CN114443982B 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 （中南大学）

US2014012504A1,2014.01.09一种大区域土壤重金属检测与时空分布特本发明公开了一种大区域土壤重金属检测S4对各网格化区域内的城市表层土壤进行采样2S2：确定需要分析的目标大区域范围，通根据步骤S2获得的已有数据中得到的目标大区域内多种重金属元素之间的自相关性，逐步回归模型分析土壤中Hg和Pb的含量，采用最小二乘回归模型分析土壤中As和Cd的含构建时间维度分析数学模型，采用BP神经根据该多目标地球化学调查和遥感数据的GIS网格，进行补3绘制整个大区域表层土壤内4种重金属元素的总体含量分布图、时间维度分布特征变化趋根据时间推移，该分布式计算机系统动态更新外部获取根据时间推移，该分布式计算机系统动态更新外部获取2.根据权利要求1所述的大区域土壤重金属检测与时空分布特征分析方法，其特征在将选取的反映工业变化的统计指标数据，以及大区域的3.根据权利要求2所述的大区域土壤重金属检测与时空分布特征分析方法，其特征在i表示重金属元素i在缺省年份的含量值，ci表示重金属元素i在2005年的含量本步骤构建的时间维度分析数学模型为BP神经网络模型，设置4将步骤S1～S4获得的采样复合检测数据，针对其不max对BP神经网络模型的网络初始参数进行设置，其中最大训练次4.根据权利要求3所述的大区域土壤重金属检测与时空分布特征分析方法，其特征在S21：选取大区域采样复合检测数据的80用于地理空间分布分析回归模型的建立，所述步骤S2中的逐步多元线性回归(SMLR)模型，逐步回归是从多元线性回归的n个自变量中挑选出对因变量y起重要作用的因子组成偏回归方程；逐步回归在计算的每一步都5S22：对步骤S21的回归模型进行精度检测，选取大5.根据权利要求4所述的大区域土壤重金属检测与时空分布特征分析方法，其特征在S45：将各样品检测到的金属元素含量，分别与其采6.根据权利要求5所述的大区域土壤重金属检测与时空分布特征分析方法，其特征在67.一种实施权利要求6所述方法的大区域土壤重金属检测与时空分布特征分析系统，所述的前端机通过数据接口与终端设备GIS数据采集终端、手8.根据权利要求7所述的大区域土壤重金属检测与时空分布特征分析系统，其特征在7作用，但是土壤重金属污染对人类和生物体的正常生存与发展会造成直接或间接的危害，8为进一步对城市群大区域的土壤环境质量做出分析评价和制定针对性的防治方案提供支究对象的一种大区域土壤重金属检测与时空分布特征分析方法，提供一种新的方法及体9目标地球化学调查和遥感数据及其中的GIS网格规划及地表覆盖数据，再从地球化学调查[0015]根据步骤S2获得的已有数据中得到的目标大区域内多种重金属元素之间的自相多元逐步回归模型分析土壤中Hg和Pb的含量，采用最小二乘回归模型分析土壤中As和于，其为一B/S架构的分布式计算机系统，具体包括通过网络相互连接并通讯的远程服务[0033]1、发明提供的大区域土壤重金属检测与时空分布特征分析方法，以大尺度区域完整、精确性高，形成可量化的指标体系，以进一步应用于城市群的土壤环境质量分析评会经济对土壤重金属时空分布及变化趋势的影响结果，其数据处理、分析方法及结果呈现金属元素变化趋势高效的分析与监测。该方法及系统的分析效率是传统分析方法的50具有高度偏斜性和少量高峰值的土壤重金属样本数据的空间预测算法进行优化，综合取[0040]图1是本发明实施例大区域土壤重金属检测与时空分布特征分析系统拓扑结构示[0041]图2是本发明实施例1大区域土壤重金属检测与时空分布特征分析系统模块结构[0054]图11是本发明实施例3大区域土壤重金属检测与时空分布特征分析系统模块结构首先获取在已知时间和已知区域内获得的多目标地球化学调查和遥感数据及其中的GIS网行运算和叠加，得到该目标大区域的土壤重金属在已知时间及空间内时空分布的已有数[0066]所述步骤S2中的逐步多元线性回归(SMLR)模型，逐步回归是从多元线性回归的n著的那些自变量x；逐步回归过程包含两个基本步骤，一是将不显著变量从回归模型中剔们分别定义为变量x1～x5，土地利用方式的两个哑变量农用x7y4[0075]根据步骤S2获得的已有数据中得到的目标大区域内多种重金属元素之间的自相[0086]S46：从外部获取基于多目标地球化学调查和遥感数据，提取其中的区域化探数[0104]本发明实施例采用的区域化探数据为：1980‑1995年湖南完成的全省1:20万水区整体评价的合理性；其次研究区境内地形地貌和发达的水系对元素的扩散起到一定作月Landsat5卫星影像和2013年6-10月Landsat8卫星影像）及其中的GIS网格规划及地表覆运算和叠加，得到该目标大区域的土壤重金属在已知时间及空间内时空分布的已有数据，[0115]所述步骤S2中的逐步多元线性回归(SMLR)模型，逐步回归是从多元线性回归的n著的那些自变量x；逐步回归过程包含两个基本步骤，一是将不显著变量从回归模型中剔x7y4[0124]根据步骤S2获得的已有数据中得到的目标大区域内多种重金属元素之间的自相值(aT)：[0144]本发明实施例采用的外部土壤元素含量数据为来源于GIS网格化采集的数据，得[0155]本实施例的采样数据统计分析，是将所有数据均调用SPSS22.0和Excel2016[0156]本实施例中，实施前述方法的大区域土壤重金属检测与时空分其为一采用B/S架构的分布式计算机系统，具体包括通过网络相互连接并通讯的多台远程[0157]所述主控单元负责按照本发明设定的分析方法和步骤，由其设置的I/O模块负责素的含量数据，对以城市群为代表的大区域土壤环境质量进行基于GIS的空间和时间维度[0166]土壤环境质量评价实际是对生态地球化学的综合评价，一般在地区背景值上进[0167]本发明实施例提供的大区域土壤重金属检测与时空分布特征分析方法，在步骤[0169]单因子污染指数，具体是根据GB15618-2018土壤环境质量标准及公式(2-9)的计作用，因此引入内梅罗(Nemerow)综合污染指数法对土壤中的4种关键重金属元素进行综[0190]根据公式(2-10)计算结果对土壤综合污染程度进行分级，本发明实施例依据和重度污染占比达到26.84%，重度污染占比超过中度污染，轻微污染和轻度污染分别是土壤污染的空间维度变化的动态监测；当该分布式计算机系统运算的风险达到预设值时，[0199]参见图11~12，本发明实施例提供的大区域土壤重金属检测与时空分布特征分析测出长株潭三市的土壤重金属含量。表5列出了2017年各市重金属元素平均含量，以及回归和最小二乘回归分析4种关键重金属含量与6个因子的关系，结合GIS的回归插值做了果准确性不高的问题，首先解决了土壤重金属的时空分布特征数据的大量获取与算法优化分考虑环境因素对空间变量的影响，并很好再现复杂环境下土壤重金属空间、时间变化的详细信息；其相比传统的基于采样数据空间自相关性的克里格插值方法体系，对重金属空成本的进行大区域城市群的土壤重金属变化趋势分析与群为代表的大区域土壤环境质量进行基于GIS的空间和时间维度调查分析，相比传统的基[0229]本发明基于土壤重金属与其它环境变量的空间变异性研究是重金属污染研究的地统计插值、神经网络模型以及支持向量机等。本发明基于4种关键重金属元素精简的数金属含量随时间累积的规律，并结合污染物来源与影响因素分析选定9个经济因子指标进