CN113012771A - 土壤重金属空间插值方法、装置及计算机可读存储介质 - Google Patents

土壤重金属空间插值方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN113012771A
CN113012771A CN202110396078.XA CN202110396078A CN113012771A CN 113012771 A CN113012771 A CN 113012771A CN 202110396078 A CN202110396078 A CN 202110396078A CN 113012771 A CN113012771 A CN 113012771A
Authority
CN
China
Prior art keywords
soil
heavy metal
factors
content
spatial interpolation
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
Application number
CN202110396078.XA
Other languages
English (en)
Inventor
高中原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202110396078.XA priority Critical patent/CN113012771A/zh
Publication of CN113012771A publication Critical patent/CN113012771A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like

Landscapes

  • Computing Systems (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

本发明的目的在于克服现有的空间插值发方法的不足，本发明提供了一种土壤重金属空间插值方法、装置及计算机可读存储介质，包括：利用SPSS 22.0的主成分分析和多元线性逐步回归功能，结合Arcgis 10.2的空间分析功能，分析土壤重金属元素含量与环境变量之间的相关性；通过分析土壤重金属含量在不同类型变量上的显著性差异提取主要影响因素；再利用主成分分析，提取主控环境因子，构建融合自然和人为因素的主成分分析改进回归克里格模型。通过本发明所述方法可以得到各种土壤重金属符合实际空间分布的空间模拟图，能够为土壤重金属风险管控提供有效的理论依据。

Description

土壤重金属空间插值方法、装置及计算机可读存储介质
技术领域
本发明涉及空间模拟术领域，特别涉及一种土壤重金属空间插值方法。
背景技术
土壤为人类提供维持生存所必须的物质基础，土壤环境对人类来说十分重要。随着工农业和城镇化的不断发展，土壤环境和质量受到威胁，在造成土壤污染的各种元素中，重金属污染日益严重，值得特别重视，已成为当前的研究热点之一。重金属元素的产生条件广泛且复杂，土壤中重金属含量一方面取决于不同区域的成土母质母质、土壤演变过程、成土过程以及其他自然因素，另一方面重金属可从车辆排放、交通活动、工业活动和任何其他人为活动扩散到环境中。近年来工业、城市和农业活动的快速增长增加了环境中的重金属浓度，土壤则成为了环境中重金属的最终“归宿”，并通过食物链的累积以及人体的直接吸入、接触等途径危害人体健康。重金属元素在自然界中具有持久性，不易从污染的土壤环境中消除，加之其本身具有的毒性和累积能力，被认为是环境中的主要污染物。
土壤污染问题是社会关切、老百姓生活的重点难点问题，也是亟需解决的重大环境问题之一。精准模拟土壤重金属的空间分布已成为当下开展重金属污染土壤治理的关键科学问题，空间插值法是模拟土壤重金属空间分布的重要手段。普通克里格(ordinaryKriging，OK)作为最简单有效的空间插值方法，近年来应用较广，但是，该方法忽视了影响土壤重金属空间分布的环境要素，其空间插值精度不高。通过构建回归克里格(regressionKriging，RK)模型，利用OK与回归分析结合起来，将影响插值变量的环境因子作为辅助变量，建立插值变量与其影响因子之间的回归模型，可以克服OK不足，提高模拟精度。例如，Song等利用高程、坡度和地形湿度指数等18个自然影响因素预测土壤中重金属空间分布，砷、镉、铬、铅和锌的R2分别为0.642、0.618、0.544、0.609和0.593，其拟合结果空间分布平滑，没有明显的边界，说明模型拟合精度仍然有待提高。李润林等分别以土壤有机质、pH、全氮、碱解氮、有效铁、有效铜、有效锰和高程数据为辅助变量，采用协同克里格插值方法预测土壤中锌含量空间分布，结果表明其较普通克里格有仅有小幅度提升。
