主成分分析方法在农田土壤环境评价中的应用.pdf
江西农业学报 2008,20(7):36 38Acta Agriculturae Jiangxi主成分分析方法在农田土壤环境评价中的应用张东方,吴以中*,宗良纲,陈 曦 收稿日期:2008-03-29作者简介:张东方(1982-),男,内蒙古乌兰浩特人,在读硕士研究生,主要从事环境监测与评价方面的研究。*通讯作者:吴以中。(南京农业大学 资源与环境学院,江苏 南京 210095)摘 要:采用主成分分析方法对乌兰浩特地区农田土壤污染状况进行分析,以此来探索对农田土壤污染物进行判定和识别,并对土壤环境质量的状况进行评价和分级。结果表明:利用主成分分析方法可以有效地识别土壤污染物中的主要成分,揭示土壤污染物相互间的内在关系,可对定量化的土壤复合污染研究或对土壤环境质量评价提供依据,说明主成分分析法是一种切实可行的分析方法。关键词:主成分分析;农田土壤;污染物;环境评价中图分类号:X825 文献标识码:A 文章编号:1001-8581(2008)07-0036-03Application ofPrincipal ComponentAnalysisM ethod toAgricultural SoilEnviron mentalAssess mentZHANG Dong-fang,WU Y i-zhong*,ZONG Liang-gang,CHEN X i(College ofResources and EnvironmentalScience,Nanjing AgriculturalUniversity,Nanjing 210095,China)Abstract:Pollution status of far m land soil inU lanHot area was analyzedw ith the principalco mponent analysismethod(PCA)toexplore the deter mination and identification of pollution of far m land soi,l and also to assess and classify the status of the soilenviron-ment quality.The study i mplied that PCA was advantageous in the assessment of complex soil conta m ination and classification of soilenvironmental quality,revie wed the relations a mong the conta m inations,and could be used in soil pollutants identification and soil en-vironment assessment aswel.l Themethodwas a feasible analysismethod.Key words:PCA;Agricultural soi;l Conta m inations;Environmental assessment 主成分分析是一种将多维因子纳入同一系统进行定量研究的多元统计方法。在多指标变量的研究中,变量之间往往存在一定的相关性,而主成分分析将多个指标化成少数几个综合指标,简化了统计分析系统的结构。在主成分分析中可消除评价指标间的相互影响,各主成分是按方差大小依次排列顺序的。在分析问题时,可以舍弃一部分主成分,只取前后方差较大的几个主成分来代表原变量,还可以减少指标选择的工作量,从而减少了计算的工作量。主成分分析方法目前已被引入土地资源保护、环境脆弱性评价研究等诸多研究领域。与其它环境质量的定量评价方法相比,主成分分析方法具有能够减少原始数据信息损失、简化数据结构、避免主观随意性等优点,在水、大气、土壤等环境介质中的污染物评价研究中均有应用。随着工农业的迅速发展,土壤的污染越加受到关注,污染源的确认及污染物分布特征的定量评价开始受到关注,不同来源污染物在土壤中分布的特点及其相互间关系的定量化研究成为环境研究的重点。主成分分析方法的突出特点是可以揭示土壤污染物数据的结构和污染物的内在联系,描述土壤污染物分布的主要特征。对于土壤污染物成分复杂或监测数据不足的地区的土壤污染作定量评价,可弥补现有方法的不足。本文利用该方法对几种不同类型农田土壤环境质量进行评价,以期为土壤污染物的定量化评价研究提供依据。1 材料与方法1.1 数据来源 本文利用典型生态区调查项目乌兰浩特市农田土壤污染物调查数据作为主成分分析的土壤环境质量评价来源,土壤样品包括:清灌稻田、污灌稻田、旱田、菜田、温室及对照区 6个不同类型农田,样本总数为39个。分析指标主要考虑国家颁布的土壤环境质量标准中的几种重点识别重金属和有机农药污染物(As、Hg、Cu、Pb、Cd、Cr、DDT、BHC),样品采集和分析严格按照GB5618-1995的相关要求进行,不同耕作类型农田土壤污染物含量见表 1。1.2 数据处理 主成分分析的基本原理:以两个指标来衡量 n个样本的简单情况为例。n个样本之间的变量信息用离差平方和表示,则综合评价时的总变差为:Eni=1(xi1-x1)2+Eni=1(xi2-x2)2。如果 Eni=1(xi1-x1)2与 Eni=1(xi2-x2)2两个数值差不多,说明两个指标在变差总信息量中比重相当,都要保留。如果有变量 x1,xp,数学上可以把它们变换成一组新的变量(称为成分)y1,yp,使得:(1)每一个 y是那些 x的线性组合,即 yi=ai1x1+,+aipxp;(2)系数 aij的平方和为 1,即 ai=(ai1,aip)T是单位向量;(3)y1是这样的线性组合中方差最大的,y2为和y1不相关的线性组合中是方差最大的。如此下去,一般地,yj为与 y1,y2,yj-1都不相关的方差最大的线性组合。头几个变量(称为主成分)由于其方差最大,往往包含了绝大部分信息,人们就可以用它们来描述原来用变量所代表的现象。数学上已证明,实施变换前后的总方差(与离差平方和一样说明变差信息量)是相等的,这说明:原指标代表的变差信息已由主成分来表示。主成分在变差信息量中的比例越大,它在综合评价中的作用就越大。表 1 不同耕作类型农田土壤污染物含量mg/kg农田类型样本数AsHgCuPbCdCrDDTBHC菜地86.30.2120.3328.140.20541.050.1020.096大棚66.230.2127.2226.610.40449.310.1650.142对照57.210.2020.3126.480.17636.850.1180.102旱田47.50.2218.3327.930.14838.170.0380.027清灌49.810.0622.6725.270.16840.670.0040.002污灌128.370.4230.5439.630.34747.490.0080.005 主成分分析方法数据处理可以基于原始数据,也可基于标准化的数据,即基于样本协差阵或样本相关阵进行研究,我们在综合评价时遇到的各个指标通常具有不同的含义,因而在数量级和量纲上都不同,我们选择基于标准化的数据进行主成分分析,进而得到综合评价的指标函数用来计算主成分载荷值和主成分得分,以用于进行主成分评分等。本文主成分分析过程采用 SPSS软件的相关分析模块进行处理,具体步骤参见文献 3。2 结果与分析2.1 主成分的识别 主成分识别是以土壤污染物含量作为原变量,通过计算变量方差和协方差矩阵的特征量,将多个变量通过降维转化为少数几个综合变量,即将土壤污染物的信息进行了集中和提取,使我们能够从众多土壤污染物中识别出起主导作用的成分。由于数据中各污染物的量纲不同,各变量的作用难以直接比较,在计算时需对变量数据进行标准化处理。表 2是各污染物含量的总方差分解表,可以看出第一、第二主成分特征值占总方差的百分比已经大于95%,即前两个主成分已经对 8个监测指标所涵盖的大部分污染物信息进行了概括,其中第一主成分携带的信息最多,达到 75%以上,第一、第二主成分的累计贡献率达到 95.954%。主成分 3和 4对总方差的贡献很小,为了以尽可能少的指标反映尽量多的信息,选取前 2个因子作为主成分,代表主要的土壤污染物指标。表 2 观测指标总方差分解表%主成分初始特征值及贡献率特征值贡献率累积贡献率158.06575.57175.584215.95120.37495.94532.5213.27199.21640.5780.7841002.2 主要污染物识别分析 主要污染物识别是通过土壤污染物对主成分的贡献率即主成分载荷进行分析,载荷大的即可认为是重要污染因子。表 3是各变量对应于两个主成分的荷载值,载荷值反映的是主成分与变量的相关系数,可以据此写出主成分载荷表达式:第一主成分=0.954 Cu+0.858 Cr+0.849 Cd+0.825Pb+0.766Hg-0.126 BHC-0.141 DDT+0.032As第二主成分=0.167 Cu+0.453 Cr+0.425 Cd-0.556Pb-0.501Hg+0.762 BHC+0.602 DDT-0.256As表 3 主成分载荷矩阵第一主成分第二主成分Cu0.9540.167Cr0.8580.453Cd0.8490.425Pb0.825-0.556Hg0.766-0.501B HC-0.1260.762DDT-0.1410.602A s0.032-0.256表 4 旋转后主成分载荷矩阵第一主成分第二主成分Cr0.964-0.176Cu0.9420.111Cd0.938-0.166B HC0.107-0.766Pb0.6110.761Hg0.5680.681DDT0.055-0.645A s-0.0680.289由于各因子中原始变量的系数差别不明显,需利用方差最大旋转对因子荷载矩阵进行旋转,将因子中各变量的系数向最大和最小转化,使每个因子上具有最高载荷的变量数最少,以使得对因子的识别变得容易。表 4是旋转后的主成分载荷矩阵,由于不同主成分对应的各变量的系数项最大和最小转化,使每个主成分上具有最高载荷的变量数最少,旋转后的载荷系数矩阵中各变量对两个主成分的荷载系数差别比较明显。可以37 7期 张东方等:主成分分析方法在农田土壤环境评价中的应用看出,第一主成分以 Cr、Cu、Cd为主的重金属贡献最大,第二主成分中 BHC、DDT和重金属 Pb、Hg的贡献较大。表中主成分载荷的正负可以反映出污染物的复合性,在主成分载荷图中表现为互斥因子(图 1)。如 Pb与 DDT、BHC在载荷图中的位置反映出它们是不同的污染因子,另外该地区农田土壤不受它们的共同污染,即某种土壤中 Pb和 Hg含量较高,但其对斥元素的含量却相对较低。从旋转后的因子载荷生成的载荷散点图可以直观地看出决定因子的变量(图 1)。图中横坐标和纵坐标分别代表提取出的第一主成分和第二主成分,变量与原点的距离反映其因子载荷,位于坐标轴原点远端的变量具有较大的因子载荷,位于原点近端的变量具有较小的因子载荷。从表 4和图 1可以看出,选择出了两个主成分,第一个主成分中,Cd、Cr、和 Cu的影响比较大,第二个主成分中 Pb、H g的影响比较大。有机农药 DDT和 BHC 对一、二主成分均有一定的贡献,这两个主成分能综合反映Cr、N i、Pb、Cu、As、Hg、Cd、DDT、BHC的基本信息,通过主成分分析,农田土壤污染物的组成结构和贡献率被确认出来。可以看出,外源重金属输入对当地农田土壤环境质量的影响高于有机农药残留,是当地农田土壤环境质量的主要影响因子。对旋转后的变量进行相关关系检验,进一步反映土壤污染物间的相关关系(表 5)。图 1 因子载荷散点图表 5 污染物相关系数矩阵AsHgCuPbCdCrDDTBHCA s1.00Hg-0.231Cu0.100.5851Pb0.1290.9090.6851Cd-0.3350.5370.8620.4551Cr-0.160.4180.9010.4670.9541DDT-0.849-0.102-0.075-0.4350.350.1721B HC-0.399-0.341-0.0530.5270.2890.2990.5181 从以上矩阵可以看出,重金属 Hg-Pb、Cd-Cu、Cr-Cu、Cr-Cd间具有很强的相关性,这在一定程度上反映了几种土壤重金属污染物的同源性、差异性以及在农田土壤中的组合情况。并从图表中可以看出 BHC 和DDT类农药在我国已停用多年,但在土壤中仍有一定残留,二者的相关系数达到 0.518,反映出该区域过去的农药使用情况,说明它们与重金属元素的相关性亦不显著。BHC和 DDT的施用大多在旱田和菜地,而污灌区有大量的外源重金属污染物随着灌溉用水输入,因此农药与绝大多数重金属呈负相关关系,可以在一定程度上反映出土地利用状况和耕作方式对土壤污染物含量的影响。2.3 土壤质量分级结果 由于主成分得分可以反映测量的情况,并根据主成分得分情况进行排序,得分较低观测值含有较少的信息,得分最多的观测值包含最多的信息。在进行土壤环境评价时可以利用主成分得分对不同类型农田土壤污染物的程度进行排序。表 6为各主成分的得分系数,根据得分系数可以计算每个观测值在各个污染指标上的得分数,并据此进行进一步的分析。主成分得分(PAC)的表达式为:PAC-1=-0.008 As+0.000 Hg-0.406 Cu+0.066Pb+0.000 Cd-0.000 BHC-0.000 DDT+0.552 CrPAC-2=-0.031 As-0.000 Hg-0.119 Cu+1.143Pb+0.000 Cd+0.000 BHC+0.000 DDT-0.601 Cr表 6 各主成分得分系数A s-0.0080.031Hg00Cu-0.406-0.119Pb0.0661.143Cd00Cr0.552-0.601DDT00B HC00将不同土壤污染物浓度值与相应主成分得分系数的乘积相加得到土壤污染物的主成分得分(表 7)。主成分得分可以反映污染物对土壤的环境质量状况影响的程度,得分越低代表土壤污染物含量越低,即土壤环境质量越好。从表 7中 6种类型的农田土壤污染物总得分排序结果可以看出,清灌稻田的土壤环境质量最高,以下依次(下转第 61页)38江 西 农 业 学 报 20卷析的基本功能于一体,将建模预测类型的数据分析方法与非模式的数据认识性分析方法有机地结合在一起,能够在自变量存在显著相关性的条件下进行回归建模,因而它得到了广泛的应用 5。在本研究中,用对新茶进行赋值法建立的矩阵和其 HPLC 分析的峰面积矩阵利用PLS法(主成分数为 9)建立了一个新茶和陈茶的数字化的预测模型,通过模型获得的预测值与定义的新茶和陈茶的判别临界值比较可以准确有效地进行新茶和陈茶的鉴别,其中定标集的判别准确率达到了 100%,外部验证集 200 6年和 20 07年的判 别准确率也分 别达到了97.37%和 92.8%,说明此方法可以准确地对新茶和陈茶进行判别,并且判别结果稳定,重复性好。通过此研究可以在此基础上建立一种新茶和陈茶的有效判别技术,实现对市场上的新茶和陈茶的精确判别。参考文献:1 宛晓春.茶叶生物化学 M.北京:中国农业出版社,2003.2 王惠文.偏最小二乘回归方法及其应用 M.北京:国防工业出版社,1999.3 王丽鸳,成浩,周健,等.茶叶科学,2007,27(4):335 342.4 Bums D A,Ciurczak EW.Handbook ofNear-Infrared AnalysisM.New York:MarcelDekker Inc,1992.5 秦蓓蕾,王文圣,丁晶.四川大学学报(工程科学版),2003,35(4):115 118.(上接第 38页)是对照区、旱田、大棚和菜田,利用污水进行灌溉的污灌稻田土壤综合得分最高,反映出污灌稻田污染物含量较高,土壤环境质量较差。表 7 不同类型农田污染物主成分得分排序农田类型FAC-1FAC-2FAC-1+FAC-2总得分排序清灌33.791.7935.581对照31.165.4636.622旱地31.146.7837.923大棚40.99-2.5638.434菜地33.545.0938.635污灌42.1313.0355.1663 结论以乌兰浩特地区农田土壤污染分析为例,利用主成分分析方法可以有效地揭示土壤污染物的程度和土壤污染物间的内在差异性及相关性,并很好地识别出土壤污染物的主要成分,说明主成分分析方法的可靠性。分析结果基本上能够反映不同耕作类型下土壤污染物的组合情况及对污染负荷的贡献率,从实验结果可以得出外源重金属输入对当地农田土壤环境质量的影响高于有机农药残留,是当地农田土壤环境质量的主要影响因子。为进一步对土壤环境污染评价的研究提供了可靠的保证。利用主成分分析法得到的土壤环境质量排序更多的是反映不同类型土壤在污染物含量上的差异性,可以简化农田土壤重点污染物的定量化识别过程,是较为有效的土壤环境污染定量评价工具,也可为类似的评价问题提供参考。参考文献:1 阎慈琳.关于用主成分分析做综合评价的若干问题 J.数理统计与管理,1998,17(2):22 25.2 高吉喜,段飞洲.主成分分析在土壤评价中的应用 J.地理研究,2002,9(5):836 838.3 孙文爽,陈兰祥.多元统计分析 M.北京:高等教育出版社,1994.4 黄淑芳.主成分分析及 MAPI NFO在生态环境脆弱性评价中的应用 J.福建地理,2002,17(1):47 49.5 杜绍敏,刘琦,赵秀云.主成分分析在水文地质分析中的应用 J.黑龙江水专学报,1999,26(4),10 13.(上接第 57页)26 王梓清.荔枝种质资源离体保存的研究 D.硕士论文,2006.27 广西农业科学院,广西农校.广西荔枝志 M.广州:广东科技出版社,1986.10 45.28 柳建良.荔枝种质多样性及其保护与发展 J.韶关学院学报,2005,(9):76 80.29 俞旭平,方坚.贮藏在海藻酸钙胶丸中的荔枝种子活力 J.种子,1994,(5):34 35.30 王家保.海南主要荔枝栽培品种的 RAPD分析 J.农业生物技术学报,2006,(3):391 396.31 李明芳.荔枝 SSR标记的研究及其对部分荔枝种质的遗传多样性分析 D.博士学位论文,2003.32 柳建良,肖春承,赵春香,等.广东荔枝生产特点与产业发展分析 J.中国农学通报,2005,(2):215 218.33 黄金华.影响/陈紫0荔枝产量品质的主要因素与对策 J.江西农业学报,2008,20(2):49 51.34 农业部.中国农业全书#福建卷 M.北京:中国农业出版社,1997.29 30.61 7期 周健等:基于定义变量的 PLS法鉴定新茶和陈茶的研究
