«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第49卷

期数:

2021年第8期

页码:

219-226

栏目:

资源与环境

出版日期:

2021-04-20

文章信息/Info

Title:

Anomaly recognition method of soil heavy metal data—Taking sample data of farmland in Beijing City as an example

作者:

沈惠雅¹; 李晓岚²; 3; 潘瑜春²; 3; 冯登超⁴; 5; 刘振民¹; 杜鹏飞¹

1.北华航天工业学院电子与控制工程学院，河北廊坊 065000； 2.国家农业信息化工程技术研究中心，北京 100097；3.农业农村部农业信息技术重点实验室，北京 100097； 4.国家遥感应用工程技术研究中心人工智能产业实验室，北京 100101；5.南京多基观测技术研究院，江苏南京 211500

Author(s):

Shen Huiya; et al

关键词:

异常值识别方法; 异常值类型; 北京; 重金属

Keywords:

-

分类号:

X53

DOI:

-

文献标志码:

A

摘要:

土壤重金属调查数据中的异常往往会导致评价分析结果与真实分布情况产生偏差和错误，直接影响后续的决策管理。针对传统异常值检测中邻域范围的确定偏于主观，且异常值检测后无法识别其类型的问题，提出了一套土壤重金属异常识别方法。该方法基于K临近法确定重金属合理稳定的最佳邻域区间，结合局部空间自相关法识别空间异常值，基于相关性分析识别土壤重金属异常类型。以北京市2006年铅(Pb)和铜(Cu)重金属含量为例，将该方法与其他方法结合进行变异特征和插值预测精度评价分析。结果显示，Pb和Cu含量存在稳定的邻域区间，其中6号点位的Pb、Cu含量，39号点位的Cu含量存在异常；前者异常类型疑似真实异常，后者异常类型疑似数据错误；将原始样点进行全局、局部和疑似数据错误异常样点剔除后，样本总体的离散程度降低，样本空间自相关性程度及区域结构性变异趋势增强；剔除全局和局部异常点后，数据空间插值误差明显减小，去除疑似数据错误异常点后插值误差较去除局部异常点时的插值误差基本一致。说明原始样点中对判断为疑似数据错误的样点进行剔除后对整体插值估计影响甚微，证明该土壤重金属异常识别方法的有效性和准确性。

Abstract:

-

参考文献/References:

［1］陈秀端. 西安市表层土壤重金属污染的环境地球化学研究［D］. 西安：陕西师范大学，2013：1-14.
［2］Zhang C S，Selinus O.Statistics and GIS in environmental geochemistry-some problems and solutions［J］. Journal of Geochemical Exploration，1998，64(1/2/3)：339-354.
［3］王景云，杨军，杨俊兴，等. 基于空间自相关和概率论的土壤重金属异常值的识别方法［J］. 地球信息科学学报，2017，19(5)：605-612.
［4］贺玲，吴玲达，蔡益朝. 数据挖掘中的聚类算法综述［J］. 计算机应用研究，2007(1)：10-13.
［5］Yin C Y，Zhang S. Parallel implementing improved k-means applied for image retrieval and anomaly detection［J］. Multimedia Tools and Applications，2017，76：16911-16927.
［6］张颖，黄俊宇. 金融创新、新型城镇化与区域经济增长——基于空间杜宾模型的实证分析［J］. 工业技术经济，2019，38(12)：93-101.
［7］杨岩，姚长青，张均胜，等. 长江中游城市群科研人才空间集聚分析［J］. 地理空间信息，2018，16(9)：5-10.
［8］刘彦文，刘成武，何宗宜，等. 基于像元尺度耕地质量局部空间自相关的基本农田划定［J］. 农业机械学报，2019，50(5)：260-268，319.
［9］黄熠锋，张梦迪，倪佳峰，等. 基于空间自相关分析的温瑞塘河底泥Ni、Zn空间聚类和异常值分析［J］. 浙江农业科学，2019，60(12)：2286-2290.
［10］Yang J，Wang J Y，Zheng Y M，et al. Method for identifying outliers of soil heavy metal data［J］. Environmental Science and Pollution Research，2018，25(13)：12868-12875.
［11］Meklit T，van Meirvenne M，Verstraete S，et al. Combining marginal and spatial outliers identification to optimize the mapping of the regional geochemical baseline concentration of soil heavy metals［J］. Geoderma，2009，148(3/4)：413-420.
［12］杨冕，王银. 长江经济带PM_2.5时空特征及影响因素研究［J］. 中国人口·资源与环境，2017，27(1)：91-100.
［13］邓敏，刘启亮，李光强. 采用聚类技术探测空间异常［J］. 遥感学报，2010，14(5)：944-958.
［14］李晓岚，高秉博，周艳兵，等. 基于时空不确定性分析的北京市农田土壤重金属镉含量等级划分［J］. 农业环境科学学报，2019，38(2)：307-316.
［15］曼弗雷德·M·费希尔，王劲峰.空间数据分析模型方法与技术［M］. 张璐，肖光恩，吕博才，译. 北京：中国人民大学出版社，2018：20-28.
［16］Anselin L.Local indicators of spatial association-LISA［J］.Geogr Anal 1995，27(2)：93-115.
［17］Zhou J，Ma D S，Pan J Y，et al.Application of multivariate statistical approach to identify heavy metal sources in sediment and waters：a case study in Yangzhong，China［J］. Environmental Geology，2008，54：373-380.
［18］刘英，李旭东，郑超，等. 玉溪市农田土壤3种重金属监测结果分析［J］. 环境卫生学杂志，2018，8(4)：299-301.
［19］潘瑜春，刘巧芹，陆洲，等. 离群样点对土壤养分空间变异分析的影响研究［J］. 土壤学报，2010，47(4)：767-771.
［20］Fu W J，Zhao K L，Zhang C S，et al. Outlier identification of soil phosphorus and its implication for spatial structure modeling［J］. Precision Agriculture，2016，17：121-135.
［21］王加恩，康占军，许新苗，等. 矿区土壤中重金属元素含量异常的调查［J］. 环境污染与防治，2009，31(7)：105-108.
［22］刘伟，郜允兵，潘瑜春. 农田土壤重金属空间变异多尺度研究［J］. 江苏农业科学，2018，46(23)：357-361.
［23］Gao Y F，Liu H L，Liu G X. The spatial distribution and accumulation characteristics of heavy metals in steppe soils around three mining areas in Xilinhot in Inner Mongolia，China［J］. Environmental Science and Pollution Research，2017，24(32)：25416-25430.
［24］Hu B F，Wang J Y，Jin B，et al. Assessment of the potential health risks of heavy metals in soils in a coastal industrial region of the Yangtze River Delta［J］. Environmental Science and Pollution Research，2017，24：19816-19826.
［25］Gao Y F，Liu H L，Liu G X. The spatial distribution and accumulation characteristics of heavy metals in steppe soils around three mining areas in Xilinhot in Inner Mongolia，China［J］. Environmental Science and Pollution Research，2017，24(32)：25416-25430.

相似文献/References:

备注/Memo

备注/Memo:

收稿日期：2020-07-23
基金项目：国家重点研发计划(编号：2017YFD0801205)；研究生创新资助项目(编号：YKY-2019-20)。
作者简介：沈惠雅(1995—)，女，河北保定人，硕士研究生，主要从事空间数据分析研究。E-mail：shenhuiya_net@163.com。
通信作者：潘瑜春，博士，研究员，主要从事土壤信息技术研究。E-mail：panyc @nercita.org.cn。

常用功能

更新日期/Last Update: 2021-04-20