《土壤有機(jī)物來源解析技術(shù)指南》編制說明

《土壤有機(jī)物來源解析技術(shù)指南》編制說明I I 1 1 1 1 2 3 5 5 5 6 7 7 7 8 8 9 14 15 15 15 16 16 17 17 18 18 191在充分了解現(xiàn)有方法的基礎(chǔ)上，2020年山東大學(xué)環(huán)境科學(xué)與工程學(xué)院牽頭2021年由工作組對標(biāo)準(zhǔn)進(jìn)行研制工作，討論制定一套科學(xué)、可行的土壤有2在應(yīng)用驗(yàn)證工作取得初步成果后，編制單位在2023年向山東省環(huán)境保護(hù)產(chǎn)污染物復(fù)合污染。2021年專家駱永明等人以有機(jī)污染場地為研究對象，調(diào)查分析了全國277個(gè)有機(jī)污染場地的行業(yè)類別、污染類型以及有機(jī)污染物種類分3土壤有機(jī)污染物來源解析技術(shù)能夠?yàn)橄嚓P(guān)防治工作提供關(guān)鍵的污染來源組成果的科學(xué)性、規(guī)范性和準(zhǔn)確性，提升環(huán)境監(jiān)測結(jié)合，從而同時(shí)實(shí)現(xiàn)了定性和定量解析各個(gè)源類對受體的貢獻(xiàn)值。APCS/MLR4的圖形界面，同時(shí)結(jié)果中可以提供圖形診斷工具。UNMIX限制。主成分分析，也稱為主分量分析，是由Pearson在1901年對非隨機(jī)變量引入的一種統(tǒng)計(jì)方法，后由Hotelling將此方法推廣到隨機(jī)向量的情形。PCA是將信息丟失降到最低。此外，PCA模型經(jīng)其他單位應(yīng)用驗(yàn)證，證明使用該方法模型名稱優(yōu)勢局限性主成分分析法來源的定性識別結(jié)果相對可靠，識別源數(shù)量有限，并非直接針對（PCA）操作簡單數(shù)據(jù)本身，而是針對數(shù)據(jù)產(chǎn)生的偏差進(jìn)行分析；無法給出定量的源貢獻(xiàn)正定因子矩陣模型添加不確定性數(shù)據(jù)對數(shù)據(jù)進(jìn)行逐沒有直觀的因字?jǐn)?shù)顯示；需要設(shè)（PMF）點(diǎn)分析；不需要詳細(xì)的源成分譜信息，可較好處理缺失及不精確的數(shù)據(jù)；對因子分解矩陣進(jìn)行非負(fù)約束，使得到的源成分譜和源貢獻(xiàn)率不會出現(xiàn)負(fù)值，結(jié)果更加合理置多個(gè)因字?jǐn)?shù)進(jìn)行多次運(yùn)算以獲得目標(biāo)矩陣Q的最小值A(chǔ)PCS-MLR模型解決了因子分析的不足之處不能準(zhǔn)確預(yù)測污染源的指紋譜圖；采樣量大UNMIX模型克服了模型給出負(fù)值源貢獻(xiàn)的缺5模型名稱優(yōu)勢局限性點(diǎn)；從受體出發(fā)快速獲取因子識于檢出限缺失值較少(≤75%）別污染源的數(shù)據(jù)；難以識別有相似貢獻(xiàn)的源6圖1技術(shù)路線圖本標(biāo)準(zhǔn)的主要技術(shù)內(nèi)容及框架如下：1)適用范圍2)規(guī)范性引用文件3)術(shù)語和定義4)土壤有機(jī)物污染樣品采集5)主成分分析模型方法6)結(jié)果表達(dá)分析7本指南內(nèi)容引用了下列文件中的條款。凡是未注明日期的引用文件，其有HJ605土壤和沉積物揮發(fā)性有機(jī)物的測定吹掃捕集氣相色HJ642土壤和沉積物揮發(fā)性有機(jī)物的測定頂空/氣相色8土壤有機(jī)物方差貢獻(xiàn)率VarianceContributionRateoforganicmatterin宜采用GB/T36197土壤質(zhì)量土壤采樣技術(shù)指南和HJ10199苯萘芴菲蒽芘?