土壤重金属数据异常识别方法——以北京农田区样点数据为例

土壤重金属调查数据中的异常往往会导致评价分析结果与真实分布情况产生偏差和错误,直接影响后续的决策管理。针对传统异常值检测中邻域范围的确定偏于主观,且异常值检测后无法识别其类型的问题,提出了一套土壤重金属异常识别方法。该方法基于K临近法确定重金属合理稳定的最佳邻域区间,结合局部空间自相关法识别空间异常值,基于相关性分析识别土壤重金属异常类型。以北京市2006年铅(Pb)和铜(Cu)重金属含量为例,将该方法与其他方法结合进行变异特征和插值预测精度评价分析。结果显示,Pb和Cu含量存在稳定的邻域区间,其中6号点位的Pb、Cu含量,39号点位的Cu含量存在异常;前者异常类型疑似真实异常,后者异常类型疑似数据错误;将原始样点进行全局、局部和疑似数据错误异常样点剔除后,样本总体的离散程度降低,样本空间自相关性程度及区域结构性变异趋势增强;剔除全局和局部异常点后,数据空间插值误差明显减小,去除疑似数据错误异常点后插值误差较去除局部异常点时的插值误差基本一致。说明原始样点中对判断为疑似数据错误的样点进行剔除后对整体插值估计影响甚微,证明该土壤重金属异常识别方法的有效性和准确性。