《表3 PMF和误差估计诊断总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《PMF模型解析土壤重金属来源的不确定性》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

针对本例数据集设置4～7因子数情景方案运行模型，不同因子数下的源成分谱见图1，PMF和误差估计的诊断总结见表3.4因子情景下，每个源的标识性元素分别为:（a）因子中主要载荷元素Cu、Mo、As、Cd和Pb有少量载荷；（b）因子中主要载荷元素为Mn，As有少量载荷；（c）因子中主要载荷元素为Na2O，其次是K2O；（d）因子中主要载荷元素为Hg、Cr、Ti.5因子情景下，As被分离为一个独立的因子.6因子情景下，除As被单独分出外，Pb和Cd同时从（a）因子中分离成为一个新的因子.7因子情景下则又增加一个新的因子（g），但该因子中各元素所占比例均很低，不存在明显的标识性元素.表3中，Qexpected等于（矩阵X中非“weak”数据值的数目）-（矩阵G和F中变量数据加和）.例如，因子数为4，样品数为336，“strong”的变量为14，那么Qexpected=（336×14）-（(4×336）+（4×14）)=3304.由此进一步得到Qrobust/Qexpected，可以看出从5个因子数变为6个因子数时，Qrobust/Qexpected从4.62下降至3.29，降幅最大.随着因子数增加，一般在Qrobust/Qexpected快速下降处确定最佳因子数，即源数目，因此初步判断6因子数情景是最佳的PMF源解析方案.