环境监测数据统计分析范例

环境监测数据统计分析范例环境监测数据是环境管理与决策的基石，其统计分析则是从海量数据中提取关键信息、揭示环境质量状况、追溯污染来源、评估治理成效的核心环节。本文将结合一个虚拟的区域地表水环境质量监测案例，系统阐述环境监测数据统计分析的基本流程、常用方法及结果解读，旨在为相关从业人员提供一套具有实用价值的分析思路与操作参考。一、数据准备与预处理任何有效的统计分析都始于高质量的数据。在进行分析之前，对原始监测数据的审核与预处理至关重要，这直接关系到分析结果的可靠性与科学性。1.1数据来源与背景本范例数据来源于某环境保护监测中心对其辖区内一条主要河流（虚拟命名为“清川河”）及其三条主要支流（A河、B河、C河）为期一年的月度监测。监测指标包括：pH值、溶解氧（DO）、化学需氧量（COD）、五日生化需氧量（BOD5）、氨氮（NH3-N）、总磷（TP）。共设置了10个监测断面，其中干流5个，支流各1-2个。1.2数据审核与筛选*完整性审核：检查各监测断面、各监测指标在监测周期内是否有缺失。例如，发现干流3号断面在7月份因设备故障，DO和COD数据缺失。*准确性审核：依据监测技术规范和质控要求，检查数据是否在合理范围内。例如，pH值应在0-14之间，DO饱和浓度在一定水温气压下有上限，若出现明显超出常理的数据（如DO为负值或大于20mg/L），则需标记为可疑值。*规范性审核：检查数据单位是否统一，小数点位数是否规范，是否存在明显的录入错误（如数字颠倒、多写少写零等）。对于缺失值和可疑值，需遵循以下原则处理：*缺失值：若缺失比例较小（如小于5%），可根据数据特性采用临近值替换、均值替换或插值法进行填补；若缺失比例较大或关键指标缺失，则需在后续分析中注明，并考虑其对结果的影响，必要时剔除该样本或该断面数据。本例中7月份干流3号断面的DO和COD数据，采用该断面前后三个月的同期均值进行了填补。*可疑值：首先复核原始记录和监测过程，确认是否为偶然误差或系统误差。若为明显错误，予以剔除或修正；若无法确认，则需采用统计方法（如拉依达准则、格鲁布斯检验等）判断是否为异常值。本例中，某支流B河的一个COD数据异常偏高，经复核原始记录，确认为采样时混入污染物所致，予以剔除，并在分析报告中说明。二、统计分析方法与范例应用完成数据预处理后，即可根据监测目的和数据特征选择适宜的统计分析方法。2.1描述性统计分析描述性统计是对数据整体特征的概括，是所有统计分析的第一步。它通过计算基本统计量和绘制统计图，直观展示数据的集中趋势、离散程度和分布形态。分析指标与方法：*集中趋势：均值（Mean）、中位数（Median）、众数（Mode）。对于偏态分布的数据（如污染物浓度），中位数往往比均值更能代表数据的中心位置。*离散程度：极差（Range）、标准差（StandardDeviation）、方差（Variance）、四分位距（IQR）。*分布形态：通过绘制直方图（Histogram）、核密度图（KernelDensityPlot）或Q-Q图（Quantile-QuantilePlot）判断数据是否符合正态分布或其他特定分布。*百分位数：如90%分位数、95%分位数，常用于环境质量标准的超标率计算和极端值分析。范例应用：以清川河干流5个断面的COD数据为例，其年度描述性统计结果（单位：mg/L）如下表所示（部分数据）：断面编号样本数最小值最大值平均值中位数标准差90%分位数:-------:-----:-----:-----:-----:-----:-----:--------干流1#12153222.521.84.829.3干流2#12183827.226.55.935.1........................结果解读：从平均值和中位数看，干流2#断面的COD水平整体高于干流1#断面，表明其污染程度可能更重。标准差显示干流2#断面的COD数据离散程度也更大，说明其水质波动更为显著。90%分位数可用于评估该断面在大多数情况下（90%的时间）的COD水平，若此值超过相应的水环境质量标准，则提示该断面存在较高的超标风险。通过绘制各断面COD的箱线图，可以更直观地比较不同断面的COD分布差异和异常值情况。2.2数据分布检验许多高级统计分析方法（如t检验、方差分析）的应用前提是数据符合正态分布。因此，需要对数据的分布形态进行检验。分析方法：*图示法：直方图、Q-Q图。若直方图呈现钟形对称分布，Q-Q图上的数据点大致落在一条直线上，则数据可能服从正态分布。*统计检验法：Shapiro-Wilk检验、Kolmogorov-Smirnov检验（K-S检验）。范例应用：对干流1#断面的DO数据进行Shapiro-Wilk检验，得到检验统计量W=0.96，对应的p值为0.78（p>0.05），因此可以认为该组DO数据服从正态分布。而对其NH3-N数据进行检验，p值为0.03（p<0.05），则拒绝正态分布假设，表明NH3-N数据呈偏态分布。结果解读：对于符合正态分布的数据（如DO），后续可采用参数检验方法；对于偏态分布的数据（如NH3-N），则需采用非参数检验方法，或进行数据转换（如对数转换）尝试使其接近正态分布。2.3数据标准化/归一化（如需）当分析涉及多个量纲不同或数量级差异较大的指标时（如pH值与COD），为了消除量纲影响，便于综合比较或进行多变量分析（如主成分分析、聚类分析），通常需要对数据进行标准化或归一化处理。常用方法有Z-score标准化、min-max归一化等。三、统计分析方法与范例应用（续）2.4比较性分析比较不同时空条件下的环境监测数据，是识别污染特征、评估治理措施效果的重要手段。分析指标与方法：*空间比较：比较不同监测点位（如不同断面、不同区域）的污染物浓度水平。可采用均值比较（如t检验用于两组比较，方差分析ANOVA用于多组比较，若数据非正态则用Kruskal-WallisH检验等非参数方法）、箱线图等。*时间比较：比较不同时期（如不同月份、不同季节、不同年份）的污染物浓度变化趋势。可采用折线图、柱状图，并结合趋势检验（如Mann-Kendall趋势检验）。范例应用1（空间比较）：对清川河干流5个断面的年度平均COD浓度进行单因素方差分析（ANOVA），以判断各断面间COD是否存在显著性差异。结果显示，F统计量为8.72，p值<0.01，表明至少有两个断面的COD平均浓度存在统计学上的显著差异。进一步通过TukeyHSD事后检验，可具体判断哪些断面间存在显著差异。例如，检验发现干流2#断面的平均COD显著高于干流1#、4#和5#断面。范例应用2（时间比较）：分析清川河干流1#断面DO浓度的月度变化。绘制DO月度均值折线图，观察其季节波动规律。假设发现DO浓度呈现夏季高、冬季低的趋势。进一步采用Mann-Kendall趋势检验，若Z统计量为2.35，p值<0.05，则表明在监测年度内，该断面DO浓度呈现显著的上升（或下降，取决于Z值正负）趋势。若结合当地同期污水处理厂提标改造工程的实施时间点，可初步评估工程对DO改善的积极作用。结果解读：空间比较结果有助于识别主要污染区域或关键控制单元。时间比较结果则能揭示污染的时间变化规律，为追溯污染源和制定季节性防控措施提供依据。例如，若某支流A河的氨氮浓度显著高于其他支流，且在丰水期尤为突出，则提示该支流可能存在季节性的面源污染贡献。2.5相关性分析探究不同环境因子（监测指标）之间的关系，有助于理解污染物的来源、迁移转化规律以及它们之间的内在联系。分析指标与方法：*Pearson相关系数：适用于两个呈线性关系的正态分布连续变量。*Spearman秩相关系数：适用于不满足正态分布或非线性关系的变量，基于变量的秩次进行计算。*绘制方法：相关矩阵热图（Heatmap）、散点图矩阵。范例应用：对清川河某一代表性断面的COD、BOD5、NH3-N、TP四项有机污染指标进行Spearman秩相关分析，结果如下表（相关系数矩阵）：CODBOD5NH3-NTP:-------:-----:-----:-----:-----**COD**1.000.85**0.62*0.73****BOD5**1.000.58*0.67****NH3-N**1.000.45**TP**1.00注：*表示p<0.05，相关性显著；**表示p<0.01，相关性极显著。结果解读：COD与BOD5之间存在极显著的强正相关（r=0.85，p<0.01），表明两者来源可能相似，均主要来自于有机物污染。COD与TP、BOD5与TP之间也存在极显著的中等强度正相关，说明磷污染可能与有机污染伴随发生，可能存在共同的污染源（如生活污水、部分工业废水）。NH3-N与COD、BOD5的相关性相对较弱但仍显著，与TP的相关性不显著，可能提示其来源与其他指标既有联系又有一定差异。2.6趋势分析趋势分析用于揭示环境监测数据随时间的变化方向和程度，评估环境质量的长期演变态势。分析方法：*参数方法：线性回归分析，通过建立污染物浓度与时间的线性回归模型，检验回归系数是否显著不为零，以判断是否存在上升或下降趋势。*非参数方法：Mann-Kendall趋势检验、Sen's斜率估计。适用于非正态分布数据或存在少量异常值的数据，且对数据分布要求宽松，应用广泛。范例应用：对清川河干流控制断面近五年的NH3-N年均浓度数据进行Mann-Kendall趋势检验。结果显示，Z统计量为-3.24，p值<0.01，Sen's斜率为-0.35mg/L/年。结果解读：Z统计量为负且p值<0.01，表明该控制断面的NH3-N浓度在近五年呈现显著的下降趋势。Sen's斜率为-0.35mg/L/年，表明平均每年下降约0.35mg/L，显示出区域氨氮污染治理工作取得了积极成效。2.7综合评价方法单一指标只能反映环境质量的某个方面，综合评价则是对整体环境质量状况进行全面评估。分析方法：*综合指数法：如内梅罗指数法、加权综合指数法等。将多个指标的标准化值通过一定的数学公式综合成一个单一的指数，用于表征整体环境质量。*模糊综合评价法：基于模糊数学理论，考虑环境质量评价中边界模糊性和评价标准的模糊性。*灰色系统评价法：适用于信息不完全、数据较少的情况。范例应用（内梅罗指数法简要示例）：选取pH、DO、COD、NH3-N、TP五项指标，依据《地表水环境质量标准》（GB____）中的Ⅲ类标准限值作为评价标准，计算各断面的内梅罗污染指数。公式如下：内梅罗指数=√[(Ci,max/Si)^2+(Ci,ave/Si)^2]/2其中，Ci,max为各指标中最大的相对浓度（Ci/Si），Ci,ave为各指标相对浓度的平均值，Si为评价标准限值。计算得到某断面的内梅罗指数为1.25，参照内梅罗指数评价分级，该断面水质综合评价为“轻度污染”。结果解读：内梅罗指数兼顾了污染最严重的指标和平均污染水平，能较为全面地反映综合水质状况。指数值越大，污染越严重。通过计算不同断面的综合指数并排序，可以识别出重点污染区域。四、结果解读与应用统计分析的最终目的是服务于环境管理决策。对分析结果的科学解读至关重要，需要结合专业知识和实际情况，将数据信息转化为有价值的决策支持。1.识别主要污染因子：通过描述性统计和相关性分析，明确哪些污染物是影响区域水环境质量的关键因子（如COD、NH3-N、TP）。2.评估环境质量状况：依据综合评价结果和单因子评价结果，判断各监测点位、各水域的环境质量类别和污染程度（如优、良、轻度污染、中度污染、重度污染）。3.追溯污染来源线索：结合空间比较分析（如支流与干流的比较、上游与下游的比较）和相关性分析结果，可为污染源排查和溯源提供线索。例如，某支流A河的TP浓度显著高于其他区域，且与COD、BOD5高度相关，提示该支流可能存在含磷洗涤剂或生活污水的集中排放。4.评价治理措施效果：通过对比治理措施实施前后（如污水处理厂建成运行前后、某重点行业整治前后）的时间序列数据趋势分析，科学评估政策或工程措施的实际效果。5.预警与预测：基于历史数据建立的统计模型或趋势分析，可以对未来环境质量变化趋势进行初步预测，为环境风险预警提供依据。五、结论与展望环境监测数据的统计分析是一项系统性、专业性的工作，它贯穿于环境监测的全过程，是连接监测数据与环境管理的桥梁。本文通过一个虚拟的地表水环境监测案例，展示了从数据准备与预处理，到描述性统计、比较性分析、相关性分析、趋势