但是，目前的研究也存在一些问题，例如未充分考虑土壤重金属复杂的来源和迁移转化过程，特别是对于人为因素影响方面多只考虑土地利用，缺乏对点状和线性等污染源的关注；此外，环境要素之间的相关性会导致多重共线性问题，降低回归函数的准确性。
因此，如何选取合适有效的环境变量，去除各因素的自相关性是提升回归克里格模型模拟精度有效途径。
发明内容
本发明的目的在于克服现有的空间插值方法的不足，本发明提供了一种土壤重金属空间插值方法、装置及计算机可读存储介质，可以得到各种土壤重金属空间模拟图且基本符合实际空间分布；为精准模拟土壤重金属空间分布和土壤重金属风险管控提供了有效理论依据。
本发明解决上述技术问题所采用的技术方案是：一种土壤重金属空间插值方法,包括：
对指定区域进行土壤样品采样，获取土壤样品的提取数据；
获取待模拟区域土壤样品中重金属含量信息；
获取影响土壤重金属含量的因素，并进行预处理，得到各影响因素的信息量值；
通过SPSS软件获取不同所述影响因素与土壤重金属含量的相关性，筛选与土壤重金属含量相关的因素；
设定名义变量与连续变量，利用SPSS软件获得连续变量的信息和主成分；
采用“逐步”的多元线性回归分析方法剔除不相关的所述主成分和所述名义变量的类型，得到土壤重金属含量与所述影响因素之间的关系；
利用地图代数计算方法，得到所述指定区域土壤重金属空间分布的趋势面；
将土壤样品重金属含量实测值与样点在所述趋势面上的趋势值相减，得到残差；
根据土壤重金属的残差含量信息和位置信息，获取重金属分布的空间变异性；
利用Arcgis10.2软件对所述残差进行普通克里格插值，将得到的插值结果与所述趋势面相加，则得到土壤重金属元素空间插值的最终插值结果。
所述“对指定区域进行土壤样品采样”，包括：
基于GPS定位选择对应区域，进行土壤样品采样，获取土壤样品。
所述提取数据，包括：重金属浓度数据和土壤理化性质(如：pH、阳离子交换量和有机质含量等)数据。
所述“获取待模拟区域土壤样品中重金属含量信息”，包括：
应用Arcgis软件中的地统计分析模块基于随机性原则分别选取占比80％和20％土壤样本作为测试集和验证集。
所述“影响土壤重金属含量的因素”，包括：自然因素和人为因素；
自然因素，包括：地形因子、成土母质、土壤类型、气象数据和土壤理化性质；
人为因素，包括：工业大气排放、人口密度、土地利用类型和主要交通干道分布。
所述“工业大气排放”对样点的影响通过样点与企业的距离和样点相对工业企业风向上风频表达，用FDi表示：
FDi＝Dk/Fk；
式中，FDi是指不同样点受到工业企业的影响；Fk是指样点位于工业企业风向上的风频；Dk是指样点距离工业企业的相邻距离；i为发电厂、钢铁厂和冶炼厂的工业大气排放影响。
所述“设定名义变量与连续变量”，包括：
名义变量为：土壤类型、土地利用类型和成土母质；
连续变量为：pH、有机质、地形地貌数据。
所述“土壤重金属含量信息和位置信息”，包括：
提取数据采用GS+9.0软件对符合正态或对数正态分布的重金属进行空间变异分析，获取重金属的空间变异性；
计算半变异函数，选择决定系数R最大且残差RSS最小的半方差模型，记录块金值(C0)、基台值(C0+C)和变程/km。
一种土壤重金属空间插值装置，包括：
处理器；
可读存储介质；所述处理器运行如上所述的方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序；所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的方法。
本发明的有益效果至少包括：本发明所述方法利用SPSS 22.0的主成分分析和多元线性逐步回归功能，结合Arcgis 10.2的空间分析功能，分析土壤重金属元素含量与环境变量之间的相关性；通过分析土壤重金属含量在不同类型变量上的显著性差异提取主要影响因素；再利用主成分分析，提取主控环境因子，构建融合自然和人为因素的主成分分析改进回归克里格模型。
