CN115170822A - 一种农田土壤重金属定性源解析的联用方法 - Google Patents
一种农田土壤重金属定性源解析的联用方法 Download PDFInfo
- Publication number
- CN115170822A CN115170822A CN202210699037.2A CN202210699037A CN115170822A CN 115170822 A CN115170822 A CN 115170822A CN 202210699037 A CN202210699037 A CN 202210699037A CN 115170822 A CN115170822 A CN 115170822A
- Authority
- CN
- China
- Prior art keywords
- heavy metal
- soil
- data
- analysis
- research area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Environmental & Geological Engineering (AREA)
- Bioinformatics & Computational Biology (AREA)
- Geology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种农田土壤重金属定性源解析的联用方法,该方法通过对研究区域内的土壤重金属浓度数据进行采集和处理,并分别从点位超标率计算、元素同源相关性分析、主污染源因子定性以及空间分布多个方向联合进行研究,从而可以准确实现土壤重金属在空间尺度上的定性源解析,便于为定性污染源以及后续防治提供数据参考。
Description
技术领域
本发明属于土壤污染检测技术领域,具体涉及一种农田土壤重金属定性源解析的联用方法。
背景技术
建立合理、有效的农田土壤重金属源解析方法体系,对于明确污染来源、污染现状,控制重金属元素进行入土壤环境、减轻重金属对生物以及生态***的危害有着重大意义。目前对于土壤重金属源解析,一般会采用传统统计学方法,诸如主成分分析、相关性分析等对土壤重金属进行污染源识别,为了追求能更精确的计算污染来源的贡献率,有研究者也借鉴了原先是针对空气中污染颗粒物源解析的受体模型,并将其使用在对土壤重金属的定量源解析上,取得了不错的效果。
由于土壤并非一个匀质体,空间异质性高,土壤母质、地质活动、气候等自然因素和交通运输、农药化肥、工厂排放等人为活动均可直接影响土壤重金属的空间分布,且单一的源解析方法自身也存在一定的局限性,因此这也就造成了目前土壤重金属污染源解析中所存在的某些缺陷,比如:(1)传统的统计学方法主要是分析数据的内在关联,并没有考虑数据的空间属性和空间关联性,不能挖掘出重金属在空间上的空间变异特征;(2)单一的源解析方法无法提供对比验证,无法证实解析结果的准确性;当前国内外针对解析土壤污染来源的方法尚不成熟,还没有形成一个完备、***的源解析评价体系;因此,需要设计一种农田土壤重金属定性源解析的联用方法来解决上述问题。
发明内容
本发明提供了一种农田土壤重金属定性源解析的联用方法,该方法通过对研究区域内的土壤重金属浓度数据进行采集和处理,并分别从点位超标率计算、元素同源相关性分析、主污染源因子定性以及空间分布多个方向联合进行研究,从而可以准确实现土壤重金属在空间尺度上的定性源解析,便于为定性污染源以及后续防治提供数据参考;为实现上述技术效果,本发明所采用的技术方案是:
一种农田土壤重金属定性源解析的联用方法,包括如下步骤:
S1:对原始数据进行预处理,并进行描述性统计分析:
S101,划定研究区域,在研究区域中选择多个采样点进行土壤采样并检测,获取原始土壤重金属浓度数据;通过EXCEL软件对数据集进行预处理,其中缺失值通过平均值来进行补充;
S102,将预处理完成后的数据集导入SPSS软件,对预处理好的研究区域农田土壤中各重金属元素的PH值数据和浓度值数据进行描述性统计分析,计算出各重金属元素的最大值、最小值、平均值、变异系数、偏度值和峰度值;
