CN106124729A - 一种评价土壤中重金属含量数据异常程度的方法 - Google Patents
一种评价土壤中重金属含量数据异常程度的方法 Download PDFInfo
- Publication number
- CN106124729A CN106124729A CN201610407268.6A CN201610407268A CN106124729A CN 106124729 A CN106124729 A CN 106124729A CN 201610407268 A CN201610407268 A CN 201610407268A CN 106124729 A CN106124729 A CN 106124729A
- Authority
- CN
- China
- Prior art keywords
- soil
- data
- content
- heavy metal
- value
- 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.)
- Granted
Links
- 239000002689 soil Substances 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 52
- 229910001385 heavy metal Inorganic materials 0.000 title claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 61
- 229910052751 metal Inorganic materials 0.000 claims abstract description 52
- 239000002184 metal Substances 0.000 claims abstract description 48
- 238000005259 measurement Methods 0.000 claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 238000012795 verification Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000002203 pretreatment Methods 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims description 23
- 229910052793 cadmium Inorganic materials 0.000 claims description 13
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 8
- 229910052785 arsenic Inorganic materials 0.000 claims description 7
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 229910052804 chromium Inorganic materials 0.000 claims description 3
- 239000011651 chromium Substances 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 239000010949 copper Substances 0.000 claims description 3
- 238000013101 initial test Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- 229910052725 zinc Inorganic materials 0.000 claims description 3
- 239000011701 zinc Substances 0.000 claims description 3
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 2
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 claims description 2
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 claims description 2
- 238000007873 sieving Methods 0.000 claims description 2
- 238000011109 contamination Methods 0.000 abstract description 3
- 238000009472 formulation Methods 0.000 abstract description 3
- 239000000203 mixture Substances 0.000 abstract description 3
- 238000012937 correction Methods 0.000 abstract description 2
- 239000011133 lead Substances 0.000 description 7
