土壤重金属污染异常值识别方法及其应用

摘要

在土壤重金属污染的研究过程中，数据是一切研究的基础，高质量数据可以准确表征区域土壤重金属的污染状况，而含有较多异常值或错误的数据往往导致土壤环境质量评价结果不准确甚至带来误判，给土壤的修复、治理等后续工作带来诸多不便，因此土壤重金属污染数据的质量控制及异常值处理显得尤为重要。
　　本文以北京市为研究区域，采用数理统计方法、土壤背景值和空间自相关方法对北京市土壤重金属As、Cd和Pb元素中的异常值进行了识别，识别结果表明651个土壤样品中有8个As数据异常，34个Cd数据异常和38个Pb数据异常。异常值的化学复测结果表明75.0％的As异常数据（6个）、76.5%的Cd异常数据（26个）和92.1%的Pb异常数据（35个）为系统误差和人为误差导致。将原始数据进行复测修正后，插值精度得到显著提高。As、Cd、和Pb异常数据的平均相对误差分别下降48.0%、44.6%和54.7%，平均绝对误差分别降低51.8%、46.7%和54.4%，均方根误差分别降低34.2%、33.3%和46.4%；受异常数据影响的邻近点平均相对误差分别下降5.2%、20.6%和27.6%，平均绝对误差分别降低5.4%、25.5%和29.8%，均方根误差降低5.3%、17.3%和33.2%。联合识别方法可以有效识别出土壤重金属数据中由于人为系统误差和人为误差导致的异常数据，在增加有限样本量和分析时间的前提下提高调查数据质量，为保障数据质量提供有效的识别工具。

目录

声明

1 绪论

1.1 选题背景

1.2 研究意义

1.3 文献综述

1.4 研究内容及技术路线

1.5 论文结构

1.6 本章小结

2 数据与方法

2.1 研究区概况

2.2 样品采集与化学测定

2.3 土壤重金属异常值识别方法

2.4 空间插值的预测精度评价

2.5 本章小结

3 异常值识别方法及有效性验证

3.1 异常值联合识别方法的建立

3.2 数据的正态性检验

3.3 土壤重金属异常值识别结果

3.4 异常值识别方法的有效性验证

3.5 本章小结

4 插值精度评价及数据异常原因分析

4.1 土壤重金属空间结构分析

4.2 异常值识别结果对插值精度的影响

4.3 异常值识别方法的效率

4.4 土壤重金属数据异常原因分析

4.5 本章小结

5 重金属污染数据异常值识别方法的编程应用

5.1 土壤重金属污染数据校验系统开发关键技术

5.2 土壤重金属污染数据校验系统的设计

5.3 土壤重金属污染数据校验系统的实现

5.4 系统操作注意事项

5.5 本章小结

6 结论与展望

6.1 论文结论

6.2 研究展望

参考文献

致谢

攻读硕士期间主要成果