame(as.table(tapply(temp["MetMalMurskPolResult"], temp["MetMalMurskPolSource"], sum)))
	colnames(temp)[colnames(temp) == "Freq"] <- "PäästöPM2.5Result"
	return(temp)
}

Päästö.PM2.5 <- new(
	"ovariable", 
	name = "PäästöPM2.5",
	dependencies = riippuvuudet,
	formula = kaava
)

# Ovariablet

## Pitoisuudet

riippuvuudet1 <- data.frame(
	Name = c("Päästö.PM2.5", "LO", "LA")
)

funktio1 <- function(dependencies, ...) {
	ComputeDependencies(dependencies, ...)
	temp <- GIS.Concentration.matrix(Päästö.PM2.5, LO, LA, ...)
	return(temp)
}

Pitoisuus <- new(
	"ovariable", 
	name = "Pitoisuus",
	formula = funktio1, 
	dependencies = riippuvuudet1
)

temp <- EvalOutput(Pitoisuus, N = 1)

temp2 <- gsub("\\(", "", temp@output$LObin)
temp2 <- gsub("\\]", "", temp2)
temp2 <- strsplit(temp2, ",")

temp3 <- c()

for(i in 1:length(temp2)){
 a <- as.numeric(temp2[[i]][1])
 b <- as.numeric(temp2[[i]][2])
 temp3[i] <- ((a + b) / 2)
}
temp@output$LO <- temp3


temp2 <- gsub("\\(", "", temp@output$LAbin)
temp2 <- gsub("\\]", "", temp2)

temp2 <- strsplit(temp2, ",")

temp3 <- c()

for(i in 1:length(temp2)){
 a <- as.numeric(temp2[[i]][1])
 b <- as.numeric(temp2[[i]][2])
 temp3[i] <- ((a + b) / 2)
}
temp@output$LA <- temp3

#print(temp)

data <- data.frame(LO=temp@output$LO, LA=temp@output$LA, concentration=temp@output$PitoisuusResult)

truncated = c()
for(i in 1:nrow(data)){
 if (data$concentration[i] > 1)
 {
  truncated[i] <- 1
 } 
 else
 {
  truncated[i] <- data$concentration[i]
 }
}

data$truncated_concentration <- truncated


# Plot the data
coordinates(data)=c("LO","LA")
proj4string(data)<-("+init=epsg:4326")
epsg4326String <- CRS("+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs")
shp<-spTransform(data,epsg4326String)

#Create blank raster
rast<-raster()

#Set raster extent to that of point data
extent(rast)<-extent(shp)

#Choose number of columns and rows
ncol(rast) <- 41
nrow(rast) <- 41

#cat("<span style='font-size: 1.2em;font-weight:bold;'>PM2.5</span>\n")

#Rasterize point data
rast2<-rasterize(shp, rast, shp$truncated_concentration, fun=mean)

steps <- c(0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1)
colors <- rev(rainbow(length(steps), start=0, end=0.50))

colorstrip(colors, steps)

#Plot data
google.show_raster_on_maps(rast2, col=colors, style="height:500px;")

#Plot a ggplot graph

ggplot(temp@output, aes(LO, LA, fill = PitoisuusResult)) + geom_tile() +
  xlab("Longitude (degrees)") + ylab("Latitude (degrees)") +
  opts(title = "Outdoor PM concentration due to the emission") +
  scale_fill_gradient(limits = c(0, 1), low = "cyan", high = "red") +
  scale_x_continuous(expand = c(0,0)) +
  scale_y_continuous(expand = c(0,0))

##############################################33

funktio = function(dependencies, ...){
	ComputeDependencies(dependencies, ...)

	input <- tidy(op_baseGetData("opasnet_base", "Op_fi1234"), objname = "Arviointi") # Vaihda tekstin Op_fi1234 paikalle oman arviointisi sivutunniste.

	# Tähän muu tarpeellinen laskenta.

        return(out@output)
		
}

Arviointi <- new("ovariable",
	name         = "Arviointi",
	dependencies = riippuvuudet,
        formula      = funktio
)


temp <- EvalOutput(Arviointi)

print(xtable(temp@output),type = "html")

objects.put(Arviointi) # Poista tämä ja seuraava rivi, jos et halua käyttää tuloksia jatkolaskennassa.

cat("Muuttuja alustettu. Kopioi sivun osoitteen avain talteen käyttöä varten.\n")

Metallikaivoksen terveysriskit

Väestön kohdekohtainen ympäristöperäisen haitta-ainealtistumisen ja terveysriskin arviointi

Katso myös

**Minera-malli: Ohjeistusta kaivostoiminnan ympäristö- ja terveysriskien arviointiin.**
Osa linkeistä vie ohjeistuksiin eri vaikutusarvioinnin osien tekemisestä, osa taas **valmiisiin laskentamalleihin** (lihavoitu).
Kaivostoiminta	Kohdekohtaisen arvioinnin esimerkkisivu · Rikastus · Kaivosprosessit
Pölyn ja hiukkasten päästöt	Pöly (ohje) · Lähteet · Pintamaan poisto! · Tarvekivi ! · Louhinta ! · Murskaus · Lastaus ja pudotus · Kuljetuksen pakokaasupäästöt! · Kuljetuksen pölypäästöt! · Työkoneet · Hihnakuljetus · Energiantuotanto · Polttomoottorit! · Sähköntuotanto ! · Boilerit ! · Varastointi · Kaivannaisjäte · Sivukivi · Rikastushiekka
Muut päästöt	Haju · Kaasut · Typpi · Säteily! · Tärinä · Jätevesi · Varastoinnin vesipäästö · Mallinnusohjelmat · Rikastuskemikaalipäästöt · Melu
Pitoisuus ympäristössä	Pohjavesi · Pintavesi · Kulkeutuminen vedessä! · Sedimentit · Sedimentit (mittaukset) · Sedimentit (huokosvedet) · Maaperä! · Maaperän terveysriskinarvio
	Ihmiset	Ympäristö ja ekologia
Altistuminen	Altistumisen arviointi	Nisäkkäät ja linnut · Kasvit! · Maaselkärangattomat! · Ravinto!
Vaikutus	Terveysriskinarvioinnin rakenne · Riskinarviointiohjeet: · Pohjavesi · Pintavesi · Pöly · Kaasumaiset ilman epäpuhtaudet · Maaperä · Tärinä · Haju · Säteily! · Maaperän terveysriski · Kaasut · Melu · Pienhiukkasvaikutukset! · Terveysriskin kuvaus	Vesistöt · Maaperä · Sedimentti · Ekologinen riskinarviointi: · Ekologisten vaikutusten arviointi · Kohdekohtaisen mallin vaiheet · Alustus · Kohdetutkimukset · Vaikutusten arviointi · Mittauksiin perustuva arvio · Luonnehdinta
Integroitu riskinarvio	Integroitu riskinarvio · Viitearvoja

**Muita Minera-projektin tuotoksia**
Minera-mallin sovelluksia	· Luikonlahden tapaustutkimus · Luikonlahden sienitutkimusraportti
Muut	· Metallimalmikaivostoiminnan parhaat ympäristökäytännöt · Minera-hanke · MINERA Loppuseminaari · Kauppila T, Makkonen S, Komulainen H, Tuomisto JT: Metallikaivosalueiden ympäristöriskinarviointiosaamisen kehittäminen: MINERA-hankkeen loppuraportti. · Lehdistötiedote 15.4.2013 · Kohdekohtainen esimerkki · Lyhenteet ja määritelmät · Loppuraportti kokonaismalli · Kaivostoiminnan ympäristöterveysriskien arviointi (suojattu sivu) · Mallinnusohjelmat päästöjen arvioinnissa · Viitearvot · Talvivaaran kaivoksen terveysvaikutukset · Loppuraportti · Raportti · Yaran tapaustutkimus
Muita kaivostoimintaan liittyvää	· Vesijalanjälki · Hyvä kaivos pohjoisessa · Yhteiskuntatieteellinen kaivostutkimus Itä-Suomen yliopistossa · Teemasivu:Kaivostoiminnan vaikutusarviointi

Viitteet

Avainsanat

Kohdekohtainen riskinarviointi, kaivos, terveysvaikutus, ympäristövaikutus.

Aiheeseen liittyviä tiedostoja