单因子指数法适用对象

采用单因子标准指数法进行水环境质量现状评价 原发布者:19911120xcc采用单因子标准指数法进行水环境质量现状评价，评价结果见表3-4。pH评价模式：PpH＝(pHj－7.0)／(pHsu－7.0)pHj＞7.0PpH＝(7.0－pHj)／(7.0－pHsu)pHj≤7.0式中：pHj—第j取样点的pH值；pHsu—评价标准的上限值。DO评价模式：当DOj≥DOsSDO，j=|DOf－DOj|/(DOf－DOs)当DOj，j=10－9*DOj/DOs式中：SDO，j—DO的标准指数；DOf—某水温、气压条件下的饱和溶解氧浓度，mg/L，计算公式常采用DOf=468/（31.6+T），T为水温，℃。其它指标评价模式：Pi＝Ci/Si式中：Pi—第i项污染物的污染指数；Ci—第i项污染物的实测值，mg/L；Si—第i项污染物的评价标准值，mg/L。表3-4澄潭江水质评价指标由表3-4可知，澄潭江棠村断面处各污染物单因子指标均，能够满足《地表水环境质量标准》（GB3838-2002）表1中Ⅲ类标准要求；澄潭江上镜岭溪西和跃进水库断面处的各污染物单因子指标均≤1，能够满足《地表水环境质量标准》（GB3838-2002）表1中Ⅱ类标准要求，表明区域地表水环境质量较好。本次环评期间，为预测本项目排水对左于江水质环境影响，在左于江上取水样监测分析了COD值，测得左于江水质中COD约为3.2mg/L，达到《地表水环境质量标准》（GB3838-2002）表1中Ⅱ类标准最差因子判别法和单因子指数法的区别 Doing nothing is doing ill.最差因子判别法和单因子指数法的区别 Doing nothing is doing ill.单因子指数法的方法简介及步骤 计算某一评价指标的污染指数公式为：单项指标污染指数：（2–1）或者（2–2）某断面综合污染指数：（2–3）式中 Pi—某一评价指标的相对污染值Ci—某一评价指标的实测浓度值Co—某一评价指标的最高允许标准值P—某断面的污染指数n—某断面内测点数计算单项参数溶解氧（DO）来说，其只值应随浓度增大而减小，因此它的计算式：2–4式子是根据国家及有关部门颁布的水环境质量标准，以L4作为溶解氧最低浓度标准值，以C i≥8作为河流未受污染时的情况.对于评价参数pH，由于它的Ci浓度值为7．0时，表明河流水质状况良好，Ci过高或过低均表示不同性质的污染。计算公式为：2–5式中：—pH 的最高浓度标准值pH 的最低浓度标准值如何在excel中计算单因子污染指数 单因子污染指数法计算公式： Pi=Ci/Si 式中：Pi为重金属i的污染指数，Ci为重金属i的实测值，Si为污染物i的标准值。内梅罗综合污染指数法计算公式： P(综合)= 水质评价中ph单因子指数怎么算 8.3 评价方法与评价模式 8.3.1 单因子评价模式 式中：Pi—某污染因子的污染指数即单因子污染指数；Ci—某污染因子的实测浓度*；Cio—某污染因子的评价标准；单因子指数法的方法简介及步骤 计算某一评价指标的污染指数公式为：单项指标污染指数：（2–1）或者（2–2）某断面综合污染指数：（2–3）式中 Pi—某一评价指标的相对污染值Ci—某一评价指标的实测浓度采用单因子标准指数法能不能用于空气环境质量现状评价 新的大气导则没有单因子指数法的要求单因子指数法的主成分分析方法 地理环境是多要素的复杂系统，在我们进行地理系统分析时，多变量问题是经常会遇到的。变量太多，无疑会增加分析问题的难度与复杂性，而且在许多实际问题中，多个变量之间是具有一定的相关关系的。因此，我们就会很自然地想到，能否在各个变量之间相关关系研究的基础上，用较少的新变量代替原来较多的变量，而且使这些较少的新变量尽可能多地保留原来较多的变量所反映的信息？事实上，这种想法是可以实现的，本节拟介绍的主成分分析方法就是综合处理这种问题的一种强有力的方法。第一节 主成分分析方法的原理主成分分析是把原来多个变量化为少数几个综合指标的一种统计分析方法，从数学角度来看，这是一种降维处理技术。假定有n个地理样本，每个样本共有p个变量描述，这样就构成了一个n×p阶的地理数据矩阵：如何从这么多变量的数据中抓住地理事物的内在规律性呢？要解决这一问题，自然要在p维空间中加以考察，这是比较麻烦的。为了克服这一困难，就需要进行降维处理，即用较少的几个综合指标来代替原来较多的变量指标，而且使这些较少的综合指标既能尽量多地反映原来较多指标所反映的信息，同时它们之间又是彼此独立的。那么，这些综合指标（即新变量)应如何选取呢？显然，单因子指数法的主成分分析方法 地理环境是多要素的复杂系统，在我们进行地理系统分析时，多变量问题是经常会遇到的。变量太多，无疑会增加分析问题的难度与复杂性，而且在许多实际问题中，多个变量之间是具有一定的相关关系的。因此，我们就会很自然地想到，能否在各个变量之间相关关系研究的基础上，用较少的新变量代替原来较多的变量，而且使这些较少的新变量尽可能多地保留原来较多的变量所反映的信息？事实上，这种想法是可以实现的，本节拟介绍的主成分分析方法就是综合处理这种问题的一种强有力的方法。第一节 主成分分析方法的原理主成分分析是把原来多个变量化为少数几个综合指标的一种统计分析方法，从数学角度来看，这是一种降维处理技术。假定有n个地理样本，每个样本共有p个变量描述，这样就构成了一个n×p阶的地理数据矩阵：如何从这么多变量的数据中抓住地理事物的内在规律性呢？要解决这一问题，自然要在p维空间中加以考察，这是比较麻烦的。为了克服这一困难，就需要进行降维处理，即用较少的几个综合指标来代替原来较多的变量指标，而且使这些较少的综合指标既能尽量多地反映原来较多指标所反映的信息，同时它们之间又是彼此独立的。那么，这些综合指标（即新变量)应如何选取呢？显然，

#环境污染#因子分析#综合指数法#水环境#单因子指数法