欢迎来到天天文库
浏览记录
ID:37032693
大小:4.19 MB
页数:72页
时间:2019-05-20
《顾及空间因素的协克吕格土壤环境评价模型研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、中南大学硕士学位论文摘要随着工农业生产的发展,耕地土壤污染问题越来越突出,特别是耕地土壤重金属和农药等有机物污染尤为突出,对土壤环境各项污染因子进行评价、预测就显得尤为重要。本文以地统计学方法为基础,提出顾及地形等空间因素的协克吕格模型,使之更符合土壤环境实际情况,能够更加准确反应土壤污染程度的空间变异性,并应用南方某市的土壤监测数据,分别对内梅罗污染指数评价模型、克吕格模型和顾及空间因素的协克吕格模型的评价效益进行比较,得出顾及空间因素的协克吕格模型较优的结论。本文的具体工作及结论有:(1)以内梅罗指数为模型,对土壤重金属中Pb进行综合评价。根据该方法得
2、出研究区域内各个子区的土壤污染等级,并对该结果进行评价。(2)以地统计学中普通克吕格方法做为土壤污染空间变异的统计模型,对土壤重金属中Pb在研究区域内进行综合评价,在研究区得到Pb的空间变异规律。并对该结果进行评价。结果表明:在大尺度下,由于受地形地貌等空间因素的影响,普通克吕格方法的误差较大,不能很好的反映土壤污染的空间变异性。(3)针对普通克吕格方法在大尺度上的不适应性,提出改进方法,即对研究区域先进行高程采样,得到DEM模型,再利用遥感图像对研究区域进行河流水系提取。最后根据上述等空间因素,对研究区进行分区,把大尺度的研究区最终分形为中尺度,小尺度,
3、最终得到顾及空间因素的协克吕格模型。对土壤重金属中Pb在研究区域内进行综合评价,得到Pb的空间变异规律。(4)对上述三种评价模型的结果的精度进行评价。最终得出在研究区域为大尺度的情况下,顾及空间因素的协克吕格土壤环境评价模型是精度最高、预测能力最好的模型。关键词:高程模型,克吕格(Kriging),协克吕格,GIS,土壤环境评价模型,PbAbstractAccordingtotheevaluationdiffcultiesofsoilpollution,Kriginginterpolationisimprovedinthisthesis.Itmakesit
4、suitabletotherealityofthesoilenvironment,andcanbeabletomoreaccuratelyreflecttheextentofspatialvariabilityofthesoilpollution.Thisthesistakessomesouthernareasasanexample,considersfactorssuchasDEM,river,andtheearth’Ssurface,andusesthismethodtointerpolate.Atthesametime,itcontrasttheNe
5、imeiluopollutionindexmodel,theordinaryKrigingmodelandDEM陆gingmodel,thengetamuchbetterspacecountmodel.Themaincontentsare:(1)NemeroindexforthemodelofheavymetalswasusedinthesoilPbcomprehensiveevaluation.Accordingtothestudy,wecanobtainthesoilpollutionlevelsofthevarioussub-areas,andthe
6、resultswereevaluated.(2)KrigingmethodwasusedtoevaluatethespatialvariabilityofthePbinmestudyareas.Fromtheresults,itcanbeconcludedasfollowing:inthelargescale,becauseofthetopography,andotherspatialfactors,ordinaryKrigingmethodscannotwellreflectedthespatialvariabilityofthesoilpollutio
7、n.(3)BecauseoftheinapplicabilityoftheordinaryKriging,allimprovedmethodwasdevelopedinthisthesis.TheregionalelevationsamplingandremotesensingimageswarestudiedtoformDEMmodelandextractriverline.Finally,thestudyareaWasdividedintosmallerthosefacts.ThenthemodlebasedCokringingandareasacco
8、rdingthoseIactshenthemodleDasedon
此文档下载收益归作者所有