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 3
- 229910052759 nickel Inorganic materials 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- WURBVZBTWMNKQT-UHFFFAOYSA-N 1-(4-chlorophenoxy)-3,3-dimethyl-1-(1,2,4-triazol-1-yl)butan-2-one Chemical compound C1=NC=NN1C(C(=O)C(C)(C)C)OC1=CC=C(Cl)C=C1 WURBVZBTWMNKQT-UHFFFAOYSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 229910052745 lead Inorganic materials 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
- 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
- G01N33/245—Earth materials for agricultural purposes
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
一种评价土壤中重金属含量数据异常程度的方法,先随机多点混合地采集土壤样本,获得多个土壤样本;再将土壤样本进行前处理后,检测重金属的含量,将样本重金属含量的相关数据存储在数据库中;采用数理统计校验、背景校验、空间校验三种方式对存储的相关数据进行处理;统计异常数值,将异常数值评定为三个等级;对异常数据进行复测,校正,更新数据。本发明解决非专业人员由于数理统计、地统计学以及土壤环境科学等方面知识的欠缺,无法识别土壤重金属含量数据中异常数据的问题,可在土壤污染评价、修复决策制订等过程中减少误判。
Description
技术领域
本发明属于环境检测技术领域,特别涉及一种通过多种校验方法来评价土壤中重金属含量数据异常程度的方法。
背景技术
随着我国经济的不断发展,工业化水平不断提高,金属矿山的无序开采以及工业垃圾的不合理处置、污水灌溉、化肥、农药等的过度使用造成土壤重金属污染严重,进而威胁农产品质量安全,例如湖南镉大米事件。国家高度重视土壤重金属污染的修复和治理工作。获取客观、真实的土壤重金属含量数据是开展上述工作的基础。由于土壤重金属来源复杂,含量数据变化幅度大;并且实验测试过程繁杂、分析误差大,获取的土壤重金属含量数据是否真实,很难辨别真伪。通常需要大量的重复检测、多个平行试验、庞大的数据量和工作量,才能获得客观、有效的重金属数据,进而反应调查区域土壤重金属污染水平。
因此,目前急需一种对检测到的土壤重金属含量大样本数据中异常数据的评价方法,能够真实、客观地评价调查区域土壤重金属含量污染水平,为后续是否复测该元素提供参考。
发明内容
为解决上述技术问题,本发明的目的是提供一种评价土壤中重金属含量数据异常程度的方法,通过多种校验方法对同一批土壤样本的一种或多种重金属含量数据进行评价,综合评价结果后进行异常程度划定。解决非专业人员由于数理统计、地统计学以及土壤环境等方面知识的欠缺,无法识别土壤重金属含量数据中异常数据,进而在土壤污染评价,土壤修复决策制订等过程中产生误判的问题。
为了解决上述技术问题,本发明的技术方案为:
一种评价土壤中重金属含量数据异常程度的方法,包括以下步骤:
步骤1:采用随机多点混合方式采集土壤获得多个土壤样本;
步骤2:将所述土壤样本进行前处理后检测重金属的含量,将土壤样本重金属含量的相关数据存储在数据库中;
步骤3:采用三种校验方法分别对所述土壤样本重金属含量数据进行数据校验,步骤包括:3a.数理统计校验,通过组间数据差异比较,筛选出异常数值,获得并存储所述异常数值的信息;3b.背景校验,根据调查区域土壤重金属背景含量设定正常区间,筛选并存储土壤样本重金属含量数据中没有落入所述正常区间的异常数值信息;3c.空间校验,通过土壤样本的空间数据之间的关联,筛选出异常数值,获得并存储所述异常数值的信息;所述三种校验的顺序不做限制;
步骤4:根据异常数值对所述土壤样本重金属含量数据进行统计,被步骤3中的一种校验方法评价为异常数值的定级为轻度异常;被步骤3中的两种校验方法(其中一种校验方法为空间校验)评价为异常数值的定级为中度异常;被步骤3中的三种校验方法都评价为异常数值的定级为重度异常。
步骤5:对校验出的异常点进行重金属含量的复测,将复测值与初始值对比,评价该点重金属含量数据是否异常,根据评价结果,校正重金属含量数据。
进一步地,还包括对所述异常数值进行统计后按照异常等级排列筛选异常样本的信息的步骤。
进一步地,在步骤1中,所述采集土壤样本为在GPS的定位基础上,用不锈钢土钻、土刀采集样方0~20cm表层土壤,并且包括除去非土壤介质的步骤,如植物根系、叶片等。
进一步地,步骤1中所述随机多点混合方式为在土壤上按照S形线路多点采样,每个采样单元的样点数不少于5个。
更进一步地,采用5点法采样,每个采样单元的样点包括正方形4个顶点和中心点;混合样点的土壤后,用四分法取对角土壤样品的混合作为待测的土壤样本。
进一步地,在步骤2中,所述前处理包括将土壤样品在室内自然风干、研磨土壤样品、过100目筛的步骤;所述重金属为铜、锌、铅、镉、镍、铬、砷和汞中的任一种或任意组合,所用的检测方法为各重金属的国家标准检测方法。
