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技术方案

本发明专利技术公开了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，其方法包括如下步骤：S1设置一大区域土壤重金属检测与时空分布特征分析系统，S2构建用于大区域多种重金属元素空间分布的分析模型；S3确定分析对象；S4对各网格化区域内的城市表层土壤进行采样和检测；S4将采样复合检测数据代入分析模型，对土壤重金属含量、地理信息进行分析，绘制4种重金属元素的总体含量分布图。本发明专利技术提供的系统，其包括远程服务器、多个前端机及终端设备。本发明专利技术通过筛选关键检测对象、构建新的数学模型，综合利用采样点数据和地球化学调查数据，分析大区域内重金属元素分布特征，分析结果的区域覆盖性完整、精确性高，分析过程的自动化程度高。程度高。程度高。

【技术实现步骤摘要】
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


[0001]本专利技术涉及土壤重金属检测与地理信息分析
，特别涉及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。

技术介绍

[0002]随着我国城市化的快速发展，越来越多的地域、经济、文化均密切相关的城市群相继出现。城市群，是城市发展到成熟阶段的最高空间组织形式，是指在特定地域范围内，一般以1个以上特大城市为核心，由3个以上大城市为构成单元，依托发达的交通通信等基础设施网络所形成的空间组织紧凑、经济联系紧密、并最终实现高度同城化和高度一体化的城市群体。城市群是在地域上集中分布的若干特大城市和大城市集聚而成的庞大的、多核心、多层次城市集团，是大都市区的联合体。包括国家级的京津冀城市群、长三角城市群、粤港澳城市群、成渝城市群，以及各省内的城市群，广东的深莞惠，湖南的长株潭等。根据区域发展理论，通过对各城市群在地理位置、资源条件、产业分布、政策体系、发展模式等方面进行调查、研究，可以为城市群及区域一体化发展政策制定等提供基础。但是，由于目前存在各种技术困难，尚未发现有以城市群等大区域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大区域土壤重金属检测与时空分布特征分析方法，其特征在于，其包括如下步骤：S1：设置一大区域土壤重金属检测与时空分布特征分析系统，其为一B/S架构的分布式计算机系统，包括通过网络相互连接并通讯的远程服务器、多个前端机及终端设备；在所述远程服务器中，内置有用于大区域多种重金属元素时空分布的分析软件、数据处理模块与数据存储模块；S2：确定需要分析的目标大区域范围，通过该分布式计算机系统对目标大区域进行网格化，从外部获取多目标地球化学调查、遥感数据，以及自然地理、人文地理和社会经济数据，进行多元化信息提取及构建数据库；对于不同来源、不同时间、不同地点的数据，由远程服务器的数据处理模块进行标准化处理后，导入到数据存储模块中；远程服务器再调用GIS工具，对该数据在时间维度与空间维度两个维度上进行运算和叠加，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据，并导入到专门构建的数据库中；S3：分析上述已有数据，确定目标大区域土壤重金属的具体对象，以及确定该目标大区域土壤重金属的空间分布与时间分布特征分析的具体方法，并以土壤地球化学基准值为基准，确定分析结果的精度标准；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，由该分布式计算机系统筛选后，确定大区域中土壤重金属的As、Cd、Hg、Pb 元素为土壤中的关键重金属元素，将其作为研究分析对象，并作为简化数据、简化分析模型、进行自动化分析并提高分析结果精度，及基于该关键重金属元素实施土壤污染动态监测的基础；构建用于大区域的多种重金属元素空间分布的分析模型，采用地理空间回归中的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Cd 的含量；构建时间维度分析数学模型，采用BP 神经网络模型及采样复合检测数据，对土壤重金属元素含量时间维度的变化进行预测分析；S4：根据目标大区域的网格化区域划分，将上述已有数据代入到各分析模型中，由该分布式计算机系统分别进行运算和分析，进行数据简化，排除初步分析后的轻度污染区，将中度以上污染区作为需要补充实地采样的网格区域，并找出已有数据不能满足空间分布及时间维度分析精度要求的网格化区域，通过补充实地采样获得该网格区域的采样复合检测数据，使其与已有数据结合后能够满足分析精度要求；根据该多目标地球化学调查和遥感数据的GIS网格，进行补充实地采样点的GIS网格规划，对需要补充实地采用的各网格化区域内的城市表层土壤，按照设定的比例和地点进行采样和检测，获得各网格化区域内的城市群土壤中As、Cd、Hg、Pb 元素含量与与采样时间、GIS网格相关联的补充采样复合检测数据，并且使该补充采样复合检测数据，与前后多次获得的不同年份、在相同网格内的已有数据具有可比性；S5：将所获得的补充采样复合检测数据，汇总导入到专门构建的数据库中，与步骤S2获得的已有数据相结合，分别代入逐步回归和最小二乘回归模型，并通过辅助因子构建回归克里格插值法，对大区域下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，再次对土壤重金属含量、地理信息、时间维度的变化进行二次分析，判断该数据能否满足分析结果精度要求；如能够满足要求则进一步进行步骤S6、S7，对目标大区域表层土壤中
As、Cd、Hg、Pb 元素的统计特征和空间变异性进行分析，再采用ArcGIS 和GS+空间分析模块，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势图；如不能满足分析精度要求，则重复步骤S4，直至所得数据能够满足分析结果精度要求。2.根据权利要求1所述的大区域土壤重金属检测与空间分布特征分析方法，其特征在于，其还包括如下步骤：S6：代入数据库中的已有数据和补充采样复合检测数据，并结合土壤环境因子数据，基于多种重金属元素空间分布的分析模型，采用单因子指数和内梅罗综合污染指数法，分别进行土壤重金属单元素污染分布特点分析和多元素综合污染分别分析，再分析和评价大区域土壤环境质量，输出区域内土壤污染空间特征分析的趋势性结果；根据时间推移，该分布式计算机系统动态更新外部获取的已有数据和补充采样复合检测数据，基于关键重金属元素的新旧数据比较，实施目标大区域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，则该分布式计算机系统发出风险警报，提示采取必要措施降低风险，防范环境健康损害事件发生。3.根据权利要求1所述的大区域土壤重金属检测与空间分布特征分析方法，其特征在于，其还包括如下步骤：S7：基于时间维度分析数学模型，采用BP 神经网络模型，基于有限的已有数据、采样复合检测数据，与土壤环境因子数据相结合，对土壤重金属元素含量时间维度的变化进行预测分析，输出区域内土壤污染时间维度变化的趋势性结果；根据时间推移，该分布式计算机系统动态更新外部获取的已有数据和补充采样复合检测数据，基于关键重金属元素、实施目标大区域土壤污染的空间与时间维度协同变化的动态监测；当该分布式计算机系统运算的风险达到预设值时，则该分布式计算机系统发出风险警报，提示采取必要措施降低风险，防范环境健康损害事件发生。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，其特征在于，所述步骤S4中判断已有数据结合后是否能够满足分析精度要求的步骤具体包括：将选取的反映工业变化的统计指标数据，以及大区域的土壤重金属的主要影响因子数据，代入步骤S7的BP神经网络模型，对土壤元素富集反演结果与已知数据进行比较，即将样本输出数据和模型输出数据相比得到的绝对误差，作为判断所得数据是否能够满足分析精度要求的数据，以减少初步分析的数据量和简化分析模型。5.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，其特征在于，所述的步骤S7具体包括如下步骤：S71：确定模型结构及参数首先补齐缺省年份的数据：由对所述的已知数据分析结果可知，在过去的长时间内，各土壤重金属的含量变化与工业发展趋势相似，均以匀加速方式增长，则各个重金属元素增长速度根据以下公式计算，补齐缺省年份的数据，然后再进行BP神经网络建模及分析流程：
ꢀꢀꢀꢀ
（5
‑
5）式中：a
i
表示重金属元素i 在缺省年份的含量值，c
i
表示重金属元素i 在2005年的含量
值，b
i
表示重金属元素i 1986年的含量值，t为积累时间；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...

【专利技术属性】
技术研发人员：邱罗，毛先成，刘启波，刘占坤，
申请(专利权)人：中南大学，
类型：发明
国别省市：