土壤重金属时空一体化数据异常识别研究——以北京市农田区为例

发布时间：2024-03-26 02:14

　　土壤重金属含量高低直接影响人们生命安全及相关部门管理决策。对于土壤调查获取的重金属数据中,由于数据错误或实际含量异常等往往使得其表现出与其邻域范围内数据存在显著差异,因此有必要对土壤重金属数据进行异常识别,用以指导后续科学处理以达到消除或削弱异常数据的影响。目前针对异常值检测研究主要从属性值,时间及空间三方面进行考虑。其中基于属性数据利用传统统计指标的方法仅能够识别属性值的全局异常;基于空间邻域的异常检测方法能发现单期数据的空间局部异常,而基于时间邻域的异常识别方法则能识别时间尺度上的异常。当面向多期非固定的土壤重金属检测数据进行异常识别时,则需要综合考虑时间和空间尺度。而目前在时空异常识别方面,通常是只考虑空间自相关性或者时间相关性,缺乏考虑其时空自相关性;在确定时空邻域范围时主观性较强,对于异常检测的时空邻域的稳定性考虑不足,且无法判别其异常类型对数据后续处理的影响。基于上述问题,本研究提出了一套时空一体化土壤重金属污染数据异常识别方法。该方法利用基于K临近距离来获取稳定的时空研究邻域,采用基于时空相关性的时空莫兰指数进行土壤重金属时空异常值检测,并基于相关性分析提取强相关性指标辅...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要 Abstract 第1章 绪论
1.1 研究背景及意义
1.2 研究目标及内容
1.3 论文组织结构 第2章 土壤重金属数据异常识别研究进展及现状
2.1 基于统计学的数据异常识别研究现状
2.2 基于空间自相关的数据异常识别研究现状
2.3 时空数据异常检测研究现状
    2.3.1 时空分离的时空数据异常识别研究现状
    2.3.2 时空一体化的时空数据异常识别研究现状
2.4 本章小结 第3章 时空一体化土壤重金属污染数据异常识别方法研究
3.1 构造时空权重矩阵
    3.1.1 时间权重构造—时间邻近法
    3.1.2 空间权重构造—“K临近”法
3.2 时空莫兰指数模型
    3.2.1 空间莫兰指数
    3.2.2 空间莫兰散点图
    3.2.3 改进时空莫兰指数
3.3 时空数据异常值检测
3.4 时空数据异常类型识别
3.5 本章小结 第4章 北京市农田土壤重金属时空一体化数据异常识别
4.1 材料与方法
    4.1.1 研究区域基本情况
    4.1.2 土壤样品的采集
    4.1.3 采样点分布
4.2 土壤重金属的时空数据分析
4.3 时空异常值检测与异常类型识别
    4.3.1 时空异常值检测
    4.3.2 时空异常类型识别
4.4 土壤重金属时空数据异常识别结果分析
    4.4.1 分析方法
    4.4.2 结果分析
4.5 本章小结 第5章 土壤重金属时空数据异常识别软件
5.1 软件开发的关键技术
5.2 软件概述及设计
5.3 功能模块
5.4 本章小结 结论 参考文献 攻读学位期间所取得的相关科研成果 致谢



本文编号：3939213