CN108563974A - 一种土壤重金属Hg含量的空间预测方法 - Google Patents

Abstract

本发明公开了一种土壤重金属Hg含量的空间预测方法，属于空间预测方法领域。本发明以重金属汞(Hg)含量为例，提出了一种土壤重金属Hg含量的空间预测方法，分区建立了Hg含量与陆表环境变量之间的模型关系，实现了区域Hg含量的空间分布特征及含量的预测，为今后利用有限样本点估算整个研究区土壤重金属含量提供理论依据和参考。

Description

一种土壤重金属Hg含量的空间预测方法

技术领域

本发明涉及一种空间预测方法，具体涉及到一种土壤重金属Hg含量的空间预测方法。

技术背景

改革开放以来，随着工业化、城市化、农业现代化的快速发展，我国土壤环境形势也不可避免的发生了较大变化，土壤环境问题呈现多样化、复杂化和区域性的发展态势。开展农产品产地土壤重金属污染调查与评价，是为了全面、系统掌握浙江省农产品产地土壤重金属污染总体状况及其变化趋势，基本摸清辖区内重点工矿企业周边、大中型城郊和一般农区农产品产地土壤重金属污染底数及成因，完善农产品产地土壤环境质量档案，为后续开展农产品产地安全管理和土壤污染综合治理提供科学依据。

由于土壤重金属地面调查可分为中重污染区的详查点和轻微、轻度污染区的非详查点，样点布设规则各不相同，且土壤重金属Hg含量在空间上具有变异性，所以难免出现不规则格网布点和布点样本数量有限的问题。针对该问题，有必要提出了一种土壤重金属Hg含量的空间预测方法进而实现Hg含量的预测。

发明内容

针对采样点布局不规则或采样点数量有限问题，本发明提出一种土壤重金属Hg含量的空间预测方法。本发明中的一种土壤重金属Hg含量的空间预测方法，建立了Hg含量与陆表特征环境变量之间的模型关系，并验证其可预测性。

本发明的具体技术方案如下：

土壤重金属Hg含量的空间预测方法，包括以下步骤：

步骤1)数据获取：获取待测区域的地面调查获得的土壤重金属采样点数据、MODIS卫星遥感影像数据、ASTERGDEM卫星遥感影像数据；所述的MODIS卫星遥感影像为MOD13A2数据产品；

步骤2)数据预处理：将步骤1)将ASTER GDEM卫星遥感影像数据进行聚合计算得到DEM数据；从MOD13A2数据产品中提取植被指数参量，经过异常值剔除处理后，通过聚合计算得到植被指数数据；将土壤重金属数据整理入库后提取出各土壤重金属采样点的Hg含量数据，并进行异常值的剔除处理；

步骤3)根据陆表环境变量与Hg元素含量之间的相关关系进行分区建模：将步骤2)处理后的Hg含量数据作为因变量，以植被指数数据、DEM数据作为自变量，将该数据集进行分类建模预测各个采样点的Hg含量。

作为优选，所述的分区建模过程中，采用多元回归模型形式为：

其中，N表示回归模型中自变量个数；a_n表示第n个环境变量的系数；a₀表示模型参数的常数项系数；y_n表示Hg含量预测值；x_n表示第n个环境变量值；

a₀和a_n的计算公式如下：

其中：k代表土壤重金属采样点的个数；x_in代表第i个土壤重金属采样点的第n个环境变量的值，y_i代表的是第i个土壤重金属采样点的Hg含量，代表所有土壤重金属采样点中第n个环境变量因子的均值，代表所有土壤重金属采样点中Hg含量的均值。

作为优选，所述的DEM数据的空间分辨率为1km。

作为优选，所述的植被指数数据的空间分辨率为1km。

作为优选，分区建模中所采用的多元回归模型具体如下：

Y_Hg＝-2.58+0.019×X_dem-0.016×X_lon-0.12×X_ndvi

其中Y_Hg是土壤重金属Hg含量，X_dem代表的是空间分辨率为1km的DEM的栅格值，X_ndvi代表的是空间分辨率为1km的植被指数栅格值，X_lon代表的是采样点的经度。

本发明提供的土壤重金属Hg含量的空间预测方法，通过分区建立1km土壤调查采样点Hg含量与空间分辨率为1km的植被指数数据、DEM数据之间的多元回归模型关系，实现了Hg含量的空间分布特征及含量的预测，为今后利用有限样本店估算整个研究区土壤重金属含量提供理论依据和参考。

附图说明

图1为实施例中实际值与预测值的拟合结果图。

具体实施方式

下面结合附图和具体实施例对本发明进一步说明。

本发明的土壤重金属Hg含量的空间预测方法，步骤如下：

步骤1)数据获取：获取待测区域的地面调查获得的土壤重金属采样点数据、MODIS卫星遥感影像数据、ASTERGDEM卫星遥感影像数据；其中MODIS卫星遥感影像为MOD13A2数据产品；

步骤2)数据预处理：将步骤1)将ASTER GDEM卫星遥感影像数据进行聚合计算得到空间分辨率为1km的DEM数据；从MOD13A2数据产品中提取植被指数参量，经过异常值剔除处理后，通过聚合计算得到空间分辨率为1km的植被指数数据；将土壤重金属数据整理入库后提取出各土壤重金属采样点的Hg含量数据，并进行异常值的剔除处理；

步骤3)根据陆表环境变量与Hg元素含量之间的相关关系进行分区建模：将步骤2)处理后的Hg含量数据作为因变量，空间分辨率为1km的植被指数数据、DEM数据作为自变量，将该数据集进行分类建模预测各个采样点的Hg含量。

