基于空间自相关和概率论的土壤重金属异常值的识别方法

数据是开展土壤环境质量研究的基础,在实验过程中,由于系统误差和人为误差导致数据异常、降低数据质量,进而对污染评价、修复与管理决策等后续工作带来误判.目前对于此方面缺乏深入的研究和探讨.基于此,本研究提出一种甄别土壤重金属异常数据的方法,并以北京市土壤Cd含量数据为例,对该方法的有效性进行了验证.结果显示,北京市651个土壤Cd数据中有34个数据异常,对甄别出的异常数据进行化学复测,发现76.5%的Cd异常数据(26个)为系统误差和人为误差导致;20.6%的异常数据(7个)为客观存在的异常点.将原始数据修正后,插值预测精度得到了显著提高.Cd异常数据自身的平均相对误差下降44.56%,均方根误差降低33.33%;受异常值影响的邻近点平均相对误差下降20.59%,均方根误差降低17.33%.结果表明本方法可以有效识别出土壤重金属数据中的异常数据,在增加有限样本量和分析时间的前提下提高调查数据质量,为开展区域土壤调查,保障数据质量提供有效的工具.