S103,通过历史资料获取研究区域的土壤重金属背景值,结合研究区域土壤重金属元素背景值,计算出各重金属元素的点位超标率,将各结果数据在Excel软件中进行汇总并制成描述性统计分析结果表进行直观展示通过点位超标率反映研究区域农田土壤受污染程度以及人为干扰程度;
S2:对数据进行相关性分析:
S201,根据步骤S1中获取的各元素的偏度值和峰度值,判断数据是否符合正态分布特征:若符合正态分布特征,直接采用Pearson相关性分析法进行相关性分析;若不符合正态分布特征,使用Spearman相关性分析法进行相关性分析;
S202,生成相关系数矩阵,根据相关系数来判断各重金属元素之间的相关性并进一步追溯它们的同源性;
S3:对数据进行主成分分析:
S301,将步骤S1预处理后的各重金属元素的浓度数据输入到SPSS软件中,先对数据进行KMO检验和Bartlett球形检验,判断输入的原始数据是否适合做因子分析;
S302,判定合格后,将重金属浓度数据输入SPSS软件进行主成分分析,经方差最大正交旋转后,生成土壤重金属特征值和方差累积贡献率结果表,定性解析出研究区域主要存在的污染源因子,以及每个污染源因子对不同重金属元素的贡献值;
S4:进行空间插值并生成重金属元素空间分布图:
S401,将各土壤样点的经纬度数据以及所对应的各重金属元素的浓度数据输入到Arcgis 软件中,并利用普通克里金插值法来对研究区域的土壤重金属浓度数据进行空间插值并生成土壤重金属元素的空间分布图,通过空间分布图分析研究区域土壤重金属含量分布状况;
进一步地,将各土壤样点的经纬度数据以及浓度数据集输入到Arcgis软件中,对浓度数据集进行直方图检验,看数据是否符合正态分布,如果不符合则可以直接在Arcgis软件中对数据进行诸如Log变换的相应变换;利用普通克里金插值法对研究区域的土壤重金属浓度进行空间插值,并生成土壤重金属元素的空间插值分布图;
S402,通过地图软件定位研究区域内主要潜在污染源的坐标:
对公示的企业生产排放信息进行查询,对研究区域进行实地调研,根据企业的生产类别和生产原料预测其主要排放的重金属种类;然后借助地图软件获取研究区域内可能造成重金属污染的工厂、矿区、农场和主干道路一类潜在污染源的地理位置信息,利用Arcgis软件生成这些潜在污染源的分布图;并建立对应的潜在污染源与预测的排放重金属种类的数据库DB1;
S5:结合步骤S1~S4的分析结果,从数据之间的内在关联、变异程度和空间分布的角度联合分析研究区域的土壤重金属污染情况,并结合当地实地情况,分析判断出可能的污染来源,为研究区域的土壤重金属污染防治提供有效的依据和参考。
优选地,上述一种农田土壤重金属定性源解析的联用方法中,步骤S5的具体方法如下:
S501,通过S1中统计的各重金属元素的背景值信息,与S401中生成的空间插值分布图进行对比,判定区域内人为干扰严重的热点区域:
当某重金属元素的空间插值分布图显示其分布并不平缓,表明该元素在研究区域的空间变异性较强、人为干扰较为严重;将该热点区域与步骤一中变异系数的分析结果进行对比验证,提高结果的准确性;
S502,比对不同元素的空间插值分布图的热点区域,选定同源重金属:
比对不同元素的空间插值分布图的热点区域,当多种元素在同一片区域呈现出高值时,再结合S2~S3中的相关性分析和主成分分析的结果对这些元素进行比对;若显示这些元素之间具有较强的相关性,且在空间分布上重合度较高,则利用“相关性越高,同源性越强”这一原则,可以推测这些元素源自于同一类污染源,且该类污染源就位于空间插值分布图所显示的这片高值区域;
S503,结合热点区域与S402的潜在污染源分布图,进行污染源定位:
a.过图像处理软件,将S502中选定的同源重金属的热点区域进行重合处理,得到热点区域的并集;
b.通过图像处理技术对热点区域进行色块识别和轮廓线绘制,得到该热点区域在地图上的轮廓线;
c.通过图像处理软件将轮廓线与S402生成的潜在污染源地理位置分布图进行图层重叠,定位该区域内标记的主要潜在污染源的位置及信息,查询数据库DB1进行分析,比对潜在污染源的预测排放重金属与热点区域实际的重金属元素分布情况,即可找出该片区域内针对这些重金属元素的具有代表性的污染源;
