地统计水质监测例子8.pdfVIP

综合实例：基于GIS 的地统计分析在区域水质评价中的应用 下面介绍的这个例子是地统计应用较为广泛的领域——水质评价 我们以内 临河市浅层 水为研究对象, 根据 水水质 分析结果, 利用水质 卫生综合指数法对采样点 水水质进行综合评价, 利用 ArcGIS 的地统计空间分析功 能, 对评价结果数据进行分析, 选择合理的插值方法, 得到研究区 水水质的空间分 布图。下面我们具体来看。 我们的数据来源是对研究区浅层 水进行水质 , 在全区范围内设置了 113 个采 样点, 所取水样均来自当地农村居民饮水所挖的15 ～ 25 米的深水井, 水样在24 小时 内送往当地水科学 进行水质分析, 部分采样点的部分水质指标检测数据如表 1 所示 （做展示的时候，图片可以拉大，依旧是清晰的） 我们从中选取其中104 个采样点的As 、F 、Fe 离子、Cl— 4 个评价指标，整个评价流 程如下图所示，因为我们着重介绍利用地统计的分析部分，所以，前面数据的预处理部 分就不做详细介绍 采用水质卫生指数综合评价法计算各监测点水质卫生综合指数, 结果导入监测点图层的 属性数据表中, 以不同的颜色和符号在地图上标识各采样点的水质情况，如下图所示 通过上述模型计算, 得到各采样点的水质情况,若想获得研究区内任一点水质信息, 需要 根据采样点选择合适的插值方法生成 续表面, 对其他点的水质进行最佳 ，此 时就要用到地统计模型 就像我们之前讲过的，首先要进行探索性空间数据分析，.在这种分析中, 没有太多的 先验知识、理论与假设, 注重的是研究数据的空间分布, 揭示空间 的结构, 给出空 间异质的不同形式, 发现奇异观测值。 (1)数据分布检查 利用直方图, 检查数据的分布, 并寻找全局和局部离群值.当数据服从正态分布时, 利用 插值生成的表面效果最佳.根据直方图分析监测点水质卫生综合指数的分布特征, 发现 原数据呈偏态分布, 如图 所以对其作对数变换使其成正态分布 (2)全局趋势分析 通常一个表面主要有两部分组成:确定的全局趋势和随机的短程变异.空间趋势揭示了空 间事物在空间区域上变化的总体规律, 在创建表面时剔除全局趋势的影响, 可以更准确 地模拟短程随 异.在创建最终表面之前, 将该趋势还原回来以产生更有意义的 结果. 在 ArcGIS 中的地统计模块中, 利用趋势分析工具将平面上的点转化为以监测点水质卫 生综合指数为高度的三维视图, 通过调整全局趋势分析图的视角, 选择投影点较集中的 面, 可以发现在西南———东北方向上, 能够拟合一个一次方程来反映采样数据集 的全局趋势，如图 （这部分内容有点多，到时候可以挑着讲） (3)空间自相关与方向效应分析 利用半变异函数云图检测已测样点间的空间自相关, 通过对不同样点对的分析研究, 可 以发现采样点水质综合指数值之间存在空间自相;观察方差表面图, 改变搜索方向, 发 现数据之间存在方向效应. 二、接下来便进行地统计分析这块比较重要的一部分——插值。 克里金(Kriging)插值法是空间统计分析方法的重要内容之一, 它是建立在半变异函数理 论分析基础上的, 是对有限区域内的区域化变量取值进行无偏最优估计的 法[ 13] . 常用的克里格插值法主要有简单克里金(Simple Kriging ), 普通克里金 (Ordinary Kriging), 泛克里金(Universal Kriging)插值. （选择性讲解） 根据前面的探索性空间数据分析;本文选择泛克里金的插值方式生成表面.泛克里金假设 数据存在主导趋势, 且该趋势可以用一个确定的函数或多项式来拟合。 (1)模型拟合 经过对数变换和趋势剔除后的半变异函数图和半变异表面, （2 ）插值结果与验证 根据半变异函数理论模型, 对研究区 水的水质卫生综合指数进行基于空间统计分析 的泛克里金插值, 得到插值结果如图 6(a)所示.同时, 对原数据进行反距离插值, 其插