沈惠雅 李曉嵐 潘瑜春 馮登超 劉振民 杜鵬飛

摘要：土壤重金屬調(diào)查數(shù)據(jù)中的異常往往會(huì)導(dǎo)致評(píng)價(jià)分析結(jié)果與真實(shí)分布情況產(chǎn)生偏差和錯(cuò)誤，直接影響后續(xù)的決策管理。針對(duì)傳統(tǒng)異常值檢測(cè)中鄰域范圍的確定偏于主觀，且異常值檢測(cè)后無法識(shí)別其類型的問題，提出了一套土壤重金屬異常識(shí)別方法。該方法基于K臨近法確定重金屬合理穩(wěn)定的最佳鄰域區(qū)間，結(jié)合局部空間自相關(guān)法識(shí)別空間異常值，基于相關(guān)性分析識(shí)別土壤重金屬異常類型。以北京市2006年鉛（Pb）和銅（Cu）重金屬含量為例，將該方法與其他方法結(jié)合進(jìn)行變異特征和插值預(yù)測(cè)精度評(píng)價(jià)分析。結(jié)果顯示，Pb和Cu含量存在穩(wěn)定的鄰域區(qū)間，其中6號(hào)點(diǎn)位的Pb、Cu含量，39號(hào)點(diǎn)位的Cu含量存在異常;前者異常類型疑似真實(shí)異常，后者異常類型疑似數(shù)據(jù)錯(cuò)誤;將原始樣點(diǎn)進(jìn)行全局、局部和疑似數(shù)據(jù)錯(cuò)誤異常樣點(diǎn)剔除后，樣本總體的離散程度降低，樣本空間自相關(guān)性程度及區(qū)域結(jié)構(gòu)性變異趨勢(shì)增強(qiáng);剔除全局和局部異常點(diǎn)后，數(shù)據(jù)空間插值誤差明顯減小，去除疑似數(shù)據(jù)錯(cuò)誤異常點(diǎn)后插值誤差較去除局部異常點(diǎn)時(shí)的插值誤差基本一致。說明原始樣點(diǎn)中對(duì)判斷為疑似數(shù)據(jù)錯(cuò)誤的樣點(diǎn)進(jìn)行剔除后對(duì)整體插值估計(jì)影響甚微，證明該土壤重金屬異常識(shí)別方法的有效性和準(zhǔn)確性。

關(guān)鍵詞：異常值識(shí)別方法;異常值類型;北京;重金屬

中圖分類號(hào)： X53文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2021）08-0219-07

收稿日期：2020-07-23

基金項(xiàng)目：國(guó)家重點(diǎn)研發(fā)計(jì)劃（編號(hào)：2017YFD0801205）;研究生創(chuàng)新資助項(xiàng)目（編號(hào)：YKY-2019-20）。

作者簡(jiǎn)介：沈惠雅（1995—），女，河北保定人，碩士研究生，主要從事空間數(shù)據(jù)分析研究。E-mail：shenhuiya_net@163.com。

通信作者：潘瑜春，博士，研究員，主要從事土壤信息技術(shù)研究。E-mail：panyc @nercita.org.cn。

土壤重金屬污染調(diào)查檢測(cè)中，土壤重金屬的檢測(cè)值反映了污染程度，其數(shù)據(jù)質(zhì)量會(huì)影響區(qū)域污染狀況的評(píng)價(jià)結(jié)果[1]。通常由于人為或自然因素等，調(diào)查結(jié)果存在某些異常情況，這些異常數(shù)據(jù)往往會(huì)造成土壤重金屬空間分布情況的分析結(jié)果產(chǎn)生偏差和錯(cuò)誤。其中，由于自然因素或人為生產(chǎn)活動(dòng)導(dǎo)致土壤重金屬含量異常，客觀反映了土壤重金屬進(jìn)入土壤導(dǎo)致局部土壤含量明顯高于或低于周圍土壤的情況，對(duì)于這類異常數(shù)據(jù)應(yīng)當(dāng)予以保留。而由于人為測(cè)量失誤、儀器系統(tǒng)誤差等原因，導(dǎo)致土壤重金屬實(shí)際含量與正常值產(chǎn)生偏差，對(duì)于這種異常數(shù)據(jù)應(yīng)當(dāng)予以剔除。因此，在對(duì)土壤重金屬調(diào)查數(shù)據(jù)的處理和分析過程中，有必要對(duì)調(diào)查數(shù)據(jù)進(jìn)行異常值檢測(cè)和識(shí)別。

目前基于空間數(shù)據(jù)異常識(shí)別的研究主要分為2種：基于屬性鄰域識(shí)別空間數(shù)據(jù)的屬性值異常和基于數(shù)據(jù)空間鄰域識(shí)別空間異常?；跀?shù)據(jù)屬性鄰域識(shí)別空間數(shù)據(jù)的異常主要采用統(tǒng)計(jì)學(xué)方法檢測(cè)空間數(shù)據(jù)的異常值，常見的為基于分布方法、統(tǒng)計(jì)判別法[2-3]和統(tǒng)計(jì)聚類檢驗(yàn)法[4-5]等。這些方法均是只基于數(shù)據(jù)屬性鄰域的統(tǒng)計(jì)學(xué)方法，可以識(shí)別空間數(shù)據(jù)的全局異常情況，但由于沒有考慮空間數(shù)據(jù)的空間自相關(guān)性，無法檢測(cè)出局部數(shù)據(jù)是否存在異常。而基于數(shù)據(jù)空間鄰域識(shí)別空間異常主要通過建立空間數(shù)據(jù)的鄰域關(guān)系，基于空間自相關(guān)性來檢測(cè)數(shù)據(jù)異常[6-8]。這類方法能夠檢測(cè)一定鄰域范圍內(nèi)的局部異常，但是在確定鄰域范圍時(shí)一般是基于經(jīng)驗(yàn)值，具有一定的主觀性，并沒有考慮確定鄰域范圍對(duì)異常識(shí)別的影響。目前已有一些研究基于鄰域范圍展開數(shù)據(jù)相關(guān)性程度及異常檢測(cè)等相關(guān)研究[9-11]。如楊冕等通過K臨近方法探討了長(zhǎng)江經(jīng)濟(jì)帶PM2.5在穩(wěn)定鄰域范圍內(nèi)的空間自相關(guān)程度[12]。鄧敏等通過聚類分析獲取空間相關(guān)性較強(qiáng)的簇，并考慮空間數(shù)據(jù)的局部相似特性，挖掘同一數(shù)據(jù)集中不同分布中的局部空間異常[13]。這些方法根據(jù)研究區(qū)的特點(diǎn)通過設(shè)定不同空間鄰近關(guān)系，確定區(qū)域存在的異常情況，但是缺少對(duì)異常類型的進(jìn)一步分析。

對(duì)土壤重金屬調(diào)查數(shù)據(jù)的異常識(shí)別，須要充分考慮在合理的鄰域范圍內(nèi)結(jié)合土壤重金屬調(diào)查數(shù)據(jù)的空間分布情況，進(jìn)行異常值檢測(cè)和異常類型識(shí)別。因此，本研究提出一套土壤重金屬異常識(shí)別方法，該方法通過基于K臨近法確定合理穩(wěn)定的最佳鄰域范圍，結(jié)合局部空間自相關(guān)法對(duì)空間異常值進(jìn)行識(shí)別，并基于相關(guān)性分析對(duì)異常值類型進(jìn)行判別，同時(shí)以2006年北京市土壤重金屬污染調(diào)查數(shù)據(jù)為例，對(duì)異常識(shí)別效果進(jìn)行分析，以期豐富土壤重金屬數(shù)據(jù)異常識(shí)別方法，為土壤重金屬數(shù)據(jù)分析和評(píng)價(jià)工作提供輔助支撐。

1 材料與方法

1.1 研究區(qū)概況

北京市地處華北平原西北部，地形西北高、東南低，屬大陸性季風(fēng)氣候，平均日照時(shí)數(shù)在2 000～2 800 h，農(nóng)作物生成期225 d左右，土壤類型以褐土和潮土為主，另外包含少量水稻土、沼澤土和風(fēng)沙土;西部、北部多分布褐土，東南部多分布潮土、濕潮土等。土壤成土母質(zhì)為各類巖石風(fēng)化物和第四紀(jì)疏松沉積物。受成土母質(zhì)和地形的影響，北京市近郊區(qū)的種植物以果樹、蔬菜為主，遠(yuǎn)郊區(qū)種植物以小麥、水稻和玉米為主[14]。

1.2 樣品的采集與處理

本研究采用2006年北京市72個(gè)農(nóng)田土壤重金屬樣點(diǎn)數(shù)據(jù)，點(diǎn)位分布情況如圖1所示。采樣時(shí)利用GPS獲得樣點(diǎn)地理坐標(biāo)并詳細(xì)記錄采樣點(diǎn)周圍環(huán)境情況。測(cè)定方法按農(nóng)業(yè)化學(xué)常規(guī)分析方法，每個(gè)樣點(diǎn)單元均是邊長(zhǎng)為10 m的正方形，每個(gè)采樣點(diǎn)采集土壤耕層（0～25 cm）3～5個(gè)點(diǎn)，按四分法將1.0 kg待分析樣品混合。所有土樣在室內(nèi)自然風(fēng)干，碾壓磨碎后，過100目尼龍網(wǎng)篩。分析過程中加入國(guó)家標(biāo)準(zhǔn)樣品進(jìn)行分析，質(zhì)量控制按照 GB 15618—2018《土壤環(huán)境質(zhì)量 農(nóng)用地土壤污染風(fēng)險(xiǎn)管控標(biāo)準(zhǔn)》執(zhí)行完成。

1.3 異常識(shí)別研究方法

本研究提出的土壤重金屬異常識(shí)別方法主要包括3個(gè)方面。

首先，基于K臨近距離，確定空間中合理穩(wěn)定的研究區(qū)間?？臻g樣點(diǎn)的距離關(guān)系將鄰近結(jié)構(gòu)限制為K個(gè)最近的近鄰點(diǎn)，使得每個(gè)區(qū)域單元都有相同數(shù)量的近鄰點(diǎn)[15]。通過設(shè)定K值，形成基于K個(gè)點(diǎn)的空間鄰近關(guān)系，鄰近點(diǎn)的空間鄰接矩陣中對(duì)應(yīng)項(xiàng)為1，否則為0。為下一步進(jìn)行空間自相關(guān)分析提供權(quán)重基礎(chǔ)。

其次，基于空間自相關(guān)的異常值測(cè)度指標(biāo)，以空間自相關(guān)理論中的局部莫蘭指數(shù)方法進(jìn)行異常值測(cè)度，確定每類重金屬異常點(diǎn)個(gè)數(shù)和高低、低高的異常類型。

最終，基于相關(guān)性分析識(shí)別土壤重金屬異常類型。針對(duì)不同重金屬元素之間存在緊密的相關(guān)性，各重金屬既作為檢測(cè)指標(biāo)，也作為其他數(shù)據(jù)的輔助指標(biāo)。本研究以較強(qiáng)相關(guān)性的檢測(cè)指標(biāo)和輔助指標(biāo)展開分析，針對(duì)兩者的異常值分布判斷點(diǎn)位存在的異常類型。

1.3.1 K鄰近距離的空間鄰域確定方法

在異常值檢測(cè)中，鄰域范圍標(biāo)志著空間范圍內(nèi)樣點(diǎn)數(shù)據(jù)的參與檢測(cè)程度，這直接影響土壤重金屬異常檢測(cè)的結(jié)果，因此有必要確定一個(gè)合理穩(wěn)定的鄰域范圍，從而保證異常值檢測(cè)結(jié)果穩(wěn)定有效。因此，本研究采用基于K臨近距離的方法來確定穩(wěn)定的空間鄰域分布。該方法的基本原理如下：首先，K臨近法設(shè)定每個(gè)點(diǎn)周圍指定的K個(gè)臨近點(diǎn)，根據(jù)K值的不同，生成不同大小的鄰域值。通常由小到大選取K值，每個(gè)要素至少具有1個(gè)相鄰要素，隨著K值逐漸增大，臨近要素過多會(huì)導(dǎo)致小尺度的空間信息減弱或丟失，此時(shí)探測(cè)穩(wěn)定的鄰域區(qū)間非常關(guān)鍵。其次，在每個(gè)重金屬臨近K值的探測(cè)過程中會(huì)利用局部莫蘭指數(shù)產(chǎn)生異常值，這一過程一直持續(xù)，到產(chǎn)生穩(wěn)定的空間鄰域區(qū)間探測(cè)。最終，在生成的空間權(quán)重矩陣中，臨近的K個(gè)點(diǎn)在矩陣中的結(jié)果為1/K。局部莫蘭指數(shù)依次利用各個(gè)1/K值生成的權(quán)重矩陣對(duì)空間點(diǎn)分布重新定義，生成不同權(quán)重矩陣對(duì)應(yīng)下的異常值分布情況。

1.3.2 空間自相關(guān)-局部莫蘭指數(shù)

地理學(xué)第一定律為：任何事物都是與其他事物相關(guān)的，越相近的事物關(guān)聯(lián)越緊密[16]。幾乎所有空間數(shù)據(jù)都具有空間依賴性或空間自相關(guān)特征?？臻g自相關(guān)是空間數(shù)據(jù)中，空間單元與鄰近單元之間針對(duì)同一屬性值存在潛在的相互依賴的特性?？臻g自相關(guān)分析分為全局自相關(guān)和局部自相關(guān)分析。全局自相關(guān)度量了空間鄰近的區(qū)域單元中單元屬性值之間的相似程度。局部自相關(guān)進(jìn)一步分析了觀測(cè)值的高值或低值聚集、高低或低高異常值分布。局部莫蘭指數(shù)表達(dá)式如下：

I=（Xi-X）S2∑nj=1Wij（Xi-X）;（1）

S2=1n∑ni=1（Xi-X）2;（2）

X=1n∑ni=1Xi。（3）

式中：I為局部空間自相關(guān)指數(shù)值;Xi是某一變量在空間單位i上的實(shí)測(cè)值;X是變量的均值;S2為空間單元i屬性觀測(cè)值的標(biāo)準(zhǔn)化值;n是變量觀測(cè)值總數(shù)，個(gè);Wij是空間單元i與j 之間的空間權(quán)重。

1.3.3 土壤重金屬異常類型識(shí)別方法

不同元素含量之間的相關(guān)性分析可以反映各個(gè)元素的來源是否相同。因此，相關(guān)性分析可以識(shí)別土壤重金屬來源[17-25]。在土壤重金屬相關(guān)性分析中，各個(gè)重金屬作為檢測(cè)指標(biāo)，根據(jù)土壤形成特點(diǎn)和土壤中重金屬的來源情況，可以將植被類型、土壤類型、地貌類型等作為相關(guān)性分析中的輔助指標(biāo)進(jìn)行分析。若一組指標(biāo)具有強(qiáng)相關(guān)性，說明檢測(cè)數(shù)據(jù)受該輔助數(shù)據(jù)影響較大。當(dāng)輔助數(shù)據(jù)的值較高時(shí)，檢測(cè)數(shù)據(jù)極可能偏高;若輔助數(shù)據(jù)的值較低時(shí)，檢測(cè)數(shù)據(jù)含量極可能偏低。若某一強(qiáng)相關(guān)性的輔助數(shù)據(jù)值較高，則其對(duì)該地塊的重金屬含量影響也較大，該重金屬含量極可能偏高。

本研究將各重金屬含量既作為檢測(cè)指標(biāo)，又作為其他重金屬含量的輔助指標(biāo)進(jìn)行分析。選擇具有強(qiáng)相關(guān)性的一組檢測(cè)指標(biāo)和輔助指標(biāo)，如果檢測(cè)指標(biāo)數(shù)據(jù)的異常值檢測(cè)結(jié)果與輔助指標(biāo)數(shù)據(jù)的異常值檢測(cè)結(jié)果相同，即均表現(xiàn)為高低型或者低高型，則表明該異常點(diǎn)位疑似真實(shí)異常類型;如果檢測(cè)指標(biāo)數(shù)據(jù)的異常值檢測(cè)結(jié)果與輔助指標(biāo)數(shù)據(jù)的異常值檢測(cè)結(jié)果不同，即檢測(cè)指標(biāo)存在異常而輔助指標(biāo)不存在異常，或者兩者都存在異常但是異常點(diǎn)位或類型不一致，則說明該異常點(diǎn)位疑似數(shù)據(jù)錯(cuò)誤異常。

2 結(jié)果與分析

2.1 數(shù)據(jù)特征分析

對(duì)各重金屬指標(biāo)之間進(jìn)行初步的相關(guān)性分析，提取相關(guān)性較強(qiáng)的一組重金屬指標(biāo)來展開后續(xù)的異常識(shí)別和識(shí)別效果分析。如表1所示，鉛（Pb）含量和銅（Cu）含量的相關(guān)性最強(qiáng)，因此本研究以Pb含量和Cu含量為例展開相關(guān)研究。

如表2所示，Pb含量與Cu含量的變異系數(shù)均為25%～75%，屬于中等強(qiáng)度變異;且Pb和Cu含量經(jīng)過對(duì)數(shù)轉(zhuǎn)換后符合正態(tài)分布。

2.2 異常識(shí)別結(jié)果分析

2.2.1 最佳鄰域確定

本研究基于上述“K臨近距離”的空間領(lǐng)域確定方法，計(jì)算和統(tǒng)計(jì)重金屬Pb和Cu含量在不同K值時(shí)的高低（HL）和低高（LH）異常值對(duì)應(yīng)的數(shù)量。根據(jù)圖2-a可知，Pb含量在K值為2～5鄰域范圍內(nèi)能識(shí)別出穩(wěn)定的1個(gè)異常值，因此確定Pb含量的最佳鄰域K值范圍為2～5。根據(jù)2-b圖可知，Cu含量在K值為2～8鄰域范圍內(nèi)能比較穩(wěn)定地識(shí)別出2個(gè)異常值，其中在2～6范圍內(nèi)能基本涵蓋6～8區(qū)間識(shí)別出的異常點(diǎn)，因此確定Pb含量的最佳鄰域K值范圍為2～6。

2.2.2 異常值檢測(cè)結(jié)果

基于上述確定的最佳鄰域范圍分別對(duì)Pb和Cu含量指標(biāo)進(jìn)行異常值檢測(cè)。如表3所示，Pb含量檢測(cè)到1個(gè)高低異常點(diǎn)，其位于順義區(qū)楊鎮(zhèn)漢石橋的6號(hào)點(diǎn)位，說明在6號(hào)點(diǎn)位Pb含量相較于周圍的點(diǎn)位偏高。Cu含量檢測(cè)到2個(gè)高低異常點(diǎn)，分別為順義區(qū)楊鎮(zhèn)漢石橋的6號(hào)點(diǎn)位和懷柔區(qū)雁棲鎮(zhèn)下莊村的39號(hào)點(diǎn)位，說明Cu含量在6號(hào)與39號(hào)點(diǎn)位相較于周圍的點(diǎn)位而言偏高。具體的異常點(diǎn)位的空間分布圖如圖3所示。

2.2.3 異常類型識(shí)別結(jié)果

基于土壤重金屬異常類型識(shí)別方法，對(duì)上述檢測(cè)出的Pb和Cu含量的異常值進(jìn)行進(jìn)一步的類型識(shí)別。如表4所示，在6號(hào)點(diǎn)位Pb與Cu含量的異常值類型均為HL類型，說明6號(hào)點(diǎn)位重金屬指標(biāo)極有可能比周圍點(diǎn)位高，從而判別該點(diǎn)位異常類型疑似真實(shí)異常。39號(hào)點(diǎn)位Cu含量為HL類型異常，但Pb含量不存在異常情況，2種相關(guān)性強(qiáng)的重金屬含量異常情況不一致，表明該點(diǎn)位中Pb或者Cu含量可能存在疑似數(shù)據(jù)錯(cuò)誤的情況，從而判別該點(diǎn)位異常類型疑似數(shù)據(jù)錯(cuò)誤。具體的點(diǎn)位異常類型分布圖如圖4所示。

2.3 異常識(shí)別方法效果分析

為了驗(yàn)證本研究提出的土壤重金屬異常識(shí)別方法的有效性，引入格拉布斯準(zhǔn)則（Grubbs）及四分法與本研究方法進(jìn)行對(duì)比分析。其中，Grubbs和四分法檢測(cè)全局異常值，在去除全局異常的基礎(chǔ)上，通過本研究方法來檢測(cè)局部異常值，最后針對(duì)原始樣點(diǎn)、去除全局異常、去除局部異常點(diǎn)和去除識(shí)別為疑似數(shù)據(jù)錯(cuò)誤的異常點(diǎn)位，這4種情況下的土壤重金屬含量的變異特征和插值預(yù)測(cè)精度進(jìn)行對(duì)比分析。

其中組合方法一為四分法與本研究方法結(jié)合，組合方法二為Grubbbs法與本研究方法結(jié)合。由表5可知，四分法識(shí)別出的全局異常值比Grubbs法多，組合方法一在去除了全局異常點(diǎn)的基礎(chǔ)上利用本研究方法檢測(cè)到Pb含量在6號(hào)點(diǎn)位存在局部異常，沒有識(shí)別出疑似數(shù)據(jù)錯(cuò)誤的異常點(diǎn)。檢測(cè)到Cu含量有4個(gè)局部異常點(diǎn)，其中3個(gè)點(diǎn)位識(shí)別為疑似數(shù)據(jù)錯(cuò)誤。組合方法二在去除了全局異常點(diǎn)的基礎(chǔ)上利用本研究方法檢測(cè)到Pb在6號(hào)點(diǎn)位存在局部異常，沒有識(shí)別出疑似數(shù)據(jù)錯(cuò)誤的異常點(diǎn)。檢測(cè)到Cu含量有4個(gè)局部異常點(diǎn)，其中3個(gè)點(diǎn)位識(shí)別為疑似數(shù)據(jù)錯(cuò)誤。

2.3.1 變異特征分析

基于上述異常點(diǎn)位識(shí)別結(jié)果，分別統(tǒng)計(jì)組合方法一、二在原始樣點(diǎn)、去除全局異常點(diǎn)、去除局部異常點(diǎn)、去除疑似數(shù)據(jù)錯(cuò)誤異常點(diǎn)這4種情況下剩余的土壤重金屬樣點(diǎn)數(shù)據(jù)的變異特征信息，統(tǒng)計(jì)結(jié)果如表6所示。

經(jīng)過組合方法一、二的系列處理后。與原始樣點(diǎn)相比，Pb含量的變異系數(shù)有所下降，說明Pb樣點(diǎn)數(shù)據(jù)整體的離散程度有所降低。Pb含量的塊金基臺(tái)比經(jīng)過土壤重金屬去除局部異常后空間自相關(guān)性變強(qiáng)。Pb含量的偏基臺(tái)值經(jīng)過方法一呈下降趨勢(shì)，方法二在去除全局異常點(diǎn)后的偏基臺(tái)值略有上升，但是在去除局部異常點(diǎn)和疑似數(shù)據(jù)錯(cuò)誤異常點(diǎn)后的偏激臺(tái)值較原始樣點(diǎn)呈下降趨勢(shì)。說明本研究提出的異常識(shí)別方法降低了Pb含量的偏激臺(tái)值，證明區(qū)域結(jié)構(gòu)性變異降低。

與原始樣點(diǎn)相比，Cu含量的變異系數(shù)有所下降，在去除全局、局部異常樣點(diǎn)后樣本總體的離散程度降低，但在去除疑似數(shù)據(jù)錯(cuò)誤異常樣點(diǎn)后，樣本總體的離散程度進(jìn)一步增大，說明疑似數(shù)據(jù)錯(cuò)誤樣點(diǎn)識(shí)別效率較好，沒有引起明顯的數(shù)據(jù)離散程度的變化。Cu含量的塊金基臺(tái)比在去除局部異常點(diǎn)后樣本的空間自相關(guān)性降低，而去除疑似數(shù)據(jù)錯(cuò)誤異常樣點(diǎn)后樣本的塊金基臺(tái)比降低，表明樣本的空間自相關(guān)性增強(qiáng)。說明去除了局部異常點(diǎn)中空間相關(guān)性較強(qiáng)的異常點(diǎn)，去除疑似數(shù)據(jù)錯(cuò)誤異常點(diǎn)的同時(shí)保留了空間相關(guān)性較強(qiáng)的點(diǎn)。與原始樣點(diǎn)相比，Cu含量的偏基臺(tái)值在2種方法下均下降，在去除局部異常點(diǎn)后偏基臺(tái)值下降，表明區(qū)域結(jié)構(gòu)性變異降低，而在去除疑似數(shù)據(jù)錯(cuò)誤樣點(diǎn)保留疑似自然異常樣點(diǎn)的情況下，區(qū)域結(jié)構(gòu)性變異增強(qiáng)，說明了土壤重金屬異常識(shí)別結(jié)果的有效性。

2.3.2 預(yù)測(cè)精度分析

針對(duì)組合方法一、二在原始樣點(diǎn)、去除全局樣點(diǎn)、去除局部樣點(diǎn)、去除疑似數(shù)據(jù)錯(cuò)誤異常點(diǎn)這4種情況下，對(duì)剩余的土壤重金屬樣點(diǎn)數(shù)據(jù)采用普通克里金插值分析，分別統(tǒng)計(jì)對(duì)應(yīng)情況下的平均相對(duì)誤差（MRE）和均方根誤差（RMSE）。

如圖5所示，基于Pb含量進(jìn)行的插值分析中，在分別去除全局樣點(diǎn)、局部樣點(diǎn)這2種情況后，MRE和RMSE均較原始樣點(diǎn)插值誤差明顯減小，在此基礎(chǔ)上去除疑似數(shù)據(jù)錯(cuò)誤，MRE和RMSE差別不大，說明疑似數(shù)據(jù)錯(cuò)誤的插值結(jié)果對(duì)整體插值精度影響不大。基于Cu含量進(jìn)行的插值分析中，在分別去除全局異常樣點(diǎn)、局部異常樣點(diǎn)這2種情況下，MRE和RMSE均較原始樣點(diǎn)插值誤差明顯減小，但是去除疑似數(shù)據(jù)錯(cuò)誤異常點(diǎn)的情況下插值誤差較去除局部異常樣點(diǎn)情況下插值誤差略有增大，但基本保持一致。說明去除疑似錯(cuò)誤數(shù)據(jù)異常點(diǎn)對(duì)整體插值精度影響不大，這表明土壤重金屬異常識(shí)別中對(duì)判斷為疑似數(shù)據(jù)錯(cuò)誤的樣點(diǎn)進(jìn)行剔除后對(duì)整體插值估計(jì)影響甚微，一定程度上佐證了土壤重金屬異常識(shí)別方法的準(zhǔn)確性。

3 討論與結(jié)論

本研究所用土壤重金屬異常識(shí)別方法，基于穩(wěn)定的K鄰域確定穩(wěn)定的異常檢測(cè)范圍，能夠檢測(cè)到穩(wěn)定的局部異常點(diǎn)，降低了傳統(tǒng)鄰域空間范圍確定的主觀性，提高了土壤重金屬異常識(shí)別的有效性。

本研究所用土壤重金屬異常識(shí)別方法，基于輔助指標(biāo)與檢測(cè)指標(biāo)的相關(guān)性程度進(jìn)行異常類型識(shí)別。判別異常點(diǎn)類型是屬于疑似數(shù)據(jù)錯(cuò)誤還是屬于疑似自然異常，相較于傳統(tǒng)的異常點(diǎn)檢測(cè)模式，該方法能進(jìn)一步對(duì)異常點(diǎn)類型進(jìn)行識(shí)別，根據(jù)異常類型識(shí)別結(jié)果能夠有效指導(dǎo)后續(xù)土壤重金屬數(shù)據(jù)處理，輔助提高數(shù)據(jù)評(píng)價(jià)分析精度。

基于2006年北京市農(nóng)田區(qū)土壤重金屬數(shù)據(jù)，分別將本研究方法與四分法和Grubbs法結(jié)合，對(duì)原始

樣點(diǎn)，去除全局、局部及疑似錯(cuò)誤數(shù)據(jù)異常點(diǎn)這4方面的變異特征和預(yù)測(cè)精度進(jìn)行分析。通過以上3個(gè)方面對(duì)原始樣點(diǎn)的處理，樣本總體的離散程度降低，樣本空間自相關(guān)性程度變化及區(qū)域結(jié)構(gòu)性變異趨勢(shì)增強(qiáng)，數(shù)據(jù)空間插值的預(yù)測(cè)精度提高，驗(yàn)證了本研究提出的土壤重金屬異常識(shí)別方法的有效性和準(zhǔn)確性。

參考文獻(xiàn)：

[1]陳秀端. 西安市表層土壤重金屬污染的環(huán)境地球化學(xué)研究[D]. 西安：陜西師范大學(xué)，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，楊 軍，楊俊興，等. 基于空間自相關(guān)和概率論的土壤重金屬異常值的識(shí)別方法[J]. 地球信息科學(xué)學(xué)報(bào)，2017，19（5）：605-612.

[4]賀 玲，吳玲達(dá)，蔡益朝. 數(shù)據(jù)挖掘中的聚類算法綜述[J]. 計(jì)算機(jī)應(yīng)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]張 穎，黃俊宇. 金融創(chuàng)新、新型城鎮(zhèn)化與區(qū)域經(jīng)濟(jì)增長(zhǎng)——基于空間杜賓模型的實(shí)證分析[J]. 工業(yè)技術(shù)經(jīng)濟(jì)，2019，38（12）：93-101.

[7]楊 巖，姚長(zhǎng)青，張均勝，等. 長(zhǎng)江中游城市群科研人才空間集聚分析[J]. 地理空間信息，2018，16（9）：5-10.

[8]劉彥文，劉成武，何宗宜，等. 基于像元尺度耕地質(zhì)量局部空間自相關(guān)的基本農(nóng)田劃定[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2019，50（5）：260-268，319.

[9]黃熠鋒，張夢(mèng)迪，倪佳峰，等. 基于空間自相關(guān)分析的溫瑞塘河底泥Ni、Zn空間聚類和異常值分析[J]. 浙江農(nóng)業(yè)科學(xué)，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]楊 冕，王 銀. 長(zhǎng)江經(jīng)濟(jì)帶PM2.5時(shí)空特征及影響因素研究[J]. 中國(guó)人口·資源與環(huán)境，2017，27（1）：91-100.

[13]鄧 敏，劉啟亮，李光強(qiáng). 采用聚類技術(shù)探測(cè)空間異常[J]. 遙感學(xué)報(bào)，2010，14（5）：944-958.

[14]李曉嵐，高秉博，周艷兵，等. 基于時(shí)空不確定性分析的北京市農(nóng)田土壤重金屬鎘含量等級(jí)劃分[J]. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào)，2019，38（2）：307-316.

[15]曼弗雷德·M·費(fèi)希爾，王勁峰.空間數(shù)據(jù)分析 模型方法與技術(shù)[M]. 張 璐，肖光恩，呂博才，譯. 北京：中國(guó)人民大學(xué)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]劉 英，李旭東，鄭 超，等. 玉溪市農(nóng)田土壤3種重金屬監(jiān)測(cè)結(jié)果分析[J]. 環(huán)境衛(wèi)生學(xué)雜志，2018，8（4）：299-301.

[19]潘瑜春，劉巧芹，陸 洲，等. 離群樣點(diǎn)對(duì)土壤養(yǎng)分空間變異分析的影響研究[J]. 土壤學(xué)報(bào)，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，康占軍，許新苗，等. 礦區(qū)土壤中重金屬元素含量異常的調(diào)查[J]. 環(huán)境污染與防治，2009，31（7）：105-108.

[22]劉 偉，郜允兵，潘瑜春. 農(nóng)田土壤重金屬空間變異多尺度研究[J]. 江蘇農(nóng)業(yè)科學(xué)，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.