分区建模过程中，采用多元回归模型进行数据拟合和预测，其形式为：

其中，N表示回归模型中自变量个数；a_n表示第n个环境变量的系数；a₀表示模型参数的常数项系数；y_n表示Hg含量预测值；x_n表示第n个环境变量值；

a₀和a_n的计算公式如下：

其中：k代表土壤重金属采样点的个数；x_in代表第i个土壤重金属采样点的第n个环境变量的值，y_i代表的是第i个土壤重金属采样点的Hg含量，代表所有土壤重金属采样点中第n个环境变量因子的均值，代表所有土壤重金属采样点中Hg含量的均值。

实施例1

选取浙江省作为研究区域(边界以最新的行政区划边界为准)，对2013年土壤重金属Hg含量进行空间预测。

步骤1)数据获取：获取待测区域的土壤重金属采样点相关数据(包括Hg含量数据、经纬度坐标等)、MODIS卫星遥感影像数据、ASTERGDEM卫星遥感影像数据；其中MODIS卫星遥感影像为MOD13A2数据产品；

步骤2)数据预处理：将步骤1)将ASTER GDEM卫星遥感影像数据进行聚合计算得到空间分辨率为1km的DEM数据；从MOD13A2数据产品中提取植被指数参量，经过异常值剔除处理后，通过聚合计算得到空间分辨率为1km的植被指数数据；将纸质文档的土壤重金属数据整理入库，提取出Hg含量相关数据，并进行异常值的剔除处理。

步骤3)根据陆表环境变量与Hg元素含量之间的内在联系，进行分区建模：将步骤2)处理后的Hg含量数据作为因变量，空间分辨率为1km的植被指数数据、DEM数据作为自变量，将该数据集进行分类建模预测各个采样点的Hg含量。

最终得到分区域多元回归模型具体如下：

Y_Hg＝-2.58+0.019×X_dem-0.016×X_lon-0.12×X_ndvi

其中Y_Hg是土壤重金属Hg含量，X_dem代表的是空间分辨率为1km的DEM的栅格值，X_ndvi代表的是空间分辨率为1km的植被指数栅格值，X_lon代表的是采样点的经度。

步骤4)土壤重金属Hg含量验证：由步骤3)得到的各个采样点Hg含量预测值与各个点的实测值进行精度对比分析。所选用评价因子为均方根误差、平均绝对误差以及相关系数。各指标的计算公式如下：

式中MAE代表的是平均绝对误差，RMSE代表的是均方根误差，R²代表的是回归相关系数，Y_k是地面调查采样点k的含量值，O_k是在地面调查采样点k处的预测值，是所有土壤地面调查样点Hg含量的均值，是在所有土壤地面调查样点Hg含量模型预测值的平均值。

经对比分析评价如下：经对比，如图1所示，土壤重金属Hg含量真实值与预测值相关系数R²为0.78，所以区域土壤重金属Hg含量是可预测的，且其精度较高，可为今后利用有限样本点估算整个研究区土壤重金属含量提供理论依据和参考。

Claims (5)

1.一种土壤重金属Hg含量的空间预测方法，其特征在于，包括以下步骤：

步骤1)数据获取：获取待测区域的地面调查获得的土壤重金属采样点数据、MODIS卫星遥感影像数据、ASTERGDEM卫星遥感影像数据；所述的MODIS卫星遥感影像为MOD13A2数据产品；

步骤2)数据预处理：将步骤1)将ASTER GDEM卫星遥感影像数据进行聚合计算得到DEM数据；从MOD13A2数据产品中提取植被指数参量，经过异常值剔除处理后，通过聚合计算得到植被指数数据；将土壤重金属数据整理入库后提取出各土壤重金属采样点的Hg含量数据，并进行异常值的剔除处理；

步骤3)根据陆表环境变量与Hg元素含量之间的相关关系进行分区建模：将步骤2)处理后的Hg含量数据作为因变量，以植被指数数据、DEM数据作为自变量，将该数据集进行分类建模预测各个采样点的Hg含量。

2.如权利要求1所述的土壤重金属Hg含量的空间预测方法，其特征在于，所述的分区建模过程中，采用多元回归模型形式为：

其中，N表示回归模型中自变量个数；a_n表示第n个环境变量的系数；a₀表示模型参数的常数项系数；y_n表示Hg含量预测值；x_n表示第n个环境变量值；

a₀和a_n的计算公式如下：

其中：k代表土壤重金属采样点的个数；x_in代表第i个土壤重金属采样点的第n个环境变量的值，y_i代表的是第i个土壤重金属采样点的Hg含量，代表所有土壤重金属采样点中第n个环境变量因子的均值，代表所有土壤重金属采样点中Hg含量的均值。

3.如权利要求1所述的土壤重金属Hg含量的空间预测方法，其特征在于，所述的DEM数据的空间分辨率为1km。

4.如权利要求1所述的土壤重金属Hg含量的空间预测方法，其特征在于，所述的植被指数数据的空间分辨率为1km。

5.如权利要求1所述的土壤重金属Hg含量的空间预测方法，其特征在于，分区建模中所采用的多元回归模型具体如下：

Y_Hg＝-2.58+0.019×X_dem-0.016×X_lon-0.12×X_ndvi

其中Y_Hg是土壤重金属Hg含量，X_dem代表的是空间分辨率为1km的DEM的栅格值，X_ndvi代表的是空间分辨率为1km的植被指数栅格值，X_lon代表的是采样点的经度。