需要從中可以取出幾個(gè)較少的綜合變量盡可能多地反映原來變量的信息的統(tǒng)計(jì))新變量F還需滿足以下要求1）Fi和Fj（i≠j）不相關(guān)2）F1的方差大數(shù)據(jù)標(biāo)準(zhǔn)化數(shù)據(jù)標(biāo)準(zhǔn)化特征值排序選擇主成分?jǐn)?shù)據(jù)投影對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，使得每個(gè)特征的均值為0,方差為1,以消除不同特征的量綱差異。(3)對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到協(xié)方差矩陣Z:即X矩陣的第i列的樣本序列和第j列的樣本序列之間的相關(guān)關(guān)系，其值相關(guān)系數(shù)r相關(guān)性r＞0正線性相關(guān)r=0線性無關(guān)r<0鄭線性相關(guān)相關(guān)系數(shù)絕對值|r|相關(guān)性程度1[0.5,0.8)[0.3,0.5)[0,0.3)完全相關(guān)高度無關(guān)中度相關(guān)低度相關(guān)不相關(guān)協(xié)方差矩陣Σ是實(shí)對稱陣，知其特征值為非負(fù)，不妨設(shè)其特征值1≥2≥2112=22?2?1,2,…,，則有X的第i個(gè)主成分為==1?1+ σ=1相應(yīng)的，主成分篩選中所確定的前m個(gè)主成分所能解釋的全部方差占總方常合適做主成分分析，0.7-0.8之間一般適合，0.6-0.7之間不太適合，0.5-0.6之若顯著性小于0.05或0.01，拒絕原假設(shè)，則說明可以做土壤有機(jī)物污染主成分分，可以有效保留主成分。由成分矩陣表可得到7主成分分析模型應(yīng)用以位于山東省新泰市的盛泉煤礦土壤中有機(jī)物采樣數(shù)據(jù)為例進(jìn)行主成分分1芘蒽6蒽23456789蒽k因子分析×變量V:描述(D)晶甲基萘萘旋轉(zhuǎn)①)提取(E)得分(S)提取(E)選項(xiàng)(Q)芴菲芘選擇變里(C):屈蒽蒽因子分析：描述XX系數(shù)(C)顯著性水平(S)決定因子(D)逆(N)反映像(A)蒽分析◎相關(guān)性矩陣(R)○協(xié)方差矩陣M)提取◎基于特征值(E)苯并a芘b熒蒽?未旋轉(zhuǎn)因子解(E)?碎石圖(S)苯并變量變屈單擊“旋轉(zhuǎn)”按鈕，打開“因子分析：旋轉(zhuǎn)”對話框，該對話框用于因子分析時(shí)的旋轉(zhuǎn)方式設(shè)置。因此本例子不做選擇，保持默認(rèn)選擇無。蒽苯并蒽品X單擊“得分”按鈕，打開“因子分析：因子得分”對話框。選中“保存為變量”復(fù)選框，將主成分分析得分保存于工作數(shù)據(jù)中，方法選擇“回歸”;然后選中“顯示因子得分系數(shù)矩陣”復(fù)選框，單擊“繼續(xù)”返回。屈蒽因子分析X因子分析：因子得分X描述(D)?保存為變量(S)旋轉(zhuǎn)(I)◎回歸(R)O巴特利特(旦)○安德森-魯賓(A)√顯示因子得分系數(shù)矩陣(D維續(xù)(C)取消幫助蒽蒽因子分析X描述(Q)提取(E)◎成列排除個(gè)案(L)旋轉(zhuǎn)(I)○成對排除個(gè)案(E)O替換為平均值(R)得分(S)選項(xiàng)(Q)]禁止顯示小系數(shù)(U)絕對值如下(A):0維續(xù)(C)取消KMO和巴特利特檢驗(yàn)KMO取樣適切性量數(shù).714巴特利特球形度檢驗(yàn)近似卡方474.89078顯著性.000萘芴菲芘屈123456789如1=11×1