CN114510823B - 一种快速评估土壤重金属污染程度的方法 - Google Patents
一种快速评估土壤重金属污染程度的方法 Download PDFInfo
- Publication number
- CN114510823B CN114510823B CN202210025253.9A CN202210025253A CN114510823B CN 114510823 B CN114510823 B CN 114510823B CN 202210025253 A CN202210025253 A CN 202210025253A CN 114510823 B CN114510823 B CN 114510823B
- Authority
- CN
- China
- Prior art keywords
- soil
- layer
- heavy metal
- data
- pollution
- 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.)
- Active
Links
- 239000002689 soil Substances 0.000 title claims abstract description 110
- 229910001385 heavy metal Inorganic materials 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000011156 evaluation Methods 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 239000000428 dust Substances 0.000 claims abstract description 8
- 238000003900 soil pollution Methods 0.000 claims abstract description 8
- 238000012876 topography Methods 0.000 claims abstract description 7
- 238000013480 data collection Methods 0.000 claims abstract description 6
- 238000010586 diagram Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 238000011160 research Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000011109 contamination Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000005211 surface analysis Methods 0.000 claims description 3
- 241000282412 Homo Species 0.000 claims 1
- 241000282414 Homo sapiens Species 0.000 claims 1
- 230000002265 prevention Effects 0.000 abstract description 2
- 239000011651 chromium Substances 0.000 description 12
- 238000011835 investigation Methods 0.000 description 7
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 3
- 229910052804 chromium Inorganic materials 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开了一种快速评估土壤重金属污染程度的方法，包括如下步骤：数据收集及数据处理，包括区域大气降尘、土地利用、土壤类型、地形以及部分土壤重金属含量等数据；划分评估单元；构建土壤重金属污染因子与污染程度之间的判别函数；判别分析；输出评估结果。本发明通过避开传统的评估“精确的”土壤重金属含量的思维模式，转而评估土壤重金属污染的相对程度，评估效率教传统精确预测的方法高，评估结果可靠，评估精度能够满足宏观决策需要，可为管理部门进行区域土壤污染防治宏观决策提供技术支持。