进一步地,在步骤2中,所述数据库为利用SQLServer软件创建的存储重金属含量数据的数据库。
进一步地,在步骤3a中,设置数据标准差的倍数选择相应的置信区间,分别计算数据的均值M和标准差S,筛选出落入置信区间之外的数值作为异常数值。
进一步地,进行步骤3b中的所述背景校验时,设置调查区域土壤重金属背景含量的95%分位值和5%分位值之间为正常区间。
进一步地,在步骤3c中,所述空间校验的计算公式为:
其中n为变量x的观测次数,xi、yi分别为位置i和位置j的检测值,是所有观测值的平均值,Wij是空间权重矩阵值,将I值与预设的阈值范围进行比较,超出阈值范围的数值为异常数值。
进一步地,在步骤5中,根据用户需求选择相应异常等级的样点进行复测,并将复测含量与初始值进行比对,评价该点重金属含量数据是否异常,根据复测结果,校正重金属含量数据。
本发明技术方案具有如下有益效果:
1.本发明通过对大量的土壤样本中重金属含量数据分析整理评价,可以实现对每个样品重金属含量数据异常程度进行定级,通过进一步复测,校正重金属含量数据,节省检测成本;
2.解决非专业人员由于数理统计、地统计学以及土壤环境等方面知识的欠缺,无法识别土壤重金属含量数据中异常数据的问题,进而在土壤污染评价,修复决策制订等过程中产生误判的问题;
3.本发明提供了三种校验重金属含量数据异常程度的方法,并通过综合三种校验结果,进行异常等级的划分,避免了单一方法评价的偶然性和主观性,使土壤重金属调查数据更加精确可靠。
附图说明
图1为本发明方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图及实施案例,对本发明进行进一步详细说明。应当理解,此处所描述的结构图及具体实施例仅用以解释本发明,并不用于限定本发明。
图1为本发明的流程图,如图1所示,包括以下步骤:
步骤1随机多点混合地采集土壤样本,获得多个土壤样本;
步骤2将土壤样本进行前处理后,检测重金属的含量,将样本重金属含量的相关数据存储在数据库中;
步骤3a对所述样本重金属含量数据进行数理统计校验,通过组间数据差异比较,筛选出异常数值,获得并存储所述异常数值的信息;
步骤3b对所述样本重金属含量数据进行背景检验,将所述样本重金属含量数据与调查区域所在省土壤重金属背景含量的上限(95%分位值)和下限(5%分位值)进行比较,筛选出没有落入背景含量范围的异常数值,获得并存储所述异常数值的信息;
步骤3c对所述样本重金属含量数据进行空间校验,通过样本的空间数据之间的关联,筛选出异常数值,获得并存储所述异常数值的信息;
步骤4对所述异常数值进行统计,只被步骤3中的一种校验方法评价为异常数值的定级为轻度异常;被步骤3中的两种校验方法(其中一种校验方法为空间校验)评价为异常数值的定级为中度异常;被步骤3中的三种校验方法都评价为异常数值的定级为重度异常。
步骤5对校验出的异常点进行重金属含量的复测,将复测值与初始值对比,评价该点重金属含量数据是否异常,根据评价结果,校正,更新重金属含量数据。
实施例1
在步骤1采集土壤样本的步骤中,可以在GPS定位的基础上,以北京市的土壤作为检测区域,用不锈钢土钻、土刀采集样方0~20cm表层土壤,不采集外来土或回填土,除去人为污染物质。采集样品按照一定采样路线和、“随机”多点混合的原则。每个采样单元的样点数,不少于5点。每一点采取的土样厚度、深浅、宽狭应大体一致;各点都是随机决定的,在田间观察了解情况后,随机定点避免主观误差,提高样品的代表性,采样一般按S形线路进行,采用5点法采样,5个样点由正方形的4个顶点及中心点构成;采样地点应避免田边、路边、沟边和特殊地形。一个混合样品取1kg左右,如果重量超出很多,可以把各点采集的土壤放在一个木盆里或塑料布上用手捏碎摊平,用四分法对角取两份混合放在布袋或塑料袋里,其余可弃去,附上标签,用铅笔注明采样地点、采土深度、采样日期、采样人,标签一式两份,一份放在袋里,一份扣在袋上。共采集样品808个,有效样本651个,对每个样本进行编号。
实施例2
在步骤2中样品采集后进行前处理的步骤,室内自然晾干,研磨,过100目筛。根据国家测试标准、相关分析方法获取重金属含量数据,检测方法如下表所示:
表1土壤重金属的分析测试方法
获取土壤重金属含量数据,将含量数据导入至系统软件中,利用SQLServer软件创建数据库存储检测到的每个样本的重金属含量的数值。对于某采样点某种重金属元素缺失将不参与此种重金属元素的校验操作;加载好数据之后,需要选择待校验的重金属元素;针对不同的校验方法需要设置相应的参数信息。
实施例3
在步骤3中,数理统计校验其主要根据概率论与数理统计的思想进行异常点的选取,理论上,没有人为干扰的情况下,土壤变量应符合正态分布或对数正态分布,如北京市土壤Cr、Ni含量分布服从正态分布,Cd、Cu、Pb和Zn含量分布服从对数正态分布。M为数据均值,S为数据标准差,设定2倍S时,M-2S至M+2S为95%的置信区间。本实施例选取95%的置信区间,根据该置信区间,可以选择出置信区间之外的异常数据,获得并存储该异常数值的信息。
背景校验方法其主要结合土壤重金属含量背景值,基于概率论与数理统计的思想,进行异常点的校验。针对不同的研究区域,土壤重金属含量背景值各异,分别取调查区域所在省的土壤重金属含量背景值的上限值和下限值作为重金属含量正常区间,调查区域的重金属含量高于上限或低于下限即认定该重金属含量数据为异常数值,获得并存储该异常数值的信息。
空间校验方法,基于土壤变量局部空间自相关的思想进行异常数据的筛选。土壤重金属含量值具有空间相关性,一般来说,对于重金属含量值高的区域,其周边区域一般来讲重金属含量值也比较高。而在局部整体高含量区域出现极低值,或者局部整体低含量区域出现极高值,这种极值可通过统计概率(95%的置信区间)判断出来。局部空间自相关的公式为:
公式(1)中n为变量x的观测次数,xi、yi分别为位置i和位置j的检测值,是所有观测值的平均值,Wij是空间权重矩阵值,通过I值与阈值范围的比较,超出阈值的数值筛选为异常数值。根据公式得出检验点重金属含量的I值,I值越小,表明该点重金属含量数据与局部整体土壤重金属含量差异越大,当I值小于一定阈值时,即判定为异常数据。
统计实施例中北京市土壤样本中三种重金属元素的异常数值数如下表所示:
表2不同元素异常点个数
实施例4
在步骤4中,异常数据的异常程度进行定级,为后续是否复测该元素提供参考。只被步骤3中的一种校验方法评价为异常数值的定级为轻度异常;被步骤3中的两种校验方法(其中一种校验方法为空间校验)评价为异常数值的定级为中度异常;被步骤3中的三种校验方法都评价为异常数值的定级为重度异常。
按照异常级别的定级方法,实施例中北京市土壤镉元素数据在3种校验方法分析下,轻度异常点有248个;中度异常点有33个;高度异常点有1个。砷元素轻度异常点181个;中度异常点3个;高度异常点5个。铅元素轻度异常196个;中度异常点30个;高度异常点8个。
以镉为例,按照异常等级排列筛选出的土壤样本,显示每个异常点的重金属含量的相关数据,如下表所示:
表3镉元素高度异常点信息
样点原始编号 | 含量值 | 异常程度 |
674 | 0.389 | 高度异常 |
表4镉元素中度异常点信息
表5镉元素轻度异常点信息
实施例5
在步骤4中,对校验出的异常点进行定级之后,为验证校验结果的精度,挑选镉、砷和铅三种重金属元素的中度异常点进行重金属含量的复测(镉元素34个;砷8个;铅38个),在重金属含量复测之前首先针对校验出的异常点的含量值进行评价,即得出该点是高值异常还是低值异常,然后将该点初始含量与复测含量进行对比,查看该点重金属含量的变化趋势,如果该点为高值异常点,那么该点重金属含量复测值与初始值对比一般应该显示下降的趋势,本发明认为在符合预期变化趋势的基础上,重金属含量值变化在10%及以上,即认为该点符合预判结果。当复测结果与初始值大致一样的时候即认为该点即为高值异常点或低值异常点。另外在实验过程中,有个别异常点的重金属含量值变化与预判结果呈现相反的变化趋势,这种情况有可能是第一次测试或复测的过程中失误所导致。以下为各重金属元素初始值与复测结果的汇总表(注:表6、7、8中异常类型为“高值异常”指该点数值偏高,“低值异常”指该点数值偏低;复测结论为“复测值与初始值一致”表明该点客观存在,实际就是高值或低值异常点,复测结论为“符合预判”表明该点含量值变化趋势与预判趋势一致,复测结论为“初始测试异常”表明该点初始测试有误,复测之后的土壤重金属含量客观存在,实际就是高值或低值异常点)
表6镉元素复测结果汇总
表7砷元素复测结果汇总
表8铅元素复测结果汇总
由表6可知,对于34个镉元素中重度异常点来看,符合预判结果的点有26个点,占比76.5%;7个高值异常点经过复测后,实际客观存在,该点位确为高值异常点,占比20.6%;复测结果异常的点有1个,占比3%。由表7可得出在8个砷元素异常点6个符合预判结果,2个点为高值异常点。由表8可得对于38个铅元素异常点,符合预判结果的点有35个点,占比92%;有2个高值异常点和1个测试异常点,总体来看,校验结果准确度均在80%以上,取得了良好的效果。
以上所述实施例仅表达了本发明的实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,均属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种评价土壤中重金属含量数据异常程度的方法,其特征在于,包括以下步骤:
其特征在于,包括以下步骤:
步骤1:采用随机多点混合方式采集土壤获得多个土壤样本;
步骤2:将所述土壤样本进行前处理后检测重金属的含量,将土壤样本重金属含量的相关数据存储在数据库中;
步骤3:采用三种校验方法分别对所述土壤样本重金属含量数据进行数据校验,步骤包括:
3a.数理统计校验,通过组间数据差异比较,筛选出异常数值,获得并存储所述异常数值的信息;
3b.背景校验,根据调查区域土壤重金属背景含量设定正常区间,筛选并存储土壤样本重金属含量数据中没有落入所述正常区间的异常数值信息;
3c.空间校验,通过土壤样本的空间数据之间的关联,筛选出异常数值,获得并存储所述异常数值的信息;
步骤4:根据异常数值对所述土壤样本重金属含量数据进行统计,被步骤3中的一种校验方法评价为异常数值的定级为轻度异常;被步骤3中的两种校验方法(其中一种校验方法为空间校验)评价为异常数值的定级为中度异常;被步骤3中的三种校验方法都评价为异常数值的定级为重度异常。
步骤5:根据要求选择不同异常程度的土壤样品进行重金属含量复测(3个独立个人同时复测),将复测结果与初始值进行对比分析,复测结论包括以下情况:初始值和复测值含量一致(含量差异低于10%),则认为该点复测值与初始值相同,该点重金属数据尽管异常,但客观存在。复测值与初始值数值差异在10%以上,且数值按照预判的趋势升高或者降低,表明该点重金属初始数据测试有误,需要进行校正;复测值与初始值数值差异幅度在10%以上,但数值变化与预判结果相反,表明该点初始测试有误,复测之后的土壤重金属含量客观存在,实际就是高值或低值异常点。
2.根据权利要求1所述的评价土壤中重金属含量数据异常程度的方法,其特征在于:对所述异常数值进行统计后,按照异常等级排列筛选异常样本的信息。
3.根据权利要求1所述的评价土壤中重金属含量数据异常程度的方法,其特征在于:步骤1中采集土壤样本时,使用GPS定位,用不锈钢土钻和/或土刀采集样方0~20cm表层土壤,并除去非土壤介质。
4.根据权利要求1所述的评价土壤中重金属含量数据异常程度的方法,其特征在于:步骤1中所述随机多点混合方式为在土壤上按照S形线路多点采样,每个采样单元的样点数不少于5个。
5.根据权利要求4所述的评价土壤中重金属含量数据异常程度的方法,其特征在于:采用5点法采样,每个采样单元的样点包括正方形4个顶点和中心点;混合样点的土壤后,用四分法取对角土壤样品的混合作为待测的土壤样本。
6.根据权利要求1所述的评价土壤中重金属含量数据异常程度的方法,其特征在于:步骤2中所述前处理包括将土壤样品在室内自然风干、研磨土壤样品、过100目筛的步骤;所述重金属为砷、镉、铅、铬、汞、铜和锌中的一种或任意组合,使用的检测方法为各重金属的国家标准检测方法。
7.根据权利要求1所述的评价土壤中重金属含量数据异常程度的方法,其特征在于:步骤2中所述数据库为利用SQLServer软件创建的存储重金属含量数据的数据库。
8.根据权利要求1所述的评价土壤中重金属含量数据异常程度的方法,其特征在于:进行步骤3a中的所述数理统计校验时,设置数据标准差的倍数选择相应的置信区间,分别计算数据的均值M和标准差S,筛选出落入置信区间之外的数值作为异常数值。
9.根据权利要求1所述的评价土壤中重金属含量数据异常程度的方法,其特征在于:进行步骤3b中的所述背景校验时,设置调查区域土壤重金属背景含量的95%分位值和5%分位值之间为正常区间。
10.根据权利要求1所述的评价土壤中重金属含量数据异常程度的方法,其特征在于:步骤3c中所述空间校验的计算公式为:
其中n为变量x的观测次数,xi、yi分别为位置i和位置j的检测值,是所有观测值的平均值,Wij是空间权重矩阵值,将I值与预设的阈值范围进行比较,超出阈值范围的数值为异常数值。
11.根据权利要求1所述的异常点的复测,其特征在于:步骤5中对不同重金属元素采用相应的检测方法进行重金属含量的复测,并与初始值对比分析,判断出该点实际值,对初始数据进行校正,更新。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2016102277893 | 2016-04-13 | ||
CN201610227789 | 2016-04-13 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106124729A true CN106124729A (zh) | 2016-11-16 |
CN106124729B CN106124729B (zh) | 2018-02-23 |
Family
ID=57270050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610407268.6A Active CN106124729B (zh) | 2016-04-13 | 2016-06-12 | 一种评价土壤中重金属含量数据异常程度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106124729B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705002A (zh) * | 2017-09-21 | 2018-02-16 | 中国矿业大学(北京) | 矿区土壤重金属含量采样点异常高值影响范围的确定方法 |
CN108268977A (zh) * | 2018-01-12 | 2018-07-10 | 武汉智博创享科技股份有限公司 | 降低土壤修复中污染物异常特高值影响的方法及系统 |
CN110456026A (zh) * | 2019-08-13 | 2019-11-15 | 北京农业信息技术研究中心 | 一种土壤墒情监测方法及装置 |
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、系统及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2264636C2 (ru) * | 2002-12-04 | 2005-11-20 | Институт минералогии, геохимии и кристаллохимии редких элементов (ИМГРЭ) | Способ определения участков загрязнения окружающей среды |
CN101571891A (zh) * | 2008-04-30 | 2009-11-04 | 中芯国际集成电路制造(北京)有限公司 | 异常数据检验方法和装置 |
CN102590473A (zh) * | 2012-01-29 | 2012-07-18 | 中国农业大学 | 农业区域地块土壤重金属适宜性测试方法及系统 |
CN102636632A (zh) * | 2012-04-25 | 2012-08-15 | 上海交通大学 | 围垦地土壤重金属污染综合评价图生成方法 |
CN104181883A (zh) * | 2014-08-08 | 2014-12-03 | 青岛高校信息产业有限公司 | 实时数据采集系统的异常数据实时处理方法 |
CN104994535A (zh) * | 2015-06-04 | 2015-10-21 | 浙江农林大学 | 基于多维数据模型的传感器数据流异常检测方法 |
CN105138413A (zh) * | 2015-08-19 | 2015-12-09 | 中国电力科学研究院 | 一种配电网在线数据异常检测方法 |
CN105279382A (zh) * | 2015-11-10 | 2016-01-27 | 成都数联易康科技有限公司 | 一种医疗保险异常数据在线智能检测方法 |
-
2016
- 2016-06-12 CN CN201610407268.6A patent/CN106124729B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2264636C2 (ru) * | 2002-12-04 | 2005-11-20 | Институт минералогии, геохимии и кристаллохимии редких элементов (ИМГРЭ) | Способ определения участков загрязнения окружающей среды |
CN101571891A (zh) * | 2008-04-30 | 2009-11-04 | 中芯国际集成电路制造(北京)有限公司 | 异常数据检验方法和装置 |
CN102590473A (zh) * | 2012-01-29 | 2012-07-18 | 中国农业大学 | 农业区域地块土壤重金属适宜性测试方法及系统 |
CN102636632A (zh) * | 2012-04-25 | 2012-08-15 | 上海交通大学 | 围垦地土壤重金属污染综合评价图生成方法 |
CN104181883A (zh) * | 2014-08-08 | 2014-12-03 | 青岛高校信息产业有限公司 | 实时数据采集系统的异常数据实时处理方法 |
CN104994535A (zh) * | 2015-06-04 | 2015-10-21 | 浙江农林大学 | 基于多维数据模型的传感器数据流异常检测方法 |
CN105138413A (zh) * | 2015-08-19 | 2015-12-09 | 中国电力科学研究院 | 一种配电网在线数据异常检测方法 |
CN105279382A (zh) * | 2015-11-10 | 2016-01-27 | 成都数联易康科技有限公司 | 一种医疗保险异常数据在线智能检测方法 |
Non-Patent Citations (3)
Title |
---|
LI WANLU ETAL: "The identification of "hotspots"of heavy metal pollution in soil-rice systems at regional scale in eastern China", 《SCIENCE OF THE TOTAL ENVIRONMENT》 * |
XIE YUNFENG ETAL: "Spatial distribution of soil heavy metal pollution estimated by different interpolation methods:Accuracy and uncertainty nanlysis", 《CHEMOSPHERE》 * |
ZHANG CHAOSHENG ETAL: "Use of local Moran"s I and GIS to identify pollution hotspots of Pb in urban soils of Galway, Ireland", 《SCIENCE OF THE TOTAL ENVIRONMENT》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705002A (zh) * | 2017-09-21 | 2018-02-16 | 中国矿业大学(北京) | 矿区土壤重金属含量采样点异常高值影响范围的确定方法 |
CN107705002B (zh) * | 2017-09-21 | 2020-07-03 | 中国矿业大学(北京) | 矿区土壤重金属含量采样点异常高值影响范围的确定方法 |
CN108268977A (zh) * | 2018-01-12 | 2018-07-10 | 武汉智博创享科技股份有限公司 | 降低土壤修复中污染物异常特高值影响的方法及系统 |
CN108268977B (zh) * | 2018-01-12 | 2020-08-18 | 武汉智博创享科技股份有限公司 | 降低土壤修复中污染物异常特高值影响的方法及系统 |
CN110456026A (zh) * | 2019-08-13 | 2019-11-15 | 北京农业信息技术研究中心 | 一种土壤墒情监测方法及装置 |
CN110456026B (zh) * | 2019-08-13 | 2022-05-03 | 北京农业信息技术研究中心 | 一种土壤墒情监测方法及装置 |