进一步地,除了结合数据库DB1进行分析外,还可以通过常识进行分析,例如铜矿极大可能对周围土壤造成铜元素污染、主干道附近的土壤容易被汽车尾气中的铅等元素污染,增强分析结果的可信度和完整性;
d.结合主成分分析结果显示的可能的污染源因子数,按照上述方法找出整个研究区域相应数目的各主要污染源,实现对研究区域土壤重金属污染的定性源解析。
进一步地,图像处理软件可选用Photoshop或Arcgis软件;图像处理技术识别色块以及轮廓线的绘制可通过Photoshop内置的选框以及图层功能实现。
本发明的有益效果为:
1、本发明采用描述性统计分析和多元统计分析中的相关性分析、主成分分析相结合,可以分析原始数据的内在关联,并确定影响土壤重金属污染的主要因子个数。同时考虑了数据的空间属性和空间关联性,采用地统计分析法中的空间插值法,能挖掘土壤重金属在空间上的空间分布和空间变异特征,并对这些结果进行可视化使之以更直观的形式呈现出来;
2、本方法克服了传统单一研究方法没有形成一个较为完备、***的源解析体系的不足,能实现对土壤重金属的污染状况、污染来源进行快速、准确的定性源解析,且整个方法体系简单易操作,大大提高了源解析方法的实用性;
3,根据本发明的污染源解析结果,可以对污染源采取有效的措施以降低土壤重金属污染水平、为治理和修复土壤重金属污染提供科学依据和宝贵的参考意见。
附图说明
图1为本发明的流程示意图。
图2为实施例中Spearman相关性分析结果示意图。
图3为实施例中KMO检验和Bartlett球形检验结果示意图。
图4为实施例中土壤重金属元素(以Pb为例)空间插值结果示意图。
图5为实施例中经过图像处理的热点区域轮廓图。
具体实施方式
如图1~图5所示,一种农田土壤重金属定性源解析的联用方法,包括如下步骤:
S1:对原始数据进行预处理,并进行描述性统计分析:
S101,划定研究区域,在研究区域中选择多个采样点进行土壤采样并检测,获取原始土壤重金属浓度数据;通过EXCEL软件对数据集进行预处理,其中缺失值通过平均值来进行补充;结果如下表1所示;
表1
S102,将预处理完成后的数据集导入SPSS软件,对预处理好的研究区域农田土壤中各重金属元素的PH值数据和浓度值数据进行描述性统计分析,计算出各重金属元素的最大值、最小值、平均值、变异系数、偏度值和峰度值;
S103,通过历史资料获取研究区域的土壤重金属背景值,结合研究区域土壤重金属元素背景值,计算出各重金属元素的点位超标率,将各结果数据在Excel软件中进行汇总并制成描述性统计分析结果表进行直观展示通过点位超标率反映研究区域农田土壤受污染程度以及人为干扰程度;
S2:对数据进行相关性分析:
S201,根据步骤S1中获取的各元素的偏度值和峰度值,判断数据是否符合正态分布特征:若符合正态分布特征,直接采用Pearson相关性分析法进行相关性分析;若不符合正态分布特征,使用Spearman相关性分析法进行相关性分析;
具体地,利用SPSS软件或者利用matlab程序语言提供的库函数进行相关性分析;
进一步地,偏度系数等于0时则表示数据符合标准正态分布,偏度系数大于0表示频数分布的高峰向左偏移、长尾向右延伸,呈现正偏态分布;偏度系数小于0表示频数分布的高峰向右偏移、长尾向左延伸,呈现负偏态分布;峰度值则是描述正态分布中曲线峰顶的尖锐程度,峰度系数大于0,则表示两侧极端数据较少,比标准正态分布更高更瘦;峰度系数小于0,则表示两侧极端数据较多;
S202,生成相关系数矩阵,根据相关系数来判断各重金属元素之间的相关性并进一步追溯它们的同源性;
进一步地,相关系数位于0.8—1.0之间表示极强相关;0.6—0.8之间表示强相关;0.4— 0.6之间表示中等程度相关;0.0—0.4之间表示弱相关或无关;
S3:对数据进行主成分分析:
S301,将步骤S1预处理后的各重金属元素的浓度数据输入到SPSS软件中,先对数据进行KMO检验和Bartlett球形检验,判断输入的原始数据是否适合做因子分析;