Description
技术领域
本发明属于环境保护技术领域，具体涉及一种快速评估土壤重金属污染程度的方法。
背景技术
重金属是严重危害生态安全的土壤环境污染物之一。由于重金属本身的持久性、不可降解性，重金属的累积极易对生态环境造成潜在污染风险，因此对其在土壤中的污染状况进行评估分析是国内外学者研究的重点。关于土壤重金属污染评估的研究迄今已有几十年的历史，先后经历了以实地监测为基础的现场调查阶段、以黑箱模型为基础的统计分析阶段、以过程模拟为基础的机理研究阶段。
在常用的评估方法中，现场调查是基于实测数据，并采用简单的评价指标对实测数据进行直接分析，从而得到某区域土壤污染状况的评估结论，这种方法简单直接，但投入资金大、时间长，且通常不具备预测功能；经验统计模型着重于构建土壤重金属污染及其各影响因素之间的经验统计关系，统计模型的优点在于应用简单、方便，适用于研究基础较好、调查和监测数据较多的区域，缺点在于对实测数据的依赖性很强，区域适用性较差，在缺乏资料的情况下很难应用；过程模型则主要基于重金属在土壤中的迁移和转化的基本理论，实现对土壤重金属污染的模拟和评估，但往往由于模型结构复杂、对输入数据和参数选取要求较高，预测效率和预测精度并不令人满意。
所以，需要一个新的技术方案来解决上述问题。
发明内容
发明目的：为了克服现有技术中存在的不足，提供一种快速评估土壤重金属污染程度的方法，能够快速高效的评估区域土壤重金属污染程度及分布情况，可为管理部门进行区域土壤污染防治宏观决策提供技术支持。
技术方案：为实现上述目的，本发明提供一种快速评估土壤重金属污染程度的方法，包括如下步骤：
S1：数据收集及处理：
收集基础数据，基础数据包括影响因子数据，将影响因子数据进行处理形成多边形矢量图层；
S2：划分评估单元：
采用各矢量图层的叠加图层划分评估单元，将多边形矢量图层进行空间叠加，得到包含各影响因子数据属性的新的多边形图层，图层中每个多边形构成了一块图斑，各图层的数据信息被存储在图斑图及其属性表中，所有因子都相同的一块区域对应着图上的一个斑块，代表着一个有特定的地理含义的小区域，形成基本评估单元；
S3：属性数据导出及处理：
基于步骤S2确定的评估单元图层，导出图层用于存储数据的属性表，将收集或实测的土壤重金属含量数据导入属性表中，要求重金属含量数据点位坐标对应在正确的图斑中；
S4：判别函数建立：
构建土壤重金属污染因子与污染程度之间的判别函数：已知部分图斑的土壤重金属含量数据(MC)，将MC按照土壤污染的程度划分为不同的污染等级即MI，然后通过统计学中的判别分析手段求出MI与影响因子之间的判别函数，再根据判别函数对未知MI的图斑进行判别，最终获得区域中全部图斑的MI值，MI为表征若干个评估单元(图斑)内土壤重金属相对污染程度的特征指标值，MC为土壤重金属含量的绝对数值；
S5：判别分析：
判别分析过程对于分为m类(即有m个MI值)的研究对象，分别建立m个判别函数，对于每个图斑进行判别时，首先把待测试的各变量(即影响因子)代入到判别函数，得出判别分数，从而确定图斑的污染程度属于哪一类，或者计算图斑属于各类的概率，从而判断其所属的类别，即可得到待评估图斑的MI值；
S6：根据图斑的MI值，输出评估结果。
进一步地，所述步骤S1中影响因子数据包括区域大气降尘、土地利用、土壤类型、地形的数据，所述基础数据还包括部分土壤重金属含量数据。数据收集可来自环保部门监测资料(如大气降尘长期监测数据、土壤重金属含量例行监测点位的监测数据)、土地管理部门的调查资料(如土地利用类型、土壤类型的调查资料)、国土部门的勘测资料(如数字地形高程资料)。
进一步地，所述步骤S1中影响因子数据的处理方法如下：
A1：数据提取：利用ArcGIS 10.3软件平台的表面分析工具，基于DEM数据获取坡度等地形因子；
A2：数据转换：若收集的数据为栅格图层，可通过ArcGIS 10.3软件平台将栅格图层转换为矢量图层，包括土壤重金属含量数据点状图层、土地利用面状图层、土壤类型面状图层、坡度面状图层、高程面状图层，矢量图层由大量边界相接、大小不一的图斑组成，数据处理过程中图层的信息被存储在图斑图及其属性表中，所有因子都相同的一块区域对应着一个斑块，例如在土壤类型图中，同一个图斑所代表的小区域具有相同的土壤类型。
进一步地，所述步骤S2中矢量图层的图层叠加的操作方法如下：将以上面状矢量图层作为输入图层，在ArcGIS 10.3中进行空间叠加(Intersect)，输入图层的图斑边界互相求交和切割，输出图层将根据切割的弧段重建拓扑关系，获得一张更为细碎的图斑矢量图，输出图层中某一个图斑所代表的小区域具有相同的土地利用类型、土壤类型、坡度和高程属性。
