内容发布更新时间 : 2024/12/23 10:19:48星期一 下面是文章的全部内容请认真阅读。
表1-12:工业区土壤重金属的尼梅罗指数与污染程度
工业区土壤重金属污染情况 元素 P值 污染程度
表1-13:山区土壤重金属的尼梅罗指数与污染程度
山区土壤重金属污染情况 元素 P值 污染程度
表1-14:交通区土壤重金属的尼梅罗指数与污染程度
交通区土壤重金属污染情况 元素 P值 污染程度
表1-15公园绿地区土壤重金属的尼梅罗指数与污染程度
公园绿地区土壤重金属污染情况 元素 P值 污染程度 As 0.49 As 0.56 Cd 2.44 Cr 0.69 Cu 3.89 Hg 7.37 Ni 0.74 Pb 0.62 Zn 3.53 清洁 中度污染 清洁 重污染 重污染 尚清洁 清洁 重污染 As 0.42 Cd 1.09 Cr 0.48 Cu 0.57 Hg 0.35 Ni 0.77 Pb 0.36 Zn 0.75 清洁 轻度污染 清洁 清洁 清洁 尚清洁 清洁 尚清洁 As 0.53 Cd 2.43 Cr 0.69 Cu 3.88 Hg 7.36 Ni 0.78 Pb 0.53 Zn 3.51 清洁 中度污染 清洁 重污染 重污染 尚清洁 清洁 重污染 Cd 2.40 Cr 0.35 Cu 1.08 Hg 1.93 Ni 0.57 Pb 0.59 Zn 3.51 清洁 中度污染 清洁 轻度污染 轻度污染 清洁 清洁 重污染 ⑤综合分析
根据表1-11,我们可得生活区中As,Cr,Ni,Pb等重金属属于清洁,Hg属于尚清洁,Cd,Cu,Zn等都有一定程度的污染,其中Zn的污染最严重。根据表1-12,工业区中只有As,Cr,Ni,Pb属于清洁尚清洁态,Cd,Cu,Hg,Zn等污染都较为严重。根据表1-13,山区总体较好,只有Cd呈现轻度污染。根据表1-14,交通区污染也较严重,
14
其中Cu,Hg,Zn等都属于重度污染,只有As,Cr,Ni,Pb属于清洁态。根据表1-15,公园绿地大体情况较好,只有Zn,Cd的污染较为严重。
对这几组数据进行纵向比较,我们发现该市Zn污染尤其严重,在山区也是如此,而As,Cr,Pb等基本上污染程度较低。对这几组数据进行横向比较,我们可得交通区和工业区的环境污染较为严重,而山区的环境最好,各项指标都比其他区域少,所分析得到的数据符合实际假想。
5.2问题二
5.2.1问题二的分析
土壤重金属污染的影响因素,主要是指产生重金属污染的工厂设备、汽车尾气、生活污水等等污染源。有着这些污染源产生的重金属污染有的直接直接进入土壤,有的通过水和大气的循环进入土壤,造成城市的土壤重金属污染。
我们首先查询资料找到中国境内土壤重金属污染的主要来源,然后先采用Pearson相关分析法,用SPSS计算出Pearson相关系数,据此来判断两种重金属元素以及高程之间的相关性,探寻土壤重金属的污染来源,接着用主成分分析法来解析污染来源,最后根据上述得出的结果进行分析。
5.2.2基于统计分析法的土壤重属污染物来源模型的建立与求解 (1)研究土壤重金属污染的主要来源
按重金属污染物产生的部门,土壤重金属污染源主要分为工业污染源、交通污染源、生活污染源农药和肥料等。重金属污染物随工业废气、废水及废物(俗称工业“三废”)排放,经过大气和水体最终进入土壤,使土壤中这些重金属含量明显增加或引起污染。交通运输也是土壤重金属的重要来源,机动车尾气作为环境污染源,是土壤化学污染的一个重要来源。车辆排放的污染物可以通过多种途径被传播或者沉降到环境中(如大气扩散,干湿沉降等方式),通过路面径流排放到路沟或者路旁农田而城镇居民聚集处也产生大量生活废水、废物,导致重金属最终沉积在土壤中,造成污染水系作为污染传播的一个载体,其分布广、范围大,对区域内重金属的污染影响不可忽视。
陈怀满等人对我国重金属污染来源做出了研究统计(见表2-1),发现在我国工矿生产、农业活动、污灌等人为活动都是造成土壤重金属污染的重要来源。
表2-1:中国土壤重金属的主要来源(引自基于地统计学和GIS的)
15
(1)基于Pearson相关分析的土壤重金属污染物的污染源解析
