[发明专利]一种土壤重金属环境风险预测模型的构建方法和装置

说明书

本发明公开了一种土壤重金属环境风险预测模型的构建方法和装置，其中该方法包括以下步骤：获取分布在研究区域内的若干个测量点的土壤重金属浓度的数据以及所述若干个测量点的设定影响因子的数据；建立土壤重金属环境风险预测模型，以设定影响因子作为解释变量，以土壤重金属浓度作为因变量，对土壤重金属环境风险预测模型进行逻辑斯蒂回归，得到解释变量的权重系数；将权重系数低于第一设定阈值的解释变量剔除，得到优化后的土壤重金属风险预测模型。本发明囊括自然地理因子、土壤地球化学因子和社会经济因子等多个维度的解释变量，所构建的模型更加全面准确。本发明可以广泛应用于环境建模领域。

技术领域

本发明涉及环境建模领域，尤其是一种土壤重金属环境风险预测模型的构建方法和装置。

背景技术

土壤是人类赖以生存与发展的最根本的物质基础，土壤环境安全直接关系着环境和发展的可持续性。土壤重金属污染具有不可逆性，传统的以污染控制为目标导向的土壤环境风险管理已难以应对日益复杂的土壤环境问题。实施以环境可持续发展为目标导向的土壤重金属环境风险管理，首要的是进行土壤重金属环境风险预测，以提升遭遇土壤重金属污染的应对能力。因此，如何预测土壤重金属环境风险成为亟待解决的重要科学问题。

一直以来，地统计学插值方法被广泛地用来预测区域尺度的土壤重金属环境风险。通过预测未采样区域的风险,或者获得预测值大于或小于某一阈值的概率来进行环境风险预测。Kriging插值方法几乎是20世纪中后期以来最为广泛应用的地理空间插值方法。然而，在应用过程中的局限性主要表现在虽然Kriging插值提供了局部最优无偏估计的方法,却低估了全局的空间变异。土壤重金属污染由于受点源影响，在空间分布上往往具有很大的变异性和高度的偏倚性。另一方面,在土壤的空间采样实践中,由于采样方法和容量等随机因素影响,理论上所得到的观测值不是确定的,它是围绕一个特定的数学期望随机变化的正态分布函数。而Kriging方差所表述的预测不确定性不能揭示类似的信息。此外，实际土壤重金属污染发生时，污染来源于不同维度(比如社会经济、自然地理和生物地球化学)的扩散方式，污染物可以从多种途径进行扩散。然而，已有的研究进行区域土壤重金属环境风险预测很少或基本没有考虑不同维度的污染源扩散模式。因此，发展针对多维度污染源扩散模式的土壤重金属环境风险预测模型非常有必要。

发明内容

为解决上述技术问题，本发明的目的在于：提供一种针对多维度污染源的土壤重金属环境风险预测模型的构建方法和装置。

本发明所采取的第一种技术方案是：

一种土壤重金属环境风险预测模型的构建方法，包括以下步骤：

获取分布在研究区域内的若干个测量点的土壤重金属浓度的数据以及所述若干个测量点的设定影响因子的数据；

建立土壤重金属环境风险预测模型，以设定影响因子作为解释变量，以土壤重金属浓度作为因变量，对土壤重金属环境风险预测模型进行逻辑斯蒂回归，得到解释变量的权重系数；

将权重系数低于第一设定阈值的解释变量剔除，得到优化后的土壤重金属风险预测模型；

所述设定影响因子包括自然地理因子、土壤地球化学因子和社会经济因子。

进一步，还包括以下步骤：

将所述若干个测量点的土壤重金属浓度的数据转化为若干个第一栅格数据；

将所述若干个测量点的设定影响因子的数据转化为若干个第二栅格数据。

进一步，还包括以下步骤：

对若干个第一栅格数据进行二值化处理，其中，将大于或者等于第二设定阈值的第一栅格数据二值化为1，将小于第二设定阈值的第一栅格数据二值化为0。

进一步，所述土壤重金属环境风险预测模型的表达式为：