Soil screening levels (SSLs) are reference threshold values required by environmental laws, established based on soil geochemical background data from often-extensive sampling areas. Such areas are often inappropriate for interpreting the true risk of pollution in small areas, since they overlook local factors (e.g., geology, industry, and traffic), which are unfeasible to encompass in large-scale samplings. To solve this issue, the calculation of local SSLs is proposed herein, performed on a major scale closer to the area of interest. To exemplify this proposal, a soil sampling campaign was performed in the Municipality of Langreo, one of the most industrialized areas in the Principality of Asturias (northwestern Spain). Sampling allowed the measurement of local soil screening levels for several inorganic contaminants. Afterwards, a soil pollution index was calculated, referred to both regional and local thresholds, to assess the degree of contamination. Both pollution indicators were subjected to a methodology based on a Bayesian network analysis, followed by a stochastic sequential Gaussian simulation approach. The methodologies used showed differences in the identification of potentially polluted areas depending on the soil screening levels (regional or local) used. It was concluded that, in urban/industrial cores, local soil screening levels facilitate the identification of polluted areas and also reduce the uncertainty associated with sampling density and diffuse contamination. Thus, use of local levels circumvents false-positive areas that would be classified as polluted were regional soil screening levels to be used.

中文翻译：

---

本地和区域土壤筛选水平，以识别潜在的污染区域

土壤筛选水平（SSL）是环境法律要求的参考阈值，是根据来自广泛采样区域的土壤地球化学背景数据确定的。这些区域通常不适合解释小区域内的真正污染风险，因为它们忽略了局部因素（例如，地质，工业和交通），而这些因素不适合大规模采样。为了解决这个问题，在此提出了局部SSL的计算，该计算以更接近感兴趣区域的主要规模进行。为了证明这一建议，在阿斯图里亚斯公国（西班牙西北部）工业化程度最高的地区之一的朗格里奥市进行了土壤取样运动。采样可以测量几种无机污染物在当地土壤中的筛选水平。之后，计算了土壤污染指数，并参考了区域和地方阈值，以评估污染程度。两种污染指标均采用基于贝叶斯网络分析的方法，然后采用随机顺序高斯模拟方法。所使用的方法表明，根据使用的土壤筛选水平（区域或局部），在识别潜在污染区域方面存在差异。结论是，在城市/工业核心区，局部土壤筛查水平有助于识别污染区域，并减少与采样密度和扩散污染相关的不确定性。因此，使用局部水平规避了将被分类为污染的假阳性区域，这是要使用的区域土壤筛选水平。参照区域和本地阈值，以评估污染程度。两种污染指标均采用基于贝叶斯网络分析的方法，然后采用随机顺序高斯模拟方法。所使用的方法表明，根据使用的土壤筛选水平（区域或局部），在识别潜在污染区域方面存在差异。结论是，在城市/工业核心区，局部土壤筛查水平有助于识别污染区域，并减少与采样密度和扩散污染相关的不确定性。因此，使用局部水平规避了将被分类为污染的假阳性区域，这是要使用的区域土壤筛选水平。参照区域和本地阈值，以评估污染程度。两种污染指标均采用基于贝叶斯网络分析的方法，然后采用随机顺序高斯模拟方法。所使用的方法表明，根据使用的土壤筛选水平（区域或局部），在识别潜在污染区域方面存在差异。结论是，在城市/工业核心区，局部土壤筛选水平有助于识别污染区域，并且还减少了与采样密度和扩散污染相关的不确定性。因此，使用局部水平规避了将被分类为污染的假阳性区域，这是要使用的区域土壤筛选水平。两种污染指标均采用基于贝叶斯网络分析的方法，然后采用随机顺序高斯模拟方法。所使用的方法表明，根据使用的土壤筛选水平（区域或局部），在识别潜在污染区域方面存在差异。结论是，在城市/工业核心区，局部土壤筛查水平有助于识别污染区域，并减少与采样密度和扩散污染相关的不确定性。因此，使用局部水平规避了将被分类为污染的假阳性区域，这是要使用的区域土壤筛选水平。两种污染指标均采用基于贝叶斯网络分析的方法，然后采用随机顺序高斯模拟方法。所使用的方法表明，根据使用的土壤筛选水平（区域或局部），在识别潜在污染区域方面存在差异。结论是，在城市/工业核心区，局部土壤筛查水平有助于识别污染区域，并减少与采样密度和扩散污染相关的不确定性。因此，使用局部水平规避了将被分类为污染的假阳性区域，这是要使用的区域土壤筛选水平。所使用的方法表明，根据使用的土壤筛选水平（区域或局部），在识别潜在污染区域方面存在差异。结论是，在城市/工业核心区，局部土壤筛查水平有助于识别污染区域，并减少与采样密度和扩散污染相关的不确定性。因此，使用局部水平规避了将被分类为污染的假阳性区域，这是要使用的区域土壤筛选水平。所使用的方法表明，根据使用的土壤筛选水平（区域或局部），在识别潜在污染区域方面存在差异。结论是，在城市/工业核心区，局部土壤筛查水平有助于识别污染区域，并减少与采样密度和扩散污染相关的不确定性。因此，使用局部水平规避了将被分类为污染的假阳性区域，这是要使用的区域土壤筛选水平。