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、系统及可读存储介质 |
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、系统及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106124729B (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104636627B (zh) | 一种土壤重金属生态风险评估方法 | |
CN108918815B (zh) | 一种土壤重金属风险预测方法 | |
Iván et al. | State of the art of karst vulnerability assessment: overview, evaluation and outlook | |
Lin et al. | Combining a finite mixture distribution model with indicator kriging to delineate and map the spatial patterns of soil heavy metal pollution in Chunghua County, central Taiwan | |
Emi Fergus et al. | Multiscale landscape and wetland drivers of lake total phosphorus and water color | |
Cao et al. | Modeling and mapping of cadmium in soils based on qualitative and quantitative auxiliary variables in a cadmium contaminated area | |
CN106124729B (zh) | 一种评价土壤中重金属含量数据异常程度的方法 | |
CN110133027A (zh) | 一种准确测定耕地重金属污染状况的方法 | |
Navulur et al. | Groundwater vulnerability assessment to non-point source nitrate pollution on a regional scale using GIS | |
CN105550817A (zh) | 一种填埋场污染风险分级的方法及装置 | |
CN106934491A (zh) | 一种土壤修复技术筛选方法及装置 | |
CN111707490A (zh) | 一种农用地土壤污染调查分阶段分区采样的方法 | |
CN110781225B (zh) | 一种环境介质污染物浓度水平的诊断方法 | |
CN116485263A (zh) | 河流湿地碳汇监测评估方法 | |
Zhao et al. | Uncertainty assessment of mapping mercury contaminated soils of a rapidly industrializing city in the Yangtze River Delta of China using sequential indicator co-simulation | |
CN106296630A (zh) | 一种站点lai观测在遥感产品像元尺度内空间代表性评价方法 | |
Dvorett et al. | Assessing natural and anthropogenic variability in wetland structure for two hydrogeomorphic riverine wetland subclasses | |
CN109613179A (zh) | 累积高值区的确定方法 | |
CN109060858A (zh) | 一种土壤重金属浓度空间分布预测准确性的定量评价方法 | |
Verma et al. | Intra-annual variability of riverine nutrient and sediment loadings using weighted circular statistics | |
Zhan et al. | Baseline determination, pollution source and ecological risk of heavy metals in surface sediments of the Amu Darya Basin, Central Asia | |
Kea | An Analysis of Trends in US Stormater Utility and Fee Systems | |
CN107038495A (zh) | 一种地下水脆弱性评价结果的检验方法 | |
Beury et al. | Wetlands in three ecoregions of the Central Plains | |
Singh et al. | Vertical characterization of soil contamination using multi-way modeling–A case study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |