CN108647826A - 一种土壤重金属环境风险预测模型的构建方法和装置 - Google Patents
一种土壤重金属环境风险预测模型的构建方法和装置 Download PDFInfo
- Publication number
- CN108647826A CN108647826A CN201810447979.5A CN201810447979A CN108647826A CN 108647826 A CN108647826 A CN 108647826A CN 201810447979 A CN201810447979 A CN 201810447979A CN 108647826 A CN108647826 A CN 108647826A
- Authority
- CN
- China
- Prior art keywords
- heavy metal
- polluted soil
- prediction model
- environmental risk
- risk prediction
- 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 108
- 230000007613 environmental effect Effects 0.000 title claims abstract description 54
- 238000013058 risk prediction model Methods 0.000 title claims abstract description 36
- 238000010276 construction Methods 0.000 title claims abstract description 22
- 238000005259 measurement Methods 0.000 claims abstract description 27
- 230000001419 dependent effect Effects 0.000 claims abstract description 6
- 238000007477 logistic regression Methods 0.000 claims abstract description 6
- 229910001385 heavy metal Inorganic materials 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 16
- 241001269238 Data Species 0.000 claims description 12
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 11
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 4
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 4
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 claims description 4
- 229910052799 carbon Inorganic materials 0.000 claims description 4
- 238000005341 cation exchange Methods 0.000 claims description 4
- 229910052757 nitrogen Inorganic materials 0.000 claims description 4
- 239000005416 organic matter Substances 0.000 claims description 4
- 229910052698 phosphorus Inorganic materials 0.000 claims description 4
- 239000011574 phosphorus Substances 0.000 claims description 4
- 229910052700 potassium Inorganic materials 0.000 claims description 4
- 239000011591 potassium Substances 0.000 claims description 4
- 239000000377 silicon dioxide Substances 0.000 claims description 4
- DQMUQFUTDWISTM-UHFFFAOYSA-N O.[O-2].[Fe+2].[Fe+2].[O-2] Chemical compound O.[O-2].[Fe+2].[Fe+2].[O-2] DQMUQFUTDWISTM-UHFFFAOYSA-N 0.000 claims 1
- 238000004387 environmental modeling Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 8
- 238000005070 sampling Methods 0.000 description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 230000003647 oxidation Effects 0.000 description 3
- 238000007254 oxidation reaction Methods 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 238000005527 soil sampling Methods 0.000 description 3
- 229910052793 cadmium Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229910052753 mercury Inorganic materials 0.000 description 2
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 229910052785 arsenic Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000002795 fluorescence method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052745 lead Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003900 soil pollution Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开了一种土壤重金属环境风险预测模型的构建方法和装置，其中该方法包括以下步骤：获取分布在研究区域内的若干个测量点的土壤重金属浓度的数据以及所述若干个测量点的设定影响因子的数据；建立土壤重金属环境风险预测模型，以设定影响因子作为解释变量，以土壤重金属浓度作为因变量，对土壤重金属环境风险预测模型进行逻辑斯蒂回归，得到解释变量的权重系数；将权重系数低于第一设定阈值的解释变量剔除，得到优化后的土壤重金属风险预测模型。本发明囊括自然地理因子、土壤地球化学因子和社会经济因子等多个维度的解释变量，所构建的模型更加全面准确。本发明可以广泛应用于环境建模领域。
Description
技术领域
本发明涉及环境建模领域，尤其是一种土壤重金属环境风险预测模型的构建方法和装置。
背景技术
土壤是人类赖以生存与发展的最根本的物质基础，土壤环境安全直接关系着环境和发展的可持续性。土壤重金属污染具有不可逆性，传统的以污染控制为目标导向的土壤环境风险管理已难以应对日益复杂的土壤环境问题。实施以环境可持续发展为目标导向的土壤重金属环境风险管理，首要的是进行土壤重金属环境风险预测，以提升遭遇土壤重金属污染的应对能力。因此，如何预测土壤重金属环境风险成为亟待解决的重要科学问题。
一直以来，地统计学插值方法被广泛地用来预测区域尺度的土壤重金属环境风险。通过预测未采样区域的风险,或者获得预测值大于或小于某一阈值的概率来进行环境风险预测。Kriging插值方法几乎是20世纪中后期以来最为广泛应用的地理空间插值方法。然而，在应用过程中的局限性主要表现在虽然Kriging插值提供了局部最优无偏估计的方法,却低估了全局的空间变异。土壤重金属污染由于受点源影响，在空间分布上往往具有很大的变异性和高度的偏倚性。另一方面,在土壤的空间采样实践中,由于采样方法和容量等随机因素影响,理论上所得到的观测值不是确定的,它是围绕一个特定的数学期望随机变化的正态分布函数。而Kriging方差所表述的预测不确定性不能揭示类似的信息。此外，实际土壤重金属污染发生时，污染来源于不同维度(比如社会经济、自然地理和生物地球化学)的扩散方式，污染物可以从多种途径进行扩散。然而，已有的研究进行区域土壤重金属环境风险预测很少或基本没有考虑不同维度的污染源扩散模式。因此，发展针对多维度污染源扩散模式的土壤重金属环境风险预测模型非常有必要。
发明内容
为解决上述技术问题，本发明的目的在于：提供一种针对多维度污染源的土壤重金属环境风险预测模型的构建方法和装置。
本发明所采取的第一种技术方案是：
一种土壤重金属环境风险预测模型的构建方法，包括以下步骤：
获取分布在研究区域内的若干个测量点的土壤重金属浓度的数据以及所述若干个测量点的设定影响因子的数据；
建立土壤重金属环境风险预测模型，以设定影响因子作为解释变量，以土壤重金属浓度作为因变量，对土壤重金属环境风险预测模型进行逻辑斯蒂回归，得到解释变量的权重系数；
将权重系数低于第一设定阈值的解释变量剔除，得到优化后的土壤重金属风险预测模型；
所述设定影响因子包括自然地理因子、土壤地球化学因子和社会经济因子。
进一步，还包括以下步骤：
将所述若干个测量点的土壤重金属浓度的数据转化为若干个第一栅格数据；
将所述若干个测量点的设定影响因子的数据转化为若干个第二栅格数据。
进一步，还包括以下步骤：
对若干个第一栅格数据进行二值化处理，其中，将大于或者等于第二设定阈值的第一栅格数据二值化为1，将小于第二设定阈值的第一栅格数据二值化为0。
进一步，所述土壤重金属环境风险预测模型的表达式为：
其中，P表示重金属浓度超过第二设定阈值的概率，n表示样本总量，C表示截距，Xi第i个解释变量，λi表示第i个解释变量的权重系数。
进一步，还包括以下步骤：采用网格法在所述研究区域内确定若干个测量点，所述若干个测量点在研究区域内的密度为1/S，其中，S∈[1,8]，所述S的单位为平方公里。
进一步，所述自然地理因子包括地形类型、气象类型和地质类型中的至少一种；
所述土壤地球化学因子包括pH值、有机质含量、有机碳含量、阳离子交换容量、砂砾含量、粉砾含量、粘砾含量、氮含量、钾含量、磷含量、二氧化硅含量、氧化铝含量和三氧化二铁含量中的至少一种。
所述社会经济因子包括人口、国民生产总值和人均收入中的至少一种。
进一步，还包括以下步骤：
采用Hosmer-Lemeshow指标检验优化后的土壤重金属风险预测模型的拟合优度。
本发明所采取的第二种技术方案是：
一种土壤重金属环境风险预测模型的构建装置，包括处理器和存储器，其中，存储器用于存储程序，处理器用于加载所述程序以执行土壤重金属环境风险预测模型的构建方法。
本发明的有益效果是：包括获取分布在研究区域内的若干个测量点的土壤重金属浓度的数据以及所述若干个测量点的设定影响因子的数据；建立土壤重金属环境风险预测模型，以设定影响因子作为解释变量，以土壤重金属浓度作为因变量，对土壤重金属环境风险预测模型进行逻辑斯蒂回归，得到解释变量的权重系数；将权重系数低于第一设定阈值的解释变量剔除，得到优化后的土壤重金属风险预测模型的步骤，本发明能够从自然地理因子、土壤地球化学因子和社会经济因子等多个维度的解释变量中筛选出关键的解释变量，构造出一个针对多维度污染源扩散模式的土壤重金属环境风险预测模型，从而有效地处理处理土壤重金属采样的随机因素影响导致的风险预测失准的问题，并且，本发明从自然地理、土壤地球化学、社会经济三个维度，预测了不同扩散途径下的土壤重金属环境风险，使得预测模型更加全面，更加准确。
附图说明
图1为本发明一种土壤重金属环境风险模型的构建方法的流程图；
图2为本发明一种具体实施例的土壤重金属环境风险模型的构建方法的流程图；
图3为珠三角地区农产品产地土壤重金属污染采样点分布图；
图4为珠三角农产品产地土壤重金属Hg环境风险概率分布图；
图5为珠三角农产品产地土壤重金属Cd环境风险概率分布图。
具体实施方式
参照图1，一种土壤重金属环境风险预测模型的构建方法，包括以下步骤：
获取分布在研究区域内的若干个测量点的土壤重金属浓度的数据以及所述若干个测量点的设定影响因子的数据；
建立土壤重金属环境风险预测模型，以设定影响因子作为解释变量，以土壤重金属浓度作为因变量，对土壤重金属环境风险预测模型进行逻辑斯蒂回归，得到解释变量的权重系数；
将权重系数低于第一设定阈值的解释变量剔除，得到优化后的土壤重金属风险预测模型；
所述设定影响因子包括自然地理因子、土壤地球化学因子和社会经济因子。
进一步作为优选的实施方式，还包括以下步骤：
将所述若干个测量点的土壤重金属浓度的数据转化为若干个第一栅格数据；
将所述若干个测量点的设定影响因子的数据转化为若干个第二栅格数据。
进一步作为优选的实施方式，还包括以下步骤：
对若干个第一栅格数据进行二值化处理，其中，将大于或者等于第二设定阈值的第一栅格数据二值化为1，将小于第二设定阈值的第一栅格数据二值化为0。
进一步作为优选的实施方式，所述土壤重金属环境风险预测模型的表达式为：
其中，P表示重金属浓度超过第二设定阈值的概率，n表示样本总量，C表示截距，Xi第i个解释变量，λi表示第i个解释变量的权重系数。
进一步作为优选的实施方式，还包括以下步骤：采用网格法在所述研究区域内确定若干个测量点，所述若干个测量点在研究区域内的密度为1/S，其中，S∈[1,8]，所述S的单位为平方公里。
进一步作为优选的实施方式，所述自然地理因子包括地形类型、气象类型和地质类型中的至少一种；
所述土壤地球化学因子包括pH值、有机质含量、有机碳含量、阳离子交换容量、砂砾含量、粉砾含量、粘砾含量、氮含量、钾含量、磷含量、二氧化硅含量、氧化铝含量和三氧化二铁含量中的至少一种。
所述社会经济因子包括人口、国民生产总值和人均收入中的至少一种。
进一步作为优选的实施方式，还包括以下步骤：
采用Hosmer-Lemeshow指标检验优化后的土壤重金属风险预测模型的拟合优度。
一种土壤重金属环境风险预测模型的构建装置，包括处理器和存储器，其中，存储器用于存储程序，处理器用于加载所述程序以执行与图1对应的土壤重金属环境风险预测模型的构建方法。
下面结合说明书附图和具体的实施例对本发明进行进一步的说明。
一种土壤重金属环境风险预测模型的构建方法，包括以下步骤：
A、采用网格法在所述研究区域内确定若干个测量点，所述若干个测量点在研究区域内的密度为1/S，其中，S∈[1,8]，所述S的单位为平方公里。在本实施例中，步骤A可以在ArcGIS10.2环境中对地形图设置统一的坐标系统和投影参数，用Georeferencing工具将地形图、土壤图、土地利用类型图和行政区域图按照图中标有的公里网格坐标进行精确配准，然后在Spatial Adjustment模块下将土壤图和行政区划根据配好的地形图做几何校正，控制点选取明晰可辨的地物点，如桥梁、河流拐点、道路交叉点等。对研究区采用规则网格法进行土壤重金属采样室内布点，要求涵盖研究区不同土壤类型、不同土地利用类型以及行政区域，确定采样密度，采样密度可为每1km2，2km2，4km2或者8km2设置一点。
B、获取分布在研究区域内的若干个测量点的土壤重金属浓度的数据以及所述若干个测量点的设定影响因子的数据；
其中，测定土壤重金属浓度时，可以用电感耦合等离子体质谱仪法(ICP-MS)测定萃取液中的Pb、Cd、Cr、Ni、Zn和Cu含量；同时，可以用原子荧光法(AFS)测定土壤中的Hg和As含量。使用回归对土壤重金属浓度、地质、地形、气象和社会经济的潜在模型预测参数进行最初的统计相关性的估计。对残差呈非正态分布的所有数据进行对数变换，有零值存在的数据先进行校正后再进行对数转换。
C、将所述若干个测量点的土壤重金属浓度的数据转化为若干个第一栅格数据；将所述若干个测量点的设定影响因子的数据转化为若干个第二栅格数据。由于原始的重金属浓度数据和地理信息数据分辨率相差较大，将土壤重金属采样点通过计算邻近值的几何平均将所有重金属浓度数据点聚集到基于统一分辨率的空间栅格，比如1KM，每个栅格至少一个数据点。
D、对若干个第一栅格数据进行二值化处理，其中，将大于或者等于第二设定阈值的第一栅格数据二值化为1，将小于第二设定阈值的第一栅格数据二值化为0。在本实施例中，以《中国土壤环境质量标准》的重金属二级标准为第二设定阈值，如研究对象为金属汞，则以《中国土壤环境质量标准》中的金属汞的二级标准作为第二设定阈值。
所述设定影响因子包括自然地理因子、土壤地球化学因子和社会经济因子。
所述自然地理因子包括地形类型、气象类型和地质类型中的至少一种；
所述土壤地球化学因子包括pH值、有机质含量、有机碳含量、阳离子交换容量、砂砾含量、粉砾含量、粘砾含量、氮含量、钾含量、磷含量、二氧化硅含量、氧化铝含量和三氧化二铁含量中的至少一种。
所述社会经济因子包括人口、国民生产总值和人均收入中的至少一种。
本领域技术人员可以根据实际需要，添加其他可以获得原始数据的因子作为设定影响因子。
E、建立土壤重金属环境风险预测模型，以设定影响因子作为解释变量，以土壤重金属浓度作为因变量，对土壤重金属环境风险预测模型进行逻辑斯蒂回归，得到解释变量的权重系数；逻辑斯谛回归可以在Matlab R2010a环境下实现。
所述土壤重金属环境风险预测模型的表达式为：
其中，P表示重金属浓度超过第二设定阈值的概率，n表示模型计算的样本总量，C表示截距，Xi第i个解释变量，λi表示第i个解释变量的权重系数。
其中，土壤重金属环境风险预测模型的表达式由逻辑斯谛回归模型log(odds)演变得到，odds为袋外数据，逻辑斯谛回归模型log(odds)作为潜在解释变量的线性结合，被定义为重金属浓度超过阈值的事件可能发生和不可能发生(log(P/(1-P)))的概率比，log(odds)表示如下：
F、将权重系数低于第一设定阈值的解释变量剔除，得到优化后的土壤重金属风险预测模型；所述第一设定阈值的大小，本领域技术人员可以根据实际的情况进行调整。优化后的土壤重金属风险预测模型，在未优化的土壤重金属风险预测模型的基础上剔除了权重系数小于第一设定阈值的解释变量。
G、采用Hosmer-Lemeshow指标检验优化后的土壤重金属风险预测模型的拟合优度。其中，Hosmer-Lemeshow指标表示根据模型得出来的预测值与实际观测数据之间的差异是否显著。Hosmer-Lemeshow拟合优度指标是由Hosmer和Lemeshow在1989年提出的一种Logistic模型拟合优度检验的方法，如果Hosmer-Lemeshow指标中的显著性水平(如0.05)越大，说明预测值与观测值没有显著差异，因此模型拟合优度较好。
H、根据所得到的土壤重金属风险预测模型绘制土壤重金属环境风险区域预测概率图。该概率图可以在Arcgis10.2环境下实现。
对于本实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
本发明的方法具有以下优势：(1)有效地处理土壤重金属采样的随机因素影响导致的风险预测失准的问题。(2)建立了一种针对多维度污染源扩散模式的土壤重金属环境风险预测模型。(3)从自然地理、土壤地球化学、社会经济三个维度，预测了不同扩散途径下的土壤重金属环境风险，对于重金属污染的防控与治理具有重要意义。
本实施例选择广东省珠江三角洲作为研究对象，通过在珠三角内对多个重金属进行调查测定，确定珠三角土壤污染风险重金属为Cd和Hg。搜集研究区内土壤重金属环境风险的影响因素数据，包括气象、地质、地形、土壤和社会经济数据，将数据转化成1KM栅格数据。
首先在ArcGIS10.2环境中对珠三角的地形图设置坐标系统和投影参数，用Georeferencing工具将珠三角地形图、土壤图、土地利用类型图和行政区域图按照图中标有的公里网格坐标进行精确配准，然后在Spatial Adjustment模块(ArcGIS10.2软件中的功能模块)下将珠三角土壤图和行政区划根据配好的地形图做几何校正。对珠三角采用规则网格法进行土壤重金属采样室内布点，要求涵盖研究区不同土壤类型、不同土地利用类型以及行政区域，确定采样密度，采样密度为每1km2一个点，采样点设置如图3所示。
本实施例通过如图2所示的方法来构建土壤重金属环境风险模型。最后得到图4和图5。如图4所示，以重金属Hg《中国土壤环境质量标准》二级标准限值0.5mg/kg为阈值,整个珠三角大部分农用地土壤重金属Hg浓度超过阈值的概率P位于0-0.1，佛山市和江门市大部分区域的概率P值介于0.1-0.2；江门市的乐平市和新会区以及广州市的天河区、白云区和海珠区的概率P值介于0.2-0.3；江门市的乐平市、新会区和台山市部分区域概率P值处于0.3-0.4。如图5所示，以重金属Cd《中国土壤环境质量标准》二级标准限值0.3mg/kg为阈值,整个珠三角大部分农用地土壤重金属Cd浓度超过阈值的概率P位于0-0.1，肇庆市、佛山市、东莞市、珠海市和惠州市的惠阳区的概率P值介于0.1-0.2；佛山市的顺德区以及广州市的番禺区和珠海市的斗门区和江湾区的概率P值介于0.2-0.3；肇庆市的高要市、佛山市的禅城区和三水区以及珠海市的斗门区概率P值处于0.3-0.4。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种土壤重金属环境风险预测模型的构建方法，其特征在于：包括以下步骤：
获取分布在研究区域内的若干个测量点的土壤重金属浓度的数据以及所述若干个测量点的设定影响因子的数据；
建立土壤重金属环境风险预测模型，以设定影响因子作为解释变量，以土壤重金属浓度作为因变量，对土壤重金属环境风险预测模型进行逻辑斯蒂回归，得到解释变量的权重系数；
将权重系数低于第一设定阈值的解释变量剔除，得到优化后的土壤重金属风险预测模型；
所述设定影响因子包括自然地理因子、土壤地球化学因子和社会经济因子。
2.根据权利要求1所述的一种土壤重金属环境风险预测模型的构建方法，其特征在于：还包括以下步骤：
将所述若干个测量点的土壤重金属浓度的数据转化为若干个第一栅格数据；
将所述若干个测量点的设定影响因子的数据转化为若干个第二栅格数据。
3.根据权利要求2所述的一种土壤重金属环境风险预测模型的构建方法，其特征在于：还包括以下步骤：
对若干个第一栅格数据进行二值化处理，其中，将大于或者等于第二设定阈值的第一栅格数据二值化为1，将小于第二设定阈值的第一栅格数据二值化为0。
4.根据权利要求3所述的一种土壤重金属环境风险预测模型的构建方法，其特征在于：所述土壤重金属环境风险预测模型的表达式为：
其中，P表示重金属浓度超过第二设定阈值的概率，n表示样本总量，C表示截距，Xi第i个解释变量，λi表示第i个解释变量的权重系数。
5.根据权利要求1所述的一种土壤重金属环境风险预测模型的构建方法，其特征在于：还包括以下步骤：采用网格法在所述研究区域内确定若干个测量点，所述若干个测量点在研究区域内的密度为1/S，其中，S∈[1,8]，所述S的单位为平方公里。
6.根据权利要求1所述的一种土壤重金属环境风险预测模型的构建方法，其特征在于：
所述自然地理因子包括地形类型、气象类型和地质类型中的至少一种；
所述土壤地球化学因子包括pH值、有机质含量、有机碳含量、阳离子交换容量、砂砾含量、粉砾含量、粘砾含量、氮含量、钾含量、磷含量、二氧化硅含量、氧化铝含量和三氧化二铁含量中的至少一种；
所述社会经济因子包括人口、国民生产总值和人均收入中的至少一种。
7.根据权利要求1所述的一种土壤重金属环境风险预测模型的构建方法，其特征在于：还包括以下步骤：
采用Hosmer-Lemeshow指标检验优化后的土壤重金属风险预测模型的拟合优度。
8.一种土壤重金属环境风险预测模型的构建装置，其特征在于：包括处理器和存储器，其中，存储器用于存储程序，处理器用于加载所述程序以执行如权利要求1所述的土壤重金属环境风险预测模型的构建方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810447979.5A CN108647826B (zh) | 2018-05-11 | 2018-05-11 | 一种土壤重金属环境风险预测模型的构建方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810447979.5A CN108647826B (zh) | 2018-05-11 | 2018-05-11 | 一种土壤重金属环境风险预测模型的构建方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108647826A true CN108647826A (zh) | 2018-10-12 |
| CN108647826B CN108647826B (zh) | 2021-03-30 |
Family
ID=63754575
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810447979.5A Active CN108647826B (zh) | 2018-05-11 | 2018-05-11 | 一种土壤重金属环境风险预测模型的构建方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108647826B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110879286A (zh) * | 2019-11-26 | 2020-03-13 | 暨南大学 | 一种土壤重金属浓度随时间变化的估算方法 |
| CN111428917A (zh) * | 2020-03-12 | 2020-07-17 | 北京农业信息技术研究中心 | 一种重金属稳定污染源的土壤污染预测方法及系统 |
| CN111462834A (zh) * | 2019-11-14 | 2020-07-28 | 中国科学院地理科学与资源研究所 | 一种植物中镉过量的概率值的预测方法及系统 |
| CN111540418A (zh) * | 2019-11-14 | 2020-08-14 | 中国科学院地理科学与资源研究所 | 一种植物中砷过量的概率值的预测方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4538890B2 (ja) * | 2000-04-14 | 2010-09-08 | 栗田工業株式会社 | 重金属抽出方法及び重金属溶出量の測定方法 |
| CN102498125A (zh) * | 2009-07-16 | 2012-06-13 | 瓦赫宁恩大学 | 植物中锌缺乏及耐受性的调控 |
| CN103838969A (zh) * | 2014-03-03 | 2014-06-04 | 山东大学 | 一种盐渍化-石油-重金属复合污染土壤质量的微生物指标评价方法 |
| CN104636627A (zh) * | 2015-02-28 | 2015-05-20 | 张霖琳 | 一种土壤重金属生态风险评估方法 |
| CN106996969A (zh) * | 2017-03-03 | 2017-08-01 | 北京农业质量标准与检测技术研究中心 | 一种土壤重金属空间分布预测方法及系统 |
| CN107247083A (zh) * | 2017-06-08 | 2017-10-13 | 北京农业信息技术研究中心 | 一种农田重金属污染在线监测预警与实时处理系统及方法 |
| CN107365773A (zh) * | 2017-08-11 | 2017-11-21 | 江苏省中国科学院植物研究所 | 马蔺半胱氨酸富集蛋白基因IlCDT1及其植物表达载体和构建方法 |
| WO2018053211A1 (en) * | 2016-09-15 | 2018-03-22 | Heliae Development Llc | Microalgae-based compositions for benefiting plants and methods of application |
| CN107909192A (zh) * | 2017-11-01 | 2018-04-13 | 北京农业质量标准与检测技术研究中心 | 土壤重金属含量的估测方法及装置 |
-
2018
- 2018-05-11 CN CN201810447979.5A patent/CN108647826B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4538890B2 (ja) * | 2000-04-14 | 2010-09-08 | 栗田工業株式会社 | 重金属抽出方法及び重金属溶出量の測定方法 |
| CN102498125A (zh) * | 2009-07-16 | 2012-06-13 | 瓦赫宁恩大学 | 植物中锌缺乏及耐受性的调控 |
| CN103838969A (zh) * | 2014-03-03 | 2014-06-04 | 山东大学 | 一种盐渍化-石油-重金属复合污染土壤质量的微生物指标评价方法 |
| CN104636627A (zh) * | 2015-02-28 | 2015-05-20 | 张霖琳 | 一种土壤重金属生态风险评估方法 |
| WO2018053211A1 (en) * | 2016-09-15 | 2018-03-22 | Heliae Development Llc | Microalgae-based compositions for benefiting plants and methods of application |
| CN106996969A (zh) * | 2017-03-03 | 2017-08-01 | 北京农业质量标准与检测技术研究中心 | 一种土壤重金属空间分布预测方法及系统 |
| CN107247083A (zh) * | 2017-06-08 | 2017-10-13 | 北京农业信息技术研究中心 | 一种农田重金属污染在线监测预警与实时处理系统及方法 |
| CN107365773A (zh) * | 2017-08-11 | 2017-11-21 | 江苏省中国科学院植物研究所 | 马蔺半胱氨酸富集蛋白基因IlCDT1及其植物表达载体和构建方法 |
| CN107909192A (zh) * | 2017-11-01 | 2018-04-13 | 北京农业质量标准与检测技术研究中心 | 土壤重金属含量的估测方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| LI MENGHONG;: "Application of fuzzy comprehensive assessment in pollution assessment of heavy mental in farmland soil.", 《SOUTHWEST CHINA JOURNAL OF AGRICULTURAL SCIENCES》 * |
| 赵委托: "东莞地区电镀厂重金属污染与风险评价研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111462834A (zh) * | 2019-11-14 | 2020-07-28 | 中国科学院地理科学与资源研究所 | 一种植物中镉过量的概率值的预测方法及系统 |
| CN111540418A (zh) * | 2019-11-14 | 2020-08-14 | 中国科学院地理科学与资源研究所 | 一种植物中砷过量的概率值的预测方法及系统 |
| CN110879286A (zh) * | 2019-11-26 | 2020-03-13 | 暨南大学 | 一种土壤重金属浓度随时间变化的估算方法 |
| CN111428917A (zh) * | 2020-03-12 | 2020-07-17 | 北京农业信息技术研究中心 | 一种重金属稳定污染源的土壤污染预测方法及系统 |
| CN111428917B (zh) * | 2020-03-12 | 2023-06-27 | 北京农业信息技术研究中心 | 一种重金属稳定污染源的土壤污染预测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108647826B (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108647826A (zh) | 一种土壤重金属环境风险预测模型的构建方法和装置 | |
| Wu et al. | Assessment of groundwater vulnerability by applying the modified DRASTIC model in Beihai City, China | |
| Engel et al. | The role of geographical information systems in groundwater engineering | |
| CN111508569A (zh) | 一种基于土壤传递函数的目标土壤性质含量预测方法 | |
| CN106980603B (zh) | 基于土壤类型归并与多元回归的土壤锰含量预测方法 | |
| Mansour et al. | Estimation of spatially distributed groundwater potential recharge for the United Kingdom | |
| CN108446715A (zh) | 一种土壤重金属污染源解析方法、系统和装置 | |
| CN113821925B (zh) | 一种基于水生土三要素的湿地动态边界确定方法 | |
| Bhowmik et al. | An automated, objective and open source tool for stream threshold selection and upstream riparian corridor delineation | |
| CN109754182A (zh) | 一种污染场地土壤修复量的计算方法及系统 | |
| Joorabian Shooshtari et al. | Land use and cover change assessment and dynamic spatial modeling in the Ghara-su Basin, Northeastern Iran | |
| CN113591288A (zh) | 一种基于克里格插值的土壤湿度数据预测方法及装置 | |
| KR102012007B1 (ko) | 지목 상 지역기준을 고려한 토양오염면적 및 토양오염량 산정 방법 | |
| Dou et al. | Impact evaluation and driving type identification of human factors on rural human settlement environment: Taking Gansu Province, China as an example | |
| Ishola et al. | Groundwater potential mapping in hard rock terrain using remote sensing, geospatial and aeromagnetic data | |
| CN111275072B (zh) | 一种基于聚类采样的山区土壤厚度预测方法 | |
| Mahmood et al. | Comparison of stochastic and traditional water quality indices for mapping groundwater quality zones | |
| Heštera et al. | The Unified Soil Classification System Mapping of the Pannonian Basin in Croatia using Multinominal Logistic Regression and Inverse Distance Weighting Interpolation | |
| Wang et al. | Modelling of Singapore's topographic transformation based on DEMs | |
| He et al. | Sequential indicator simulation and indicator kriging estimation of 3-dimensional soil textures | |
| CN114663640B (zh) | 基于地形地貌和构造特征的海底地理实体划定与分类方法 | |
| Karami et al. | Evaluating and modeling the groundwater in Hamedan plain aquifer, Iran, using the linear geostatistical estimation, sequential Gaussian simulation, and turning band simulation approaches | |
| CN115758856A (zh) | 一种景观格局及气候变化对流域未来水质影响的研究方法 | |
| CN103617452A (zh) | 一种大型光伏基地区域测光网络布局方法 | |
| Venteris et al. | A comparison between contour elevation data sources for DEM creation and soil carbon prediction, Coshocton, Ohio |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Tianhe District Tianyuan road Guangzhou City, Guangdong province 510650 No. 808 Applicant after: Institute of ecological environment and soil, Guangdong Academy of Sciences Address before: Guangzhou City, Guangdong province 510650 Tianyuan Road No. 808 Applicant before: GUANGDONG INSTITUTE OF ECO-ENVIRONMENT AND SOIL SCIENCES |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wang Qi Inventor after: Li Fangbai Inventor after: Liu Jianfeng Inventor after: Yu Huanyun Inventor after: Sun Weimin Inventor after: Hao Dongmei Inventor after: Ma Yibing Inventor before: Wang Qi Inventor before: Li Fangbai Inventor before: Liu Jianfeng Inventor before: Yu Huanyun Inventor before: Sun Weimin Inventor before: Hao Dongmei |