本发明所述的方法系统的融合了自然和人为辅助因子预测土壤重金属空间分布模型；综合利用了主成分分析提取主控环境因子和哑变量的方法提取名义变量信息的方法，构建了融合自然-人为因子改进回归克里格模型对土壤重金属空间分布进行预测。通过本发明所述方法可以得到各种土壤重金属符合实际空间分布的空间模拟图，能够为土壤重金属风险管控提供有效的理论依据。
附图说明
图1为镉含量与影响因素的Spearman相关性示意图。
图2为普通克里格模拟土壤镉空间分布图。
图3为应用本发明所述方法改进的回归克里格模拟土壤镉空间分布图。
需要明确的是：图1中，FDA、FDB和FDC分别表示发电厂、钢铁厂和冶炼厂的工业大气排放影响；EUCA和EUCB分别表示点位距离主要路网和河流的欧氏距离；*表示在0.05水平(双侧)上显著相关。
具体实施方式
下面结合附图对本发明进行进一步的说明。
为了选取合适有效的环境变量，去除各因素的自相关性，本发明提供了一种土壤重金属空间插值方法，具体包括以下步骤：
步骤一：基于GPS定位均匀选择对应区域进行耕地土壤样品采样，获取耕地土壤样品采样；
步骤二：对所述耕地土壤样品采样进行数据提取处理，获取提取数据，所述提取数据包括重金属浓度数据和土壤理化性质(如：pH、阳离子交换量和有机质含量等)数据。
步骤三：获取待模拟区域土壤样点中重金属含量信息。应用Arcgis软件中的地统计分析模块基于随机性原则分别选取占比80％和20％样本作为测试集和验证集。
步骤四：获取影响土壤重金属含量的因素，所述影响因素包括自然因素和人为因素；其中，自然因素包括：地形因子、成土母质、土壤类型、气象数据如风频和风向，以及土壤理化性质，如pH、阳离子交换量和有机质含量等，等；人为因素包括工业企业重金属排放通量、人口密度、土地利用类型和主要交通干道分布等。工业大气排放对样点的影响通过样点与企业的距离和样点相对工业企业风向上风频表达，用FDi表示：
FDi＝Dk/Fk；式中，FDi是指不同样点受到工业企业的影响，即工业企业影响因子；Fk是指样点位于工业企业风向上的风频；Dk是指样点距离工业企业的相邻距离；i为A、B和C分别表示发电厂、钢铁厂和冶炼厂的工业大气排放影响。
步骤五：对影响因素进行预处理，将反映各种影响土壤重金属含量因素的实测值或重要参数转换为反映土壤重金属含量的信息量值,对于类型变量通过哑变量的方法进行量化，计算各个样点上不同影响因素的信息量值。
步骤六：通过SPSS软件中皮尔逊相关Pearson correlation模块计算不同影响因素与土壤重金属含量的相关性，筛选与土壤重金属含量显著相关的影响因素。
步骤七：由于土壤类型、土地利用类型和成土母质等为名义变量，pH、有机质和地形地貌数据为连续变量,为使这两种类型变量整合到同一个影响因素计算公式中,应对它分别进行重新编码和重标尺度：首先对名义变量先做出哑变量转换，哑变量个数与原变量类别数一样。
步骤八：利用SPSS主成分分析模块，在尽可能保留原有信息量的前提下,将连续变量指标转化为较少的综合指标，获得连续变量的主要信息。
步骤九：采用“逐步”的多元线性回归分析方法剔除不相关的主要成分和名义变量类型之后,计算土壤重金属含量与影响因素之间的关系，该方程即为研究区域土壤重金属空间分布存在的趋势面的量化方程。
步骤十：在Arcgis10.2中利用地图代数计算方法，按照多元线性回归方程计算各个因素，得到该区域土壤重金属空间分布的趋势面。
步骤十一：将土壤样品重金属含量实测值减去该样点上的趋势值，得到残差，进行下一步运算。
步骤十二：提取土壤重金属含量和位置信息，提取数据采用GS+9.0软件对符合正态或对数正态分布的重金属进行空间变异分析，获取重金属的空间变异性。计算半变异函数，选择决定系数R最大且残差RSS最小的半方差模型，记录块金值(C0)、基台值(C0+C)和变程/km；其中，C是偏基台值；
步骤十三：对所述重金属的空间变异性进行地统计学克里金插值分析，获取第一插值分析结果；利用Arcgis10.2软件中地统计分析模块，对残差进行普通克里格插值，将得到的插值结果与步骤八计算得到的趋势面相加，则得到土壤重金属元素空间插值的最终插值结果。
具体实施例I：
如图1～3，具体工作流程如下：
基于GPS定位选择对应区域进行土壤样品采样，获取土壤样品；对所述耕地土壤样品采样进行数据提取处理，获取提取数据，所述提取数据包括重金属镉浓度数据和土壤理化性质(如：pH、阳离子交换量和有机质含量等)数据.
对土壤镉含量特征进行分析。土壤镉含量介于0.07～21.93mg·kg-1之间，均值为3.55mg·kg-1，按照土壤质量环境标准(GB 15618-2018和GB 36600-2018)划分，点位超标率达到85.93％，土壤镉污染严重。从成土母质来看，镉平均值分布：碳酸盐岩＞碎屑岩＞岩浆岩＞沉积岩；沉积岩中变异系数大于100％，为强变异，其他母质类型均为中等变异；从土地利用类型来看，镉平均值大小排序为：建设用地＞草地＞耕地＞林地；所有土地利用类型均呈现中等变异(表1)。
表1不同成土母质和土地利用类型的描述性统计
Table 2Descriptive statistics of Cd by parent materials s and landuse types
Figure BDA0003018613710000071
如图1，采用Spearman相关系数探讨土壤镉含量与环境因素之间的关系。结果显示，河流和道路的欧氏距离、冶炼厂大气排放、钢铁厂大气排放、土壤有机质含量和土壤pH与镉含量呈显著相关；各环境因素对土壤镉含量的影响程度由高到低呈现为冶炼厂大气排放＞钢铁厂大气排放＞pH＞有机质＞与道路的欧氏距离＞与河流的欧氏距离。
为避免自然影响因素之间较强的相关性导致多元线性拟合过程出现较大的共线性，采用主成分分析法处理数据。经KMO检验值为0.675，大于0.5，球形度检验P为0.017，小于0.05，表明可采用主成分分析。采用最大方差旋转PCA，选取特征值大于1的6个PCs(s＝1，2，3，4，5，6)，成分矩阵见表2，用于多元线性逐步回归方程。选用的6个PC可以解释总方差分别为23.68％、37.87％、48.86％、58.88％、67.54％和75.23％，参见表2。将成土母质和土地利用被转换成虚拟变量纳入计算。以逐步回归的多元线性函数来量化土壤镉含量与不同变量之间的关系，逐步回归法每引入一个自变量都将对已输入的变量进行F检验，以确保回归方程中只包含显著变量，土壤镉含量与不同变量回归函数为Cd＝0.222*PC6-0.174*EUCA-0.102*FDA-0.617*FDB，决定系数R2为0.245。其中EUCA表示点位距离主要公路的欧氏距离；FDA、FDB和FDC分别表示发电厂、钢铁厂和冶炼厂的工业大气排放影响。
表2自然因素的主成分分析矩阵1)
Figure BDA0003018613710000081
1)EUCB表示点位距离主要河流的欧氏距离。
对多元线性函数的残差进行K-S检验，用拉伊达法则(平均值±标准差)在剔除异常值后，在显著性水平为0.05时符合正态分布假设(H0)。通过GS+9.0软件根据函数的最高R2和最低残差平方和的原理，确定普通克里格改进回归克里格残差的最佳拟合半变异函数,其参数如表3所示。根据块金效应的划分，块基比＜25％为强空间变异，25％～75％为中等空间变异，＞75％为弱空间变异，普通克里格模型的块金效应呈现中等空间变异，改进回归克里格模型残差属呈现强空间变异，空间依赖性强。改进回归克里格模型空间自相关范围为14.7km，显著高于普通克里格模型。
表3利用不同类型影响因子4种模型的半方差函数和参数
Figure BDA0003018613710000091
应用Arcgis软件中的地统计分析模块基于随机性原则分别选取217和54个样本作为测试集和验证集，各占样本比例为80％和20％。验证效果见表4，结果表明：没有利用辅助因素的普通克里格模型的RPD为1.85，只能粗略估计土壤镉空间分布情况，而利用自然和人为因素的改进回归克里格模型RPD为2.67，具有很好的预测能力。融合了自然和人为因素的改进回归克里格模型较普通克里格模型的MAE和RMSE分别降低27.30％和30.56％，RPD提升了44.01％。以上结果说明利改进的回归克里格模型是行之有效的模拟土壤重金属空间分布方法，合理的利用多源辅助数据有利于改进回归克里格模型预测效果。
表4不同影响因素对模型精度的影响
Figure BDA0003018613710000092
从空间分布可以看出，通过2种不同方法模拟的土壤镉含量空间分布呈现了相似的空间分布，高低值的变化趋势也是相近的。但是，2种方法在局部有明显差异，首先OK法的模拟结果在空间上分布差异较小，模拟结果更为平滑，高值区域的镉含量相对较低，捕捉到的局部异质性信息较少，其拟合结果范围为0.12～11.05mg·kg-1，预测结果范围较小，与实测值范围(0.07～21.93mg·kg-1)差异较大。改进回归克里格模型应用了自然因素和人为因素作为辅助数据，捕捉到的局部信息相对较多，其空间分布较为突兀，高值区域有明显的边界，高低值呈斑块分布且较为离散，体现了原始数据的波动性，小范围的空间异质性得到明显的体现其，拟合结果范围为0.045～19.68mg·kg-1，与原始数据范围最为接近。
在本发明实施例中，依据土壤重金属镉含量和空间变异性，分析比较了2种空间插值方法结果，经验证得到的重金属镉空间分布模拟结果基本符合实际空间分布；为精准预测土壤重金属空间分布做出了贡献，克服了传统方法模拟结果精度较低的缺陷，为土壤重金属风险管控提供了有效理论依据。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，即：一种土壤重金属空间插值装置，包括：处理器和可读存储介质；所述处理器运行如上所述的方法。
所述计算机可读存储介质存储有一个或者多个程序；所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的方法。
所述计算机可读存储介质可以是：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘中的一种或者几种。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易变化或替换，都属于本发明的保护范围之内。因此本发明的保护范围所述以权利要求的保护范围为准。

Claims (10)

1.一种土壤重金属空间插值方法,其特征在于，包括：
对指定区域进行土壤样品采样，获取土壤样品的提取数据；
获取待模拟区域土壤样品中重金属含量信息；
获取影响土壤重金属含量的因素，并进行预处理，得到各影响因素的信息量值；
通过SPSS软件获取不同所述影响因素与土壤重金属含量的相关性，筛选与土壤重金属含量相关的因素；
设定名义变量与连续变量，利用SPSS软件获得连续变量的信息和主成分；
采用“逐步”的多元线性回归分析方法剔除不相关的所述主成分和所述名义变量的类型，得到土壤重金属含量与所述影响因素之间的关系；
利用地图代数计算方法，得到所述指定区域土壤重金属空间分布的趋势面；
将土壤样品重金属含量实测值与样点在所述趋势面上的趋势值相减，得到残差；
根据土壤重金属的残差含量信息和位置信息，获取重金属分布的空间变异性；
利用Arcgis10.2软件对所述残差进行普通克里格插值，将得到的插值结果与所述趋势面相加，则得到土壤重金属元素空间插值的最终插值结果。
2.根据权利要求1所述的一种土壤重金属空间插值方法,其特征在于，所述“对指定区域进行土壤样品采样”，包括：
基于GPS定位选择对应区域，进行土壤样品采样，获取土壤样品。
3.根据权利要求1所述的一种土壤重金属空间插值方法,其特征在于，所述提取数据，包括：重金属浓度数据、土壤中有机质含量、土壤PH值数据、阳离子交换量以及有机质含量中的一种或几种。
4.根据权利要求1所述的一种土壤重金属空间插值方法,其特征在于，所述“获取待模拟区域土壤样品中重金属含量信息”，包括：
应用Arcgis软件中的地统计分析模块基于随机性原则分别选取占比80％和20％土壤样本作为测试集和验证集。
5.根据权利要求1所述的一种土壤重金属空间插值方法,其特征在于，所述“影响土壤重金属含量的因素”，包括：自然因素和人为因素；
自然因素，包括：地形因子、成土母质、土壤类型、气象数据和土壤理化性质；
人为因素，包括：工业大气排放、人口密度、土地利用类型和主要交通干道分布。
6.根据权利要求5所述的一种土壤重金属空间插值方法,其特征在于，所述“工业大气排放”对样点的影响通过样点与企业的距离和样点相对工业企业风向上风频表达，用FDi表示：
FDi＝Dk/Fk；
式中，FDi是指不同样点受到工业企业的影响；Fk是指样点位于工业企业风向上的风频；Dk是指样点距离工业企业的相邻距离；i为发电厂、钢铁厂和冶炼厂的工业大气排放影响。
7.根据权利要求1所述的一种土壤重金属空间插值方法,其特征在于，所述“设定名义变量与连续变量”，包括：
名义变量为：土壤类型、土地利用类型和成土母质；
连续变量为：pH、有机质、地形地貌数据。
8.根据权利要求1所述的一种土壤重金属空间插值方法,其特征在于，所述“土壤重金属含量信息和位置信息”，包括：
提取数据采用GS+9.0软件对符合正态或对数正态分布的重金属进行空间变异分析，获取重金属的空间变异性；
计算半变异函数，选择决定系数R最大且残差RSS最小的半方差模型，记录块金值(C0)、基台值(C0+C)和变程/km。
9.一种土壤重金属空间插值装置，其特征在于，包括：
处理器；
可读存储介质；
所述处理器运行如权利要求1～8中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于：
所述计算机可读存储介质存储有一个或者多个程序；
所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1-8任一项所述的方法。
CN202110396078.XA 2021-04-13 2021-04-13 土壤重金属空间插值方法、装置及计算机可读存储介质 Pending CN113012771A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110396078.XA CN113012771A (zh) 2021-04-13 2021-04-13 土壤重金属空间插值方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110396078.XA CN113012771A (zh) 2021-04-13 2021-04-13 土壤重金属空间插值方法、装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN113012771A true CN113012771A (zh) 2021-06-22

Family

ID=76388917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110396078.XA Pending CN113012771A (zh) 2021-04-13 2021-04-13 土壤重金属空间插值方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113012771A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114239278A (zh) * 2021-12-17 2022-03-25 中国科学院生态环境研究中心 土壤重金属累积过程时空模拟模型构建方法
CN114548747A (zh) * 2022-02-19 2022-05-27 中国农业科学院农业信息研究所 一种土壤重金属的空间插值方法、装置、电子设备及介质
CN115393645A (zh) * 2022-08-27 2022-11-25 宁波华东核工业工程勘察院 一种土壤自动分类定名方法、系统、存储介质及智能终端
CN115935129A (zh) * 2022-12-06 2023-04-07 中国科学院地理科学与资源研究所 一种土壤分尺度重金属浓度值确定方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101514980A (zh) * 2008-07-09 2009-08-26 中国科学院地理科学与资源研究所 快速检测土壤中重金属含量及空间分布的方法与装置
CN101696968A (zh) * 2009-10-14 2010-04-21 四川农业大学 监测土壤重金属含量的新方法
CN101718775A (zh) * 2009-11-12 2010-06-02 上海交通大学 围垦地土壤中重金属含量的空间变异分布图生成方法
KR102006826B1 (ko) * 2019-02-11 2019-08-02 부경대학교 산학협력단 토지이용을 고려한 지하수 오염 취약성 평가 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101514980A (zh) * 2008-07-09 2009-08-26 中国科学院地理科学与资源研究所 快速检测土壤中重金属含量及空间分布的方法与装置
CN101696968A (zh) * 2009-10-14 2010-04-21 四川农业大学 监测土壤重金属含量的新方法
CN101718775A (zh) * 2009-11-12 2010-06-02 上海交通大学 围垦地土壤中重金属含量的空间变异分布图生成方法
KR102006826B1 (ko) * 2019-02-11 2019-08-02 부경대학교 산학협력단 토지이용을 고려한 지하수 오염 취약성 평가 장치 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高中原等: "融合自然-人为因子改进回归克里格对土壤镉空间分布预测", 《环境科学》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114239278A (zh) * 2021-12-17 2022-03-25 中国科学院生态环境研究中心 土壤重金属累积过程时空模拟模型构建方法
CN114239278B (zh) * 2021-12-17 2022-06-21 中国科学院生态环境研究中心 土壤重金属累积过程时空模拟模型构建方法
CN114548747A (zh) * 2022-02-19 2022-05-27 中国农业科学院农业信息研究所 一种土壤重金属的空间插值方法、装置、电子设备及介质
CN115393645A (zh) * 2022-08-27 2022-11-25 宁波华东核工业工程勘察院 一种土壤自动分类定名方法、系统、存储介质及智能终端
CN115935129A (zh) * 2022-12-06 2023-04-07 中国科学院地理科学与资源研究所 一种土壤分尺度重金属浓度值确定方法和装置
CN115935129B (zh) * 2022-12-06 2023-08-22 中国科学院地理科学与资源研究所 一种土壤分尺度重金属浓度值确定方法和装置

Similar Documents

Publication Publication Date Title
CN113012771A (zh) 土壤重金属空间插值方法、装置及计算机可读存储介质
CN114443982B (zh) 一种大区域土壤重金属检测与时空分布特征分析方法及系统
CN105205466B (zh) 一种基于夜间灯光影像的能源碳排放量遥感估算方法
CN111815184B (zh) 一种耕地土壤环境质量类别划分方法
CN115983522B (zh) 一种乡村生境质量评估及预测方法
Ma et al. Evaluating carbon fluxes of global forest ecosystems by using an individual tree-based model FORCCHN
CN108647826B (zh) 一种土壤重金属环境风险预测模型的构建方法和装置
CN111879915B (zh) 一种滨海湿地高分辨率的逐月土壤盐度监测方法及系统
Dianati Tilaki et al. Rangelands production modeling using an artificial neural network (ANN) and geographic information system (GIS) in Baladeh rangelands, North Iran
CN112070056A (zh) 一种基于面向对象和深度学习的敏感用地识别方法
CN108764527B (zh) 一种土壤有机碳库时空动态预测最优环境变量筛选方法
CN113298439A (zh) 基于人口分布的环境风险评估方法、装置及计算机设备
CN115758270A (zh) 基于随机森林与环境变量的土壤矿物结合态有机碳预测方法及装置
CN118470550A (zh) 一种自然资源资产数据采集方法及平台
Yang et al. Critical transitions in the hydrological system: early-warning signals and network analysis
Yadav et al. Statistical evaluation of sigma schemes for estimating dispersion in low wind conditions
Carnevale et al. An integrated air quality forecast system for a metropolitan area
Hamdy Using remote sensing techniques to assess the changes in the rate of urban green spaces in Egypt: a case study of greater Cairo
Zeiss et al. Effects of climate on the distribution and conservation of commonly observed European earthworms
CN115544706A (zh) 一种小波和XGBoost模型集成的大气细颗粒物浓度估算方法
CN117151499A (zh) 一种国土空间规划的监测评估方法及系统
Tumaneng et al. Modeling species distribution of Shorea guiso (Blanco) Blume and Parashorea malaanonan (Blanco) Merr in Mount Makiling Forest Reserve using Maxent
Amadio et al. Combining neural networks and data assimilation to enhance the spatial impact of Argo floats in the Copernicus Mediterranean biogeochemical model
CN117591619B (zh) 污碳双高热点网格识别方法、系统、设备及介质
CN116297062B (zh) 一种面向多维时空因子的pm2.5浓度精细化时空模拟与定量分析方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210622