具体地,KMO值要大于0.5;p值要小于0.05或0.01;
S302,判定合格后,将重金属浓度数据输入SPSS软件进行主成分分析,经方差最大正交旋转后,生成土壤重金属特征值和方差累积贡献率结果表,定性解析出研究区域主要存在的污染源因子,以及每个污染源因子对不同重金属元素的贡献值;
总方差解释如下表2所示;
总方差解释
提取方法:主成分分析法。
表2
成分矩阵如下表3所示:
提取方法:主成分分析法。
a.提取了3个成分。
表3
旋转后的成分矩阵如下表4所示:
旋转后的成分矩阵a
提取方法:主成分分析法。
旋转方法:凯撒正态化最大方差法。
a.旋转在4次迭代后已收敛。
表4
优选地,如图2、表3和表4所示,截取特征值大于1的3个主因子来定性探讨重金属的来源,且前3个主成分的累积贡献率达67.920%,基本能代表数据所包含的信息;
S4:进行空间插值并生成重金属元素空间分布图:
S401,将各土壤样点的经纬度数据以及所对应的各重金属元素的浓度数据输入到Arcgis 软件中,并利用普通克里金插值法来对研究区域的土壤重金属浓度数据进行空间插值并生成土壤重金属元素的空间分布图,通过空间分布图分析研究区域土壤重金属含量分布状况;
进一步地,将各土壤样点的经纬度数据以及浓度数据集输入到Arcgis软件中,对浓度数据集进行直方图检验,看数据是否符合正态分布,如果不符合则可以直接在Arcgis软件中对数据进行诸如Log变换的相应变换;利用普通克里金插值法对研究区域的土壤重金属浓度进行空间插值,并生成土壤重金属元素的空间插值分布图;
S402,通过地图软件定位研究区域内主要潜在污染源的坐标:
对公示的企业生产排放信息进行查询,对研究区域进行实地调研,根据企业的生产类别和生产原料预测其主要排放的重金属种类;然后借助地图软件获取研究区域内可能造成重金属污染的工厂、矿区、农场和主干道路一类潜在污染源的地理位置信息,利用Arcgis软件生成这些潜在污染源的分布图;并建立对应的潜在污染源与预测的排放重金属种类的数据库DB1;
S5:结合步骤S1~S4的分析结果,从数据之间的内在关联、变异程度和空间分布的角度联合分析研究区域的土壤重金属污染情况,并结合当地实地情况,分析判断出可能的污染来源,为研究区域的土壤重金属污染防治提供有效的依据和参考。
优选地,上述一种农田土壤重金属定性源解析的联用方法中,步骤S5的具体方法如下:
S501,通过S1中统计的各重金属元素的背景值信息,与S401中生成的空间插值分布图进行对比,判定区域内人为干扰严重的热点区域:
当某重金属元素的空间插值分布图显示其分布并不平缓,表明该元素在研究区域的空间变异性较强、人为干扰较为严重;将该热点区域与步骤一中变异系数的分析结果进行对比验证,提高结果的准确性;
S502,比对不同元素的空间插值分布图的热点区域,选定同源重金属:
比对不同元素的空间插值分布图的热点区域,当多种元素在同一片区域呈现出高值时,再结合S2~S3中的相关性分析和主成分分析的结果对这些元素进行比对;若显示这些元素之间具有较强的相关性,且在空间分布上重合度较高,则利用“相关性越高,同源性越强”这一原则,可以推测这些元素源自于同一类污染源,且该类污染源就位于空间插值分布图所显示的这片高值区域;
S503,结合热点区域与S402的潜在污染源分布图,进行污染源定位:
a.过图像处理软件,将S502中选定的同源重金属的热点区域进行重合处理,得到热点区域的并集;
b.通过图像处理技术对热点区域进行色块识别和轮廓线绘制,得到该热点区域在地图上的轮廓线;
c.通过图像处理软件将轮廓线与S402生成的潜在污染源地理位置分布图进行图层重叠,定位该区域内标记的主要潜在污染源的位置及信息,查询数据库DB1进行分析,比对潜在污染源的预测排放重金属与热点区域实际的重金属元素分布情况,即可找出该片区域内针对这些重金属元素的具有代表性的污染源;
进一步地,除了结合数据库DB1进行分析外,还可以通过常识进行分析,例如铜矿极大可能对周围土壤造成铜元素污染、主干道附近的土壤容易被汽车尾气中的铅等元素污染,增强分析结果的可信度和完整性;
