全文下載：http://tecdat.cn/?p=29461

最近我們被客戶要求撰寫關(guān)于水質(zhì)數(shù)據(jù)的研究報告，包括一些圖形和統(tǒng)計輸出。

采樣地點：淮河流域一帶，昭平臺水庫、白龜山水庫、燕山水庫、石漫灘水庫、板橋水庫、宿鴨湖水庫、博山水庫、南灣水庫、石山口水庫、五岳水庫、潑河水庫、鯰魚山水庫 。

調(diào)查時間和地點

調(diào)查內(nèi)容

本次調(diào)查在淮河流域的十二個水庫進(jìn)行，分別在水庫的上、中、下游進(jìn)行監(jiān)測，測量的指標(biāo)有：各點位的經(jīng)、緯度，水溫、氣溫、PH、溶解氧、CODmn、總磷、總氮、透明度等水質(zhì)指標(biāo)，以及在水深0.5m、1.0m、3.0m和5.0m處的葉綠素含量。

點擊標(biāo)題查閱往期內(nèi)容

R語言廣義加性模型GAMs分析溫度、臭氧環(huán)境數(shù)據(jù)繪制偏回歸圖與偏殘差圖

左右滑動查看更多

01

02

03

04

調(diào)查結(jié)果

3.1調(diào)查指標(biāo)結(jié)果

調(diào)查的出的各指標(biāo)數(shù)據(jù)用R軟件進(jìn)行處理，各水庫之間用大小圖對比顯示，分為上、中、下游，上、中、下游之間用箱圖進(jìn)行對比顯示。

map("china",col?=?"black",lwd=2,ylim?=?c(31.5,35),xlim=c(112.5,115.5),panel.first?=?grid())axis(1,?lwd?=?0);?axis(2,?lwd?=?0);?axis(3,?lwd?=?0);?axis(4,?lwd?=?0)#china<-readOGR(".","China") river.r12<-readOGR(".","R12") river.r5<-readOGR(".","R5") river.r4<-readOGR(".","R4")

3.1.1上游各水庫指標(biāo)

points(A$Lon,A$Lat,pch=1,cex=A$WT/15) points(A$Lon,A$Lat,pch=1,cex=A$PH/5)

?

3.1.2中游各水庫指標(biāo)

?

?

3.1.3下游各水庫指標(biāo)?

?

3.1.4上中下游各指標(biāo)對比

boxplot(A$PH1,A$PH2,A$PH3,col="lightblue",

?

?

3.2各指標(biāo)相關(guān)性分析結(jié)果

用R軟件對所有的指標(biāo)之間進(jìn)行了相關(guān)性分析，下面列出所有具有顯著相關(guān)性的指標(biāo)分析結(jié)果。

3.2.1上游各指標(biāo)相關(guān)性

3.2.2中游各指標(biāo)相關(guān)性分析

gam模型分析

SITE1

PH~DO

PH~CODmn

?

PH~TP

?

4.2調(diào)查結(jié)果指標(biāo)相關(guān)性分析

從3.2中上中下游各指標(biāo)相關(guān)性分析的表可以看出：

（1）PH和DO密切相關(guān)，P值遠(yuǎn)小于0.0001，相關(guān)系數(shù)均大于0.95，偏差解釋度都在96%以上。由于光合作用消耗二氧化碳產(chǎn)生氧氣，使DO和PH值均升高，二者成正相關(guān)。

（2）TP和透明度的相關(guān)性大，而且在上中下游均體現(xiàn)出來，相關(guān)系數(shù)都在0.65以上，偏差解釋度都在96%以上。??? TP的增高，會使得水體營養(yǎng)更足，進(jìn)而浮游植物生長更加旺盛，水體被凈化得更干凈，從而透明度也就更大，即二者程正相關(guān)。

（3）DO、藻密度和葉綠素三者之間相關(guān)，這是因為浮游植物含有大量的葉綠素，通過光合作用能產(chǎn)生氧氣，所以藻密度大其余兩個指標(biāo)也會相應(yīng)增加。

調(diào)查結(jié)果分析

4.1調(diào)查結(jié)果指標(biāo)分析

?從大小圖中可以大致看出： ? （1）DO濃度是在石漫灘水庫要稍大于其余水庫的； ? （2）CODmn、TP和TN濃度是在宿鴨湖水庫明顯大于其余水庫； ? （3）透明度則在板橋水庫和鯰魚山水庫高于其他水庫； ? （4）葉綠素則整體在石漫灘和博山水庫濃度含量較高； ? （5）藻密度則是在石漫灘水庫最高。 ? 從箱圖可以看出： ? 上中下游之間水庫的平均值中， ?

• TP和TN的值相差無幾；

• PH、DO、透明度、最上層以及最下層葉綠素、藻密度是中游處最高；

• CODmn和中間部分的葉綠素是下游部分最高。但總體來說，各指標(biāo)的均值差距都不大。

點擊文末?“閱讀原文”

獲取全文完整代碼數(shù)據(jù)資料。

本文選自《R語言淮河流域水庫水質(zhì)數(shù)據(jù)相關(guān)性分析、地理可視化、廣義相加模型GAM調(diào)查報告》。

點擊標(biāo)題查閱往期內(nèi)容

R語言廣義加性模型GAMs分析溫度、臭氧環(huán)境數(shù)據(jù)繪制偏回歸圖與偏殘差圖
【視頻】什么是非線性模型與R語言多項式回歸、局部平滑樣條、 廣義相加GAM分析工資數(shù)據(jù)|數(shù)據(jù)分享
MATLAB最小二乘法：線性最小二乘、加權(quán)線性最小二乘、穩(wěn)健最小二乘、非線性最小二乘與剔除異常值效果比較
數(shù)據(jù)分享|R語言廣義線性模型GLM：線性最小二乘、對數(shù)變換、泊松、二項式邏輯回歸分析冰淇淋銷售時間序列數(shù)據(jù)和模擬
生態(tài)學(xué)模擬對廣義線性混合模型GLMM進(jìn)行功率（功效、效能、效力）分析power analysis環(huán)境監(jiān)測數(shù)據(jù)
廣義線性模型glm泊松回歸的lasso、彈性網(wǎng)絡(luò)分類預(yù)測學(xué)生考試成績數(shù)據(jù)和交叉驗證
有限混合模型聚類FMM、廣義線性回歸模型GLM混合應(yīng)用分析威士忌市場和研究專利申請數(shù)據(jù)
R語言貝葉斯廣義線性混合（多層次/水平/嵌套）模型GLMM、邏輯回歸分析教育留級影響因素數(shù)據(jù)
R語言貝葉斯MCMC：GLM邏輯回歸、Rstan線性回歸、Metropolis Hastings與Gibbs采樣算法實例
R語言用lme4多層次（混合效應(yīng)）廣義線性模型（GLM），邏輯回歸分析教育留級調(diào)查數(shù)據(jù)
R語言廣義線性模型GLM、多項式回歸和廣義可加模型GAM預(yù)測泰坦尼克號幸存者
R語言用Rshiny探索lme4廣義線性混合模型（GLMM）和線性混合模型（LMM）
R語言使用bootstrap和增量法計算廣義線性模型（GLM）預(yù)測置信區(qū)間
R語言廣義線性模型(GLMs)算法和零膨脹模型分析
R語言中廣義線性模型(GLM)中的分布和連接函數(shù)分析
R語言中GLM(廣義線性模型)，非線性和異方差可視化分析
R語言中的廣義線性模型（GLM）和廣義相加模型（GAM）：多元（平滑）回歸分析保險資金投資組合信用風(fēng)險敞口
用廣義加性模型GAM進(jìn)行時間序列分析
R和Python機器學(xué)習(xí):廣義線性回歸glm，樣條glm，梯度增強，隨機森林和深度學(xué)習(xí)模型分析
在r語言中使用GAM（廣義相加模型）進(jìn)行電力負(fù)荷時間序列分析
用廣義加性模型GAM進(jìn)行時間序列分析
R和Python機器學(xué)習(xí):廣義線性回歸glm，樣條glm，梯度增強，隨機森林和深度學(xué)習(xí)模型分析
在r語言中使用GAM（廣義相加模型）進(jìn)行電力負(fù)荷時間序列分析