多元统计分析和GIS制图在刻画地下水污染中的综合运用.doc
43 浏览量
2022-11-23
12:32:53
上传
评论
收藏 105KB DOC 举报
多元统计分析（MSA）与地理信息系统（GIS）制图技术结合，已成功地
运用于含水层潜在污染区的刻画中。刻画污染物特征对场地修复而言是非常
重要的，但由于缺乏对水文地质条件的认识以及污染物观测的不确定性，使
得刻画污染物特征的工作成果大打折扣。MSA 利用其它水质参数为监测污染
物提供了辅助信息，改进了对潜在污染的评价。GIS 能够实现海量信息的可视
化表达，在组织和管理水质信息方面发挥着重要作用。为显示美国加利福尼
亚南部萨瓦纳河基地（Savannah River Site）地下水中的氚、挥发性有机污染
物三氯乙烯（TCE）和四氯乙烯（PCE）的浓度，本文提出的方法首先确定合
适的研究范围、GIS 图层（coverage）和比例尺。利用主成分分析（PCA）将
最能够指示潜在污染的变量进行分组。利用氚、Al、Mg、Na 以及 TDS 可以
最好地表征氚的潜在污染，而利用 PCE 和 Cl 可以预测 PCE 的潜在污染。利
用 1999 年检测的污染物浓度验证采用 1993～1995 年的地球化学数据绘制的
潜在污染图，结果令人满意。对水质数据进行聚类分析可将地球化学和污染
物浓度分组。
一、简 介
由于监测点数量少且位置分布不均，样品分析存在误差，复杂的水文地
质条件使监测污染物在很短的距离内就发生很大的空间变化，因而编制地下
水污染图通常是一件非常复杂困难的工作。目前一般用数值模型来刻画地下
水污染羽，但由于对局部水文地质条件的认识不足，因此这一方法也受到一
定限制。另外，多点、多次监测和多分析指标的出现也加大了管理和绘制大
容量水质数据集的难度。
除了数值模型外，另一种可供选择的方法就是对地下水水质数据进行统
计分析，推断潜在污染区。主成分分析（PCA）是一种多元统计方法，它基于
变量之间的相关性，对变量进行分类。PCA 和其它因子分析方法的目的是用
少数几个因子来描述大量观测变量之间的联系，以便于分析。
地下水中存在的物理和化学作用，如电解、离子置换或者碳酸盐的平衡
作用，使不同组分的浓度可能存在相关性。利用 PCA 对这些相关的变量分组，
就能更容易地结合地下水中的物理化学作用去认识这些变量组。一个特定数
据集的因子个数基于说明潜在作用的非随机变量的数量。提取的因子越多，
对原始数据的累计方差贡献率就越大。
主成分分析以前常用来根据监测井的水质特征，编制准确的监测井分组
图（Suk 和 Lee，1999；Ceron 等，2000；Güler 等，2002）。为了识别含水层
污染区，Suk 和 Lee（1999）利用多元统计分析和 GIS 建立污染物与地下水水
剩余12页未读，继续阅读
评论0
最新资源