d.结合主成分分析结果显示的可能的污染源因子数,按照上述方法找出整个研究区域相应数目的各主要污染源,实现对研究区域土壤重金属污染的定性源解析。
进一步地,图像处理软件可选用Photoshop或Arcgis软件;图像处理技术识别色块以及轮廓线的绘制可通过Photoshop内置的选框以及图层功能实现。
进一步地,图像轮廓线处理也可以通过python+OpenCV编程实现轮廓线处理,具体如下:
读取空间插值分布图,识别所需处理的热点区域的色值,并进行颜色定义;然后将原图进行高斯模糊,将图片颜色格式从BGR转换为HSV,进行腐蚀去噪,得到高亮的热点区域色块,并且去除背景部分;最后通过设定函数找出色块外边界,并进行轮廓图像绘制。
结合上述方法的解析结果,进行对比验证、对照分析,一方面从描述性统计分析的结果中得出研究区域的点位超标率以及各重金属元素的变异系数,进而分析出土壤受污染程度以及人为的干扰程度;再通过相关性分析与主成分分析的结果对比验证,得出哪些重金属元素之间具有相关性,根据“相关性越强,来源于同一污染源的概率越大”这一原则,合理分析哪些元素具有同源性;并且根据主成分分析的结果可以得出主要的污染源因子的数目。另一方面,根据各元素的空间分布图,我们可以知道各元素在哪些地区存在热点区域、分布是否平缓、是否存在空间变异特征,并结合研究区域的实地情况,进一步分析各重金属元素的污染来源。
上述的实施例仅为本发明的优选技术方案,而不应视为对于本发明的限制,本申请中的实施例及实施例中的特征在不冲突的情况下,可以相互任意组合。本发明的保护范围应以权利要求记载的技术方案,包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进,也在本发明的保护范围之内。
Claims (2)
1.一种农田土壤重金属定性源解析的联用方法,其特征在于:包括如下步骤:
S1:对原始数据进行预处理,并进行描述性统计分析:
S101,划定研究区域,在研究区域中选择多个采样点进行土壤采样并检测,获取原始土壤重金属浓度数据;通过EXCEL软件对数据集进行预处理,其中缺失值通过平均值来进行补充;
S102,将预处理完成后的数据集导入SPSS软件,对预处理好的研究区域农田土壤中各重金属元素的PH值数据和浓度值数据进行描述性统计分析,计算出各重金属元素的最大值、最小值、平均值、变异系数、偏度值和峰度值;
S103,通过历史资料获取研究区域的土壤重金属背景值,结合研究区域土壤重金属元素背景值,计算出各重金属元素的点位超标率,将各结果数据在Excel软件中进行汇总并制成描述性统计分析结果表进行直观展示通过点位超标率反映研究区域农田土壤受污染程度以及人为干扰程度;
S2:对数据进行相关性分析:
S201,根据步骤S1中获取的各元素的偏度值和峰度值,判断数据是否符合正态分布特征:若符合正态分布特征,直接采用Pearson相关性分析法进行相关性分析;若不符合正态分布特征,使用Spearman相关性分析法进行相关性分析;
S202,生成相关系数矩阵,根据相关系数来判断各重金属元素之间的相关性并进一步追溯它们的同源性;
S3:对数据进行主成分分析:
S301,将步骤S1预处理后的各重金属元素的浓度数据输入到SPSS软件中,先对数据进行KMO检验和Bartlett球形检验,判断输入的原始数据是否适合做因子分析;
S302,判定合格后,将重金属浓度数据输入SPSS软件进行主成分分析,经方差最大正交旋转后,生成土壤重金属特征值和方差累积贡献率结果表,定性解析出研究区域主要存在的污染源因子,以及每个污染源因子对不同重金属元素的贡献值;
S4:进行空间插值并生成重金属元素空间分布图:
S401,将各土壤样点的经纬度数据以及所对应的各重金属元素的浓度数据输入到Arcgis软件中,并利用普通克里金插值法来对研究区域的土壤重金属浓度数据进行空间插值并生成土壤重金属元素的空间分布图,通过空间分布图分析研究区域土壤重金属含量分布状况;
S402,通过地图软件定位研究区域内主要潜在污染源的坐标:
对公示的企业生产排放信息进行查询,对研究区域进行实地调研,根据企业的生产类别和生产原料预测其主要排放的重金属种类;然后借助地图软件获取研究区域内可能造成重金属污染的工厂、矿区、农场和主干道路一类潜在污染源的地理位置信息,利用Arcgis软件生成这些潜在污染源的分布图;并建立对应的潜在污染源与预测的排放重金属种类的数据库DB1;
S5:结合步骤S1~S4的分析结果,从数据之间的内在关联、变异程度和空间分布的角度联合分析研究区域的土壤重金属污染情况,并结合当地实地情况,分析判断出可能的污染来源,为研究区域的土壤重金属污染防治提供有效的依据和参考。
2.根据权利要求1所述的一种农田土壤重金属定性源解析的联用方法,其特征在于:步骤S5的具体方法如下:
S501,通过S1中统计的各重金属元素的背景值信息,与S401中生成的空间插值分布图进行对比,判定区域内人为干扰严重的热点区域:
当某重金属元素的空间插值分布图显示其分布并不平缓,表明该元素在研究区域的空间变异性较强、人为干扰较为严重;将该热点区域与步骤一中变异系数的分析结果进行对比验证,提高结果的准确性;
S502,比对不同元素的空间插值分布图的热点区域,选定同源重金属:
比对不同元素的空间插值分布图的热点区域,当多种元素在同一片区域呈现出高值时,再结合S2~S3中的相关性分析和主成分分析的结果对这些元素进行比对;若显示这些元素之间具有较强的相关性,且在空间分布上重合度较高,则利用“相关性越高,同源性越强”这一原则,可以推测这些元素源自于同一类污染源,且该类污染源就位于空间插值分布图所显示的这片高值区域;
S503,结合热点区域与S402的潜在污染源分布图,进行污染源定位:
a. 过图像处理软件,将S502中选定的同源重金属的热点区域进行重合处理,得到热点区域的并集;
b. 通过图像处理技术对热点区域进行色块识别和轮廓线绘制,得到该热点区域在地图上的轮廓线;
c. 通过图像处理软件将轮廓线与S402生成的潜在污染源地理位置分布图进行图层重叠,定位该区域内标记的主要潜在污染源的位置及信息,查询数据库DB1进行分析,比对潜在污染源的预测排放重金属与热点区域实际的重金属元素分布情况,即可找出该片区域内针对这些重金属元素的具有代表性的污染源;
d.结合主成分分析结果显示的可能的污染源因子数,按照上述方法找出整个研究区域相应数目的各主要污染源,实现对研究区域土壤重金属污染的定性源解析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210699037.2A CN115170822A (zh) | 2022-06-20 | 2022-06-20 | 一种农田土壤重金属定性源解析的联用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210699037.2A CN115170822A (zh) | 2022-06-20 | 2022-06-20 | 一种农田土壤重金属定性源解析的联用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115170822A true CN115170822A (zh) | 2022-10-11 |
Family
ID=83488086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210699037.2A Pending CN115170822A (zh) | 2022-06-20 | 2022-06-20 | 一种农田土壤重金属定性源解析的联用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115170822A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116500240A (zh) * | 2023-06-21 | 2023-07-28 | 江西索立德环保服务有限公司 | 一种土壤环境质量监测方法、***及可读存储介质 |
-
2022
