地统计学论文3

在逻辑回归和克里金该方法的基础上研究土壤污染和人类活动的相关性关键词：回归克里金逻辑回归指示克里金重金属土壤污染摘要：在台湾的中心地区，量化土壤的污染和长期土地利用的相关性是一个管理土壤资源的非常有效地方式。定义有害的地区为重金属含量超过相应的可控标准的地区，此项研究不仅估算了有害地区概率分布的空间格局，有害地区的概率是使用指示克里金方法而且只基于那些可观测的重金属数据得出，还通过逻辑回归和回归克里金法考虑辅助变量来估算可能有害地区的空间格局。估算结果显示通过指示克里金法和回归克里金法估算的有害空间格局比用指示克里金法估算的还要零碎。此外，指示克里金和回归克里金能够确定污染源和污染途径的关系。在结果的基础上，受害地区和工长的位置以及研究区灌溉系统的位置有着极为密切的关系。这些方式为未来检测土壤污染提供了一个探索危害性的有效方式。逻辑克里金和回归克里金不仅能识别土壤污染的自然和人为的因素，而且提高了辨别受害区域土壤污染的超微性。特别是，回归克里金法考虑到用空间残差来改善逻辑克里金中的优势。1.介绍金属离子位于饮食来源必须提供的关键营养当中。一些重金属元素是人类每分每秒必不可少的，然而那些超过限制的不是致癌的就是有毒的。此外，由于重金属在人体内不能被降解或是摧毁，所以他们具有持久性。重金属污染和人类活动有密切的关系。化学和冶金行业是重金属在自然中最重要的来源。还有，由于人类的活动土壤的重金属污染已占主导趋势。重金属集中的热点地区是离台湾中部近的工厂和灌溉系统。工厂被怀疑往台湾中部的灌溉渠道排放废水，当地的站点可能被这种途径污染。由于人类的行为活动，不合理的废水处置，农业土壤的重金属污染在全世界范围内快速增长。在逻辑回归的基础上，许多研究已经分析出推动力因素和土壤污染是怎样相互关系着来决定土壤污染发生的可能性。逻辑回归分析检查出污染集中区的概率超出了一系列资源的极限值。使用逻辑回归，tesoriero和voss估计普吉声音盆地硝酸盐污染的含水层脆弱性。使用同样的方式，twarakavi和kaldarachchisumas-blaine预测含水层重金属污染物的敏感性。也是使用逻辑回归，lee量化出砷浓度和水化学参数的污染敏感性是怎样相关联的。他们的研究在基于推动力的点上确定出决定污染公害的概率。为了增加逻辑回归模型的准确率，这个研究通过套用回归克里金法建模而得出重金属的危害概率。回归克里金法包含着对辅助变量的因变量的回归分析和回归残差的简单克里金。大多数研究证实回归克里金对于实际应用中的空间估计是一种灵活但又稳健的方式。基于回归克里金法，趋势估计与残余插值是分离的，趋势估计涉及到任意复杂形式的回归。通过使用回归克里金，基于已建立的过程模型staceyetal改善了土壤中氧化亚氮的预测能力。Hengletal讨论回归克里金的特征，优点和极限，用一个简单的例子和三个案例研究举例说明了这些特征。众所周知，回归克里金是一种混合残差的方式。回归克里金起初在辅助信息上使用回归分析，后来使用简单的克里金并用一个非常出名的方式向回归分析模型中插入残差。此外，土壤污染监测在弄明白环境的危险性方面，是一个必须的和过高花费的过程。不用测量整个区域内的土壤数据，克里金模型就能被用来估计土壤污染的空间格局。指示克里金法除了划定有危害的区域，还能确定区域内重金属污染的概率分布。指示克里金法提供了一个非参数分布，估计非抽样位置直接使用固定扩值和澄清公害危险的空间格局。通过使用指示克里金,goovaert估计并绘制出镉和铜污染的危害程度，引入了瑞士岸区域的表土层。基于指示克里金法，vanmeihegoovaert评估出重金属集中区污染元素的概率，那些元素超过了比利时空气传播的镉污染区域的环境极限值。以上这个模型通过观察土壤集中区和测量研究区域的数据，而适用于评估重金属污染区域的有害危险程度。进一步，此项研究的目的是：1.辨别土壤污染中包括人类行为多变性的因素2.提高估计的准确性3.评估有土壤重金属污染的空间有害地图4.强调土壤中带有金属的热点地区的分布率。2.方法和材料研究评估台湾中部地区工厂附近的一个农业区的空间地图，特别强调土壤中金属元素的分布和关系。在逻辑回归和克里金的基础上，重金属的空间分布格局被予以分析。讨论台湾长华村人类行为和重金属的抽样调查。2.1研究区域区域是台湾一个非常重要的农业区的长华村。东边是长华市，西边是鹿港镇。此区域的农业用地是461ha，占整个区域的百分之六十二。在1970年以后，政府鼓励轻工业。将近106家工厂聚集在这个研究区。在这个研究区的工厂包括金属业，电镀业，纺织业以及金属表面处理业，些工厂被怀疑往研究区的灌溉渠道排放污水。2.2抽样调查和化学分析2002年的2月到8月之间，台湾的环境保护管理会在这个研究区开展了一个土壤重金属调查项目，调查了1309个表土层的例子（包括铬，铜，镍，锌，铅，砷，镉和汞的集中区）,并得出了数据。由于研究区农地的不规则性，抽样战略地点是不一致的。研究区不是一个规则的区域，它是由于灌溉系统的地形决定的。这些抽样的地方在图一（b）里显示。使用不锈钢铲子和再生障碍性勺子从每一个样区采集接近1公斤的土壤，然后储藏在塑料食物袋。在室温下将空气晾干后，每一份样土有3克被分解，筛到0.85毫米，地面的0.15毫米是细粉。每3克研磨样品在室温条件下加入7毫升硝酸和21毫升盐酸吸收2小时，慢慢地氧化土壤中的有机物。接下来，这个100毫升的王水将被过滤。最后，电感偶合Plasma-Optical发射光谱仪确定样品集中区的重金属水平。图一（b）2.3逻辑回归法逻辑回归提供了基于推动力基础上每一个位置每一种污染危害出现的概率。逻辑回归法定量危害发生和推动力之间的关系，规定如下：)exp(1)exp(1010kjjijkjjijixxp（1）and)1ln()(logiiippyit（2）ip表示在网格单元i中超过可控标准集中区重金属元素的概率,k是推动力因素的个数，yi表示在网格单元i中相互依存的指标变量,xji表示在j因素下的每一个i因素的值,0是估计系数，j是逻辑模型中每一个推动力因素的系数。研究中的逻辑回归由SPSS统计软件执行,重要变量由卡方检验确定。2.4回归克里金法随机功能被模拟为是趋势和随机变量的结合物。回归克里金用两种方法去连接这些：回归法用于适应解释型变量，用期望值为零的简单克里金法去适应残差。)()()(0^0^0^sesmsz=)(00^sxkjjj+)(1iniise（3）)(0^sm是拟合的趋势，)(0^se是剩余插值，jx是推动力因素，j^是估计的趋势模型系数，i是残差的空间独立结构决定的克里金重量并且e(si)是在si处的残差值。回归系数j用合适的方式从样本中估计。此外，回归克里金在数学上是与普遍克里金以及外部漂移克里金是一样的。回归克里金能够将辅助变量整合而构成关心属性的普遍趋势。克里金方式然后适用于模拟残差的空间分布。回归克里金中有害污染概率的估计由研究中逻辑回归提供。2.5指示克里金指示克里金估计的是一个给定的位置点超过特别极限值的污染物集中区的概率，数据z)(s被定义为以下指标：I(s,z)(s)={otherwisezifzcs,0,1)()((4)有问题如果重金属的集中程度z)(s超过了z)(c则指示值是0，否则为1.在n确定的条件下，I(s;z)(c|(n))的估计值，如以下所示：E[I(s;z)(c|(n))]=Prob[z)(s≤z)(c|(n)](5)超过z)(c的概率如以下所示，Prob[z)(sz)(c|(n)]=1-Prob[z)(s≤z)(c|(n)]（6）普遍克里金的概率分布为：Prob[z)(0s≤z)(c|(n)]=nczsI1);(（7）在（7）式中，I(s;zc)代表在确定的情况下的指数值，=1，…，n;是I(s;zc)的权重，I(s;zc)是由以下克里金体系确定的：);();(01cicnizsszss（8）11n（9）在(9)式中，是拉格朗日乘数，);(cizss是在样本th和th之间变化的指标值，);(0cizss是在样本th和s0之间变化的指标值，=1，…，n;研究中的克里金和指标克里金是由GSLIB(地统计数据库)执行的。3.结果和讨论3.1基本的统计数据表1总结了八种被调查的重金属的统计数据。在台湾，污染控制标准如以下所示，该标准是由台湾环境保护组织通过对监管区土壤重金属调查所得：铬：250mg/kg，铜：200mg/kg，镍：200mg/kg，锌：600mg/kg，铅：500mg/kg，砷：60mg/kg，镉：5mg/kg，汞：5mg/kg。表一列举了超过可控标准的例子，铬的286个，铜的395个，镍的622个，锌的336个。一些例子对于镉（26例）和汞（1例）是可利用的。在研究区没有砷和铅污染的出现。基于基本的统计分析，四种重金属元素（铬，铜，镍，锌）被选定来评估空间污染危害地图。表一：原例中得重金属的描述性统计3.2逻辑回归法估计的空间概率基于逻辑回归模型，超过可控标准的重金属集中区的概率通过预测危害与污染源的关系被评估出来。表二列举了四种重金属元素的逻辑回归模型的系数。在回归结果的基础上，金属业的距离与确定此地铬污染的可疑性成正比例关系。同时，距渠道的距离，汽车修理厂的距离以及造纸业的距离与概率成反比例关系。水业的距离，所有工厂的距离以及化学业的距离有助于评估铜危害的危险性。然而，农业土地，距渠道的距离，距灌溉渠道的距离，距主要灌溉渠道的距离，表面处理业，纺织业电镀业以及其他行业的距离与铜危害性污染成负相关关系。为了估计镍污染发生的概率，合适的逻辑模型使用了三个正相关的系数因素（与金属业，纺织业的距离）和负相关因素（农用地，与渠道灌溉，渠道，皮革，橡胶业的距离）。为了估计锌危害发生的概率四个正相关因素（人口，与水产业化学工业金属业）和七个负相关因素（建设用地，农用地与渠道，主要灌溉渠道，排水渠道，造纸业，电镀业的距离）被用来适用逻辑模型。还有，人口密度，离主干道的距离，土壤水力传导系数和土壤流失因素不具有统计学意义，没有改善模型的利用。结果反映出在研究区人口密度以及土壤性质和土壤污染物没有直接的关系。最小值（mg/kg）中间值（mg/kg）最大值（mg/kg）平均值（mg/kg）偏差（mg/kg）可控标准（mg/kg）超过可控标准的观测物的数量铬22.6119.03070.0193.95212.51250286铜11.0116.03810.0194.73222.70200395镍21.3189.174020.0217.31258.95200622锌60.5337.07850.0526.40549.56600336铅6.1136.9148.2742.6517.535000砷4.610.737.411.423.81600镉0.1160.92518.01.3421.464526汞0.0380.355.350.4300.37851表二图2在逻辑回归的基础上，显示出超过可控标准的土壤集中区的概率图，其中包括铬，铜，镍和锌。研究区重金属的可疑性显示出人类活动在这个地区占主导地位，人类活动导致了高的重金属积聚。结果也显示出逻辑回归是另一种实用的估计土壤污染发生率的方式，即使在没有直接测量各处污染物的每一个例子中都能实现。总的说来，地图指示出工厂和灌溉系统和高的可变性密切相关。和先前有关的估计结果指示出重金属的实用以及人类资源的分布与工厂和灌溉渠道有密切的关系。此外，来源于人类不同的活动的污染物影响着土壤。由于工业活动，重金属的农业土壤污染已经变得更严重而遍布整个研究区。重金属污染与像电镀业，金属业，金属表面处理，纺织业这样的工厂有关系。研究区，土壤集中区与化学原料使用的强度以及工业化的程度相关。由于研究区金属土壤集中区的分布，工业活动和农业活动是重金属污染的主要原因。土壤，特别是那些用污