環境監測數據處理與分析

嚴 暉

（泰興市環境監測站，江蘇 泰興225400）

環境監測是指間斷或連續地測定環境中污染物的濃度，觀察、分析其變化和環境影響的過程。在此過程中，對影響環境質量的各種因素進行實時或定期采樣、分析測量，以發現異常的因素，定期、定點對環境組成、因子和環境中污染物質的種類、濃度、分布的變化及影響進行監測和分析。

環境監測數據具有代表性和完整性，即所獲取的檢測數據能較全面地描述污染物的空間分布狀態；同時，還具備準確性和可比性，即數據是經過精密儀器采集，并可通過一定的數據處理方法進行可比性分析驗證。

目前，環境監測數據的獲取方面存在的問題主要包括：數據采集過程中，監測人員在數據篩選或處理時出現人為誤差；布控時，未能及時根據監測點附近環境變化而更新布防監控；由于儀器設備過于陳舊而無法進行精密度采集或處理等。產生上述問題的原因主要包括［1］：① 主觀原因：監測人員本身業務素質較低，不能科學有效地分析和處理數據，使得部分數據喪失真實性，甚至不能用于評價工作。②客觀原因：監測儀器配置和監測站點的布置過于陳舊，并未根據最新環境變化及時更新，使得環境監測數據不具有代表性，造成評價結果的偏差，無法進行科學的分析和處理。

1 分析方法

由于監測數據和污染物空間分布與持續時間等因素有關，故在分析數據時可將數據按周期性規律地進行統計分析，從而得出濃度隨時間變化的大致規律；然后根據當地的水文條件、氣象變化和地形特征等因素進行綜合整理，生成更為詳盡的濃度等值線圖，便于數據的直觀性統計與分析［2］。

1.1 離群數據的分析

環境監測數據獲取條件較為復雜，在實際工作中可能由于監測主體或條件變化產生離群值，如何正確區分離群值產生的原因并科學有效地去除離群值，是正確進行評價的重要依據［2］。

1.1.1Q檢驗法

在同一組數據中，判斷最大值或最小值是否為異常值時采用Q檢驗法——狄克遜（Dixon）檢驗法：將數據從大到小進行排列，根據測定次數計算Q值：

式中，x2，x1為測定數據。

根據測定數據次數n和顯著性水平，查閱Dixon檢驗統計表，通過比較Q值與臨界值，判斷x1與xn是否為離群值：若Q≤Q0.05，則可疑值為正常值；若Q0.05＜Q≤Q0.01，則可疑值為偏離值，可做保留處理；若Q＞Q0.01，則可疑值應予剔除。但該檢驗方法僅將可疑值與相鄰數據進行比較分析，具有一定的局限性［2］。

1.1.2T檢驗法

對于各組測定數據平均值的一致性檢驗可采用Grubbs（格拉布斯）檢驗，即T檢驗法：將監測數據從大到小排列，并計算其算術平均值和標準偏差s，得到T值［2］。

查閱T檢驗臨界表得T的臨界值若則可疑數據x1或xn為異常值，應予剔除；反之，則保留處理。依次反復計算直至無異常數據為止。

1.2 分析結果準確度的檢驗

1.2.1 平均值與標準值的比較

此方法用于檢查監測方法或操作過程是否存在較大系統誤差。對標樣進行n次監測，再利用T檢驗法的平均值t比較監測結果與標準值是否存在顯著性差異［2］。

式中，μ為標準值；為監測結果；s為標樣測定的標準偏差。根據自由度f和置信度P查得t值，與計算結果進行比較。若計算值大于t值，則存在系統誤差；若小于則是由偶然誤差引起的。環境監測中置信度一般為95%。

1.2.2 兩組平均值的比較

針對同一樣品的不同組數據產生平均值誤差問題，先假設兩組數據的方差無明顯差異，計算t值［2］，

式中，S為合并方差。用P＝95%，f＝n1＋n2－2查表得到t值小于計算值，則存在顯著性差異；若大于則無。

1.3 分析結果精密度的檢驗

用于比較兩組數據方差s的一致性，又稱F檢驗：求出兩組數據標準方差的平均值和，計算與F分布表中查得一定自由度下的F值進行比較，若大于計算值則存在顯著性差異，若無則不存在。

在進行F檢驗法檢驗兩組數據的精密度是否有顯著性差異時，應先確定其類型：單邊檢驗指一組數據的方差不可能小于另一組數據的方差；而雙邊檢驗時，其顯著性水平為單邊檢驗時的2倍，置信度變為90%［2］。

1.4 等精度檢驗

對于n′個監測室，用同一標準方法對同一個標準樣品作m次監測，測定結果用Cochran最大方差法檢驗。設各自標準偏差分別為s1，s2，…，sL，（i＝1，2，…L），最大值記為smax，計算統計量［2］：

根據給定的顯著性水平α，實驗室個數n′，測定次數m，從數理統計表得最大方差檢驗臨界值為Ca。當C≤C0.05時，表明各實驗室符合精密度要求；當C＞C0.01時，表明具有最大標準偏差的實驗室精密度不符合要求；當C0.05＜C≤C0.01時，表明具有最大標準偏差的實驗室精密度具有疑問，需再次考核以確認。

1.5 精密度和準確度統計分析［2］

其中由于∑Ti包括兩個類似樣品的監測結果從而含有兩倍的誤差［2］，故分母除以2；計算隨機標準偏差

若s＝sr，則表明實驗數據不存在系統誤差。當時，需進行方差分析，計算根據顯著性水平（0.05）和自由度查表。若表明在95%置信水平時，實驗室的系統誤差對分析結果的可比性無顯著性影響；若表明實驗室的系統誤差對分析結果的可比性具有顯著性影響，應及時采取校正措施［2］。

2 數據融合技術的應用

數據融合技術是指利用計算機對按時序獲得的若干觀測信息，在一定準則下加以自動分析、綜合，以完成所需的決策和評估任務而進行的信息處理技術。

人類通過人體器官感受外部信息，轉換成生物電，并通過人的中樞神經傳送到大腦進行綜合分析處理，然后對外部環境進行判斷和控制。而多傳感器數據融合的基本原理就如同人腦綜合處理所感受的信息：利用多個傳感器感測外部環境信息，再把多個傳感器的數據根據某種準則進行組合，以獲得對被測對象的一致性解釋和描述，從而得出更為準確的可信的結論。

面對大量的環境監測任務，如何科學有效地獲取數據信息是最為關鍵的一步，融合技術為我們提供了強有力的支持，然而這些數據在采集、利用過程中，由于傳感器采集數據的特征性差異，造成數據存在模糊性、互補性或矛盾性。如何有效并準確的處理傳感器所采集的數據是以后研究的重點，而這必將為環境監測數據研究帶來重大性突破。

2.1 融合模型

20世紀80年代，代表性的數據融合模型包括［3－6］：英國情報環模型、美國JDL模型和Boyd控制環模型。20世紀90年代提出的“改進的JDL模型”［3］在軍事領域應用十分廣泛，還有將融合過程劃分成觀測、定位、決策、行動及傳感器管理等階段，并組成一個大循環的“綜合模型（Omnibus Model）”［6］等。但由于上述模型均未引入自學習和多級反饋機制，使得其自適應性和自我完善功能有待提高。

目前，融合算法主要有Kalman濾波器的改進方法［7－8］、“數值－語言”混雜條件下的“知識發現和數據挖掘（Knowledge Discovery and Data Mining，KDDM）［7］”方法與面向分布式數據融合的支持向量機（Support Vector Machine，SVM）方法等。

2.2 應用舉例

由于Kalman濾波方法是解決最優化濾波問題的經典方法，故消除被噪聲污染的觀測信號中的噪聲影響，常將Kalman濾波方法用于環境采樣數據真實值的估計。在此本文以大氣監測為例，簡單探討Kalman濾波方法在環境監測方面的應用［9］。

（1）建立大氣變化狀態轉移矩陣。根據環境科學相關領域知識，結合傳感器采集的大氣參數，建立關于這些參數的大氣參數狀態轉移矩陣。利用該矩陣，研究各項大氣參數的變化情況。

（2）根據式（1）中得到的觀測目標屬性特征，對來自各傳感器的，反映不同污染現象的觀測數據進行分析，分解出反映各種不同的污染現象的參數向量值。

（3）根據大氣變化狀態轉移矩陣，利用各傳感器采集的大氣參數觀察值，對各大氣采樣站點的環境進行最優化估計，得到各項參數的最優化估計值。

3 結 語

（1）對環境監測數據的可疑值判斷和取舍方法進行了研究，同時還探討了監測結果的統計方法和實驗室監測質量的統計方法。

（2）簡單展望了未來數據融合技術在環境監測方面的應用，并以大氣監測為例進行分析。

［1］葉 萍.淺議環境監測數據的審核［J］.中國環境管理干部學院學報，2010（2）：45－46.

［2］馬彥峰，張 勇.環境監測數據結果評價［J］.環境保護科學，2010（1）：23－25.

［3］Linas J，Bowman C，Rogova G，et al.Revisiting the JDL data fusion model Ⅱ ［C］／／Proceedings of the Seventh International Conference on Information Fusion.Stockholm，Sweden：［s.n.］，2004，2：1218－1230.

［4］Kalandros M K，Trailovic L，Pao L Y，et al.Tutorial on multisensor management and fusion algorithms for target tracking［C］／／Proceedings of the 2004American Control Conference.Boston，Massachusetts：［s.n.］，2004，5：4734－4748.

［5］何 友，王國宏，陸大金，等.多傳感器信息融合及應用［M］.北京：電子工業出版社，2000.

［6］潘 泉，于 昕，程詠梅，等.信息融合理論的基本方法與進展［J］.自動化學報，2003，29（4）：599－615.

［7］Gao J B，Harris C J.Some remarks on Kalman filters for the multisensor fusion［J］.Information Fusion，2002，3（3）：191－201.

［8］Sun Shuli，Deng Zili.Multi－sensor optimal information fusion Kalman filter［J］.Automatica，2004，40（6）：1017－1023.

［9］邵 斌，蔣云良，張建宏.面向環境監測數據的融合方法研究［J］.心智與計算，2008，2（1）：42－47.