进一步地，所述步骤S3中的属性值导出及处理，操作方法如下：基于步骤S2确定的评估单元图层，在ArcGIS 10.3中导出其属性表，存储为.exl格式；将各点位的土壤重金属含量数据按照其坐标导入到对应的图斑属性表中，由此与该点位对应的图斑被赋予了重金属含量的属性值。
进一步地，所述步骤S4中MI指标的建立，其操作方法如下：将收集到的土壤重金属含量监测数据与该区域土壤重金属含量的背景值进行对比，将比值按照数值大小进行排列。
进一步地，所述步骤S4中比值0～1.2之间MI赋值为1级，代表几乎未受到人为污染；比值1.2～1.5MI赋值为2级，代表受到人为轻度污染，；比值1.5～1.7MI赋值为3，代表受到人为中度污染；比值1.7～2.0MI赋值为4，代表受到人为较重污染，；比值＞2.0MI赋值为5，代表受到人为重度污染。收集的土壤重金属监测数据数量应满足统计学需要，点位分布及数值大小应能体现该区域土壤重金属含量的总体特征。
进一步地，所述步骤S6中评估结果的输出方式为：将评估结果导入到图斑属性表中，在ARCGIS软件中显示为矢量图层，根据图斑的MI值，直观的显示区域土壤重金属污染程度的分布图。
实际上，对于区域宏观决策而言，并不致力于追求判断“精确”的土壤重金属含量，只要获取区域土壤重金属污染的大概程度及污染分布规律，就可以做出污染防治空间部署，判断何处污染严重应加强治理。因土壤重金属含量的空间分布情况主要受土壤类型、土地利用类型、地形、大气降尘等因素的影响，因此，可以认为以上影响因素相似的区域具有相似的土壤重金属污染特点，基于以上假设本发明提出一个新的、更高效的评估方法来实现上述目的，通过避开传统的评估“精确的”土壤重金属含量的思维模式，转而评估土壤重金属污染的相对程度，评估效率较传统精确预测的方法有了明显提高，且评估结果可靠，评估精度能够满足宏观决策需要。
有益效果：本发明与现有技术相比，能够快速高效的评估区域土壤重金属污染程度及分布情况，且对输入数据要求不高，评估方法简单易掌握，选取的评估因子均为与土壤重金属污染相关性较高的影响因子，评估结果能够满足宏观决策的需求，可为管理部门进行区域土壤污染防治宏观决策提供技术支持。
附图说明
图1为本发明方法的流程示意图；
图2为本实施例提供的土地利用图；
图3为本实施例提供的DEM图；
图4为本实施例提供的基于DEM提出坡度图层示意图；
图5为本实施例提供的16个土壤重金属铬监测点位图；
图6为本实施例提供的图斑图；
图7为本实施例提供的土壤Cr含量判别结果图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明。应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示，本发明提供一种快速评估土壤重金属污染程度的方法，包括如下步骤：
S1：数据收集及数据处理
收集区域大气降尘、土地利用、土壤类型、地形等影响因子数据以及部分土壤重金属含量等数据，将影响因子数据在ARCGIS软件中处理为多边形矢量图层，不同区域收集的数据可根据当地影响土壤重金属的主要因子进行增减；
在ARCGIS软件中对影响因子数据的处理方法如下：
A1：数据提取：利用ArcGIS 10.3软件平台的表面分析工具，基于DEM数据获取坡度等地形因子；
A2：数据转换：若收集的数据为栅格图层，可通过ArcGIS 10.3软件平台将栅格图层转换为矢量图层，包括土壤重金属含量数据点状图层、土地利用面状图层、土壤类型面状图层、坡度面状图层、高程面状图层，矢量图层由大量边界相接、大小不一的图斑组成，数据处理过程中图层的信息被存储在图斑图及其属性表中，所有因子都相同的一块区域对应着一个斑块，例如在土壤类型图中，同一个图斑所代表的小区域具有相同的土壤类型。
S2：划分评估单元
可采用各矢量图层的叠加图层划分评估单元，在ARCGIS软件中，将多边形矢量图层进行空间叠加，可以得到包含各影响因子数据属性的新的多边形图层。在叠加过程中，因不同图层的多边形之间进行求交和切割，从而获得更为细碎的多边形图层，该图层中每个多边形构成了一块“图斑”，各图层的数据信息被存储在图斑图及其属性表中，所有因子都相同的一块区域对应着图上的一个斑块，代表着一个有特定的地理含义的小区域，这就是本发明的基本评估单元。
矢量图层的图层叠加的操作方法如下：将以上面状矢量图层作为输入图层，在ArcGIS 10.3中进行空间叠加(Intersect)，输入图层的图斑边界互相求交和切割，输出图层将根据切割的弧段重建拓扑关系，获得一张更为细碎的图斑矢量图，输出图层中某一个图斑所代表的小区域具有相同的土地利用类型、土壤类型、坡度和高程属性。
S3：属性数据导出及处理
基于步骤S2确定的评估单元图层，导出图层用于存储数据的属性表；将收集或实测的土壤重金属含量数据导入属性表中，要求重金属含量数据点位坐标对应在正确的图斑中。因土壤监测数据有限，数据为点状分布，因此仅部分图斑被赋予了重金属含量的属性值；
属性值导出及处理，操作方法如下：基于步骤S2确定的评估单元图层，在ArcGIS10.3中导出其属性表，存储为.exl格式；将各点位的土壤重金属含量数据按照其坐标导入到对应的图斑属性表中，由此与该点位对应的图斑被赋予了重金属含量的属性值。
S4：判别函数建立
本发明的评估结果为表征若干个评估单元(图斑)内土壤重金属相对污染程度的特征指标值(MI)，而并非土壤重金属含量的绝对数值(表示为MC)。MI越大表示该图斑内土壤重金属污染越严重，潜在风险越大。已知部分图斑的土壤重金属含量数据(MC)，将MC按照土壤污染的程度划分为不同的污染等级即MI，然后通过统计学中的判别分析手段求出MI与影响因子之间的判别函数，再根据判别函数对未知MI的图斑进行判别，最终获得区域中全部图斑的MI值。判别函数的建立可在SPSS软件中完成；
MI指标的建立，操作方法如下：将收集到的土壤重金属含量监测数据与该区域土壤重金属含量的背景值进行对比，将比值按照数值大小进行排列。
比值0～1.2之间MI赋值为1级，代表几乎未受到人为污染；比值1.2～1.5MI赋值为2级，代表受到人为轻度污染，；比值1.5～1.7MI赋值为3，代表受到人为中度污染；比值1.7～2.0MI赋值为4，代表受到人为较重污染，；比值＞2.0MI赋值为5，代表受到人为重度污染。收集的土壤重金属监测数据数量应满足统计学需要，点位分布及数值大小应能体现该区域土壤重金属含量的总体特征。
S5：判别分析
判别分析过程对于分为m类(即有m个MI值)的研究对象，分别建立m个判别函数。对于每个图斑进行判别时，首先把待测试的各变量(即影响因子)代入到判别函数，得出判别分数，从而确定该图斑的污染污染程度属于哪一类，或者计算该图斑属于各类的概率，从而判断其所属的类别，即可得到待评估图斑的MI值。判别过程亦可在SPSS软件中完成；
S6：输出评估结果
评估结果可导入到图斑属性表中，在ARCGIS软件中显示为矢量图层，从而直观的显示区域土壤重金属污染程度的分布图。
基于上述技术方案，本实施例中将上述技术方案应用于某区域土壤重金属污染程度的快速评估中，区域面积约4km2。具体的过程为：
1、数据收集及数据处理。考虑到该区域面积较小，区域内土壤类型、大气降尘数据空间分异较小，对土壤重金属空间分异影响较小，因此评估中不考虑大气降尘和土壤类型的影响，仅收集土地利用类型、地形(DEM)及该区域16个点位的土壤重金属铬监测数据。土地利用图(矢量格式)见附图2，DEM图(栅格格式)见附图3，在ArcGIS10.3软件中基于DEM提出坡度图层(栅格格式)见附图4，16个土壤重金属铬监测点位见附图5。由附图5可见，已调查的土壤重金属点位数量较少且分布不均匀，难以反映整个区域土壤Cr的污染分布情况，因此需对其他位置区域的Cr污染情况进行判断。
2、将栅格格式的DEM图层和坡度图层在ArcGIS 10.3软件中通过数据转化工具转为矢量图层，然后将土地利用图层、DEM图层、坡度图层叠加生成图斑图，具体见附图6。
3、将图斑图属性数据在ArcGIS 10.3软件中导出，并将已知的土壤重金属含量数据导入属性表汇总，坐标位置一一对应。这样，对应的图斑就被赋予了重金属含量的属性值。
4、判别函数建立。已知16个参照图斑的土壤Cr含量数据，根据历史调查资料，该区域土壤Cr含量背景值为35mg/kg，将已知的16个土壤Cr含量数值与背景含量相比，根据比值确定不同的污染等级MI，根据比值结果划分该区域包含1～4级土壤Cr污染程度。以参照图斑中的土壤污染等级MI为自变量，以图斑中的土地利用类型、高程、坡度为分类变量，通过SPSS软件的判别分析功能建立4个参照组并生成线性判别函数，每个参照组代表不同的土壤Cr污染等级，判别函数的系数项及常数项如表1。
通过以上判别函数评估土壤Cr含量污染程度的做法是否可靠以及判别的精度还需要进行检验。这可通过在判别分析过程中检验各参照图斑归属于各参照组的准确率来测定。经统计分析，16个参照图斑中有14个判别正确，判别准确率为87.5％，说明以上判别分析方法能较好的解释不同参照组间MI值的大部分差异，参照图斑选择合理，获得的判别函数能够满足预测精度的要求。
表1判别函数系数
5、判别分析。把待评估图斑的各变量(即土地利用类型、高程、坡度)代入到判别函数，得出判别分数，得分最高的一组即为该图斑所归属的参照组，也就得到了该图斑的重金属污染等级。
6、输出评估结果。将评估结果导入到图斑属性表中，在ARCGIS软件中显示为矢量图层，从而得到可以直观的显示区域土壤重金属污染程度的分布图，具体见附图7。
Claims (7)
1.一种快速评估土壤重金属污染程度的方法，其特征在于，包括如下步骤：
S1：数据收集及处理：
收集基础数据，基础数据包括影响因子数据，将影响因子数据进行处理形成多边形矢量图层；
S2：划分评估单元：
采用各矢量图层的叠加图层划分评估单元，将多边形矢量图层进行空间叠加，得到包含各影响因子数据属性的新的多边形图层，图层中每个多边形构成了一块图斑，各图层的数据信息被存储在图斑图及其属性表中，所有因子都相同的一块区域对应着图上的一个斑块，代表着一个有特定的地理含义的小区域，形成基本评估单元；
S3：属性数据导出及处理：
基于步骤S2确定的评估单元图层，导出图层用于存储数据的属性表，将收集或实测的土壤重金属含量数据导入属性表中，要求重金属含量数据点位坐标对应在正确的图斑中；
S4：判别函数建立：
已知部分图斑的土壤重金属含量数据MC，将MC按照土壤污染的程度划分为不同的污染等级即MI，然后通过统计学中的判别分析手段求出MI与影响因子之间的判别函数，MI为表征若干个评估单元内土壤重金属相对污染程度的特征指标值，MC为土壤重金属含量的绝对数值；
判别函数的生成方法具体为：以图斑中的土壤污染等级MI为自变量，以图斑中的土地利用类型、高程、坡度为分类变量，通过SPSS软件的判别分析功能建立4个参照组并生成线性判别函数；
S5：判别分析：
判别分析过程对于分为m类的研究对象，m类代表有m个MI值，分别建立m个判别函数，对于每个图斑进行判别时，首先把待测试的各变量代入到判别函数，得出判别分数，从而确定图斑的污染程度属于哪一类，或者计算图斑属于各类的概率，从而判断其所属的类别，即可得到待评估图斑的MI值；
S6：根据图斑的MI值，输出评估结果；
所述步骤S1中影响因子数据包括区域大气降尘、土地利用、土壤类型、地形的数据，所述基础数据还包括部分土壤重金属含量数据。
2.根据权利要求1所述的一种快速评估土壤重金属污染程度的方法，其特征在于，所述步骤S1中影响因子数据的处理方法如下：
A1：数据提取：利用表面分析工具，基于DEM数据获取地形因子；
A2：数据转换：若收集的数据为栅格图层，将栅格图层转换为矢量图层，包括土壤重金属含量数据点状图层、土地利用面状图层、土壤类型面状图层、坡度面状图层、高程面状图层，矢量图层由大量边界相接、大小不一的图斑组成，数据处理过程中图层的信息被存储在图斑图及其属性表中，所有因子都相同的一块区域对应着一个斑块。
3.根据权利要求1所述的一种快速评估土壤重金属污染程度的方法，其特征在于，所述步骤S2中矢量图层的图层叠加的操作方法如下：将以上面状矢量图层作为输入图层，进行空间叠加，输入图层的图斑边界互相求交和切割，输出图层将根据切割的弧段重建拓扑关系，获得一张图斑矢量图，输出图层中某一个图斑所代表的小区域具有相同的土地利用类型、土壤类型、坡度和高程属性。
4.根据权利要求1所述的一种快速评估土壤重金属污染程度的方法，其特征在于，所述步骤S3中的属性值导出及处理，操作方法如下：基于步骤S2确定的评估单元图层，导出其属性表，存储为.exl格式；将各点位的土壤重金属含量数据按照其坐标导入到对应的图斑属性表中，由此与该点位对应的图斑被赋予了重金属含量的属性值。
5.根据权利要求1所述的一种快速评估土壤重金属污染程度的方法，其特征在于，所述步骤S4中MI指标的建立，其操作方法如下：将收集到的土壤重金属含量监测数据与该区域土壤重金属含量的背景值进行对比，将比值按照数值大小进行排列。
6.根据权利要求5所述的一种快速评估土壤重金属污染程度的方法，其特征在于，所述步骤S4中比值0～1.2之间MI赋值为1级，代表几乎未受到人为污染；比值1.2～1.5MI赋值为2级，代表受到人为轻度污染；比值1.5～1.7MI赋值为3，代表受到人为中度污染；比值1.7～2.0MI赋值为4，代表受到人为较重污染；比值＞2.0MI赋值为5，代表受到人为重度污染。
7.根据权利要求1所述的一种快速评估土壤重金属污染程度的方法，其特征在于，所述步骤S6中评估结果的输出方式为：将评估结果导入到图斑属性表中，显示为矢量图层，根据图斑的MI值，直观的显示区域土壤重金属污染程度的分布图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210025253.9A CN114510823B (zh) | 2022-01-11 | 2022-01-11 | 一种快速评估土壤重金属污染程度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210025253.9A CN114510823B (zh) | 2022-01-11 | 2022-01-11 | 一种快速评估土壤重金属污染程度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114510823A CN114510823A (zh) | 2022-05-17 |
| CN114510823B true CN114510823B (zh) | 2024-05-24 |
Family
ID=81549108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210025253.9A Active CN114510823B (zh) | 2022-01-11 | 2022-01-11 | 一种快速评估土壤重金属污染程度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114510823B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115510670A (zh) * | 2022-10-12 | 2022-12-23 | 生态环境部土壤与农业农村生态环境监管技术中心 | 一种基于三维仿真模型的土壤污染状况调查点位方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005158025A (ja) * | 2003-10-27 | 2005-06-16 | Mitsubishi Research Institute Inc | 土壌汚染リスク診断装置、方法及びプログラム |
| CN107220782A (zh) * | 2017-06-27 | 2017-09-29 | 上海市环境科学研究院 | 复垦土地分级安全利用的土壤环境质量分级判别方法 |
| CN111815184A (zh) * | 2020-07-13 | 2020-10-23 | 农业农村部农业生态与资源保护总站 | 一种耕地土壤环境质量类别划分方法 |
| CN113470765A (zh) * | 2021-06-29 | 2021-10-01 | 广州市华南自然资源科学技术研究院 | 一种土壤重金属来源解析方法 |
-
2022
- 2022-01-11 CN CN202210025253.9A patent/CN114510823B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005158025A (ja) * | 2003-10-27 | 2005-06-16 | Mitsubishi Research Institute Inc | 土壌汚染リスク診断装置、方法及びプログラム |
| CN107220782A (zh) * | 2017-06-27 | 2017-09-29 | 上海市环境科学研究院 | 复垦土地分级安全利用的土壤环境质量分级判别方法 |
| CN111815184A (zh) * | 2020-07-13 | 2020-10-23 | 农业农村部农业生态与资源保护总站 | 一种耕地土壤环境质量类别划分方法 |
| CN113470765A (zh) * | 2021-06-29 | 2021-10-01 | 广州市华南自然资源科学技术研究院 | 一种土壤重金属来源解析方法 |
Non-Patent Citations (5)
| Title |
|---|
| Heavy metal concentrations in riparian soils along the Han River, China: The importance of soil properties, topography and upland land use;Heavy metal concentrations in riparian soils along the Han River, China: The importance of soil properties, topography and upland land use;《Heavy metal concentrations in riparian soils along the Han River, China: The importance of soil properties, topography and upland land use》;20161231;545-552 * |
| 临汾市刘村镇污灌农田土壤重金属污染评价与分布特征;董苗;张永清;;节水灌溉;20141205(12);全文 * |
| 基于信息熵的土壤Cr含量空间分布与土地利用空间相关性研究;李秀霞;《生态与农村环境学报》;20201118;1437-1443 * |
| 基于最小图斑的土壤侵蚀快速评估方法;倪晋仁;李秀霞;;应用基础与工程科学学报;20071215(04);全文 * |
| 基于环境变量的土壤元素空间分异特征分析;程葛鉴;《中国优秀硕士学位论文全文数据库》;20210415;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114510823A (zh) | 2022-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Napolitano et al. | Single-parameter sensitivity analysis for aquifer vulnerability assessment using DRASTIC and SINTACS | |
| CN110009226B (zh) | 一种场地污染风险等级评测及敏感受体影响识别系统 | |
| CN102521624B (zh) | 一种土地利用类型分类的方法和系统 | |
| CN112308292A (zh) | 一种火灾风险等级分布图的绘制方法 | |
| CN114510823B (zh) | 一种快速评估土壤重金属污染程度的方法 | |
| CN112053005B (zh) | 一种主客观降水预报的机器学习融合方法 | |
| CN114648155A (zh) | 基于天气分型与气象预报的源解析方法及应急响应系统 | |
| CN115965223B (zh) | 一种基于云平台的智慧能源管理方法及系统 | |
| CN111062520A (zh) | 基于随机森林算法的hostname特征预测方法 | |
| CN117039850A (zh) | 基于时空地物特征的异常用电分析方法及系统 | |
| CN115329092A (zh) | 电力监控系统威胁分析的知识图谱生成方法、系统及介质 | |
| CN111062627A (zh) | 一种风电场宏观选址方法、系统及相关设备 | |
| CN109325522B (zh) | 基于改进kmeans的重工业时序热源区域识别算法 | |
| CN116628519B (zh) | 一种生态脆弱区识别方法及系统 | |
| CN112381644A (zh) | 一种基于空间变量推理的信贷场景风险用户评估方法 | |
| CN113255593B (zh) | 面向时空解析模型的传感器信息异常检测方法 | |
| CN112070400A (zh) | 一种电网数据库安全态势评估方法及装置 | |
| CN116383937A (zh) | 一种村落数字孪生保护评估方法 | |
| CN114511239B (zh) | 土壤重金属污染风险区划分方法、装置、电子设备及介质 | |
| CN112884269B (zh) | 一种基于gis的风电场技术可开发量计算方法及系统 | |
| CN115439287A (zh) | 一种基于机器学习的地质灾害危险性评价方法 | |
| CN114689802A (zh) | 一种空气污染立体监测展示系统及方法 | |
| CN114299238A (zh) | 一种铁路沿线珍稀动植物生境适宜区变化的量化预测方法 | |
| CN113688506A (zh) | 基于微站等多维数据的潜在大气污染源识别方法 | |
| CN112581107A (zh) | 污染排放控制方法、装置及可存储介质 |
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 |