R语言淮河流域水库水质数据相关性分析、地理可视化、广义相加模型GAM调查报告|附代码数据
全文下载:http://tecdat.cn/?p=29461
最近我们被客户要求撰写关于水质数据的研究报告,包括一些图形和统计输出。
采样地点:淮河流域一带,昭平台水库、白龟山水库、燕山水库、石漫滩水库、板桥水库、宿鸭湖水库、博山水库、南湾水库、石山口水库、五岳水库、泼河水库、鲶鱼山水库 。
调查时间和地点
调查内容
本次调查在淮河流域的十二个水库进行,分别在水库的上、中、下游进行监测,测量的指标有:各点位的经、纬度,水温、气温、PH、溶解氧、CODmn、总磷、总氮、透明度等水质指标,以及在水深0.5m、1.0m、3.0m和5.0m处的叶绿素含量。
点击标题查阅往期内容
R语言广义加性模型GAMs分析温度、臭氧环境数据绘制偏回归图与偏残差图
左右滑动查看更多
01
02
03
04
调查结果
3.1调查指标结果
调查的出的各指标数据用R软件进行处理,各水库之间用大小图对比显示,分为上、中、下游,上、中、下游之间用箱图进行对比显示。
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上游各水库指标
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中游各水库指标
3.1.3下游各水库指标
3.1.4上中下游各指标对比
boxplot(A$PH1,A$PH2,A$PH3,col="lightblue",
3.2各指标相关性分析结果
用R软件对所有的指标之间进行了相关性分析,下面列出所有具有显著相关性的指标分析结果。
3.2.1上游各指标相关性
3.2.2中游各指标相关性分析
gam模型分析
SITE1
PH~DO
PH~CODmn
PH~TP
4.2调查结果指标相关性分析
从3.2中上中下游各指标相关性分析的表可以看出:
(1)PH和DO密切相关,P值远小于0.0001,相关系数均大于0.95,偏差解释度都在96%以上。由于光合作用消耗二氧化碳产生氧气,使DO和PH值均升高,二者成正相关。
(2)TP和透明度的相关性大,而且在上中下游均体现出来,相关系数都在0.65以上,偏差解释度都在96%以上。 TP的增高,会使得水体营养更足,进而浮游植物生长更加旺盛,水体被净化得更干净,从而透明度也就更大,即二者程正相关。
(3)DO、藻密度和叶绿素三者之间相关,这是因为浮游植物含有大量的叶绿素,通过光合作用能产生氧气,所以藻密度大其余两个指标也会相应增加。
调查结果分析
4.1调查结果指标分析
从大小图中可以大致看出:
(1)DO浓度是在石漫滩水库要稍大于其余水库的;
(2)CODmn、TP和TN浓度是在宿鸭湖水库明显大于其余水库;
(3)透明度则在板桥水库和鲶鱼山水库高于其他水库;
(4)叶绿素则整体在石漫滩和博山水库浓度含量较高;
(5)藻密度则是在石漫滩水库最高。
从箱图可以看出:
上中下游之间水库的平均值中,
- TP和TN的值相差无几;
- PH、DO、透明度、最上层以及最下层叶绿素、藻密度是中游处最高;
- CODmn和中间部分的叶绿素是下游部分最高。但总体来说,各指标的均值差距都不大。
点击文末 “阅读原文”
获取全文完整代码数据资料。
本文选自《R语言淮河流域水库水质数据相关性分析、地理可视化、广义相加模型GAM调查报告》。
点击标题查阅往期内容
R语言广义加性模型GAMs分析温度、臭氧环境数据绘制偏回归图与偏残差图 【视频】什么是非线性模型与R语言多项式回归、局部平滑样条、 广义相加GAM分析工资数据|数据分享 MATLAB最小二乘法:线性最小二乘、加权线性最小二乘、稳健最小二乘、非线性最小二乘与剔除异常值效果比较 数据分享|R语言广义线性模型GLM:线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟 生态学模拟对广义线性混合模型GLMM进行功率(功效、效能、效力)分析power analysis环境监测数据 广义线性模型glm泊松回归的lasso、弹性网络分类预测学生考试成绩数据和交叉验证 有限混合模型聚类FMM、广义线性回归模型GLM混合应用分析威士忌市场和研究专利申请数据 R语言贝叶斯广义线性混合(多层次/水平/嵌套)模型GLMM、逻辑回归分析教育留级影响因素数据 R语言贝叶斯MCMC:GLM逻辑回归、Rstan线性回归、Metropolis Hastings与Gibbs采样算法实例 R语言用lme4多层次(混合效应)广义线性模型(GLM),逻辑回归分析教育留级调查数据 R语言广义线性模型GLM、多项式回归和广义可加模型GAM预测泰坦尼克号幸存者 R语言用Rshiny探索lme4广义线性混合模型(GLMM)和线性混合模型(LMM) R语言使用bootstrap和增量法计算广义线性模型(GLM)预测置信区间 R语言广义线性模型(GLMs)算法和零膨胀模型分析 R语言中广义线性模型(GLM)中的分布和连接函数分析 R语言中GLM(广义线性模型),非线性和异方差可视化分析 R语言中的广义线性模型(GLM)和广义相加模型(GAM):多元(平滑)回归分析保险资金投资组合信用风险敞口 用广义加性模型GAM进行时间序列分析 R和Python机器学习:广义线性回归glm,样条glm,梯度增强,随机森林和深度学习模型分析 在r语言中使用GAM(广义相加模型)进行电力负荷时间序列分析 用广义加性模型GAM进行时间序列分析 R和Python机器学习:广义线性回归glm,样条glm,梯度增强,随机森林和深度学习模型分析 在r语言中使用GAM(广义相加模型)进行电力负荷时间序列分析
相关文章
- R语言用igraph对上海公交巴士路线数据进行复杂网络、网络图可视化|数据分享
- 数据分享|R语言逻辑回归、线性判别分析LDA、GAM、MARS、KNN、QDA、决策树、随机森林、SVM分类葡萄酒交叉验证ROC|附代码数据
- R语言、SAS潜类别(分类)轨迹模型LCTM分析体重指数 (BMI)数据可视化|附代码数据
- R语言对S&P500股票指数进行ARIMA + GARCH交易策略|附代码数据
- R语言文本挖掘NASA数据网络分析,tf-idf和主题建模|附代码数据
- R语言随机森林RandomForest、逻辑回归Logisitc预测心脏病数据和可视化分析|附代码数据
- 【视频】R语言逻辑回归(Logistic回归)模型分类预测病人冠心病风险|数据分享|附代码数据
- R语言代做编程辅导回归模型分析工资数据案例报告(附答案)
- R语言分布滞后非线性模型(DLNM)空气污染研究温度对死亡率影响建模应用|附代码数据
- R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格|附代码数据
- R语言使用虚拟变量(Dummy Variables) 回归分析工资影响因素|附代码数据
- 数据分享|R语言分析上海空气质量指数数据:kmean聚类、层次聚类、时间序列分析:arima模型、指数平滑法|附代码数据
- R语言建立和可视化混合效应模型mixed effect model|附代码数据
- R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格|附代码数据
- 数据分享|R语言逐步回归、方差分析anova电影市场调查问卷数据可视化|附代码数据
- R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列|附代码数据
- R语言k-means聚类、层次聚类、主成分(PCA)降维及可视化分析鸢尾花iris数据集|附代码数据
- 人工神经网络ANN中的前向传播和R语言分析学生成绩数据案例|附代码数据
- R语言EG(Engle-Granger)两步法协整检验、RESET、格兰杰因果检验、VAR模型分析CPI和PPI时间序列关系|附代码数据