《表4 PCA和PMF的来源和相对贡献率》

  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

《结合主成分分析法(PCA)和正定矩阵因子分解法(PMF)的鄱阳湖丰水期表层沉积物重金属源解析》

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

PCA和PMF 2种源解析方法的来源分配和相对贡献率见表4，源解析结果中污染来源一致，相互印证．两种方法均解析出贡献率相当高的矿业和工业活动来源，贡献率分别为26%和38%；尾矿和废渣、农业活动、自然来源是2种方法解析出的其他3个源，PCA和PMF解析得到的相对贡献率分别为10%、9%、24%和28%、19%、14%．两种方法对重金属污染物来源贡献率的预测略有差别，这主要是由于在方法应用过程中所选择的不确定性参数和选为变量的污染物之间存在差异所致[52]．通过计算PMF预测的和实验的重金属含量之间的回归进行内部比较，可用于确定模型是否适用[53-54]，结果表明，重金属含量总变量预测值与观测值之间相关性良好（R2=0.931），说明沉积物重金属被PMF很好地分配，PMF可以很好地应用于沉积物重金属污染的源解析研究并分配污染源对每种重金属的贡献．先前的研究[23，55]中，使用PMF也发现了污染物的预测浓度和实验浓度之间这种良好的相关性．与其他学者采用主成分分析法研究鄱阳湖重金属污染源的源解析结果[45]相比，主成分分析法源解析结果中源识别数量的减少和其他信息的丢失可能是由于没有考虑数据的不确定性或没有非负性约束，由表2和图3可知，主成分载荷值为负值，且PCA解析结果虽与源贡献相关，但是并不呈比例，使得累积贡献率少于100%；而PMF源成分谱图中的值均为正值，所以PMF方法可以同时将测量不确定性和非负性约束纳入其计算过程，依赖于更具物理意义的假设，可以提供更好的结果．