相关分析是研究两个及两个以上变量之间相互关系的统计分析方法,在环境研究中常用来定性的研究各个环境因素之间的相互关系。而变量之间的相互关系主要采用显著性水平和相关系数来表示。环境研究之中最常用的是Pearson相关分析法。它所计算出的Pearson相关系数取值在[-1,1],系数为正,表示两个变量之间呈现正相关,并且系数值越大,相关程度越高,系数为负,表示两个变量之间呈现负相关,并且系数值越低,相关程度越高。当Pearson系数为零或者接近于零时,表示两个变量之间几乎没有相关性。当两个重金属的相关系数为正,而且很接近于1,那么表示两种重金属污染物很有可能来自同一污染源。
我们采用SPSS软件得出Pearson相关系数矩阵如下表所示: 表2-2:8种重金属污染物和高程之间的Pearson相关系数矩阵
Zscore(As) Zscore(As) Pearson 相关性 Zscore(Cd) Zscore(Cr) ZscorZscorZscore(Ni) Zscore(Pb) Zscore(Zn) Zscore(海拔) e(Cu) e(Hg) Zscore(Cd) Pearson 0.20 相关性 16
Zscore(Cr) Pearson 0.44 0.42 相关性 Zscore(Cu) Pearson 0.42 0.68 0.63 相关性 Zscore(Hg) Pearson 0.36 0.50 0.37 0.57 相关性 Zscore(Ni) Pearson 0.54 0.30 0.76 0.54 0.32 相关性 Zscore(Pb) Pearson 0.28 0.77 0.49 0.75 0.59 0.33 相关性 Zscore(Zn) Pearson 0.31 0.75 0.59 0.79 0.58 0.48 相关性 0.82 Zscore(海拔) Pearson -0.38 -0.28 -0.29 -0.47 -0.28 -0.25 -0.31 -0.34 相关性 从相关性结果分析可见:海拔与8种重金属污染元素之间都没有较强的负相关关系,而8种土壤重金属污染元素之间都存在一定的交互作用,其中的Cd与Cu、Pb、Zn有较强的正相关关系,Cr与Cu、Ni有较强的正相关关系,Cu与Pb、Zn有较强的正相关关系,Hg与Pb有较强的正相关关系,Pb与Zn有较强的正相关关系。我们不难发现土壤的重金属污染元素之间存在较强的正相关关系,相关程度一般都比较大,信息重叠度很高,可以采用主成分分析的方法解决这一问题。
(2)基于主成分分析法的土壤重金属污染物的污染源解析
因为土壤中的重金属污染元素较多,并且彼此之间往往存在一定的相关性,故信息存在一定的重叠,因子分析是通过降维的方法得到较少数量的综合指标,综合指标之间
17
互不相关,而且又能较大限度的反映原观察指标的信息。我们用SPSS软件对8种重金属元素进行主成分分析,解析污染源。得到的结果见下表: 表2-3:特征值和累计贡献率
解释的总方差 成份 特征值 1 2 3 4 5 6 7 8 4.73 1.28 0.69 0.45 0.27 0.23 0.20 0.15 初始特征值 方差的 % 59.16 15.98 8.62 5.66 3.33 2.82 2.50 1.93 累积 % 59.16 75.14 83.77 89.42 92.75 95.57 98.07 100.00 特征值 4.73 1.28 提取平方和载入 方差的 % 59.16 15.98 累积 % 59.16 75.14 提取的两个主成分因子解释了总方差的75.14%,第一个因子解释了方差的59.16%,第二个因子解释了方差的15.98%。
因子载荷就是第i个变量与第j个因子的相关系数,即表示x(i)依赖于F(j)的分量(比重),统计学术语称作权,心理学家称为载荷,即表示第i个变量在第j个公共因子上的负荷,它反映了第i个变量在第j个公共因子上的相对重要性。
在因子分析中,通常只选其中m个(m
表2-4:因子荷载矩阵 成分矩阵
成分 1 2 z_As 0.53 0.58 z_Cd 0.78 -0.42 z_Cr 0.76 0.41 z_Cu 0.9 -0.07 z_Hg 0.7 -0.17 z_Ni 0.67 0.61 z_Pb 0.85 -0.37 z_Zn 0.89 -0.23 18