- 2022-06-20 CN CN202210699037.2A patent/CN115170822A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116500240A (zh) * | 2023-06-21 | 2023-07-28 | 江西索立德环保服务有限公司 | 一种土壤环境质量监测方法、***及可读存储介质 |
CN116500240B (zh) * | 2023-06-21 | 2023-12-29 | 江西索立德环保服务有限公司 | 一种土壤环境质量监测方法、***及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529410B (zh) | 一种基于监控视频的灰霾扩散路径绘制与来源确定方法 | |
Pesch et al. | Mosses as bioindicators for metal accumulation: Statistical aggregation of measurement data to exposure indices | |
CN102930519B (zh) | 基于非局部均值的sar图像变化检测差异图生成方法 | |
CN108710777B (zh) | 基于多卷积自编码神经网络的多元化探异常识别方法 | |
CN107909192B (zh) | 土壤重金属含量的估测方法及装置 | |
CN115170822A (zh) | 一种农田土壤重金属定性源解析的联用方法 | |
CN111914767A (zh) | 一种基于多源遥感数据的散乱污企业检测方法及*** | |
CN110967461A (zh) | 一种基于gis技术实现河流水质动态分布的方法 | |
CN115602337A (zh) | 一种基于机器学习的刺激隐核虫疾病预警方法及*** | |
Althuwaynee et al. | Spatial identification and temporal prediction of air pollution sources using conditional bivariate probability function and time series signature | |
CN113516060B (zh) | 基于多时相高分辨率数据的建筑空间融合判别方法及装置 | |
CN115631197B (zh) | 一种图像处理方法、装置、介质、设备及*** | |
CN114974452B (zh) | 一种确定二次转化来源的管控目标的方法和装置 | |
CN113225391B (zh) | 基于滑动窗口异常检测的大气环境监测质量监控方法及计算设备 | |
CN115035417A (zh) | 一种基于Sentinel-2卫星影像的海草分布图生成方法 | |
CN111858808B (zh) | 基于海量实测点的地形图特征地物精度自动评价方法 | |
CN114154856A (zh) | 一种基于路网的电网路径规划节点计算方法与*** | |
CN114563771A (zh) | 基于聚类分析的双阈值激光雷达云层检测算法 | |
CN112365495A (zh) | 基于遥感的识别违章建筑方法 | |
CN113792706A (zh) | 一种基于卫星遥感的VOCs排放源储油罐精准识别方法 | |
CN112182084A (zh) | 一种基于数据格式的数据自动化处理方法及设备 | |
CN107590824B (zh) | 基于三维图像处理技术的岩石颗粒识别及位移跟踪方法 | |
CN112434877A (zh) | 一种基于云计算的智慧城市数据处理方法及装置 | |
US20020123844A1 (en) | Method and system for locating mineral deposits | |
CN113052743B (zh) | 一种城市碳排放数据处理方法、装置、介质及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |