CN113902249A - 一种土壤重金属影响因素解析方法及装置 - Google Patents
一种土壤重金属影响因素解析方法及装置 Download PDFInfo
- Publication number
- CN113902249A CN113902249A CN202111028668.3A CN202111028668A CN113902249A CN 113902249 A CN113902249 A CN 113902249A CN 202111028668 A CN202111028668 A CN 202111028668A CN 113902249 A CN113902249 A CN 113902249A
- Authority
- CN
- China
- Prior art keywords
- aggregation
- sampling point
- heavy metal
- soil
- local
- 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 212
- 229910001385 heavy metal Inorganic materials 0.000 title claims abstract description 184
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000004220 aggregation Methods 0.000 claims abstract description 259
- 230000002776 aggregation Effects 0.000 claims abstract description 258
- 238000005070 sampling Methods 0.000 claims abstract description 228
- 238000011160 research Methods 0.000 claims abstract description 111
- 230000003044 adaptive effect Effects 0.000 claims abstract description 47
- 238000009826 distribution Methods 0.000 claims abstract description 30
- 230000008859 change Effects 0.000 claims abstract description 18
- 238000000556 factor analysis Methods 0.000 claims description 27
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012954 risk control Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000013517 stratification Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 21
- 230000008569 process Effects 0.000 description 11
- 238000003900 soil pollution Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 239000003795 chemical substances by application Substances 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000009792 diffusion process Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 5
- 238000005065 mining Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000001737 promoting effect Effects 0.000 description 5
- 238000013508 migration Methods 0.000 description 4
- 230000005012 migration Effects 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 229910052785 arsenic Inorganic materials 0.000 description 2
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052793 cadmium Inorganic materials 0.000 description 2
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 2
- 229910052804 chromium Inorganic materials 0.000 description 2
- 239000011651 chromium Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 239000011133 lead Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 2
- 229910052753 mercury Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 235000019738 Limestone Nutrition 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
Images
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
- G06Q10/06—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 Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明提供一种土壤重金属影响因素解析方法及装置，所述方法包括：根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式；根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征；根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数；根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。本发明有效地抑制因土壤重金属污染程度不均、变异系数大而引起的局部集聚干扰，能够准确表征污染空间分布格局，并提高源解析分析精度。
Description
技术领域
本发明涉及土壤环境监测分析技术领域，尤其涉及一种土壤重金属影响因素解析方法及装置。
背景技术
土壤是生命的重要物质基础，是生物体赖以生存和发展的重要自然资源之一。随着现代工农业的迅速发展，城市化进程的不断加快，土壤污染问题日益突出，其中土壤重金属超标问题最为严重。准确分析并掌握农田土壤重金属污染的来源、污染形成的过程及污染途径的介质和条件是有效制定和采取相应的源头减控与阻控措施，切实保护土壤环境质量、农产品质量安全的重要基础。
土壤污染源解析指在土壤污染源识别的基础上，定量计算出各类排放源的贡献大小的一类技术方法。如何在不增加监测调查工作的情况下，找到研究区域内的污染源以及准确地计算各污染源的贡献率，一直都是土壤重金属污染预防治理与管理调控措施需要首先解决的问题。目前关于土壤污染源解析的模型主要分为两大类：扩散模型法和受体模型法。扩散模型法以污染源为研究起点，利用已知的扩散参数，选择合适的扩散模型计算出污染源的贡献量。
由于开放区域的重金属排放源难以确定，重金属由排放源到土壤的迁移转化过程复杂且难以准确地定量描述其在土壤中的长期积累过程，因此扩散模型法在应用的过程中受到限制。
上述受体模型法需要借助多种重金属之间的关系推断研究区内的潜在污染源，对于单一重金属检测情况不适用。此外，其进一步验证推断的污染源需依托精细的污染源清单，这部分数据一方面较难获取；另一方面由于企业信息更替不及时等情况，造成数据老旧、可信度低，造成分析结果不准确等问题；再一方面，像土壤母质、农业灌溉、大气沉降等都是区域性的影响，经过复杂的土壤迁移转化过程形成土壤重金属的积累，导致单一影响因素的线性相关性较弱，存在空间分异性。
另外，现有技术还采用地理探测器方法进行土壤污染源解析，地理探测器方法是基于空间分层异质性原理，通过度量两变量的空间分布趋势一致性，计算空间分区对被解释因素的影响作用。但其在矿区的分析效果明显差于非矿区，即对矿区的重金属污染源解析效果一般。
综上所述，上述受体模型和地理探测器方法本质上是将研究区域的土壤样本看作总体，采用全局模型进行污染源解析，没有考虑土壤重金属污染空间分布的局部异质性，忽略了研究区域内各子区域的土壤重金属污染所受的主要污染因素的差异性影响。此外，污染区域重金属的空间分布通常表现出有很强的变异性，直接分析数值变化导致方差较大，分析结果精度不高。直接采用现有的全局模型基于重金属浓度解析污染源，既忽略局部影响因素对区域影响的主导作用，也缺乏对土壤环境质量影响作用的定量评价，导致对研究区域内污染源识别、影响因素作用及贡献度解析不准确，不利于区域污染靶向式治理和污染防控工作的开展。
发明内容
本发明提供一种土壤重金属影响因素解析方法及装置，用以解决现有技术中对污染区域内污染源识别及污染源贡献度解析不准确的问题。
第一方面，本发明提供一种土壤重金属影响因素解析方法，包括：根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式；根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征；根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数；根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。
根据本发明提供的土壤重金属影响因素解析方法，在根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式之前，还包括：获取所述研究区域内每一个采样点的重金属浓度；根据每一个采样点的重金属浓度，计算所述研究区域内的重金属浓度平均值和重金属浓度中位数；根据风险筛选值、风险管制值、所述重金属浓度平均值和所述重金属浓度中位数，确定所述研究区域的分界限值。
根据本发明提供的土壤重金属影响因素解析方法，所述根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式，包括：根据所述每一个采样点的重金属浓度和所述研究区域的分界限值，获取每一个采样点改进的局部莫兰指数；计算每个采样点的所述重金属浓度与分界限值之间的差值；根据所述改进的局部莫兰指数的正负以及所述差值的正负，确定每一个采样点的空间局部聚集模式。
根据本发明提供的土壤重金属影响因素解析方法，所述根据所述每一个采样点的重金属浓度和所述研究区域的分界限值，获取每一个采样点改进的局部莫兰指数的计算公式为：
其中，xi是采样点i的重金属浓度，b为所述分界限值，k为最近邻采样点的个数，且k≥2；xj是最近邻采样点j的重金属浓度；wi,j是所述采样点i和最邻近采样点j的空间权重矩阵；
为在所述最近邻采样点的个数为k的情况下，所述采样点i改进的局部莫兰指数。
根据本发明提供的土壤重金属影响因素解析方法，所述根据所述改进的局部莫兰指数的正负以及所述差值的正负，确定每一个采样点的空间局部聚集模式，包括：
在
而且xi-v>0的情况下，
为高高聚集；
在
而且xi-v>0的情况下，
为高低异常；
在
而且xi-v<0的情况下，
为低低聚集；
在
而且xi-v<0的情况下，
为低高异常；
其中，
为在所述最近邻采样点的个数为k的情况下，所述采样点i的空间局部聚集模式。
根据本发明提供的土壤重金属影响因素解析方法，根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征，包括：
针对任一采样点，获取在其最近邻采样点的个数依次递加的情况下的连续M个空间局部聚集模式；
若在所述M个空间局部聚集模式中存在连续N个空间局部聚集模式为高高聚集的情况下，则确定所述任一采样点的空间局部自适应聚集特征为稳定高高聚集；
若在所述M个空间局部聚集模式中存在连续N个空间局部聚集模式为高低异常的情况下，则确定所述任一采样点的空间局部自适应聚集特征为稳定高低异常；
若在所述M个空间局部聚集模式中存在连续N个空间局部聚集模式为低高异常的情况下，则确定所述任一采样点的空间局部自适应聚集特征为稳定低高异常；
若在所述M个空间局部聚集模式中存在连续N个空间局部聚集模式为低低聚集的情况下，则确定所述任一采样点的空间局部自适应聚集特征为稳定低低聚集。
根据本发明提供的土壤重金属影响因素解析方法，所述根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数，包括：根据第一概率和第二概率，获取土壤环境分层聚集指数；所述第一概率，为所述研究区域内的采样点的空间局部自适应聚集特征为稳定高高聚集的概率；所述第二概率，为土壤环境局部分层内的采样点的空间局部自适应聚集特征为稳定高高聚集的概率。
根据本发明提供的土壤重金属影响因素解析方法，在根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度之前，还包括：对所述土壤环境分层聚集指数进行显著性检验。
第二方面，本发明还提供一种土壤重金属影响因素解析装置，包括：第一模块，用于根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式；
第二模块，用于根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征；
第三模块，用于根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数；
第四模块，用于根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。
第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述土壤重金属影响因素解析方法的步骤。
本发明提供的土壤重金属影响因素解析方法及装置，首先获取每一个采样点的空间局部聚集模式，并通过每一个采样点的多个空间局部聚集模式的变化情况，确定每一个采样点的空间局部自适应聚集特征，最终计算土壤环境分层聚集指数，通过对土壤环境分层聚集指数的分析确定了研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度，有效地抑制因土壤重金属污染程度不均、变异系数大而引起的局部集聚干扰，能准确表征污染空间分布格局，并提高源解析分析精度。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的土壤重金属影响因素解析方法的流程示意图之一；
图2是本发明提供的采样点i的局部空间分布情况示意图；
图3是本发明提供的采样点i的空间局部聚集模式随最近邻采样点个数变化模式图；
图4是本发明提供的土壤重金属来源影响因素代理变量示意图；
图5是本发明提供的土壤重金属影响因素解析方法的流程示意图之二；
图6是本发明提供的土壤重金属影响因素解析装置的结构示意图；
图7是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明实施例的描述中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
准确分析并掌握污染区域内的重金属污染的来源、污染形成的过程及污染途径的介质和条件是有效制定和采取相应的源头减控与阻控措施，切实保护土壤环境质量、农产品质量安全的重要基础。然而，由于土壤中重金属来源和重金属在土壤中的迁移和累积过程十分复杂，导致污染来源的组成与土壤内部特性均有很强的空间变异性。因此，如何准确地找出研究区域内的重金属污染主要来源是有效治理土壤重金属污染的关键。
下面结合图1-图7描述本发明实施例所提供的土壤重金属影响因素解析方法和装置。
图1是本发明提供的土壤重金属影响因素解析方法的流程示意图之一，如图1所示，包括但不限于以下步骤：
步骤101：根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式。
步骤102：根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征。
步骤103：根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数。
步骤104：根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。
在上述研究区域内参与分析的重金属可以是镉、汞、砷、铅、铬、铜、镍、锌中的任意一项，为保证结果计算的可靠性，研究区域内的采样点个数最少为50个，平均监测密度为1-20个/km2。
分界限值的意义是将研究区内的重金属浓度转化为高与低两类，在确定分界限值后有利于根据这一分界限值在研究区内确定出重金属浓度相对较高的区域，或者在研究区内确定出受污染程度相对较高的区域。
可以根据《土壤环境质量农用地土壤污染风险管控标准》和研究区域内的重金属浓度平均值和重金属浓度中位数确定合适的分界限值。
空间局部聚集模式是通过类型变量来表示的，可以表征采样点与其相邻的采样点之间的土壤重金属空间分布高低格局。需要强调的是，在其相邻的采样点的个数不同的情况下，所述空间局部聚集模式的类型也可能会不相同。
在其相邻的采样点的个数依次增加的情况下，可以根据每一个采样点的空间局部聚集模式的变化情况，确定该采样点的空间局部自适应聚集特征。
例如：在相邻的采样点的个数为2-10的情况下，如果采样点的空间局部聚集模式维持至少5个连续的某一种类型不变，那么就认为上述该空间局部聚集模式具有稳定性和代表性，便将其作为该采样点的空间局部自适应聚集特征。
由上述分析可知，空间局部自适应聚集特征可以稳定反映重金属浓度的高低分布格局，那么在获取每一个采样点的空间局部自适应聚集特征后，可以根据其在研究区域内的分布情况确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。上述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度可以通过土壤环境分层聚集指数进行描述。
本发明提供的土壤重金属影响因素解析方法，首先获取每一个采样点的空间局部聚集模式，并通过每一个采样点的多个空间局部聚集模式的变化情况，确定每一个采样点的空间局部自适应聚集特征；最终计算土壤环境分层聚集指数，通过对土壤环境分层聚集指数的分析确定了研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。，有效地抑制因土壤重金属污染程度不均、变异系数大而引起的局部集聚干扰，准确表征污染空间分布格局，提高源解析分析精度。
基于上述实施例，作为一种可选实施例，本发明提供的一种土壤重金属影响因素解析方法，在根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式之前，还包括：获取所述研究区域内每一个采样点的重金属浓度；根据每一个采样点的重金属浓度，计算所述研究区域内的重金属浓度平均值和重金属浓度中位数；根据风险筛选值、风险管制值、所述重金属浓度平均值和所述重金属浓度中位数，确定所述研究区域的分界限值。分界限值的意义是将研究区域内的重金属浓度转化为高与低两类，有利于确定重金属浓度相对较高的区域，或者在研究区内受污染程度相对较高的区域。分界限值可以基于标准GB15618-2018的风险筛选值或风险管制值确定，根据分界限值可以得到具有重金属含量超标与否含义的类型。
表1农用地土壤污染风险筛选值
表2农用地土壤污染风险管制值
表1为农用地土壤污染风险筛选值列表，表2为农用地土壤污染风险管制值列表。当研究区域内的土壤重金属监测情况为大部分采样点已经超标或均未超标时，则应计算研究区域内的重金属浓度平均值和重金属浓度中位数作为分界限值，挖掘高于研究区域内平均水平的潜在污染区域或污染相对较重的区域。分界限值b：
其中，
avg为所述重金属浓度的平均值，mid为所述重金属浓度的中位数，b为所述研究区域的分界限值，s为所述风险筛选值，g为所述风险管制值，具体实现可通过R语言参考上式逻辑统计得到。
本发明提供的土壤重金属影响因素解析方法，通过分界限值将研究区域内的重金属浓度转化为高与低两类，有利于确定重金属浓度相对较高的区域，或者在研究区域内受污染程度相对较高的区域。
基于上述实施例，作为一种可选实施例，本发明提供的一种土壤重金属影响因素解析方法，所述根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式，包括：根据所述每一个采样点的重金属浓度和所述研究区域的分界限值，获取每一个采样点改进的局部莫兰指数；计算每个采样点的所述重金属浓度与分界限值之间的差值；根据所述改进的局部莫兰指数的正负以及所述差值的正负，确定每一个采样点的空间局部聚集模式。
可以根据每一个采样点改进的局部莫兰指数，获取采样点的空间局部聚集模式。对于同一个采样点，在最近邻采样点的个数不同的情况下，可以对应得到不同改进的局部莫兰指数。最近邻采样点的个数大于或者等于2个，如：2个最近邻采样点即为距离目标采样点最近的两个采样点。
在获得每一个采样点改进的局部莫兰指数后，可以根据改进的局部莫兰指数的正负以及重金属浓度与分界限值差值的正负，确定每一个采样点的空间局部聚集模式。
相应地，对于同一个采样点，在最近邻采样点的个数不同的情况下，也可以对应得到不同的空间局部聚集模式。
本发明提供的土壤重金属影响因素解析方法，通过计算采样点改进的局部莫兰指数，并且将采样点的土壤重金属浓度值转为空间局部聚集模式，有利于土壤重金属影响因素的挖掘。
基于上述实施例，作为一种可选实施例，本发明提供的一种土壤重金属影响因素解析方法，所述根据所述每一个采样点的重金属浓度和所述研究区域的分界限值，获取每一个采样点改进的局部莫兰指数的计算公式为：
其中，xi是采样点i的重金属浓度，b为所述分界限值，k为最近邻采样点的个数，且k≥2；xj是最近邻采样点j的重金属浓度；wi,j是所述采样点i和最邻近采样点j的空间权重矩阵；
为在所述最近邻采样点的个数为k的情况下，所述采样点i的改进的局部莫兰指数。
表3是本发明提供的空间权重矩阵wi,j示意表，如表3所示，可通过ArcGIS软件的生成空间权重矩阵工具，计算得到空间权重矩阵wi,j，再配合上述
的计算公式，使用R语言统计得到。
表3空间权重矩阵wi,j示意表
本发明提供的土壤重金属影响因素解析方法，改进了局部莫兰指数，并对采样点改进的局部莫兰指数的计算公式进行了说明，更加有效地反映了采样点的空间特性。
基于上述实施例，作为一种可选实施例，本发明提供的一种土壤重金属影响因素解析方法，根据所述改进的局部莫兰指数的正负以及所述差值的正负，确定每一个采样点的空间局部聚集模式，包括：
在
而且(xi-b)>0的情况下，
为高高聚集；
在
而且(xi-b)>0的情况下，
为高低异常；
在
而且(xi-b)<0的情况下，
为低低聚集；
在
而且(xi-b)<0的情况下，
为低高异常；
其中，
为在所述最近邻采样点的个数为k的情况下，所述采样点i的空间局部聚集模式。
(xi-b)的大小确定采样点i重金属浓度值的高低类别，与
组合起来，可以确定采样点i与周围k个最邻近的采样点的关系：“同步聚集”或“异步异常”。
可以通过以下公式确定在最近邻采样点的个数为k的情况下，采样点i的空间局部聚集模式。
其中，hh为高高聚集，hl为高低异常，lh为低高异常，ll为低低聚集。具体实现可通过R语言，参考上述
的计算公式，带入
xi-b得到。Not sig，else表示在其它情况下，
为空。
本发明提供的土壤重金属影响因素解析方法，通过计算采样点改进的局部莫兰指数，并且将采样点的土壤重金属浓度值转为具有空间局部聚集模式的类型变量，更加有利于土壤重金属影响因素的挖掘。
基于上述实施例，作为一种可选实施例，本发明提供的一种土壤重金属影响因素解析方法，根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征，包括：
针对任一采样点，获取在其最近邻采样点的个数依次递加的情况下的连续M个空间局部聚集模式；
若在所述M个空间局部聚集模式中存在连续N个空间局部聚集模式为高高聚集的情况下，则确定所述任一采样点的空间局部自适应聚集特征为稳定高高聚集；
若在所述M个空间局部聚集模式中存在连续N个空间局部聚集模式为高低异常的情况下，则确定所述任一采样点的空间局部自适应聚集特征为稳定高低异常；
若在所述M个空间局部聚集模式中存在连续N个空间局部聚集模式为低高异常的情况下，则确定所述任一采样点的空间局部自适应聚集特征为稳定低高异常；
若在所述M个空间局部聚集模式中存在连续N个空间局部聚集模式为低低聚集的情况下，则确定所述任一采样点的空间局部自适应聚集特征为稳定低低聚集。
在确定搜索邻域范围后，能够计算在该邻域范围内的局部聚集特征。搜索邻域范围可通过设置搜索邻域半径或者搜索最近邻采样点个数来确定。确定搜索邻域范围是指以一个采样点为基础来获取其一定个数或者一定范围内的最近邻采样点。
由于不同空间位置的监测密度不同，导致各采样点的间距也会不同，若设置固定的搜索邻域半径，会导致个别采样点没有最近邻采样点，造成分析有偏。
有鉴于此，本发明采用设置搜索最近邻采样点个数的方式来确定搜索邻域的范围。
图2是本发明提供的采样点i的局部空间分布情况示意图，图3是本发明提供的采样点i的空间局部聚集模式随最近邻采样点个数变化模式图，如图2和图3所示，在最近邻采样点的个数k为10的情况下，采样点的分布可能会存在多种情况。通过遍历采样点i的最近邻采样点个数k可以得到每个采样点的空间局部聚集模式随搜索邻域个数k增加的变化图，以高高聚集特征为例，2-10最近邻采样点个数的变化可能有以下多种情况：
如图2中的2a图所示，当最近邻采样点之间的浓度差异较小时，即最近邻采样点的重金属浓度都大于分界限值b，对应的在上述情况下，采样点i的空间局部聚集模式的变化情况如图3中的3a图所示，表现为连续的高高聚集。
如图2中的2b图、2c图、2d图、2e图、2f图、2g图所示，当最近邻近采样点之间的重金属浓度差异较大，即有的大于分界限值b，有的小于分界限值b时，对应的如图3中3b图、3c图、3d图、3e图、3f图、3g图所示，空间局部聚集模式就会随着最近邻采样点个数k的增加，出现波动的情况。不同最近邻采样点个数统计下，各采样点的空间局部聚集模式可能不同，需要选出稳定的，具有代表性的空间局部聚集模式将其作为空间局部自适应聚集特征。
具体制定如下规则来确定该采样点的空间局部自适应聚集特征：
所述的含义如下：
在Pa:a+4(hh)＝1成立的情况下，LMIi为HH；
在Pa:a+4(hl)＝1成立的情况下，LMIi为HL；
在pa:a+4(lh)＝1成立的情况下，LMIi为LH；
在pa:a+4(ll)＝1成立的情况下，LMIi为LL。
其中，a∈[2:6]；Pa:a+4(hh)＝1表示在k为2-10的范围内，所述采样点的空间局部聚集模式维持5个连续的hh的概率为1；
Pa:a+4(hl)＝1表示在k为2-10的范围内，所述采样点的空间局部聚集模式维持5个连续的hl的概率为1；
Pa:a+4(lh)＝1表示在k为2-10的范围内，所述采样点的空间局部聚集模式维持5个连续的lh的概率为1；
Pa:a+4(ll)＝1表示在k为2-10的范围内，所述采样点的空间局部聚集模式维持5个连续的ll的概率为1；
HH为稳定高高聚集，HL为稳定高低异常，LH为稳定低高异常，LL为稳定低低聚集。具体实现可通过R语言根据LMIi的计算公式统计得到。
本发明提供的土壤重金属影响因素解析方法，以连续多个空间局部聚集模式的一致性确定该采样点的空间局部自适应聚集特征。该空间局部自适应聚集特征可有效地抑制因土壤重金属污染程度不均、变异系数大而引起局部集聚干扰，并准确表征污染空间分布格局，提高源解析分析精度。
基于上述实施例，作为一种可选实施例，本发明提供的一种土壤重金属影响因素解析方法，所述根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数，包括：根据第一概率和第二概率，获取土壤环境分层聚集指数；所述第一概率，为所述研究区域内的采样点的空间局部自适应聚集特征为稳定高高聚集的概率；所述第二概率，为土壤环境局部分层内的采样点的空间局部自适应聚集特征为稳定高高聚集的概率。
土壤环境局部分层属于预先建立的关于某一影响因素的空间分层数据，下面对其进行简单的说明。
土壤环境数据为影响研究区内土壤重金属污染的潜在影响因素，通过文献法检索汇总影响因素的代理变量。图4是本发明提供的土壤重金属来源影响因素代理变量示意图，如图4所示所述影响因素包括成土壤母质、土壤类型、地形地貌等自然因素；工业园区密度等级、矿场园区密度等级等工业因素；交通干道密度等级、人口活动密度等级等生活因素；肥料类别、农药类型、灌溉方式等农业因素。当上述影响因素代理变量为非空间分层数据时，需要对其进行空间分层处理。
首先，需要将其按照空间统计单元计算统计指标在单位面积的密度、强度或统计单元内的固定类型；然后，再结合相关标准规范或聚类方法对影响因素数据进行分级或分类；最后，将统计分级或分类的统计结果关联到空间统计单元上，形成空间分层数据。
例如，对于自然因素中的环境代理变量为土壤母质时，可以根据土壤母质分为钙质紫色砂页岩、石灰岩、白云岩三层；对于工业因素中的环境代理变量为矿场园区密度等级时，可以根据统计指标在单位面积的密度将矿场园区密度等级分为高、中、低三层。可以根据不同的环境代理变量获得不同的土壤环境局部分层，对于某一土壤环境局部分层可以表示为土壤环境代理变量m分层l。
土壤环境分层聚集指数表征了土壤环境局部分层对不同空间局部自适应聚集特征的贡献度。
本发明在度量土壤环境局部分层聚集影响作用时，参考了条件概率理论。
将条件概率描述已知B事件发生的情况下，发生A事件的概率，记为P(A|B)，则：
当事件A与事件B独立时，P(AB)＝P(A)×P(B)，即P(A|B)＝P(A)；
当事件B的发生增强了事件A的发生概率时，P(A|B)>P(A)；
当事件B的发生削弱了事件A的发生概率时，P(A|B)<P(A)；
其中，P(A|B)-P(A)>0表示事件B的发生增强了A发生的概率。
通常采样点的空间局部自适应聚集特征为HH所在的区域为重点关注的区域(污染区或潜在污染)，需要采取措施进行污染防治的区域；HL、LH为异步异常类型，通常不会连片出现，聚集特征不明显；LL类采样点所在的区域为低于分界限值的，在污染源解析过程中一般不关注。
以空间局部自适应聚集特征为HH为例，将采样点的空间局部自适应聚集特征为HH发生认为是A事件，采样点位于土壤环境代理变量m分层l内认为是B事件，则位于土壤环境代理变量m分层l内促进HH的发生的土壤环境分层聚集指数，记为
其中，
即：
其中，Cd为所述研究区域内的采样点的个数，Cml为土壤环境代理变量m分层l内的采样点个数，CHH为在研究区域内的采样点的空间局部自适应聚集特征为HH的个数，
为在土壤环境代理变量m分层l内的采样点的空间局部自适应聚集特征为HH的个数。
上述步骤的具体实现可通过R语言参考上述计算公式得到。
在
时，表示土壤环境代理变量m分层l对HH的发生有促进作用，指数越高，作用越强。
根据不同的土壤环境局部分层信息，最终能够得到如表4所示的土壤环境分层聚集指数统计表：
表4土壤环境局部分层聚集指数统计表
统计过程中可能出现某个土壤环境局部分层内不存在采样点分布的情况，则该土壤环境局部分层对应的土壤环境分层聚集指数为空。
本发明提供的土壤重金属影响因素解析方法，基于条件概率法计算土壤环境分层聚集指数，定量地表达土壤环境影响因素对土壤重金属的影响作用的强弱，可有效地掌握多区域土壤重金属污染和多污染源复合土壤重金属污染的影响度。
基于上述实施例，作为一种可选实施例，本发明提供的一种土壤重金属影响因素解析方法，在根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度之前，还包括：对所述土壤环境分层聚集指数进行显著性检验。
虽然土壤环境分层聚集指数是表征土壤环境分层对土壤重金属聚集特征的重要指标，能够有效地挖掘不同分层对土壤重金属聚集的影响作用，但为避免土壤环境分层内样点数量过少，导致土壤环境分层聚集指数的值过高的情况，可以对其进行显著性检验，步骤为：
1)首先确定显著性水平α，如α＝0.1、0.05或0.01等；
2)计算检验统计量T，土壤环境局部分层聚集指数简单变换满足T分布：
其中，n为土壤环境代理变量m分层l内的个数；
3)根据样本自由度df＝n-2和给定的显著性水平α，查找单尾T分布临界值T2α(n-2)；
4)统计推断：若|T|>T2α(n-2)，则通过显著性检验；若|T|<T2α(n-2)，未通过显著性检验。
可以将土壤环境局部分层聚集指数统计表配合统计显著性水平分两组进行排序，未通过显著性检验的为一组，通过显著性检验的为一组。
未通过显著性检验的土壤环境分层聚集指数，一般是由于研究区域内的采样点数量过少或分析指标有效数据过少，导致分析精度在指定显著性水平下可信度不高，一般表示该土壤环境局部分层对稳定高高聚集影响不确定，需配合辅助采样点判定。
通过显著性检验的土壤环境分层聚集指数，一般认为统计结果在统计上有意义，
表示对研究区域内的稳定高高聚集有促进作用，指数越大，促进作用越强。若仅有一个
则该研究区域内的影响因素为单一影响因素作用；若存在多个
则该研究区域内的影响因素为多影响因素叠加复合作用。
本发明提供的土壤重金属影响因素解析方法，对土壤环境分层聚集指数进行显著性检验，有效地剔除了精确度不高或无效数据，提高了土壤环境影响因素分析的精确度。
图5是本发明提供的土壤重金属影响因素解析方法的流程示意图之二，如图5所示，本发明实施方案的主要实施步骤包括：
(1)数据准备，确定研究区域待分析的重金属指标(如镉、汞、砷、铅、铬等某一项，其浓度记为x)，将影响区域土壤环境质量的候选影响因素的代理变量m(如成土母质类型、土壤类型、土地利用方式、污染企业影响缓冲区、化肥农药类型和施用量等潜在的影响因素)处理成空间分层数据。处理过程可以参见上述实施例。
(2)参考《土壤环境质量农用地土壤污染风险管控标准》确定筛选值、管控值，并确定研究区域内重金属浓度的平均值、研究区域内重金属浓度的中位数，以综合确定用于划分研究区域高低类型的分界限值b。
(3)建立基于改进的局部莫兰指数，以分界限值b为划分高低类型的界限，以采样点的邻域空间内搜索具有连续相同的空间局部聚集模式为采样点的空间局部自适应聚集特征，如：HH、HL、LL、LH。
(4)基于条件概率法，构造土壤环境局部分层指数，通过叠加土壤环境局部分层信息，计算各土壤环境代理变量m分层l对应的土壤环境分层聚集指数
再采用单尾T检验对土壤环境分层聚集指数
进行显著性检验。
(5)根据土壤环境分层聚集指数
确定对土壤重金属的污染起统计显著促进作用的土壤环境局部分层(即土壤环境影响因素)及其贡献度。
本发明提供了一种土壤重金属影响因素解析方法，通过识别局部污染聚集的影响因素，并定量计算其作用强度，可以有效地实现土壤重金属污染成因排查以及污染风险精准防控。
需要强调地是，本发明提供的一种土壤重金属影响因素解析方法，可以有效地挖掘研究区内的局部影响因素、影响空间范围及其贡献度，适用于多污染源复合的研究区的土壤重金属污染源解析。
另外，本发明提供的空间局部自适应聚集特征提取方法和基于土壤环境分层聚集指数的影响因素判别方法，除了适用于县域尺度下的土壤重金属污染空间变异不平稳区的研究区污染影响识别，同时也可为中小尺度的场地污染中的污染源、污染迁移、渗漏、转化过程提供技术方法，为在产和闭产的污染企业的源头阻控、末端治理和风险的精准防控提供技术支撑。
图6是本发明提供的土壤重金属影响因素解析装置的结构示意图，如图6所示该装置包括：第一模块601、第二模块602、第三模块603、第四模块604。
第一模块601，用于根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式；
第二模块602，用于根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征；
第三模块603，用于根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数；
第四模块604，用于根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。
本发明提供的土壤重金属影响因素解析装置，首先获取每一个采样点的空间局部聚集模式，并通过每一个采样点的多个空间局部聚集模式的变化情况，确定每一个采样点的空间局部自适应聚集特征，最终计算土壤环境分层聚集指数，通过对土壤环境分层聚集指数的分析确定了研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度，有效地抑制因土壤重金属污染程度不均、变异系数大而引起的局部集聚干扰，准确表征污染空间分布格局，提高源解析分析精度。
图7是本发明提供的电子设备的结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行土壤重金属影响因素方法，该方法包括：根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式；根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征；根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数；根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。
此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的土壤重金属影响因素方法，该方法包括：根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式；根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征；根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数；根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的土壤重金属影响因素方法，该方法包括：根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式；根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征；根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数；根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种土壤重金属影响因素解析方法，其特征在于，包括：
根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式；
根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征；
根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数；
根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。
2.根据权利要求1所述的土壤重金属影响因素解析方法，其特征在于，在根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式之前，还包括：
获取所述研究区域内每一个采样点的重金属浓度；
根据每一个采样点的重金属浓度，计算所述研究区域内的重金属浓度平均值和重金属浓度中位数；
根据风险筛选值、风险管制值、所述重金属浓度平均值和所述重金属浓度中位数，确定所述研究区域的分界限值。
3.根据权利要求2所述的土壤重金属影响因素解析方法，其特征在于，所述根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式，包括：
根据所述每一个采样点的重金属浓度和所述研究区域的分界限值，获取每一个采样点的改进的局部莫兰指数；
计算每个采样点的所述重金属浓度与分界限值之间的差值；
根据所述改进的局部莫兰指数的正负以及所述差值的正负，确定每一个采样点的空间局部聚集模式。
4.根据权利要求3所述的土壤重金属影响因素解析方法，其特征在于，所述根据所述每一个采样点的重金属浓度和所述研究区域的分界限值，获取每一个采样点改进的局部莫兰指数的计算公式为：
其中，xi是采样点i的重金属浓度，b为所述分界限值，k为最近邻采样点的个数，且k≥2；xj是最近邻采样点j的重金属浓度；wi,j是所述采样点i和最邻近采样点j的空间权重矩阵；
为在所述最近邻采样点的个数为k的情况下，所述采样点i的改进的局部莫兰指数。
5.根据权利要求4所述的土壤重金属影响因素解析方法，其特征在于，所述根据所述改进的局部莫兰指数的正负以及所述差值的正负，确定每一个采样点的空间局部聚集模式，包括：
在
而且xi-b>0的情况下，
为高高聚集；
在
而且xi-b>0的情况下，
为高低异常；
在
而且xi-b<0的情况下，
为低低聚集；
在
而且xi-b<0的情况下，
为低高异常；
其中，
为在所述最近邻采样点的个数为k的情况下，所述采样点i的空间局部聚集模式。
6.根据权利要求5所述的土壤重金属影响因素解析方法，其特征在于，根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征，包括：
针对任一采样点，在其最近邻采样点的个数依次递加的情况下，获取连续M个空间局部聚集模式；
在所述M个空间局部聚集模式中，存在连续N个空间局部聚集模式为高高聚集的情况下，确定所述任一采样点的空间局部自适应聚集特征为稳定高高聚集；
在所述M个空间局部聚集模式中，存在连续N个空间局部聚集模式为高低异常的情况下，确定所述任一采样点的空间局部自适应聚集特征为稳定高低异常；
在所述M个空间局部聚集模式中，存在连续N个空间局部聚集模式为低高异常的情况下，确定所述任一采样点的空间局部自适应聚集特征为稳定低高异常；
在所述M个空间局部聚集模式中，存在连续N个空间局部聚集模式为低低聚集的情况下，确定所述任一采样点的空间局部自适应聚集特征为稳定低低聚集。
7.根据权利要求6所述的土壤重金属影响因素解析方法，其特征在于，所述根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数，包括：
根据第一概率和第二概率，获取土壤环境分层聚集指数；
所述第一概率，为所述研究区域内的采样点的空间局部自适应聚集特征为稳定高高聚集的概率；
所述第二概率，为土壤环境局部分层内的采样点的空间局部自适应聚集特征为稳定高高聚集的概率。
8.根据权利要求7所述的土壤重金属影响因素解析方法，其特征在于，在根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度之前，还包括：
对所述土壤环境分层聚集指数进行显著性检验。
9.一种土壤重金属影响因素解析装置，其特征在于，包括：
第一模块，用于根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式；
第二模块，用于根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征；
第三模块，用于根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数；
第四模块，用于根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述土壤重金属影响因素解析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111028668.3A CN113902249B (zh) | 2021-09-02 | 2021-09-02 | 一种土壤重金属影响因素解析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111028668.3A CN113902249B (zh) | 2021-09-02 | 2021-09-02 | 一种土壤重金属影响因素解析方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113902249A true CN113902249A (zh) | 2022-01-07 |
| CN113902249B CN113902249B (zh) | 2022-07-22 |
Family
ID=79188523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111028668.3A Active CN113902249B (zh) | 2021-09-02 | 2021-09-02 | 一种土壤重金属影响因素解析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113902249B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114720665A (zh) * | 2022-06-10 | 2022-07-08 | 北京市农林科学院智能装备技术研究中心 | 测土配方施肥土壤全氮异常值检测方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108446715A (zh) * | 2018-02-07 | 2018-08-24 | 广东省生态环境技术研究所 | 一种土壤重金属污染源解析方法、系统和装置 |
| CN108595414A (zh) * | 2018-03-22 | 2018-09-28 | 浙江大学 | 基于源汇空间变量推理的土壤重金属企业污染源识别方法 |
| CN109541172A (zh) * | 2018-10-25 | 2019-03-29 | 北京农业信息技术研究中心 | 土壤属性值的计算方法及装置 |
| CN112288247A (zh) * | 2020-10-20 | 2021-01-29 | 浙江大学 | 一种基于空间交互关系的土壤重金属风险识别方法 |
-
2021
- 2021-09-02 CN CN202111028668.3A patent/CN113902249B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108446715A (zh) * | 2018-02-07 | 2018-08-24 | 广东省生态环境技术研究所 | 一种土壤重金属污染源解析方法、系统和装置 |
| CN108595414A (zh) * | 2018-03-22 | 2018-09-28 | 浙江大学 | 基于源汇空间变量推理的土壤重金属企业污染源识别方法 |
| CN109541172A (zh) * | 2018-10-25 | 2019-03-29 | 北京农业信息技术研究中心 | 土壤属性值的计算方法及装置 |
| CN112288247A (zh) * | 2020-10-20 | 2021-01-29 | 浙江大学 | 一种基于空间交互关系的土壤重金属风险识别方法 |
Non-Patent Citations (5)
| Title |
|---|
| ANAHI AGUILERA ET AL.: "Is the Urban Form a Driver of Heavy Metal Pollution in Road Dust? Evidence from Mexico City", 《ATMOSPHERE》 * |
| ZIHAO WU ET AL.: "Identifying the influencing factors controlling the spatial variation of heavy metals in suburban soil using spatial regression models", 《SCIENCE OF THE TOTAL ENVIRONMENT》 * |
| 于靖靖等: "湘江子流域重点污染企业影响区土壤重金属镉污染源识别", 《环境科学研究》 * |
| 王国芳等: "县域尺度农田深层土壤有机质的估算及空间变异特征", 《农业工程学报》 * |
| 陈云飞等: "新疆于田县绿洲区土壤重金属空间分布特征与影响因素", 《农业机械学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114720665A (zh) * | 2022-06-10 | 2022-07-08 | 北京市农林科学院智能装备技术研究中心 | 测土配方施肥土壤全氮异常值检测方法及装置 |
| CN114720665B (zh) * | 2022-06-10 | 2022-09-16 | 北京市农林科学院智能装备技术研究中心 | 测土配方施肥土壤全氮异常值检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113902249B (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kowalska et al. | Pollution indices as useful tools for the comprehensive evaluation of the degree of soil contamination–A review | |
| 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 | |
| CN112785450B (zh) | 一种土壤环境质量分区方法及系统 | |
| CN108595414B (zh) | 基于源汇空间变量推理的土壤重金属企业污染源识别方法 | |
| CN103345566B (zh) | 基于地质内涵的化探异常识别与评价方法 | |
| CN113642849B (zh) | 考虑空间分布特征的地质灾害危险性综合评价方法及装置 | |
| CN112396320A (zh) | 一种基于ism与模糊贝叶斯网络的隧道坍塌风险评估方法 | |
| CN111539904B (zh) | 一种基于降雨量的灾害易发性预测方法 | |
| CN113720639B (zh) | 一种污染场地调查补充采样的方法 | |
| 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 | |
| CN109118004B (zh) | 一种工程构筑选址适宜区预测方法 | |
| CN111797188B (zh) | 一种基于开源地理空间矢量数据的城市功能区定量识别方法 | |
| CN113902249B (zh) | 一种土壤重金属影响因素解析方法及装置 | |
| Hu et al. | Spatiotemporal changes in landscape patterns in karst mountainous regions based on the optimal landscape scale: A case study of Guiyang City in Guizhou Province, China | |
| Mao et al. | Landslide hazards mapping using uncertain Naïve Bayesian classification method | |
| Wang et al. | Spatial heterogeneity of soil fertility in coastal zones: a case study of the Yellow River Delta, China | |
| CN114062649B (zh) | 一种土壤污染趋势分析方法 | |
| JP2000002769A (ja) | 地質構造の空間分布を予測して地質図を作成する方法及び装置 | |
| Keshtkar et al. | Landscape ecological security response to urban growth in Southern Zagros biome, Iran | |
| CN113255593B (zh) | 面向时空解析模型的传感器信息异常检测方法 | |
| Sorichetta | Groundwater vulnerability assessment using statistical methods | |
| Yao et al. | Multivariate simulation and assessment of three dimensional spatial patterns of coastal soil salinity using ancillary variables | |
| Zhang et al. | GRIDDED POPULATION DISTRIBUTION MAP FOR THE HEBEI PROVINCE OF CHINA. | |
| CN110175739A (zh) | 一种重金属工业污染源解析方法、系统和存储介质 | |
| Kumar | Geostatistical analyses empowered with gradient boosting and extra trees classifier algorithms in the prediction of groundwater quality and geology-lithology attributes over YSR district, India |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |