用于识别农业土壤风险元素污染的多元密度探索性函数数据分析
应用统计
2023-11-07 v3
摘要
世界各国均开展土壤中风险元素浓度的地球化学制图。其产生的大体量高分析质量数据集可用于识别违反安全生产食品个别法定限值的土壤。然而，缺乏适合对大数据进行敏感探索性数据分析并同时尊重土壤组成自然变异性的先进数据挖掘工具。为区分人为污染与自然变异，对较小子区域整体数据分布的分析是关键。本文提出一种基于贝叶斯空间框架下概率密度函数函数数据分析的地球化学制图数据新数据挖掘方法，先将大数据集按较小行政区进行后分层。所提工具使我们能分析整体分布，超越对极端浓度异常的表层检测。我们以依据捷克国家法规（1990–2009）收集的数据集阐释所提方法。考虑概率密度函数特性及近期多元密度正交分解成果，得以揭示迄今仅被怀疑存在于捷克农业土壤中的真实污染模式。我们处理上述捷克土壤组成数据集时，先将其划分为空间单元（特别是行政区），随后依据这些行政区在高浓度端单与多元分布的诊断特征进行聚类。单元间比较是可靠区分扩散污染的关键。本工作中，我们以含铜农药导致的土壤污染为例对之所提数据挖掘方法进行实证检验。
引用
@article{arxiv.2310.13761,
title = {Exploratory functional data analysis of multivariate densities for the identification of agricultural soil contamination by risk elements},
author = {Tomáš Matys Grygar and Una Radojičić and Ivana Pavlů and Sonja Greven and Johanna Genest Nešlehová and Štěpánka Tůmová and Karel Hron},
journal= {arXiv preprint arXiv:2310.13761},
year = {2023}
}